Cuốn sách giúp bạn nhìn nhận các vấn đề trong cuộc sống hàng ngày bằng một cách hoàn toàn khác, dù đó là những vấn đề trong tự nhiên, trong kinh doanh hay trong xã hội.

Được biên tập bởi Diana Wright, cuốn cẩm nang này đã đưa tư duy hệ thống ra khỏi thế giới khô khan của máy tính và phương trình, trở thành một điểm khởi đầu tuyệt vời cho bất kỳ ai, dù bạn có nền tảng chuyên môn nào đi nữa.

Cuốn sách mở đầu bằng khái niệm đơn giản về một hệ thống và các thành phần của nó. Theo tác giả Donella Meadows:

“Một hệ thống là một tập hợp các yếu tố được kết nối với nhau một cách mạch lạc nhằm đạt được điều gì đó (một chức năng hoặc mục tiêu).”

Nói ngắn gọn, một hệ thống gồm ba yếu tố cơ bản:

• Các phần tử (Elements)
• Sự liên kết giữa các phần tử (Interconnections)
• Mục tiêu hay chức năng của hệ thống (Purpose)

Ví dụ, một đội bóng đá là một hệ thống. Huấn luyện viên, cầu thủ, quả bóng và sân đấu là các phần tử; chúng liên kết với nhau để đạt được những mục tiêu như thắng trận hay kiếm được hàng triệu đô la.

Tương tự, một ngôi trường là một hệ thống, một doanh nghiệp là một hệ thống, một khu rừng là một hệ thống, và cả vũ trụ của chúng ta cũng là một hệ thống.

Bên trong một hệ thống lớn có thể tồn tại nhiều hệ thống nhỏ hơn được gọi là “hệ thống phức hợp” (complex system). Cơ thể con người là một ví dụ điển hình.

Giữ cho mục tiêu của các hệ thống nhỏ hài hòa với mục tiêu chung của toàn hệ thống là yếu tố then chốt giúp hệ thống vận hành hiệu quả.

Các phần tử trong hệ thống là phần dễ hiểu nhất vì chúng hữu hình, bạn có thể nhìn thấy, chạm vào, hoặc đo đếm được. Vì thế, con người thường cố gắng “sửa” hoặc “tối ưu” những phần này để cải thiện kết quả đầu ra.

Tuy nhiên, để hiểu được hành vi của hệ thống, bạn cần quan sát cách nó vận động theo thời gian, và phần khó nhất chính là nhận ra mục tiêu hoặc chức năng thực sự của nó.

Hành vi của hệ thống được chia thành hai yếu tố: “tồn kho” (stocks) và “dòng chảy” (flows).

Tồn kho (stocks) là những yếu tố có thể đo lường tại một thời điểm nhất định - những thứ bạn có thể nhìn thấy hoặc nắm giữ được. Ví dụ: lượng nước trong bồn tắm, số sách trong cửa hàng, hay tiền trong tài khoản ngân hàng.

Dòng chảy (flows) là sự thay đổi của tồn kho theo thời gian, như sinh - tử, mua - bán, nạp - rút tiền. Các dòng chảy này liên tục thay đổi, và khi sự thay đổi trong tồn kho tác động ngược trở lại dòng vào và dòng ra của hệ thống, thì đó được gọi là “phản hồi” (feedback).

Có nhiều loại phản hồi khác nhau. Nếu một dòng chảy giúp ổn định sự khác biệt giữa mức tồn kho thực tế và mức tồn kho mong muốn, thì nó được gọi là phản hồi cân bằng (balancing feedback).

Có một loại vòng phản hồi khác được gọi là phản hồi củng cố (reinforcing feedback), loại phản hồi này liên tục tạo ra nhiều hơn hoặc ít hơn những gì đã tồn tại. Ví dụ, bạn càng có nhiều tiền trong tài khoản tiết kiệm, bạn càng nhận được nhiều lãi; và bạn càng có nhiều lãi, số tiền trong tài khoản của bạn càng tăng. 

