Левое полушарие – правильные решения. Мыслить и действовать: как интуиция поддерживает логику - Фил Розенцвейг

В 1999–2005 годах, когда Лэнс Армстронг выигрывал Тур де Франс беспрецедентные семь лет подряд, ходили упорные слухи, что он применяет допинг. Все подозревали, но ничего не было доказано. К 2008 году благодаря постоянным исследованиям доказательства начали появляться. Одного из лучших американских велосипедистов, признавшегося в нарушении правил, Кейла Леогранда, спросили, не считает ли он, что Армстронг использует допинг. Леогранд нисколько в этом не сомневался: «Он участвует в этих варварских велогонках в Европе. Если бы вы были велосипедистом этого уровня, что бы вы сделали?»[75]

Наконец, в 2013 году Армстронг признался, что использовал допинг, – все возможные варианты. ЭПО? «Да». Кровяной допинг? «Да». Тестостерон? «Да». Отвечая на вопрос, мог ли он выиграть Тур де Франс, не прибегая к этим мерам, Армстронг сказал: «Нет». Если бы он не использовал все имеющиеся средства, то при такой конкуренции у него не было бы возможности выиграть гонку. Печально, но Армстронг, вероятно, прав, хотя допинг обострил проблему и лишил других велосипедистов возможности ездить честно.[76]

Конечно, вышесказанное не оправдывает нелегальное использование наркотиков. Многие велосипедисты отказались от допинга, и в результате пострадали их карьеры. Мы должны осудить велосипедистов, употреблявших наркотики, и чиновников, не спешивших настаивать на жестком контроле. В этом смысле обнадеживающий шаг вперед – появление биологического паспорта, в котором зафиксированы исходные показатели каждого спортсмена, что позволяет легко выявить отклонение ключевых маркеров.

Но я привел этот пример для того, чтобы показать другое: даже небольшое повышение абсолютной производительности может привести к значительным отличиям в относительной производительности, а именно к победе или поражению.

Абсолютное улучшение и относительный успех

Чтобы проиллюстрировать, как повышение производительности (абсолютное) может повлиять на успех (относительный), давайте вернемся к примеру из главы 2: в нем игроков просили забить мяч в лунку (опустим проектор и круги, создававшие иллюзию увеличения и уменьшения лунки).

Давайте предположим, что группа начинающих игроков в гольф при ударе с двухметрового расстояния имеет 30-процентный шанс попадания. Если мы попросим каждого из них сделать по 10 ударов (и предположим, что каждый удар независимый, то есть один удар не улучшает качество других), то получим распределение, представленное на рис. 4.1. Очень небольшое количество игроков (2,8 %) промахнется все десять раз, 12 % попадет в одну лунку, 23,3 % в две и 26 % (самый распространенный результат) в три. От этой точки кривая распределения начинает снижаться: в четыре лунки попадет 20 % игроков, 10,3 % попадет в пять и 3,7 % в шесть лунок. В семь лунок из десяти попадет менее 1 %, и хотя дальнейшее улучшение возможно, оно все менее и менее вероятно.

Рис. 4.1. Группа новичков, 30-процентный уровень попаданий

Теперь предположим, что мы собрали другую группу и провели для нее занятия. Мы обучили участников делать плавный удар с хорошим завершением. Мы научили их сосредоточивать ум и использовать преимущества позитивного мышления. Давайте предположим, что члены обученной группы попадают в 40 % случаев – значительное улучшение по сравнению с 30 % у новичков, но все еще далекое от 54,8 % – у профессиональных гольфистов, упомянутых в главе 2. Если все члены группы сделают по 10 ударов, то получится распределение как на рис. 4.2. Теперь почти никто не промажет все десять раз: 4 % попадут только в одну лунку, 12,1 % в две, 21,5 % в три, 25,1 % в четыре и т. д.

Если мы наложим результат новичков на результат обученных гольфистов, как это показано на рис. 4.3, то увидим, что они не сильно различаются.

В любых соревнованиях некоторые новички сыграют лучше, чем обученные профессионалы.

А теперь вопрос: если мы проведем соревнование между новичками и обученными гольфистами (скажем, по 30 человек в обеих группах) и каждый сделает по 20 ударов, то каковы шансы у одного из членов первой и у одного из членов второй группы занять первое место? Конечно, более вероятно, что победит обученный гольфист, но насколько? Есть ли шанс, что победителем станет новичок, или это маловероятно?

