Модели принятия решений и границы их применения
Вопрос не в том, звучит ли модель умно. Вопрос в другом: какую часть реальности она помогает видеть, что она пропускает и как проверить её предсказания.
Самая опасная модель - часто полезная модель, применённая не к той части реальности.Reality Skill - это во многом умение понимать, когда модель подходит, а когда её надо отложить.
Модели выполняют разные функции.
Модель прогнозирования, линза ценностей и системная карта не должны оцениваться так, будто это взаимозаменяемые вещи. Сначала определите задачу. Потом подберите инструмент.
Что истинно?
Научный метод, Bayes, каузальность, прогнозирование.
Что это порождает?
Системы, ограничения, стимулы, ценности, игры.
Что делать?
Альтернативы, альтернативная стоимость, ценность информации, устойчивость.
Что я не вижу?
критическая проверка, инверсия, AQAL, de Bono, премортем.
Начинайте не с любимой модели, а с решения. Поймите, какая задача стоит перед вами, и только потом выбирайте модель.
Коллекции умных ярлыков. Каждая модель должна приводить к лучшему вопросу, предсказанию или решению.
Разные модели для разных слоёв реальности.
Библиотека устроена по типу задачи, а не по престижу модели. Цель не в том, чтобы собирать умно звучащие модели. Цель - выбрать инструмент, который улучшает то, что вы видите, спрашиваете, решаете или проверяете.
Используйте эти модели, когда главный вопрос - во что верить.
Это наиболее фундаментальные модели в Reality Skill. Они помогают заменить интуитивную уверенность на проверяемые убеждения, калиброванную уверенность и более ясное причинное мышление.
Научный метод (Scientific Method)
Превращайте убеждения в гипотезы, заранее определяйте, что будет считаться опровержением, тестируйте и обновляйтесь.
Байесовское обновление (Bayesian Updating)
Начинайте с того, что было правдоподобно раньше, взвешивайте новые данные и обновляйте мнение пропорционально, а не скачками от уверенности к уверенности.
Причинное и контрфактическое мышление
Отделяйте корреляцию от вмешательства. Спрашивайте, что, вероятно, произошло бы, если бы предполагаемая причина не случилась.
Прогнозирование и калибровка
Делайте проверяемые вероятностные прогнозы, сравнивайте их с исходами и учитесь, действительно ли ваши 70% ведут себя как 70%.
Референтные классы / внешний взгляд
Прежде чем объяснять, почему ваш случай особенный, посмотрите на сопоставимые случаи и их базовые частоты.
Используйте эти модели, когда вопрос - что делать дальше.
Модели решения важны там, где есть реальные альтернативы, ресурсы ограничены, а неопределённость остаётся. Их задача не предсказать идеально, а улучшить действие, которое вы выбираете сейчас.
Альтернативная стоимость
Выбор не бывает хорошим в изоляции. Сравнивайте его с лучшей реалистичной альтернативой, включая вариант ничего не делать.
Ценность информации
Исследуйте только те неопределённости, которые способны изменить действие. Больше информации не означает больше ценности.
Inversion + Премортем
Атакуйте план до того, как это сделает реальность. Инвертируйте цель и находите режимы провала, скрытые зависимости и предотвращаемую глупость.
Используйте эти модели, когда события повторяются, а локальные исправления не держатся.
Когда одни и те же проблемы возвращаются, объяснение часто находится в структуре. Эти модели помогают перейти от отдельных событий к ограничениям, обратным связям и рычагам воздействия.
Системное мышление / Meadows
Смотрите на петли обратной связи, задержки, запасы, потоки, правила, информацию и точки воздействия, стоящие за повторяющимися событиями.
Теория ограничений / Goldratt
В сложных системах часто скрыт рычаг. Найдите узкое место, который управляет пропускная способность, прежде чем оптимизировать всё подряд.
Goodhart / Campbell
Метрики меняют поведение. Разделяйте то, что вам реально важно, и прокси-показатель, который вы измеряете.
Декомпозиция Ферми
Разбивайте огромный неопределённый вопрос на части, которые можно оценить. Часто один-два параметра доминируют и подсказывают, что надо изучать.
Используйте эти модели, когда люди - часть реальности, которую вы моделируете.
Человеческое поведение редко имеет одну причину. Стимулы, ценности, идентичность, личностные черты, культура и стратегическое взаимодействие - всё это важно. Цель здесь - лучшие гипотезы, а не более быстрые ярлыки.
Стимулы
Люди реагируют на деньги, статус, власть, безопасность, удобство и социальные вознаграждения часто надёжнее, чем на свои декларируемые намерения.
Ценности Шварца (Schwartz Values)
Используйте ценности как мотивационные гипотезы о таких приоритетах, как достижения, безопасность, забота о других, автономия и традиция.
Большая пятёрка (Big Five)
Черты личности могут улучшить ожидания о типичном поведении, но ситуации всё равно создают существенную вариативность.
Graves / Spiral Dynamics
Полезно для гипотез о том, что кажется легитимным, важным, угрожающим или достойным восхищения. Используйте типологию как линзу, а не как истину.
AQAL / четыре квадранта
Проверьте индивидуальное внутреннее, индивидуальное внешнее, коллективную культуру и коллективные системы, прежде чем принять одномерное объяснение.
Теория игр и сигналы
Когда акторы стратегически адаптируются друг к другу, моделируйте стимулы, информацию, надёжные обязательства и повторяющееся взаимодействие.
Используйте эти модели, когда мир меняется, тип проблемы неясен или информационная среда вызывает сомнение.
Одни модели помогают двигаться, когда полной уверенности нет и не будет. Другие помогают расширять рамку или проверять, заслуживают ли входные данные вашего мышления доверия вообще.
OODA / экспериментальная адаптация
Наблюдать, ориентироваться, решать, действовать - а затем переориентируйтесь по мере поступления новых данных. Скорость обучения может быть важнее совершенства с первой попытки.
Cynefin
Ясные, сложные, комплексные и хаотические контексты требуют разных режимов решения. Иногда нужен анализ, а иногда небольшие пробы и адаптация.
de Bono / латеральное мышление
Сознательно генерируйте альтернативы и меняйте перспективы, прежде чем оптимизировать внутри первой рамки, которая пришла в голову.
Перекрёстная проверка и происхождение источника
Выходите за пределы источника, проверяйте происхождение источника, сравнивайте независимое покрытие и прослеживайте утверждения назад к более первичным данным.
Знать модель - ещё не навык.
Навык появляется тогда, когда вы можете применить правильную модель к важному решению, а потом вернуться и посмотреть, согласилась ли с вами реальность.