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

L'affermazione più seducente nella scienza della gestione

Ogni leader ha sentito l'attrazione di una semplice teoria di assunzione: assumi le persone più intelligenti che puoi trovare, mettile in una stanza, e le migliori decisioni seguiranno. Ha il pregio di essere ovvio. Ha il difetto di essere, al meglio, parzialmente vero. Negli ultimi due decenni, un insieme di ricerche su intelligenza collettiva ha convergente su un risultato scomodo: l'intelligenza di un team non è la somma — o anche il massimo — dell'intelligenza dei suoi membri. Qualcos'altro sta facendo una grande parte del lavoro, e quel qualcosa assomiglia molto a differenza: informazioni diverse, euristiche diverse, modi diversi di sbagliare.

Quella scoperta si è indurita in uno slogan — “la diversità batte l'abilità” — che poi ha fatto ciò che fanno gli slogan: si è staccato dalle sue condizioni e ha fluttuato liberamente nelle presentazioni. La reazione è stata altrettanto ampia, liquidando l'intera linea di ricerca come matematica politicizzata. Entrambi gli estremi sono sbagliati, e la verità nel mezzo è genuinamente utile. Questo articolo esamina i due programmi di ricerca dietro l'affermazione — il fattore di intelligenza collettiva “c” e il teorema di Hong-Page — comprese le critiche che di solito vengono trascurate, e termina con ciò che un lettore attento può effettivamente portare in una decisione di assunzione o progettazione del team.

Il fattore c: i team hanno un'intelligenza propria

Nel 2010, Anita Williams Woolley, Christopher Chabris, Alex Pentland, Nada Hashmi e Thomas Malone pubblicarono uno studio in Science che poneva una domanda ingannevolmente semplice: se gli individui hanno un fattore di intelligenza generale (il fattore psicometrico g), i gruppi ne hanno uno anche? Hanno testato 699 persone che lavoravano in gruppi di due a cinque su un'ampia gamma di compiti — brainstorming, ragionamento morale, negoziazione, puzzle — e poi hanno verificato se le prestazioni di un gruppo su un tipo di compito predicevano le sue prestazioni sugli altri.

Lo facevano. Un singolo fattore statistico — che hanno chiamato c, per intelligenza collettiva — spiegava circa 43% della varianza nelle prestazioni di gruppo attraverso i compiti. La sorpresa era ciò che c non tracciava: correlava solo debolmente sia con l'intelligenza media dei membri del gruppo sia con l'intelligenza del membro più intelligente. Ciò che prediceva c invece erano tre proprietà del gruppo stesso: la sensibilità sociale media dei membri (misurata con il test Reading the Mind in the Eyes), l'uguaglianza del turno di conversazione — i gruppi dominati da una o due voci ottenevano punteggi più bassi — e la proporzione di donne nel gruppo, un effetto mediato statisticamente dalla sensibilità sociale.

Leggendo attentamente, non si tratta di un'affermazione che l'abilità non conti. È un'affermazione che a livello di team, l'abilità non è il collo di bottiglia. Il collo di bottiglia è se il gruppo può estrarre e combinare ciò che i suoi membri sanno — che è una proprietà del processo, non di qualsiasi cranio individuale.

La lotta per la replicazione di cui non senti parlare nelle presentazioni

Il fattore c ha attraversato una vera lotta scientifica, e l'onestà richiede di riportarlo. Nel 2017, Marcus Credé e Garett Howardson hanno rianalizzato i dati di sei campioni precedentemente pubblicati e hanno sostenuto che il supporto empirico per un fattore di intelligenza collettiva generale è debole — che un singolo fattore spiega poca varianza su molti compiti di gruppo, e che il costrutto può essere in parte un artefatto delle scelte di punteggio. Woolley, Yeonjeong Kim e Malone hanno risposto nel 2018, sostenendo che la critica si basava su una procedura di punteggio e assunzioni di simulazione che non corrispondevano ai compiti che i gruppi effettivamente eseguivano.

La prova più sostanziale da allora è una meta-analisi del 2021 in PNAS di Christoph Riedl, Young Ji Kim, Pranav Gupta, Thomas Malone e Anita Woolley, che copre 22 studi e 1.356 gruppi — studenti universitari, personale militare, lavoratori online e giocatori. Ha trovato prove coerenti per un fattore c attraverso queste popolazioni, con processi di collaborazione di gruppo e competenze dei membri che contribuiscono entrambi. Dove lascia questo un professionista? Il costrutto è supportato da una grande meta-analisi ed è ancora dibattuto nella sua struttura — grosso modo dove g stesso si trovava per decenni. Ciò che non è seriamente dibattuto è il modello sottostante: il QI dei membri è un sorprendentemente scarso predittore delle prestazioni del team, e il processo di interazione è un sorprendentemente buon predittore.

