La risoluzione di problemi complessi richiede l’applicazione di modelli decisionali strategici quando le vendite di una linea di prodotto calano da tre mesi. Il commerciale sostiene che il prezzo non è più competitivo. Il marketing indica la concorrenza. Le operations segnalano problemi di qualità in alcuni magazzini. Il prezzo è già stato rivisto nella regione dove i clienti si lamentavano di più, ma le vendite non sono ripartite; anzi, in un magazzino i resi per prodotto difettoso sono aumentati proprio dopo l’intervento. Ogni funzione ha dati a sostegno della propria tesi, e nessuno vuole essere quello che ha proposto la soluzione che poi non ha funzionato.
Questa guida è per il dirigente che si trova davanti a un problema ambiguo, con segnali che sembrano contraddirsi, dove il primo tentativo è già stato fatto e non ha portato risultati.
Una situazione che mette alla prova più della sola analisi
I problemi complessi raramente hanno una sola causa in attesa di essere scoperta. Nella maggior parte dei casi sono la combinazione di due o tre fattori che si rinforzano a vicenda, e che producono segnali apparentemente in contraddizione tra loro: il prezzo non è competitivo in una regione, ma nella regione accanto, con lo stesso prezzo, le vendite reggono bene; la qualità del magazzino è un problema reale in alcuni punti vendita, ma non spiega perché il calo sia iniziato prima che i primi difetti venissero segnalati.
Quando la prima soluzione tentata fallisce pubblicamente, il problema smette di essere solo analitico. Diventa anche una questione di fiducia e di responsabilità: chi ha proposto quella soluzione perde credibilità agli occhi degli altri, le funzioni iniziano a proteggersi invece di condividere informazioni utili, e la prossima proposta, anche se corretta, arriva con meno disponibilità ad ascoltarla. Questo secondo effetto, quasi mai discusso apertamente, spesso pesa più del costo diretto del problema originale.
Leggere la situazione: cause, forze, vincoli e segnali
Prima di intervenire di nuovo, conviene osservare separatamente alcuni elementi che si sono mescolati nella conversazione.
- Segnale: le vendite sono calate in modo uniforme in più regioni. Questo suggerisce una causa condivisa (prezzo, concorrenza, stagionalità) più che un problema locale di un singolo punto vendita.
- Segnale: in una regione con lo stesso prezzo le vendite non sono calate. Questo mette in dubbio che il prezzo sia la causa principale, oppure suggerisce che il prezzo interagisca con un altro fattore diverso tra le due regioni, come la presenza di un concorrente specifico.
- Segnale: i resi per prodotto difettoso sono aumentati dopo l’intervento sul prezzo, non prima. Questo potrebbe indicare che la revisione del prezzo ha generato un cambiamento nella gestione del magazzino per sostenere il nuovo margine, non che la qualità fosse la causa originaria del calo.
Questo pattern è approfondito nell’analisi di Black Belt Vision sulla risoluzione di problemi complessi in situazioni complesse.
Forze e vincoli che vale la pena nominare esplicitamente: quale funzione ha più peso politico nella conversazione, e se questo sta influenzando quale spiegazione viene accettata per prima; quanto è recente il dato usato come prova, perché un segnale di sei mesi fa non spiega necessariamente un calo degli ultimi tre; e se qualcuno ha davvero confrontato i casi che funzionano bene con quelli che non funzionano, invece di analizzare solo dove il problema è già evidente.
Un presupposto che complica molte di queste letture è pensare che un problema aziendale complesso debba avere un’unica causa profonda, e che trovarla sia solo questione di continuare a chiedersi il perché fino ad arrivare al fondo. Nella pratica, molti problemi di questo tipo derivano da due o tre fattori indipendenti che coincidono nel tempo, e cercare un’unica causa può portare a scegliere la spiegazione più convincente invece di quella più completa.
La domanda che conta per chi decide
La spiegazione che sto per accettare è quella con più evidenza a sostegno, o è semplicemente quella proposta dalla funzione con più peso nella conversazione, e nessuno l’ha ancora messa davvero alla prova?
Costruzione di soluzioni: alternative reali
Non esiste un unico modo corretto di affrontare un problema con segnali contraddittori, soprattutto quando la fiducia tra funzioni si è già indebolita dopo un primo tentativo fallito. L’alternativa giusta dipende da quanti casi di confronto esistono e da quanto è disponibile a rimettersi in gioco chi ha proposto la spiegazione iniziale. Un confronto più ampio tra approcci è disponibile nella guida di Black Belt Vision su come migliorare la risoluzione di problemi complessi nei leader.
Alternativa A: isolare la variabile reale prima di intervenire di nuovo.
