การจำลองผลกระทบของนโยบายช่วยให้คุณเห็นว่ากลุ่มต่างๆ มีแนวโน้มที่จะตอบสนองต่อนโยบายหรือร่างกฎหมายอย่างไรก่อนที่จะมีการเผยแพร่ คุณอัปโหลดร่างและเอกสารประกอบ จากนั้นตัวแทน AI ที่เป็นตัวแทนของประชาชน ธุรกิจ สหภาพแรงงาน สื่อ และเจ้าหน้าที่ จะหารือกันในเครือข่ายสังคมจำลอง และตัวแทนนักวิเคราะห์จะสรุปว่าการสนับสนุน การต่อต้าน และแรงกดดันน่าจะมาจากที่ใด ผลลัพธ์ที่ได้ไม่ใช่การคาดการณ์ที่คุณสามารถนำไปใช้ได้อย่างแม่นยำ แต่เป็นสมมติฐานที่มีโครงสร้างซึ่งช่วยให้คุณเตรียมถ้อยคำ ข้อโต้แย้ง และทางเลือกที่ดีขึ้นได้
เหตุใดจึงต้องทดสอบนโยบายก่อนเผยแพร่
นโยบายส่วนใหญ่จะถูกตัดสินโดยสาธารณชนภายในไม่กี่วันแรกหลังจากที่ประกาศใช้ เพียงแค่บรรทัดเดียวเกี่ยวกับผู้จ่ายภาษี ผู้ได้รับการยกเว้น หรือผู้มีอำนาจตัดสินใจ ก็สามารถกำหนดทิศทางการถกเถียงทั้งหมดได้ เครื่องมือแบบดั้งเดิม เช่น การปรึกษาหารือ การสำรวจความคิดเห็น และกลุ่มเป้าหมาย มีคุณค่าแต่ช้า แพง และมักจะใช้หลังจากที่ตัวบทนโยบายได้ถูกเผยแพร่สู่สาธารณะแล้ว
การจำลองสถานการณ์ช่วยเติมเต็มช่องว่างก่อนถึงช่วงเวลานั้น ช่วยให้คุณตอบคำถามเชิงปฏิบัติได้:
- กลุ่มใดบ้างที่จะรู้สึกว่าตนเองสูญเสียบางสิ่งไป แม้ว่านโยบายนี้จะช่วยพวกเขาโดยรวมก็ตาม?
- ฝ่ายตรงข้ามจะใช้ข้อโต้แย้งใดเป็นอันดับแรก และข้อโต้แย้งใดจะแพร่กระจายไปได้ไกลที่สุด?
- ข้อความใดจะถูกยกมาโดยไม่พิจารณาบริบท?
- คำอธิบายที่คุณเตรียมไว้ช่วยลดความสับสนลงได้จริงหรือไม่ หรือกลับสร้างคำถามใหม่ๆ ขึ้นมา?
เป้าหมายคือการเปิดตัวสู่สาธารณะโดยมีเรื่องเซอร์ไพรส์น้อยที่สุด ไม่ใช่เพื่อทดแทนการปรึกษาหารือตามระบอบประชาธิปไตย
วิธีการจำลองการร่างกฎหมายทำงานอย่างไร
ใน InfoDome คุณเริ่มต้นด้วยการอัปโหลดเอกสาร เช่น ร่างข้อความ บันทึกอธิบาย ข่าวสารที่ผ่านมา แถลงการณ์จากกลุ่มผู้มีส่วนได้ส่วนเสีย หรือเอกสารสรุปนโยบาย โดยรองรับรูปแบบไฟล์เช่น PDF, Markdown และ TXT จากนั้นอธิบายด้วยคำพูดง่ายๆ ว่าคุณต้องการทำนายอะไร ตัวอย่างเช่น "เจ้าของธุรกิจขนาดเล็ก ผู้เช่า และสื่อท้องถิ่นจะมีปฏิกิริยาอย่างไรต่อกฎการลงทะเบียนเช่าใหม่ในช่วงสองสัปดาห์แรก"
จากเอกสารเหล่านี้ InfoDome สร้างแผนผังความรู้เกี่ยวกับบุคคล องค์กร และกลุ่มที่เกี่ยวข้อง รวมถึงความสัมพันธ์ระหว่างกัน บนพื้นฐานนั้น InfoDome สร้างเอเจนต์ AI หลายร้อยตัว แต่ละตัวมีลักษณะเฉพาะ ตำแหน่ง และหน่วยความจำระยะยาวของตนเอง เอเจนต์บางตัวสอดคล้องกับหน่วยงานหรือองค์กรที่มีชื่อจริงจากเอกสารของคุณ เช่น กระทรวง สหภาพแรงงาน หรือนักวิจารณ์ที่มีชื่อเสียง ในขณะที่บางตัวเป็นตัวแทนของประชาชนทั่วไป
