Умный менеджмент

Преподавание адаптивного инструментария

Минцберг дал ответ на вопрос, почему образование в бизнес-школах часто оказывается неэффективным: оно слишком сосредоточено на абстрактных аналитических методах и анализе конкретных ситуаций. Такая педагогика может быть более эффективной для повышения уверенности в себе, чем для привития навыков эффективного руководства и принятия решений. А навыки, которые она дает - сложные количественные анализы в сочетании со способностью убедительно их излагать и представлять - могут оказаться более полезными для того, чтобы пробиться на вершину, чем для того, чтобы хорошо работать, когда вы там окажетесь.

Мы уже знаем, в чем проблема количественных анализов, таких как максимизация ожидаемой полезности, деревья решений и чистая приведенная стоимость: они предназначены для мира риска, а не неопределенности. В бизнесе к таким маленьким мирам относятся рутинные производственные процессы внутри завода, о чем мы говорили в главе 11. Но как только речь заходит о логистике и цепочках поставок за пределами заводских ворот, контроль, предвидение и предположения о малом мире рушатся. Логистические проблемы, вызванные пандемией COVID-19, строгими ограничениями и глобальной нехваткой микрочипов, которая начнется в 2021 году, наглядно иллюстрируют это.

Кейс-стади - широко используемые в бизнес-школах - требуют от студентов проведения количественного анализа, а также качественного эквивалента: логического анализа и аргументации. Студентов призывают рассмотреть все факты по делу - стратегия, основанная на принципе "больше - значит лучше". Цель - представить последовательный анализ и рекомендуемый план действий. Однако в реальном мире бизнеса соответствие имеет большее значение, чем последовательность. Соответствие означает, что действия, которые предпринимают организации, соответствуют условиям окружающей среды и приводят к положительным результатам. 7 Другими словами, в конечном итоге важна экологическая, а не логическая рациональность. Однако бизнес-школы не только отдают предпочтение логической рациональности; они даже редко предлагают экологическую рациональность в качестве достойной альтернативы. Это не значит, что студенты не учатся ничему полезному в бизнес-школе. Они знакомятся с новыми идеями и концептуальными схемами, участвуют в экспериментальных упражнениях и дебатах, заводят друзей и расширяют свои связи. Однако здесь есть место для совершенствования.

Смена парадигмы в сторону интеллектуальной эвристики

Бизнес-школы могут и должны лучше подготовить студентов к принятию эффективных решений, когда будущее неопределенно, не полностью известно, и не полностью контролируемо. Смена парадигмы в сторону обучения умной эвристике поможет сделать образование в бизнес-школах более полезным с практической точки зрения, при этом опираясь на надежные теоретические модели и тщательные эмпирические исследования.

К сожалению, лишь немногие бизнес-школы преподают науку и искусство принятия эвристических решений. Вместо этого в целом ряде дисциплин, от финансов, стратегии и маркетинга до лидерства и управления персоналом, эвристика почти неизменно связывается с предвзятостью, а лица, принимающие решения, представляются в негативном свете как неспособные к когнитивным ошибкам. Адаптивные правила принятия решений, которые используют практики во всем мире, делегитимизируются как неполноценные. Имплицитно или эксплицитно выражается мысль о том, что те, кто их использует, в чем-то менее профессиональны и искушены, чем их коллеги, использующие сложные аналитические модели. 8 Модели принятия решений, пользующиеся наибольшим уважением, - это модели оптимизации и максимизации полезности, которые создают атмосферу "научности", к которой, похоже, отчаянно стремятся некоторые бизнес-школы. 9

Однако, как мы подчеркивали на протяжении всей книги, оптимизация невозможна в ситуациях неопределенности, характерных для принятия управленческих решений, когда все будущие состояния, их исходы и вероятности не известны или не поддаются учету. Таким образом, несмотря на кажущуюся строгость и привлекательность, эти модели мало чем помогут в принятии лучших решений в мире VUCA. Их не следует представлять как золотой стандарт, который должен применяться во всех контекстах, культурах и организациях. Вместо этого их следует преподавать как лишь один из видов стратегий, имеющихся в арсенале адаптивных инструментов, которые могут быть полезны в определенных ситуациях (например, в условиях определенности или риска при наличии необходимой информации).

Чтобы дать более точный и расширяющий возможности взгляд на принятие решений, учебные программы бизнес-школ должны измениться в сторону акцента на экологическую рациональность и умную эвристику, а не на логическую рациональность, эвристику и предубеждения. Общий подход мы представляем следующим образом:

Не избегайте эвристики - научитесь ее использовать.

Это включает в себя следующие пять принципов: 10

Относитесь к неопределенности серьезно. Научите различать риск и неопределенность и объясните, что оптимизация, например максимизация ожидаемой полезности, невозможна в условиях неопределенности.

Относитесь к эвристике серьезно. Обучите основным классам эвристик, продемонстрируйте их эффективность в ситуациях неопределенности и неразрешимости и обогатите адаптивный набор стратегий менеджеров.

Анализ экологической рациональности. Сопоставьте условия задачи с эвристиками и другими стратегиями, чтобы понять, в каких ситуациях конкретная эвристика может быть успешной.

