En kritisk og kærlig lussing til modellen om vilde problemer
Artiklen kritiserer modellen om vilde problemer, der forsøger at kortlægge komplekse samfundsudfordringer som klimakrisen og trivsel blandt unge. Den fremhæver, at denne tilgang kan fejle i at forstå nuancerne i problemerne, og at der er behov for en mere grundig refleksion over begrebet og dets anvendelse.

Nyhedsbrev #46 – En kritisk og kærlig lussing til modellen om vilde problemer
Når vi taler om vilde problemer, er det som at stå midt i en kakofoni (En kakofoni er en betegnelse for en ubehagelig, disharmonisk blanding af lyde, ofte høje og kaotiske) af forskellige melodier, der alle spiller på én gang. INVI - Institut for vilde problemer forsøger at være den dirigent, der kan få harmoni ud af dette kaos – men ligesom med en dårlig koncert, kan nogle toner skurre og få os til at krumme tæer.
Modellen om vilde problemer
Modellen ("Model for Vilde Problemer", udgivet i september 2024) er et ambitiøst forsøg på at kortlægge komplekse problemstillinger – af den type, der hverken kan løses med en hurtig politisk beslutning eller et PR-stunt. Vi taler om problemer som klimakrisen, unges skrantende trivsel og den vedvarende mangel på hænder i sundhedssektoren. Mens modellen søger at give os et kompas til at navigere gennem samfundets vildnis, er der nogle kritiske punkter, som vi er nødt til at diskutere og om vi kan se, om instrumenterne kan stemme lidt bedre.
Som Steen Visholmfremhæver i bogen Perspektiver på Vilde Problemer (2024):
"Visse begreber bliver i bestemte perioder populære, og denne popularitet tiltrækker fænomener, der ligner, men drejes lidt, så deres indhold kan profitere af det populære begrebs tiltrækningskraft."
Så inden vi får alt for meget medvind på et begreb, så synes jeg vi skal tage en hård opbremsning og kigger nærmere på de forhold, der med rette kan sættes spot på, dels med respekt for tidslighed og kravet til omfattende nytænkning. Betingelserne for forandring er til stede. Fordi behovet er klart, blind kapitalistisk vækst har spillet fallit i måden vi tænker bæredygtighed og samfundsudvikling.
’Wicked Problems’ er en definition, der er opstået tilbage i 1967 udformet af designprofessoren Horst Rittel. Det er først i senere i 1973, hvor Rittels møder byplanlæggeren Melvin Webber (Rittel & Webber, 1973), der beklagede sig over for meget ansvar og for lidt overblik.
Det 10. bud i Wicked Problems er ’byplanlæggeren har ingen ret til at tage fejl’, spørgsmålet her er, om vi her står med et begreb, der i sin oprindelse egentlig var en slags gravskrift, uden reelle perspektiver, men snarere en beklagelse over et tab.
Hvorfor er det så genopstået som en tendens
Det er lidt som når din ven sender dig sin nye musikindspilning, men rytmen er helt ude af takt. Du er nødt til at fortælle ham det, så han kan justere beatet og få det til at svinge næste gang.
1. Kvantificering af kaos – en umulig symfoni
Klassificering af kompleksitet
At forsøge at måle kompleksitet er som at prøve at indfange klangen af et ekko i en flaske. Forsøget på at kvantificere "vildhed" er lidt som at give et stykke fri jazz en karakter på 0 til 100.
For eksempel, hvordan måler du nøjagtigt, hvor meget klimaændringer er et vildt problem Er det 78 på skalaen Eller måske 92 Og hvem bestemmer det
Problemet med at sætte komplekse problemer på en lineær skala er, at det inviterer til en illusion af præcision, hvor der i virkeligheden burde være mere plads til kaos og usikkerhed. Dette, tæt pakket i AI datametoder, holdninger gjort til vektorer og statistiske formler illustrerer forsøget på at tvinge begrebet til at passe ind i nuværende økonomiske/logiske paradigme og, i mindre grad, den langsigtede tænkning i de komplekse samarbejdskonstellationer.
