نشأ مصطلح تأثير الكوبرا في حكاية، تم تحديدها في زمن الحكم البريطاني للهند الاستعماري، كانت الحكومة البريطانية تشعر بالقلق إزاء عدد الثعابين الكوبرا السامة في دلهي، لذلك عرضت الحكومة مكافأة لكل كوبرا ميتة، في البداية كانت هذه استراتيجية ناجحة حيث قُتل عدد كبير من الثعابين مقابل المكافأة، في نهاية المطاف، ومع ذلك بدأ الناس المغامرة لتربية الكوبرا للدخل، عندما أصبحت الحكومة تدرك ذلك، تم إلغاء برنامج المكافآت، مما تسبب في قيام مربي الكوبرا بإطلاق الثعابين التي لا قيمة لها الآن مجانًا، نتيجة لذلك، زاد عدد الكوبرا البرية، حيث أن الحل الواضح للمشكلة جعل الوضع أسوأ.

 

السلوك المضاد الحدسي

– نحن نعيش في عالم مترابط للغاية حيث إجراءات الإدارة لها نتائج متعددة، عند اتخاذ إجراء، قد تحدث النتيجة المقصودة، ولكن سيحدث دائمًا عدد من النتائج غير المتوقعة، في حين أن النتيجة غير المتوقعة يمكن أن تكون مفيدة، إلا أن مثل هذه الأحداث المروعة نادرة للغاية، والأكثر ترجيحًا هو أن النتائج غير المتوقعة ستكون غير مرغوب فيها، يمكن اعتبار هذه النتائج بمثابة “مفاجآت سياسية” غير بديهية، فإذا كنا نريد تجنب مفاجأة السياسة غير المرغوب فيها، فإننا بحاجة إلى تحسين الحدس لدينا فيما يتعلق بتشغيل السبب والنتيجة في النظم الاجتماعية والبيئية المعقدة.

 

– من الأهمية بمكان تطوير أساليب تساعدنا على تصور وفهم علاقات السبب والنتيجة في الأنظمة المعقدة، نحن بحاجة إلى طرق للتقدم أبعد من التفكير الخطي، على وجه الخصوص، نحتاج إلى فهم مفهوم التعليقات وتقييم الدور المهيمن الذي تلعبه في تحديد استجابات النظام لمبادرات الإدارة.

 

تعزيز وموازنة ردود الفعل لمشكلة

– هناك نوعان فقط من حلقة التغذية المرتدة الأساسية؛ التعزيز والتوازن، هناك فرضية أن زيادة توفر فرص النقل النشط ستزيد من مدى “رؤية” أفراد المجتمع لمزايا النقل النشط، تؤدي الزيادة في وضوح الفوائد إلى زيادة التزام المجتمع بالنقل النشط، مما يؤدي إلى زيادة إضافية في توفر فرص النقل النشط، وبالمثل إذا انخفض مستوى أي من المتغيرات في حلقة التعزيز هذه، فسيتم نشر هذا التغيير حول الحلقة لتقليل هذا المستوى أكثر، هذا التأثير المضخم، والذي يمكن أن يدفع النمو المتسارع أو انهيار نظام النقل النشط.

 

– حلقة السبب والنتيجة الأساسية الأخرى هي “موازنة الملاحظات”، (وتسمى أيضًا “التعليقات السلبية”) وهي “البحث عن الأهداف”، هذا هو الأساس لأنظمة التحكم الاصطناعية والطبيعية ومرونة النظام، والهدف هو الحفاظ على مستوى مستدام لاستهلاك الموارد مرتفع بدرجة كافية لتلبية احتياجات المجتمع، ولكنه منخفض بما يكفي لضمان استمرارية المورد على المدى الطويل.

 

– على سبيل المثال، إذا ارتفع المستوى الفعلي لاستهلاك الموارد عن المستوى المستدام، فسيتم اتخاذ إجراء لعكس التغيير، تعمل حلقة الملاحظات لتقليل الفرق بين المستويين من الناحية المثالية، سيتم الحفاظ على الفرق بالقرب من الصفر.

 

– في نظام معقد، في العالم الحقيقي، سيكون هناك العديد من حلقات التعزيز والتوازن، والتفاعل مع بعضها البعض، على الرغم من ذلك لا يزال معظمنا يفكر في السلاسل السببية البسيطة والآثار الخطية الفورية، على وجه الخصوص، نميل إلى التغاضي عن التعليقات بين القرارات التي تتخذها مجموعات الإدارة التي تعمل بمعزل عن بعضها البعض.

 

– تعتبر التغذية المرتدة عبر القطاعات غير مرئية إلى حد كبير نظرًا لوجود قدر ضئيل من التواصل بين المديرين في “الصوامع” المختلفة، ومما زاد الطين بلة، وغالبا ما تتأخر آثار ردود الفعل الرئيسية (في بعض الأحيان لعقود أو أكثر)، أو تحدث في مواقع بعيدة عن الإجراءات المسببة مما يجعل من الصعب الاكتشاف.

 

الكوبرا و صناعة القرار

– يواجه صانع القرار الذي يسعى إلى توقع الطريقة التي يستجيب بها نظام معقد لمبادرة إدارة مخططة، يبرز سلوك النظام المعقد من تفاعلات التغذية الراجعة بين أجزائه، هذا يعني أنه من ناحية لا يمكن فهم سلوكه من خلال دراسة الأجزاء التي يتم التقاطها واحدًا تلو الآخر في عزلة، حيث يحتاج النظام إلى النظر إليه ككل، من ناحية أخرى، تبين أن هذه الأنظمة معقدة للغاية بحيث لا يمكن دراستها ككل.

 

– عند مواجهة هذه المعضلة، يميل صانعو القرار الذين يفتقرون إلى الوقت إلى القيام بأحد شيئين، إما أن يدرسوا جزءًا صغيرًا من النظام بمعزل، وبالتالي يستبعدون فرصهم في رؤية تأثيرات التغذية الراجعة الهامة عبر القطاعات، أو يتخلون ببساطة عن محاولتهم ليكونوا نظاميين، وفي كلتا الحالتين فشلوا في تجنب مفاجأة السياسة في المستقبل.

 

– ولكن هناك احتمال ثالث، يسعى المديرون في بعض الأحيان إلى تطوير نماذج ديناميكية عاملة يمكن أن تساعدهم على توقع النتائج المحتملة غير المرغوب فيها للإجراءات المقترحة، فكرة أن يمكن للمرء أن يمتلك نموذجًا للتقدم قبل الواقع فكرة جذابة للغاية، ومع ذلك، فإن إنشاء نماذج تفصيلية مفيدة هو مهمة صعبة تتطلب كميات كبيرة من بيانات السلاسل الزمنية الموثوقة ومشاركة محللي البيانات الخبراء ووحدات النماذج، في كثير من الحالات، لا يمكن تلبية هذه الشروط.