Уделяйте внимание процессу. Обучайте реальному процессу принятия решений (например, правилам поиска, остановки и принятия решений) и проектированию внешней среды, и меньше внимания уделяйте внутренним психологическим конструктам.

Больше может быть меньше. Узнайте, при каких условиях сложные модели больших данных увеличивают расходы, приводят к принятию менее точных решений и снижают прозрачность.

Эвристику преподают за пределами бизнес-школ

Выйти за пределы своей области и узнать больше о практике других может быть полезно. Если бы бизнес-школы так поступали, они бы обнаружили, что такие высоко ценимые дисциплины, как математика и искусственный интеллект (ИИ), действительно серьезно относятся к эвристике. Они представляют эвристику в положительном свете для своих студентов. При этом выделяются два важных отличия от типичной программы бизнес-школ. Во-первых, в этих областях эвристика рассматривается как ценная и даже незаменимая стратегия для поиска, решения проблем и принятия решений в условиях неопределенности и трудностей. Во-вторых, эвристика и анализ не изображаются в антагонистических отношениях "или-или", когда люди используют либо эвристику, либо анализ. Напротив, в этих областях признается ценность использования и того, и другого в зависимости от задачи, а также перехода от эвристики и интуиции к анализу.

Рассмотрим математику. Это самая абстрактная из всех научных областей, и все же эвристика очень ценится в математике и математической педагогике. Классическая книга Джорджа Полы "Как решить задачу" является иллюстрацией этого положения. 11 В предисловии к первому изданию книги Пола представил два метода математики: один - систематический и дедуктивный, другой - экспериментальный и индуктивный. Именно второй метод в значительной степени опирается на интуицию и эвристику. Ни один из этих двух методов не является более важным, и без них математика была бы невозможна. Вместо того чтобы подчеркивать, что эвристика не всегда приводит к подходящим способам решения проблем, Полья выделил положительный момент: у нее есть потенциал для этого. Далее он описал различные эвристики для решения математических задач, такие как использование аналогии или изображение задачи на рисунке.

В области информатики и искусственного интеллекта эвристика также незаменима. Один из основополагающих учебников называется просто "Эвристика". Его автор, Джудеа Перл, пишет: "Изучение эвристики черпает свое вдохновение из вечно удивительного наблюдения за тем, как многого могут добиться люди с помощью такого упрощенного, ненадежного источника информации, известного как интуиция". 12 Показателен и подзаголовок книги: Интеллектуальные поисковые стратегии для решения компьютерных задач". Таким образом, если в менеджменте и психологии эвристика обычно изображается как примитивная и неполноценная стратегия, то в компьютерной науке она воспринимается наоборот - как интеллектуальная.

Рассмотрим известную задачу, в которой путешествующий продавец хочет найти маршрут между городами, минимизирующий общее расстояние поездки. Если человеку нужно посетить 100 городов, то компьютеру, способному проверять миллион маршрутов в секунду, потребуется около 2,9 × 10142 столетий, чтобы проверить все возможные маршруты для поиска оптимального пути. А ведь Земле всего 4,543 × 109, или 4,543 миллиарда, лет. 13 Быстрые и экономные эвристики, напротив, могут быстро находить хорошие решения. Одна из эвристик в этом случае заключается в том, чтобы всегда переходить к ближайшему городу, который еще не был посещен. Эвристика ближайшего соседа очень проста в применении и работает очень хорошо. 14 Хорошо поставленные задачи, в которых ни компьютер, ни разум не могут найти оптимальное решение в реальном времени, называются вычислительно неразрешимыми (см. главу 2). С такими проблемами хорошо справляются эвристики интеллектуального поиска.

Как научиться эвристике

Такие области, как математика и искусственный интеллект, пользуются тем, что простота эвристики делает ее относительно легкой для общения, преподавания, изучения и применения. Бизнес-школы тоже могли бы воспользоваться этим преимуществом простоты. Мы начнем с трех способов обучения эвристике: эволюционного, социального и индивидуального. Это не эксклюзивные категории; скорее, они взаимно дополняют друг друга.

Освоение эволюционной эвристики

Первый способ приобретения эвристики - это эволюционное обучение. Например, дети подражают точнее и лучше, чем шимпанзе или любой другой вид. Таким образом, основная способность к подражанию уже развилась, но объектам подражания (например, сверстникам, родителям, конкурентам) нужно научиться. В бизнесе стоит та же проблема: кому подражать? Подражание успешным и подражание большинству - две эвристики, которые решают этот вопрос в разных обстоятельствах. Как мы видели в главе 5, Масаёси Сон использовал эвристику "машины времени" - вариант имитации успешных - для тиражирования бизнес-моделей, успешных в США, в других странах. Эта стратегия позволила Сону получить преимущество первенства на местном рынке. В отличие от этого, американская компания быстрого питания KFC, расположенная по адресу , использовала эвристику подражания большинству в Китае и на других азиатских рынках, чтобы адаптировать свое меню к вкусам местного большинства. Эта стратегия позволила KFC увеличить спрос, полагаясь на проверенные блюда. Точно так же, когда компания использует эвристику подражания большинству при открытии колл-центра в Индии, она может снизить неопределенность, используя существующую инфраструктуру и другие ресурсы.