Når vilde problemer har hundredvis af variabler, som ændrer sig løbende, bliver det en opgave uden retning – og forsøget på at indfange kompleksiteten bliver hurtigt som at spille en melodisk skala på et ustemt klaver.
2. AI som kritikeren, der ikke helt forstår musikken
Kunstig intelligens i analysen
En af de smarte ting ved modellen er brugen af kunstig intelligens (AI) til at analysere, hvad folk siger om problemer. De kalder det "text-as-data", og det lyder cool. Men lad os lige tage et skridt tilbage. AI har svært nok ved at forstå vores mest simple hverdagsdialoger – tænk bare på alle de gange, din stemmestyrede assistent har forvekslet "spil jazz" med "spis glas”.
Nu skal vi så forvente, at den kan navigere i komplekse politiske/samfundsmæssige diskussioner
Modellen forsøger at måle, hvor forskellige aktører er i deres beskrivelse af problemer og løsninger ved at analysere sproget, de bruger. Men her ligger problemet: sprog er nuanceret og kulturelt påvirket, og folk har en tendens til at beskrive den samme ting på forskellige måder, uden nødvendigvis at mene noget helt andet.
Det er som forskellen på, at én person kalder det en 'storm' og en anden en 'orkan' – begge er enige om, at det blæser voldsomt, men AI’en kan nemt opfatte det som to forskellige fænomener. Modellen anvender dog 'word embedding', en teknologisk metode, der kortlægger ord i et flerdimensionelt rum baseret på deres betydning og kontekst. Dette gør det muligt for AI’en at forstå beslægtheden mellem ord som 'skærmtid' og 'mobiltelefon'. Denne forståelse er imidlertid baseret på statistisk analyse af mønstre i sproget snarere end en dybere forståelse af den kultur, der ligger bag ordet.
Brugen af "text-as-data" gennem AI minder om en maskine, der forsøger at bedømme en symfoni, men misforstår den menneskelige del af instrumenterne. AI'en kan måske godt skelne mellem 'storm' og 'orkan', men det er som en musiker, der rammer de rigtige noder uden helt at forstå musikken. Den kan skifte mellem dur og mol, men savner fornemmelsen for den subtile overgang, hvor følelserne virkelig spiller. Maskinen kan gengive melodien præcist, men det er lidt som en stiv præstation – teknisk korrekt, men uden den menneskelige autenticitet, der får musikken til at resonere dybt.
Det kan føre til misforståelser, der gør, at aktører virker mere uenige, end de egentlig er, blot fordi de bruger forskellige ord. Resultatet skaber et kunstigt billede af, at der er større uenighed og usikkerhed, end der i virkeligheden er. Det er lidt som at høre nogen sige "potato" og en anden sige "potahto" og konkludere, at de er dødelige fjender. Det er de ikke. De er bare fra forskellige regioner.
3. Subjektive toner: Bias som dissonans
Subjektivitet og bias
Der er også det med at spørge folk om deres mening – hvilket INVIs model gør i stor stil. Her er sagen: folk har meninger, og meninger er som bekendt meget subjektive. Det betyder, at når modellen beder aktører vurdere årsagerne til og løsningerne på et problem, så bringer de deres egne fordomme, erfaringer og ja, personlige dagsordener med ind i ligningen.
Det er lidt som at lade folk selv bedømme, hvad der forårsager samfundsproblemer. Der er altid nogen, der har en stærk mening om, at problemet skyldes regeringens inkompetence, mens andre peger på f.eks. kapitalismen.
”Det, vi tror på, bestemmer det, vi ser. Vi opsøger helst den evidens, der bekræfter os i, at de valg, vi allerede har truffet, er de rigtige.”
Det skriver Anne Skare Nielsenom confirmation bias (Perspektiver i Vilde Problemer, 2024).