Invece di accettare la spiegazione di una funzione alla volta, si confrontano sistematicamente i casi in cui il problema esiste e quelli in cui non esiste (regioni, punti vendita, periodi) per capire quale variabile distingua davvero gli uni dagli altri. Funziona meglio quando esistono abbastanza casi di confronto e i dati sono già disponibili o facilmente ottenibili.
Trade-off: richiede più disciplina analitica prima di agire, il che può sembrare lento sotto la pressione di mostrare una risposta immediata, ma riduce in modo sostanziale il rischio di ripetere l’errore di intervenire sulla causa sbagliata.
Alternativa B: un esperimento limitato e reversibile sulla variabile più probabile.
Quando non c’è tempo per un’analisi comparativa completa, si sceglie la spiegazione con più evidenza a favore e la si testa in modo limitato (una sola regione, un periodo breve) prima di estendere qualsiasi intervento su scala più ampia. Funziona meglio quando la pressione ad agire è alta ma il costo di un test piccolo resta contenuto.
Trade-off: permette di muoversi più in fretta dell’Alternativa A, ma conserva il rischio che la variabile scelta non sia quella corretta; la differenza è che quel rischio resta contenuto su piccola scala prima di impegnare altre risorse.
Alternativa C: una sessione di responsabilità condivisa tra le funzioni in disaccordo.
Quando il disaccordo tra funzioni sembra dipendere più dal fatto che ciascuna ha solo una parte dell’informazione che da un problema tecnico, si organizza un momento di lavoro dove ogni funzione porta i propri dati specifici e il gruppo costruisce insieme una lettura più completa, senza che nessuna funzione debba portare da sola la colpa del primo tentativo fallito. Funziona meglio quando i dati di ciascuna funzione sono legittimi ma incompleti, e la fiducia reciproca va ricostruita insieme alla spiegazione.
Trade-off: richiede coordinare il tempo di più persone e può generare tensione se qualcuno percepisce la propria spiegazione messa in discussione, ma di norma produce una lettura più completa di quanto potrebbe fare ciascuna funzione da sola.
Un principio utile qui, ripreso in modo selettivo e senza pretendere che spieghi da solo il fenomeno, distingue tre movimenti: la ricognizione, cioè raccogliere ciò che si sa davvero prima di impegnarsi in una spiegazione; l’isolamento, cioè testare una variabile alla volta invece di intervenire su più fronti insieme; e il pivot, cioè la disponibilità a cambiare spiegazione quando l’evidenza contraddice il presupposto iniziale, invece di difenderlo solo perché è stato il primo a essere proposto.
Non serve alcuna esperienza marziale per applicarlo; è soprattutto un modo per ordinare come si esamina un problema con segnali contraddittori.
Scegliere tra le tre alternative dipende da quanti casi di confronto esistono e da quanto la fiducia tra funzioni è già stata compromessa: se ci sono abbastanza dati, l’Alternativa A dà la lettura più solida; se la pressione ad agire è alta, l’Alternativa B permette di avanzare senza esporsi troppo; se il disaccordo è soprattutto una questione di fiducia e informazione incompleta, l’Alternativa C ricostruisce insieme sia la spiegazione sia la relazione tra le funzioni.
Metodo o framework: dall’incertezza all’esperimento
- Raccogli i segnali di tutte le funzioni coinvolte in un’unica visione condivisa, invece di valutare ogni spiegazione in conversazioni separate.
- Identifica i casi di confronto disponibili (regioni, punti vendita, periodi) dove il problema esiste e dove non esiste, per isolare quale variabile distingua realmente gli uni dagli altri.
- Verifica se una soluzione mirata a quella stessa causa è già stata tentata senza risultato, perché questo è di per sé un’informazione utile su quale causa probabilmente non è quella giusta, o non è l’unica.
- Tratta il prossimo intervento come un esperimento dichiarato, non come una soluzione definitiva, così che un risultato negativo diventi un dato utile invece che un nuovo fallimento da attribuire a qualcuno.
- Rivedi il risultato in un intervallo breve e definito, ed è preferibile cambiare spiegazione apertamente se l’evidenza nuova la contraddice, piuttosto che difendere la lettura iniziale solo perché è già stata comunicata.
Evidenze, esempi e limiti
La ricerca sulla risoluzione collettiva dei problemi nei team di leadership, documentata dal Center for Creative Leadership, indica in modo consistente che i team di direzione migliorano la propria lettura quando costruiscono una comprensione condivisa della situazione prima di impegnarsi in una soluzione, invece di lasciare che ciascuna funzione difenda la propria interpretazione in modo isolato. Questo sostiene la logica centrale di questa guida: separare il problema in parti verificabili, e non accettare la prima spiegazione convincente, tende a produrre risultati migliori rispetto ad agire in fretta su una diagnosi parziale.
