I mercati predittivi, i superforecaster e le reti bayesiane stanno ridefinendo radicalmente l’analisi del rischio. Casi storici documentati mostrano come l’intelligenza collettiva disciplinata da incentivi economici possa superare gli analisti governativi anche dotati di dati riservati. Questo paradigma non è solo teorico: organizzazioni avanzate già lo adottano per prendere decisioni fondamentali.
Un esempio clamoroso si presenta al pubblico nel 1986, quando Wall Street riuscì ad identificare il componente malfunzionante dello Shuttle Challenger in meno di sei ore, mesi prima che la Commissione Rogers, incaricata ufficialmente di investigare, potesse giungere alle stesse conclusioni. Il progetto dello Space Shuttle, allora, coinvolgeva numerose aziende: la Rockwell International si occupava della navicella e dei motori principali, la Lockheed della gestione del supporto a terra, la Martin Marietta del gigantesco serbatoio esterno e la Morton Thiokol dei razzi a propellente solido.
Pochi minuti dopo l’esplosione dello Shuttle Challenger, la notizia raggiunse rapidamente Wall Street. Gli investitori vendettero all’istante le azioni delle aziende coinvolte, anticipando l’imminente blocco del programma spaziale da parte della NASA. Tuttavia, mentre le azioni della Rockwell, Lockheed e Martin Marietta mostrarono un calo moderato (intorno al 3%), quelle della Morton Thiokol precipitarono. Il titolo crollò quasi del 12%, tanto da richiedere l’interruzione delle contrattazioni. Il mercato, con decisione fulminea, aveva assegnato la responsabilità del disastro alla Morton Thiokol.
Il successo dei mercati predittivi non ha confini temporalmente limitati. Ancora recentemente, nel gennaio e febbraio 2022, aggregatori come Metaculus avevano indicato una probabilità estremamente alta per un’invasione russa dell’Ucraina, superando di gran lunga le previsioni pubbliche dei governi occidentali. Un esempio analogo si ha nel 2016-2020, quando Metaculus stimò circa il 36% di probabilità di una grande pandemia entro il 2026, un’indicazione che anticipò la realtà, mentre le autorità internazionali adottarono una comunicazione più cauta rispetto alle attese del mercato.
I mercati predittivi sono strumenti dove i partecipanti negoziano contratti legati a eventi futuri, spesso formulati come domande a risposta chiusa. Ogni contratto ha un valore che riflette una probabilità implicita di un evento. Ad esempio, un contratto che paga 1 Euro a 0,38 Euro indica una probabilità del 38% che l’evento si realizzi. Non è un’opinione, ma la sintesi di migliaia di giudizi supportati da capitali effettivi.
Si tratta di una differenza cruciale rispetto ai sondaggi tradizionali, che tendono a registrare la percezione di un momento preciso. I mercati predittivi introducono un fattore disciplinante: chi prevede in maniera errata perde soldi, e questo rende il sistema dinamico e in aggiornamento continuo. Questo consente di creare metriche adatte per essere integrate nei processi decisionali istituzionali.
Un paragone utile per chiarire il concetto è la tradizione dei pescatori in Bretagna, che prima dell’arrivo dei satelliti meteorologici usavano segni come il comportamento dei gabbiani e la colorazione del cielo per decidere se navigare. Singolarmente non erano esperti, ma la combinazione delle molteplici decisioni produceva una previsione collettiva più attendibile di qualunque esperto singolo. I mercati predittivi oggi formalizzano matematicamente questo meccanismo, rendendolo scalabile e replicabile a livello globale.
Un esempio reale di successo istituzionale si verifica nel 1968, quando un sottomarino nucleare americano, l’USS Scorpion, scomparve nell’Oceano Atlantico al largo della costa africana. Il matematico John Craven non si affidò a un singolo esperto ma radunò un gruppo eterogeneo di specialisti (ingegneri, oceanografi, ufficiali della marina). Chiese a ogni partecipante di scommettere una bottiglia di scotch sulla posizione del relitto e sulla causa del naufragio. Aggregò quindi le risposte usando il teorema di Bayes.
La posizione predetta come di massima probabilità risultò essere distante soltanto 220 metri dalla posizione reale in cui fu localizzato il relitto mesi dopo. Nessun singolo esperto aveva formulato quel giudizio, ma la somma ponderata delle convinzioni aveva funzionato. Questo caso, documentato in The Silent War di John Craven e pubblicato nel 2001, è il primo studio di Bayesian crowd forecasting applicato a una crisi di sicurezza nazionale.
Il progetto condotto da Philip Tetlock e Barbara Mellers ha ulteriormente dimostrato l’efficacia dei metodi rigorosi di previsione. I loro “Superforecaster” hanno superato sistematicamente le previsioni degli analisti dell’intelligence statunitense su eventi geopolitici. La straordinaria capacità di previsione non aveva a che fare con l’accesso ad informazioni esclusive: i Superforecaster operavano esclusivamente con fonti aperte (OSINT), eppure i loro risultati media erano circa il 30% più precisi rispetto agli analisti governativi.
La forza dei Superforecaster non consiste nel possedere maggiori informazioni, bensì nel metodo usato. Qualche punto chiave include:
- Aggiornamento bayesiano: i previsori revisionano costantemente le loro stime di fronte a nuove informazioni, trattando le probabilità come valori in costante evoluzione.
- Approccio sistematico: i Superforecaster usano tecnici per rivedere le loro convinzioni di base e operano in gruppi collaborativi dove si confrontano e migliorano l’una l’altra le previsioni.
- Calibrazione matematica: la capacità di rappresentare l’incertezza in numeri ben calibrati è un vantaggio decisivo per ottenere risultati migliori dei modelli ibridi basati sull’apprendimento automatico.
Questi risultati non passano inosservati: segnano una svolta epocale. La rigorosità metodologica e la flessibilità verso nuove informazioni sembrano compenso sufficiente o migliorativi rispetto all’accesso privilegiato a informazioni riservate.
Però, per adottare i mercati predittivi, le istituzioni devono comprendere meglio le limitazioni fondamentali. Un errore comune è il rischio che l’autorità decisionale, non riconoscendo questi vincoli, agisca in modo errato, convinto di disporre di informazioni sufficientemente esaustive.
- Manipolazione finanziaria: operatori con grandi risorse possono influenzare temporaneamente il mercato in mercati non liquidi. È cruciale monitorare il libro degli ordini, il prezzo di offerta, la concentrazione delle posizioni.
- Falsa precisione: un risultato probabilistico di 67,3% non è una certezza. Il rischio di comunicarlo come tale può generare illusioni peggiori dell’ignoranza.
- Ponderazione economicamente motivata: la forza dei mercati predittivi è la loro capacità di assegnare peso ai partecipanti che hanno interesse a formulare predizioni accurate, non alla