Modellen tager ikke højde for, at folk nogle gange siger, hvad de tror, de skal sige, eller hvad der gavner dem selv. Og så har vi bias-problemet. Forestil dig, at du spørger en gruppe politikere og erhvervsledere om deres vurdering af et socialt problem – deres løsninger vil sandsynligvis afspejle deres egne interesser.
At lade folks subjektive meninger danne grundlaget for en model er som at lade hver musiker i et orkester spille i deres eget tempo og toneart. Resultatet er en disharmoni, hvor bias farver beslutningerne og gør det svært at høre den egentlige melodi. Det er vigtigt at erkende, at ikke alle aktører spiller med samme instrument, og at deres fortolkning af tonerne kan skævvride modellens resultater.
4. Ressourcer: En uendelig jam-session
Lad mig være ærlig:
INVIs model lyder fed på papiret, men den er også lidt af et ressourcemonster.
Vil du arbejde med det her i praksis? Næste hold starter 25. januar
Modellen kræver enorme mængder data, som skal indsamles fra forskellige aktører, og der skal gennemføres spørgeskemaundersøgelser, analyser og tekst mining i stor stil. Og ja, AI skal trænes, testes og opdateres løbende.
Forestil dig at skulle bruge den her model i en krisesituation, hvor der er behov for hurtige beslutninger. Tiden er ofte ikke på beslutningstagernes side, og med denne model skal de vente på, at al data bliver samlet ind, analyseret og formuleret til brugbare svar. I mellemtiden brænder verden – måske bogstaveligt, hvis vi taler klimaforandringer.
I en verden, hvor beslutningstagere ofte har brug for hurtige svar, kan denne model hurtigt komme til at føles som en symfoni, der fortsætter længe efter publikum, har forladt salen. Når man står midt i en krise, er det svært at finde tid til at vente på, at alle data bliver indsamlet og analyseret – nogle gange har man brug for en hurtig trommesolo, ikke en timinutters violinkoncert.
5. Teknologiens rytme – ikke alle har råd til instrumenterne
Modellen kræver en teknologisk infrastruktur, som ikke alle har adgang til. Det svarer til at forvente, at alle kan spille en Stradivarius, selvom mange kun har råd til en billig, ustemt violin.
Vi taler AI, datamodeller, tekstanalyser – det hele lyder som noget, der kræver massive IT-ressourcer. Men hvad nu, hvis du sidder i en kommune, der knap nok har råd til ordentlige fagsystemer, eller i en lille NGO, der forsøger at navigere i komplekse samfundsproblemer Det er ikke alle, der har adgang til de nødvendige teknologiske værktøjer og den ekspertise, der skal til for at få modellen til at fungere.
De steder, der har mest brug for hjælp til at navigere vilde problemer, vil ofte være dem, der ikke har ressourcerne til at bruge modellen. Der skal være plads til alle aktører i orkestret.
6. Praktik vs. teori – en duet, der ikke altid fungerer
Hvad med spørgsmålet om modellens praktiske anvendelighed
Praktiske udfordringer ved modellen
Mens det lyder godt at have en videnskabeligt funderet model, der giver beslutningstagere et kompas til at navigere i komplekse problemer, er virkeligheden ofte langt fra så pæn. I praksis kan beslutningstagere være nødt til at tage hurtige, pragmatiske beslutninger, og her kan modellen ende med at være for langsom eller for kompleks til at give brugbare svar. Beslutningstagere har brug for noget, der kan følge med dette tempo, ikke et værktøj, der spiller efter en forældet node.
Derudover kan modellen have svært ved at holde trit med virkelighedens dynamik. Vilde problemer er ofte karakteriseret ved, at de udvikler sig hurtigt – tænk på, hvordan COVID-19-pandemien ændrede sig fra uge til uge. Her kan en model, der tager tid at implementere og analysere, hurtigt blive forældet, før dens resultater overhovedet kan bruges.
Eksempelvis: er det som at få en nøjagtig node til en koncert, der allerede er i fuld gang – mens musikerne improviserer. Du kan følge noderne perfekt, men hvis rytmen og melodien allerede har ændret sig, vil dit spil hurtigt klinge falsk.
