ATLAS POSTHIERARCHII · 002

Kto będzie decydował? Jak powstaje grupa uczestników wypracowywania decyzji

Od rejestracji wniosku do tymczasowej inteligencji zbiorowej

? Pojęcia zaznaczone kropkowanym podkreśleniem można kliknąć, aby otworzyć krótkie objaśnienie.

Pierwszy artykuł Atlasu posthierarchii śledził drogę projektu kulturalnego od początkowej idei przez analizę zbiorową, finansowanie i upowszechnianie. Taki proces może jednak działać tylko wtedy, gdy wokół konkretnego wniosku utworzy się wystarczająco kompetentna grupa. Nie może to być komisja powołana z góry, ale nie może to być również nieprzefiltrowany tłum. Jak taka grupa powstaje?

Konwencjonalny system zaczyna od pytania: kto jest upoważniony do oceniania? Tworzy listę ekspertów, powołuje komisję i przekazuje jej mandat decyzyjny.

System posthierarchiczny zaczyna w innym miejscu: jakiej konfiguracji kompetencji wymaga ten konkretny wniosek i jak ją zbudować, nie przekształcając tymczasowej ekspertyzy w trwałą władzę?

W tym artykule pełnoprawnego uczestnika zbiorowego wypracowywania decyzji nazywamy uczestnikiem wypracowywania decyzji.

Posthierarchia nie musi z góry wiedzieć, kim są „najlepsi eksperci”. Potrzebuje systemu, który dla każdego nowego problemu potrafi z historii wiarygodnego wkładu złożyć właściwą konfigurację ludzi i specjalizacji.

Cały proces — od wniosku do zamknięcia klastra

1. Wniosek zostaje zarejestrowanyStaje się przedmiotem konkretnego tymczasowego klastra.
2. AI wstępnie szacuje prawdopodobnie potrzebne specjalizacjeNa podstawie głównego tematu wniosku i istotnych zagadnień peryferyjnych AI tworzy jedynie orientacyjną listę i wykorzystuje ją do kierowania zaproszeń.
3. Zainteresowani uczestnicy się rejestrująMogą zostać zaproszeni przez system albo dołączyć z własnej inicjatywy, jeśli uważają, że ich wiedza może wnieść wartość do analizy wniosku.
4. Niektórzy wchodzą bezpośrednio jako pełnoprawni uczestnicyJeśli uczestnik ma już wystarczającą wagę w specjalizacji uznanej przez AI za relewantną, historia wiarygodnego wkładu może wystarczyć do bezpośredniego wejścia.
5. Inni przechodzą przez filtr pretendentaPytania generowane przez AI sprawdzają, czy osoba wystarczająco dobrze rozumie temat wniosku i jego ważne wymiary peryferyjne, aby sensownie uczestniczyć w procesie.
6. Pretendent staje się kandydatemPo osiągnięciu wystarczającego wyniku osoba ocenia rzeczywiste idee w trybie cieniowym: system zapisuje oceny, lecz jeszcze nie uwzględnia ich w wyniku zbiorowym.
7. Klaster rozpoczyna pracę po osiągnięciu krytycznej łącznej masy specjalizacjiJeden lub kilka projektów decyzyjnych może rozpocząć się równolegle, jeśli każdy z nich ma wystarczający wiarygodny potencjał poznawczy.
8. W trakcie pracy mogą dołączać nowi uczestnicy i powstawać nowe projektyStruktura klastra nie zostaje zamrożona w chwili startu.
9. W miarę zbliżania się projektu do końca doprecyzowywane są jego rzeczywiste specjalizacjeUczestnicy proponują specjalizacje, które najlepiej opisują rzeczywiście wykonaną pracę, i zbiorowo oceniają ich znaczenie.
10. Klaster zamyka się jasnymi rezolucjamiProjekty zostają zakończone, nierozwiązane pytania mogą być przekazane gdzie indziej, określa się dalsze kroki wobec wniosku, a tymczasowa grupa rozprasza się bez ujawniania pełnego składu.

1. Jeden wniosek — jeden tymczasowy klaster

klaster nie jest stałą wspólnotą „ekspertów od fotografii”, „ekonomii kultury”, „technologii” ani żadnej innej z góry określonej dziedziny. Jego przedmiotem jest jeden konkretny wniosek.

Wniosek może początkowo wydawać się prosty, jednak analiza może ujawnić potrzebę zbadania wykonalności technologicznej, odbiorców, budżetu, logiki artystycznej, ryzyka, ograniczeń prawnych lub kwestii, których autor wniosku w ogóle wcześniej nie sformułował.

