È molto difficile fare previsioni, specialmente sul futuro.

Niels Bohr

Il Prof. P. E. Tetlock, dell'Università della Pennsylvania, ha condotto uno studio, durato quasi vent'anni, sulla capacità di esperti in vari campi, dall'economia alla geopolitica, di effettuare previsioni affidabili su questioni di loro competenza, relative a un orizzonte temporale medio-lungo. L'accuratezza delle previsioni si è dimostrata molto modesta, di poco superiore alle previsioni casuali, e spesso inversamente proporzionale alla fama attribuita ai previsori dai mass media.

Perché si fanno previsioni?

Perché confidiamo nella possibilità di effettuare previsioni corrette, nonostante l'esperienza personale e i numerosi studi condotti sull'argomento ci indurrebbero a diffidare della nostra e altrui capacità previsionale?

Le previsioni costituiscono uno dei principali strumenti utilizzati per assumere decisioni e pianificare le attività, che a loro volta rappresentano l'essenza di ogni gestione. Si ricorre alle previsioni quando l'assunzione di decisioni e l'avvio di determinate iniziative richiede la disponibilità di informazioni riguardanti il futuro. Ad esempio, la pianificazione della produzione di un prodotto, del quale si garantisce la costante disponibilità, e la pianificazione di un investimento per incrementare la capacità produttiva, sono spesso decise in base a previsioni di vendite, rispettivamente nel breve e nel medio-lungo termine.

La nostra confidenza nella possibilità di prevedere ciò che ci riserva il futuro è alimentata dalla tendenza a cadere nella trappola della previsione: la convinzione che sia possibile prevedere il futuro, indotta dalla nostra abilità di fornire efficaci spiegazioni retrospettive di ciò che è accaduto. Il ragionamento alla base di questa inclinazione naturale è il seguente: poiché sia il passato che il futuro sono governati da relazioni causa-effetto, la possibilità di ricostruire, a posteriori, le relazioni causali che hanno portato a un determinato evento, ci induce a ritenere che, se disponessimo di algoritmi sufficientemente potenti da calcolare l'impatto di tutte le variabili rilevanti in gioco e della loro interazione, sarebbe possibile prevedere il futuro con un elevato grado di affidabilità. A questo punto, l'unica differenza tra il passato e il futuro consisterebbe semplicemente nel fatto che il futuro può essere modificato dalle nostre azioni.

In realtà, dal punto di vista pratico, sembra che il mondo delle previsioni sia governato da tre leggi fondamentali (rif.: W. J. Hopp, M. L. Spearman, "Factory Physics"):

1. Prima Legge sulle Previsioni: le previsioni sono sempre sbagliate.
2. Seconda Legge sulle Previsioni: le previsioni di dettaglio sono peggiori delle previsioni aggregate.
3. Terza Legge sulle Previsioni: le previsioni sono tanto meno affidabili quanto più lontano è il futuro al quale si riferiscono.

Esaminiamo le basi logiche sulle quali si fondano queste leggi.

Prima Legge: le previsioni sono sempre sbagliate (?)

In alcuni campi, è possibile fare previsioni caratterizzate da una straordinaria accuratezza e attendibilità, anche relative a eventi destinati a verificarsi in un futuro molto lontano. Ad esempio, è possibile stabilire, con un elevato grado di precisione e affidabilità, l'ora esatta nella quale il sole sorgerà in una determinata località in un dato giorno tra cinque anni, o, nello stesso giorno, la posizione di una data sonda spaziale in orbita intorno alla Terra. Questo avviene perché i fenomeni oggetto di osservazione sono regolati da leggi fisiche note; la conoscenza dei modelli matematici applicabili a tali fenomeni consente di effettuare estrapolazioni accurate e ottenere risultati previsionali estremamente affidabili.

Queste situazioni, tuttavia, rappresentano solo una piccola parte dei casi in cui si ritiene opportuno basare le decisioni su previsioni. In tutti gli altri casi, il ricorso a modelli matematici complessi, in grado di calcolare l'impatto di numerose variabili e della loro interdipendenza sulla previsione da effettuare, non consente di ottenere risultati altrettanto affidabili. La presenza di cicli di azione-reazione produce infatti un'alterazione progressiva e continua dei dati in ingresso, rendendo non lineare il comportamento del modello di riferimento.

Come esempio, consideriamo quello che succede quando un'impresa produttrice di componenti per altre aziende cerca di saturare completamente la propria capacità produttiva con gli ordini ricevuti dai clienti. Data l'ineliminabile presenza dell'incertezza, l'effetto immediato di questo sforzo sarà un peggioramento delle prestazioni di puntualità delle consegne. Questi ritardi indurranno i clienti a emettere nuovi ordini di dimensioni maggiori dei precedenti, al fine di creare scorte sufficienti a proteggere il proprio flusso produttivo dalle alterazioni del tempo di ripristino del fornitore. L'incremento della domanda darà origine a una sovrasaturazione della capacità, con un aggravamento dei ritardi nelle consegne. Il circolo vizioso potrà essere interrotto solo da una decisione che modifica le condizioni al contorno (incremento della capacità da parte del fornitore, oppure conferimento, parziale o totale, della fornitura a un'altra impresa da parte del cliente).

