Tarihin büyük bölümünde bir kararın zor kısmı, iyi seçenekler üretmekti. Olasılıkları düşünmeniz, araştırmanız, modellemeniz gerekiyordu ve seçenek kıtlığı asıl darboğazdı. Yapay zeka bunu sessizce tersine çevirdi. Bir modelden yirmi pazara giriş stratejisi, haftanızı yeniden kurgulamanın on beş yolu ya da otuz kariyer hamlesi isteyin; hepsi bir dakikadan kısa sürede karşınızda olur, her biri makul, her biri iyi ifade edilmiş. Üretim darboğazı artık yok.
Geriye kalan şey, aslında hep asıl beceri olan ve şimdi tamamen açığa çıkan kısım: seçmek. Seçenekler kıtken vasat muhakeme gizli kalıyordu, çünkü çevre sizin yerinize filtrelemenin çoğunu yapıyordu. Seçenekler sonsuz ve hepsi mantıklı göründüğünde, sizinle felç arasında duran tek şey muhakemedir. Yapay zeka çağının sessiz krizi budur. Seçenek üretimini sanayileştirdik ve karar vermeyi tam olarak her zamanki kadar eğitimsiz bıraktık.
Cevap daha fazla irade gücü ya da daha uzun bir artı-eksi listesi değil. Cevap bir sistem. Bir CEO her kararı aynı şekilde vermez; neyin riskte olduğuna göre eşleştirilmiş bir karar süreçleri portföyü işletir ve sonuçları bilinçli biçimde gözden geçirdiği için daha iyi hale gelir. Bu yazı size bunu kişisel bir işletim sistemi olarak sunuyor: Kişisel Karar Yığını, karar vermeyi kaygılı bir tahminden tekrarlanabilir bir yetkinliğe dönüştüren üç katman.
TL;DR
- Yapay zeka seçenek üretme darboğazını ortadan kaldırdı, dolayısıyla artık kıt olan beceri yaratıcılık değil seçimdir. Sonsuz sayıda makul seçenek bir armağan değil, yeni bir başarısızlık biçimidir.
- Seçenek fazlalığı gerçek ve ölçülebilirdir. Klasik Iyengar ve Lepper reçel deneyinde, 24 seçenekli bir sergi 6 seçenekli olandan daha fazla göz gezdireni çekti, ancak alışveriş yapanların gerçekten satın alma olasılığı çok daha düşüktü; duraklayanların kabaca %3’üne karşılık %30’u. Daha fazla seçenek, daha az karar.
- Karar vermek pahalıdır ve çoğunlukla bunu kötü yapıyoruz. McKinsey, yöneticilerin %61’inin karar vermeye harcadıkları zamanın en az yarısının boşa gittiğini söylediğini ve yalnızca %20’sinin kurumlarının bu konuda üstün olduğunu belirttiğini buldu. Aynı verimsizlik kişisel hayatınızı da yönetiyor.
- Kişisel Karar Yığını üç katmandan oluşur: bir kararın ne kadar karar hak ettiğine karar veren bir triyaj katmanı, karar türüne bir yöntem eşleştiren bir araçlar katmanı ve sonuçları daha keskin muhakemeye geri çeviren bir gözden geçirme katmanı.
- Bunun otomatikleştirilememesinin nedeni, nihai girdinin, yani gerçekte neye değer verdiğinizin ve ne kadar risk taşıyabileceğinizin yalnızca sizde yaşamasıdır. Yapay zeka seçenekleri üretebilir ve hatta analiz edebilir; ancak seçimi sahiplenemez.
Yeni darboğaz: çok fazla iyi seçenek
Nobel ödüllü Herbert Simon on yıllar önce, bilgi bakımından zengin bir dünyada kıt kaynağın dikkat olduğunu savundu: bilgi bolluğu bir dikkat yoksulluğu yaratır. Yapay zeka bu içgörüyü bir uyarıdan günlük gerçekliğe dönüştürdü. Çoğu kişisel ve profesyonel kararın kısıtı artık “seçeneklerimin ne olduğunu bilmiyorum” değil. Kısıt şu: “Değerlendirebileceğimden daha fazla güvenilir görünen seçeneğim var ve hangisinin doğru olduğunu söyleyemiyorum.”
Sonrasında olanlara dair araştırma net. Sheena Iyengar ve Mark Lepper üst sınıf bir markette reçel tadım standları kurduğunda, 24 çeşitlik geniş sergi, 6 çeşitlik sınırlı sergiden daha fazla meraklı göz gezdireni çekti. Ancak gerçekten satın almaya gelince örüntü sert bir biçimde tersine döndü: küçük sergide duraklayanların yaklaşık %30’u satın alırken, büyük sergide bu oran yalnızca yaklaşık %3 oldu. Seçenek bolluğu önce dikkati çekti, sonra eylemi bastırdı. İşte bu seçenek fazlalığıdır ve yapay zeka, verdiğiniz her kararın önüne 24 çeşitlik bir reçel standı kurdu.
