استراتژی دنیل کانمن: چگونه سازمان خود را هوشمندتر کنید
مترجم: مریم رضایی
منبع: Knowledge Wharton
دنیل کانمن، روانشناس و برنده جایزه نوبل اقتصاد که پدر علم اقتصاد رفتاری نیز شناخته میشود، چند سال پیش از تدریس در دانشگاه پرینستون بازنشسته شد و یک شرکت مشاوره در نیویورک تاسیس کرد. در گفتوگویی که اخیرا در کنفرانسی در موسسه وارتون صورت گرفت، او در مورد تجربیاتش در حوزه مشاوره و کیفیت تصمیمگیری در سازمانها صحبت کرد که بخشهایی از آن را میخوانیم. کانمن در این کنفرانس گفت: «وقتی به سازمانهای بزرگ نگاه میکنید، انتظار دارید عملکردشان بهینه و منطقی باشد اما میزان بیخردی در شیوه مدیریت آنها، فرآیندهای احمقانهای که دارند و تفکر واقعا ضعیفی که اطراف خود میبینید، آزاردهنده است.
مترجم: مریم رضایی
منبع: Knowledge Wharton
دنیل کانمن، روانشناس و برنده جایزه نوبل اقتصاد که پدر علم اقتصاد رفتاری نیز شناخته میشود، چند سال پیش از تدریس در دانشگاه پرینستون بازنشسته شد و یک شرکت مشاوره در نیویورک تاسیس کرد. در گفتوگویی که اخیرا در کنفرانسی در موسسه وارتون صورت گرفت، او در مورد تجربیاتش در حوزه مشاوره و کیفیت تصمیمگیری در سازمانها صحبت کرد که بخشهایی از آن را میخوانیم. کانمن در این کنفرانس گفت: «وقتی به سازمانهای بزرگ نگاه میکنید، انتظار دارید عملکردشان بهینه و منطقی باشد اما میزان بیخردی در شیوه مدیریت آنها، فرآیندهای احمقانهای که دارند و تفکر واقعا ضعیفی که اطراف خود میبینید، آزاردهنده است.»
از نظر او کشف نحوه تصمیمگیری متناسب با پیچیدگی و اهمیت خطراتی که وجود دارد، مشکل بسیار بزرگی است که دنیای کسبوکار وقت زیادی را صرف فکر کردن به آن نمیکند. کانمن در این کنفرانس توصیف کرد که برای هوشمندانهتر کردن سازمانها چه پیشرفت قابل توجهی لازم است. اگر افراد آن گونه که کانمن میگوید به صورت روتین تصمیمات ضعیف بگیرند، چرا اصلا این موضوع باید مورد توجه قرار بگیرد؟ پاسخ این سوال به اقتصاد رفتاری برمیگردد، حوزهای که میگوید چرا افراد اغلب انتخابهای مالی نامعقول دارند و همواره به شیوهای که مدلهای اقتصاد استاندارد پیشبینی میکنند، رفتار نمیکنند.
اقتصاددانان رفتاری معتقدند انسانها در اعتماد به نفس بالا در توجه محدود، جهتگیریهای شناختی و دیگر فاکتورهای روانشناسانه که ناگزیر موجب بروز خطاهایی در قضاوت میشود، گیر میافتند. این فاکتورها بر هر چیزی، از نحوه سرمایهگذاری در سهام تا واکنشی که به پیشنهادهای بازاریابی نشان میدهیم یا چگونه انتخاب میکنیم که چه ساندویچی برای ناهارمان بخریم، اثر میگذارند. کانمن میگوید: «ما اساسا طوری اعتماد به نفس بیش از حد داریم که سریع به سوی نتیجهگیری جهش میکنیم. بنابراین به صورت اتوماتیک و بیاختیار در تعبیر موقعیتها دچار سوء تفاهم میشویم و کنترل چنین شرایطی بسیار دشوار است.»
کانمن به شواهد مخرب در مورد قضاوتهای حرفهای کارشناسان اشاره کرده و میگوید: «اگر یک عکس رادیولوژی را جلوی رادیولوژیستهای مختلف بگذارید، حدود ۲۰ درصد مواقع تشخیص یکسانی صورت نمیگیرد.»
