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

Klaim yang paling menggoda dalam ilmu manajemen

Setiap pemimpin telah merasakan daya tarik dari teori pengisian yang sederhana: sewa orang-orang terpandai yang bisa Anda temukan, tempatkan mereka dalam satu ruangan, dan keputusan terbaik akan mengikuti. Ini memiliki kelebihan yang jelas. Ini memiliki kelemahan yang, paling baik, setengah benar. Selama dua dekade terakhir, sekumpulan penelitian tentang kecerdasan kolektif telah mengarah pada temuan yang tidak nyaman: kecerdasan sebuah tim bukanlah jumlah — atau bahkan maksimum — dari kecerdasan anggotanya. Sesuatu yang lain melakukan sebagian besar pekerjaan, dan sesuatu itu terlihat sangat mirip dengan perbedaan: informasi yang berbeda, heuristik yang berbeda, cara yang berbeda untuk salah.

Temuan itu mengeras menjadi sebuah slogan — “keberagaman mengalahkan kemampuan” — yang kemudian melakukan apa yang dilakukan slogan: ia terlepas dari kondisi-kondisinya dan mengapung bebas ke dalam presentasi kunci. Reaksi baliknya sama luasnya, mengabaikan seluruh jalur penelitian sebagai matematika yang dipolitisasi. Kedua ekstrem itu salah, dan kebenaran di tengah sangat berguna. Artikel ini menjelaskan dua program penelitian di balik klaim tersebut — faktor kecerdasan kolektif “c” dan teorema Hong-Page — termasuk kritik yang biasanya diabaikan, dan diakhiri dengan apa yang dapat dibawa pembaca yang hati-hati ke dalam keputusan perekrutan atau desain tim.

Faktor c: tim memiliki kecerdasan mereka sendiri

Pada tahun 2010, Anita Williams Woolley, Christopher Chabris, Alex Pentland, Nada Hashmi, dan Thomas Malone menerbitkan sebuah studi di Science yang mengajukan pertanyaan yang tampaknya sederhana: jika individu memiliki faktor kecerdasan umum (psikometrik g), apakah kelompok juga memilikinya? Mereka menguji 699 orang yang bekerja dalam kelompok dua hingga lima pada berbagai tugas — brainstorming, penalaran moral, negosiasi, teka-teki — dan kemudian memeriksa apakah kinerja kelompok pada satu jenis tugas memprediksi kinerjanya pada yang lain.

Itu terjadi. Sebuah faktor statistik tunggal — yang mereka sebut c, untuk kecerdasan kolektif — menjelaskan sekitar 43% dari varians dalam kinerja kelompok di berbagai tugas. Kejutan adalah apa yang tidak dilacak oleh c: ia hanya berkorelasi lemah dengan kecerdasan rata-rata anggota kelompok dan kecerdasan anggota terpandai. Apa yang memprediksi c justru adalah tiga sifat dari kelompok itu sendiri: rata-rata sensitivity sosial anggota (diukur dengan tes Reading the Mind in the Eyes), kesetaraan pengambilan giliran percakapan — kelompok yang didominasi oleh satu atau dua suara mencetak lebih rendah — dan proporsi wanita dalam kelompok, sebuah efek yang dimediasi secara statistik oleh sensitivitas sosial.

Baca dengan hati-hati, ini bukan klaim bahwa kemampuan tidak penting. Ini adalah klaim bahwa di tingkat tim, kemampuan bukanlah hambatan. Hambatan adalah apakah kelompok dapat mengekstrak dan menggabungkan apa yang diketahui anggotanya — yang merupakan sifat dari proses, bukan dari tengkorak individu mana pun.