จากนั้นเอージェนต์จะโต้ตอบกันบนสองแพลตฟอร์มพร้อมกัน: ฟีดคล้าย Twitter สำหรับการตอบสนองอย่างรวดเร็ว และฟอรัมคล้าย Reddit สำหรับการสนทนาที่ยาวนานขึ้น คุณเลือกจำนวนรอบ เช่น 10, 20 หรือ 40 รอบ และเอージェนต์จะอัปเดตความทรงจำของพวกเขาขณะที่การอภิปรายดำเนินไป ในตอนท้าย เอージェนต์นักวิเคราะห์จะเขียนรายงานการคาดการณ์พร้อมข้อสรุป และคุณสามารถสัมภาษณ์เอージェนต์ใดก็ได้หรือถามคำถามเพิ่มเติมกับนักวิเคราะห์ได้
การระบุผู้มีส่วนได้ส่วนเสียและแหล่งที่มาของแรงกดดัน
การจำลองนโยบายที่มีประโยชน์จะแสดงให้เห็นไม่เพียงแต่ว่าปฏิกิริยาจะเป็นไปในเชิงบวกหรือลบ แต่ยังแสดงให้เห็นว่าใครเป็นผู้ขับเคลื่อนปฏิกิริยาเหล่านั้นด้วย โปรดสังเกตสิ่งต่อไปนี้:
- ผู้ที่ริเริ่มก่อน ตัวแทนรายใดแสดงความคิดเห็นเป็นคนแรกและกำหนดกรอบประเด็นให้ผู้อื่น?
- สะพานเชื่อม. ใครเป็นผู้ถ่ายทอดข้อโต้แย้งจากชุมชนหนึ่งไปยังอีกชุมชนหนึ่ง ตัวอย่างเช่น จากสมาคมวิชาชีพไปสู่กลุ่มคนทั่วไป?
- ผู้แพ้ที่เงียบงัน กลุ่มใดบ้างที่แทบไม่โพสต์อะไรเลย แต่กลับแสดงความกังวลอย่างมากเมื่อคุณสัมภาษณ์พวกเขา?
- แรงกดดันจากสถาบัน ตัวแทนจากพรรคฝ่ายค้าน สมาคม หรือหน่วยงานท้องถิ่น เรียกร้องให้มีการแก้ไข เลื่อน หรือยกเว้นหรือไม่?
แผนผังความรู้มีประโยชน์ในที่นี้เพราะทำให้ความสัมพันธ์ชัดเจนขึ้น หากสมาคมการค้าเชื่อมโยงกับกลุ่มธุรกิจระดับภูมิภาคหลายกลุ่ม คุณจะเห็นได้ว่าจุดยืนของสมาคมนั้นกระจายไปตามการเชื่อมโยงเหล่านั้นหรือไม่ สำหรับมุมมองเชิงลึกเกี่ยวกับผู้มีส่วนได้ส่วนเสีย สถานการณ์การทำแผนที่ผู้มีส่วนได้ส่วนเสีย เป็นจุดเริ่มต้นที่ดี
เรื่องเล่าเกี่ยวกับความยุติธรรม: สนามรบที่แท้จริง
นโยบายต่างๆ มักไม่ล้มเหลวเพราะรายละเอียดทางเทคนิค แต่จะล้มเหลวเมื่อเรื่องราวเกี่ยวกับความยุติธรรมที่เรียบง่ายเข้ามามีบทบาท เช่น "คนรวยได้รับการยกเว้น" "เมืองเล็กๆ จ่ายค่าใช้จ่ายให้กับเมืองหลวง" "คนซื่อสัตย์ถูกลงโทษจากความผิดพลาดของผู้อื่น" ในการจำลองสถานการณ์ ให้สังเกตเรื่องราวเหล่านี้:
- ใครคือผู้ชนะ และใครคือผู้แพ้?
- นโยบายนี้ถูกมองว่าเป็นภาระที่ถูกกำหนดจากเบื้องบน หรือเป็นความพยายามร่วมกัน?
- ตัวแทนยอมรับเป้าหมายที่ระบุไว้แต่ปฏิเสธวิธีการ หรือปฏิเสธเป้าหมายนั้นโดยสิ้นเชิง?
