Сімдесят років досліджень про докази й рішення — у шести знахідках, за які досі соромно кожній компанії, що називає себе data-driven.
1954 року Пол Міл показав, що проста формула передбачає долю людини краще за досвідчених клініцистів — майже в кожному дослідженні, яке він зміг знайти. Його професія образилась. Через п'ятдесят років і 136 досліджень результат стояв на місці, а практика майже не зрушила.
Це і є патерн. Кожні кілька десятиліть інша наука знаходить щось незручне про те, як докази зустрічаються з рішенням, — і нічого не змінюється. Перш ніж починати власне дослідження, ми прочитали весь цей архів. Ось що в ньому, без виносок.
Герберт Саймон отримав Нобелівську премію за просте спостереження: ніхто нічого не оптимізує. Живий розум шукає, доки не знайде щось достатньо добре, і зупиняється. Його учні пішли всередину компаній і знайшли гірше. Пошук починається лише тоді, коли якесь число падає нижче очікуваного; шукають поруч із симптомом і зупиняються на першій прийнятній відповіді.
Далі, 1972 року, — модель «сміттєвого кошика»: проблеми, рішення і люди дрейфують організацією як окремі потоки, а рішення трапляється, коли вони випадково стикаються. Результат визначає те, хто був у кімнаті, коли відкрилося вікно. Не якість аргументу.
Отже: докази, що прийшли після того, як вікно зачинилось, не програли. Вони не грали.
Канеман і Тверскі витратили сімдесяті на те, щоб довести: розум ходить навпростець, і його помилки передбачувані. Для бізнесу найважливіша з них — найпростіша. Та сама програма, описана як «врятує 200 із 600» або «400 помруть», перевертає вибір більшості. Факти ті самі. Рішення протилежне.
Втрати ще й болять приблизно вдвічі сильніше за рівнозначний виграш — і той, хто програє, починає грати ва-банк. Запам'ятайте це для четвертої знахідки.
Ґері Кляйн пішов на пожежі і побачив, що досвідчені командири взагалі не порівнюють варіанти. Вони впізнають ситуацію і діють. Інтуїція в його даних — це стиснутий досвід, а не его.
Зрештою Канеман і Кляйн написали спільну статтю з підзаголовком A Failure to Disagree і домовились, коли чуттю можна довіряти. Дві умови. У середовищі мають бути закономірності, яких можна навчитися: шахи й анестезія — так, вибір акцій і наймання на роки вперед — ні. І людина мала роками отримувати швидкий, чіткий зворотний зв'язок. Без нього двадцять років досвіду — це один рік, повторений двадцять разів.
Отже: чи «я так бачу» керівника — це експертиза чи его, залежить не від керівника. Залежить від того, чи його світ хоч раз сказав йому, що він помилився.
Політологи всі шістдесяті сперечалися, хто править, і перемогла відповідь Бакрака й Бараца: найглибша влада — вирішувати, що взагалі потрапляє до порядку денного. Небезпечне питання просто ніколи не ставлять. Вони назвали це не-рішенням. Дослідницький проєкт, який так і не знайшов спонсора, бо його результат міг би поставити віцепрезидента в незручне становище, — це не поразка доказів. Це не-рішення, і ніхто не назве його конфліктом.
Баррі Стоу пояснив механізм, через який це тримається. Дайте людям проєкт, що провалюється, який вони самі обрали, — і вони вкладатимуть більше, а не менше. Публічне зобов'язання зв'язує найміцніше. Додайте знахідку Канемана про те, що ті, хто програє, грають ва-банк, — і випадає прогноз: докази, що прийшли після того, як керівник публічно взяв на себе зобов'язання, не ігнорують. Вони підвищують ставки.
Фестінґер у п'ятдесяті показав: коли факти суперечать вибору, люди переробляють факти. Кунда пояснила, чому зсередини цього не видно: ми будуємо найправдоподібніший міст до висновку, якого хочемо, тож це відчувається як чесний аналіз.
Потім Ден Кахан провів експеримент, після якого певний тип оптимізму варто відправити на пенсію. Таблиця два на два: чи діє засіб? Коли йшлося про крем для шкіри, люди, які дружать із цифрами, відповідали правильно. Коли ті самі числа були про контроль зброї, найбільш обізнані з числами помилялися найчастіше — саме тоді, коли правильна відповідь била по їхній стороні. Вміння рахувати не захищало від мотивованого мислення. Воно його озброїло.
Мерсьє і Спербер додали причину: мислення еволюціонувало для того, щоб вигравати суперечки в групі, а не щоб самотньо шукати істину. Окрема людина — адвокат. Думання працює в групах зі справжньою незгодою. Лагодьте кімнату, а не голову.
Соціологи відмовились зазирати комусь у голову. Мейєр і Роуен показали, що організації запозичують структури, бо ті виглядають як те, що має серйозна організація, а потім тихо від'єднують фасад від роботи. Брунссон пішов далі: те, що компанія каже, вирішує і робить, — три окремі продукти, і гучне рішення «стати data-driven» може замінити дію замість того, щоб її почати.
Теодор Портер спитав, хто тягнеться до чисел. Не сильні — ті можуть сказати «повірте мені». Ті, кому бракує авторитету. Тож «покажіть цифри» — це мапа того, кому в кімнаті не довіряють, а людина, якій дозволено вирішувати без чисел, — та, у кого влада.
Їхній прогноз щодо AI — найпростіший з усіх. Нову технологію мислення спершу поглинає ритуал. AI робить звіти, аналізи й обґрунтування майже безкоштовними, тож вистава стає багатшою, а зв'язок із рішенням міцнішим бути не зобов'язаний. «Ми AI-driven» — наступний костюм, і його шиють просто зараз.
Формула Міла навчилась говорити. Дослідження того, як люди ставляться до порад алгоритму, молоді й розділені: люди кидають алгоритм після однієї видимої помилки, але покладаються на нього в задачах, які їм байдужі, і перестають перевіряти будь-яку систему, що зазвичай має рацію. Усе це виміряно на задачах передбачення, де є правильна відповідь.
Ніхто не реконструював реальні бізнес-рішення, щоб спитати: на якому етапі входить генеративна модель — коли ставлять питання чи коли пишуть обґрунтування вже зробленого вибору? Чи перевіряють її відповідь так само прискіпливо, коли вона згодна з босом, як і коли суперечить? В опитуванні 2025 року близько половини з трьохсот американських керівників C-рівня сказали, що переглянули б заплановане рішення через AI-інсайт. Задекларована довіра дешева. Кожна знахідка вище каже: реальна поведінка виглядатиме інакше.
Це та прогалина, у яку заходить наше перше дослідження — Хто насправді вирішує. Ми реконструюємо реальні рішення з тими, хто їх ухвалював, і тими, хто готував докази, кодуємо таймлайн і даємо типам вирости з даних. Наш пріор, опублікований, щоб ви могли тримати нас за нього: AI з'являтиметься на етапі обґрунтування набагато частіше, ніж на етапі вибору, а «data-driven проти ego-driven» розчиниться у властивостях рішень, а не в типах людей. Якщо дані не погодяться — переможуть дані.
Institute for Human Reasoning — дослідницька й освітня організація про те, як люди мислять, оцінюють evidence і лишаються авторами важливих рішень у світі технологій.
Кожна компанія скаже «так». Єдиний вимір, який щось означає, — де саме AI входить у рішення і чи хтось перевіряє його, коли він не згоден із босом.
ЧитатиНотатка засновниці про те, для чого існує Institute for Human Reasoning, чим він відмовляється бути і до чого зобов'язує слово «інститут».
Читати