Dlatego w jednym klastrze może działać kilka odrębnych projektów wypracowywania decyzji — brainstormingów — kolejno lub równolegle.

Architektura klastra nie jest więc gotowym planem narysowanym z góry. Rozwija się razem z analizą.

2. Przed rozpoczęciem pracy AI może dać jedynie orientację

Po zarejestrowaniu wniosku AI analizuje najpierw jego rdzeń tematyczny oraz ważne wymiary peryferyjne. Projekt kulturalny może wymagać nie tylko rozumienia artystycznego, lecz także wiedzy o wykonalności technologicznej, kosztach realizacji, odbiorcach, własności intelektualnej, logistyce czy ryzyku.

Na tej podstawie AI tworzy wstępne wskaźniki prawdopodobnie potrzebnych specjalizacji.

Wskaźniki te pomagają systemowi wyszukiwać ludzi. Może on zapraszać osoby, które w poprzednich klastrach zgromadziły już odpowiednie wagi specjalizacji.

Prognoza AI nie jest jednak ostateczną klasyfikacją. Rzeczywista treść poznawcza projektu może okazać się inna niż to, co dało się wywnioskować z tekstu wniosku.

Na początku AI pomaga znaleźć ludzi, którzy prawdopodobnie będą użyteczni. Dopiero proces zbiorowy ujawnia później, które specjalizacje były rzeczywiście istotne.

3. Ludzie nie rejestrują się jako „eksperci w ogóle”

Uczestnik nie ma jednego uniwersalnego wyniku eksperckiego. Zamiast tego posiada wiele różnych wag specjalizacji.

W jednym wcześniejszym klastrze dana osoba mogła wzmocnić specjalizację w fotografii dokumentalnej, w innym — w antropologii wizualnej, a w jeszcze innym — w analizie ryzyka projektowego. Nowy klaster może wykorzystać te części tej historii, które są dla niego relewantne.

Ludzie wchodzą do nowego klastra na dwa główne sposoby. System może ich zaprosić na podstawie wstępnych sygnałów specjalizacji albo mogą zarejestrować się samodzielnie, uznając, że posiadają użyteczną wiedzę.

Jeśli ich dotychczasowa waga w relewantnej specjalizacji jest wystarczająca, mogą wejść bezpośrednio jako pełnoprawni uczestnicy. Jeżeli system nie ma jeszcze dość dowodów ich kompetencji, zaczynają jako pretendenci.

4. Test pretendenta sprawdza, czy osoba rozumie to, czego wymaga ten wniosek

Celem testowania pretendenta nie jest odkrycie jak największej liczby rzeczy, których dana osoba nie wie. Główne pytanie jest prostsze:

Czy pretendent wystarczająco dobrze rozumie pole problemowe tego wniosku, aby w pełni uczestniczyć w jego klastrze?

AI generuje pytania z głównego tematu wniosku i relewantnych obszarów peryferyjnych. Mogą one dotyczyć kosztów realizacji, wykonalności technologicznej, ryzyka, ograniczeń organizacyjnych, odbiorców lub innych aspektów, bez których dyskusja pozostałaby powierzchowna.

Pytania nie muszą przypominać konwencjonalnych testów wielokrotnego wyboru z jedną oczywiście poprawną odpowiedzią. Możliwe odpowiedzi mogą obejmować:

• „Żadna z odpowiedzi nie jest poprawna”;
• „Wszystkie odpowiedzi są poprawne”;
• „Nie wiem”;
• kilka odpowiedzi, których stopień poprawności należy ocenić.

AI może również zadać pytanie, którego przesłanka sama w sobie jest problematyczna lub fałszywa. Sprawdza to coś więcej niż pamięć faktograficzną: czy uczestnik rozumie strukturę pytania, wykrywa błędne założenia, odróżnia twierdzenia całkowicie poprawne od częściowo poprawnych i wie, kiedy odpowiedź nie jest uzasadniona.

Poprawność poszczególnych odpowiedzi można również oceniać w skali od −5 do +5. Skala pełni tu inną funkcję niż przy ocenie idei: wyraża, jak fałszywa lub jak poprawna wydaje się pretendentowi dana odpowiedź.

Rozpoznawanie własnej niepewności jest użyteczne, ale nie stanowi centrum testu. Najważniejsze pozostaje pytanie: czy model mentalny pretendenta obejmuje to, co trzeba rozumieć, aby sensownie uczestniczyć w analizie tego wniosku?

