Техника 27: Находим эталонный класс и оцениваем проект со стороны

В четвертой главе мы обсудили ошибку планирования и в целом тенденцию давать преувеличенно оптимистичные прогнозы. Принцип, который может помочь в борьбе с этим, Даниэль Канеман в своей книге «Думай медленно… решай быстро» назвал взглядом со стороны. Практическое применение этого принципа называют прогнозированием эталонного класса.

Чтобы разобраться, как оно работает, давайте сначала вспомним, как обычно разрабатывается календарный план и бюджет проекта. Если вы руководитель, то разбиваете проект на этапы, прикидываете, сколько каждый из них займет времени и какие будут затраты, потом добавляете некоторый запас и в сумме получаете общее время и стоимость проекта. Это взгляд изнутри: он основан на вашем представлении о проекте. Например, вы отвечаете за организацию Олимпийских игр 2024 года в Париже и уверены, что вопрос бюджета под контролем. Как сказал министр спорта Франции в 2016 году: «Нет никаких оснований считать, что затраты превысят планируемые».

А теперь подумайте, что может подсказать взгляд со стороны. Для этого нужно сравнить ваш проект с подобными ему, которые уже были реализованы ранее. Набор сравниваемых проектов – его и называют эталонным классом – даст статистическую информацию о том, сколько времени и финансов в среднем требуется на аналогичные проекты. В случае с парижской Олимпиадой, очевидно, эталонным классом будут служить предыдущие Олимпийские игры. Бент Фливбьорг и Эллисон Стюарт из Оксфордского университета собрали данные об Олимпийских играх с 1960 по 2012 годы и обнаружили, что во всех случаях планируемый бюджет был превышен. Среднее превышение в абсолютных цифрах составило 324 процента (или «всего» 179 процентов, если учесть инфляцию). Теперь, зная это, на какой вариант вы поставите – что парижская Олимпиада превысит бюджет или останется в рамках запланированного?

Разница между взглядом изнутри и снаружи не всегда настолько велика, но тем не менее сторонняя оценка обычно оказывается ближе к действительности. Парадоксально, но она бывает даже точнее, если не учитывать конкретные детали проекта. Меньшее количество информации повышает точность, поскольку в этом случае нет простора для влияния склонности к подтверждению и неоправданного оптимизма. В Великобритании Казначейство и Министерство транспорта включили прогнозирование эталонного класса в список обязательной аналитики для всех крупных инфраструктурных проектов.

Техника 28: Меняем убеждения по мере поступления новой информации

Джона Мейнарда Кейнса часто упрекали в том, что он меняет свое мнение. Говорят, как-то раз он ответил: «Когда факты изменяются, я меняю свое мнение. А вы, сэр?»

Это высказывание отражает фундаментальную проблему: в процессе подготовки к принятию решения мы постоянно узнаем новые факты. Конечно, мы должны их учитывать – но как и в какой степени? Как определить, когда новая информация настолько важна, что нужно изменить позицию? Никто не рад руководителю, который меняет свое мнение на противоположное с каждой новой вводной, однако и упрямиться тоже не стоит.

К счастью, есть инструмент, который нам поможет: теорема Байеса об условной вероятности. Если мы согласимся выразить наше суждение количественно – то есть в виде вероятности, теорема Байеса точно покажет нам, насколько мы должны пересмотреть эту вероятность в свете новых фактов. Не будем здесь приводить ее математическое выражение, однако проиллюстрируем применение на простом примере, который разбирали в восьмой главе: инвестиционный комитет, члены которого пытаются защититься от влияния группового мышления и информационных каскадов, обсуждая инвестиционное предложение.

Представьте, что вы член комитета и после вдумчивого обсуждения пришли к выводу, что предложение не представляет интереса. Однако первый член комитета, который высказывается по результатам обсуждения, пришел к противоположному выводу – предложение следует поддержать. Нужно ли вам изменить свое мнение?

Интуиция подсказывает, что ответ зависит от двух факторов. Во-первых, глубина вашего первоначального убеждения, априорная вероятность того, что вы правы. Если вы на 99 процентов убеждены, что идея плоха, вы будете менее склонны поменять свое мнение, чем если бы вы были убеждены только на 60 процентов. Во-вторых, насколько вы доверяете коллеге? Естественно, качество анализа (по вашей оценке) также влияет на вашу готовность изменить мнение. Если вы считаете, что коллеге доверять нельзя, то будете твердо стоять на своем; но если вы считаете, что коллега – великолепный профессионал, который никогда не ошибается, то с куда большей готовностью поддержите его мнение[51].

Теорема Байеса позволяет человеку, принимающему решение, перевести эти интуитивные предположения в числовой вид и рассчитать апостериорную вероятность. Апостериорная вероятность – это уровень вашей уверенности в ответе, скорректированный после оценки новой информации. Предположим, что в нашем случае изначальный уровень вашей уверенности в своих суждениях был довольно высок, и, по вашему мнению, вероятность того, что инвестиции окажутся прибыльными, составляет всего 33 процента. Но, допустим, вы чрезвычайно уважаете своего коллегу: по вашей оценке он прав в 80 процентах случаев. В соответствии с теоремой Байеса вы должны радикально пересмотреть свое мнение: если вы проведете соответствующие расчеты, то поймете, что апостериорная вероятность того, что инвестиции окажутся успешными, составляет 67 процентов. Иными словами, на основе новой информации ваша оценка потенциальной успешности инвестиций выросла с одного к трем до двух к трем. Если вы считаете такую вероятность достаточной, нужно менять свое мнение.

Ценность количественного выражения ваших предположений и применение теоремы Байеса заключается в том, что вы можете оценить, насколько должны измениться цифры, чтобы поменять свое мнение. В нашем примере, если вы считаете, что коллега обычно прав в 70 процентах случаев, то апостериорная вероятность будет только 50 процентов. Это уже больше вашей априорной оценки в 33 процента, но, наверно, не на столько, чтобы вы изменили мнение и проголосовали «за». Степень вашей уверенности в собственной правоте тоже чрезвычайно важна: например, если априорная вероятность успешности сделки для вас составляет 20 процентов (вместо 33), то мнение вашего коллеги, даже если вы оцениваете его надежность в 80 процентов, даст всего лишь 50 процентов апостериорной вероятности. Это два ключевых параметра, которые нужно учитывать, чтобы менять (или не менять) свое мнение: степень влияния новой информации зависит частично от вашей уверенности в собственной правоте и частично от оценочной надежности этой новой информации.