7. Viden er magt
Indsamling af data er således ikke blot en neutral proces, men også en magtudøvelse, fordi den skaber en bestemt forståelse af virkeligheden. Dem, der har adgang til data og evnen til at analysere den, har et forspring i forhold til andre aktører, da de kan påvirke beslutningsprocesserne med deres indsigt. Dette styrker deres position i de politiske og administrative diskussioner og sikrer, at de kan forme den offentlige politik og implementering af løsninger på vilde problemer.
Derudover bliver den måde, dataene fortolkes på, afgørende for, hvilke løsninger der fremmes, og hvilke aktører der får størst indflydelse. Som metoden viser, er operationalisering af årsager, løsninger, skala og konflikt netop måder at kvantificere de vilde problemers karakteristika, hvilket gør det muligt for dem, der kontrollerer og fortolker dataene, at styre handlingerne, der følger.
Bud på andre løsninger
Ved at påpege nogle af de kritiske punkter ved modellen, er det tid til at kigge på nogle bud på, hvordan vi kan gøre det bedre, i stedet for at jeg står og råber fra sidelinjen.
Hvis INVIs model ikke er den gyldne nøgle til at håndtere komplekse samfundsudfordringer, hvad kunne så være vejen frem Her er nogle ideer, der måske kunne hjælpe til med at tackle vilde problemer mere effektivt – uden at overforenkle eller tro, at kunstig intelligens kan klare hele opgaven.
1. Fleksible, iterative modeller: improvisation frem for stive skalaer
At omfavne kompleksitet i stedet for at forsøge at reducere den til en fast skala er det første skridt. INVIs model forsøger at sætte tal på problemernes "vildhed", men hvorfor ikke lade løsningerne udvikle sig ligesom problemerne selv En fleksibel, iterativ tilgang, hvor vi konstant opsamler ny data og justerer løsningerne undervejs, er et muligt bedre bud. Tænk på det som en jam-session i stedet for et færdigt partitur.
Denne metode kunne minde om agile arbejdsmetoder fra softwareudvikling, hvor løsninger ikke er fastlåste fra start, men hele tiden justeres i små trin med feedback undervejs. I praksis ville det betyde, at beslutningstagere eksperimenterer og finjusterer løsningerne i takt med, at problemets omfang ændrer sig. På den måde undgår vi, at en model er forældet, før den overhovedet er klar til brug.
Er det så ikke også et massivt dataindsamlingsprojekt
Ikke helt på samme måde. Fordi opgaven der er bestilt, er ikke en ønsket løsning, men en problemstilling der ønskes kigget på. Og her skal problemets kerne ikke være låst til delelementer, såsom at vi løser skærmtid og mobiltelefoner uden at kigge på trivsel, kultur og retning i et samfund. Og hver handling skal gøre os klogere på helheden og processen skal være eksplorativ.
2. Samskabelse mellem aktører
En anden tilgang er større brug af samskabelse. INVIs model indsamler subjektive vurderinger fra forskellige aktører, men hvad nu, hvis vi satte disse aktører sammen og lod dem spille på samme scene Ved at skabe platforme for samskabelse – workshops, rundbordsdiskussioner og borgerinddragelse – kan vi få forskellige perspektiver til at mødes og skabe en fælles melodi fremfor en kakofoni af individuelle stemmer.
Samskabelse betyder også, at vi ikke venter på "eksperter" eller "beslutningstagere", men i stedet inddrager de mennesker, der anses, står tættest på problemet og derved udgør et netværk. Det kunne være skolelærere, sundhedspersonale eller klimaforkæmpere. Ved at lade dem spille sammen kan vi skabe løsninger, der ikke blot er teoretisk forankrede eller matematisk udregnet, men er tættere på de mennesker, der skal leve med dem.
