Chiarezza nella complessità

RAINBOW – Chiarezza nella complessità

RAINBOW è nato una sera in cui, in realtà, le informazioni erano sufficienti – eppure si stava perdendo il quadro d’insieme. Decisioni, dipendenze e possibili conseguenze erano tutte davanti a me nello stesso momento. Più cercavo di tenere insieme ogni cosa, meno era chiaro che cosa contasse davvero. Mi resi conto che, in mezzo a tutto questo, qualcosa di decisivo rischiava di andare perduto. E all’improvviso emerse un pensiero che sembrava non avere nulla a che fare con tutte quelle informazioni – e che tuttavia era più importante di qualsiasi altra cosa. Si fece strada attraverso tutto il resto – e mi fermò esattamente nel momento in cui era più importante farlo. Quel pensiero attraversò la notte. La mattina seguente era ancora lì, esattamente come la sera prima. E proprio nel momento in cui aprii gli occhi, nel cielo c’era un arcobaleno. Fino ad allora gli arcobaleni non avevano mai avuto un significato particolare per me. Ma in quell’istante – con quel pensiero e quella luce nel cielo – mi sembrò che il mondo dicesse: Andrà tutto bene. Da qui nasce il nome RAINBOW.

Solo più tardi capii che cosa mi fosse rimasto di quel momento: Non è sempre l’informazione a mancare. Spesso manca il contesto che le dà significato. Vale per una singola persona così come per aziende, team e istituzioni. Un numero può essere corretto. Un documento può essere completo. Una decisione può essere comprensibile se considerata da sola. Eppure può mancare qualcosa di essenziale: Che cosa influenza che cosa? Dove nascono le dipendenze? Quale informazione modifica il significato di un’altra? Quale conseguenza diventa visibile solo quando più informazioni vengono considerate insieme? E che cosa è davvero rilevante nella situazione concreta?

RAINBOW riunisce le informazioni rilevanti in modo da rendere visibili le connessioni – nella vita quotidiana privata così come nei progetti, nei processi, nei rischi e nelle decisioni di aziende e istituzioni. Lo stesso principio vale per la tecnologia alla base di RAINBOW. I modelli linguistici vengono addestrati su enormi quantità di informazioni. Per un compito concreto, tuttavia, hanno bisogno di contesto. Ciò che conta non è semplicemente la quantità di contesto, ma quali informazioni siano rilevanti per la situazione specifica e in quale relazione si trovino tra loro. Vale un principio fondamentale:

RAINBOW non decide al posto delle persone. RAINBOW deve aiutare le persone a vedere le connessioni decisive prima di decidere. La responsabilità resta dove deve stare: nelle mani delle persone. Non quante più informazioni possibile. Ma le informazioni che contano – nel giusto contesto.

Ah, già. Grazie, piccolo arcobaleno. 🌈