Come simulo la filiale

L’utilizzo di sistemi intelligenti nei processi decisionali e di elaborazione di dati complessi (si pensi ai Big Data, al Data Mining) ha ormai raggiunto un livello diffuso non solo nei centri di ricerca che si occupano di analisi economica, ma anche nelle strutture operative delle maggiori banche, anche del nostro Paese.

In Italia si possono annoverare, sin dalla metà degli anni Novanta, le prime “reti neurali artificiali” (Rna) dedicate a specifiche fasi decisionali in campo finanziario. Si pensi, ad esempio, alle attività di asset allocation, alla valutazione del merito di credito o alla sperimentazione di modelli per l’estrazione di informazioni utili sia ad individuare casi di frode, sia per la previsione di comportamenti che identificano un comportamento fraudolento.

E pensare che i primi lavori sulle Rna, in quanto possibili rappresentazioni del funzionamento della memoria umana, nascono nell’ambito della Psicologia e dell’Intelligenza Artificiale per trovare una definitiva visibilità scientifica negli anni Ottanta con gli studi di laboratorio sui cosiddetti sistemi “connessionistici”.

Al di là delle definizioni molto alla moda, le applicazioni di modelli “neuroeconomici” sono molteplici e ormai necessarie per affrontare con “razionalità” decisioni strategiche in cui le variabili in campo entrano in una zona di rischio e la cui analisi richiede l’utilizzo di sistemi di simulazione basati su calcoli probabilistici molto sofisticati.

Tuttavia, va evidenziato che, nonostante la diffusione di questi modelli di calcolo nei più svariati ambiti operativi, questi sistemi non hanno ancora trovato un’utile e ampia collocazione nelle stanze di progettazione della formazione rivolta al personale aziendale.

Mossa dalla necessità di trovare una soluzione al problema di come valutare le conoscenze applicate/competenze degli allievi al Banking & Financial Diploma (B&FD), ABIFormazione ha costituito nel 2016 un gruppo di lavoro composto dal team B&FD, un docente dell’Università di Genova e i progettisti della società Wemole, con l’obiettivo di costruire e sperimentare un “simulatore” basato su un sistema di elaborazione neurale denominato “Business Game del B&FD”.

La simulazione che abbiamo realizzato può essere intesa come un sistema atto a riprodurre una situazione concreta in un ambiente ottimale e “protetto” dagli imprevisti della realtà. Si è trattato di coinvolgere, nella fase finale del loro percorso di formazione annuale, i circa 200 partecipanti al Master B&FD (XIX edizione) a un game individuale, declinato in diversi step decisionali per i quali ogni allievo era sollecitato, seguendo le proprie attitudini/capacità professionali e decisionali, a risolvere i diversi problemi operativi e gestionali che il sistema gli sottoponeva.

L’interazione tra i vari attori del gioco (direttore, collaboratori di una filiale di medie dimensioni, cliente imprenditore) e le variabili del contesto esterno (economiche) ed interno alla azienda (budget, policy gestionali, obiettivi commerciali, ecc.) costituiva l’ambito attraverso cui ogni allievo poteva sperimentare gli effetti delle proprie azioni in relazione ai risultati gestionali richiesti dal business game.

La peculiarità di questo business game risiede nel fatto di avere come sistema di calcolo una Rna che si è dimostrata particolarmente adatta a descrivere contesti complessi come la gestione di una filiale bancaria. L’idea sottesa a questo modello è che nella simulazione non fosse prevista un’unica modalità standard di soluzione dei vari problemi sottoposti a una decisione, quanto il raggiungimento di un obiettivo finale che era condizionato dall’equilibrio delle scelte compiute da ogni allievo, in relazione alle diverse variabili di contesto esaminate.

La simulazione adottata si fondava su un duplice principio:

Tutto ciò si è tradotto in un game in cui non esistevano percorsi alternativi, ma step che descrivevano l’evoluzione dinamica del sistema come conseguenza delle interazioni allievo/sistema. Sulla base della storia e delle decisioni operate, il partecipante poteva quindi procedere nel suo percorso, concludendo la simulazione con un esito che decretava il grado di adeguatezza del suo percorso decisionale.

