Наши ошибки указывают нам на то, что мы можем улучшить.

Когда кто-то совершает ошибку, он делится ею с другими, чтобы они не повторили ее.

Если люди не могут продолжать работу после ошибки, они могут положиться на других.

Эти пункты характеризуют эффективную культуру управления ошибками, в которой ошибки используются для содействия обучению, совершенствованию и сотрудничеству. В том же исследовании сотрудники описали многие отделы своей организации как имеющие дисфункциональную культуру работы с ошибками: "В этой организации мы не говорим об ошибках". Другой руководитель сказал: "Ну, я принимаю ошибки в том смысле, что если человек делает их слишком много, его увольняют".

Исследователи обнаружили, что оценка культуры управления ошибками на одно стандартное отклонение выше (по их шкале) связана с 20-процентным увеличением прибыльности. Вероятная причина такого вывода заключается в том, что позитивная культура управления ошибками улучшает процесс принятия решений. Например, исследователь решений Флориан Артингер и его коллеги обнаружили, что позитивное отношение к ошибкам, а также большее количество голосов сотрудников (т. е. тенденция сотрудников высказываться , когда они видят, что что-то не так) связано с меньшей защитой при принятии решений, что, в свою очередь, помогает организациям не тратить ресурсы на консалтинговые фирмы и другие защитные ритуалы. 35

Ошибаться - это человеческое, а прощать - божественное. Тем не менее, тенденция обвинять и наказывать людей за их ошибки глубоко укоренилась в менеджменте. Прощение ошибок не должно требовать божественности, а должно быть частью культуры ошибок с человеческим лицом.

Примечания

1 . Schein (1985).

2 . Гигеренцер (2014).

3 . Katsikopoulos et al. (2022).

4 . Налоговое управление Сингапура (2022).

5 . Таврис и Аронсон (2007).

6 . Гигеренцер (2014).

7 . Лежаррага и Пиндард-Лежаррага (2020).

8 . Гигеренцер (2014).

9 . Artinger et al. (2019).

10. Artinger et al. (2019).

11 . Kanzaria et al. (2015).

12 . Studdert et al. (2005).

13 . Оценка была приведена в письме сенатору Оррину Г. Хэтчу из штата Юта; https://www.cbo.gov/sites/default/files/111th-congress-2009-2010/reports/10-09-tort_reform.pdf.

14 . Katz (2019).

15 . Идея иллюзии индейки, возможно, возникла в главе 6 книги философа Бертрана Рассела "Проблемы философии" (1912), посвященной индукции. Эта история была описана в книге Taleb and Blyth (2011).

16 . Согласно правилу последовательности математика Пьера-Симона Лапласа, вероятность того, что повторится то, что до сих пор происходило n раз, равна (n + 1) / (n + 2). В данном случае это около 99 процентов (100/101). См. Гигеренцер (2014).

17 . Данные по VIX доступны на сайте https://www.cboe.com/us/indices/dashboard/vix/.

18 . Цитируется в Makridakis, Hogarth, and Gaba (2019, p. 796).

19 . Цитируется в Posner (2009, p. 287).

20 . Например, см. М. Фридман (2007).

21 . Этот пример приведен в Haldane (2012).

22 . Montgomery (2020).

23 . Кей и Кинг (2020).

24 . Knight (1921).

25 . Следующий пример взят из книги Sull and Eisenhardt (2015).

26 . Эйзенхардт (1989, 1990).

27 . Хельмрайх и Мерритт (2000).

28 . Эта оценка количества пациентов, погибших в результате предотвратимых медицинских ошибок в больницах США, приведена в работе Kohn et al. (2000).

29 . Джеймс (2013).

30 . Гигеренцер (2014).

31 . Kahneman, Sibony, and Sunstein (2021).

32 . Kay (2022).

33. Кит и Фрезе (2011).

34 . См. ван Дейк и др. (2005).

35 . Artinger et al. (2019).

12 Искусственный интеллект и психологическая разведка

В 2011 году у IBM был знаменательный год. В эпизоде популярной викторины "Jeopardy!", вышедшем в эфир 16 февраля, Ватсон, суперкомпьютер компании, победил Кена Дженнингса, возможно, лучшего участника из людей, и выиграл приз в 1 миллион долларов. Это был подвиг, о котором ученые и инженеры IBM мечтали долгие годы, и золотая маркетинговая возможность для компании. Опираясь на свежую известность, IBM уже на следующий день объявила: "Уже сейчас мы изучаем возможности применения навыков Watson в богатом и разнообразном языке здравоохранения, финансов, юриспруденции и научных кругов". Руководители IBM были уверены, что передовые алгоритмы (в основном в области обработки естественного языка) и огромная вычислительная мощность Watson станут двигателем роста компании в ближайшие десятилетия, подобно тому, как это делали компьютеры-мейнфреймы в предыдущие десятилетия. Однако их амбиции закончились большим провалом. Watson с трудом приносил доход, а цена акций IBM в 2021 году упала на 10 % по сравнению с десятью годами ранее после триумфа Watson. Что же пошло не так?

Согласно отчету New York Times, похоже, что IBM сильно недооценила трудности, с которыми Watson столкнется при решении реальных задач. 1 В отличие от Jeopardy!, в которой правила фиксированы и ответы на вопросы общего характера определены, в диагностике рака, инвестиционных стратегиях или научных открытиях нет четких правил, а результаты зависят от множества непредсказуемых факторов. В условиях неопределенности даже большие объемы данных, которые на практике часто бывают беспорядочными, непоследовательными и полными ошибок, оказываются малоэффективными для создания хороших решений в области искусственного интеллекта (ИИ). Компания IBM утверждала, что Watson станет "лунной звездой", которая произведет революцию в медицине. Но это утверждение исходило от отдела маркетинга, а не от инженеров, которые знали лучше. Например, онкологический центр MD Anderson, , потратил 62 миллиона долларов на рекомендации Watson по лечению рака. После того как рекомендации оказались ненадежными, а некоторые даже угрожали жизни пациентов, они расторгли контракт. IBM признала, что Ватсон был на уровне студента-медика первого курса. Вскоре после этого Watson был продан по частям, включая данные о пациентах.

Несбывшиеся обещания Watson - отнюдь не исключение. В 1970-х и 1980-х годах вся область ИИ пережила так называемую "зиму ИИ" - периоды снижения интереса к ней, когда люди осознали большой разрыв между тем, что, как они надеялись, сможет сделать ИИ, и тем, что ИИ может сделать на самом деле. Только благодаря значительному увеличению вычислительных мощностей, доступности больших данных и достижениям в области машинного обучения надежды на ИИ возродились в этом веке. После громких побед Watson и AlphaGo (компьютерной программы игры Го) над лучшими человеческими игроками и агрессивных маркетинговых кампаний таких технологически подкованных компаний, как IBM и Google, фирмы поспешили запустить программы, основанные на ИИ, на своих предприятиях. Однако результаты часто оказываются неутешительными. В 2017 году компания Gartner Research сообщила, что 85 процентов проектов по созданию больших данных, которые она исследовала, не вышли за пределы предварительных стадий, 2 , а в 2019 году