Как думают великие компании. Три правила - читать онлайн книгу. Автор: Мумтаз Ахмед, Майкл Е. Рейнор cтр.№ 66

К сожалению, не существует строгих критериев, которые могли бы гарантировать, что, проделав определенную работу, мы получим некие истинные утверждения. Всем нам приходится самим оценивать доказательства и делать собственные выводы. Мы должны смириться с тем, что вполне добросовестные люди могут смотреть на вещи по-разному и что два разумных человека, изучив одни и те же факты, могут прийти к разным, а то и противоположным выводам.

К счастью, все же существуют кое-какие критерии, которые могут позволить нам делать подобные оценки.

Исследователь теории организационных процессов Карл Уэйк утверждает, что теории следует оценивать по трем показателям: простоте, точности и общности ^{164}. Опыт показывает, что между этими тремя характеристиками приходится искать определенные компромиссы, особенно в социальных науках ^{165}. Простые теории, как правило, оперируют немногими переменными, и поэтому при попытках учета специфики в конкретных случаях они часто оказываются недостаточно точными. Для повышения точности часто требуется ввести новые переменные, а значит, теория усложняется. Чем точнее теория объясняет конкретный случай, тем у́же сфера ее возможного применения, в то время как теории с широкой сферой применения непременно включают в себя допущения, снижающие точность. Поэтому при оценке достоинств конкретной теории нужно обращать внимание не только на ее относительные баллы по каждому из этих показателей, но и на механизмы достижения компромиссов между ними. Ответ на вопрос о том, какая теория лучше, а какая хуже – обобщенная и простая, обобщенная и точная, простая и точная, – зависит от того, к чему ее предполагается применять ^{166}.

Принимая во внимание все эти нюансы, мы представим обоснование трех вышеуказанных правил как достойной теории достижения высочайшей корпоративной эффективности.

Мир устроен сложно. Сознательное определение последовательности действий, соответствующей наибольшей вероятности достижения поставленных целей, на основе всех имеющихся данных обычно выходит за пределы наших возможностей, и, наверное, так будет всегда. И дело здесь не только в неоднозначности данных, а еще и в масштабах и сложности расчетов. Например, концептуально игра в шахматы не отличается от игры в крестики-нолики – такая же, говоря математическим языком, определенная игра. Но шахматы интереснее, чем крестики-нолики, потому что они сложнее. Есть игры, требующие напряжения не из-за их сложности, а из-за неопределенности, как, например, нарды. Объедините то и другое – и когнитивная нагрузка может быстро стать чрезмерной.

К сожалению, столкнувшись с избыточным количеством вариантов действий и не будучи в состоянии сделать оптимальный выбор на основании рациональных рассуждений, мы очень часто не делаем вообще ничего, откладывая действия настолько, что попадаем в положение даже худшее, чем при случайном выборе ^{167}. Это имеет место даже в ситуациях столь тривиальных, как решение вопроса, стоит или нет покупать варенье. И вполне возможно, что этот феномен «оленя в свете фар» еще ярче проявляется в более острых ситуациях, когда решения касаются намного более важных вещей. Не зря же люди придумали выражение «аналитический паралич».

Эта особенность механизмов познания у человека повышает значение простых практических – эвристических – правил, которые позволяют реагировать на ситуацию, определяя и «стратегию поиска», и алгоритм выбора. Если вам нужно выбрать один из нескольких четко определенных вариантов, но при этом трудно определить, который из них лучше, следует выбрать вариант, в наибольшей мере соответствующий выбранным вами правилам. Если задача состоит в том, чтобы найти или проложить путь вперед, эти три правила обеспечивают рекомендации по выполнению, по сути, акта творчества. Во всяком случае, они обеспечивают возможность осмысления того, что в противном случае превосходило бы возможности разума.

Использование правил часто рассматривается как неизбежный компромисс. Для совершения оптимального выбора нам не хватает полноты данных и вычислительной мощности, поэтому нам приходится смиряться с ограничениями и делать все от нас зависящее, довольствуясь тем, что есть ^{168}. Можно предположить, что мы могли бы получить лучшие результаты, используя более сложные модели, но их тоже слишком много, чтобы можно было легко выбрать наиболее подходящую.

Кроме того, оказывается, что простые правила не только более действенны, но и часто дают лучшие результаты, чем более сложные и, казалось бы, более полные модели ^{169}. Утверждение, что совершенно правильная модель будет работать лучше, нежели не совсем полная и правильная модель, всегда верно, и, следовательно, неинформативно. Однако на самом деле (а не в силу теоретической необходимости) мы обнаруживаем, что более полные модели, как правило, вводят дополнительную погрешность в силу их высокой специфичности ^{170}. Иными словами, верно не только то, что простые правила более действенны, но и то, что, даже если можно использовать сложные наборы правил, этого, вероятно, следует избегать, потому что простые правила дают лучшие результаты.