Чтобы выяснить это, я использовал моделирование Монте-Карло, метод, разработанный в 1940 году, когда ученым из Манхэттенского проекта понадобилось предсказать исход цепных ядерных реакций. Физика цепных реакций настолько сложна, что точный расчет в этом случае был невозможен. Легче было рассчитать, что произойдет в целом ряде испытаний, а затем, объединив результаты, получить представление о распределении возможных исходов. Ученые Джон фон Нейман и Станислас Улам назвали свой метод в честь Монте-Карло – казино в Монако с его знаменитой рулеткой. При любом однократном вращении колеса рулетки шар попадает только на один слот, из чего мы получим мало информации. Но поверните колесо рулетки тысячу раз, и получите представление о том, что может случиться.[77]

Рис. 4.2. Группа обученных: 40-процентный уровень попаданий

Рис. 4.3. Объединение групп начинающих (30 %) и обученных (40 %)

Изучая влияние изменения абсолютной производительности на относительную, я провел имитационные эксперименты по методу Монте-Карло, чтобы иметь результаты тысячи соревнований, где 30 новичков и 30 обученных гольфистов делают по 20 ударов. Результаты показали: 86,5 % времени, в 865 из 1000 испытаний победителями стали члены обученной группы. 9,1 % времени сохранялось преимущество группы обученных, и только 4,4 % времени, всего 44 раза из 1000 испытаний, самый высокий результат был получен в группе начинающих. Абсолютное преимущество группы обученных, 40-процентное попадание по сравнению с 30-процентным, обеспечивало своим членам почти непреодолимое относительное преимущество. Лучшие начинающие побеждали всех 30 обученных игроков реже одного раза из 20.

А что, если бы выигрыш от обучения был бы намного меньше – например, меткость повысилась бы от 30 до всего лишь 33 %? Если обученная группа будет иметь распределение, как на рис. 4.4, то перекрытие с группой начинающих станет значительно больше, как показано на рис. 4.5. Вероятность того, что новичок сможет выиграть, должна повыситься, и мы действительно это наблюдаем. Тем не менее метод Монте-Карло показал: в соревновании, где 30 членов каждой группы сделают по 20 ударов, член группы начинающих закончит победителем в 19,9 % случаев (в 199 из 1000 испытаний). Член группы обученных победит в 55,5 % случаев (555 из 1000), и в 24,6 % счет будет равным. Даже относительно небольшое улучшение, с 30 до 33 %, обеспечивает группе обученных более чем двукратное преимущество.

Рис. 4.4. Группа обученных: 33 % попаданий

Рис. 4.5. Объединение группы начинающих (30 %) и группы обученных (33 %)

Урок ясен: в условиях конкурентной борьбы даже умеренное повышение абсолютной производительности может оказать огромное влияние на относительную производительность. И наоборот, неспособность использовать все возможные преимущества для повышения абсолютной производительности оказывает сокрушительное действие на вероятность выигрыша. В этих условиях насущная необходимость – поиск способа повысить эффективность.[78]

Повышение производительности в мире бизнеса

Пример с ЭПО в случае с велосипедистами и моделирование Монте-Карло приводят к одному и тому же выводу: даже незначительное повышение абсолютной производительности может оказать непропорционально большое влияние на относительные показатели. Тем не менее необходимо проявить осторожность и не делать слишком масштабных обобщений. Конечно, «варварское» давление, как в велосипедных соревнованиях, встречается редко, и хотя моделирование турнира показательно, оно остается моделированием. Так что вопрос о том, обнаружим ли мы аналогичное влияние скромного абсолютного прироста в реальной жизни, по-прежнему открыт.

Для сравнения давайте рассмотрим мир бизнеса. Конечно, он очень отличается от велогонки или соревнований. В бизнесе распределение выплат редко бывает явным, с фиксированными призами за первое, второе и третье места. Когда ставится вопрос, что компания должна быть в числе лидеров, или она погибнет, обычно не определена конечная точка. Нет и ничего подобного ЭПО, мощного препарата, при прочих равных условиях повышающего производительность на 5 %. Компании не могут принять таблетку, чтобы стать на 5 % эффективнее или ввести на 5 % больше новаций.

Однако, несмотря на все различия, конкурентная динамика в бизнесе похожа на описанную. Хотя здесь может не быть четко определенной структуры выплат, но они зачастую имеют значительный перекос с большими различиями между более эффективными и менее эффективными исполнителями. Может не быть четко определенной конечной точки, что не обязательно станет источником комфорта, потому что постоянно существует угроза ликвидации. Кроме того, в отличие от спорта, где правила всем известны и все видят турнирную таблицу, конкуренция в бизнесе имеет много источников неопределенности. Технологии могут резко измениться, в любой момент в борьбу включаются новые конкуренты, потребительские предпочтения могут измениться за неделю, а соперники – объединиться или заключить союз. Во всяком случае, конкуренция в бизнесе более динамична и менее либеральна, чем в спорте. Неудивительно, что люди испытывают непрекращающееся давление, заставляющее искать способы сделать лучше, будь то использование передовых технологий, новые продукты или просто лучшее исполнение. Компании могут надеяться держать позиции впереди конкурентов, только используя все благоприятные возможности и находя нестандартные пути. Майкл Рейнор из Deloitte Consulting назвал это «стратегиями парадокса»: наибольшие шансы на успех в то же время несут в себе самую высокую вероятность провала. «По крайней мере поведенчески, – замечает Рейнор, – противоположность успеха – не провал, а посредственность… Тот, кто рискует, побеждает… или проигрывает».[79] Смелых действий может быть недостаточно, чтобы гарантировать успех, но когда производительность относительна, а выплаты значительно перекошены, то можно с уверенностью утверждать: безопасная игра почти наверняка приведет к провалу. Вас обязательно обгонят соперники, которые станут рисковать, чтобы вырваться вперед.