Non è caos. È peggio. Poche leve contano davvero. Il problema è sapere quali.

Nelle scienze della complessità esiste un problema più sottile e più ostinato di quanto si ammetta di solito. Non è solo che i sistemi sono non lineari, o che producono comportamenti emergenti. Il nodo più duro è un altro: spesso non sappiamo quali elementi, anche minimi, siano in grado di influenzare il sistema su grandi distanze.

Questa ignoranza non è passeggera. È strutturale.

Sensibilità selettiva, non caos totale

Se ogni variabile influenzasse ogni altra in modo rilevante, ci troveremmo di fronte a un caos puro. Nessuna previsione avrebbe senso, nessun intervento potrebbe essere mirato. La realtà dei sistemi complessi è diversa, e per certi versi più insidiosa.

I sistemi mostrano una sensibilità selettiva. Sono spesso resilienti, o quasi indifferenti, a molte perturbazioni. Tollerano margini ampi di variazione su certi parametri. Eppure possono risultare estremamente fragili rispetto a un numero ristretto di variabili o di condizioni.

L’esempio classico viene dall’ecologia. In Yellowstone, il ritorno di poche decine di lupi ha ristrutturato intere catene trofiche, modificato il comportamento degli ungulati, cambiato la vegetazione lungo i fiumi e, indirettamente, la morfologia degli stessi corsi d’acqua. Non è stato necessario un grande numero di individui: bastava la presenza di un predatore capace di alterare le dinamiche di un’intera rete. Al contrario, la scomparsa di molte altre specie, anche numericamente più rilevanti, produce effetti molto più limitati. Il sistema è selettivo: resiliente verso alcune perdite, altamente sensibile verso altre.

Lo stesso schema compare in epidemiologia. In molte epidemie una frazione ristretta di individui (i cosiddetti superspreader) è responsabile di una quota sproporzionata delle trasmissioni. La maggior parte delle persone infette contribuisce poco o nulla alla diffusione. Non è il numero totale di contagi a determinare da solo la dinamica: conta dove si collocano nella rete di contatti, quei pochi nodi critici fanno la differenza.

L’atleta come sistema complesso

Un modo particolarmente chiaro per rendere concreta questa idea è considerare un atleta come sistema complesso. La mappa concettuale, in questo caso, è immediatamente accessibile a chiunque.

Non tutte le discipline sono uguali. Per ciascuna, il sistema-atleta è sensibile a determinate variabili e non ad altre. Alcune risultano particolarmente importanti, altre quasi neutre, altre ancora controproducenti.

Nel tennis contano in modo decisivo l’esplosività, il momento di inerzia e la relazione tra peso del braccio e racchetta. Una piccola variazione in questi parametri può modificare in profondità la qualità del colpo, la rapidità di risposta e la tenuta nel tempo. Altre caratteristiche fisiche, pur rilevanti in assoluto, pesano molto meno.

Nel fondo, al contrario, la variabile critica è spesso il rapporto tra potenza e peso, insieme alla leggerezza complessiva del sistema. Ciò che nel tennis poteva essere un vantaggio (una certa densità muscolare o un momento di inerzia più elevato) qui può diventare un costo. Il sistema è lo stesso (un corpo umano allenato) ma le leve che producono effetti rilevanti cambiano con la disciplina.

L’atleta mostra con chiarezza ciò che vale in generale per i sistemi complessi: non tutto influenza tutto. Esistono poche variabili ad alto impatto, e la loro individuazione dipende dal contesto specifico, non da una teoria astratta dell’“atleta in generale”.

Il limite delle griglie concettuali

Reti, feedback, attrattori, criticalità, cascate: le cornici concettuali della complessità sono utili. Forniscono un linguaggio e una famiglia di aspettative. Aiutano a non restare del tutto disorientati.

Restano, però, griglie. Orientano lo sguardo, ma non identificano le leve reali di un sistema concreto. Non dicono quali variabili, in quel particolare caso, siano capaci di produrre effetti a distanza.

Nei sistemi finanziari, per esempio, sappiamo che esistono nodi sistemicamente rilevanti. Il fallimento di alcune banche o di alcune controparti può propagarsi rapidamente attraverso le reti interbancarie. Il fallimento di molte altre istituzioni, anche di dimensioni non trascurabili, viene assorbito senza conseguenze comparabili. La teoria delle reti fornisce il linguaggio. L’indagine specifica è ciò che permette di capire quali istituzioni, in un dato momento e in una data configurazione, occupano quelle posizioni critiche.

Lo stesso vale per le reti elettriche. Alcune linee di trasmissione o alcune sottostazioni, se messe fuori uso, possono innescare blackout a cascata su scale regionali. Altre, apparentemente simili, no. La differenza non si legge da una teoria generale: si legge dalla topologia concreta, dai carichi e dalle dipendenze di quel sistema in quel momento.

Perché è un problema organizzativo ed epistemologico

Questa caratteristica ha conseguenze concrete su come si produce conoscenza.

Prima: la conoscenza è poco trasferibile in modo automatico. Ciò che conta in un sistema può contare molto meno in un altro, anche se i due sistemi sembrano appartenere alla stessa famiglia. Le leve critiche sono contestuali.

Seconda: è più gratificante, e spesso più premiato, raffinare la cornice generale piuttosto che fare il lavoro di dettaglio necessario a individuare le poche variabili che importano davvero. Le griglie eleganti circolano meglio delle indagini specifiche, faticose e talvolta deludenti.

Terza: l’autoinganno trova terreno fertile. È facile convincersi di aver compreso un sistema perché se ne padroneggia il linguaggio descrittivo, mentre le leve effettive restano sconosciute o solo vagamente intuite.

Il lato positivo e il suo prezzo

Il fatto che non tutto influenzi tutto è, in fondo, una buona notizia. Se così non fosse, non esisterebbe margine per la previsione né per l’intervento. La sensibilità selettiva è ciò che rende il mondo interrogabile.

Il prezzo, però, è alto. Quella selettività non si rivela attraverso la sola teorizzazione. Si rivela attraverso indagini concrete: isolare, perturbare, misurare, scartare ipotesi eleganti che non reggono. È un lavoro spesso lungo, costoso e difficilmente generalizzabile in modo pulito.

In sintesi, le scienze della complessità non hanno come ostacolo principale la mancanza di concetti. Hanno come ostacolo principale la difficoltà di scoprire, in ciascun sistema, cosa è davvero in grado di fare la differenza. I lupi di Yellowstone, i superspreader, i nodi finanziari critici, le linee elettriche decisive e le diverse leve che contano nel tennis o nel fondo raccontano la stessa lezione: poche variabili possono contare moltissimo, ma la loro individuazione non è mai gratuita.