5. Kandydat już pracuje w realnym procesie, ale jeszcze nie wpływa na wynik

Pretendent, który osiąga wystarczający wynik testu, staje się kandydatem.

Kandydat zaczyna oceniać rzeczywiste idee zgłaszane przez innych uczestników. Oceny te są jednak ocenami cieniowymi: system je zapisuje, lecz jeszcze nie wpływają one na wynik zbiorowy.

Dopiero po wystarczającej liczbie wspólnych przypadków staje się widoczny profil oceniania kandydata.

Profil ten nie musi odpowiadać średniej grupowej ani kopiować innej osoby. Powinien jednak wykazywać wiarygodne podobieństwo modelu mentalnego do co najmniej jednego uczestnika, który ma wysoką wagę w relewantnej specjalizacji.

Gdy wiarygodność staje się wystarczająca, kandydat zostaje pełnoprawnym uczestnikiem. Od tej chwili jego oceny wchodzą do wyniku zbiorowego, a on sam może zgłaszać własne idee.

6. Idee ocenia się od −5 do +5. Ale 0 jest najgorszą oceną

Skala od −5 do +5 służy do oceny idei, a nie całego projektu lub wniosku.

Oceny dodatnie oznaczają zgodę z ideą, a ujemne — sprzeciw. Skrajne wartości −5 i +5 są możliwe, lecz nie powinny być stosowane bez mocnego uzasadnienia. W rzeczywistych środowiskach decyzyjnych idee rzadko są absolutnie beznadziejne albo absolutnie genialne.

Matematyczny środek nie jest jednak środkiem semantycznym.

0 jest najgorszą oceną, jaką może otrzymać idea. Nie oznacza neutralności. Oznacza, że idea nie powinna dalej pochłaniać zbiorowej uwagi jako normalnie szeregowana alternatywa.

Ocena zerowa jest stosowana co najmniej w następujących przypadkach:

• idea jest duplikatem — aby nie marnować czasu uczestników na powtarzające się treści;
• jedno zgłoszenie zawiera kilka twierdzeń wymagających odrębnej oceny — ponieważ nie można ich sensownie sprowadzić do jednej oceny;
• idea jest banalna — nie wnosi istotnej wartości do procesu decyzyjnego;
• idea nie dotyczy tematu konkretnego projektu;
• idea jest sformułowana tak niejasno, że nie można wiarygodnie ocenić jej znaczenia;
• tekst ujawnia tożsamość autora — co naruszałoby anonimową ocenę i otwierało drogę wpływowi statusu lub osobistych uprzedzeń.

7. Klaster nie startuje tylko dlatego, że zarejestrowało się wiele osób

Po rejestracji system musi zrobić coś więcej niż zgromadzić ludzi. Musi ustalić, czy faktycznie zebrał się wystarczający potencjał poznawczy.

Jeden lub kilka początkowych projektów może się rozpocząć po osiągnięciu krytycznej łącznej masy relewantnych wag specjalizacji.

Nie chodzi o liczenie osób. Pięć osób, których profile specjalizacji ściśle odpowiadają problemowi, może stworzyć silniejszą grupę początkową niż dwadzieścia osób o wiedzy tylko luźno związanej z tematem.

Uruchomienie klastra nie oznacza też zamknięcia wejścia. Nowi uczestnicy mogą nadal dołączać w trakcie procesu, jeśli ich specjalizacje staną się relewantne albo sami rozpoznają, że mogą wnieść wartość.

8. Rzeczywiste specjalizacje projektu zwykle stają się jasne dopiero pod koniec

Na początku projektu AI może jedynie wstępnie oszacować, które specjalizacje będą ważne. To, czym projekt rzeczywiście się zajmował, często staje się widoczne dopiero po wielu ideach, ocenach i nowych sposobach sformułowania problemu.

Dlatego specjalizacji konkretnego projektu brainstormingowego niemal nigdy nie należy ostatecznie ustalać z góry.

W trakcie projektu każdy uczestnik może zaproponować specjalizację, jeśli uważa, że trafnie opisuje ona rzeczywiście badane pole. Takie propozycje są zwykle najbardziej sensowne pod koniec, gdy grupa lepiej widzi, jaki rodzaj pracy poznawczej został faktycznie wykonany.

