Il pensiero sistemico è un approccio all’indagine che cerca di comprendere i fenomeni attraverso le relazioni tra le loro componenti, i flussi che le collegano, i circuiti di feedback, i ritardi e i comportamenti generati dall’insieme. La sua formulazione moderna si è sviluppata nel Novecento, soprattutto tra gli anni Quaranta e Cinquanta, dall’incontro di tradizioni quali la teoria generale dei sistemi di Ludwig von Bertalanffy e la cibernetica sistematizzata da Norbert Wiener nel 1948. La dinamica dei sistemi, sviluppata da Jay W. Forrester al MIT nella seconda metà degli anni Cinquanta, ha introdotto metodi espliciti per modellare stock, flussi e retroazioni. Queste tradizioni sono state poi recepite, in modi diversi, nella gestione delle organizzazioni, nell’ecologia, nell’ingegneria e nelle scienze sociali. Non esistono quindi un’unica origine o una teoria unificata, ma una famiglia di approcci che analizzano i sistemi senza ridurne il comportamento alla somma delle parti considerate separatamente.[1][2][3][4]

Pensare in termini sistemici non significa limitarsi a dire che «tutto è collegato». Significa precisare che cosa è collegato, attraverso quali meccanismi, in quale direzione, con quali ritardi, entro quali confini e sulla base di quali prove. Questo approccio è particolarmente utile quando un problema persiste nonostante interventi ripetuti, una soluzione produce effetti collaterali o risultati locali apparentemente positivi peggiorano le prestazioni complessive.

Il pensiero sistemico sposta l’attenzione dagli eventi isolati agli andamenti nel tempo, alle strutture di relazione, ai processi di accumulazione e alle conseguenze dell’interazione tra decisioni e ambiente.

1. Introduzione

Molti problemi difficili non dipendono da una sola causa. Una coda può allungarsi anche dopo l’assunzione di personale; una riduzione dei costi può indebolire le capacità che sostenevano la produttività; una piattaforma digitale può aumentare il coinvolgimento nel breve periodo e, contemporaneamente, erodere la fiducia su cui si regge la sua comunità. In questi casi, concentrarsi sull’evento più recente tende a nascondere processi cumulativi e risposte ritardate.

Il pensiero sistemico offre un linguaggio per indagare queste situazioni. Chiede come evolve il comportamento nel tempo, quali stock si accumulano o si esauriscono, quali decisioni modificano i flussi, quali circuiti amplificano o limitano i cambiamenti e come i partecipanti stessi reagiscono agli interventi.

Non sostituisce le competenze specialistiche. Analizzare un’epidemia richiede conoscenze epidemiologiche; valutare un ponte richiede competenze ingegneristiche; elaborare una politica pubblica richiede conoscenze giuridiche, economiche, istituzionali e sociali. Il pensiero sistemico organizza domande e ipotesi, ma non genera prove dove non ce ne sono.

2. Che cos’è il pensiero sistemico

Il pensiero sistemico è un orientamento analitico rivolto alle totalità organizzate. Invece di considerare ogni componente indipendente, esamina come relazioni, regole, informazioni, risorse e decisioni producano comportamenti collettivi. Al centro non c’è soltanto l’elenco delle parti, ma la struttura attraverso cui un cambiamento in una parte influenza le altre.

Tre spostamenti di prospettiva lo caratterizzano:

• dagli eventi agli andamenti che si ripetono o cambiano nel tempo;
• dalle cause isolate alle reti di influenza e ai circuiti causali;
• dalle soluzioni puntuali agli interventi valutati per i loro effetti sull’insieme.

Il termine non indica un unico metodo né garantisce da solo la correttezza dell’analisi. Può guidare la formulazione di domande e la costruzione di modelli qualitativi o quantitativi; la solidità delle conclusioni dipende dalla qualità dei dati, dall’esplicitazione delle ipotesi e dall’adeguatezza del metodo al problema.[11]

Esistono tradizioni vicine ma distinte. La dinamica dei sistemi è un approccio formale alla modellazione di stock, flussi, feedback e ritardi, spesso accompagnato da simulazioni. L’ingegneria dei sistemi si occupa della realizzazione, dell’utilizzo e della gestione dell’intero ciclo di vita dei sistemi progettati.[13] La scienza della complessità studia adattamento, reti, transizioni ed emergenza. Il pensiero sistemico può dialogare con tutte queste discipline senza coincidere con nessuna.

