Когда инстинкт эффективнее аналитического мышления

Когда инстинкт эффективнее аналитического мышления

Исследователи в последние годы поставили нас перед фактом, что мы, люди, часто понимаем ситуацию неправильно, когда дело доходит до принятия решения. Мы не видим возможности, мы близоруки, мы обращаем внимание не на то, да и вообще мы просто все портим. В своей популярнейшей книге «Принятие решений в неопределённости: правила и предубеждения» пионеры поведенческой психологии Даниель Канеман и Амос Тверски показали нам ряд недостатков, которые экономика давно старалась приукрасить, и это привело к интересным инновациям в пенсионном планировании и государственной политике.

Прорыв

Книга в подарок

Опубликована наша книга «Прорыв. Единственный путь развития бизнеса». Это бизнес-роман о производственном предприятии, столкнувшимся с «потолком» в своем развитии. Для прорыва в развитии руководству и персоналу приходится преодолеть собственные, выстраданные на опыте, но устаревшие убеждения. Читателю предлагается пройти через этот прорыв вместе с героями. Вы увидите трудности такой трансформации, осознаете природу сопротивления изменениям и реальный путь к таким изменениям.
Подпишись на наш Telegram-канал и получи книгу в подарок!

Это, однако, не единственный взгляд на процесс принятия решений. Есть еще всем известный Нассим Талеб. И еще куда мене известный, но не менее авторитетный, психолог Герд Гигеренцер, который посвятил свою карьеру изучению того, каким образом мы поступаем правильно, или, по крайней мере, учимся на ошибках. По Гигеренцеру, использование эвристики (подсознательного, творческого мышления) и правил, основанных на практике, часто приводит к лучшим решениям, чем модели «рационального» принятия решений, разработанные математиками и статистиками. Эта точка зрения часто приводила Гигеренцера — директора Института развития человека Макса Планка в Берлине — к довольно ожесточенным дебатам с его интеллектуальными оппонентами. А также — к растущему числу увлекательных исследований и книг, одна из которых «Понимать риски. Как выбирать правильный курс» переведена на русский язык. Мы предлагаем вашему вниманию интервью Harvard Business Review с Гердом Гигеренцером.

HBR: Мы привыкли слышать, как плохо мы справляемся с принятием решений в условиях неопределенности, и как наша интуиция часто вводит нас в заблуждение. Но это не совсем совпадает с результатами ваших исследований, правильно?

Герд Гигеренцер: Я всегда задаюсь вопросом, почему люди хотят услышать, как плохи их собственные решения, или по крайней мере, насколько глупы все остальные. Я так не думаю. Я хочу помочь людям принимать более обоснованные решения, вместо того, чтобы утверждать, что у них имеются когнитивные иллюзии и что они в основном безнадежны, когда дело доходит до риска.

Но множество ваших исследований на протяжении многих лет показали, что люди делают ошибки.

Только представьте себе, кто бы мог подумать несколько веков назад, что все желающие смогут читать и писать? Поэтому сегодня мы должны рисковать. Я считаю, если сегодня молодые люди изучают математику неопределенности, статистическое мышление, вместо того, чтобы изучать только математику определенности — тригонометрию, геометрию, все эти красивые вещи, которые большинству из нас никогда не понадобятся, мы можем создать новое общество, которое в состоянии иметь дело с риском и неопределенностью.

Говоря о обучении людей тому, как иметь дело с неопределенностью, вы имеете в виду обучение статистике, изучение теории принятия решений?

Если вы живете в мире, где можно рассчитать риск, то статистического мышления будет достаточно, ну и еще логики. Если вы идете в казино играть в рулетку, вы можете вычислить, сколько вы потеряете в долгосрочной перспективе. Но большинство наших проблем касаются неопределенности. Так, например, в ходе финансового кризиса прозвучала мысль, что банки играли (и проиграли) в казино. Если бы это было верно, они могли бы рассчитать риски. Но они играли и играют в реальном мире неопределенности, где мы не знаем всех альтернатив или последствий, где риски очень трудно оценить, потому что все быстро меняется, иногда возникает эффект домино, случаются сюрпризы и вообще все что угодно.

Моделирование рисков в банках выросло из теории вероятностей.

Да, и в этом причина, почему эти модели провалились. Нам нужно статистическое мышление в мире, где мы можем рассчитать риск, но в мире неопределенности нам нужно нечто большее. Нам нужны эмпирические правила, называемые эвристикой, и хорошая интуиция. Это различие не было понято экономикой и большинством других когнитивных наук, и люди считают, что они могут моделировать или уменьшить неопределенность риска.