Pertarungan replikasi yang tidak Anda dengar dalam presentasi kunci

Faktor c telah melalui pertarungan ilmiah yang nyata, dan kejujuran mengharuskan melaporkannya. Pada tahun 2017, Marcus Credé dan Garett Howardson menganalisis ulang data dari enam sampel yang telah diterbitkan sebelumnya dan berargumen bahwa dukungan empiris untuk faktor kecerdasan kolektif umum lemah — bahwa satu faktor menjelaskan sedikit varians pada banyak tugas kelompok, dan bahwa konstruk tersebut mungkin sebagian merupakan artefak dari pilihan penilaian. Woolley, Yeonjeong Kim, dan Malone membalas pada tahun 2018, berargumen bahwa kritik tersebut didasarkan pada prosedur penilaian dan asumsi simulasi yang tidak sesuai dengan tugas yang sebenarnya dilakukan kelompok.

Bukti yang paling substansial sejak saat itu adalah meta-analisis 2021 di PNAS oleh Christoph Riedl, Young Ji Kim, Pranav Gupta, Thomas Malone, dan Anita Woolley, mencakup 22 studi dan 1.356 kelompok — mahasiswa universitas, personel militer, pekerja online, dan gamer. Ini menemukan bukti konsisten untuk faktor c di seluruh populasi ini, dengan proses kolaborasi kelompok dan keterampilan anggota keduanya berkontribusi. Di mana itu meninggalkan seorang praktisi? Konstruk tersebut didukung oleh meta-analisis besar dan masih diperdebatkan dalam strukturnya — kira-kira di mana g itu sendiri berdiri selama beberapa dekade. Apa yang tidak diperdebatkan secara serius adalah pola yang mendasarinya: IQ anggota adalah prediktor yang mengejutkan buruk untuk kinerja tim, dan proses interaksi adalah prediktor yang mengejutkan baik.

“Keberagaman mengalahkan kemampuan”: apa yang sebenarnya dibuktikan oleh Hong dan Page

Pilar kedua dari argumen keberagaman berasal dari ekonomi dan ilmu kompleksitas. Pada tahun 2004, Lu Hong dan Scott Page menerbitkan sebuah makalah di PNAS dengan judul yang mudah diingat “Kelompok pemecah masalah yang beragam dapat mengungguli kelompok pemecah masalah berkualitas tinggi.” Mereka membangun model komputasi di mana agen yang dilengkapi dengan heuristik pemecahan masalah yang berbeda mencari lanskap solusi yang terjal. Setiap agen naik sampai terjebak; kemudian agen lain mengambil alih dari titik itu dengan gerakan yang berbeda.

Hasilnya: di bawah kondisi model, kelompok agen yang dipilih secara acak — pemilihan acak menjamin keberagaman heuristik — mengungguli kelompok yang terdiri dari agen yang berkinerja terbaik secara individu. Mekanismenya intuitif setelah dilihat: pelaku individu terbaik cenderung telah mempelajari heuristik yang serupa, sehingga mereka terjebak pada optima lokal yang sama. Namun, tim klon, betapapun berbakatnya, mencari seperti satu pikiran. Anggota tim yang beragam saling menyelamatkan dari jalan buntu masing-masing.

Tetapi kondisi itu penting, dan Page sendiri telah lebih jelas tentang hal itu daripada para penyebarnya: masalah harus benar-benar sulit (tidak ada individu yang dapat menyelesaikannya sendiri), agen harus semua cukup mampu (keberagaman di antara yang tidak tahu tidak membantu), kolam dari mana tim diambil harus besar, dan pengaturannya adalah pemecahan masalah iteratif di mana agen membangun posisi satu sama lain. “Setiap kelompok yang beragam mengalahkan kelompok ahli mana pun” bukanlah apa yang dibuktikan, dan memperlakukannya seperti itu membuat klaim tersebut gagal.