3. Origini e sviluppo

Il pensiero sistemico non ha un unico inventore. Il ragionamento relazionale e olistico precede il Novecento, ma la formulazione moderna nasce dalla convergenza di ambiti diversi.

In biologia, Ludwig von Bertalanffy propose la teoria generale dei sistemi come tentativo di studiare principi organizzativi applicabili a sistemi di natura diversa. Il suo articolo del 1950 sul British Journal for the Philosophy of Science costituisce un riferimento verificabile di questa formulazione.[1]

Nel 1948 Norbert Wiener pubblicò Cybernetics, sistematizzando problemi di controllo e comunicazione negli animali e nelle macchine e contribuendo al consolidamento dello studio del feedback.[2] La cibernetica mostrò come il risultato di un’azione possa ritornare sotto forma di informazione e modificare le azioni successive.

Nella seconda metà degli anni Cinquanta Jay W. Forrester sviluppò al MIT la dinamica dei sistemi, inizialmente applicata a problemi industriali. Il metodo rappresentava esplicitamente stock, flussi, ritardi e circuiti di feedback; Industrial Dynamics, pubblicato nel 1961, consolidò questo filone.[3][4]

Nei decenni successivi tali idee entrarono, con metodi e vocabolari differenti, nell’ecologia, nella gestione aziendale, nella pianificazione urbana, nella sanità, nelle politiche pubbliche, nell’ingegneria, nell’istruzione e negli studi sulla sostenibilità. Questa diffusione non ha prodotto una teoria unica: il pensiero sistemico rimane una famiglia di approcci accomunati dall’attenzione all’interdipendenza, al tempo e al comportamento dell’insieme.

4. Principi fondamentali

4.1 Il comportamento dipende dalla struttura

Andamenti persistenti possono derivare da regole, incentivi, vincoli, canali informativi e processi di accumulazione. Qui «struttura» non indica soltanto un organigramma o un’architettura fisica: comprende le relazioni che condizionano le decisioni possibili.

4.2 Il tempo fa parte della spiegazione

Un’istantanea può nascondere il percorso che ha condotto alla situazione attuale. L’analisi sistemica cerca quindi serie temporali, cambi di tendenza, oscillazioni, accelerazioni e sfasamenti tra azione ed effetto.

4.3 I confini sono scelte analitiche

Ogni modello esclude qualcosa. Il confine deve essere abbastanza ampio da includere i meccanismi decisivi e abbastanza circoscritto da consentire l’indagine. Va dichiarato e rivisto quando il modello non funziona.

4.4 Le relazioni possono essere non lineari

Raddoppiare un input non significa sempre raddoppiare il risultato. Possono intervenire saturazione, soglie, rendimenti decrescenti, punti di flesso e cambiamenti di regime. Le non linearità aiutano a spiegare perché interventi simili producano effetti diversi in contesti differenti.

4.5 La prospettiva dell’osservatore è limitata

Chi occupa posizioni diverse nel sistema dispone di informazioni, incentivi ed esperienze differenti. Integrare più prospettive può far emergere meccanismi trascurati, ma il consenso non sostituisce le prove.

4.6 Gli interventi modificano il sistema osservato

Una politica, un indicatore o una tecnologia cambia incentivi e comportamenti. Gli attori possono apprendere, adattarsi, aggirare le regole o sfruttarne le lacune. La risposta del sistema deve quindi rientrare nella valutazione.

4.7 I modelli vanno valutati in base allo scopo

Nessuna rappresentazione descrive completamente un sistema reale. Un modello utile a spiegare un andamento storico può non essere adatto a prevedere valori precisi; una mappa pensata per facilitare il dialogo può non sostenere una decisione quantitativa. La valutazione deve considerare la domanda, le prove disponibili, la sensibilità delle conclusioni alle ipotesi e le conseguenze di un errore.

5. Sistemi, elementi e relazioni

Un sistema può essere descritto come un insieme di elementi in relazione che, entro un certo confine, mantiene processi e produce comportamenti. È una definizione operativa: lo stesso fenomeno può essere modellato in modi differenti a seconda della domanda.