Do đó, một cơ chế củng cố tạo ra sự tăng trưởng hoặc suy giảm liên tục hoặc theo cấp số nhân. Hai dạng phản hồi này rất quan trọng, bởi vì mọi hệ thống đều bao gồm chúng.

Một hệ thống hoạt động hiệu quả có ba đặc điểm chính: khả năng phục hồi (resilient), tự tổ chức (self-organized) và có tính phân cấp (hierarchical).

Khả năng phục hồi (Resilience) là yếu tố quyết định chính trong khả năng thích ứng của hệ thống với các điều kiện thay đổi, bởi nó thể hiện độ đàn hồi của hệ thống, hay nói cách khác là mức độ phục hồi sau khi trải qua biến động. Khả năng phục hồi của một hệ thống nhất định là kết quả của cấu trúc và cơ chế phản hồi của chính hệ thống đó.

Tuy nhiên, con người thường đánh giá thấp tầm quan trọng của khả năng phục hồi, và hy sinh nó để đạt được các mục tiêu như năng suất hoặc sự tiện lợi, cho đến khi hệ thống sụp đổ.

Ví dụ, ngành công nghiệp khai thác tài nguyên thiên nhiên để thu lợi nhuận, nhưng hậu quả là nhiều loài bị tuyệt chủng, hóa chất làm biến đổi đất, chất độc tích tụ, và cuối cùng thảm họa môi trường trở nên không thể tránh khỏi.

Tuy nhiên, khả năng phục hồi không phải là cơ chế phòng vệ duy nhất của hệ thống; một số hệ thống còn có thể tự tổ chức (self-organize). Điều đó có nghĩa là chúng có thể học hỏi, đa dạng hóa, tiến hóa và tự phát triển cấu trúc của chính mình. Ví dụ, một tế bào trứng đã được thụ tinh có khả năng tự phát triển thành một cơ thể hoàn chỉnh.

Nhưng tại sao lại cần phân cấp (hierarchies)?

Bởi vì phân cấp giúp giảm lượng thông tin mà mỗi bộ phận của hệ thống phải xử lý. Ví dụ, tế bào gan biết cách phân hủy độc tố, nên tế bào phổi không cần phải biết điều đó.

Những hệ thống mà chúng ta quen thuộc có thể trông rất rõ ràng, nhưng chúng ta sẽ hiểu sai nếu chỉ tập trung vào kết quả đầu ra (outputs) mà không để ý đến hành vi thực sự của chúng, tức là cách chúng vận hành theo thời gian.

Vấn đề nằm ở chỗ: vì đầu ra là phần dễ thấy nhất, nên con người thường đơn giản hóa hệ thống thành một chuỗi sự kiện. Ví dụ, trong bóng đá, chúng ta thường chỉ để ý đến việc đội nào thắng hay thua.

Hãy tưởng tượng bạn đang xem một trận đấu giữa hai đội ngang tài, nhưng một đội chơi cực kỳ tốt. Khi họ giành chiến thắng, bạn sẽ không quá ngạc nhiên, trong khi người chỉ nhìn vào kết quả cuối cùng (tỷ số) lại sẽ thấy bất ngờ.

 Điều này cho thấy: hiểu được quá trình quan trọng hơn chỉ nhìn vào kết quả. Nhưng đó không phải là sai lầm duy nhất. Con người còn có xu hướng dự đoán các mối quan hệ tuyến tính (linear relationships), trong khi thế giới thực lại vận hành theo cách phi tuyến tính (non-linear).

Ví dụ: nếu bạn thêm 10 pound phân bón vào một cánh đồng và thu được 2 giạ lúa mì, bạn có thể nghĩ rằng thêm 20 pound sẽ cho 4 giạ. Tuy nhiên, thực tế không như vậy, lượng phân bón dư thừa có thể làm hỏng đất, khiến năng suất không tăng mà còn giảm.

