Diversity Beats Ability: Why Your Smartest Hire Isn't Your Best Decision-Maker

جذاب‌ترین ادعا در علم مدیریت

هر رهبر کشش یک نظریه ساده استخدام را احساس کرده است: هوشمندترین افرادی را که می‌توانید پیدا کنید استخدام کنید، آنها را در یک اتاق قرار دهید و بهترین تصمیمات دنبال خواهد شد. این نظریه از نظر واضح بودن مزیت دارد. اما از نظر حقیقت، در بهترین حالت، نیمی از آن درست است. در دو دهه گذشته، یک مجموعه تحقیقاتی در مورد هوش جمعی به یک یافته ناراحت‌کننده رسیده است: هوش یک تیم مجموع — یا حتی حداکثر — هوش اعضای آن نیست. چیز دیگری سهم بزرگی از کار را انجام می‌دهد و آن چیز به‌طور زیادی شبیه تفاوت است: اطلاعات متفاوت، هورستیک‌های متفاوت، روش‌های متفاوت برای اشتباه کردن.

این یافته به یک شعار تبدیل شد — "تنوع بر توانایی غلبه می‌کند" — که سپس همان‌طور که شعارها عمل می‌کنند: از شرایط خود جدا شد و به‌طور آزاد به ارائه‌های کلیدی پرواز کرد. واکنش به‌طور یکسان گسترده بود و کل خط تحقیق را به عنوان ریاضیات سیاسی رد کرد. هر دو افراط اشتباه هستند و حقیقت در میانه واقعاً مفید است. این مقاله به دو برنامه تحقیقاتی که پشت این ادعا قرار دارند — عامل هوش جمعی "c" و تئوری هونگ-پیج — می‌پردازد، از جمله انتقاداتی که معمولاً نادیده گرفته می‌شوند و با آنچه که یک خواننده دقیق می‌تواند واقعاً در یک تصمیم استخدام یا طراحی تیم به کار گیرد، به پایان می‌رسد.

عامل c: تیم‌ها هوش خاص خود را دارند

در سال 2010، آنیتا ویلیامز وولی، کریستوفر چابریس، الکس پنتلند، ندا هاشمی و توماس مالون مطالعه‌ای در Science منتشر کردند که یک سوال به‌ظاهر ساده را مطرح کرد: اگر افراد یک عامل هوش عمومی (عامل روان‌سنجی g) دارند، آیا گروه‌ها نیز یکی دارند؟ آنها 699 نفر را که در گروه‌های دو تا پنج نفره کار می‌کردند، در یک مجموعه وسیع از وظایف — طوفان فکری، استدلال اخلاقی، مذاکره، معماها — آزمایش کردند و سپس بررسی کردند که آیا عملکرد یک گروه در یک نوع وظیفه پیش‌بینی‌کننده عملکرد آن در سایر وظایف است.

اینطور بود. یک عامل آماری واحد — که آنها آن را c نامیدند، برای هوش جمعی — تقریباً 43٪ از واریانس در عملکرد گروه در سراسر وظایف را توضیح داد. شگفتی این بود که c نمی‌توانست پیگیری کند: این تنها به‌طور ضعیفی با هوش متوسط اعضای گروه و هوش هوشمندترین عضو همبستگی داشت. آنچه c را پیش‌بینی می‌کرد، به‌جای آن، سه ویژگی از خود گروه بود: میانگین حساسیت اجتماعی اعضا (که با آزمون خواندن ذهن در چشم‌ها اندازه‌گیری می‌شود)، برابری نوبت‌گیری در گفتگو — گروه‌هایی که تحت سلطه یک یا دو صدا بودند، نمرات کمتری کسب کردند — و نسبت زنان در گروه، که تأثیر آن به‌طور آماری توسط حساسیت اجتماعی میانجی‌گری می‌شود.

به دقت بخوانید، این ادعا نیست که توانایی مهم نیست. این ادعاست که در سطح تیم، توانایی گلوگاه نیست. گلوگاه این است که آیا گروه می‌تواند آنچه را که اعضای آن می‌دانند استخراج و ترکیب کند — که ویژگی فرآیند است، نه هر جمجمه فردی.