کانمن از کارهای مشاورهای که انجام داده مثالی را در مورد یک موسسه مالی بزرگ مطرح میکند که در آن موافقت با وام و قضاوت در مورد حق بیمه به صورت روتین صورت میگیرد. این تصمیمگیریها مبالغ صدها هزار دلاری را شامل میشود که اغلب منوط به نظر یک فرد هستند. کانمن تجربهای را بیان میکند که در آن از رهبران تیم سوال شده بود تصمیمهای دو کارشناس مختلف در مورد یک پرونده خاص، چند درصد با هم اختلاف دارد. کانمن میگوید «خیلیها حدس میزنند ارزیابیها یکسان است و شاید بین ۵ تا ۱۰ درصد اختلاف وجود داشته باشد. اما واقعیت این است که این اختلاف بین ۴۰ تا ۶۰ درصد است» و رهبران سازمان کاملا از این موضوع بیخبر بودند. به عقیده کانمن این مشکل به بیتجربگی نسبی برخی کارمندان ربطی ندارد، بلکه مساله حیرتانگیز - حداقل طبق تجربه ما - این است که حرفهایهای باتجربه به اندازه تازهکارها بیثبات بودند.
آیا دانستن این موضوع میتواند به کارشناسان کمک کند در قالب یک گروه تصمیمهایی جمعی بگیرند؟ حتی اگر این مساله در سازمانها امکانپذیر باشد - که اغلب نیست - موانعی وجود دارند. کانمن میگوید طبق روانشناسی اجتماعی، وقتی گروهی از افراد در مورد یک موضوع گفتوگو میکنند، «فشارهای انطباقی بزرگی» وجود دارد که باعث میشود مشارکتکنندگان میزان مخالفتها و ناسازگاریهای بین خودشان را دست کم بگیرند.
راهکار: الگوریتمها
نسخه تجویزی کانمن برای سازمانها این است که قضاوتهای انسانی را از طریق الگوریتمها با «تفکر منظم» تعدیل کنیم. از نظر او شواهدی که از تحقیقات به دست آمده روشن و صریح هستند: وقتی مساله تصمیمگیری مطرح میشود، الگوریتمها برتر از افراد هستند. کانمن میگوید «الگوریتمها اختلال ایجاد نمیکنند، درحالیکه در مورد انسان این گونه نیست. وقتی دادهای را جلوی یک الگوریتم میگذارید، همیشه در نهایت یک پاسخ یکسان دریافت خواهید کرد.»
یک الگوریتم خوب به حجم گسترده داده نیاز ندارد. تصور کنید در حال ارزیابی ثبات مالی شرکتها هستید تا مثلا به آنها وام بدهید یا آنها را در برابر ریسکهای مالی بیمه کنید. توصیه کانمن این است که با کمیتهای از افراد که از چنین موقعیتی اطلاع کامل دارند جلسه بگذارید و لیستی شامل پنج تا شش بعد تهیه کنید. بیش از هشت بعد دیگر لازم نیست. «اگر برای این ابعاد مقیاسهای رتبهبندی خوبی ایجاد کنید و وزن مساوی به آنها بدهید، عملکردتان به خوبی یک الگوریتم آماری بسیار پیچیده خواهد بود.»
هوش مصنوعی جایگزین درک انسانی
از کانمن در مورد نقش رو به رشد هوش مصنوعی در تفکر کسبوکار سوال شد؛ بهویژه در مورد الگوریتمهای قدرتمندی که امروزه وظایفی را انجام میدهند که در گذشته توسط حسابداران، مشاوران و مدیران انجام میشد. پاسخ کانمن بسیاری از حاضران را شگفتزده کرد: «فکر میکنم خیلی نگران این مساله هستم.»
نگرانی او این است که پیچیدهتر شدن هوش مصنوعی آن را از کمک به انسانها برای دسترسی به تفکر منظم و اجرای قضاوتهای حرفهای فراتر میبرد. «این موضوع برای رهبران سازمانی بسیار خطرناک است. چون به محض اینکه تصمیمها را تحلیل میکنید، هر کسی میتواند از رهبر سازمان جلوتر برود. این مساله چه تاثیری بر ساختار قدرت دارد؟» کانمن این واقعیت را یادآوری کرد که اوایل امسال، یک برنامه کامپیوتری متعلق به شرکت گوگل توانست قهرمان جهانی بازی معروف «گو» را که ۱۸ عنوان بینالمللی داشت شکست دهد. تیم گوگل این نرمافزار را بر اساس ۱۵۰ هزار بازی انسانی واقعی ساخته بود و سپس نرمافزار حدود ۳۰ میلیون بار این بازی را با خودش انجام داده و ارتقا یافته بود. به این ترتیب، برنامههایی ایجاد میشوند که از دنیای قهرمانی جهان بالاتر میروند. برنامه مذکور، اطلاعاتی بیش از یک انسان داشت. به گفته کانمن، «همه اینها به میزان دسترسپذیری دادهها بستگی دارد: درک انسان همین گونه رشد میکند. ما درکمان را با دادههایی که در طول زندگی جمع میکنیم بالا میبریم. بنابراین هوش مصنوعی میتواند عملکرد بهتری داشته باشد.»
ارسال نظر