Elementi

Sono le entità ritenute rilevanti: persone, organizzazioni, macchine, specie, norme, banche dati o risorse. Un semplice elenco, tuttavia, non spiega il sistema.

Relazioni

Descrivono come una variabile influenza un’altra. Occorrono un meccanismo plausibile e, quando possibile, prove. Una freccia in un diagramma rappresenta un’ipotesi causale, non una dimostrazione.

Stock

Sono quantità accumulate in un determinato momento: popolazione, acqua in un bacino, capitale, scorte, debito, conoscenze di un gruppo o pratiche in attesa. Gli stock conferiscono memoria al sistema.

Flussi

Sono tassi che aumentano o riducono gli stock: nascite e morti, incassi e pagamenti, assunzioni e uscite, arrivo e risoluzione delle richieste. In termini generali:

variazione dello stock = entrate − uscite, nell’intervallo di tempo considerato.

Confondere stock e flussi è frequente. Ridurre il flusso in entrata di un problema non elimina immediatamente quanto si è accumulato: lo stock comincia a scendere soltanto quando le uscite superano le entrate. Gli studi di John Sterman mostrano che anche persone con una formazione avanzata possono incontrare difficoltà con questa relazione elementare.[5]

Funzione, scopo e risultati

Un sistema progettato può avere una finalità esplicita. Nei sistemi sociali o ecologici parlare di «scopo» richiede prudenza: risultati ricorrenti non dimostrano l’esistenza di un’intenzione condivisa. Un’istituzione può dichiarare un obiettivo e riprodurre un altro andamento a causa dei suoi incentivi e delle regole effettive.

Forme di rappresentazione

Rappresentazioni diverse rispondono a domande diverse:

• i grafici di andamento nel tempo mostrano l’evoluzione delle variabili rilevanti;
• i diagrammi dei circuiti causali registrano ipotesi sulle direzioni di influenza e sui feedback;
• i diagrammi stock e flussi rappresentano accumulazioni e tassi di variazione;
• i modelli quantitativi e le simulazioni esplorano le conseguenze logiche di ipotesi specificate;
• le mappe di attori, processi o reti mettono in evidenza relazioni istituzionali, operative o strutturali.

Un disegno più dettagliato non è automaticamente più veritiero. La rappresentazione va scelta in base alla domanda centrale, non alla preferenza per uno strumento. Nella dinamica dei sistemi, stock, flusso, circuito di rinforzo e circuito di bilanciamento hanno significati tecnici da usare con coerenza.[12]

6. Causalità lineare e causalità sistemica

La causalità lineare rappresenta una sequenza aperta: A influenza B, che influenza C. È utile quando il meccanismo è relativamente stabile, l’intervallo di osservazione è breve e il ritorno dell’effetto sulla causa è trascurabile.

La causalità sistemica considera reti e circuiti: A influenza B, B modifica C e C può a sua volta modificare A. Non elimina le relazioni lineari, ma le colloca in una struttura più ampia.

Una spiegazione rigorosa distingue:

• correlazione: due variabili cambiano insieme;
• meccanismo: processo attraverso cui un cambiamento può produrne un altro;
• feedback: una parte del risultato ritorna a influenzare il processo;
• confondimento: una terza variabile influenza quelle osservate;
• condizione di contesto: circostanza che modifica l’intensità o la direzione dell’effetto.

I diagrammi causali rendono discutibili le ipotesi, ma non stabiliscono da soli la causalità. Neppure il segno di una freccia descrive, da solo, l’entità, la forma funzionale o i tempi dell’effetto. Esperimenti, studi osservazionali, serie temporali, confronti tra casi, conoscenze specialistiche e modelli formali possono essere necessari per sostenere le relazioni proposte.

7. Circuiti di feedback

Un circuito di feedback, o retroazione, esiste quando un cambiamento percorre una sequenza di relazioni e ritorna a influenzare la variabile iniziale.

Circuiti di rinforzo

Amplificano la direzione del cambiamento. Più esercizio può migliorare una competenza; una maggiore competenza può migliorare le prestazioni; risultati migliori possono offrire più occasioni di esercizio. Questi circuiti possono produrre crescita o declino cumulativo. «Rinforzo» non significa «beneficio».