نبرد تکرار که در ارائه‌های کلیدی نمی‌شنوید

عامل c از یک نبرد علمی واقعی عبور کرده است و صداقت ایجاب می‌کند که آن را گزارش کنیم. در سال 2017، مارکوس کرید و گرت هاواردسون داده‌های شش نمونه منتشر شده قبلی را دوباره تحلیل کردند و استدلال کردند که حمایت تجربی از یک عامل هوش جمعی عمومی ضعیف است — که یک عامل واحد واریانس کمی را در بسیاری از وظایف گروهی توضیح می‌دهد و اینکه این ساختار ممکن است تا حدی یک اثر جانبی از انتخاب‌های نمره‌گذاری باشد. وولی، یئون‌جونگ کیم و مالون در سال 2018 پاسخ دادند و استدلال کردند که نقد بر اساس یک رویه نمره‌گذاری و فرضیات شبیه‌سازی است که با وظایفی که گروه‌ها واقعاً انجام می‌دهند مطابقت ندارد.

مهم‌ترین شواهد از آن زمان یک متا-تحلیل در سال 2021 در PNAS توسط کریستوف ریدل، یانگ جی کیم، پراناو گوپتا، توماس مالون و آنیتا وولی است که 22 مطالعه و 1,356 گروه — دانشجویان دانشگاه، پرسنل نظامی، کارگران آنلاین و گیمرها را پوشش می‌دهد. این مطالعه شواهدی مستمر برای یک عامل c در این جمعیت‌ها پیدا کرد، با فرآیندهای همکاری گروه و مهارت‌های اعضا که هر دو سهم دارند. این وضعیت برای یک عمل‌کننده کجا قرار می‌گیرد؟ این ساختار توسط یک متا-تحلیل بزرگ حمایت می‌شود و هنوز هم در ساختار آن مورد بحث است — تقریباً جایی که g خود برای دهه‌ها قرار داشت. آنچه به‌طور جدی مورد بحث نیست الگوی زیرین است: IQ اعضا پیش‌بینی‌کننده ضعیفی از عملکرد تیم است و فرآیند تعامل پیش‌بینی‌کننده خوبی است.

“تنوع بر توانایی غلبه می‌کند”: آنچه هونگ و پیج واقعاً ثابت کردند

ستون دوم استدلال تنوع از علم اقتصاد و علم پیچیدگی می‌آید. در سال 2004، لو هونگ و اسکات پیج مقاله‌ای در PNAS با عنوان به یاد ماندنی "گروه‌های حل‌کننده مسائل متنوع می‌توانند از گروه‌های حل‌کننده مسائل با توانایی بالا پیشی بگیرند" منتشر کردند. آنها مدل‌های محاسباتی ساختند که در آن عوامل مجهز به هورستیک‌های مختلف حل مسئله، یک چشم‌انداز حل‌المسائل ناهموار را جستجو کردند. هر عامل تا زمانی که گیر کند بالا می‌رود؛ سپس یک عامل دیگر از آن نقطه با حرکات متفاوت ادامه می‌دهد.

نتیجه: تحت شرایط مدل، یک گروه از عوامل به‌طور تصادفی انتخاب شده — انتخاب تصادفی تضمین‌کننده تنوع هورستیک — از گروهی که از بهترین عوامل فردی تشکیل شده بود پیشی گرفت. مکانیزم وقتی دیده می‌شود شهودی است: بهترین عملکردهای فردی تمایل دارند هورستیک‌های مشابه را یاد بگیرند، بنابراین در همان بهینه‌های محلی گیر می‌کنند. اما یک تیم از کلون‌ها، هرچقدر هم بااستعداد، مانند یک ذهن جستجو می‌کند. اعضای یک تیم متنوع یکدیگر را از بن‌بست‌های مربوطه خود نجات می‌دهند.

اما شرایط مهم است و خود پیج در مورد آنها واضح‌تر از ترویج‌کنندگانش بوده است: مشکل باید واقعاً سخت باشد (هیچ فردی نمی‌تواند آن را به تنهایی حل کند)، عوامل باید همه قابل قبول باشند (تنوع در میان افراد بی‌خبر کمک نمی‌کند)، استخر از کجا که تیم انتخاب می‌شود باید بزرگ باشد و محیط باید حل مسئله تکراری باشد که در آن عوامل بر اساس موقعیت‌های یکدیگر بنا می‌کنند. "هر گروه متنوعی از هر گروه متخصصی پیشی می‌گیرد" چیزی نیست که ثابت شده باشد و برخورد با آن به این شکل ادعا را به شکست می‌کشاند.

