Ở đây, một lần nữa. Hệ thống 1 đang hoạt động, đưa những định kiến và sai sót nhỏ thành một quyết định quan trọng.
Vậy đâu là phương pháp tuyển dụng tốt hơn? Google đã dựa rất nhiều vào các cuộc phỏng vấn có cấu trúc, điều này giải thích 25% lý do dẫn đến hiệu suất công việc. Các cuộc phỏng vấn có cấu trúc bao gồm một bộ câu hỏi có sẵn để đánh giá, ví dụ, khả năng nhận thức chung của một người. Google đã áp dụng một quy trình tuyển dụng mà trong đó, tất cả nhân viên tuyển dụng đều sử dụng các cuộc phỏng vấn có cấu trúc, đưa ra đa số các câu hỏi tương tự, và, như Bock giải thích: “Sau đó, chúng tôi chấm điểm nhân viên tuyển dụng một phiếu tự đánh giá phù hợp… Người phỏng vấn phải chỉ ra cách thể hiện của ứng viên, mỗi cấp độ thể hiện được xác định rõ ràng… Một phiếu tự đánh giá súc tích có thể tinh chọn các tình huống công việc lộn xộn, mơ hồ và phức tạp thành các kết quả có thể đo lường và có thể so sánh được”.
Theo cách tiếp cận này, phán đoán của từng nhân viên tuyển dụng vẫn có giá trị, nhưng chúng đã được định lượng và sử dụng để gán điểm số cho ứng viên xin việc. Bock tin rằng thay vì tầm thường hóa và phi nhân hóa quá trình phỏng vấn, phương pháp này lại làm điều ngược lại. Bản thân các ứng viên đánh giá cao việc được đối xử khách quan và công bằng (80% ứng viên bị từ chối đã cho biết họ sẽ khuyến khích bạn bè nộp đơn vào Google), từ đó, việc đưa ra quyết định tuyển dụng trở nên dễ dàng hơn. Như Bock nói: “Bạn sẽ thấy được một ranh giới rõ ràng giữa người vĩ đại và kẻ tầm thường”.
Quyết định quá quan trọng để con người có thể tự định đoạt
Ý tưởng về những thay đổi đáng kể trong việc sắp xếp tiêu chuẩn giữa trí óc và máy móc – trong một số trường hợp, ngay cả khi đảo ngược sự sắp xếp đó – cũng khiến nhiều người khó chịu. Hầu hết chúng ta đều có niềm tin vào trực giác, phán đoán và khả năng ra quyết định của con người, đặc biệt của chính chúng ta (chúng tôi đã thảo luận về chủ đề này với rất nhiều khán giả và hầu như chưa bao giờ nghe ai thừa nhận bản thân có trực giác hoặc mức độ phán đoán dưới trung bình). Nhưng bằng chứng về chủ đề này rất rõ ràng và không thể chối cãi: dựa trên dữ liệu, các quyết định thuộc Hệ thống 2 tốt hơn so với các quyết định phát sinh từ việc kết hợp Hệ thống 1 và hệ thống 2 trong bộ não của chúng ta trong những trường hợp tồn tại cả hai lựa chọn. Không phải quyết định và phán đoán của chúng ta là vô dụng mà chính là việc cải thiện chúng. Các cách tiếp cận rộng rãi mà chúng ta phát hiện ở đây – như cho phép các thuật toán, hệ thống máy tính đưa ra quyết định, đôi khi nhờ vào dữ liệu đầu vào là các phán đoán của con người và cho phép mọi người ghi đè lên chúng nếu phù hợp – là cách để thực hiện điều này.
Cách tiếp cận này từng được mô tả là phi nhân đạo. Một số người cảm thấy để máy tính nắm quyền đưa ra quyết định sẽ đẩy con người đến đường cùng và giới hạn họ. Chúng tôi đồng ý rằng việc đánh mất quyền quyết định mà bạn từng nắm giữ là một điều không thoải mái, và rằng không ai thích cảm giác phải phục vụ máy tính. Nhưng điều này có nghĩa là các tù nhân vô tội nên được trả tự do hoặc bị giam trong tù, chỉ để cho các thẩm phán và hội đồng đặc xá có thể tiếp tục nghãi vụ của họ như trước đây. Hoặc rằng tỷ lệ chẩn đoán y tế sai lầm lên cao hơn mức thông thường, chỉ để cho các bác sĩ và nhà tâm lý học tiếp tục công việc thường ngày của họ? Rằng các công ty nên thuê nhầm người, chỉ để nhân viên tuyển dụng tiếp tục cảm thấy họ thông minh?
Đối với chúng tôi, câu trả lời cho những câu hỏi này là không. Các quyết định hợp lý có tầm ảnh hưởng rất lớn đối với các xã hội hoạt động hiệu quả: chúng giúp xác định các nguồn lực phù hợp, từ công việc đến chăm sóc sức khỏe, đưa đúng người đến đúng nơi vào đúng thời điểm. Quan hệ cộng tác tiêu chuẩn do Hammer và Champy ủng hộ – trong đó máy tính thực hiện việc lưu trữ hồ sơ trong khi HiPPO tiến hành phán đoán và đưa ra quyết định – thường không phải là cách tốt nhất để có thể đưa ra quyết định sáng suốt.