Circuiti di bilanciamento

Tendono a ridurre una discrepanza rispetto a uno stato o a un obiettivo. Un termostato confronta la temperatura rilevata con quella desiderata e regola il riscaldamento. In un’organizzazione, la percezione di una coda può indurre ad aumentare la capacità di servizio. «Bilanciamento» non significa «buon risultato»: un sistema può stabilizzarsi in una condizione indesiderata.

Dominanza dei circuiti

I sistemi reali contengono più circuiti. Un circuito di rinforzo può dominare inizialmente ed essere poi limitato da scarsità, saturazione o regolazione. Il cambiamento di dominanza aiuta a spiegare curve a S, oscillazioni e inversioni di tendenza.

Segno e prove

«Feedback positivo» e «feedback negativo» indicano la direzione del circuito, non un giudizio di valore. Inoltre, il segno non determina da solo il comportamento: contano ritardi, non linearità, condizioni iniziali e interazioni con gli altri circuiti.

8. Ritardi ed effetti di secondo ordine

Un ritardo è lo sfasamento tra un cambiamento e la manifestazione osservabile dei suoi effetti. Esistono ritardi di trasporto, informazione, percezione, decisione, attuazione e risposta biologica o sociale.

Possono generare tre problemi:

1. correzione eccessiva: l’intervento continua mentre i suoi effetti non sono ancora visibili;
2. abbandono prematuro: una politica potenzialmente efficace viene interrotta prima di poter agire;
3. attribuzione errata: il risultato tardivo viene associato all’evento più recente invece che alla causa precedente.

Gli effetti di primo ordine sono conseguenze dirette e vicine. Gli effetti di secondo ordine derivano dalle successive risposte di persone, organizzazioni o processi. Un’automazione può ridurre il tempo necessario per un’attività e poi aumentare la domanda, trasferire i colli di bottiglia o modificare le competenze professionali. La numerazione degli ordini è uno strumento analitico, non un confine naturale: le catene causali possono proseguire e chiudersi in circuiti.

Domande utili sono: che cosa accadrà dopo la reazione iniziale? Chi si adatterà? Quale risorsa si accumulerà o si esaurirà? Quale incentivo cambierà? Quale effetto apparirà soltanto oltre il consueto orizzonte di valutazione?

9. Emergenza e sistemi complessi

L’emergenza è la comparsa di configurazioni collettive dovute alle interazioni tra componenti, pur non essendo proprietà isolate di ciascuna componente. Congestione del traffico, convenzioni linguistiche, forme di segregazione e comportamenti delle reti possono emergere da decisioni locali.

I sistemi complessi presentano spesso:

• molti attori o componenti in interazione;
• adattamento e apprendimento;
• relazioni non lineari;
• dipendenza dal percorso;
• sensibilità al contesto;
• configurazioni macroscopiche prodotte da regole microscopiche;
• una capacità limitata di previsione dettagliata.

Emergenza non significa mistero. Modelli ad agenti, analisi delle reti, esperimenti e simulazioni possono talvolta mostrare come regole locali generino configurazioni globali. Riprodurre una configurazione, tuttavia, non dimostra che il meccanismo modellato sia l’unica causa del fenomeno reale.

10. Il pensiero sistemico nelle decisioni

Il pensiero sistemico migliora le decisioni quando trasforma una narrazione vaga in ipotesi esplicite e verificabili. Un percorso pratico comprende:

1. Formulare la domanda centrale: quale comportamento occorre comprendere, in quale contesto e per chi?
2. Definire l’orizzonte temporale: osservare un periodo sufficiente a cogliere ritardi e cambiamenti di tendenza.
3. Costruire l’andamento di riferimento: descrivere o rappresentare l’evoluzione delle variabili importanti.
4. Dichiarare i confini: specificare ciò che rientra nel modello e ciò che ne resta escluso.
5. Individuare stock e flussi: riconoscere le accumulazioni che conferiscono memoria.
6. Scegliere la rappresentazione adeguata: usare il modello più semplice che risponda alla domanda senza omettere meccanismi decisivi.
7. Mappare relazioni e feedback: trattare ogni collegamento come un’ipotesi causale.
8. Esaminare attori e incentivi: includere asimmetrie informative, potere e capacità di adattamento.
9. Cercare ritardi e non linearità: verificare saturazioni, soglie e risposte tardive.
10. Confrontare spiegazioni alternative: cercare dati che possano contraddire o confutare il modello preferito.
11. Verificare e validare: controllare coerenza dimensionale, condizioni estreme, sensibilità ai parametri, aderenza ai dati e plausibilità dei meccanismi, secondo il tipo di modello.
12. Progettare interventi reversibili: iniziare su una scala commisurata all’incertezza.
13. Monitorare la distribuzione degli effetti: osservare benefici, costi e rischi per gruppi diversi.
14. Rivedere il modello: aggiornare le ipotesi alla luce dei risultati.