حمله متقابل: یک تئوری تحت آتش

در سال 2014، ریاضیدان ابیگیل تامپسون یک نقد تند در Notices of the American Mathematical Society (جلد 61، شماره 9، صفحات 1024–1030) با عنوان "آیا تنوع بر توانایی غلبه می‌کند؟ مثالی از سوءاستفاده از ریاضیات در علوم اجتماعی" منتشر کرد. استدلال او دو جنبه داشت. اول، اینکه تئوری رسمی در مقاله هونگ-پیج، زمانی که فرضیات آن باز شود، نزدیک به بی‌اهمیت است — در خوانش او، شرایط به‌طور مؤثری نتیجه را درون‌سازی می‌کنند و محتوای ریاضی برای وزن اجتماعی که بر آن گذاشته شده، نازک است. دوم، اینکه شبیه‌سازی‌هایی که از ادعای گسترده‌تر حمایت می‌کنند به انتخاب‌های پارامتر حساس هستند و مجوز نمی‌دهند که نتیجه‌گیری‌های گسترده‌ای از آنها استخراج شود.

این نقد پاسخ‌های خود را به همراه داشت. یادداشتی در سال 2017 در Critical Review توسط دانیل کوهن استدلال کرد که اعتراضات ریاضی تامپسون به‌طور مختلف نادرست، گمراه‌کننده یا بی‌اهمیت به نحوه عملکرد مدل‌های رسمی در علوم اجتماعی است — جایی که ارزش یک مدل مکانیزمی است که ایزوله می‌کند، نه عمق اثبات آن. فیلسوفان علم که بر روی جوامع اپیستمیک کار می‌کنند، از جمله دانیل سینگر، مدل‌های مرتبطی را توسعه داده‌اند که در آن ارزش تنوع در اشکال تغییر یافته باقی می‌ماند.

خوانش ما، برای آنچه یک عمل‌کننده نیاز دارد: تئوری ضعیف‌تر از عنوان آن است، مکانیزم واقعی و قابل مشاهده است و شعار گسترده باید به نفع ادعای مشروط کنار گذاشته شود. زمانی که با یک مشکل سخت و چندبعدی مواجه هستید و استخر نامزدها عمیق است، یک تیم انتخاب شده برای روش‌های مکمل تفکر معمولاً فضای حل را بهتر جستجو می‌کند تا یک تیم که صرفاً بر اساس نمرات فردی انتخاب شده است — زیرا نمرات فردی افرادی را که شبیه فکر می‌کنند خوشه‌بندی می‌کند. این ادعا به هیچ تئوری فراگیر نیاز ندارد و بخش بعدی نشان می‌دهد چرا.

ریاضیات که هیچ‌کس با آن اختلاف ندارد: تئوری پیش‌بینی تنوع

مدل‌های مورد مناقشه را کنار بگذارید و یک قطعه ریاضیات باقی می‌ماند که هیچ‌کس با آن بحث نمی‌کند، زیرا این یک هویت است — جبر، نه تجربیات. اسکات پیج آن را تئوری پیش‌بینی تنوع (در The Difference، 2007) می‌نامد. برای هر گروهی که تخمین‌های عددی می‌زند، با خطا که به‌عنوان فاصله مربع از حقیقت اندازه‌گیری می‌شود:

دو نتیجه به‌طور مستقیم از آن ناشی می‌شود. اول، تخمین تجمعی گروه همیشه حداقل به اندازه دقیق‌ترین عضو آن است — جمع نمی‌تواند بدتر از فرد معمولی باشد، هرچند می‌تواند بدتر از بهترین آن باشد. دوم، با ثابت نگه‌داشتن دقت فردی، هر افزایش در عدم توافق واقعی به‌طور مکانیکی خطای جمعی را کاهش می‌دهد. تنوع در این معادله یک پاداش خوب نیست؛ این یکی از دو مؤلفه است. یک گروه از کلون‌های دقیق و یک گروه از مخالفان با دقت متوسط می‌توانند با مسیرهای مختلف به خطای جمعی یکسانی برسند.

نکته — و این همان نکته‌ای است که در تمام این تحقیقات وجود دارد — کلمه واقعی است. تئوری تنوع پیش‌بینی‌ها را پاداش می‌دهد، که نیاز به تنوع اطلاعات و مدل‌ها دارد. اگر همه یکسان سه منبع را بخوانند، پیش‌بینی‌های آنها در کنار هم جمع می‌شود، مؤلفه تنوع فرو می‌ریزد و جمع به یک اکو تبدیل می‌شود. این دقیقاً حالت شکست مستند شده در ادبیات حکمت جمعی است: خطاهای همبسته لغو نمی‌شوند، بلکه انباشته می‌شوند.

زمانی که تنوع کمک می‌کند

زمانی که اینطور نیست — بخشی که شعار از آن غافل است

یک حساب صادقانه باید هزینه‌ها را شامل شود، زیرا آنها واقعی هستند و دلیل اینکه تیم‌های متنوع گاهی در عمل از تیم‌های همگن کمتر عمل می‌کنند، حتی زمانی که نظریه به نفع آنهاست.