Pozostali uczestnicy oceniają proponowaną specjalizację. Im wyższa jej ocena zbiorowa, tym większe znaczenie przypisuje się jej dla projektu.

Specjalizacja nie jest administracyjną etykietą przyklejoną do problemu przed analizą. Jest jednym z rezultatów samej analizy.

9. Waga specjalizacji rośnie wraz z wkładem — ale musi się nasycać

Gdy projekt zbliża się do końca, system może połączyć dwie rzeczy: które specjalizacje rzeczywiście miały znaczenie oraz jaki był wkład każdego uczestnika w końcowy rezultat.

Waga uczestnika w danej specjalizacji rośnie wtedy proporcjonalnie do jego rzeczywistego wkładu, z uwzględnieniem tego, jak ważna okazała się ta specjalizacja dla projektu.

Wzrost ten nie może jednak pozostać liniowy. Gdyby każdy udany wkład zawsze dodawał tę samą wartość, wieloletni uczestnicy zgromadziliby przytłaczającą przewagę historyczną. Ich oceny dominowałyby nie dlatego, że najlepiej pasują do nowego problemu, lecz dlatego, że weszli do systemu wcześniej.

Wzrost wykładniczy byłby jeszcze bardziej niebezpieczny. Szybko stworzyłby niewielką klasę niemal niepokonanych „superekspertów”. System mógłby formalnie wyglądać na niehierarchiczny, a funkcjonalnie stać się nową oligarchią.

Dlatego waga specjalizacji musi rosnąć z nasyceniem: pierwsze wiarygodne wkłady mogą zwiększać wagę stosunkowo szybko, lecz im silniejsza staje się pozycja uczestnika, tym mniej dodaje każdy kolejny sukces.

Nasycenie jest konieczne, ponieważ:

• zapobiega przekształceniu wczesnego uczestnictwa w trwały przywilej;
• daje silnym nowym uczestnikom realną szansę dogonienia wcześniejszych;
• uniemożliwia nawet bardzo wiarygodnej jednostce przeważenie całej grupy;
• utrzymuje mądrość zbiorową jako rzeczywiście zbiorową, zamiast przekształcać ją w ważony osąd kilku weteranów;
• nagradza kompetencję stale potwierdzaną w działaniu, a nie samą reputację historyczną.

Długotrwała nieaktywność może również stopniowo zmniejszać wagę specjalizacji. Im wyższą wagę ktoś chce utrzymać, tym więcej ciągłego i wiarygodnego uczestnictwa jest potrzebne do jej zachowania.

Doświadczenie powinno mieć znaczenie. Jednak w systemie posthierarchicznym żadna ilość doświadczenia nie powinna stawać się trwałym prawem do decydowania za wszystkich innych.

10. Autor może być jednym z najcenniejszych źródeł wiedzy w klastrze

Autor wniosku często wie rzeczy, których nie wiedzą zewnętrzni analitycy: dlaczego wybrano określony format, jakie alternatywy wcześniej odrzucono, gdzie kryją się ryzyka albo jaki pozornie drobny szczegół w rzeczywistości determinuje logikę całej propozycji.

Jeśli autor zostaje wykluczony tylko dlatego, że jest zainteresowany wynikiem, system zbiorowy traci część najcenniejszych informacji.

W anonimowym i rozliczalnym środowisku autor może robić więcej niż tylko oceniać idee innych. Co ważniejsze, może proponować nowe projekty brainstormingowe ujawniające aspekt wniosku, którego inni jeszcze nie zauważyli, oraz anonimowo zgłaszać idee w projektach już trwających.

Inni uczestnicy nie wiedzą, że dana idea pochodzi od autora. Nazwisko, status czy interes autora nie daje więc propozycji żadnego przywileju. Jeśli sam sposób sformułowania ujawnia autora, idea powinna otrzymać zero i zostać usunięta ze zwykłego rankingu.

Wartość udziału autora nie polega na silniejszym głosie. Polega na możliwości anonimowego wniesienia do wspólnego pola czegoś, o czym reszta grupy może jeszcze nie wiedzieć, że wymaga uwzględnienia.

Nowe projekty mogą powstawać, działać równolegle albo opuszczać klaster

W trakcie procesu decyzyjnego uczestnicy mogą proponować nowe projekty. AI może również wykryć, że układ istniejących idei i ocen ujawnił odrębne pytanie, które warto zbadać niezależnie.

Jeżeli dostępna jest wystarczająca łączna masa specjalizacji, nowy brainstorming może rozpocząć się w tym samym klastrze, gdy inne projekty nadal trwają.