Gli interventi possono riguardare parametri, flussi informativi, regole, incentivi, capacità, obiettivi o paradigmi. La nota lista dei «punti di leva» di Donella Meadows ordina possibili interventi, ma è un’euristica, non una garanzia universale di impatto.[6]

11. Applicazioni pratiche

Imprese e organizzazioni

Si possono analizzare i ritardi tra assunzioni e produttività, i circuiti tra qualità e rilavorazioni, la pressione degli obiettivi e la manipolazione degli indicatori, oppure le interazioni tra capacità, domanda e code. Il valore consiste nel mostrare come decisioni locali possano trasferire costi ad altre aree o al futuro.

Economia e politiche pubbliche

Le politiche operano in contesti con più attori, obiettivi contrastanti e risposte adattive. Il rapporto di OECD e IIASA sul pensiero sistemico per le politiche pubbliche evidenzia mappe dei sistemi, effetti indiretti, complessità e modellazione come strumenti per affrontare problemi interconnessi.[7] Le scelte politiche rimangono: i modelli chiariscono conseguenze possibili, ma non decidono da soli quali valori debbano prevalere.

Scienza e tecnologia

Nella ricerca, questo approccio collega livelli di analisi e rende espliciti i meccanismi. Nell’ingegneria e nel software aiuta a esaminare dipendenze, affidabilità, sicurezza, colli di bottiglia ed effetti delle modifiche sull’intero ciclo di vita.

Intelligenza artificiale

Un modello di IA appartiene a un sistema sociotecnico che comprende dati, interfacce, persone, organizzazioni, incentivi e supervisione. Il NIST AI Risk Management Framework raccomanda di considerare contesto, ruoli umani, impatti e gestione continua dei rischi lungo il ciclo di vita.[8] Una valutazione basata soltanto sulle prestazioni medie può ignorare cambiamenti nel comportamento degli utenti, distribuzione diseguale degli errori, dipendenza eccessiva e dati generati dall’impiego stesso del sistema.

Salute

Gli interventi sanitari possono influenzare domanda, personale, fiducia, accesso e distribuzione delle risorse. L’Organizzazione mondiale della sanità presenta il pensiero sistemico come un modo per indagare gli effetti sull’intero sistema e chiedersi non solo che cosa funziona, ma per chi e in quali circostanze.[9]

Società e vita quotidiana

Il metodo si applica a mobilità urbana, istruzione, bilancio familiare, abitudini e gestione del tempo. Occorre evitare di trasformare metafore in modelli falsamente precisi. Il valore sta nell’osservare accumulazioni, vincoli, risposte tardive e conseguenze, senza costruire diagrammi complessi inutilmente.

12. Esempi

12.1 Una coda di richieste

Stock: richieste in attesa. Entrata: nuove richieste per unità di tempo. Uscita: richieste risolte per unità di tempo.

Se arrivano 120 richieste al giorno e se ne risolvono 100, la coda cresce di 20 al giorno. Assumere personale può aumentare la capacità futura, ma formazione e supervisione introducono ritardi e possono ridurre temporaneamente la produttività dei colleghi esperti. Misurare soltanto le assunzioni confonde le risorse aggiunte con i risultati ottenuti.

Una valutazione adeguata seguirebbe almeno arrivi, risoluzioni, dimensione e anzianità della coda, tempi di formazione, rilavorazioni e qualità del servizio. Si può così distinguere un miglioramento reale dal semplice spostamento del problema.

