Tag: pensiero strutturato

Quando Edward de Bono introdusse il modello dei “Six Thinking Hats” negli anni ’80, fornì al mondo un modo brillante per organizzare e semplificare il pensiero collettivo. Era una proposta rivoluzionaria per l’epoca: incanalare l’energia mentale in sei direzioni distinte, ciascuna rappresentata da un cappello colorato, per aiutare gruppi e individui a pensare meglio, più chiaramente, più efficacemente. Per anni ne sono stato un gran fautore.

Eppure, adesso, siamo chiamati a fare un passo ulteriore sul modello. Non perché quel modello sia sbagliato, ma perché il mondo è cambiato e sta cambiando, soprattutto in un contesto dove il pensiero è plasmato e si confronta con strumenti di AI.

E sta cambiando in profondità, nei ritmi, nelle interconnessioni, negli strumenti e soprattutto nei problemi che affrontiamo. E con esso, cambia anche il nostro modo di pensare. O, per meglio dire, dovremmo cambiare il nostro modo di pensare per essere all’altezza delle sfide contemporanee.

Le crepe nell’eleganza di un modello iconico

C’è qualcosa di estremamente rassicurante nella struttura dei sei cappelli. Una sequenza, una logica, una disciplina. Ma questa stessa struttura, così chiara e ben definita, rischia di diventare una gabbia quando si prova ad applicarla ai contesti ipercomplessi di oggi. Le emozioni influenzano l’analisi, la creatività nasce nel mezzo di una riflessione critica, e le intuizioni arrivano mentre si valutano i dati. I compartimenti stagni non reggono di fronte alla fluidità del pensiero contemporaneo.

Il modello di de Bono è figlio di un tempo in cui le riunioni erano lineari, le informazioni stabili, le decisioni locali. Ma oggi i dati cambiano in tempo reale, le decisioni hanno impatti globali, i problemi sono sistemici. E tutto questo accade in una danza continua tra esseri umani e macchine intelligenti.

L’integrazione uomo-macchina

La presenza dell’intelligenza artificiale nei processi decisionali non è più un orizzonte teorico. È già qui, operativa, distribuita, silenziosa. Assistenti generativi, analisi predittive, sistemi autonomi: ci aiutano, ci sfidano, ci costringono a rivedere le nostre categorie mentali. Pensare con l’AI non è come pensare da soli. Non è nemmeno come pensare con altre persone. È un nuovo ecosistema cognitivo, che richiede nuove forme, nuovi ruoli, nuove regole.

Un esempio di questa trasformazione è l’esperimento Entourage AI, condotto da Allie K. Miller e Reid Hoffman. Una vera e propria “orchestra di GPT“, dove più intelligenze artificiali collaborano per generare idee, riflessioni, decisioni. Nessun cappello. Nessuna sequenza. Solo sinfonia.

Adaptive Intelligence Thinking System

In questo contesto, e dopo aver visto tempo fa l’esperimento del coordinamento di più AI, e aver testato sul campo metodologie diverse di prompting, brainstorming con AI, ho buttato giù questo concetto dell’AITS – Adaptive Intelligence Thinking System. Non un semplice aggiornamento tecnologico del modello di de Bono, ma una sua evoluzione concettuale. Una riconcettualizzazione radicale di cosa significhi pensare in modo strutturato nell’era dell’AI.

AITS non si limita a “indossare” nuovi cappelli. Introduce un’idea diversa: quella di agenti cognitivi che lavorano insieme. Otto, per la precisione. Alcuni evolvono i cappelli originali di De Bono. Altri li superano, giustamente, incorporando dimensioni nuove, indispensabili oggi: etica, predizione, orchestrazione, creatività potenziata.

