Ipotesi bella e probabile, ma forse sbagliata
Trovare una spiegazione convincente di un problema complesso non è un compito facile. La decisione su quale sia la soluzione "migliore" è inevitabilmente influenzata da pregiudizi e approssimazioni. L'abbinamento di statistiche e metodi storici, tuttavia, rende il processo decisionale più rigoroso e meno soggetto a errori, come sostiene Sandeep D. Pillai del Dipartimento di Management e Tecnologia nel suo recente articolo "Lovely and likely: Using historical methods to improve inference to the best explanation in strategy", scritto con Brent Goldfarb e David Kirsch (entrambi dell'Università del Maryland negli Stati Uniti) e pubblicato sullo Strategic Management Journal.
Molta letteratura economica si occupa, almeno in apparenza, di trovare soluzioni a problemi specifici. Queste soluzioni sono idealmente abbastanza ampie da sostenere una teoria, o almeno sono ritenute applicabili a una moltitudine di casi. Tuttavia, solo raramente i problemi possono essere risolti isolando un unico fattore causale. Le questioni manageriali, che si applicano a organizzazioni complesse come le imprese che operano in ambienti complessi come i mercati, sono destinate a essere influenzate da un gran numero di fattori interdipendenti che sono difficili o impossibili da distinguere gli uni dagli altri.
In un contesto di tale incertezza, è improbabile che si riesca a scoprire la "vera" soluzione a un problema. Il massimo che possiamo sperare di ottenere è la migliore soluzione, o spiegazione, tra le tante. Ma cosa fa sì che una soluzione appaia migliore di un'altra? Sandeep Pillai e i suoi colleghi sostengono che il processo in gioco in questi casi è l'"inferenza alla migliore spiegazione", o IBE (inference to the best explanation). Così, le spiegazioni belle, nel senso che sono utili, generali e forniscono un significato, e probabili, nel senso che sono vicine alla verità, sono generalmente adottate come le migliori possibili. Naturalmente, non tutte le spiegazioni belle sono anche probabili, e viceversa. Inoltre, l'IBE sarà affidabile solo se la vera teoria è tra quelle prese in considerazione. Ma non c'è motivo di credere che sia così, né che la nostra "migliore" spiegazione sia vera. Questo enigma è noto come il "bad lot problem", perché quando la spiegazione più vera ci sfugge, finiamo per scegliere la meno peggiore in un insieme di ipotesi errate.
E poiché la maggior parte dei fenomeni di strategia aziendale sono ambigui, l'inferenza alla migliore spiegazione diventa spesso un esercizio di inferenza alla spiegazione preferita, e le preferenze sono destinate a essere influenzate da pregiudizi di vario tipo. Questo non è intrinsecamente un male, perché i problemi devono essere affrontati e decidere da dove iniziare significa cercare una soluzione accettabile piuttosto che trovare la verità assoluta. Ma è importante essere consapevoli dell'esistenza di tali pregiudizi per limitarne le conseguenze negative.
Pillai e i suoi coautori sostengono che affrontare i problemi di strategia adottando esclusivamente un metodo statistico (cioè un qualche tipo di analisi dei dati) è comune, ma può portare a cadere nel bad-lot problem. Essi suggeriscono che i metodi "storici" possono migliorare l'osservazione dei dati e di conseguenza consentire una migliore generazione di ipotesi. Il termine "metodi storici" comprende tre concetti principali: l'ermeneutica (capire chi sono i decisori e i loro punti di vista), la contestualizzazione (capire le situazioni dei decisori e il modo in cui si relazionano tra loro) e la critica delle fonti (capire il peso da attribuire a ogni specifico elemento del passato).
"Noi utilizziamo i recenti sviluppi della filosofia della scienza per analizzare come si arriva a spiegazioni che siano utili, generali, forniscono un significato e, allo stesso tempo, siano vicine alla verità. L'interpretazione dei risultati osservativi richiede una comprensione del contesto che la sola analisi statistica non può fornire", afferma Sandeep Pillai. "Gli strumenti metodologici di tipo storico possono migliorare il processo di determinazione della migliore spiegazione, aiutando gli analisti a generare nuove spiegazioni possibili e a valutare e ordinare sistematicamente le spiegazioni. L'uso di documenti storici per applicare una metodologia IBE rende più chiari i giudizi che stiamo esprimendo a più livelli e aiuta i ricercatori e i lettori a valutare questi giudizi mentre decidiamo cosa deve essere spiegato e cosa possiamo mettere da parte perché non utile."