Simon’ın buna yanıtı, yine Nobel ile tanınan çalışmasından, yetinmeciydi (satisficing): tüketici gibi her seçeneği optimize etmek yerine, iyi karar vericiler ölçütler belirler ve çıtayı geçen ilk seçeneği seçer. Sonsuz seçenek arasında optimize etmeye çalışmak titizlik değil, bir tuzaktır. Kişisel Karar Yığını, özünde, kazayla boğulmak yerine bilinçli olarak yetinmenin yapılandırılmış bir yoludur.
Kişisel Karar Yığını (CEOtudent özgün çerçevesi)
Yığın üç katmandan oluşur ve sırayla işler. En yaygın karar verme hatası, doğrudan araçlar katmanına atlamak; triyaj katmanının size on saniyede vermenizi söyleyeceği bir kararı ayrıntılı analizlerle didinerek çözmeye çalışmaktır.
| Katman | Cevapladığı soru | Neyi önler | Temel hamle |
|---|---|---|---|
| Katman 0: Triyaj | Bu karar ne kadar karar hak ediyor? | Önemsiz seçimlere değerli muhakeme harcamayı ve önemli olanları aceleye getirmeyi | Herhangi bir şey yapmadan önce kararı geri alınabilirliğe ve riske göre sınıflandır |
| Katman 1: Araçlar | Türü göz önüne alındığında, hangi yöntem uyar? | Analize ihtiyaç duyduğun yerde içgüdüyle karar vermeyi ya da içgüdünün yeterli olduğu yerde analiz yapmayı | Karar türüne bir karar yöntemi eşleştir, ardından bir durma kuralı belirle |
| Katman 2: Gözden Geçirme | Bu bana muhakememe dair ne öğretti? | Aynı hatayı tekrarlamayı ve beceriyi hiç biriktirmemeyi | Karar kalitesini sonuç kalitesinden ayır ve gerekçeni kaydet |
Katman 0: Triyaj, herkesin atladığı katman
Tek bir seçeneği değerlendirmeden önce kararı sınıflandırın. En kullanışlı eksen, Amazon’un kurucusu Jeff Bezos’un geri alınabilir ve geri alınamaz seçimler arasında yaptığı ayrımdır; bunlara iki yönlü ve tek yönlü kapılar dedi. Geri alınabilir bir karar, ucuza geri dönebileceğiniz bir karar, hızlı verilmeli ve serbestçe devredilmelidir; üzerinde didinmek katıksız israftır. Geri alınamaz, yüksek riskli bir karar ise en yavaş, en dikkatli sürecinizi ve çoğu zaman Katman 1’deki analiz araçlarını hak eder.
Geri alınabilirliği riskle kesiştirmek basit bir triyaj tablosu verir: düşük riskli ve geri alınabilir kararlar hızlı bir yetinme ya da doğrudan bir kurala veya yapay zekaya devir alırken, yüksek riskli ve geri alınamaz kararlar tam süreci alır. Çoğu insanın yapabileceği en büyük tekil verimlilik kazancı daha iyi karar vermek değildir; hangi kararların çaba hak ettiğini doğru ayıklamaktır. McKinsey’nin çoğu karar süresinin boşa gittiği bulgusu göz önüne alındığında, israfın yaşadığı yer triyajdır.
Katman 1: Araçlar, karar türüne eşleştirilmiş
Yalnızca triyajın önemli olarak işaretlediği kararlar bu katmana ulaşır ve burada bile yöntem türe uymalıdır. Daniel Kahneman’ın hızlı, sezgisel Sistem 1 düşünme ile yavaş, kasıtlı Sistem 2 düşünme arasındaki ayrımı önemlidir, çünkü her biri farklı kararlar için doğrudur. Sezgi, derin ve doğrulanmış deneyime sahip olduğunuz alanlarda güvenilirdir; yeni, yüksek riskli, düşük geri bildirimli durumlarda ise tehlikelidir ve kasıtlı analizin maliyetini tam olarak buralarda hak eder.
Karar türünden yönteme (CEOtudent editöryel sentezi)
| Karar türü | Doğru birincil yöntem | Durma kuralı (ne zaman karar verilir) |
|---|---|---|
| Geri alınabilir, düşük riskli | Yetinme: çıtanı geçen ilk seçenek; veya yapay zekaya ya da bir kurala devret | Bir seçenek yeterince iyi olduğu an |
| Yinelenen, her seferinde benzer | Bir kere bir politika kur, sonra vaka vaka karar vermeyi bırak | Kural vakayı kapsar kapsamaz |
| Yeni, yüksek riskli, geri alınamaz | Kasıtlı analiz: önce ölçütleri tanımla, sonra 3 ila 5 seçenekten oluşan kısa bir listeyi tart | Daha fazla analiz sıralamayı değiştirmeyi bıraktığında |
| Duygusal yükü ağır | Bir soğuma gecikmesi ekle, sonra önceden belirlenmiş ölçütlere göre karar ver | Gecikmeden sonra, tepki anında değil |
| Hızlı geri bildirimli uzman alanı | Eğitilmiş sezgine güven, ölçütlere karşı doğrula | İçgüdün ile ölçütlerin uyuştuğunda |
İki kural bu katmanı işler kılar. Birincisi, seçenek kümenizi bilinçli olarak sınırlayın; reçel çalışması, iyi seçilmiş 3 ila 5 seçeneğin 24’ü yendiğinin bir hatırlatıcısıdır, dolayısıyla yapay zekanın geniş çapta üretmesine izin verin ve sonra değerlendirmeden önce kısa bir listeye indirin. İkincisi, durma kuralını başlamadan önce belirleyin, çünkü analizin başarısızlık biçimi çok erken durmak değil, hiç durmamaktır; bu da titizlik kostümü giymiş bir seçenek fazlalığından ibarettir.