Gli otto agenti: dalla linearità alla sinergia cognitiva

• C’è l’Agente Analitico, che raccoglie e analizza i dati come faceva il Cappello Bianco, ma lo fa con l’aiuto del machine learning, dell’addestramento e dell’utilizzo dei dati e della conoscenza a disposizione del contesto, identificando pattern nascosti e validando l’accuratezza delle fonti.
• C’è l’Agente Emotivo-Intuitivo, che evolve il tradizionale ruolo di raccogliere emozioni umane. Oggi può già analizzare su larga scala i segnali emotivi presenti nei contenuti digitali, rilevare pattern comportamentali nei team e, in alcuni contesti, integrare segnali biometrici provenienti da dispositivi wearable o analizzare video comportamenti. Sebbene la visione di un quadro emozionale unificato sia ancora in fase evolutiva, questo agente rappresenta un primo passo concreto verso una comprensione più profonda e data-driven dello stato emotivo esterno, del contesto e collettivo. La sua funzione principale, oggi, è quella di amplificare l’intuizione umana con segnali oggettivi, aiutando i decision-maker a cogliere cambiamenti sottili nel clima emotivo di un’organizzazione o di un ecosistema sociale.
• C’è l’Agente Critico-Validatore, un raffinato simulatore di scenari negativi, che valuta rischi e punti deboli con una logica predittiva e non solo precauzionale.
• C’è l’Agente Ottimizzatore, che trasforma l’ottimismo del Cappello Giallo in una funzione di calcolo che esplora alternative e trova configurazioni vantaggiose tra vincoli e obiettivi.
• Ma poi ci sono gli agenti nuovi. Quelli che non potevano esistere senza l’AI.
• L’Agente Creativo-Generativo, che combina intuizione umana e generazione automatica per esplorare mondi alternativi, concetti inediti, linguaggi nuovi.
• L’Agente Etico-Governance, che vigila sull’impatto delle decisioni. Non solo legale. Ma sociale, ambientale, culturale. Con la capacità di applicare framework etici e simulare reazioni future.
• L’Agente Predittivo-Strategico, che guarda avanti, esplora scenari, identifica trend deboli, predispone strategie resilienti.
• E infine, il vero direttore d’orchestra: l’Agente Meta-Orchestratore. Non è un supervisore, è un sistema di orchestrazione intelligente. Coordina gli altri agenti, riconfigura i processi, apprende, migliora, ottimizza.

Pensare, oggi, richiede flessibilità

Il cuore di AITS non è la sequenza, ma la configurazione dinamica. Il sistema può operare in modalità classica, se serve. Ma può anche attivare agenti in parallelo, cambiare strategia in corsa, lavorare con contributi asincroni tra esseri umani e intelligenze artificiali. È un sistema vivo, adattivo, che apprende dall’esperienza e calibra le sue modalità operative in tempo reale:

• Sequenziale Classica: mantenendo la compatibilità con il modello tradizionale per situazioni che richiedono un approccio strutturato e lineare.
• Parallela Distribuita: permettendo a più agenti di operare simultaneamente su aspetti diversi del problema, con sincronizzazione gestita dall’Agente Meta-Orchestratore.
• Adattiva Emergente: dove la configurazione degli agenti evolve dinamicamente basandosi sui risultati intermedi e sui feedback del sistema.
• Ibrida Uomo-AI: integrando seamlessly contributi umani e AI, con handoff intelligenti tra modalità cognitive diverse.

Non più solo struttura, ma apprendimento

AITS è pensato per imparare. Gli agenti comunicano tra loro, condividono pattern, aggiustano parametri, chiedono aiuto a supervisori umani quando serve. Ogni processo decisionale diventa occasione di miglioramento del sistema. Ogni risultato è un feedback. Ogni errore, un’opportunità di evoluzione:

• Feedback Loop Interno: ogni agente monitora la qualità dei propri output e si adatta basandosi sui risultati ottenuti.
• Cross-Agent Learning: gli agenti condividono insights e pattern identificati, creando un apprendimento collettivo che migliora l’intero sistema.
• Human-in-the-Loop Validation: punti di controllo umano strategicamente posizionati per validare direzioni critiche e mantenere l’allineamento con obiettivi e valori umani.
• Continuous Calibration: aggiustamento automatico dei parametri operativi basato su metriche di performance e feedback degli utenti.

Negli ambiti dove sto approfondendo e implementando i primi modelli, questo approccio consente di affrontare decisioni strategiche con una profondità di analisi e una qualità veloce ed efficace. Nell’innovazione prodotto, quello che sto vedendo è che riesce a velocizzare e potenziare ogni fase: dall’ideazione alla validazione.

Non c’è dubbio che approcci di questo tipo, in un loop Human-AI-AI, si possano vedere amplificazioni e potenzialità delle capacità cognitive. Ma non è magia. Richiede infrastrutture, competenze, attenzione e pazienza nella fase di addestramento e implementazioni. E può, inoltre, introdurre rischi: dipendenza dall’AI, bias nei dati, problemi di privacy. Serve consapevolezza, etica, progettualità.

AITS non vuole esseer un altro strumento. È un approccio al modo di pensare. Non sostituisce l’uomo. Lo potenzia, lo accompagna, lo costringe a fare un salto. Dai cappelli ai sistemi. Dalla linearità alla complessità. Dalla razionalità alla sinergia cognitiva. Il concetto di pensare sta cambiando a mio avviso. E forse, la direzione è esattamente quella di  esseri umani e intelligenze artificiali, in un unico ecosistema di intelligenza aumentata.