Smart Management

Как часто это происходит в крупных корпорациях? Когда один из нас (Гигеренцер) спросил директора одной из крупнейших консалтинговых фирм мира, сколько проектов фирмы связано с обоснованием уже принятых решений, тот ответил (на условиях анонимности), что более 50 процентов.

Подумайте, сколько денег, времени и усилий можно было бы потратить впустую, если бы организации серьезно относились к эвристике и изучали, как и когда она работает. В результате им не пришлось бы скрывать тот факт, что они регулярно используют эвристику. Вместо этого они могли бы чувствовать себя хорошо, принимая компетентные решения в мире неопределенности. Мы считаем, что настало время пересмотреть представление об эвристике в менеджменте и бизнесе, превратив ее из предвзятой в умную.

Примечания

1 . Франклин (1907/1779).

2 . Ариели (2008); Канеман (2011).

3 . Knight (1921).

4 . Нобелевская премия (2022).

5 . Фридман и др. (2014, с. 3).

6 . Geman, Bienenstock, and Doursat (1992).

7 . Саймон (1988, с. 286).

8 . Кэтлин Саймон Фрэнк, личная переписка по электронной почте, 26 января 2019 г.

9 . Bower (2011).

10 . DeMiguel, Garlappi, and Uppal (2009).

11 . Эта версия взята из Gigerenzer (2007).

12 . Селтен (1978, с. 132-133).

13 . Адмати и Хеллвиг (2013).

14 . Гигерензер и Селтен (2001).

15 . Например, Gigerenzer, Hertwig, and Pachur (2011).

2 Почему эвристика?

Термин "эвристика" имеет греческое происхождение и означает "служащий для выяснения или обнаружения". Гештальт-психологи Макс Вертхаймер и Карл Данкер использовали его именно в этом смысле, говоря о таких эвристических методах, как оглядывание по сторонам, чтобы направлять поиск информации. Альберт Эйнштейн также включил этот термин в название своей работы по квантовой физике, получившей Нобелевскую премию в 1905 году, чтобы показать, что излагаемая им точка зрения - это неполный, но очень полезный путь к открытию чего-то более близкого к истине. 1 Математик Джордж Полья утверждал, что наука требует как аналитических, так и эвристических инструментов; анализ, например, необходим для проверки доказательства, но эвристика нужна для того, чтобы обнаружить доказательство в первую очередь. 2

Вместе с Алленом Ньюэллом, студентом Полы, Герберт Саймон внедрил эвристический поиск, чтобы сделать компьютеры более интеллектуальными. В результате появилась оригинальная программа искусственного интеллекта (ИИ), которая изучала эвристики, используемые экспертами, и переводила их в компьютерные алгоритмы. Здесь человек был учителем, а компьютер - учеником. Именно поэтому "И" в ИИ изначально обозначало человеческий интеллект или, точнее, человеческую эвристику, признавая тот факт, что эвристика может решать задачи, которые не под силу логике и вероятности. Такое видение психологического ИИ отличается от систем машинного обучения, которые полагаются на грубую вычислительную мощь. Несмотря на свою выдающуюся производительность и популярность, эти системы пока не смогли создать то, что можно назвать человеческим интеллектом, и в настоящее время психологический ИИ пересматривается как путь к настоящему машинному интеллекту. 3

Саймон также сформулировал одну из первых алгоритмических моделей эвристики, известную как сатисфакция. 4 Сатисфакция может приводить к хорошим решениям в ситуациях, когда оптимизация невозможна. Однако этот взгляд на эвристику как на полезный инструмент был перевернут в 1970-х годах, когда исследователи начали ассоциировать эвристику с предубеждениями и представили теорию ожидаемой полезности как универсальный инструмент для всех решений. 5 Влияние программы "эвристика и предубеждения" может быть одной из причин того, что положительные свойства эвристики остались недооцененными в менеджменте и бизнесе. 6 Начиная с 1990-х годов, программа быстрой и экономной эвристики подхватила незаконченную работу Саймона и расширила ее, разработав алгоритмические модели эвристики и введя понятие экологической рациональности, которое относится к условиям, при которых эвристика является успешной или нет. 7 Эти две важные особенности, алгоритмические модели и экологическая рациональность, расширяют и улучшают предыдущую программу эвристики и биасов: они позволяют изучать конкретные правила, которые помогают организациям принимать лучшие решения в условиях неопределенности. Эти две программы следует рассматривать не как антагонистические, а скорее как естественные шаги на пути к прогрессу.

Эвристика принятия решений в условиях неопределенности

Когда необходима эвристика? Ключом к ответу на этот вопрос является различие между малыми и большими мирами. Термин "малый мир" был введен Леонардом Сэвиджем, известным как основатель современной теории принятия решений. Сэвидж ясно дал понять, что теория максимизации ожидаемой полезности применима только к малым мирам, и считал "нелепым" применять ее в ситуациях неопределенности, даже таких обыденных, как планирование пикника. 8 У малого мира есть две особенности: