Home » Flygsäkerhet » Anders Ellerstrand: Problemlösning Del 4 – Hur kan vi lösa problem i komplexa system?

Anders Ellerstrand: Problemlösning Del 4 – Hur kan vi lösa problem i komplexa system?

I tre tidigare avsnitt (länk, länk och länk) har jag beskrivit hur vi helt intuitivt agerar för att lösa problem och hur detta oftast fungerar bra i enkla (jag använde en cykel med punktering som exempel) och komplicerade system (jag använde en bil med motorproblem som exempel) men att det inte fungerar på samma sätt i komplexa system (jag använde en flygtrafikledningscentral med flera separationsunderskridanden som exempel).

I detta avsnitt ska vi se på om det finns andra sätt att lösa problem som kan fungera bättre för komplexa system. Jag börjar med Dave Snowden, mannen bakom ramverket Cynefin (länk). Snowden menar att i komplexa system vet vi aldrig säkert vad våra åtgärder får för effekt. Varje gång vi agerar är det som att vi gör ett experiment. Det betyder att vi hela tiden måste vara beredd på att våra åtgärder kan få resultat som är mer positiva eller mer negativa än vi tänkt oss. Vi måste vara förberedda på båda möjligheterna.

Får vi negativt resultat måste vi ha möjlighet att ”dämpa” effekten. Det kan betyda att avbryta förändringen eller att återgå till ett tidigare läge. Med ett positivt resultat kan vi gå vidare och kanske utöka. Det här liknar de ”micro experiments” som bl.a. Robert de Boer förespråkar. Vi kan läsa om ett sådant exempel då man genomförde förändringar i ett företag som arbetar med flygplansunderhåll – länk.

Snowden menar också att våra traditionella stora förändringsprojekt är dömda att misslyckas. I ett Twitter-inlägg nyligen skrev han:
“The single most fundamental error of the last three decades is to try and design an idealised future state rather than working the evolutionary potential of the here and now, the adjacent possibles – it is impossible to gain consensus in the former, easier in the latter.”

Jag ser detta som en konsekvens av just hur komplexa system fungerar och om att det är omöjligt att förutse effekten av de åtgärder vi sätter in. Ändå hör vi återkommande om beskrivningar av hur vi önskar se framtiden och om stora projekt som ska åstadkomma detta. Snowden verkar istället vilja att vi observerar hur vår verklighet ser ut och vart den är på väg. Den utvecklingen kan vi sedan försiktigt påverka i önskad riktning. Snowden pratar ofta om ”nudging”, ett begrepp som blev populärt genom en bok som kom ut 2008; “Nudge: Improving Decisions about Health, Wealth, and Happiness” av Richard H. Thaler (som senare fick ekonomipris till Nobels minne) och Cass R. Sunstein. Det handlar bl.a. om att utforma valsituationer som gör det lättare för människor att fatta beslut som är bra för dem. Googla gärna på ”nudging” och titta på bilder!

Snowdens ”working the evolutionary potential of the here and now” kan ses som näraliggande till en annan idé för förändringsarbete som kallas ”appreciative inquiry” – ”AI”. Ursprunget är en artikel från 1987 av David Cooperrider och Suresh Srivastva. Det traditionella förändringsarbetet tenderar utgå från att man identifierar problem i nuläget, letar orsaker till problemen och sedan skapar en plan för att åtgärda problemen. Att arbeta med ”AI” innebär att man istället börjar med att fråga sig vad som är bäst med utgångsläget. Vad i organisationen fungerar redan bra? Utifrån det bygger man vidare för att skapa en vision av hur det skulle kunna bli och vad som behövs för att komma dit. Istället för att fokusera på problem bygger man alltså vidare på det som fungerar bra och det finns många exempel på att metoden kan ge goda resultat. Bl.a. har British Airways använt metoden.

Hollnagel är inne på liknande tankebanor som Snowden när det gäller att inte satsa på de stora förändringsprojekten. Han menar förvisso att det fortfarande kan behövas ”stora planer” för att vägleda den långsiktiga utvecklingen men om ”stora planer” blir ”stora projekt” i komplexa system får vi lätt svårigheter. En svårighet är möjligheten att utvärdera. Stora projekt tar lång tid och eftersom komplexa system ständigt förändras är det svårt att veta om resultaten beror på projektet eller på andra förändringar. Därför menar Hollnagel att planer bör implementeras i små steg med separata delmål. Sådana delprojekt tar kortare tid vilket bl.a. innebär att det inte hinner hända så mycket utan systemet kan betraktas som relativt stabilt och det blir därmed lättare att utvärdera. Sådana utvärderingar blir sedan användbara när nästa steg planeras och även för att kontinuerligt utvärdera och omvärdera ”den stora planen”. Hollnagel pekar dock på att just möjligheten att utvärdera också kan tala emot små projekt som är korta i tid. Förändring kan ta väldigt olika lång tid, särskilt i sociotekniska komplexa system. Är projektet för kort kan utvärderingen missa att en del av förändringen inte hunnit sätta sig och ge resultat – positivt eller negativt.

Framförallt menar dock Hollnagel att vi inte kan använda enkla modeller av våra system som ett sätt att förstå dem. Dessa ”genvägar” fungerar inte utan vi måste förstå att vi behöver lägga mer resurser på att faktiskt förstå våra komplexa system. En orsak till att det inte går att förutse effekter av de åtgärder vi vidtar är att vi vet för lite om våra system. Hollnagel menar att detta delvis går att förbättra, genom att använda modeller som bättre återspeglar verkligheten. En väg framåt är det system han själv utvecklat och som kallas FRAM. Jag går inte in på detaljerna i detta men det handlar om ett sätt att beskriva hur olika funktioner hänger ihop och påverkar varandra. Därmed ökar möjligheterna att faktiskt förstå vilka effekter som kan bli resultatet av våra åtgärder. Det här kan ses som ett sätt att göra klyftan mellan ”work-as-imagined” och ”work-as-done” mindre.

Det finns säkert anledning att återkomma till diskussioner kring komplexa system och till hur vi kan bli bättre på att hantera dem. Just nu väljer jag att avsluta min lilla genomgång och hoppas på att ni vill reflektera och gärna kommentera…


Leave a comment

Your email address will not be published. Required fields are marked *

This site uses Akismet to reduce spam. Learn how your comment data is processed.