Cuối cùng, con người thường quên rằng các hệ thống hiếm khi tồn tại tách biệt hoàn toàn với nhau.  Do giới hạn của bộ não, chúng ta chỉ có thể xử lý một lượng thông tin nhất định, nên thường tách riêng từng hệ thống để dễ hiểu hơn.

Tuy nhiên, các ranh giới đó là nhân tạo, và chúng ta dễ quen với chúng đến mức nghĩ rằng chúng là tự nhiên. Kết quả là, chúng ta có xu hướng suy nghĩ quá rộng hoặc quá hẹp.

Ví dụ: khi bạn đang tìm cách giảm lượng khí thải CO₂, nếu xây dựng một mô hình chi tiết toàn bộ khí hậu Trái đất thì sẽ quá phức tạp, nhưng nếu chỉ tập trung vào ngành ô tô thì cũng sẽ không hiệu quả.

Tất cả các hệ thống đều có những đặc điểm chung, nhưng một số hệ thống có thể tạo ra những hành vi hết sức phi tự nhiên, thậm chí gây ra vấn đề nghiêm trọng. Điều này xảy ra khi các hệ thống con bên trong có những mục tiêu khác nhau, và hiện tượng đó được gọi là “sự kháng chính sách” (policy resistance).

Khi một tác nhân trong hệ thống hoặc trong bất kỳ hệ thống con nào chiếm ưu thế và dùng quyền lực đó để thay đổi hướng vận hành của hệ thống, thì các tác nhân còn lại phải nỗ lực gấp đôi để kéo hệ thống trở lại quỹ đạo ban đầu. Kết quả là một hệ thống trông như bị “kẹt”, liên tục lặp lại cùng một vấn đề hết lần này đến lần khác.

Ví dụ, những kẻ buôn ma túy và người nghiện đều muốn nguồn cung ma túy dồi dào, trong khi cảnh sát lại muốn điều ngược lại. Vì vậy, khi cảnh sát hành động để ngăn chặn ma túy nhập vào trong nước, giá ma túy tăng lên. Kết quả là, người nghiện phạm tội nhiều hơn để có tiền mua, còn các nhà cung cấp lại đầu tư nhiều tiền hơn để qua mặt cảnh sát.

Để sửa chữa một hệ thống như vậy, cần tạm buông kiểm soát và dồn năng lượng, nguồn lực vào việc gắn kết các tác nhân trong những hệ thống con lại với nhau để họ tìm ra một giải pháp có lợi cho tất cả các bên.

Một hệ thống có thể được điều chỉnh về mặt vật lý nhằm cải thiện năng suất hoạt động - thông qua việc thay đổi dung lượng đệm (buffer), thiết kế hệ thống và độ trễ (delays).

Bộ đệm của hệ thống (system buffers) - như thời gian, hàng tồn kho hoặc không gian lưu trữ - phải có kích thước tối ưu để hệ thống vận hành đúng cách. Do đó, tăng dung lượng của bộ đệm có thể giúp hệ thống ổn định hơn.

Thiết kế hệ thống (system design) cũng là một yếu tố quan trọng. Một hệ thống được thiết kế tốt sẽ đạt hiệu quả tối đa, ít bị ảnh hưởng bởi biến động, và hiểu rõ giới hạn của chính nó. Ví dụ: trước đây, tuyến đường duy nhất nối giữa phía Đông và phía Tây Hungary đi qua thủ đô Budapest, khiến tình trạng ùn tắc nghiêm trọng. Việc thêm đèn giao thông không thể giải quyết vấn đề; hệ thống giao thông cần được thiết kế lại hoàn toàn.

Cuối cùng là độ trễ (delays) - tức là khoảng thời gian mà hệ thống hoặc các tác nhân trong đó nhận biết và phản ứng với sự thay đổi. Tất cả các hệ thống đều có độ trễ, nhưng nếu độ trễ kéo dài, hệ thống sẽ khó thích ứng với những biến động ngắn hạn. Do đó, độ trễ nên tỷ lệ thuận với tốc độ thay đổi của hệ thống.