Еще один пример - эвристика взгляда (обсуждалась в главе 3). Она использует выработанную способность удерживать взгляд на движущемся объекте (на фоне шумов), что сложно для компьютеров, но легко для животных. Эвристика помогает людям ловить летящие объекты, не оценивая их траектории, и направляет ракеты к цели.

Хотя эвристика использует развившиеся основные способности, это не означает, что все одинаково хорошо умеют ее применять. Необходима определенная практика. Требование практики имеет отношение к обучению и преподаванию эволюционировавших эвристик, включая социальные эвристики, такие как подражание. Важно, что ими нельзя овладеть на основе простого концептуального понимания. Экспертиза развивается, как ничто другое, через практику. Например, образование в бизнес-школах может объединить концептуальное преподавание с практикой через неполный рабочий день, когда работающие студенты могут сразу же применить полученные в классе знания.

Чтобы стать опытным в использовании эвристики в организациях, сотрудникам необходимо иметь достаточно возможностей для практики. Большинство профессиональных бейсболистов тренируются с раннего возраста. Кроме того, аутфилдеры сразу же получают обратную связь (поймали они мяч или не поймали). Такие условия трудно воспроизвести в бизнесе, особенно при принятии редких стратегических решений; другие решения принимаются регулярно, и опыт может накапливаться со временем. Однако когда организации часто переводят сотрудников с одной задачи, работы или отдела на другой, они сокращают возможности для повторной практики и освоения эвристики. Хотя для таких перемещений часто есть веские причины, в том числе расширение опыта сотрудников, организациям следует признать, что между широтой и глубиной часто существует компромисс. Лишь немногие профессиональные спортсмены добиваются высоких результатов более чем в одном виде спорта, если эти виды спорта не опираются на одни и те же базовые способности.

Социальное обучение эвристике

Второй основной способ приобретения эвристики - это социальное обучение. Социальное обучение может быть явным или неявным. Неявное обучение основано на подражании эвристикам, наблюдаемым в социальном окружении. Эксплицитное обучение - это результат обучения эвристике. Преподавание эвристики, как уже говорилось ранее, успешно развивается в других областях и является главным кандидатом на создание полезного курса в бизнес-школах. Кроме того, быстрые и экономные деревья были разработаны и преподаются в медицине для диагностики и лечения, например, для диагностики ишемической болезни сердца и лечения катетер-ассоциированных инфекций. 15 Константинос Кацикопулос и его коллеги пошагово объясняют, как строить быстрые и экономные деревья и эвристики подсчета, а также описывают условия, при которых эти эвристики могут сравниться или превзойти сложные алгоритмы машинного обучения. 16 Банк Англии сотрудничает с Институтом человеческого развития Макса Планка в разработке и обучении простым эвристикам для повышения безопасности в мире финансов. 17

Бизнес-школы могут перенять опыт этих программ и подражать им. Например, построение быстрых и экономных деревьев может быть включено в курс по управлению персоналом, посвященный принятию решений о найме - см. примеры эвристики найма Маска и Безоса, рассмотренные в главе 4. Отличные учебные материалы уже существуют и могут быть легко адаптированы к условиям бизнеса. 18

Если цель состоит в изучении и обучении эвристике, специфичной для конкретной отрасли или работы, могут потребоваться специальные знания. Например, ученые-организаторы Кристофер Бингем и Кэтлин Эйзенхардт в ходе качественного исследования обнаружили, что организации разрабатывают портфели эвристик, которые весьма специфичны для их контекста. 19 В таких случаях первым шагом будет выявление набора возможных эвристик. Из него можно выбрать подмножество наиболее подходящих. Затем можно разработать программу обучения.

Именно этого процесса придерживался исследователь решений Гэвин Майсти, разрабатывая программу обучения страховых андеррайтеров простым правилам. 20 Андеррайтеры решают, стоит ли предлагать страховку от различных рисков, таких как землетрясения, хакерские атаки или полеты в космос, и по какой цене. Майстри заметил, что, хотя страховщики получают обширную количественную подготовку по оценке рисков и расчету ожидаемых затрат и прибыли, они не обучены хорошим суждениям. Чтобы исправить ситуацию, он разработал курс по умной эвристике для андеррайтеров. Проведя опрос профессиональных андеррайтеров с многолетним опытом, чтобы выяснить их эвристику для различных ситуаций, он извлек из этого исходного материала набор из десяти простых правил. Эти правила, как правило, представляют собой примеры эвристики "один-единственный ключ" (см. главу 3), когда для принятия решения о том, принять или отклонить риск, используется один-единственный ключ. Примером правила для андеррайтинга является "Риск должен быть случайным и непреднамеренным". Из этого принципа вытекает эвристика, основанная на одной подсказке: "Никогда не страхуйте неслучайный риск". Обоснование заключается в том, что если человек намеренно (т. е. неслучайно) вызывает убыток, он не должен быть застрахован от этого убытка.