الگوی موجود در ادبیات سازمانی با مدل‌ها سازگار است: مزایای تنوع به پیچیدگی وظیفه و کیفیت فرآیند وابسته است و هزینه‌های آن پیش‌بارگذاری شده‌اند (هماهنگی، تعارض، شکل‌گیری نُرم کندتر) در حالی که مزایای آن پس‌بارگذاری شده‌اند (جستجوی بهتر، نقاط کور کمتر). تیم‌هایی که زود تسلیم می‌شوند، هزینه‌ها را به دست می‌آورند و از پاداش غافل می‌شوند.

تنوع شناختی تنوع جمعیتی نیست

تفکیکی که این بحث را صادقانه نگه می‌دارد: تحقیقات فوق در مورد تنوع شناختی (یا اپیستمیک) — تفاوت‌ها در اطلاعات، آموزش، هورستیک‌ها و مدل‌های ذهنی است. تنوع جمعیتی یک متغیر متفاوت است. این دو در دنیای واقعی همبستگی دارند، زیرا تجربه زندگی اطلاعات و دیدگاه را شکل می‌دهد، اما قابل تعویض نیستند و قوی‌ترین اثرات تحقیق به نوع شناختی مربوط می‌شود. یک تیم با تنوع جمعیتی که از منابع یکسان و آموزش یکسان استفاده می‌کند، می‌تواند از نظر شناختی یکنواخت باشد؛ یک تیم با تنوع جمعیتی مشابه می‌تواند شامل یک مهندس، یک وکیل و یک اپراتور میدانی باشد که در مورد هر چیزی که مهم است، اختلاف نظر دارند. همچنین توجه داشته باشید که همبستگی‌های عامل c وولی — حساسیت اجتماعی و نوبت‌گیری — در مورد فرآیند است، نه ترکیب هر دو نوع. برای بررسی عمیق‌تر این تفکیک و تحقیقات پشت آن، به راهنمای ما در مورد تنوع اپیستمیک مراجعه کنید.

چه کار باید کرد: تشکیل و اداره تیم

ترجمه هسته قابل دفاع این تحقیق به عمل، مشاوره‌ای را به ارمغان می‌آورد که کمتر قابل نقل قول است اما بسیار قوی‌تر است:

محاسبه ورودی‌های متنوع: ساختار به‌عنوان ضرب‌کننده

توجه داشته باشید که هر توصیه عملی فوق در مورد ضبط تنوع است، نه فقط جمع‌آوری آن. اینجاست که روش‌های ساختاری ارزش خود را نشان می‌دهند. در یک نقشه استدلال، هر ذینفع به‌طور مستقل استدلال خود را ارائه می‌دهد — قبل از اینکه جلسه بر روی یک پیشرو همگرا شود — و هر استدلال بر اساس شایستگی ارزیابی شده‌اش ایستاده یا سقوط می‌کند، نه بر اساس ارشدیت کسی که آن را ارائه داده است. این پیوند تأثیر وضعیت را قطع می‌کند که به یک صدای مطمئن اجازه می‌دهد یک اتاق متنوع را همگن کند.

آرگومنتری دقیقاً این الگو را برای تصمیم‌گیری مشارکتی پیاده‌سازی می‌کند: ورودی چند ذینفع به‌طور ناهمزمان و مستقل جمع‌آوری می‌شود، استدلال‌ها در یک درخت مشترک موافق/مخالف سازماندهی می‌شوند و ارزیابی‌های چندبعدی (کمک، وضوح، دقت، کامل بودن) به امتیازهای توافقی تجمیع می‌شوند. تنوعی که استخدام شما تولید کرده است به اطلاعاتی تبدیل می‌شود که تصمیم شما واقعاً از آن استفاده می‌کند — با یک مسیر حسابرسی کامل که نشان می‌دهد کدام دیدگاه‌ها نتیجه را شکل داده‌اند. و از آنجا که مشارکت‌ها می‌توانند به 66 زبان انجام شوند، مجموعه دیدگاه‌ها محدود به کسانی نیست که به زبان جلسه تسلط دارند.

برای قوس طولانی‌تر تحقیقاتی که این مقاله به آن استناد می‌کند — از نظریه هیئت منصفه کاندورسه تا تیم‌های انسانی-هوش مصنوعی امروز — به قطعه همراه ما مراجعه کنید، هوش جمعی: 240 سال تحقیق.