Czasem jednak staje się jasne, że danym pytaniem lepiej zajęłaby się zasadniczo inna grupa. Uczestnicy lub AI mogą zaproponować przeniesienie projektu poza klaster. Jeśli propozycja zostanie przyjęta, brainstorming dotyczący tej kwestii kończy się w obecnym klastrze, a pytanie zostaje przekazane gdzie indziej. Może powstać nowy klaster z inną konfiguracją ludzi.

Oznacza to, że problem nie zostaje uwięziony w administracyjnym pojemniku, w którym pojawił się po raz pierwszy. Może przejść tam, gdzie da się stworzyć lepszą konfigurację specjalizacji.

Kiedy klaster się kończy?

Celem klastra nie jest samo istnienie. Jego zadaniem jest przeanalizowanie jednego wniosku i sformułowanie jasnych rezolucji dotyczących tego, co powinno wydarzyć się dalej.

Na końcu powinno być jasne, które rozwiązania zostały zaakceptowane, co trzeba poprawić, co powinno być kontynuowane, co może wymagać finansowania, co należy przekazać gdzie indziej, co zakończyć i jakie dodatkowe warunki trzeba spełnić.

Gdy istniejące projekty zostaną ukończone lub przekazane, a nowe sensowne projekty związane z wnioskiem przestają się pojawiać, klaster zostaje zamknięty.

Grupa się rozprasza. Jej członkowie nie muszą dowiedzieć się, kto jeszcze należał do tej samej tymczasowej grupy. Rozliczalna anonimowość trwa także po zakończeniu procesu: grupa nie powinna przekształcić się w prywatny klub ekspertów, sieć towarzyską ani nową kastę instytucjonalną.

Pozostaje nie lista członków, lecz pamięć uczestnictwa: zaktualizowane wagi specjalizacji, waluta inteligencji zbiorowej, wynagrodzenie finansowe oraz rezultaty procesu zbiorowego.

flowchart TD
    A["1. Wniosek zostaje zarejestrowany"] --> B["2. Powstaje tymczasowy klaster wniosku"]
    B --> C["3. AI szacuje prawdopodobne potrzeby specjalizacyjne"]
    C --> D["4. Zaproszenia + otwarta rejestracja"]
    D --> E{"Czy uczestnik ma już wystarczającą wagę w relewantnej specjalizacji?"}
    E -- "Tak" --> F["Bezpośrednie wejście jako pełnoprawny uczestnik"]
    E -- "Nie / za mało danych" --> G["Pretendent: test AI z rdzenia wniosku i relewantnych peryferii"]
    G --> H{"Wystarczający wynik wiedzy?"}
    H -- "Nie" --> X["Jeszcze bez pełnego dopuszczenia"]
    H -- "Tak" --> I["Kandydat: cieniowa ocena rzeczywistych idei"]
    I --> J{"Czy profil oceniania jest wystarczająco wiarygodny?"}
    J -- "Jeszcze nie" --> I
    J -- "Tak" --> F
    F --> K{"Krytyczna łączna masa specjalizacji dla projektu?"}
    K -- "Nie" --> D
    K -- "Tak" --> L["Rozpoczyna się jeden lub kilka brainstormingów"]
    L --> M["Idee są generowane i oceniane; mogą dołączać nowe osoby"]
    M --> N["Mogą powstawać nowe projekty"]
    N --> O{"Czy inna grupa poradziłaby sobie z tym pytaniem lepiej?"}
    O -- "Tak" --> P["Projekt przeniesiony poza klaster / powstaje nowy klaster"]
    O -- "Nie" --> Q["Projekt trwa w tym klastrze"]
    Q --> R["Pod koniec proponuje się i ocenia rzeczywiste specjalizacje projektu"]
    R --> S["Doprecyzowanie znaczenia specjalizacji"]
    S --> T["Wagi specjalizacji rosną wraz z realnym wkładem i nasyceniem"]
    T --> U{"Czy nadal pojawiają się sensowne nowe projekty związane z wnioskiem?"}
    P --> U
    U -- "Tak" --> K
    U -- "Nie" --> V["Jasne rezolucje dotyczące dalszych kroków"]
    V --> W["Klaster zostaje zamknięty"]
    W --> Y["Grupa rozprasza się bez ujawnienia pełnego składu"]
    Y --> Z["Pozostaje pamięć wkładu w zaktualizowanych wagach i innych zapisach"]