В девяностоминутной программе слушатели сначала принимают решения по сценариям андеррайтинга. Затем раскрываются, объясняются и обсуждаются эвристики андеррайтинга. В квазирандомизированном исследовании с участием 220 человек этот тренинг повысил точность решений по андеррайтингу по сравнению с контрольным условием, состоящим из лекции Дэниела Канемана о принятии решений по андеррайтингу ( figure 13.1 ). Тренинг оказался наиболее полезным для младших андеррайтеров, определяемых как те, кто имеет опыт андеррайтинга от одного до четырех лет. Андеррайтеры среднего и старшего звена, определяемые как те, кто имеет опыт работы от пяти до девяти и не менее десяти лет соответственно, все же получили пользу, но меньшую, возможно, потому, что они уже усвоили большинство простых правил вне программы обучения. Обучение также улучшило согласованность решений в парах задач, требующих применения одной и той же эвристики.

Рисунок 13.1

Девяностоминутное систематическое обучение эвристике привело к повышению точности и согласованности решений по андеррайтингу по сравнению с контрольными условиями. Преимущество было особенно заметно у младших андеррайтеров с опытом работы от одного до четырех лет. Точность измерялась количеством правильных решений. Последовательность измерялась как количество правильных пар связанных решений, в которых применялась одна и та же эвристика. Максимально возможный балл за оба варианта - 10. Столбики представляют собой стандартные ошибки. По материалам Maistry (2019).

В другом исследовании ученые провели рандомизированный полевой эксперимент, чтобы сравнить эффект от обучения базовой финансовой эвристике и стандартного обучения в рамках обычного курса бухгалтерского учета. Слушателями были более 1000 микропредпринимателей в Доминиканской Республике. 21 Обучение эвристике улучшило финансовую практику, качество объективной отчетности и доходы фирм, в то время как стандартное обучение этого не сделало. Более того, обучение эвристике было особенно полезно для микропредпринимателей с более низкими навыками или плохой начальной финансовой практикой, возможно, потому, что их адаптивный набор эвристик был менее развит.

Индивидуальное обучение эвристике

Индивидуальное обучение означает обучение на собственном опыте без помощи других (преподавание) или копирование чужих эвристик. Оно опирается не непосредственно на развившиеся основные способности, такие как подражание, а на то, что в психологии обучения называется оперантным обусловливанием. Рассмотрим эвристики лидерства "сначала слушать, потом говорить" и "хорошо нанимать сотрудников и позволять им делать свою работу", описанные в главе 9. Топ-менеджеры, которые сообщили, что полагаются на эти эвристики, не изучали их в бизнес-школе; скорее, они выработали их со временем благодаря опыту и обратной связи. Это не означает, что все эвристики были уникальными. Эти топ-менеджеры сталкивались с похожими проблемами, такими как решение вопроса о том, кому доверять, продвижение нужных людей на руководящие должности и принятие стратегических решений о направлении развития компании. В результате многие эвристики демонстрируют сходство, что соответствует принципу экологической рациональности.

Аналогичным образом Бингем и Эйзенхардт сообщили, что различные эвристики, усвоенные из индивидуального опыта, делятся на четыре категории, то есть на относительно небольшое количество. 22 Эти категории - эвристики выбора, процедурные, приоритетные и временные эвристики. Например, эвристика выбора - это правила, которые подсказывают, какую возможность следует использовать, а какую игнорировать (подробнее см. главу 5). В то время как американская компания в исследовании использовала эвристику выбора, чтобы "ограничить интернационализацию англоязычными рынками", финская компания вместо этого использовала ее для интернационализации своих операций, сначала продвигаясь в скандинавские страны, начиная со Швеции.

Как можно изменить систему обучения в бизнес-школах, чтобы поддержать лидеров и организации в изучении эвристики на собственном опыте? Бент Фливбьерг привел поучительный пример. 23 Он разработал семинар по изучению эвристики лидеров, состоящий из следующих пяти последовательных шагов:

Шаг 1: Вводим понятие эвристики, подчеркивая ее ценность как стратегии принятия решений.

Шаг 2: Приведите примеры эвристики лидерства.

Шаг 3: Предложите участникам выбрать те эвристики, которые вызывают у них отклик, и объяснить, почему.

Шаг 4: Предложите участникам сформулировать свои собственные эвристики, которые помогли им добиться успеха, размышляя о своем опыте работы и эвристиках, обсуждавшихся до сих пор.

Шаг 5: Попросите участников поделиться с группой своими любимыми эвристиками и объяснить, как они им помогли.

Семинары проводятся в относительно небольших группах из двадцати-тридцати руководителей, имеющих, как правило, двадцатилетний и более опыт руководства, что создает благоприятную обстановку для размышлений и открытого обмена мнениями. По словам Фливбьерга, ключевое преимущество семинаров заключается в том, что лидеры получают более четкое представление об эвристиках, которые они использовали интуитивно и мало осознанно. Став явными, руководители могут легче донести их до своих команд и обучить их. Организации также выигрывают от такой передачи знаний, которые до этого были негласными и были бы утрачены с уходом лидера.

