A legtöbb üzleti keretrendszer készen és magabiztosan érkezik. Négy doboz, egy fülbemászó betűszó, egy ígéret. A Roth Complexity Lab valami szokatlant tesz a saját keretrendszerével: felsorolja, hogyan tévedhet, aztán megkér másokat, hogy ellenőrizzék.

Mi a Roth Complexity Lab?

A Roth Complexity Lab budapesti kutatólabor és agytröszt, amelyet Róth Miklós alapított. Önmagát nyilvános tudományos intézetként írja le, amely a komplex adaptív rendszerek, az AI és az új matematika születésének generatív modellje terén folytat kutatást, mindezt egyetlen szemüvegre építve: a S·I·C·T keretrendszerre (Struktúra, Információ, Kohézió, Transzformáció). Elsősorban távmunkában működik, és nemzetközi együttműködésekben dolgozik. Az otthona a rothcomplexity.org.

A labor Róth üzleti munkája mellett működik. A CRS AI Marketing & SEO Ügynökség és a Roth AI Consulting adja a valós problémákat. A laborban formalizálják, tesztelik, és ha kell, kidobják a mögöttük álló ötleteket.

Miért alapít kutatólabort egy ügynökségvezető?

Róth szokatlanul nyíltan beszél a motivációjáról. Egy LinkedIn-bejegyzésében azt írta, hogy olykor túl gyorsan rohant a válaszok felé, összetévesztette a bonyolultságot a mélységgel, és ragaszkodott ötletekhez, mielőtt elég keményen tesztelte volna őket, és hogy a legértékesebb dolgok, amelyeket ma tud, a tévedéseiből születtek. A S·I·C·T-t is ebben a szellemben mutatja be: nem kész elméletként, hanem javaslatként, amelynek az értéke azon múlik, kiállja-e a valósággal való találkozást. Hol működik? Hol bukik el? Min kell változtatni, és mit kell elvetni?

Ez a hozzáállás ritka a tanácsadásban, ahol a keretrendszerek többnyire termékek. A laborban a keretrendszer hipotézis.

Hogyan címkézi a labor az állításait?

A labor minden közzétett állítása episztemikus címkét kap arról, mennyire alátámasztott:

• Szigorú: matematikailag bizonyított vagy adatokon tesztelt.
• Értelmező: a bizonyítékok megalapozott olvasata, de mégiscsak olvasat.
• Analóg: hasznos párhuzam két terület között, nem bizonyíték.
• Spekulatív: nyitott fogadás, kifejezetten így jelölve.

A labor preparadigmatikus rendszertudománynak nevezi a S·I·C·T-t: szigorú javaslatnak, amelynek konkrét útja van az erősebb validáció felé, de még nem lezárt elmélet. Az olvasó egy pillantással látja, egy érvelés mely részei teherhordók, és melyek felfedezők. A magabiztosan hangzó szövegek áradatában ez a címkézési fegyelem talán bármelyik egyedi eredménynél többet ér.

Mit kutat valójában a labor?

A közzétett munkái szándékosan széles skálán mozognak, hiszen egy keretrendszert, amely általában állít valamit a rendszerekről, nagyon különböző rendszereken kell tesztelni. A rothcomplexity.org témái között szerepel:

• A S·I·C·T protokoll matematikai formalizálása, az S + C ≥ I + T stabilitási feltétellel együtt.
• Többügynökös együttműködés a SICT Meta-Modellen keresztül, ami közvetlenül érinti azt is, hogyan hangolják össze munkájukat az AI-ügynökök csapatai.
• Kvantum- és klasszikus fizika a S·I·C·T szemüvegén át.
• A törékenység korai jelei a pénzügyi rendszerekben, előre regisztrált diagnosztikai megközelítésekkel.
• Hogyan születik az új matematika: az a gondolat, hogy amikor egy terület információja és nyomása maga alá gyűri a struktúráját és kohézióját, a koherencia magasabb absztrakciós szinten tér vissza.
• A keretrendszer kognitív operacionalizálása ágensalapú AI-rendszerekhez.

Ezek közül néhány messze esik a marketingtől. Ez szándékos. Ha ugyanaz a négy koordináta hasznosat mond egy jegybankról, egy fizikai problémáról és egy AI-t bevezető cégről, a keretrendszer kiérdemelt némi hitelt. Ha nem, a labor tudni akarja.

Hogyan teheti közzé egy keretrendszer, hogyan kellene elbuknia?

Úgy, hogy előre kimondja, mely megfigyelések szólnának ellene. A nyílt kutatási programjában a labor arra hívja a külső kutatókat, hogy futtassanak konkrét teszteket olyan adatokon, amelyekhez ő maga nem fér hozzá; ellenőrizzék, adnak-e a S·I·C·T-ből származó mutatók előrejelző többletet a szokásos korai figyelmeztető jelzőkhöz képest (a nulleredményt kifejezetten publikálhatónak tekintve); és próbálják megdönteni az előrejelzéseit előre regisztrált mérőszámokkal.

Ez a falszifikáció klasszikus logikája, egy gyakorló tanácsadó saját eszköztárára alkalmazva. Ez magyarázza azt is, kiket keres a labor: rendszertudósokat, AI-szabályozási szakértőket, szervezeti vezetőket, számítógépes társadalomtudósokat és oknyomozó újságírókat, akik ott dolgoznak, ahol az intézményi törékenység és a gyors technológia találkozik.

Milyen szokásokat vehet át egy cég a labortól?

Nem kell kutatólabort működtetni ahhoz, hogy a fegyelmét használjuk. Három szokás közvetlenül átültethető az üzleti életbe, és egyre fontosabbak, ahogy az AI olcsóvá teszi a csinosnak látszó elemzéseket.

Címkézzük az állításainkat. Mielőtt egy igazgatósági prezentáció vagy stratégiai feljegyzés kimegy, jelöljük meg minden kulcsállítását: mért, következtetett, feltételezett vagy remélt. Tíz perc, és megváltoztatja a beszélgetést, mert mindenki látja, valójában mely számokon nyugszik a terv.

Írjuk le a bukási feltételeket a pilot előtt. Döntsük el előre, milyen eredmény esetén állítunk le egy AI-pilotot, és írjuk le. A kutatók ezt előzetes regisztrációnak hívják. A cégeknél ez megelőzi azt az ismerős csúszást, amikor utólag minden pilotot sikeresnek nyilvánítanak.

Hívjuk ki magunk ellen a támadást. Kérjünk meg valakit a projekten kívülről, hogy érveljen amellett, hogy nem fog működni. Egy red teamet, egy szkeptikus kollégát, egy ügyfelet. A cél nem az ötletek kinyírása, hanem a gyenge pontjaik megtalálása, amíg még olcsó javítani őket.

Mit jelent mindez Róth ügyfeleinek?

Többet, mint elsőre tűnik. Annak a tanácsadónak, aki címkézi a saját állításait, könnyebb elhinni, amikor valamit biztosnak mond. Amikor Róth a Roth AI Consultingon keresztül azt mondja egy ügyfélnek, hogy az AI-bevezetése lehagyja a struktúráját, a diagnózis egy olyan keretrendszerből jön, amelyet kitettek a kritikának, nem pedig óvtak tőle. És amikor nem biztos valamiben, az a szokása, hogy ezt ki is mondja. Itt a keretrendszer magyarázata.