3. Systemtænkning – en symfoni af sammenhænge
En af de store fejl ved mange politiske værktøjer er, at de forsøger at opdele komplekse problemer i små siloer. Klimakrisen, social ulighed og sundhedspolitik hænger dog ofte sammen som en symfoni af systemer, hvor alle instrumenter skal spille sammen for at skabe harmoni. Ved at anvende systemtænkning kan vi forstå, hvordan løsningerne til ét problem kan påvirke andre dele af samfundet.
Systemtænkning kræver, at vi ser problemer som del af en større helhed, hvor alt påvirker hinanden. Det handler om at se på, hvordan forskellige systemer interagerer – ikke isolere problemerne i sektorer. På den måde kan vi undgå de utilsigtede konsekvenser, der ofte opstår, når vi løser ét problem uden at tage hensyn til de dominoeffekter, det kan have på andre områder.
4. Kvalitative tilgange: lyt mere, tæl mindre
Tal og data har deres plads, men nogle gange er det mere effektivt at lytte end at tælle.
I stedet for at stole blindt på kvantitative modeller, kunne vi inddrage kvalitative tilgange som interviews og dybdegående undersøgelser. Her kan vi finde de menneskelige historier bag problemerne – de historier, som ofte overses i regnearkene, men som kan give afgørende indsigt.
Denne tilgang kunne suppleres med regelmæssige dybdegående rapporter, der fanger konteksten, kompleksiteten og de menneskelige erfaringer med et problem. Det betyder, at beslutningstagere får en dybere forståelse af, hvad der faktisk sker, i stedet for at stole på abstrakte tal og modeller, som kan misforstå eller overse vigtige detaljer. Så stemmer orkestret også bedre.
5. Eksperimentel politikudvikling: små testforløb, store resultater
Forestil dig eksperimentel politikudvikling som en form for politisk jam-session – lidt som de danske frikommuneforsøg, hvor kommuner får lov til at improvisere løsninger uden altid at skulle følge den tunge regelbog. Det lyder som den perfekte opskrift på innovation, men som med al god musik, kræver det både systematik og øvelse for at finde den rigtige melodi.
Kritikken af frikommuneforsøg handler nemlig ofte om, at de spiller uden noder. Det er ikke nok bare at eksperimentere – vi skal sørge for at forstå, hvorfor nogle løsninger virker, og hvorfor andre ikke gør – noget virker lokalt andre kan være brugbart nationalt.
Og så er der det med konteksten.
En løsning, der fungerer fremragende i én kommune, kan vise sig at være helt ude af takt i en anden. Det er som at tage en succesfuld jazztrio fra New Orleans og smide dem ind i et operahus – det kræver lidt tilpasning! Derfor skal forsøgene designes med et blik for de forskellige forudsætninger, så vi ikke kun skaber lokale hits, men melodier, der kan spilles af mange.
Eksperimentel politikudvikling handler altså ikke om at teste mere, men om at teste smartere. Gøre viden til visdom. Og det taler til den processuelle kompetencer og til det personlige lederskab i dem.
✅ Se min artikel omkring dette her: mm.dk
6. Etik og værdibaserede beslutninger: anerkend værdikonflikter
Endelig er der et af de største spørgsmål ved vilde problemer: værdikonflikter. Ofte handler disse problemer om meget mere end blot tekniske eller politiske løsninger – de handler om grundlæggende værdier. Hvordan balancerer vi mellem økonomisk vækst, social retfærdighed og miljømæssig bæredygtighed Disse konflikter kan ikke bare måles væk.
I stedet for at ignorere værdikonflikter, bør vi tage dem op til åben diskussion. Vi skal beslutte som samfund, hvad vi værdsætter mest, og hvordan vi kan balancere mellem de mange modstridende interesser. Det er en kompleks opgave, men hvis vi ikke konfronterer værdikonflikterne, vil de fortsat undergrave vores bestræbelser på at håndtere de vilde problemer. De vil konstant skabe udfordringer, fordi de afslører vores egne uhensigtsmæssige handlinger og systemfejl.