Вдохновленные Фливбьергом, мы разработали шестиэтапный процесс обучения эвристике в бизнес-школах, представленный на рис. 13.2 . Учитывая распространенное ошибочное мнение о том, что эвристика уступает анализу, первым шагом является позитивное описание эвристики как умной стратегии принятия решений в мире VUCA. Далее следует представить адаптивный инструментарий, экологическую рациональность и различные классы умных эвристик на конкретных примерах из области менеджмента (шаги 1 и 2). Затем учащимся предлагается поразмышлять и поделиться своими существующими умными эвристиками (шаги 3 и 4). На этой основе они разрабатывают одну или несколько новых интеллектуальных эвристик (шаг 5) и используют их в процессе принятия решений, внимательно наблюдая за тем, насколько хорошо они работают, и внося необходимые коррективы (шаг 6).

Рисунок 13.2

Шестиэтапная процедура преподавания и обучения умной эвристике. Этапы начинаются с представления эвристики как эффективной стратегии (шаги 1 и 2), осмысления и обмена умными эвристиками (шаги 3 и 4), разработки и применения новых эвристик (шаги 5 и 6).

Учимся выбирать эвристики

Эволюционное, социальное и индивидуальное обучение формирует адаптивный инструментарий менеджера. Менеджерам также необходимо научиться выбирать подходящие эвристики из своего адаптивного инструментария в зависимости от поставленной задачи принятия решения, то есть развить понимание экологической рациональности эвристик. Ряд исследований показал, что люди действительно переключаются между эвристиками в зависимости от требований среды. Например, в ситуации с доминирующей подсказкой (см. рисунок 3.6 в главе 3) участники полагались на эвристику одной причины, но когда информационная среда была изменена на условия с равной подсказкой, они переключились на эвристику подсчета. 24 Несмотря на то что структурные изменения были неизвестны лицам, принимающим решения, им удалось переключиться на более экологически рациональные эвристики путем простого индивидуального обучения на опыте.

Такой же адаптивный выбор эвристик был продемонстрирован и для менеджеров. В эксперименте мы попросили опытных менеджеров со средним стажем руководства более двадцати двух лет принять решение о найме или увольнении сотрудников, основываясь на трех признаках: средних показателях, тенденции и вариациях производительности сотрудников. 25 Используя когнитивное моделирование, мы обнаружили, что большинство менеджеров использовали для принятия этого решения дерево быстрого и экономного выбора. Более того, они были склонны адаптировать конкретную структуру дерева к задаче принятия решения ( рисунок 13.3 ). В частности, когда их просили выдать премию только 25 процентам лучших сотрудников по результатам работы, большинство использовало дерево быстрой и экономной оценки с более консервативной структурой выхода (см. рисунок 4.3 в главе 4, где показаны консервативные и либеральные деревья быстрой и экономной оценки). Когда тех же менеджеров попросили уволить 25 % худших работников и сохранить 75 % сотрудников, большинство использовало дерево с более либеральной структурой. Такая адаптация структуры выхода экологически рациональна, поскольку в первой ситуации премию могло получить лишь меньшинство сотрудников, а во второй - большинство.

Рисунок 13.3

Опытные менеджеры интуитивно адаптировали структуру выхода в своих "быстрых" и "экономных" деревьях в зависимости от требований задачи. В условиях, когда им нужно было премировать только 25 процентов лучших сотрудников, большинство использовало одно из двух деревьев с консервативной структурой выхода (например, предоставлять премию только в случае выполнения всех требований). В условиях, когда те же менеджеры должны были уволить 25 процентов худших, большинство использовало одно из двух деревьев с либеральной структурой выхода (например, сохранение сотрудников, если они удовлетворяют хотя бы одному требованию), поскольку 75 процентов сотрудников должны были остаться. Два дерева слева являются консервативными, так как начинаются с N; то есть на первой ветке принимается отрицательное решение (либо отсутствие премии, либо отказ в сохранении). Два дерева справа - либеральные, так как начинаются с P; то есть на первой ветке принимается положительное решение (либо премия, либо сохранение).

Выбор эвристики может быть облегчен простым обновлением содержимого адаптивного инструментария. Бингем и Эйзенхардт в исследовании, упомянутом ранее в этой главе, обнаружили, что менеджеры разработали портфель умных эвристик, который они регулярно обновляли с помощью процесса циклического упрощения: более умные эвристики заменяли менее эффективные, а те, которые больше не подходили, обрезались. 26 Это обеспечило, что количество эвристик в портфеле оставалось управляемым, а качество росло. Например, в исследовании американской компании, занимающейся разработкой корпоративного программного обеспечения, эвристика интернационализации первоначально была направлена только на англоязычные рынки, что соответствовало языку, на котором говорят в организации. Однако после выхода на некоторые рынки, такие как Австралия и Великобритания, компания отказалась от этой эвристики, чтобы использовать дополнительные возможности для бизнеса в таких странах, как Франция, Германия и Южная Корея.