Вы рассказали историю, которая, я думаю, заимствована у Нассима Талеба. В чем состоит проблема того, как индейка подошла к управлению рисками?

Представьте, что вы индейка и это первый день в вашей жизни. Приходит человек и вы думаете: «Он убьет меня». Но он вас кормит. На следующий день он приходит снова, и вы снова боитесь, что он убьет вас, но он снова вас кормит. И так день за днем. Согласно любой стандартной модели, вероятность того, что завтра он покормит вас, а не убьет, увеличивается с каждым днем. И в сотый день она будет выше, чем в любой предыдущий. Но это канун Дня благодарения, и вот вы покойник. Так индейка путает мир неопределенности с миром, в котором риск можно рассчитать. А иллюзия индейки, наверное, не часто встречается у индеек, но часто — у людей.

Какое правило может помочь человеку или индейке в такой ситуации?

Давайте лучше говорить о людях. Например, возьмем VAR (сумма активов, подверженных риску) и другие стандартные модели, которые рейтинговые агентства использовали до кризиса 2008 года. То же самое произошло и здесь. Надежность росла из года в год, и незадолго до кризиса она была самой высокой. Подобные модели не способны предсказать никакой кризис, и они все проспали. Они работают, когда мир стабилен. Они как подушки безопасности в машине, которые работают всегда, за исключением момента, когда вы попали в аварию.

Так что мы должны отказаться от теории вероятностей и исследовать умную эвристику. У меня есть проект с Банком Англии, который называется «простой эвристикой для более безопасного мира финансов». Мы изучаем, какие простые эвристические методы могут сделать мир финансов более безопасным. Когда Мервин Кинг был еще губернатором, я спросил его, какие простые правила могут помочь банкам. Мервин сказал, что надо начать с коэффициента левереджа (отношение собственных и заемных средств, еще называют кредитным плечом) не выше 10 к 1. Большинству банков не нравится эта идея, по вполне понятным причинам. Они могут делать свои собственные оценки подверженности риску согласно своим внутренним моделями, и у центрального банка нет никакого способа проверить их правильность. Но с простыми правилами вроде плеча 10:1 не так просто играть — не так много параметров для оценки.

Вот общая идея: большой банк должен оценить, может быть, тысячи параметров для расчета своей подверженности риску. Погрешность, вносимая этими многочисленными приблизительными оценками настолько велика, что вы должны упростить расчеты. Если у вас небольшой банк, который не делает крупных инвестиций, вы находитесь в гораздо более безопасном и более стабильном режиме. И для небольшого банка сложные (относительно) расчеты могут на самом деле окупиться. В общем, если вы находитесь в нестабильном мире, сделайте его простым. Если вы находитесь в мире, который очень предсказуем, сделайте его сложным.

Что можно сказать о роли интуиции и инстинктивного чувства во всем этом? Понятно, что в бизнесе это большая проблема.

Инстинктивные чувства является инструментами в нестабильном мире. Они не каприз. Они не шестое чувство или Божий глас. Они основаны на большом опыте, бессознательном виде интеллекта.

Я работал с крупными компаниями и спрашивал у людей, принимающих решения, как часто они принимают важное профессиональное решение согласно этому шестому чувству. В крупных международных компаниях, с которыми я работал, около 50% всех решений принимаются инстинктивно!

Но те же самые менеджеры никогда не признаются в этом публично. Они боятся, что на них лично будет возложена ответственность, если что-то пойдет не так. Поэтому они разработали несколько стратегий для борьбы с этим страхом. Одна из них: найти причины после свершившегося факта. Топ-менеджер может иметь шестое чувство, но потом он просит сотрудника найти нужные факты в ближайшие две недели, после чего решение представляется как принятое на основе фактов и обработки множества данных. Это пустая трата времени, интеллекта и денег. Еще дороже обойдется второй вариант: нанять консалтинговую компанию, которая разработает 200-страничный документ, который оправдает шестое чувство. И, наконец, самый дорогой способ, а именно — оборонительная стратегия принятия решений. Здесь менеджер чувствует, что он должен выбрать вариант А, но если что-то пойдет не так, он не сможет обосновать этот выбор, и это неприемлемо. Поэтому он выберет вариант B, который был вторым или третьим по предпочтительности на его взгляд. Оборонительная стратегия принятия решений плоха для компании, но защищает принимающего решение. В исследованиях, которые я сделал с крупными компаниями, оборонительная стратегия применяется примерно от одной трети до половины всех важных решений. Можете себе представить, сколько эти компании теряют!

Но в бизнесе наблюдается течение к использованию больших данных более разумно, что часто находит отражение в блоге HBR. Можно ли автоматизировать подобные решения?

