Левое полушарие-правильные решения. Мыслить и действовать. Как интуиция поддерживает логику - Фил Розенцвейг

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]

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.