Applica più modelli allo stesso problema contemporaneamente

Quando modelli da campi diversi puntano alla stessa risposta, la fiducia sale; quando confliggono, impari qualcosa di importante.

Why it works

Un singolo modello predice bene i risultati dentro il proprio dominio ma genera falsa fiducia quando applicato fuori di esso. Eseguire diversi modelli strutturalmente diversi sullo stesso problema crea un ensemble naturale: dove convergono, il segnale è più forte; dove divergono, la divergenza rivela una caratteristica del problema che nessun singolo modello cattura da solo.

How to do it

1. Scegli una decisione o un problema su cui stai lavorando.
2. Applica almeno tre modelli da discipline diverse: uno basato sugli incentivi, uno psicologico, uno basato sui sistemi.
3. Scrivi la previsione di ciascun modello e la fiducia che gli assegna.
4. Confronta: dove concordano, procedi con maggiore fiducia; dove non concordano, indaga il disaccordo prima di decidere.

Prove scientifiche

Ensemble methods in statistics and machine learning consistently outperform single-model predictions by averaging over their diverse error patterns. The same logic applied to mental models is the core of Munger’s latticework — mechanistically sound, practitioner-established. (mechanistic)

Statistical ensemble research is a formal discipline; its analog in verbal reasoning is plausible but relies on the quality and diversity of the models applied, which is hard to verify.

Errore comune

Usare i modelli in sequenza ("applico prima il modello A, poi il modello B") invece che simultaneamente, perdendo i conflitti e le convergenze che appaiono solo quando vengono confrontati direttamente.