丹尼爾·卡尼曼的策略:如何讓你的公司智慧思考

諾貝爾經濟學獎得主和心理學家丹尼爾·卡尼曼(Daniel Kahneman)被稱為行為經濟學之父。幾年前,他從普林斯頓大學的教學崗位退休,在紐約和人聯合成立了一家諮詢公司。在最近的沃頓人力分析大會(Wharton People Analytics Conference)訪談中,他講述了他的諮詢經驗,他原本“期待”那些“需要盈利才能在這個競爭激烈的世界生存下來”的組織機構的決策品質“能讓他感到驚歎”。

“但是我並沒有感到驚歎,”他說道。

“你看著那些大型組織機構,它們應該是最優秀最合理的。但是在它們運營過程中數不勝數的愚蠢行為,它們的那些荒唐程式,還有你身邊那些隨處可見,實在糟糕的思維方式,真的非常令人苦惱,”他說道,並指出有許多地方都可以改進。

在卡尼曼看來,思考如何做出“與風險的複雜性和重要性相稱”的決策是一個巨大的問題,但商業界對此並沒有投入太多的思考。在大會上,他描述了在使企業變得“更加智慧”的過程中能夠產生哪些重大進展。

人的問題

如果個人經常做出糟糕的決策,就像卡尼曼所說的那樣,那麼原因是什麼呢?答案就在行為經濟學中,該領域解釋了為什麼人們經常做出不合理的財務選擇,並且總是不按標準經濟模型預測的常理出牌。(卡尼曼在他2011年備受讚譽的國際暢銷書《思考,快與慢》(Thinking, Fast and Slow)中解釋他的許多成果。)

行為經濟學家認為,人們正在不知不覺中被過度自信、有限的注意力、認知偏見以及其他心理因素束縛手腳,從而不可避免地產生判斷錯誤。這些因素影響著我們的一切行為,從我們如何投資股票,到我們如何應對市場行銷供給,再到我們如何選擇午餐購買的三明治。

“從本質上來說,當我們跳到結論,得出完整條理的故事,再進行闡釋時,我們對自己的感覺過於自信,”卡尼曼說道。“所以我們會自然而然,無意識地曲解一些情況。這一點很難控制。”更重要的是,很多人為錯誤甚至不是由於系統原因造成,而是“噪音”,他說道,“當人們思考錯誤時,我們會傾向於思考出現了某些偏差。但是實際上,人們所犯的很多錯誤根本就是“噪音”而已,也就是說它們是隨意的,不可預測的,所以也是不能解釋的。”

他引述了一些關於專家的專業判斷的例子,令人堪憂,“你把相同的X光片放在放射專家面前,在個別試驗中,大約20%的時間他們都無法得出相同的診斷結論。”

從他的諮詢工作中,卡尼曼提供了一個大型金融機構的例子,這一金融機構經常需要做出關於貸款批准和保險公司的判斷。但是這些涉及數十萬美元的決策通常跟一個人的意見掛鉤。卡尼曼進行了一個實驗,問團隊領導人如果讓兩個專業人士分別評估一個相同的案例,他們認為這兩個人的結論會有多少出入呢?

“許多人給出了同樣的猜測:5%到10%之間,”卡尼曼說道,“但答案是40%到60%之間。相差超過一個量級。這跟所有人預期的截然不同。”他指出,在這家組織機構中存在“巨大的噪音問題”,但公司領導人對此毫無知覺。

這一問題不能歸咎於某些員工的相對經驗不足,卡尼曼說道,“至少在我們的試驗中,令人感到非常驚訝的是那些經驗豐富的專業人士的表現與新手們一樣變化無常。”

如果讓專家參與進來,像一個小組一樣決策會有所幫助嗎?即使這種做法在組織機構中是可行的,其中也存在一些陷阱,而且通常情況下這種做法並不可行。卡尼曼說,根據社會心理學,當一群人在討論一件事時,就會出現“巨大的順從壓力”,導致參與者從根本上低估他們之間的分歧程度。

面臨著改善商業決策的重重困難,一家企業應該怎麼做呢?

解決之道:演算法

卡尼曼的方法是通過演算法説明組織機構以“嚴謹思考”緩和人為判斷的風險。研究結果非常明確,他說道,當涉及到決策時,演算法比人更勝一籌。“演算法是沒有噪音的,人則不是,”他說道,“當你把一些資料放在一個演算法前時,你總是會從另一端得到相同的回應。”

一個優秀的演算法根本不需要大量的資料,卡尼曼說道。(他說這是“一個金融業內鮮為人知的秘密”。)如果你正在評估公司的金融穩定性,例如給它們貸款或者給它們投保免受金融風險影響。他建議跟一群對情況有透徹瞭解的人坐下來,列舉出五個或六個維度。八個以上可能就沒必要了。“如果你針對這些維度進行良好的等級排序,給予它們相同的權重,一般情況下你得出的結論會與一個非常複雜的統計演算法一樣可靠。”而且就平均水準而言,通常會比專家結論可靠得多,他補充道。