Это хорошая стратегия, если у вас есть бизнес в очень стабильном мире. Большие данные имеют давние традиции в области астрономии. За тысячи лет люди собрали удивительные данные, и небесные тела довольно стабильны в течение нашей короткой жизни. Но если вы имеете дело с нестабильным миром, большие данные дают лишь иллюзию определенности. Например, я проанализировал прогнозы валютных курсов лучших инвестиционных банков по всему миру. Если вы в теме, то знаете, что большие данные здесь не работают. В нестабильном мире нужно что-то еще. Хорошая интуиция, умная эвристика. Но большинство экономистов еще не готовы признать никакие новые инструменты, кроме гипотезы «ожидаемой максимизации полезности».

Вы в своей книге рассказали историю о Гарри Марковице, который ввел ожидаемую максимизацию полезности в мир инвестирования и современную теорию управления портфелем. Как он на самом деле принимал решения о своих инвестициях?

Когда Гарри Марковиц сделал свои собственные инвестиции после выхода на пенсию, он опирался на простую эвристику. Чисто интуитивно он инвестировал свои деньги поровну. Если у вас есть два варианта инвестирования: 50/50; если три: 33/33/33 и так далее. Эта стратегия называется «один на N», где N — это количество вариантов. Мы и многие другие проводили исследования, насколько эта стратегия хороша. В большинстве исследований указывается, что стратегия «один на N» превосходит упомянутую теорию оптимизации портфеля Марковица.

Что это за мир, в котором простой эвристический метод «один на N» оказывается лучше, чем любая теория оптимизации? Если мир является весьма предсказуемым, у вас есть много данных, и немного параметров для оценки, чтобы создать эффективные сложные модели. Но если мир очень непредсказуем и нестабилен, как фондовый рынок, у вас есть много параметров для оценки и относительно мало данных. Тогда решение должно быть простым.

Даниель Канеман популяризировал использование таксономии в последние пару лет, но речь не о том, чтобы поставить «систему два» во главе и держать «систему один» под контролем. Речь идет о том, чтобы выяснить, какая ситуация является более подходящей для каждой из них.

У меня есть свое собственное мнение о системе один и системе два (система 1 — инстинктивное, система 2 — логическое мышление), и если вы хотите узнать мое мнение… [Подробнее об этом в книге «Думай медленно… Решай быстро», Д. Канеман.]

Я знаю, что вы и Канеман обсуждали эти вещи в течение многих десятилетий…

Что такое система один и система два? Это список дихотомий (деление одного целого на 2 части). Эвристика против вычисленной рациональности, бессознательное против сознательного, подверженность ошибкам против абсолютной правильности и так далее. Обычно наука начинается с этих смутных дихотомий и разрабатывает точную модель. Это единственный известный мне случай, где каждый может добиться прогреса в своем направлении. У нас были и до сих пор имеются точные эвристические модели, такие как «один на N». И в то же время у нас есть точные модели для так называемого рационального принятия решений, которые при этом сильно различаются: Байеса, Неймана-Пирсона и так далее. Что такое «система один», что такое «система два»? Канеман все смешал в двух черных ящиках и просто сказал, что это – «система один», а это – «система два». Так нельзя предсказать ничего. Так можно объяснить постфактум почти все. Я не считаю это прогрессом.

Равенство между эвристикой и бессознательным не соответствует действительности. Любую эвристику можно использовать сознательно или бессознательно. Равенство между эвристикой и подверженностью ошибкам также не соответствует действительности. Итак, нам нужно вернуться к точным моделям и спросить себя, когда «один на N» хорошая идея, а когда нет? Система один / система два даже не задает этот вопрос. Она предполагает, что эвристика всегда плохо, или система два всегда лучше.

Похоже, что бизнес руководителям (и не только им) на самом деле нужна эвристика, потому что вся идея бизнеса заключается в том, что вы постоянно вторгаетесь на неизвестную территорию. Нашли ли вы за эти годы какие-то эвристики, которые точно должны работать?

Есть эвристики, которые мы можем смоделировать и математически проанализировать. Но другие больше похожи на словесные рецепты. Чем более неопределенным кажется мир, тем больше необходимость в словесных рецептах.

Есть целый класс эвристики, который я называю методом принятия решений «одна веская причина». Предположим, у вас есть большая компания с клиентской базой в 100000 человек, и вы не хотите фокусироваться на тех клиентах, которые никогда не будут покупать у вас. Итак, как предсказать, какие клиенты будут покупать, а какие нет? Согласно стандартной теории маркетинга, это сложная проблема, так что вам нужно сложное решение. Например, отрицательная биномиальная модель распределения Парето, которая имеет четыре параметра для оценки и выдает вам вероятность, с которой каждый клиент сделает будущие покупки. Это сложная проблема в мире неопределенности, и вы получите слишком большую погрешность, сделав все эти оценки. Таким образом, вам нужно найти простое решение.