Questo non significa che ogni problema complesso abbia più cause indipendenti; alcuni hanno davvero un’unica causa profonda, e in quei casi un confronto analitico esteso può risultare uno sforzo superiore al necessario. Non significa nemmeno che una sessione di responsabilità condivisa risolva sempre il disaccordo: a volte due funzioni hanno dati ugualmente validi perché il problema combina davvero due cause distinte, e la soluzione deve rispondere a entrambe, non scegliere tra loro. Black Belt Vision non dispone di uno studio proprio che quantifichi una percentuale precisa di miglioramento per questa guida, e qualsiasi cifra specifica presentata senza una metodologia dichiarata merita la domanda su cosa stia realmente misurando.
Applicazione: responsabili, sequenza, esperimenti e trasferimento
La responsabilità di coordinare questo processo dovrebbe restare in capo a chi ha visibilità su tutte le funzioni coinvolte, tipicamente un direttore generale o un responsabile operativo, e non alla funzione che per prima ha proposto una spiegazione, per evitare che la lettura finale si orienti verso chi ha più peso nella conversazione invece che verso chi ha più evidenza. Sequenza: raccogliere i segnali di tutte le funzioni, identificare i casi di confronto, verificare cosa è già stato tentato senza successo, scegliere l’alternativa adatta al tempo e ai dati disponibili, dichiarare l’intervento come esperimento, e rivedere il risultato in un intervallo breve.
Perché questo apprendimento si trasferisca alla prossima situazione ambigua, vale la pena documentare, una volta risolto il problema, quale variabile si è rivelata la causa reale e confrontarla con la spiegazione accettata all’inizio; questo confronto è spesso più utile di qualsiasi resoconto esteso sul caso.
Segnali di progresso, comportamenti osservabili e apprendimento
Alcuni segnali indicano che l’organizzazione sta migliorando il modo in cui affronta questo tipo di ambiguità: le funzioni iniziano a condividere dati incompleti apertamente invece di trattenerli per proteggere la propria posizione; un intervento presentato come esperimento viene accolto senza che il suo eventuale fallimento venga letto come una colpa personale; e le spiegazioni iniziali vengono corrette pubblicamente quando l’evidenza lo richiede, senza che chi le aveva proposte perda credibilità per averlo ammesso. L’assenza di questi segnali, al contrario, suggerisce che il problema di fondo non è più solo analitico, ma riguarda la fiducia tra le funzioni coinvolte.
FAQ
Perché la soluzione più ovvia a volte non risolve un problema aziendale complesso?
Perché molti problemi complessi hanno più di una causa che agisce contemporaneamente, e la soluzione ovvia spesso affronta solo la spiegazione sostenuta con più convinzione da una funzione, lasciando scoperte le altre cause che contribuiscono al problema.
Come si distingue un problema con un’unica causa da uno con cause multiple?
Un segnale chiaro è quando funzioni diverse presentano dati ugualmente validi che puntano in direzioni diverse; questo suggerisce che il problema potrebbe combinare due o più fattori, invece di avere un’unica causa profonda che una sola spiegazione può coprire.
Cosa fare quando un primo tentativo di soluzione fallisce pubblicamente?
Conviene trattare quel risultato come informazione utile su quale causa probabilmente non è quella giusta, e ricostruire la fiducia tra le funzioni prima di proporre il tentativo successivo, invece di lasciare che chi ha proposto la prima soluzione ne porti da solo la responsabilità.
È meglio agire in fretta o analizzare di più in un problema ambiguo?
Dipende da quanti dati di confronto esistono e da quanto tempo è disponibile; quando la pressione ad agire è alta, un esperimento limitato e reversibile permette di avanzare senza esporsi troppo mentre si conferma la causa reale.
Perché trattare un intervento come esperimento aiuta a gestire la fiducia nel team?
Perché un esperimento dichiarato può fallire senza che il fallimento venga letto come una colpa personale, mentre una soluzione presentata come definitiva che poi non funziona danneggia la credibilità di chi l’ha proposta.
Chi dovrebbe guidare l’analisi quando più funzioni hanno versioni diverse dello stesso problema?
Idealmente chi ha visibilità su tutte le funzioni coinvolte, e non la funzione che ha proposto la prima spiegazione, per evitare che la lettura finale si orienti verso chi ha più peso nella conversazione invece che verso chi ha più evidenza.
Quanto tempo serve per risolvere un problema con segnali contraddittori?
Varia in base ai dati di confronto disponibili; un’analisi comparativa mirata può richiedere pochi giorni se i dati esistono già, mentre un esperimento limitato può dare segnali utili nel giro di poche settimane.
Come si trasferisce questo metodo alla prossima situazione ambigua?
Documentando, una volta risolto il problema, quale variabile si è rivelata la causa reale e confrontandola con la spiegazione accettata all’inizio; questo confronto è spesso più utile di un resoconto esteso sul caso.