卡尼曼是美籍以色列人,如今已經步入耄耋之年。他回憶起曾經發明過一個關於這類程式的模型,當時他還只是一個擁有心理學學位的以色列排長,應要求為軍隊設計一個新的面試系統。儘管當時遇到了一些阻力,但是他設計的這一系統現在仍然被以色列武裝力量使用著,他說道。

卡尼曼發現了六個可以同時進行評估的維度,其中包括準時性、社會性和盡責性,“一些稱之為男性的驕傲的因素”(他指出這是60年前針對作戰單元的面試),以及其他。“把這些因素放在一起同時評估非常重要,”他說道,“通過這種方式你不會只是對這個人形成一種整體的印象,而是對每個因素形成不同的印象。它所控制的也就是心理學家所說的光環效應。”

完整的選拔過程就是產生六個核心維度,然後將其疊加。當許多面試官抱怨“你把我們變成了機器人”時,卡尼曼說他添加了一個最終的“整體評分”步驟,作為對人類直覺論的一種讓步,“然後,閉上你的眼睛,思考這個人將會成為怎樣的一種士兵。然後再1和5之間打分。”

當幾個月後新的面試系統生效後,根據實際表現,它的結果顯示最終的整體打分非常準確,卡尼曼說道。事實上,它比任何單一維度評分都準確得多。“從中可以獲得一些啟示,”他說道。在以前,候選人在面試時只進行整體評分,“這是毫無價值的”。

“整體評分不錯,直覺也不錯,但前提是你先要對問題的各個部分進行系統地和獨立的評估,”他解釋道,“然後當你閉上眼睛,憑直覺產生一個整體的印象時,你就會添加資訊。”

不論在任何組織機構中,執行這種程式一定會面臨來自員工的阻力,卡尼曼說道。“你應該以一種輕柔的方法實施,否則人們就會對你懷恨在心,不會遵守。但是如果他們認為你實施這種程式能夠説明他們完成工作,那就不錯。”就個人經驗而言,他說道,如果你努力指導人們用一種特別的方式審視資訊,實際上他們會發現這會幫助他們做好工作。

當企業領導人初次被告知他們應該實施演算法來引導專家的觀點,他們的反應如何?“不太好,”他說道。但是“當你告訴團隊領導者,當他們預期只有5%或10%的差異時,事實上會有50%的差異,他們就願意採用演算法了。”

人工智慧會替代人類直覺嗎?

當卡尼曼被問道人工智慧在商業思考中越來越重要的角色,特別是強大的演算法正越來越多地完成一些先前由會計師、諮詢師和管理者完成的工作,他的回答令許多觀眾感到驚訝,“我對此也很擔憂。”

他的擔心是,隨著人工智慧越來越複雜,它將不再是簡單地幫助人類實現嚴謹思考,實際上它們自己就可以執行專業的判斷。“這對組織機構的領導人來說極具威脅性,”他說道,“因為一旦你進行決策分析後,任何人都可以猜透領導。這對權力結構將會產生何種影響?”

他引用了一個令人大開眼界的人工智慧里程碑的例子,也就是今年年初,穀歌電腦程式五局四勝,打敗了曾獲得18個國際冠軍頭銜的亞洲圍棋世界冠軍。

“圍棋可以被看作是直覺遊戲的一個例子。真正的專家也不能解釋他們是如何得出結論的,這太複雜了。”但是,卡尼曼說道,穀歌團隊設計的軟體以15萬場真正的人類比賽為基礎,然後通過自我對陣大約3000萬場對其進行了改進。最後得到了一款比世界冠軍更加優秀的程式,這款軟體能獲得比一個人可能獲得的更多的資訊。

“所有這些都取決於資料的可用性,這就是直覺如何發展出來的,”他指出,“我們的直覺靠的是我們一生中收集的資訊。人工智慧將做得更好。我們該如何面對這些呢?”

如何引用沃顿知识在线文章

Close


用于个人/用於個人:

请使用以下引文

MLA

"丹尼爾·卡尼曼的策略:如何讓你的公司智慧思考." China Knowledge@Wharton. The Wharton School, University of Pennsylvania, [01 七月, 2016]. Web. [29 March, 2024] <http://www.knowledgeatwharton.com.cn/zh-hant/article/8838/>

APA

丹尼爾·卡尼曼的策略:如何讓你的公司智慧思考. China Knowledge@Wharton (2016, 七月 01). Retrieved from http://www.knowledgeatwharton.com.cn/zh-hant/article/8838/

Chicago

"丹尼爾·卡尼曼的策略:如何讓你的公司智慧思考" China Knowledge@Wharton, [七月 01, 2016].
Accessed [March 29, 2024]. [http://www.knowledgeatwharton.com.cn/zh-hant/article/8838/]


教育/商业用途 教育:

如果您需要重复利用我们的文章、播客或是视频,请填写内容授权申请表.

 

Join The Discussion

No Comments So Far