เมื่อมีการกล่าวถึงเรื่องความเป็นธรรม ให้สัมภาษณ์เจ้าหน้าที่ที่พูดซ้ำเรื่องนั้น ถามว่าอะไรจะเปลี่ยนความคิดพวกเขาได้บ้าง เช่น ช่วงเวลาเปลี่ยนผ่าน การกำหนดเพดาน การยกเว้นที่ชัดเจนขึ้น หรือโฆษกคนใหม่ คำตอบของพวกเขาเป็นสมมติฐานที่จะนำไปทดสอบ ไม่ใช่คำสั่ง แต่จะชี้ให้เห็นถึงจุดอ่อนในคำอธิบายของคุณ
การเปรียบเทียบตัวเลือกนโยบายแบบเคียงข้างกัน
หนึ่งในประโยชน์ที่ทรงพลังที่สุดของการจำลองสถานการณ์คือการเปรียบเทียบทางเลือกต่างๆ แทนที่จะถามว่า "ประชาชนจะยอมรับนโยบายนี้หรือไม่" ให้ถามว่า "ทางเลือกใดในบรรดาทางเลือกเหล่านี้ที่ก่อให้เกิดการต่อต้านและความเข้าใจผิดน้อยกว่ากัน"
แนวทางปฏิบัติที่เป็นรูปธรรม:
- เตรียมข้อความสำคัญสองหรือสามเวอร์ชัน หรือนโยบายเดียวกันแต่มีคำอธิบายที่แตกต่างกัน
- ทำการจำลองแยกกันสำหรับแต่ละเวอร์ชัน โดยใช้เอกสาร กลุ่มเป้าหมาย และจำนวนรอบเดียวกัน
- เปรียบเทียบรายงาน: ข้อโต้แย้งหลัก กลุ่มที่เคลื่อนไหว ลักษณะของการอภิปราย คำถามที่ยังคงค้างคาอยู่
- สัมภาษณ์เจ้าหน้าที่จากกลุ่มเดียวกันในแต่ละรอบ เพื่อดูว่าเหตุผลของพวกเขามีการเปลี่ยนแปลงอย่างไร
เนื่องจากผลลัพธ์อาจแตกต่างกันไปในแต่ละรอบการทดลอง ให้ถือว่าความแตกต่างที่ชัดเจนและเกิดขึ้นซ้ำๆ เป็นสัญญาณ และความแตกต่างเล็กน้อยเป็นสัญญาณรบกวน สถานการณ์ จำลองตัวเลือกนโยบาย ถูกออกแบบมาเพื่อการเปรียบเทียบแบบนี้โดยเฉพาะ
ตัวอย่างการดำเนินการ: การปฏิรูปที่จอดรถของเทศบาล
ลองนึกภาพสภาเมืองแห่งหนึ่งที่วางแผนจะขึ้นค่าจอดรถในใจกลางเมืองและนำรายได้ไปใช้ในการขนส่งสาธารณะ ทีมงานได้อัปโหลดร่างมติ บันทึกอธิบายสั้นๆ บทความข่าวท้องถิ่นเกี่ยวกับปัญหาการจราจรสองบทความ และแถลงการณ์จากสมาคมผู้ค้าร้านค้า คำถามที่คาดการณ์คือ "ผู้อยู่อาศัย ผู้เดินทาง ผู้ค้าร้านค้า และสื่อท้องถิ่นจะแสดงปฏิกิริยาอย่างไรในช่วงเดือนแรก?"