Tại thời điểm này, bạn có thể không mấy ngạc nhiên khi biết rằng con người chúng ta cũng khá tệ trong việc dự đoán tương lai. Xét cho cùng, dự đoán và quyết định gần như là những hoạt động không thể tách rời (để có một quyết định đúng đắn, chúng ta thường cần một dự đoán chính xác về một khía cạnh nào đó trong tương lai, cụ thể là điều gì sẽ xảy ra nếu chúng ta quyết định theo cách này hay cách khác). Vì vậy, nếu chúng ta kém ở một mặt nào đó, thì chúng ta cũng có thể kém ở mặt khác. Và chắc chắn, nhiều lối tắt và hạt sạn trong Hệ thống 1 sẽ ngăn chúng ta đưa ra một dự đoán tốt.
Bắt đầu từ năm 1984, nhà chính trị học Philip Tetlock và các đồng nghiệp của ông đã thực hiện một dự án kéo dài hàng thập kỷ để đánh giá tính chính xác của các dự đoán trong nhiều lĩnh vực như chính trị, kinh tế và các vấn đề quốc tế. Ở đây, một lần nữa, các kết luận đều rõ ràng và nổi bật. Trong một thử nghiệm liên quan đến hơn 82.000 dự đoán, Tetlock đã phát hiện ra rằng “loài người hầu như tệ hơn [một] con tinh tinh” ở khoản dự đoán các kết quả có thể xảy ra.
Điều này nên được quan tâm vì môi trường kinh doanh luôn đầy những dự đoán về tương lai. Nhiều trong số đó được trình bày rõ ràng thheo bản chất: dự báo về khả năng hoạt động tốt của một cổ phiếu cụ thể, hay xu hướng và mức độ biến động của lãi suất trong tương lai, hoặc số lượng điện thoại thông minh bán ra tại một quốc gia nhất định trong năm tới. Trong nhiều trường hợp khác, dự báo được ngầm đưa ra trong đề xuất kế hoạch hành động. Ví dụ, viết thiết kế lại trang web chứa dự đoán ngầm rằng khách hàng truy cập sẽ thích diện mạo trang web mới hơn, cũng như việc thiết kế lại một văn phòng chi nhánh ngân hàng cũng được dự đoán rằng sẽ khiến khách hàng thoải mái hơn. Một buổi giới thiệu sản phẩm hấp dẫn được xây dựng dựa trên dự đoán rủi ro cao rằng khách hàng sẽ thích nó và chiến dịch marketing đi kèm với các dự đoán về cách có thể định hình sở thích của khách hàng.
LÀM THẾ NÀO ĐỂ CÓ NHỮNG DỰ ĐOÁN TỐT
Tất nhiên, không phải tất cả những dự đoán này đều sai. Tetlock nhận thấy rằng một số người mà ông gọi là nhà siêu dự báo thật sự có khả năng dự báo một cách chính xác hơn so với cơ hội dự đoán. Họ có xu hướng tiếp nhận thông tin từ nhiều nguồn và có lẽ quan trọng hơn, cho thấy khả năng chấp nhận nhiều quan điểm khác nhau khi nhìn vào một tình huống. Trong khi đó, các nhà dự báo có khả năng kém thường sử dụng một quan điểm cố định trong các phân tích của họ (ví dụ, cả những đảng viên Đảng Bảo thủ hoạt động hăng hái và những người tự do cực đoan đều có xu hướng đưa ra những dự đoán chính trị thiếu chính xác). Tetlock gọi nhóm người trước (những người dự đoán đa góc độ và thành công hơn) là “cáo” và nhóm sau là “nhím”, cách gọi này được ông lấy cảm hứng từ câu cách ngôn của nhà thơ Hy Lạp cổ đại Archilochus: “Con cáo ma mãnh biết rất nhiều thứ, còn con nhím lù đù thì chỉ thuộc nằm lòng một thứ thôi”.
Sau đó, một phần hướng dẫn phụ thuộc vào cáo thay vì nhím ở bất cứ nơi nào có thể. Cáo có thể bị tác động bởi các lý luận và phân tích đa chiều, đa viễn cảnh mà chúng trình bày. Chúng cũng có thể bị ảnh hưởng bởi hồ sơ theo dõi của mình. Những người có bằng chứng lịch sử chứng minh sự chính xác của các dự đoán có khả năng là cáo.
Giảm dự đoán, tăng thử nghiệm
Đặt sự tồn tại của các nhà siêu dự báo sang một bên, về cơ bản, chúng tôi khuyên bạn nên bớt phụ thuộc vào các dự đoán. Thế giới của chúng ta ngày càng phức tạp, hỗn loạn và luôn luôn vận động. Điều này làm cho việc dự báo một điều gì đó vô cùng khó khăn và thật sự là không thể, với sự chuyển đổi mạnh mẽ của vế sau khi trục thời gian ngày càng kéo dài hơn.
Một sự chuyển đổi cơ bản đang diễn ra trong số các công ty xuất chúng: từ bỏ việc đưa ra các dự báo dài hạn, kế hoạch dài hạn và đặt cược lớn, thay vào đó hướng tới sự lặp lại, thử nghiệm và kiểm chứng ngắn hạn liên tục. Các tổ chức này làm theo lời khuyên vĩ đại của nhà khoa học máy tính Alan Kay rằng cách tốt nhất để dự đoán tương lai là tạo ra nó. Họ thực hiện điều này với nhiều bước nhỏ, nhận phản hồi và điều chỉnh khi cần thiết, thay vì bí mật làm việc hướng đến một sự kiện xa xôi có kết quả được dự đoán một cách tự tin.
(còn tiếp)
TH: T.Giang – CSCI
Nguồn tham khảo: Andrew McCafee, Erik Brynjolfsson – Máy móc, nền tảng, cộng đồng – NXB TTTT 2020
CSCI INDOCHINA 