Чтобы стимулировать индивидуальное и социальное обучение экологической рациональности эвристик, организации могут подвергать своих сотрудников разнообразным задачам и подразделениям, тем самым позволяя им пополнять и совершенствовать свой адаптивный инструментарий, поскольку они учатся на опыте и у других. Экспатриация в другие страны может еще больше стимулировать этот процесс, знакомя руководителей с эвристикой разных культур. Однако, как мы уже отмечали ранее в этой главе, существует компромисс между широтой и глубиной знаний. Чем больше руководителей подвергаются воздействию различных контекстов и эвристик, но в течение более коротких периодов времени, тем меньше у них возможностей для развития мастерства в применении этих эвристик. Организации, вероятно, выигрывают от сочетания универсалов, обладающих разнообразным набором адаптивных инструментов, и специалистов, обладающих высоким мастерством в использовании более ограниченного набора эвристик.

Переосмысление процесса обучения принятию решений

Во всем мире около четверти миллиона студентов одновременно обучаются на программах MBA. Они выиграют от учебных программ, которые лучше подготовят их к предстоящему миру VUCA, в котором ситуации неоднозначны, проблемы неразрешимы, а будущее неизвестно. Обучение в бизнес-школах должно положительно сказаться на способности студентов изучать, выбирать и применять эвристику, необходимую для принятия решений в условиях неопределенности. Для этого им следует признать наиболее фундаментальное различие между риском и неопределенностью. Для работы с риском подходит нынешний фокус на обучении аналитическим подходам, таким как теория вероятности, деревья решений, расчет чистой приведенной стоимости и ценообразование опционов. Чтобы справиться с неопределенностью, необходимо расширить этот фокус на адаптивные эвристики и их экологическую рациональность. К ним относятся, в частности, правила найма по одной причине, эвристика распознавания брендов, правила, основанные на равенстве и обеспечивающие справедливость, правила ценообразования, основанные на удовлетворении потребностей, и социальные эвристики, такие как имитация продукта. Если реальные проблемы содержат аспекты, соответствующие как риску, так и неопределенности, рекомендуется использовать смесь обоих подходов. Преподавание адаптивного инструментария - это первый шаг в учебной программе; вторая, более сложная задача - способствовать пониманию экологической рациональности эвристик.

В начале этой книги мы рассмотрели, как три нобелевских лауреата по экономике подходят к разграничению риска и неопределенности. В конце книги мы приводим два основных вывода. Во-первых, относитесь к неопределенности серьезно; не сводите ее к риску. Во-вторых, не избегайте эвристик, а научитесь разумно их использовать. Принятие этих двух принципов близко к сердцу поможет нам принимать разумные решения в мире, где будущее - к лучшему или худшему - полно сюрпризов.

Примечания

1 . Gregg (n.d.).

2 . C-SPAN (n.d.).

3 . Минцберг (2017). С другими интересными блогами Минцберга на тему менеджмента можно ознакомиться здесь: https://mintzberg.org/blog

4 . Минцберг и Лампель (2001). См. также книгу Минцберга: Mintzberg (2004).

5 . Миллер и Сюй (2016). Цитата взята со страницы 286.

6 . Миллер и Сюй (2019). Цитата взята со страницы 285.

7 . Hammond (2000).

8 . Лежаррага и Пиндард-Лежаррага (2020).

9 . Bettis (2017); Hambrick (2007).

10 . Gigerenzer et al. (2022).

11 . Pólya (1945).

12 . Pearl (1984, p. xi).

13 . Янофски (2013).

14 . Джонсон и МакГеох (1997).

15 . Naik et al. (2017); Wegwarth, Gaissmaier, and Gigerenzer (2009).

16 . Katsikopoulos et al. (2020).

17 . Aikman et al. (2021).

18 . Gigerenzer, Hertwig, and Pachur (2011); Katsikopoulos et al. (2020); Wegwarth et al. (2009).

19 . Бингем и Эйзенхардт (2011).

20. Maistry (2019).

21 . Drexler, Fischer, and Schoar (2014).

22 . Бингем и Эйзенхардт (2011).

23 . Flyvbjerg (2021).

24 . Pachur (2022); Rieskamp and Otto (2006).

25 . Луан и Реб (2017).

26 . Бингем и Эйзенхардт (2011).

Глоссарий

1/N: тип эвристики равенства, которая распределяет ресурсы поровну между N альтернативами.

Адаптивный набор инструментов: Репертуар эвристик, которые человек, команда или организация приобрели для принятия решений.

Двусмысленность: Ситуация, когда исчерпывающий и взаимоисключающий набор всех возможных будущих состояний S и их последствий C известен, но вероятности не известны; частный случай малого мира.

Уровень стремления: Используется в эвристике удовлетворения как правило остановки для выбора первой альтернативы и завершения поиска. Уровень может быть адаптивным.

Дилемма "смещение-вариация": компромисс между смещением (разницей между средним значением прогноза и истинным значением) и дисперсией (чувствительностью к нерелевантному шуму в данных), которые составляют общую ошибку модели прогнозирования. Как правило, уменьшение смещения увеличивает дисперсию, и наоборот.

Строительные блоки: Основные компоненты эвристики, такие как правила поиска, остановки и принятия решений; могут быть объединены для создания новых эвристик.

Перекрестная валидация: Процедура, используемая для оценки точности прогнозирования модели. В частности, набор данных делится на две части: обучающую выборку, где оцениваются свободные параметры модели, и тестирующую выборку, где модель с оцененными параметрами из обучающей выборки применяется для оценки точности прогнозирования.