พวกเขานำเสนอสองทางเลือก ทางเลือกละ 20 รอบ ทางเลือก A นำเสนอการปฏิรูปในรูปแบบของการเพิ่มค่าธรรมเนียม โดยมีแผนการลงทุนในภายหลัง ทางเลือก B เน้นที่เส้นทางรถโดยสารใหม่และส่วนลดสำหรับผู้อยู่อาศัย และกล่าวถึงการเพิ่มค่าธรรมเนียมในภายหลัง
ในการจำลองการอภิปรายสำหรับตัวเลือก A เจ้าของร้านค้าต่างรีบตีความการปฏิรูปนี้ว่าเป็น "ภาษีที่เก็บจากลูกค้า" ผู้เดินทางมาจากพื้นที่รอบนอกบ่นว่าพวกเขาไม่มีทางเลือกอื่น และตัวแทนสื่อท้องถิ่นก็ขยายความกังวลทั้งสองประเด็นนี้ ในตัวเลือก B การอภิปรายสงบกว่า แต่คำถามใหม่ก็ปรากฏขึ้น: "ใครมีสิทธิ์ได้รับส่วนลดสำหรับผู้พักอาศัย?" รายงานของนักวิเคราะห์ชี้ให้เห็นว่าตัวเลือก B ช่วยลดความโกรธได้ แต่จำเป็นต้องมีการอธิบายคุณสมบัติที่ชัดเจนตั้งแต่วันแรก
ทีมงานไม่ได้ถือว่านี่เป็นหลักฐาน พวกเขาใช้มันเพื่อปรับปรุงแผนการสื่อสาร เตรียมคำถามที่พบบ่อยเกี่ยวกับส่วนลด และวางแผนการประชุมล่วงหน้ากับสมาคมผู้ค้า
ข้อจำกัดที่คุณควรคำนึงถึง
การจำลองช่วยสนับสนุนการตัดสินใจ ไม่ได้มาแทนที่การตัดสินใจ โปรดคำนึงถึงข้อจำกัดเหล่านี้:
- เจ้าหน้าที่จะตอบสนองต่อข้อมูลในเอกสารของคุณ ปัจจุบันพวกเขาไม่ได้อ่านข่าวแบบเรียลไทม์ด้วยตนเอง ดังนั้นหากเหตุการณ์สำคัญใดมีแนวโน้มที่จะส่งผลต่อการอภิปราย โปรดใส่ข้อมูลนั้นลงในเอกสารด้วย
- คุณภาพของผลลัพธ์ขึ้นอยู่กับคุณภาพและความสมดุลของข้อมูลที่ป้อนเข้าไป หากเอกสารของคุณมีเพียงมุมมองของรัฐบาลเท่านั้น ให้เพิ่มแหล่งข้อมูลที่แสดงมุมมองอื่นๆ ด้วย
- ผลลัพธ์ที่ได้เป็นสมมติฐานที่สามารถตรวจสอบได้ ดำเนินการจำลองหลายๆ ครั้ง เปรียบเทียบผลลัพธ์ และตรวจสอบข้อสรุปกับความรู้ของคุณเอง และหากเป็นไปได้ ให้ใช้ข้อมูลการให้คำปรึกษาจริงประกอบด้วย
หากคุณกำลังทำงานเกี่ยวกับการประกาศเปลี่ยนแปลงกฎระเบียบที่มีอยู่ โปรดดู การจำลองสถานการณ์การประชาสัมพันธ์ในภาวะวิกฤต เพื่อฝึกซ้อมการสื่อสารเกี่ยวกับการเปลี่ยนแปลงนั้น หากต้องการลองใช้วิธีการนี้กับร่างเอกสารของคุณเอง ให้เปิด คอนโซล InfoDome อัปโหลดเอกสารของคุณ และอธิบายสิ่งที่คุณต้องการคาดการณ์ คุณสามารถเตรียมงานก่อนลงทะเบียนได้
คำถามที่พบบ่อย
การจำลองสถานการณ์สามารถบอกได้หรือไม่ว่ากฎหมายจะผ่านหรือไม่?
ไม่เลย การจำลองนี้แสดงให้เห็นว่ากลุ่มต่างๆ มีแนวโน้มที่จะอภิปรายและตอบสนองต่อนโยบายอย่างไร ข้อโต้แย้งใดจะได้รับความสนใจ และแรงกดดันอาจมาจากที่ใด ผลลัพธ์ของกฎหมายขึ้นอยู่กับปัจจัยหลายอย่างที่อยู่นอกเหนือการจำลองนี้
ฉันควรอัปโหลดเอกสารอะไรบ้างสำหรับการจำลองนโยบาย?
โปรดอัปโหลดร่างข้อความ คำอธิบาย และเอกสารที่สะท้อนมุมมองอื่นๆ เช่น บทความข่าว แถลงการณ์จากสมาคม หรือความคิดเห็นสาธารณะก่อนหน้านี้ การนำเสนอข้อมูลที่สมดุลจะทำให้การอภิปรายมีความสมจริงมากขึ้น
ฉันควรวิ่งกี่รอบ?
สำหรับการประเมินเบื้องต้น 10 รอบมักจะเพียงพอแล้ว หากต้องการดูว่าข้อโต้แย้งพัฒนาและแพร่กระจายอย่างไรในการอภิปรายที่ยาวนานขึ้น ลองทำ 20 หรือ 40 รอบ แล้วเปรียบเทียบรายงานดู
นี่เป็นการทดแทนการปรึกษาหารือสาธารณะใช่หรือไม่?
ไม่เลย มันเป็นวิธีการเตรียมความพร้อมสำหรับการปรึกษาหารือต่างหาก คือการค้นหาถ้อยคำที่ไม่ชัดเจน ข้อโต้แย้งที่อาจเกิดขึ้น และคำอธิบายที่ขาดหายไป ก่อนที่จะสอบถามความคิดเห็นจากผู้คนจริงๆ