Κοινωνικοτεχνικά Συστήματα

Το επιχειρησιακό μοντέλο της Ιωάννας Τριπερίνα στο e-Health

Η Ιωάννα Τριπερίνα, ως Psychologist Experience Designer, μπαίνει μέσα σε έναν οργανισμό (action research) για να σχεδιάσει τη ψηφιακή μετάβαση ως Κοινωνικοτεχνικό Σύστημα, χρησιμοποιώντας Ανάλυση Λόγου για να εκπαιδεύσει το AI και Εξηγήσιμη AI για να προστατεύσει την αυτονομία των εργαζόμενων/χρηστών.

Η Φιλοσοφία της Προσέγγισης

Στο πλαίσιο του σχεδιασμού προηγμένων ψηφιακών υποδομών (όπως οι πλατφόρμες ψυχικής υγείας και τα δίκτυα ψυχολογικής υποστήριξης), η τεχνολογία δεν αντιμετωπίζεται ποτέ ως ένα απομονωμένο εργαλείο λογισμικού. Αντίθετα, ορίζεται ως ένα Κοινωνικοτεχνικό Σύστημα (Socio-technical System - STS), όπου δύο αυτόνομα αλλά πλήρως αλληλένδετα υποσυστήματα πρέπει να συν-εξελιχθούν:
• Το Τεχνικό Υποσύστημα (Technical Subsystem): Οι αλγόριθμοι Τεχνητής Νοημοσύνης, οι βάσεις δεδομένων, τα APIs (HL7 FHIR), οι αρχιτεκτονικές cloud και οι κώδικες front-end/back-end.
• Το Κοινωνικό Υποσύστημα (Social Subsystem): Οι άνθρωποι (πολίτες, επαγγελματίες υγείας, διοικητικά στελέχη), οι ρόλοι τους, οι ψυχολογικές τους ανάγκες, οι οργανωσιακές κουλτούρες (Δήμων/Νοσοκομείων/ΕΣΥ), και το θεσμικό/κανονιστικό πλαίσιο.

Η βελτιστοποίηση του τεχνικού υποσυστήματος εις βάρος του κοινωνικού οδηγεί νομοτελειακά σε συστημική απόρριψη, οργανωσιακό burnout και επιχειρησιακή αποτυχία. Η επιτυχία του έργου εξαρτάται από τον Συν-σχεδιασμό (Joint Optimization) και των δύο υποσυστημάτων.

Ο Επιχειρησιακός Κύκλος της Παρέμβασης

Στα πλαίσια της κοινωνικοτεχνικής προσέγγισης (Socio-Technical Systems) στο HΑI, η ανάπτυξη ενός συστήματος δεν είναι μια γραμμική τεχνική διαδικασία, αλλά ένας συμμετοχικός κύκλος παρέμβασης και αλλαγής, που βασίζεται στη μεθοδολογία της Έρευνας Δράσης (Action Research). Κάθε φάση τροφοδοτείται από ένα εξειδικευμένο επιστημονικό εργαλείο:

Φάση 1: Διερεύνηση Αναγκών / Μεθοδολογία Έρευνας (Ανάλυση Λόγου)
• Η Διαδικασία: Η εισαγωγή της τεχνολογίας ξεκινά με τη χαρτογράφηση του υφιστάμενου οικοσυστήματος. Χρησιμοποιώντας ποιοτικές μεθόδους (Ανάλυση Λόγου, Focus Groups, Παρατήρηση), αποτυπώνονται οι πραγματικές ανάγκες, οι προσδοκίες και οι πηγές άγχους ή αντίστασης των χρηστών.
• Το Κοινωνικοτεχνικό Όφελος: Αντί οι Μηχανικοί Πληροφορικής να σχεδιάζουν βάσει θεωρητικών υποθέσεων, αποκτούν τη σημασιολογική γείωση του πεδίου, αποτρέποντας σχεδιαστικά σφάλματα πριν την έναρξη της ανάπτυξης της τεχνολογίας.

Σε αυτό το στάδιο χαρτογραφείται το υφιστάμενο σύστημα. Αναλύεται πώς οι άνθρωποι, οι υπάρχουσες διαδικασίες και οι αξίες τους αλληλεπιδρούν, ώστε να εντοπιστούν τα τυφλά σημεία (π.χ. πηγές burnout ή συστημικής αντίστασης) πριν σχεδιαστεί η τεχνολογία.

Φάση 2: Σχεδιασμός Παρέμβασης / Σχεδιασμός Εμπειρίας (Experience Design - XD)
• Η Διαδικασία: Όταν περνάμε στον «Σχεδιασμό της Παρέμβασης», το βασικό μας εργαλείο είναι το Experience Design (XD). Σε αυτό το στάδιο μεταφράζονται οι ανάγκες που εντοπίστηκαν σε σενάρια χρήσης (use cases), προφίλ χρηστών (personas), χάρτες συναισθηματικής διαδρομής (user journey maps) και διαδραστικά πρωτότυπα (figma).
• Το Κοινωνικοτεχνικό Όφελος: Το XD διασφαλίζει ότι το περιβάλλον αλληλεπίδρασης δεν είναι απλώς μια οθόνη, αλλά ένας ασφαλής «ζωτικός χώρος» που μειώνει το γνωστικό φορτίο (του ευάλωτου πολίτη ή του πιεσμένου υπαλλήλου), μετατρέποντας το interface σε πλαίσιο που εμπνέει εμπιστοσύνη και επιτυγχάνει συμπερίληψη.