Serangan balik: sebuah teorema di bawah serangan

Pada tahun 2014, matematikawan Abigail Thompson menerbitkan kritik tajam dalam Notices of the American Mathematical Society (vol. 61, no. 9, hlm. 1024–1030) berjudul “Apakah Keberagaman Mengalahkan Kemampuan? Sebuah Contoh Penyalahgunaan Matematika dalam Ilmu Sosial.” Argumennya memiliki dua cabang. Pertama, bahwa teorema formal dalam makalah Hong-Page, setelah asumsi-asumsinya dibongkar, hampir sepele — dalam bacaannya, kondisi-kondisi tersebut secara efektif membangun kesimpulan di dalamnya, dan konten matematikanya tipis untuk bobot sosial yang diberikan padanya. Kedua, bahwa simulasi yang mendukung klaim yang lebih luas sensitif terhadap pilihan parameter dan tidak memberikan izin untuk kesimpulan luas yang ditarik dari mereka.

Kritik tersebut menarik tanggapan tersendiri. Sebuah catatan 2017 dalam Critical Review oleh Daniel Kuehn berargumen bahwa keberatan matematis Thompson bervariasi tidak benar, menyesatkan, atau tidak relevan dengan bagaimana model formal berfungsi dalam ilmu sosial — di mana nilai sebuah model adalah mekanisme yang diisolasi, bukan kedalaman buktinya. Filsuf ilmu yang bekerja pada komunitas epistemik, termasuk Daniel Singer, telah mengembangkan model terkait di mana nilai keberagaman bertahan dalam bentuk yang dimodifikasi.

Pembacaan kami, untuk apa yang dibutuhkan seorang praktisi: teorema ini lebih lemah daripada judulnya, mekanisme ini nyata dan dapat diamati, dan slogan yang luas harus dipensiunkan demi klaim bersyarat. Ketika Anda menghadapi masalah yang sulit dan multidimensional dan kolam kandidat Anda dalam, tim yang dipilih untuk cara berpikir yang saling melengkapi akan sering mencari ruang solusi lebih baik daripada tim yang dipilih murni berdasarkan skor individu — karena skor individu mengelompokkan orang-orang yang berpikir serupa. Klaim itu tidak memerlukan teorema yang berlebihan, dan bagian berikut menunjukkan mengapa.

Matematika yang tidak ada yang memperdebatkan: teorema prediksi keberagaman

Singkirkan model-model yang diperdebatkan dan satu bagian matematika tetap berdiri yang tidak ada yang berargumen, karena itu adalah identitas — aljabar, bukan empiris. Scott Page menyebutnya teorema prediksi keberagaman (dalam The Difference, 2007). Untuk setiap kelompok yang membuat estimasi numerik, dengan kesalahan diukur sebagai jarak kuadrat dari kebenaran:

Dua konsekuensi langsung muncul. Pertama, estimasi agregat kelompok selalu setidaknya sama akuratnya dengan anggota rata-ratanya — kerumunan tidak bisa lebih buruk daripada individu tipikal, meskipun bisa lebih buruk daripada yang terbaik. Kedua, dengan mempertahankan akurasi individu tetap, setiap peningkatan dalam ketidaksetujuan yang nyata secara mekanis mengurangi kesalahan kolektif. Keberagaman bukanlah bonus yang menyenangkan dalam persamaan ini; itu adalah salah satu dari dua istilah. Sekelompok klon yang akurat dan sekelompok kontrarian yang cukup akurat dapat mencapai kesalahan kolektif yang identik dengan rute yang berbeda.

Masalahnya — dan itu adalah masalah yang sama yang melintasi semua penelitian ini — adalah kata nyata. Teorema ini memberi penghargaan pada keberagaman prediksi, yang memerlukan keberagaman informasi dan model. Jika semua orang membaca tiga sumber yang sama, prediksi mereka berkumpul bersama, istilah keberagaman runtuh, dan kerumunan terdegradasi menjadi gema. Ini adalah mode kegagalan yang didokumentasikan dalam literatur kebijaksanaan kerumunan: kesalahan yang berkorelasi tidak membatalkan, mereka mengumpulkan.

