Institutional Dynamics in Agent-Based Models: Identifying Action-Space, Timing, and Distributional Effects Through Controlled Simulation

Nello studio di come funzionano i gruppi, dal flusso del traffico alle economie di mercato, gli scienziati osservano spesso le regole che governano il comportamento. Queste regole, note come istituzioni, non si limitano a offrire ricompense o penalità; esse definiscono fondamentalmente ciò che è possibile. Immaginate una stanza piena di persone che cercano di ottenere acqua da un unico rubinetto. La realtà fisica è semplice: c'è una quantità limitata di acqua e un numero limitato di persone. Ma le regole della stanza determinano chi è autorizzato ad avanzare, chi deve aspettare e chi è proibito di toccare il rubinetto. Nelle simulazioni al computer, i ricercatori costruiscono mondi virtuali per testare come queste regole cambino i risultati. Una sfida chiave in questo campo è stata separare l'effetto delle regole stesse dal comportamento delle persone che le seguono. Spesso, quando un sistema cambia, è difficile capire se il risultato derivi da un cambiamento nelle regole, da un cambiamento nei desideri delle persone o da un cambiamento nelle risorse fisiche disponibili.

Roberto Garrone, un ricercatore presso l'Open University of Cyprus, ha affrontato questo problema progettando un esperimento informatico controllato per isolare il potere delle regole. Ha costruito un mondo sintetico con trenta agenti virtuali e una fornitura limitata di una risorsa scarsa. In questo mondo, ogni agente aveva gli stessi desideri fondamentali e le stesse capacità fisiche. L'unica cosa che cambiava tra le diverse esecuzioni della simulazione era l'architettura istituzionale — l'insieme di permessi e restrizioni che regolavano quali azioni ogni agente potesse legalmente intraprendere. Mantenendo gli agenti e l'ambiente perfettamente identici, Garrone ha potuto osservare esattamente quanto differenza facessero le sole regole. Ha scoperto che cambiare le regole non cambiava necessariamente la quantità totale di risorsa distribuita, ma rimodellava drasticamente chi riceveva cosa, quanto tempo dovevano aspettare e quali scelte potevano persino compiere.

L'esperimento è iniziato con uno scenario di base in cui nessuna regola limitava gli agenti. In questo "liberi tutti", ogni agente poteva scegliere tra quattro possibili azioni: effettuare una richiesta prioritaria, effettuare una richiesta regolare, aspettare o andarsene. Questo fungeva da controllo per vedere come si comportava il sistema senza alcun filtraggio istituzionale. Successivamente, i ricercatori hanno introdotto un insieme di regole statiche. In questa versione, un gruppo fisso di agenti, che rappresentava il venti per cento della popolazione, gli veniva concesso un diritto di priorità speciale. L'altro ottanta per cento perdeva la capacità di effettuare richieste prioritarie. La simulazione è durata ottanta passi, con agenti che arrivavano casualmente e una capacità fissa di cinque unità di servizio disponibile a ogni passo. I risultati sono stati sorprendenti. Mentre la quantità totale di servizio erogato al gruppo rimaneva quasi esattamente la stessa della versione non limitata, la distribuzione di tale servizio subiva uno spostamento significativo. Il venti per cento privilegiato riceveva il ventisei virgola sei per cento del servizio totale, una sovrarappresentazione evidente rispetto alla sua quota di popolazione. Nel frattempo, il numero medio di scelte disponibili per l'agente medio scendeva da quattro a circa tre, una misura che il ricercatore chiama rapporto dello spazio d'azione.