12.2 Riduzione dei costi e capacità

Un’organizzazione taglia la formazione per migliorare il risultato trimestrale. Il risparmio è immediato; la perdita di competenze emerge gradualmente. Più errori comportano più rilavorazioni, che aumentano la pressione e riducono il tempo per apprendere: nasce un circuito di deterioramento. L’esempio è illustrativo; un caso reale richiederebbe misure di competenza, rilavorazioni, carico e cause concorrenti.

12.3 Una piattaforma di raccomandazione

Un sistema ottimizza i clic. I contenuti che ne ottengono di più ricevono maggiore esposizione; l’esposizione produce altri dati, che rafforzano la selezione. Il circuito può migliorare la personalizzazione, ma anche concentrare l’attenzione, ridurre la varietà o incentivare contenuti costruiti per l’indicatore. Occorre valutare non soltanto l’accuratezza del modello, ma anche i comportamenti generati dal suo impiego.

12.4 Mobilità urbana

Aumentare la capacità stradale può inizialmente ridurre la congestione. Col tempo, cambiamenti di percorso, orario, localizzazione e mezzo di trasporto possono far crescere nuovamente la domanda. Il risultato dipende dal contesto e non è una legge universale. Il ragionamento sistemico include nell’analisi le risposte comportamentali e l’uso del suolo.

12.5 Sanità pubblica

Una nuova tecnologia diagnostica può aumentare l’individuazione dei casi e contemporaneamente mettere sotto pressione laboratori, invii agli specialisti e trattamenti. Il beneficio potenziale dipende dalla capacità delle fasi successive. Alla domanda «il test funziona?» si aggiunge «come reagirà la rete alla sua adozione?».

13. Limiti ed errori comuni

Limiti

• I modelli sono rappresentazioni parziali: selezionano variabili ed escludono dettagli.
• La complessità non garantisce una spiegazione: un diagramma grande può nascondere ipotesi deboli.
• La previsione può essere limitata: adattamento, cambiamenti strutturali ed eventi esterni rendono meno stabili le relazioni.
• I dati possono essere insufficienti: non tutti i meccanismi rilevanti sono osservabili o misurabili con precisione.
• I valori non scompaiono: problema, confini, obiettivi e distribuzione accettabile dei rischi comportano scelte normative.
• La partecipazione non elimina le asimmetrie: i processi collettivi possono riprodurre disparità di potere e accesso alle informazioni.
• I confini possono riprodurre distorsioni: costi, gruppi interessati o meccanismi scomodi possono essere esclusi.
• Metodi differenti possono offrire letture differenti: le divergenze richiedono un confronto tra ipotesi e prove, non la scelta automatica del risultato preferito.

John Sterman sottolinea una precauzione essenziale: i modelli sono inevitabilmente incompleti e devono sostenere apprendimento, verifica e revisione, non pretese di certezza assoluta.[10]

Errori comuni

1. Dire che tutto è collegato senza specificare i meccanismi.
2. Scambiare la correlazione per causalità.
3. Disegnare frecce senza prove o condizioni di validità.
4. Associare feedback positivo a beneficio e negativo a danno.
5. Ignorare gli stock e rappresentare soltanto eventi.
6. Scegliere confini comodi che escludono costi rilevanti.
7. Usare il modello per confermare una narrazione già decisa.
8. Attribuire al sistema un solo scopo.
9. Cercare una leva unica capace di risolvere tutto.
10. Presentare una simulazione come previsione certa.
11. Omettere chi riceve benefici, costi e rischi.
12. Intervenire senza criteri di monitoraggio, reversibilità o interruzione.
13. Trattare mappe qualitative e modelli quantitativi come se fornissero lo stesso tipo di prova.
14. Confondere la capacità di spiegare un andamento con quella di prevederne il valore futuro.

14. Rapporti con altri modelli mentali

• Causalità: valuta se e come un cambiamento ne produca un altro; il pensiero sistemico estende l’analisi a circuiti, ritardi e più meccanismi.
• Feedback: descrive ritorni causali che rinforzano o bilanciano i cambiamenti.
• Complessità: studia adattamento, non linearità, reti e limiti della previsione.
• Emergenza: spiega configurazioni collettive generate da interazioni locali.
• Modelli mentali: esplicitano le rappresentazioni usate per interpretare e decidere; l’analisi sistemica cerca di verificarle e rivederle.
• Probabilità: rappresenta incertezza, variabilità e rischio, senza sostituire la spiegazione dei meccanismi.
• Pensiero controfattuale: domanda che cosa accadrebbe con un’alternativa e sostiene valutazione causale e confronto tra interventi.
• Effetti di secondo ordine: estendono l’analisi oltre la conseguenza immediata, cercando le successive risposte del sistema.
• Entropia: è un concetto rigoroso della termodinamica e della teoria dell’informazione; l’uso metaforico nelle organizzazioni richiede cautela e non equivale alle definizioni tecniche.

