Многие управленческие решения характеризуются сочетанием неопределенности и неразрешимости. Например, неразрешимость проблем планирования, как было описано ранее, может сопровождаться внезапным наступлением непредвиденных событий, последствия которых невозможно предвидеть - например, закрытие транспортных путей из-за строительства, землетрясений или войн. В этом случае адаптивный набор гибких эвристик, вероятно, окажется лучше долгосрочного планирования и максимизации полезности.
Тем не менее, если вы прочитаете книгу по менеджменту или прослушаете курс в бизнес-школе, вы, скорее всего, не узнаете о различии между малыми и большими мирами, а также о том, что для принятия правильных решений нужны разные инструменты. Точно так же большинство экономических теорий сводят большие миры к малым, чтобы можно было применить максимизацию полезности. Это может быть интересным теоретическим упражнением, но оно мало чем поможет практикующим менеджерам, которым приходится принимать решения в условиях неопределенности. Слепое пятно для неопределенности можно проследить классических работах по теории принятия решений Дункана Люса и Говарда Райфа, которые различали риск и неопределенность (и, к сожалению, называли последнюю неопределенностью). 12 Эта терминология исключает все большие миры из области науки о принятии решений. Во влиятельной работе Тверски и Канемана "Суждение в условиях неопределенности: эвристика и предубеждения" термин "неопределенность" используется даже за пределами двусмысленности, чтобы охватить ситуации риска. 13 Аналогичным образом, популярные книги по поведенческой экономике, такие как "Фрикономика" и "Мышление: Fast and Slow", говорят о неопределенности, но при этом имеют дело либо с риском, либо с двусмысленностью. Эта концептуальная путаница приводит к ошибочному впечатлению, что максимизация полезности применима ко всем проблемам.
Что на самом деле означает VUCA?
В главе 1 мы использовали популярный термин VUCA, который нуждается в точном определении. В этом акрониме объединены такие понятия, как волатильность, неопределенность, сложность и неоднозначность, хотя это не одно и то же. Они имеют принципиально разное значение в малом и большом мире. В теории финансов волатильность определяется как стандартное отклонение переменной во времени, например, доходности акций. Согласно этому определению, волатильность предполагает стабильность во времени. Например, портфельный метод Марковица предполагает ситуацию риска, в которой волатильность может быть точно оценена из прошлого. Однако в условиях неопределенности волатильность означает нечто большее, чем случайные колебания; она относится к непредвиденным изменениям и сбоям. В этом случае точная настройка весов активов на основе прошлых данных уже не может обеспечить оптимальный портфель в будущем. Простые эвристики, такие как 1/N, которая присваивает равные веса, могут работать лучше. На самом деле, в реальном (большом) мире финансовой неопределенности 1/N, как было показано, превосходит метод Марковица, удостоенный Нобелевской премии, и работает наравне с самыми сложными современными версиями этого метода. 14 Биржевые фонды, такие как индексные фонды на основе промышленного индекса Доу-Джонса, которые тесно связаны с 1/N, также неизменно показывают результаты выше управляемых фондов. 15 В условиях неопределенности точная настройка на основе прошлых данных может оказаться бесполезной.
Аналогично, как уже упоминалось в этом обсуждении, термин "неоднозначность" в теории принятия решений означает "маленький мир с неизвестными вероятностями". Однако в выражении VUCA, где оно означает практически то же самое, что и неопределенность, подчеркивая отсутствие ясности и определенности, оно не имеет такого значения. Как и в случае с волатильностью, неоднозначность имеет принципиально разные значения в маленьком мире и в большом мире. Это вносит дополнительную путаницу в литературу. Сложность также имеет несколько значений: В теории вычислительной сложности, например, она относится к вычислимости, но может также относиться к сложности моделей. Например, модели малого мира, такие как кумулятивная теория перспектив, обычно относительно сложны, в то время как модели большого мира, такие как 1/N, обычно просты.