Принятие оборонительных решений: Когда менеджеры считают вариант А лучшим для компании, но выбирают более низкий вариант Б, чтобы обезопасить себя на случай, если что-то пойдет не так. Мотивы для принятия оборонительных решений включают страх перед судебными разбирательствами, потерей репутации или работы.

Дельта-инференция: Поиск подсказок в порядке их валидности, остановка поиска на первой подсказке, где одна альтернатива лучше другой на пороговое значение дельты, и выбор лучшей альтернативы.

Условие доминирующей подсказки: Ситуация с мощной подсказкой, в которой вес этой подсказки превышает сумму весов всех остальных подсказок. Если это условие выполняется, то ни одна линейная модель не может принимать более точные решения, чем эвристика "один-единственный-ключ".

Экологическая рациональность: Изучение условий окружающей среды, при которых та или иная стратегия работает лучше, чем другие стратегии.

Компромисс между усилиями и точностью: утверждение, что меньшие усилия, например, при опоре на простую эвристику, обычно приводят к меньшей точности. Этот компромисс верен только в маленьких мирах рисков, но не обязательно в больших мирах неопределенности.

Эвристика равенства: Класс эвристик, в которых все сигналы имеют одинаковый вес или ресурсы распределяются одинаково между всеми альтернативами. Примеры - эвристика подсчета и эвристика 1/N.

Культура ошибок: То, как организация относится к ошибкам. Позитивная культура ошибок признает ошибки, чтобы узнать об их причинах и избежать их в будущем. Негативная культура ошибок скрывает ошибки, а если это не срабатывает, то находит виноватого; в результате организации склонны повторять ошибки в будущем.

Коэффициент ложноотрицательных результатов: Доля отрицательных результатов тестов среди людей, имеющих определенное состояние, например, заболевание. При приеме на работу это означает долю хороших кандидатов, которые были ошибочно отклонены.

Доля ложноположительных результатов: Доля положительных результатов теста среди людей, у которых нет какого-либо заболевания, например, болезни. При приеме на работу - доля плохих кандидатов, которым по ошибке делают предложения.

Быстрое и экономное дерево: Дерево решений с n подсказками и n +1 выходом (т.е. по одному выходу для каждой подсказки, кроме двух для последней подсказки).

Подгонка: Оценка свободных параметров модели на основе всех данных в наборе данных и определение точности модели по тому, насколько хорошо она соответствует всему набору данных.

Эвристика беглости: Выбирайте первый вариант, который приходит в голову. Следование этой эвристике является экологически рациональным для экспертов, которые генерируют варианты в порядке их валидности.

Эвристика взгляда: Фиксируйте взгляд на объекте и регулируйте скорость бега так, чтобы угол взгляда оставался постоянным. Эта эвристика используется для навигации, например при ловле мячей, посадке самолета или перехвате добычи.

Эвристика: Эвристическое правило, позволяющее принимать решения быстро и с ограниченным поиском информации. Эвристики незаменимы в больших мирах, где неопределенность и трудноразрешимость не позволяют полагаться на инструменты оптимизации.

Эвристика перерыва: если клиент не совершал покупок в течение X месяцев или дольше, классифицируйте его как неактивного, а в противном случае - как активного.

Иллюзия определенности: Вера в то, что событие абсолютно определенно или находится под абсолютным контролем, хотя это не так; связана с мнением, что все проблемы можно смоделировать с помощью маленьких миров.

Подражать большинству: Подражайте действиям или практике, принятым большинством ваших сверстников.

Подражать успешным: Подражать самому успешному продукту, бизнес-модели, практике в какой-либо области или действиям самого успешного человека.

Неразрешимость: Относится к четко определенным ситуациям, в которых оптимальный ход действий не может быть рассчитан; частный случай большого мира. Примерами могут служить шахматы, игра Го и многие проблемы планирования.

Интуиция: Чувство, которое (1) основано на многолетнем опыте, (2) быстро возникает в сознании и (3) имеет неосознанное обоснование. Также называется интуицией.

Большой мир: Ситуация, которая не позволяет определить оптимальное действие. Существует два вида больших миров: неопределенность и неразрешимость. Неопределенность относится к плохо определенным ситуациям, когда исчерпывающий и взаимоисключающий набор всех возможных будущих состояний S и их последствий C не известен или не поддается определению. Неразрешимость относится к четко определенным ситуациям, когда оптимальный ход действий не может быть рассчитан.

Адаптивный инструментарий лидера: Репертуар эвристик, имеющихся в распоряжении лидеров. Лидерам требуется умение адаптивно выбирать эвристики для решения конкретной задачи.

Меньше - значит больше: Когда использование меньшего количества информации или вычислений приводит к принятию более точных решений.

Эвристика одной умной подсказки: Эвристика, которая полагается на единственную причину для принятия решения. Примерами могут служить эвристика перерыва в работе и эвристика найма Элона Маска (обсуждается в главе 4).

Принятие решений по одной причине: Класс эвристик, которые основывают решения на одной причине, включая эвристику "один-клевер-кей" и эвристику последовательного поиска.

Оптимизация: Определение максимума или минимума функции. В контексте принятия решений это означает поиск наилучшего варианта действий. Оптимизация возможна только в маленьких мирах.