La presenza di questi comportamenti non lineari in catene di relazioni causa-effetto interagenti costituisce una delle principali cause dell'inaffidabilità delle previsioni in contesti complessi, dato che può dare origine alle seguenti conseguenze estreme:

1. un intervento significativo può avere un impatto trascurabile sul risultato finale;
2. un piccolo cambiamento può innescare una reazione a catena in grado di invalidare qualsiasi previsione.

A complicare il quadro, poi, c'è la possibilità che si manifestino dei Cigni Neri, ossia eventi imprevedibili in grado di generare un impatto enorme su una scala molto vasta. Dato che, per la loro natura, i Cigni Neri sfuggono a ogni tentativo di previsione da parte di qualsiasi modello matematico e possono influire in modo determinante sull'evoluzione di un sistema, la sola possibilità di una loro manifestazione rende aleatoria qualsiasi previsione di medio o lungo termine di esiti non regolati da leggi fisiche note.

Seconda Legge: il potere dell'aggregazione

Prendiamo in esame la vendita di un particolare farmaco in un determinato giorno futuro. Se si desidera prevedere la vendita di una particolare farmacia, si può ragionevolmente affermare che il dato potrà oscillare del 100% tra zero e il massimo storico delle vendite giornaliere registrate in quella farmacia. Tuttavia, se si prende in considerazione la somma delle vendite di quel farmaco in tutte le farmacie della regione alla quale appartiene la farmacia in esame, si può tranquillamente prevedere che l'oscillazione del risultato sarà molto inferiore al 100% tra zero e il valore storico massimo. Infine, se si considera la somma delle vendite dello stesso farmaco in tutte le farmacie della nazione di cui la regione fa parte, una previsione affidabile potrà basarsi su una piccola oscillazione attorno a un dato medio storico.

Una previsione è sempre affetta da un'incertezza: si prevede infatti che l'esito finale potrà oscillare tra due valori predeterminati. Quando ci si accinge a fare previsioni sull'andamento di un determinato fenomeno, è ragionevole aspettarsi che il dato aggregato sia soggetto a un'oscillazione inferiore a quella del dato singolo, e che tale oscillazione sia tanto minore quanto maggiore è il livello di aggregazione. Pertanto, anche l'affidabilità di una previsione tenderà ad aumentare con l'aumento del livello di aggregazione al quale si riferisce.

Terza Legge: il fattore tempo

È noto che l'affidabilità delle previsioni diminuisce con l'allontanarsi dell'orizzonte temporale al quale si riferiscono. Ad esempio, l'affidabilità delle previsioni meteorologiche si rivela sufficientemente buona nel breve termine (1-2 giorni), ma peggiora rapidamente con il progressivo allontanarsi dell'orizzonte temporale di interesse (3-7 giorni), fino a divenire insignificante quando le previsioni si riferiscono a un momento collocato molto lontano nel futuro (oltre 3-4 settimane).

In generale, si possono effettuare previsioni di breve termine caratterizzate da un buon grado di affidabilità, se si conoscono i dati rilevanti del contesto, in base all'assunto che il futuro prossimo avrà caratteristiche simili al passato recente. Al contrario, le previsioni che si spingono oltre un determinato periodo (periodo di rilevanza, dipendente dalla complessità, dalla volatilità e dall'incertezza del contesto) sono contraddistinte da un errore così elevato da non essere di alcuna utilità pratica, a causa dell'impatto, nell'evoluzione dei sistemi complessi, dei fattori descritti a proposito della prima legge (interazione di catene causali non lineari e Cigni Neri).

Conclusioni

Alla luce delle considerazioni esposte, emerge l'opportunità di accettare il fatto che il futuro, in molti contesti, non è accessibile, almeno con un livello di precisione utile dal punto di vista pratico.

Questa accettazione si configura come un vero e proprio salto di paradigma rispetto alla convinzione di potere in qualche modo prevedere il futuro, se si dispone di adeguati strumenti (informazioni, modelli matematici, software, potenza di calcolo, ecc.).

Il nuovo paradigma porta con sé alcune conseguenze pratiche:

• Nella gestione operativa ordinaria, è opportuno limitare il ricorso alle previsioni al minimo possibile e al breve termine, introducendo meccanismi operativi impostati sulla reazione rapida agli eventi reali. Questo significa non solo avviare iniziative finalizzate a ridurre drasticamente i tempi di evasione degli ordini nelle operations e i tempi di ripristino delle scorte nelle supply chain, ma anche rivedere l'articolazione dei processi di assunzione e implementazione delle decisioni, che dovranno subire un'accelerazione e prevedere fasi intermedie di verifica in esecuzione.
• Nella pianificazione di cambiamenti importanti, promuovere l'avvio di sperimentazioni o test come opportunità per apprendere e per ridurre il rischio associato a tali iniziative, assicurandosi che l'eventuale fallimento del test non metta in pericolo la sopravvivenza dell'organizzazione.

Anziché cercare di prevedere il futuro e adottare una strategia che consenta di sfruttarne le opportunità, è più saggio per un'impresa:

1. focalizzare l'attenzione sulla riduzione del tempo di risposta alla domanda, adottando le moderne ed efficaci soluzioni disponibili per la gestione del flusso operativo;
2. definire i propri obiettivi di crescita e predisporre un piano che definisca le strategie e le tattiche per conseguirli, unitamente alle logiche di supporto, e un efficace sistema di verifica che consenta di adottare le opportune azioni correttive, qualora la realtà riveli degli scostamenti significativi rispetto ai risultati attesi.