“La diversità batte l'abilità”: cosa hanno realmente dimostrato Hong e Page

Il secondo pilastro dell'argomento sulla diversità proviene dall'economia e dalla scienza della complessità. Nel 2004, Lu Hong e Scott Page pubblicarono un articolo in PNAS con il titolo memorabile “I gruppi di risolutori di problemi diversi possono superare i gruppi di risolutori di problemi ad alta abilità.” Hanno costruito modelli computazionali in cui agenti dotati di diverse euristiche di risoluzione dei problemi cercavano in un paesaggio di soluzioni accidentato. Ogni agente sale fino a bloccarsi; poi un altro agente prende il controllo da quel punto con mosse diverse.

Il risultato: sotto le condizioni del modello, un gruppo di agenti selezionati casualmente — la selezione casuale garantisce la diversità euristica — ha superato il gruppo composto dagli agenti con le migliori prestazioni individuali. Il meccanismo è intuitivo una volta visto: i migliori performer individuali tendono ad aver appreso euristiche simili, quindi si bloccano sugli stessi ottimi locali. Un team di cloni, per quanto talentuosi, cerca come una sola mente. I membri di un team diversificato si salvano a vicenda dai rispettivi vicoli ciechi.

Ma le condizioni contano, e Page stesso è stato più chiaro su di esse rispetto ai suoi divulgatori: il problema deve essere genuinamente difficile (nessun individuo può risolverlo da solo), gli agenti devono essere tutti ragionevolmente capaci (la diversità tra i disorientati non aiuta), il pool da cui è tratto il team deve essere grande, e l'impostazione è di risoluzione iterativa dei problemi in cui gli agenti costruiscono sulle posizioni degli altri. “Qualsiasi gruppo diverso supera qualsiasi gruppo di esperti” non è ciò che è stato dimostrato, e trattarlo in questo modo prepara l'affermazione a fallire.

La controffensiva: un teorema sotto attacco

Nel 2014, la matematica Abigail Thompson pubblicò una critica pungente nelle Notices of the American Mathematical Society (vol. 61, n. 9, pp. 1024–1030) intitolata “La diversità batte l'abilità? Un esempio di abuso della matematica nelle scienze sociali.” Il suo argomento aveva due aspetti. Primo, che il teorema formale nell'articolo di Hong-Page, una volta che le sue assunzioni sono analizzate, è vicino al banale — nella sua lettura, le condizioni costruiscono effettivamente la conclusione, e il contenuto matematico è sottile rispetto al peso sociale che vi si attribuisce. Secondo, che le simulazioni a sostegno dell'affermazione più ampia sono sensibili alle scelte dei parametri e non giustificano le conclusioni ampie tratte da esse.

La critica ha suscitato risposte a sua volta. Una nota del 2017 in Critical Review di Daniel Kuehn ha sostenuto che le obiezioni matematiche di Thompson erano variamente errate, fuorvianti o irrilevanti rispetto a come funzionano i modelli formali nelle scienze sociali — dove il valore di un modello è il meccanismo che isola, non la profondità della sua prova. I filosofi della scienza che lavorano su comunità epistemiche, incluso Daniel Singer, hanno sviluppato modelli correlati in cui il valore della diversità sopravvive in forme modificate.

La nostra lettura, per ciò di cui un professionista ha bisogno: il teorema è più debole del suo titolo, il meccanismo è reale e osservabile, e lo slogan ampio dovrebbe essere ritirato a favore dell'affermazione condizionale. Quando ti trovi di fronte a un problema difficile e multidimensionale e il tuo pool di candidati è profondo, un team selezionato per modi di pensare complementari cercherà spesso lo spazio di soluzione meglio di un team selezionato puramente in base ai punteggi individuali — perché i punteggi individuali raggruppano persone che pensano in modo simile. Quell'affermazione non ha bisogno di un teorema eccessivo, e la sezione successiva mostra perché.

