Nel mondo delle organizzazioni, i leader operano spesso su una convinzione semplice e intuitiva: se si cambia il modo in cui un team lavora, cambieranno anche i risultati. Se un'azienda introduce team auto-gestiti o incoraggia le persone a condividere ciò che sanno, la performance dovrebbe aumentare. Questo sembra logico, ma nasconde un mistero profondo. Quando un team migliora, è raramente chiaro il perché sia migliorato. È stato perché tutti hanno imparato di più? È stato perché si sono sentiti più fidati? O è stato semplicemente perché la persona giusta si trovava nella stanza giusta al momento giusto? Al contrario, quando un nuovo metodo fallisce, i manager faticano a individuare l'elemento mancante. Non riescono a vedere gli ingranaggi invisibili che girano all'interno della macchina. Per decenni, i ricercatori hanno cercato di mappare queste connessioni, affidandosi spesso a sondaggi e statistiche che mostrano correlazioni ma non possono provare la meccanica sottostante. La domanda rimane: dare libertà a un team lo rende davvero migliore, o rende solo l'esito più difficile da prevedere?

Un nuovo studio di Franny Philos Sophia dell'Istituto Elanare squarcia questa nebbia trattando un'organizzazione non come una collezione di persone, ma come un sistema logico che può essere testato con assoluta precisione. La ricercatrice ha costruito una teoria formale chiamata RCAS, che sta per Reference–Choice Adaptive System (Sistema Adattivo di Riferimento-Scelta). Invece di indovinare come le pratiche portino ai risultati, lo studio scompone il processo in passaggi intermedi espliciti, mappando esattamente come un'azione specifica cambi lo stato interno di un team. Per garantire che non ci fossero errori in questa complessa logica, l'intera teoria è stata tradotta in un linguaggio informatico utilizzato per le dimostrazioni matematiche. Un programma per computer ha poi controllato ogni singolo passaggio del ragionamento, verificando che le conclusioni seguissero inevitabilmente dalle ipotesi di partenza. Questo approccio è raro nello studio dei gruppi umani, dove i risultati si basano solitamente sull'osservazione piuttosto che sulla prova. L'obiettivo non era dire alle aziende cosa fare, ma capire esattamente cosa è possibile e cosa è impossibile all'interno della logica del lavoro di squadra.

Lo studio inizia definendo cosa significhi per un team avere una vera scelta. Immaginate un team a cui viene dato un obiettivo chiaro e un insieme di confini, ma che è lasciato libero di decidere come raggiungere quell'obiettivo. Questo è diverso dall'essere istruiti esattamente su cosa fare, ed è diverso dall'avere nessuna regola affatto. I ricercatori hanno scoperto che quando un team opera con questo tipo di libertà strutturata, può raggiungere gli stessi risultati di alta qualità utilizzando metodi diversi. Una persona potrebbe risolvere un problema rapidamente, mentre un'altra potrebbe adottare un approccio più dettagliato, eppure entrambe hanno successo. Ciò dimostra che standardizzare il risultato non richiede di standardizzare il metodo. Tuttavia, lo studio ha anche rivelato una vulnerabilità critica: avere livelli di regole non significa automaticamente che il sistema funzioni. È possibile progettare una struttura in cui le regole al vertice permettano qualcosa che le regole alla base proibiscono. Affinché un sistema sia solido, i confini devono essere mantenuti attivamente; non si sistemano da soli solo perché la struttura esiste.

Uno dei risultati più significativi riguarda la differenza tra condividere ciò che si sa e creare qualcosa di nuovo. Lo studio distingue tra due tipi di crescita delle capacità. Il primo è la diffusione, in cui la conoscenza si diffonde da una persona esperta agli altri. Il secondo è la creazione, in cui qualcuno sviluppa una competenza che eccede ciò che il gruppo possiede attualmente. I risultati verificati dal computer mostrano un limite chiaro: la condivisione della conoscenza può rendere un team più forte in termini di volume e resilienza, ma non può alzare il soffitto di ciò che il team è capace di realizzare. Se un team ha un esperto in grado di risolvere i problemi più difficili, insegnare a tutti gli altri a essere competenti permetterà al team di svolgere più lavoro e sopravvivere alla perdita di un membro, ma non permetterà loro di risolvere un problema che l'esperto non potrebbe risolvere da solo. Per rompere quel soffitto, qualcuno deve creare nuova conoscenza che vada oltre il massimo attuale. Questa distinzione è vitale perché spiega perché alcuni team che condividono informazioni incessantemente incontrano comunque un muro di prestazione.