Ketika keberagaman membantu

Ketika tidak — bagian yang diabaikan oleh slogan

Sebuah laporan yang jujur harus mencakup biaya, karena itu nyata dan itu adalah alasan mengapa tim yang beragam kadang-kadang berkinerja lebih buruk daripada yang homogen dalam praktik meskipun teorinya mendukung mereka.

Pola di seluruh literatur organisasi konsisten dengan model-model tersebut: manfaat keberagaman bergantung pada kompleksitas tugas dan kualitas proses, dan biayanya di depan (koordinasi, konflik, pembentukan norma yang lebih lambat) sementara manfaatnya tertunda (pencarian yang lebih baik, lebih sedikit titik buta). Tim yang berhenti lebih awal menangkap biaya dan melewatkan hasil.

Keberagaman kognitif bukanlah keberagaman demografis

Sebuah perbedaan yang menjaga debat ini jujur: penelitian di atas adalah tentang kognitif (atau epistemik) keberagaman — perbedaan dalam informasi, pelatihan, heuristik, dan model mental. Keberagaman demografis adalah variabel yang berbeda. Keduanya berkorelasi di dunia nyata, karena pengalaman hidup membentuk informasi dan perspektif, tetapi keduanya tidak dapat dipertukarkan, dan efek penelitian yang paling kuat melekat pada jenis kognitif. Tim yang beragam secara demografis yang menarik dari sumber yang identik dan pelatihan yang identik dapat menjadi kognitif yang seragam; tim yang serupa secara demografis dapat berisi seorang insinyur, seorang pengacara, dan seorang operator lapangan yang tidak setuju tentang segala hal yang penting. Perhatikan juga bahwa korelasi faktor c Woolley — sensitivitas sosial dan pengambilan giliran — adalah tentang proses, bukan komposisi dari kedua jenis. Untuk penanganan yang lebih dalam tentang perbedaan dan penelitian di baliknya, lihat panduan kami tentang keberagaman epistemik.

Apa yang harus dilakukan: menyusun dan menjalankan tim

Menerjemahkan inti yang dapat dipertahankan dari penelitian ini ke dalam praktik menghasilkan saran yang kurang dapat dikutip daripada slogan tetapi jauh lebih kuat:

Membuat masukan yang beragam berarti: struktur sebagai pengganda

Perhatikan bahwa setiap rekomendasi praktis di atas adalah tentang menangkap keragaman, bukan hanya mengumpulkannya. Di sinilah metode terstruktur mendapatkan nilai mereka. Dalam peta argumen, setiap pemangku kepentingan menyumbangkan alasan mereka secara independen — sebelum pertemuan berkumpul pada satu calon terdepan — dan setiap argumen berdiri atau jatuh berdasarkan nilai yang dinilai, bukan pada senioritas siapa pun yang menawarkannya. Ini memutuskan tautan pengaruh status yang memungkinkan satu suara yang percaya diri menghomogenkan ruangan yang beragam.

Argumentree menerapkan pola ini untuk pengambilan keputusan kolaboratif: masukan multi-pemangku kepentingan dikumpulkan secara asinkron dan independen, argumen diorganisir ke dalam pohon pro/con bersama, dan penilaian multi-dimensi (kegunaan, kejelasan, akurasi, kelengkapan) digabungkan menjadi skor konsensus. Keragaman yang dihasilkan oleh perekrutan Anda menjadi informasi yang benar-benar digunakan dalam keputusan Anda — dengan jejak audit lengkap yang menunjukkan perspektif mana yang membentuk hasil. Dan karena kontribusi dapat dibuat dalam 66 bahasa, kumpulan perspektif tidak terbatas pada mereka yang fasih dalam bahasa pertemuan.

Untuk jangka panjang penelitian yang menjadi dasar artikel ini — dari teorema juri Condorcet hingga tim manusia-AI saat ini — lihat artikel pendamping kami, Kecerdasan Kolektif: 240 Tahun Penelitian.