Прогнозирование вне популяции: Предсказания модели в популяции, которая отличается от популяции, на которой обучалась модель.

Вневыборочное предсказание: Предсказания модели, полученные в результате процедуры кросс-валидации, то есть оценки параметров модели в одной части набора данных (обучающая выборка) и оценки того, насколько хорошо модель предсказывает в другой части того же набора данных (тестирующая выборка); в отличие от подгонки.

Эвристика рецидива: Прогнозируйте, что ставка в следующем периоде будет такой же, как и в последнем. Эта эвристика экологически рациональна в быстро меняющихся и нестабильных ситуациях, например, при прогнозировании изменчивого рыночного спроса.

Эвристика признания: если одна из двух альтернатив признана, а другая - нет, то можно сделать вывод, что признанная альтернатива имеет более высокий балл по критериальной переменной. Эвристика экологически рациональна в ситуациях, когда существует сильная корреляция между признанием и критерием.

Риск: ситуация, в которой известны вероятности всех последствий в каждом возможном будущем состоянии; частный случай малого мира.

Удовлетворение: Эвристика, которая задает уровень стремления α и выбирает первую альтернативу, которая ему удовлетворяет. Имеет две версии: (1) сатисфичинг без адаптации к уровню стремления, когда α фиксировано; и (2) сатисфичинг с адаптацией к уровню стремления, когда α изменяется на величину γ после периода поиска β и не найдено удовлетворяющей альтернативы.

Малый мир: Ситуация, когда известно исчерпывающее и взаимоисключающее множество всех возможных будущих состояний S и их последствий C. Термин принадлежит Леонарду Сэвиджу, который использовал аббревиатуру (S, C). В отличие от больших миров, в малом мире никогда не может произойти ничего нового и неожиданного. Если известны также вероятности последствий, то малый мир называется ситуацией риска, если нет - ситуацией неоднозначности.

Умная эвристика: Эвристика, используемая в ситуациях, когда она экологически рациональна - то есть ожидается, что она превзойдет другие стратегии или эвристики.

Социальная эвристика: Класс эвристик, которые полагаются исключительно на социальную информацию, например, "из уст в уста" и "подражание успешным".

Компромисс между скоростью и точностью: утверждение, что эвристика должна жертвовать точностью ради скорости; верно в ситуациях риска, но ложно в условиях неопределенности.

Принцип стабильного мира: Сложные алгоритмы лучше всего работают в хорошо определенных, стабильных ситуациях, когда доступны большие объемы данных, в то время как эвристика лучше всего работает в плохо определенных, нестабильных ситуациях, связанных с неопределенностью. Этот принцип помогает понять, при решении каких задач сложные алгоритмы искусственного интеллекта будут успешными, а где лучше сработают простые алгоритмы или эвристика.

Выбирай лучшее: Эвристика, которая перебирает подсказки в порядке их валидности и останавливает поиск на первой подсказке, где значения альтернатив различаются. Эвристика take-the-best экологически рациональна в ситуациях, когда веса подсказок уменьшаются экспоненциально - то есть вес каждой подсказки больше суммы весов подсказок, которые еще не были найдены.

Подсчет: Тип эвристики равенства, в которой задается число k, так что если цель имеет k положительных значений подсказки или больше, классифицируйте ее как относящуюся к категории X; в противном случае - не классифицируйте. Подсчет является экологически рациональным, если веса подсказок равны или близки друг к другу.

Tit-for-tat: Сначала сотрудничайте, а затем имитируйте ход противника. Этот способ очень эффективен против широкого спектра стратегий в итерированной игре "дилемма заключенного".

Прозрачность: Правило или алгоритм прозрачны, если пользователи могут их понять, запомнить, выучить и выполнить. Простые правила воплощают прозрачность.

Компромисс между прозрачностью и точностью: утверждение, что алгоритмы, включая машинное обучение и эвристику, должны жертвовать прозрачностью ради точности. Обычно этот компромисс не имеет места, поскольку эвристика может быть и прозрачной, и точной.

Неопределенность: Неопределенная ситуация, когда исчерпывающий и взаимоисключающий набор всех возможных будущих состояний S и их последствий C не известен или не поддается определению. В отличие от малого мира, неопределенность препятствует оптимизации, но является движущей силой инноваций. Ее часто путают с двусмысленностью, которая представляет собой ситуацию малого мира.

Взвешивание по единицам: Тип эвристики равенства, при котором все признаки имеют одинаковый вес при формировании суждения.

Мир VUCA: Мир с большой волатильностью, неопределенностью, сложностью и неоднозначностью. В этой книге он эквивалентен большому миру. В частности, V (волатильность) относится к неожиданным изменениям с течением времени, U (неопределенность) и A (неоднозначность) - к аспектам неопределенности, а C (сложность) - к неразрешимости.

Мудрость толпы: Социальная эвристика, при которой человек оценивает величину путем усреднения независимых суждений многих людей.

Слухи из уст в уста: Социальная эвристика, при которой человек принимает решение, основываясь на рекомендациях других людей, например, обращаясь к существующим сотрудникам за рекомендациями подходящих кандидатов для найма.