Ví dụ, trong nền kinh tế toàn cầu, thế giới luôn thúc đẩy tăng trưởng kinh tế nhanh hơn, nhưng thực tế vật lý của các yếu tố như nhà máy, công nghệ, giá cả và ý tưởng không thể thay đổi cùng tốc độ. Nói cách khác, có một độ trễ nhất định. Vì vậy, làm chậm tốc độ tăng trưởng, từ đó tạo thời gian cho công nghệ và giá cả bắt kịp sẽ giúp hệ thống hoạt động hiệu quả hơn.

Thay đổi các yếu tố vật lý của một hệ thống có thể giúp nó vận hành tốt hơn nhưng còn có những cách khác để khắc phục vấn đề. Một trong số đó là tập trung vào dòng chảy thông tin (information flow), các quy tắc của hệ thống (rules), và khả năng tự tổ chức (self-organization).

Các hệ thống thường thiếu dòng chảy thông tin đầy đủ. Vì vậy, bổ sung luồng thông tin có thể mang lại những cải thiện đáng kể. 

Ví dụ, việc lắp đặt đồng hồ điện ở hành lang thay vì trong tầng hầm đã giúp giảm tiêu thụ năng lượng xuống một phần ba tại một số khu ngoại ô ở Hà Lan - chỉ đơn giản vì cư dân có thể nhìn thấy mức sử dụng của họ và điều chỉnh cách dùng điện phù hợp.

Ở thời điểm này, bạn có thể đã hiểu rằng các hệ thống không thể được kiểm soát hoàn toàn và chúng ta chỉ có thể hiểu chúng ở mức khái quát nhất.

Nhưng có một vài bước đơn giản có thể giúp bạn hiểu rõ hơn thế giới của các hệ thống và nâng cao hiệu quả của chúng.

Đầu tiên, quan sát hành vi của hệ thống bằng cách tìm hiểu lịch sử và thu thập thông tin. Thế giới đầy rẫy những ngộ nhận, và càng có nhiều dữ liệu, ta càng có thể đưa ra những đánh giá chính xác hơn.  Ví dụ, bạn có thể nghĩ rằng giá cả đang tăng, nhưng trên thực tế, chúng có thể đang giảm.

Sau khi thu thập dữ liệu, hãy viết lại cách hệ thống đó vận hành, bao gồm cấu trúc và chức năng của nó. Việc này giúp kiểm tra lại mô hình của bạn có đầy đủ, hợp lý và nhất quán hay không.
Quan trọng hơn, hãy để ý xem hệ thống tự tạo ra hành vi của nó như thế nào. Để làm được điều đó, hãy tự hỏi:

• Những ảnh hưởng bên ngoài và bên trong nào tạo ra các hành vi nhất định?
• Những yếu tố đó có thể kiểm soát được hay không?

Khi bạn trả lời được những câu hỏi này, bạn sẽ nhìn ra đâu là trách nhiệm trong hệ thống, hành động được tạo ra như thế nào, và chúng dẫn đến hệ quả gì.

Ví dụ, nếu bạn tức giận vì chuyến bay bị hoãn, và tự hỏi những câu hỏi trên, bạn sẽ ít có xu hướng trút giận lên tiếp viên vô tội bởi bạn đã hiểu đó là kết quả của cả một chuỗi tác động trong hệ thống.

Mọi thứ chúng ta nhìn thấy, làm và trải nghiệm trong thế giới này đều được cấu thành từ các hệ thống.

Mặc dù chúng ta không thể hiểu trọn vẹn, dự đoán chính xác hành vi, hay kiểm soát hoàn toàn chúng, ít nhất chúng ta có thể nghiên cứu cách chúng vận hành và mô hình hành vi của chúng.

Việc đó sẽ giúp ta hỗ trợ hệ thống hoạt động tốt hơn và nhận ra khi nào một hệ thống đang bị hỏng và cần được sửa chữa.

- Theo Khalil Ibe