I ricercatori hanno anche scomposto il concetto di "performance" in tre parti distinte, invece di trattarlo come un numero singolo. Primo, c'è la frontiera, che rappresenta la massima qualità o complessità che il team può attualmente raggiungere. Secondo, c'è il volume, ovvero quanto lavoro il team può produrre in parallelo. Terzo, c'è la resilienza, che misura quanti membri il team può perdere prima di scendere al di sotto di uno standard richiesto. Lo studio dimostra che la condivisione della conoscenza aumenta il volume e la resilienza. Man mano che più persone apprendono le abilità dell'esperto, il team può produrre più lavoro simultaneamente e può resistere alla partenza degli individui senza collassare. Tuttavia, la frontiera — il picco di ciò che è possibile — si sposta solo se qualcuno crea qualcosa di nuovo. Ciò significa che un team può diventare incredibilmente efficiente e robusto senza mai diventare più innovativo.

Forse il risultato più sorprendente sfida un'idea popolare nel management moderno: che i team auto-gestiti portino automaticamente a una migliore performance. Lo studio ha costruito uno scenario specifico, verificato dal computer, in cui un team possedeva tutte le giuste caratteristiche strutturali. Avevano una vera scelta, coprivano tutte le competenze necessarie e aggiornavano le proprie regole per migliorare nel tempo. Eppure, in questo scenario, la loro performance era zero. Questo controesempio dimostra che avere la struttura giusta non garantisce il successo. Le condizioni per l'auto-gestione sono necessarie, ma non sono sufficienti. Che un team performi effettivamente bene dipende da fattori esterni alla logica formale del sistema, come se gli obiettivi siano stati impostati correttamente o se l'ambiente sia favorevole. La teoria dimostra che non si può dedurre il successo esclusivamente dalla presenza di autonomia.

Lo studio ha anche esaminato come i team gestiscono regole e vincoli. Ha scoperto che, affinché un insieme di regole sia efficace, ogni singola regola deve essere necessaria. Se una regola può essere rimossa senza danneggiare la capacità del team di funzionare, deve essere rimossa. Questo si allinea con l'idea del lean management, dove la burocrazia non necessaria viene eliminata. I ricercatori hanno dimostrato che se un team ha una regola che non aggiunge valore, il sistema non è nel suo stato di massima efficienza. Inoltre, hanno scoperto che i team possono migliorare le proprie regole nel tempo, ma solo se hanno un meccanismo per mantenere le regole attuali se non viene trovata un'opzione migliore. Senza questa condizione di "permanenza", un team potrebbe accidentalmente peggiorare le proprie regole cambiando costantemente alla ricerca di un miglioramento.

In definitiva, questo lavoro fornisce una mappa chiara del territorio tra pratica e performance. Separa ciò che è logicamente garantito da ciò che è meramente sperato. Conferma che la condivisione della conoscenza rende i team più capaci di fare più lavoro e di sopravvivere ai contrattempi, ma non può renderli più innovativi a meno che qualcuno non crei qualcosa di nuovo. Dimostra che l'auto-gestione è uno strumento potente, ma non è una bacchetta magica che assicura il successo. Lo studio lascia l'ultimo collegamento con il mondo reale aperto alla verifica, riconoscendo che, sebbene la logica sia solida, l'applicazione dipende dalla realtà disordinata delle organizzazioni umane. Provando esattamente dove i meccanismi funzionano e dove falliscono, la ricerca offre ai leader un modo per diagnosticare i propri team. Se un team ha problemi di volume, deve condividere la conoscenza. Se ha problemi di innovazione, deve creare nuove capacità. Se ha problemi di resilienza, deve costruire ridondanza. Il documento non offre una soluzione universale, ma offre qualcosa di più prezioso: una comprensione precisa degli ingranaggi che muovono la macchina di un'organizzazione.