La matematica che nessuno contesta: il teorema della previsione della diversità

Elimina i modelli contestati e rimane in piedi un pezzo di matematica con cui nessuno discute, perché è un'identità — algebra, non empirica. Scott Page lo chiama il teorema della previsione della diversità (in The Difference, 2007). Per qualsiasi gruppo che fa stime numeriche, con errore misurato come distanza quadrata dalla verità:

Due conseguenze derivano direttamente. Primo, la stima aggregata del gruppo è sempre almeno accurata quanto il suo membro medio — la folla non può essere peggiore dell'individuo tipico, anche se può essere peggiore del migliore. Secondo, mantenendo fissa l'accuratezza individuale, ogni aumento di disaccordo genuino meccanicamente riduce l'errore collettivo. La diversità non è un bonus che fa sentire bene in questa equazione; è uno dei due termini. Un gruppo di cloni accurati e un gruppo di contrarian moderatamente accurati possono arrivare a un identico errore collettivo per strade diverse.

Il problema — ed è lo stesso problema che attraversa tutta questa ricerca — è la parola genuina. Il teorema premia la diversità delle previsioni, che richiede diversità di informazioni e modelli. Se tutti leggono le stesse tre fonti, le loro previsioni si raggruppano, il termine di diversità collassa, e la folla degrada in un'eco. Questo è precisamente il modo di fallimento documentato nella letteratura sulla saggezza delle folle: errori correlati non si annullano, si accumulano.

Quando la diversità aiuta

Quando non aiuta — la parte che lo slogan omette

Un resoconto onesto deve includere i costi, perché sono reali e sono la ragione per cui i team diversificati a volte sottoperformano rispetto a quelli omogenei nella pratica anche quando la teoria li avvantaggia.

Il modello nella letteratura organizzativa è coerente con i modelli: i benefici della diversità sono contingenti sulla complessità del compito e sulla qualità del processo, e i suoi costi sono anticipati (coordinamento, conflitto, formazione di norme più lenta) mentre i suoi benefici sono posticipati (migliore ricerca, meno punti ciechi). I team che si ritirano presto catturano i costi e perdono il guadagno.

La diversità cognitiva non è diversità demografica

Una distinzione che mantiene onesto questo dibattito: la ricerca sopra riguarda la diversità cognitiva (o epistemica) — differenze in informazioni, formazione, euristiche e modelli mentali. La diversità demografica è una variabile diversa. Le due sono correlate nel mondo reale, perché l'esperienza di vita plasma informazioni e prospettive, ma non sono intercambiabili, e i più forti effetti della ricerca si attaccano al tipo cognitivo. Un team demograficamente diversificato che attinge a fonti identiche e a una formazione identica può essere cognitivamente uniforme; un team demograficamente simile può contenere un ingegnere, un avvocato e un operatore di campo che non sono d'accordo su tutto ciò che conta. Nota anche che i fattori c di Woolley correlati — sensibilità sociale e turno di conversazione — riguardano il processo, non la composizione di alcun tipo. Per un trattamento più approfondito della distinzione e della ricerca dietro di essa, vedi la nostra guida a diversità epistemica.

Cosa fare realmente: comporre e gestire il team

Tradurre il nucleo difendibile di questa ricerca in pratica produce consigli che sono meno quotabili dello slogan ma molto più robusti:

Far contare input diversi: la struttura come moltiplicatore

Nota che ogni raccomandazione pratica sopra riguarda catturare la diversità, non solo assemblarla. È qui che i metodi strutturati guadagnano il loro valore. In una mappa degli argomenti, ogni parte interessata contribuisce con il proprio ragionamento in modo indipendente — prima che l'incontro converga su un leader — e ogni argomento sta o cade sul suo merito valutato, non sulla seniority di chiunque lo abbia offerto. Questo interrompe il legame di influenza dello status che consente a una voce sicura di omogeneizzare una stanza diversificata.

Argumentree implementa esattamente questo schema per decisioni collaborative: input multi-stakeholder raccolti in modo asincrono e indipendente, argomenti organizzati in un albero condiviso di pro e contro, e valutazioni multidimensionali (utilità, chiarezza, accuratezza, completezza) aggregate in punteggi di consenso. La diversità prodotta dalle tue assunzioni diventa informazione che la tua decisione utilizza effettivamente — con una completa tracciabilità che mostra quali prospettive hanno plasmato il risultato. E poiché i contributi possono essere effettuati in 66 lingue, il pool di prospettive non è limitato a quelle fluente nella lingua dell'incontro.

Per l'arco più lungo della ricerca su cui si basa questo articolo — dal teorema della giuria di Condorcet ai team umani-AI di oggi — vedi il nostro pezzo complementare, Intelligenza Collettiva: 240 Anni di Ricerca.