Drop den gyldne nøgle – brug flere værktøjer
Der er ingen gylden nøgle, der kan låse op for løsningen på komplekse problemstillinger. I stedet kræver det en flerstrenget tilgang. Ved at kombinere systemtænkning, samskabelse, eksperimenter og kvalitative analyser kan vi skabe løsninger, der er bedre tilpasset virkelighedens kaos.
At løse vilde problemer kræver, at vi justerer vores instrumenter og er villige til at improvisere, når det er nødvendigt, og at vi lytter til alle dele af orkestret og sikrer, at alle spiller med. Og måden vi gør det på, kan variere fra dag til dag, fordi vi er mennesker.
Skrevet af: Ayhan Gormez, Stifter og ledelsesrådgiver Mindcloud♻️
Kilder & referencer
9- Wicked problems – personlige forudsætninger for anderledes problemløsning
- Lær at sige nej rigtigt – med fred indeni, der giver mere energi og overskud
- Bevægelsen mod det frisættende — fra ønske til levet praksis
- INVI’s model for Vilde Problemer (pdf-fil)
- Perspektiver på Vilde Problemer, Karsten Mellon m.fl. 1 udgave, 1. oplag, 2024
- Kap. 5, Steen Visholm, ”Vilde problemer, bidrag fra psykodynamisk systemteori”
- Kap. 3, Andreas Fricke Møller, Claus Elmholdt og Kristine Føge Jensen – ” Fire redskaber til håndtering af vilde problemer”
- Kap 10, Anne Skare Nielsen, ”Sæt din indre superhelt fri”
- Ayhan Gormez: I al vores snak om vilde problemer er fejlen at vi aldrig rammer lederens personlige rum
Fra læsning til praksis
Står du midt i en forandring?
Denne artikel er forberedelse til sessionerne 2, 3, 4 på Frisat Ledelse | Masterclass.
Det du netop har læst, får først vægt, når det møder andre lederes erfaring og modstand. Du kan tage det videre på to måder:
Relaterede artikler
Brandslukning i din organisation – er det et mønster, der gentager sig?
Om brandslukningskultur, autokratisk ledelse og det modige mindset. Hvad får organisationer til at handle regressivt i kriser?
#15Mentalisering, drømme og evnen til forandringsledelse
Om mentaliseringsevne i ledelse, lederens drømme om succes, og hvordan højrisikoteams lærer at samarbejde under pres.
#41Hvor enestående er din organisation egentlig?
Udforsk hvordan offentlige organisationer kan tiltrække 'krøllede hjerner' og skabe ægte forandring ved at skifte fokus fra fejl og ressourcemangel til potentiale og innovation.
Kortlæg dit eget lederskab gratis
En konto åbner to ting uden beregning
Har du allerede en konto?
Relaterede podcast-episoder
S4 · E13 · Martin Østergaard Christensen
Ledelse & vilde problemer - Hvordan arbejder en kommune helhjertet og meningsfuldt med komplekse samfundsproblemer? - med Martin Østergaard Christensen
S2 · E2 · Fiona Titley
Ledelse & pludselig opstået sygdom - jeg tog den røde pille - med Fiona Titley
S3 · E3 · Annemarie Zacho-Broe
Ledelse & tolerancetærskel - er der mindre tolerance overfor forandringer hos topchefer end medarbejdere? - med Annemarie Zacho-Broe
S4 · E2 · Andreas Baumann
Ledelse & kreativitet som katalysator - forberedelse af kommende live-event om kreativitet - med Andreas Baumann
Læs også
Kunstig dømmekraft
Temaside om AI, beslutninger og ledelsens dømmekraft
Masterclass i Frisat Ledelse
Intensivt lederudviklingsforløb med psykodynamisk supervision over 8 moduler
Frisat Ledelse — hele guiden
Hovedsiden om frisat ledelse: forudsætninger, psykodynamisk praksis og centrale begreber
Empatisk ledelse
Temaside om empati, relationer og det menneskelige i lederrollen
Magt og autoritet i ledelse
Temaside om magt, legitimitet og autoritet i organisationer
Ledertrivsel
Temaside om at holde fodfæste og trives i en kompleks lederrolle