Smart Management

На рисунке 4.4 показано, что если менеджеры используют дельта-индукцию, они могут выбрать лучшего кандидата чаще, чем если бы они использовали логистическую регрессию. Этот эффект "меньше-больше" проявлялся во всех условиях обучения, особенно когда возможности обучения были скудными. Более того, использование дельта-анализа позволяет принимать решения довольно экономно, используя в среднем менее половины доступных подсказок. Помимо иллюстрации практической пользы дельта-инференции, эти результаты еще раз демонстрируют, что предполагаемые компромиссы "скорость-точность", "усилия-точность" и "прозрачность-точность" в условиях неопределенности обычно не работают (см. главу 2): опираясь на эвристику дельта-инференции, менеджеры могут принимать решения быстрее, экономнее и прозрачнее, одновременно повышая точность.

Рисунок 4.4

Принятие решений по одной причине (дельта-вывод) позволило выбрать кандидатов на работу лучше, чем принятие решений по многим причинам (логистическая регрессия). Это преимущество сохранялось независимо от того, были ли возможности обучения скудными, умеренными или широкими (случайные выборки размером 30, 100 и 1 000 соответственно). По материалам Luan, Reb, and Gigerenzer (2019).

Как видно из рисунка 4.4, производительность растет с увеличением возможностей обучения. Однако даже при наличии широких возможностей и использовании дельта-индукции менеджеры смогут выбрать лучшего кандидата только в 63 % случаев. Предсказать будущую производительность соискателей сложно, и, несмотря на использование умной эвристики, ошибки остаются частыми. 10

Установив ее эффективность, мы хотели выяснить, используют ли менеджеры дельта-индукцию при принятии решений об отборе и адаптируют ли они эту эвристику. Мы набрали менеджеров по персоналу и студентов-бизнесменов с разным уровнем опыта в принятии кадровых решений для участия в эксперименте с двумя задачами: нанять секретаря и нанять аналитика данных. Как показано на рисунке 4.5 , и менее, и более опытные менеджеры часто принимали решения с помощью дельта-инференции, но последние делали это чаще. В качестве признака адаптивности можно отметить, что использование дельта-умозаключения возрастало, когда один из признаков считался гораздо более важным, чем другие, то есть когда действовало условие доминирующего признака, описанное в главе 3. Такое понимание экологической рациональности было особенно сильным для более опытных менеджеров. Таким образом, в соответствии с результатами, полученными в других областях, 11 опытные менеджеры с большей вероятностью будут использовать эвристику и делать это адаптивно.

Рисунок 4.5

Опытные менеджеры чаще, чем менее опытные, полагались на принятие решений на основе одной причины (дельта-умозаключение). Они также с большей вероятностью использовали эвристику, когда она была экологически рациональной: то есть при условии доминирующей подсказки. В исследовании участники указывали, кого из двух кандидатов на работу они хотели бы нанять, основываясь на трех подсказках, и делали это для множественного сравнения. Участники, принявшие в прошлом более четырех кадровых решений (т. е. среднее значение), были отнесены к категории "более опытных". Участники оценивали важность каждой из трех подсказок. В условии "доминирования" рейтинг наиболее важного сигнала был больше, чем сумма рейтингов двух других сигналов. Планки ошибок указывают на стандартные ошибки. По материалам Luan et al. (2019).

Социальная эвристика при приеме на работу

Организации часто полагаются на социальную эвристику подражания и "сарафанного радио", чтобы найти подходящих кандидатов на работу. Например, при поиске руководителей фирмы из списка Fortune 500 склонны нанимать сотрудников из компаний, которые в прошлом направляли большое количество руководителей в другие фирмы из списка Fortune 500. 12 Преимущество такой эвристики подражания большинству заключается в том, что она снижает значительную неопределенность при найме топ-менеджеров и ускоряет поиск.