Introduzione

La sfida per le persone ed i contesti organizzativi oggi è quella di muoversi nella complessità e di accettare il cambiamento e l’incertezza, muovendo verso un approccio adattivo ed evolutivo.

Una sfida quanto mai difficile, perché significa osservare fenomeni, ambienti, culture e sistemi non lineari, quindi interconnessi, pregni di interazioni molteplici, complesse, nel senso originale del termine complexus, cioè “tessute insieme”.

L’applicazione dell’AI serve a superare la visione lineare del comportamento organizzativo alla volta di una visione complessa, che permette di riflettere su come tutti i comportamenti si muovono insieme per determinare il nostro successo.

Come mappare il comportamento organizzativo utilizzando l'Intelligenza artificiale

Abbiamo sviluppato quindi un metodo per fotografare la multidimensionalità del comportamento organizzativo nell’interazione con il contesto e, attraverso strumenti di machine learning, rilevare le interconnessioni tra i comportamenti agiti da una o più persone all’interno del contesto operativo. La fotografia è per noi il punto di partenza per costruire e concertare piani di sviluppo per le figure manageriali. Il focus del nostro contributo di ricerca che qui presentiamo riguarda, seguendo una prospettiva sistemica, l’osservazione delle relazioni tra gli asset cognitivi e comportamentali sui quali si basa l’agire manageriale.

Il disegno di ricerca ha visto come prima fase la costruzione di un modello di lettura del comportamento organizzativo, il Management Practices Board. Abbiamo individuato 4 aree (Fig. 1) e 16 comportamenti, che guidano l’azione manageriale. Ogni comportamento è stato associato ad indicatori e item per la costruzione del relativo strumento di rilevazione.

La seconda fase di ricerca è stata dedicata all’elaborazione di una metodologia di analisi dei dati e lettura delle relazioni tra i diversi comportamenti e il contesto nel quale vengono espressi. Per fare questo abbiamo utilizzato e sperimentato gli strumenti di machine learning, attraverso i quali abbiamo costruito una mappa/fotografia reticolare ad alta risoluzione dei comportamenti.

L’iter delle attività di questa seconda fase è stato:

I. Creazione di una topologia multidimensionale basata su una Mappa di Kohonen (una rete neurale artificiale ad apprendimento non supervisionato), volta a rappresentare geometricamente le relazioni tra i 16 comportamenti del Management Practices Board. Mylia ha così individuato la mappa della managerialità (Fig. 2). Una rappresentazione del campo entro il quale viene a posizionarsi la persona, con il suo profilo MPB dinamico (Fig. 3). Il profilo MPB dinamico descrive il flusso dei comportamenti che la persona agisce nel proprio contesto.

II. Implementazione del metodo di cluster analysis, k-means, per l’individuazione di aree della mappa caratterizzate da fattori di similarità o affinità nel comportamento; Mylia ha così individuato i 5 prototipi all’interno della mappa della managerialità (Fig. 2);

III. Individuazione della posizione delle persone all’interno della mappa e il confronto con le differenti aree della managerialità; Mylia offre dunque l’opportunità a singoli manager di confrontare il proprio agito con quello della squadra all’interno del proprio contesto.

Gli algoritmi di machine learning e la scelta dell’addestramento non supervisionato ci hanno permesso di costruire una visione reticolare (rete) dei comportamenti organizzativi, che ci permette di definire la “geometria” della complessità organizzativa – ossia il campo entro cui si muovono le culture manageriali - e da qui osservare (in termini spaziali) i diversi gradi di intensità dei comportamenti e le relazioni di vicinanza e lontananza tra di essi. Questa osservazione permette di far emergere le proprietà distintive di differenti aree all’interno della mappa, che diventano i prototipi della managerialità, attraverso i quali i singoli profili si confrontano. Per osservare e comprendere come queste proprietà emergenti si configurano nel tempo, è significativo procedere periodicamente con l’addestramento delle mappe di Kohonen. Attività sulla quale Mylia è impegnata costantemente.

Data Visualization

Abbiamo concluso la ricerca con una terza fase dedicata alla data visualization, che ci ha permesso di valorizzare la logica reticolare tra i vari elementi osservati e di visualizzare, attraverso una reportistica digitale e interattiva, una complessità altrimenti non accessibile dai report classici.