Φάση 3: Παρέμβαση (Υλοποίηση) / Εξηγήσιμη Τεχνητή Νοημοσύνη (Explainable AI - XAI)
• Η Διαδικασία: Το σύστημα εισάγεται πιλοτικά στην κοινότητα και οι άνθρωποι αρχίζουν να αλληλεπιδρούν με το ζωντανό AI. Για να είναι αυτή η παρέμβαση οργανωτικά βιώσιμη, η παρουσία της Εξηγήσιμης Τεχνητής Νοημοσύνης (Explainable AI) είναι υποχρεωτική. Οι αλγόριθμοι AI επεξεργάζονται δεδομένα και παράγουν εισηγήσεις (π.χ. red flags κινδύνου). Μέσω του XAI, οι αποφάσεις του αλγορίθμου οπτικοποιούνται με διαφάνεια στο Admin Panel.
• Το Κοινωνικοτεχνικό Όφελος: Αποφεύγεται το φαινόμενο του «μαύρου κουτιού» (black box). Αν το AI λειτουργήσει ως «μαύρο κουτί», η παρέμβαση θα αποτύχει γιατί οι χρήστες (π.χ. δημόσιοι υπάλληλοι ή γιατροί) θα νιώσουν ότι χάνουν τον έλεγχο. Το XAI υλοποιεί την αρχή του human-in-the-loop: παρέχει διαφάνεια, εξηγεί τις προτάσεις του αλγορίθμου στο Admin Panel και επιτρέπει στον άνθρωπο να διατηρεί την τελική εποπτεία (για παράδειγμα ο επαγγελματίας υγείας κατανοεί γιατί το AI προτείνει μια ενέργεια, διατηρώντας τον τελικό έλεγχο και την αυτονομία του).

Φάση 4: Αξιολόγηση / Ηθική AI (Ethical AI Compliance)
• Η Διαδικασία: Η «Αξιολόγηση» ενός κοινωνικοτεχνικού συστήματος δεν μετράει μόνο αν ο κώδικας «τρέχει» γρήγορα (τεχνική αξιολόγηση), αλλά αν το σύστημα είναι δίκαιο, ασφαλές και ωφέλιμο. Το πρίσμα της «Ηθικής του AI» (Ethical AI) παρέχει το κανονιστικό και δεοντολογικό πλαίσιο για αυτή την αποτίμηση. Το σύστημα αξιολογείται ολιστικά με βάση το ευρωπαϊκό κανονιστικό πλαίσιο (EU AI Act, GDPR, NIS2) και τις αρχές των ανθρωπίνων δικαιωμάτων. Ελέγχονται οι αλγόριθμοι για μεροληψία (bias audits) και μετράται ο αντίκτυπος στην κοινότητα.
• Το Κοινωνικοτεχνικό Όφελος: Η αξιολόγηση πιστοποιεί ότι η τεχνολογική παρέμβαση ενίσχυσε τη συστημική ζωτικότητα του οργανισμού, προστατεύοντας παράλληλα τα ευαίσθητα δεδομένα της ψυχικής υγείας. Σε αυτή τη φάση εξετάζεται η συμμόρφωση με τον GDPR και το EU AI Act (π.χ. μέσω DPIA). Αξιολογείται αν ο αλγόριθμος αναπαράγει προκαταλήψεις (bias), αν προστατεύεται η ιδιωτικότητα και αν η εισαγωγή του συστήματος δημιούργησε νέες ηθικές προκλήσεις.

Το Στρατηγικό Πλεονέκτημα της Διεπιστημονικής Ομάδας

Η υιοθέτηση της Κοινωνικοτεχνικής Προσέγγισης προσφέρει τρία άμεσα πλεονεκτήματα στη διεπιστημονική ερευνητική ομάδα που έχει αναλάβει τον σχεδιασμό προηγμένων ψηφιακών υποδομών:

1. Μείωση του Τεχνικού Ρίσκου (De-risking): Ο εντοπισμός των ανθρωποκεντρικών και κανονιστικών περιορισμών στις Φάσεις 1 και 2 προστατεύει τους Μηχανικούς Πληροφορικής από το να γράψουν κώδικα που θα πρέπει να αλλάξει ριζικά αργότερα.
2. Θεσμική Θωράκιση (Compliance): Η ενσωμάτωση του Ethical AI και του XAI από τον σχεδιασμό (by design) διασφαλίζει ότι η πλατφόρμα θα περάσει με επιτυχία τα αυστηρά φίλτρα του EU AI Act για συστήματα υψηλού κινδύνου.
3. Κοινωνική Αποδοχή (High Adoption Rates): Επειδή οι τελικοί χρήστες συμμετέχουν ως συν-δημιουργοί (co-designers) μέσω της Έρευνας Δράσης, το τελικό σύστημα ενσωματώνεται ομαλά στην καθημερινή πρακτική, εκμηδενίζοντας τη συστημική αντίσταση.

Συνοψίζοντας:

·        Ξεκινάμε από τον Άνθρωπο, τη βιωματική ψυχολογία, την ανάλυση λόγου και τις δυναμικές των ομάδων.

·        ​Σχεδιάζουμε την τεχνολογία και το AI (μέσω του Experience Design και του XAI) ως έναν ζωτικό χώρο που πρέπει να υπηρετήσει τον Άνθρωπο.

·        Μεριμνούμε για την ψυχολογική και οντολογική διάσταση των κοινωνικοτεχνικών συστημάτων.

Κοινωνικοτεχνικά Συστήματα στην Αλληλεπίδραση Ανθρώπου ΑΙ

© Ιωάννα Ν. Τριπερίνα, Ψυχολόγος MSc Occ Psy, 2000-2026.