15. Sintesi

Il pensiero sistemico è una disciplina d’indagine, non una promessa di controllo totale. Rende visibili relazioni, accumulazioni, circuiti, ritardi, adattamenti e conseguenze che analisi soltanto locali possono trascurare.

Un’analisi matura:

• parte da un comportamento osservabile nel tempo;
• dichiara domanda, confini e orizzonte;
• distingue stock e flussi;
• considera le relazioni causali ipotesi verificabili;
• esamina feedback, ritardi e non linearità;
• confronta spiegazioni alternative;
• include attori, incentivi, potere e distribuzione degli effetti;
• riconosce i limiti del modello;
• propone interventi proporzionati alle prove;
• monitora, apprende e rivede.

L’obiettivo non è sostituire spiegazioni semplici con diagrammi complessi. È usare la rappresentazione minima capace di chiarire il problema, verificarne le premesse e sostenere decisioni più responsabili in condizioni di interdipendenza.

Libri per approfondire

I libri approfondiscono gli argomenti delle nostre voci. L’edizione italiana dell’e-book sul pensiero sistemico non è ancora disponibile. Questa voce gratuita è consultabile integralmente.

Voci correlate

Sistemi; complessità; feedback; emergenza; causalità; entropia. Stock e flussi, dinamica dei sistemi, non linearità, modelli mentali e reti sono temi previsti: qui non sono collegati a pagine non pubblicate.

16. Fonti e riferimenti

1. Bertalanffy, Ludwig von. “An Outline of General System Theory”. The British Journal for the Philosophy of Science, v. 1, n. 2, 1950, p. 134–165. DOI: 10.1093/bjps/I.2.134.
2. Wiener, Norbert. Cybernetics: Or Control and Communication in the Animal and the Machine. MIT Press, pubblicato originariamente nel 1948. Scheda MIT Press.
3. MIT News. “Professor Emeritus Jay Forrester, digital computing and system dynamics pioneer, dies at 98”. 2016. MIT News.
4. Forrester, Jay W. Industrial Dynamics. MIT Press, 1961. Contesto storico, MIT.
5. Sterman, John D. “Bathtub Dynamics”. MIT Sloan School of Management. Pagina dell’autore, MIT.
6. Meadows, Donella H. Leverage Points: Places to Intervene in a System. The Sustainability Institute, 1999. PDF.
7. OECD; IIASA. Systemic Thinking for Policy Making: The Potential of Systems Analysis for Addressing Global Policy Challenges in the 21st Century. OECD Publishing, 2020. DOI: 10.1787/879c4f7a-en.
8. National Institute of Standards and Technology. Artificial Intelligence Risk Management Framework (AI RMF 1.0). NIST AI 100-1, 2023. DOI: 10.6028/NIST.AI.100-1.
9. de Savigny, Don; Adam, Taghreed (a cura di). Systems Thinking for Health Systems Strengthening. Alliance for Health Policy and Systems Research; World Health Organization, 2009. Scheda OMS.
10. Sterman, John D. “All Models are Wrong: Reflections on Becoming a Systems Scientist”. System Dynamics Review, v. 18, n. 4, 2002. Pagina dell’autore, MIT.
11. Sterman, John D. Business Dynamics: Systems Thinking and Modeling for a Complex World. McGraw-Hill, 2000. Presentazione e materiali, MIT.
12. Ford, Andrew. “A system dynamics glossary”. System Dynamics Review, 2019. Versione disponibile sul sito MIT.
13. International Council on Systems Engineering. “About Systems Engineering”. Definizione istituzionale e prospettiva del ciclo di vita. INCOSE.

Contenuto educativo generale: non sostituisce consulenze specialistiche, mediche, giuridiche, finanziarie o di politica pubblica.

Contenuto educativo generale: non sostituisce consulenze specialistiche.