Il progetto realizzativo del business game doveva essere coerente con i contenuti e gli obiettivi didattici del percorso di formazione B&FD fin lì svolto (conclusione: dicembre 2016), vale a dire con una serie di variabili di riferimento rispetto alle quali le decisioni individuali avrebbero sollecitato la rete neurale a “capire” quanto l’allievo si stesse più o meno avvicinando all’obiettivo finale della simulazione. In particolare, le variabili prese in esame erano le seguenti:

Nella sostanza, ogni decisione del partecipante poteva avere un impatto sulle variabili della rete e incidere in modo positivo, parzialmente positivo o negativo sia sulla singola area esaminata, sia sull’intera rete.

Grazie a questo sistema di calcolo è stato possibile restituire un feedback grafico e testuale ad ogni allievo relativo non solo alla macro variabile Orientamento ai risultati gestionali, ma anche alle sei aree decisionali sopra citate.

Qui di seguito l’esempio di report (non sono riportate le “tendine” testuali con le spiegazioni). La colorazione dei vari nodi indicava lo status delle variabili al termine del business game (verde = copertura adeguata; arancione = copertura parzialmente adeguata; rosso = copertura non adeguata).

Questa esperienza, che non è l’unica attualmente presente in ABIFormazione, evidenzia il potenziale euristico che può scaturire dall’applicazione di modelli di elaborazione dati di tipo “intelligente” nell’ambito dei sistemi di gestione e sviluppo delle Risorse Umane. Per il nostro settore questo viaggio ha già preso avvio, e non da oggi: basti pensare, ad esempio, al ruolo antesignano e sinergico di Ossif nella valutazione del rischio rapina attraverso un sistema di calcolo su Rna. Ma cosa dire nel campo dell’applicazione di nuove tecnologie educative e nella valutazione dell’apprendimento?

Ci basti per ora fare un semplice esempio dando un’occhiata ad un’aula standard di formazione, crocevia di persone ed esperienze tra le più diversificate, dalle quali estraiamo ed elaboriamo i dati ricavati dai “questionari di gradimento” o dai “test di verifica finale”. Oppure ad un progetto, ben più complesso, di assessment delle conoscenze specialistiche possedute da una particolare famiglia professionale. Queste iniziative, oltre alle ovvie finalità di un ampliamento delle conoscenze sulla qualità delle competenze, richiedono già in fase di progettazione la formulazione di queste domande: cosa veramente vogliamo misurare con i nostri questionari/test? Come rendere dinamici e non obsoleti nel tempo i dati ottenuti? Qual è il modello di elaborazione che può fornire il massimo di informazioni con il massimo di attendibilità?

Pur riconoscendo, ovviamente, l’utilità di sistemi tradizionali di calcolo basati sui modelli della statistica descrittiva (per esempio media, mediana, moda, varianza e relative rappresentazioni grafiche) attraverso questionari o test, riteniamo che le domande formulate richiedano altri tipi di risposte laddove si voglia avere dei dati attendibili e validi nel tempo sul livello di apprendimento conseguito. Non è questa la sede per aprire un ulteriore ragionamento sui sistemi di valutazione (la docimologia), ma possiamo affermare che forse è giunto il momento per un cambio di passo al nostro modo di osservare, rilevare ed elaborare la conoscenza dei comportamenti organizzativi di un’azienda.

In definitiva, siamo sempre di più convinti che le Funzioni Risorse Umane delle banche siano ormai pronte ad accettare la sfida di dotarsi di nuovi “modelli mentali” e metodologici nell’impostazione dei progetti di sviluppo e sostegno professionale del proprio personale. Se l’obiettivo dichiarato è quello di valorizzare il patrimonio di conoscenze, competenze ed esperienze presenti in azienda - che ci giunge in maniera non sempre strutturata da “ciò che sappiamo degli altri” (il curriculum, le esperienze professionali, il “libretto formativo”, i ruoli, le valutazioni, gli incentivi, ecc.), allora potrebbe valere la pena di ricorrere a strumenti di Data Mining per ricavare correlazioni utili e significative tra più variabili disponibili riguardanti singoli individui, ruoli, famiglie professionali.

Il nostro business game ha cercato di rendere “dinamici” i dati elaborati da un sistema di calcolo che si è dimostrato in grado di fornire una sintesi di variabili complesse attraverso un feedback personalizzato per ogni allievo del B&FD. Questo piccolo patrimonio di conoscenze, oltre ad uno scopo che interessa la singola persona, può rappresentare lo schema che il responsabile della risorsa può utilizzare per impostare un suo successivo percorso di formazione e sviluppo professionale.