Читать книгу "Думай медленно – предсказывай точно. Искусство и наука предвидеть опасность - Филип Тетлок"

Вышеизложенное ни в коем случае не означает, что рынки идеальны или что они идеально объединяют информацию и ни один смертный не должен пытаться по глупости их превзойти. Это сильная версия того, что экономисты называют гипотезой эффективного рынка (EMH), и ее сложно соотнести с тем, что мы знаем из психологии и опыта. Рынки делают ошибки. Иногда они коллективно сходят с ума. Но даже если рынки намного менее эффективны, чем предполагают рьяные защитники EMH, все равно их очень сложно постоянно обходить, и именно поэтому лишь немногие могут справедливо утверждать, что им это удалось.

Рынки прогнозов — просто рынки, которые торгуют предсказаниями, то есть на них покупают и продают контракты на конкретные исходы событий, как, например, «Хиллари Клинтон в 2016 году будет избрана президентом». Когда выборы-2016 будут проведены, по контракту производятся расчеты. Если Клинтон проиграет, по контракту не уплачивается ничего. Если выиграет — уплачивается 1$. Если контракт в данный момент продается по 40 центов, а я думаю, что у Клинтон есть 60 или 70 % шансов на победу, мне следует покупать. Если многие торговцы со мной согласны, спрос на контракт будет высоким и цена станет расти — пока не достигнет уровня, на котором другие торговцы не сочтут ее адекватной, и покупка постепенно пойдет на спад. При агрегации всех этих суждений цена на контракт должна, в теории, близко следовать реальной вероятности победы Хиллари Клинтон.

У рынков прогнозов, как и у, например, знаменитых рынков электроники Айовы, впечатляющие послужные списки. К тому же за ними стоит теория, поддерживаемая батальоном нобелевских лауреатов. Так кто же выиграет в сражении суперкоманд и рынков прогнозов? Большинство экономистов сказали бы, что тут вообще не может идти речи о соревновании. Рынки прогнозов просто-напросто вытрут суперкомандами пол.

Мы проверили это предположение, случайным образом поместив обычных прогнозистов в одно из трех экспериментальных условий. Одна группа работала поодиночке, другая — в команде, а представители третьей были торговцами на рынках прогнозов, управляемых такими компаниями, как Inkling и Lumenogic. Конечно, после первого года, когда ценность команд была продемонстрирована убедительно, никто не ожидал, что прогнозисты станут работать в одиночку, чтобы на одном уровне соревноваться с командами и рынками прогнозов, так что мы объединили все их прогнозы и посчитали невзвешенное среднее значение, чтобы определить мудрость толпы. И, конечно, у нас был еще один участник соревнования: суперкоманды.

Результаты каждый год получались совершенно определенными. Команды обычных прогнозистов обыгрывали мудрость толпы примерно на 10 %. Рынки прогнозов обыгрывали команды обычных прогнозистов на 20 %. А суперкоманды обыгрывали рынки прогнозов на 15–30 %.

Я уже слышу протесты коллег по финансовой сфере: мол, единственная причина, по которой суперкоманды обыгрывали рынки прогнозов, заключалась в том, что нашим рынкам не хватало ликвидности — на кону не стояли настоящие деньги, и не было критической массы торговцев. Возможно, они правы. Это идея, которую можно и стоит протестировать. Также важно понимать, что, хотя суперкоманды обыгрывают рынки прогнозирования, последние очень неплохи в предсказании глобальных политических событий.

Как же суперкомандам удалось добиться такого результата? Они избегали экстремальных проявлений группового мышления и интернет-конфликтов. А также выработали мини-культуру, которая поощряла людей уважительно дискутировать друг с другом, признавать свое незнание по каким-то вопросам и просить о помощи. В ключевых вопросах суперкоманды приблизились к лучшим хирургическим бригадам, выделенным гарвардским ученым Эми Эдмондсон, — когда медсестра не колеблется, сказать или не сказать хирургу, что он забыл за поджелудочной железой ватный тампон, а говорит сразу, потому что уверена в своей «психологической безопасности», даже если поправит вышестоящих. У лучших бригад Эдмондсон была общая цель. То же самое касалось и суперкоманд. Один из признаков — языковой: они говорили «наш» чаще, чем «мой».

Такие команды должны поощрять активно-непредвзятое мышление, которое столь необходимо для точного прогнозирования, в чем мы убедились в главе 5. Поэтому одновременно с тестированием отдельных людей на их активную непредвзятость (АН) мы также исследовали команды, чтобы проверить их отношение к группе и образцам взаимоотношения в ней, — то есть тестировали командную АН. Как и ожидалось, существует корреляция между АН группы и ее точностью. Ничего удивительного. Но что же делает команду более или менее активно непредвзятой?

Можно было предположить, что дело — в ее участниках. Составьте группу из людей с высоким уровнем АН — и получите группу с высоким уровнем коллективной АН; составьте группу из людей с более низким уровнем АН — и получите группу с более низким уровнем коллективной АН. Выяснилось, что это не так. Команды оказались не просто суммой частей. То, как группа думает коллективно, — это независимое свойство самой группы, свойство коммуникационных паттернов членов группы, а не просто мыслительные процессы каждого из них[171]. Группа непредвзятых людей, которые не заботятся друг о друге, коммуникационно будет меньше суммы ее непредвзятых частей. Группа предвзятых людей, которые вовлекают друг друга в поиски правды, — больше.

Все это приводит нас к последней черте команд-победителей: выработке умения делиться. Мой уортонский коллега Адам Грант распределил людей на «дающих», «обменивающих» и «берущих». Дающие — те, кто больше делится, чем получает взамен. Обменивающие дают ровно столько, сколько получают. А берущие дают меньше, чем получают. Циники могут заявить, что «дающий» — вежливое обозначение идиота. В конце концов, любой человек, склонный к халяве, радостно воспользуется тем, что ему дают, и ничем взамен не поделится, оставляя дающего в худшем положении, чем то, в котором бы он оказался, если бы не был таким щедрым. Но исследования Гранта демонстрируют, что просоциальный пример дающего может улучшить поведение других людей, что в итоге поможет всем, включая самого дающего, а это объясняет, почему, как выяснил Грант, дающие обычно оказываются в выигрыше.

Марти Розенталь — дающий. Он не был неразборчиво щедр со своим временем и усилиями. Он был щедр в сознательном усилии изменить поведение других во имя всеобщей пользы. Хотя Марти не слышал о работе Гранта, когда я его с ней познакомил, он сказал: «Точно так!» В суперкомандах много дающих. Даг Лорч распространил в своей команде программные средства, что заставило других подумать о том, чтобы создать свои и поделиться ими. Тим Минто сделал вклад в виде анализа, который продемонстрировал, как делать ценные автоматические поправки прогнозов с течением времени. Все они дающие, и никто из них не идиот. На самом деле индивидуальный результат Дага Лорча за второй год был самым лучшим, а Тим Минто оказался на вершине по итогам третьего года. И бригада каждого из них выигрывала командные соревнования[172].