Вот для сравнения словесный эвристический пример: если клиент не покупал, по крайней мере, девять последних месяцев, классифицировать его как неактивного; в противном случае, как активного. Конечно, вы сейчас можете сказать, что полагаться на одну вескую причину никак не может быть лучше, чем полагаться на эту причину плюс многие другие причины, и сделаете впечатляющие математические вычисления. Но это будет большой ошибкой в мире неопределенности. Исследования показали, что, например, для авиакомпании простой эвристический прогноз будущего поведения клиентов точнее, чем сложная модель Парето. То же самое справедливо для бизнеса по производству одежды.

Меньше лучше

Да, меньше лучше. Ряд исследований показал, например, что в изучении языка лучше работает ограниченная память и простые предложения. Родители делают это интуитивно. Это называется детский лепет. И это работает. И дети учатся. А потом, предложения становятся немного более сложными, и память развивается, и этот способ дает хорошее понимание языка.

Проблема эвристики заключается в предубеждениях людей. Люди, в том числе большинство поведенческих экономистов, воспринимают стандартные модели как закон. Если кто-то делает что-то по-другому, они считают это признаком когнитивных ограничений. Это большая ошибка. Потому что в мире неопределенности эти модели не являются догмой. Я имею в виду, что все должны понять это.

Я надеюсь, что в какой-то момент экономисты наконец поймут, что их модели хороши для одних ситуаций, но плохи для других. А еще психологи и экономисты поймут, что существуют математические исследования эвристики. Эвристика не просто слова, такие как «доступность» или «репрезентативность», которые объясняют все пост-фактум, но она может предсказать некоторые вещи. «Один на N», «эвристика узнавания» (или «эффект узнавания»), «одна веская причина» могут предсказывать очень хорошо и показывать, что не так в определенных ситуациях.

Эвристика узнавания является классикой. Было проведено множество исследований фондового рынка, например, Терри Одином из Университета Беркли о том, как люди принимали плохие решения в инвестировании из-за эвристики узнавания (примерно так: знаю компанию — покупаю ее акции, не знаю — не покупаю). Но есть и другое исследование, в котором американцы правильнее немцев выбирали из предложенной пары немецких городов город с большим населением. И наоборот, немцы правильнее американцев разобрались с населением американских городов. Почему? Потому что иностранцы просто всегда выбирали города, которые они знали.

Забавно, что эта простая эвристика стала поводом для споров. Два немецких психолога (профессор доктор Кристиан Фрингс и доктор Саша Серве) сказали, хорошо, предположим, что люди полагаются в подобных вопросах на эвристику, но это не показатель. Они заявили, что города являются стабильным миром, поэтому подобная эвристика и сработала. И они выбрали другой мир, где как они считают, немцы действительно провалятся. Это предсказание результатов Уимблдонских теннисных матчей в мужском одиночном разряде.

Психологи заявили, во-первых, Уимблдон — очень динамичная среда. Прошлогодний победитель никогда не побеждает на следующий год. Во-вторых, прогнозы немцев и сами немецкие игроки не очень хороши. (Психологи проводили исследование после окончания теннисной немецкой эры Бориса Беккера.) У исследователей было три «золотых стандарта», которым они полностью доверяли. Два рейтинга ATP (Ассоциация Теннисистов Профессионалов): ATP Race — рейтинг текущего сезона, ATP Ranking – рейтинг года (за последние 52 недели), и третий — посев Уимблдона. (Все это точные статистические данные). Затем им для сравнения нужны были прогнозы не слишком осведомленных о теннисе людей, в идеале тех, кто слышал о половине игроков и не слышал о другой половине. Психологи нашли людей в Берлине, которые даже не слышали о половине участников Уимблдона. И они провели эксперимент.

И что же? Рейтинг ATP номер один совпал с результатами матчей на 66%, рейтинг ATP номер два — на 68% и посев Уимблдона — на 69%. [Т.е. игрок с более высоким рейтингом ATP чаще побеждал соперника с более низким показателем.] А вот эвристика узнавания правильно предсказала 72% результатов матчей. Совсем не это хотели доказать немецкие психологи. Нужно заметить, что этот эксперимент был повторен через два года и завершился практически с тем же результатом.

Автор: Джастин Фокс
Источник HBR