Lo studio si è poi spostato su uno scenario più complesso in cui le regole potevano cambiare in base allo stato del sistema. Questo regime dinamico partiva dalle stesse regole statiche ma aggiungeva un meccanismo: se un agente aspettava troppo a lungo, il sistema gli concedeva temporaneamente un diritto di priorità per un breve periodo. Ciò era stato progettato per imitare le situazioni del mondo reale in cui le lunghe attese innescano accomodamenti speciali. Quando questa regola dinamica è stata applicata, l'esito è cambiato nuovamente. Il vantaggio detenuto dal gruppo a priorità fissa è diminuito, scendendo al ventitré virgola cinque per cento del servizio totale. Il sistema è diventato leggermente più equo e il numero medio di scelte disponibili per gli agenti è aumentato, sebbene non fosse tornato alla piena libertà della baseline non limitata. Fondamentalmente, la quantità totale di servizio erogato al gruppo è rimasta virtualmente invariata in tutti questi diversi set di regole. Ciò ha dimostrato che le regole non stavano solo alterando l'efficienza del sistema, ma stavano attivamente ridistribuendo i carichi e i benefici tra i partecipanti senza cambiare il throughput complessivo.

Per garantire che questi risultati non fossero solo un caso fortuito di tempistica, i ricercatori hanno eseguito un test diagnostico specifico. Hanno preso esattamente gli stessi agenti e hanno dato loro esattamente lo stesso numero totale di diritti di priorità, ma hanno cambiato il momento in cui tali diritti erano attivi. In una versione, i diritti venivano concessi all'inizio della simulazione, indipendentemente da quanto tempo gli agenti avessero aspettato. Nella versione dinamica, i diritti venivano concessi solo dopo che un agente aveva aspettato per una durata specifica. Anche se il numero totale di diritti posseduti da ciascun agente era identico, i risultati erano diversi. La versione in cui i diritti venivano concessi in base allo stato del sistema ha comportato tempi di attesa più lunghi per coloro che venivano serviti e meno agenti che lasciavano il sistema per frustrazione. Ciò ha dimostrato che il tempismo di una regola, e come essa sia accoppiata alla situazione corrente, conta tanto quanto la regola stessa. Non basta semplicemente contare quanti diritti un agente possiede; bisogna anche capire quando tali diritti diventano attivi.

I ricercatori hanno testato la robustezza di questi risultati eseguendo la simulazione sotto diciotto diverse condizioni, variando il numero di agenti che arrivavano, la velocità del servizio e la dimensione del gruppo privilegiato. In ogni singolo caso, il modello centrale rimaneva valido. Le regole statiche riducevano costantemente il numero di scelte disponibili per gli agenti e concentravano il servizio tra i privilegiati. Le regole dinamiche ripristinavano costantemente alcune di quelle scelte e riducevano la concentrazione, sebbene spesso aumentassero i tempi di attesa degli agenti. Gli effetti erano più pronunciati quando il sistema era sotto alta pressione, con molti agenti che competevano per risorse limitate. Quando il sistema aveva molta capacità e pochi agenti, le differenze tra i set di regole diventavano trascurabili, suggerendo che le regole istituzionali contano di più quando le risorse sono scarse.

Questo lavoro non pretende di risolvere problemi politici del mondo reale o di prevedere esattamente come si comporterà un particolare sistema legale. Il modello è una costruzione sintetica, un laboratorio digitale semplificato progettato per testare un meccanismo specifico. Gli agenti non sono persone reali con storie complesse, e la risorsa non è una merce reale. Tuttavia, lo studio fornisce prove chiare che le dinamiche istituzionali agiscono come uno strato distinto di causalità. Possono ridistribuire l'accesso e l'onere in modi che le misure standard di efficienza potrebbero mancare. Un sistema può apparire in perfetto stato di funzionamento in termini di output totale, mentre le regole che lo governano stanno silenziosamente spostando il carico su gruppi specifici. Separando la generazione delle azioni possibili dalle regole che le filtrano, e poi dalle scelte che gli agenti compiono, lo studio offre un nuovo modo di guardare a come le istituzioni modellano il nostro mondo. Suggerisce che per comprendere veramente un sistema, non bisogna guardare solo a ciò che viene prodotto, ma al mutare del panorama di ciò che è possibile per le persone al suo interno.