Кроме того, вполне вероятно, что близкие люди, например, сотрудники вашей компании, имеют схожие культурные черты и вам следует выходить за рамки своих обычных контактов в организации, чтобы получить всестороннее и дивергентное мышление. Один из способов сделать это – поискать людей из разных жизненных сфер для участия. Другой способ, легко доступный через интернет, – это краудсорсинг идей, где вы собираете идеи буквально у всех, кто хочет поучаствовать.
Краудсорсинг показал себя эффективным в самых разных ситуациях, от советов по журналистике до сбора материалов для «Википедии» и решения реальных проблем компаний и государств. Например, в 2009 году Netflix провел конкурс, в котором краудсорсинговые исследователи лучше справились с задачей, чем собственные алгоритмы рекомендаций Netflix.
Краудсорсинг помогает понять мнение широкого круга людей о проблеме и принять решение в будущем, обновив априори.
Он также может помочь обнаружить неизвестное неизвестное и неизвестное известное из отзывов людей, обладающих опытом, которого вы, возможно, не имеете.
Джеймс Шуровьески[72] в своей книге «Мудрость толпы»[73] изучает ситуации, где вклад толпы был особенно эффективным. Он начинает с истории о том, как на сельской ярмарке в 1906 году, куда пришел статистик Фрэнсис Гальтон, толпа верно угадала вес быка. Участвовало почти 800 человек, каждый угадывал по отдельности, и средний угаданный вес составил 1197 фунтов – точный вес быка вплоть до фунта! Хотя подобного результата нельзя ожидать во всех ситуациях, Шуровьески объяснил ключевые условия, в которых можно ожидать хороших результатов от краудсорсинга.
Разнообразие мнений: краудсорсинг хорошо работает, когда опирается на знания и опыт разных людей.
Независимость: люди должны иметь возможность выражать свое мнение без влияния других, избегая группового мышления.
Агрегация: организация, проводящая краудсорсинг, должна иметь возможность комбинировать различные мнения так, чтобы прийти к коллективному решению.
Разработав систему с этими свойствами, вы воспользуетесь коллективным разумом толпы. Это позволит собрать полезные фрагменты информации, которые скрываются в группах с разными участниками. В примере с быком мясник мог заметить то, чего не увидел фермер, а ветеринар заметил что-то еще. Все эти знания привели к правильной коллективной догадке.
Более современным примером использования коллективного разума является опрос аудитории, как на телешоу «Кто хочет стать миллионером?».
В целом использование коллективного разума имеет смысл, когда общий пул знаний группы больше, чем тот, к которому вы имеете доступ. Это поможет вам прийти к более разумному решению, чем вы пришли бы самостоятельно. «Толпа» может помочь систематически продумать различные сценарии, собрать новые данные и идеи или просто улучшить существующие.
Одно из непосредственных применений краудсорсинга для анализа сценариев – это использование рынка предсказаний, который похож на фондовый рынок. В простом пересказе цена каждой «акции» на этом рынке варьируется от 0 до 1 доллара и отражает текущую вероятность события, например избрание определенного кандидата. Так, цена 0,59 доллара будет показывать 59 % вероятность того, что выберут этого кандидата.
Если вы считаете, что вероятность намного выше, чем 59 %, вы можете купить акцию «да» по этой цене. Наоборот, если вы думаете, что вероятность значительно ниже 59 %, можете купить акцию «нет» по этой цене. Если кандидат действительно победит, рынок выплатит держателям акций «да» по 1 доллару за акцию, а акции «нет» потеряют какую-либо ценность. И наоборот, если кандидат не выиграет, то держатели акций «нет» получат по 1 доллару за акцию, а акции «да» потеряют какую-либо ценность.
Если больше людей делает прогноз «да», чем «нет», цена акций растет, и наоборот. Глядя на текущие цены на рынке предсказаний, вы можете представить себе, что произойдет, по мнению рынка, на основании того, какие ставки делают люди (покупают акции). Многие крупные компании оперируют аналогичными внутренними рынками предсказаний, где сотрудники предсказывают такие вещи, как продажи и маркетинговые кампании.
Существует несколько крупных публичных рынков предсказаний, таких как PredictIt, который занимается политическими прогнозами вышеописанным способом. Хотя этот рынок успешно предсказал многие результаты выборов по всему миру, в 2016 году он не смог правильно предсказать как выборы Дональда Трампа, так и голосование по Брекситу в Великобритании. Ретроспективный анализ показал, что мнения были, очевидно, недостаточно разнообразными и участники рынка предсказаний, вероятно, имели мало прямых контактов со сторонниками Трампа или Брексита. Кроме того, предсказатели оперировали недостаточно независимо, на них влияли изначально высокие ставки против Трампа и Брексита[74].