Katman 2: Gözden Geçirme, muhakemenin asıl biriktiği yer
Bu, kararları zamanla daha iyi hale gelen insanları, sadece daha çok karar veren insanlardan ayıran katmandır. Annie Duke gibi karar bilimcilerden alınan temel disiplin, karar kalitesini sonuç kalitesinden ayırmaktır. İyi bir karar kötü bir sonuç doğurabilir, çünkü dünya olasılıksaldır; sürecinizi yalnızca sonuçlara göre yargılamak size yanlış dersleri öğretir ve şansı ödüllendirir. Kısa bir karar günlüğü tutun: ne karar verdiğinizi, ne beklediğinizi ve nedenini. Bunu daha sonra gözden geçirmek, muhakemenizin mi yoksa yalnızca şansınızın mı yanlış olduğunu söyler ve bu ayrım, muhakemenin biriktiği mekanizmanın tamamıdır.
Yapay zeka bu yığını sizin için neden tırmanamaz
Yeterince yetenekli bir modelin tüm yığını çalıştırabileceğini düşünmek cazip. Çalıştıramaz ve bunun nedeni yapısaldır, teknolojinin olgunlaşması meselesi değil. Yapay zeka üretimde ve hatta analizin büyük bölümünde olağanüstüdür. Sağlayamadığı şey, her gerçek kararın dibindeki girdidir: değerleriniz, risk toleransınız, bağlamınız, paraya karşı zamana karşı anlama koyduğunuz özgül ağırlık. Bunlar geri getirilecek gerçekler değildir; sahiplenmeniz gereken şeylerdir.
Bu, muhakemenin çağın kıt ve değerli becerisi haline gelmesinin de aynı nedenidir; bunu Muhakeme Ekonomisi yazımızda savunduk ve makinelerin devralamayacağı daha geniş yetenek kümesinin yanında yer alır; bunu da Yapay Zekanın Otomatikleştiremeyeceği 10 Bilişsel Beceri yazısında haritaladık. Yığın ayrıca çerçeveler üzerinde çalışır, dolayısıyla Katman 1’e takabileceğiniz özenle derlenmiş Gerçekten Önemli Zihinsel Modeller ile doğal olarak eşleşir. Ve yoğun karar hacmi bilişsel kapasitenizi tüketmenin en hızlı yollarından biri olduğu için, tüm sistem enerjinizi nasıl yönettiğinizle bağlantılıdır; bunu da Tükenmişlik Bir Sistem Arızasıdır yazısında ele aldık.
CEO-ve-öğrenci eşleşmesi asıl mesele. CEO kararı sahiplenir, yalnızca kendisinin verebileceği seçimi dışarıya devretmeyi reddeder ve riske göre eşleştirilmiş bir süreçler portföyü işletir. Öğrenci ise gözden geçirilen her kararı bir ders olarak görür, savunmaya geçmek yerine kendi yanlış değerlendirmelerine dair meraklı kalır. Makinenin size seve seve sonsuz sayıda makul seçenek sunacağı bir dünyada, kalıcı avantaj seçeneklere erişim değildir. Onlar arasından seçim yapmak için eğitilmiş, dürüst bir sistemdir.
SSS
Gündelik kararlar için koca bir sistem aşırıya kaçmak değil mi?
Hangi kararların gündelik olduğunu size söyleyen şey, o sistemdir. Katman 0 triyajı tam da önemsiz, geri alınabilir seçimlerin saniyeler içinde verilmesi ve daha ağır mekanizmaya hiç dokunmaması için vardır. Ek yük yalnızca az sayıdaki önemli, geri alınamaz karar için geçerlidir ve dikkatli sürecin karşılığını verdiği yer tam olarak burasıdır.
Bu gerçekten yapay zekayı reddetmek yerine nasıl kullanıyor?
Yapay zekayı güçlü olduğu yere koyar ve sizi yeri doldurulamaz olduğunuz yerde tutar. Modelin geniş bir seçenek kümesi üretmesine ve Katman 1’deki analizinizi baskı altında sınamasına izin verin; sonra gerçek seçimi yapmak için değerlerinizi ve risk toleransınızı uygularsınız ve Katman 2’deki gözden geçirmeyi siz sahiplenirsiniz. Yığın, aracın reddi değil, bir işbölümüdür.
Buradaki tek en yüksek kaldıraçlı alışkanlık nedir?
Değerlendirmeye başlamadan önce bir durma kuralı belirlemek. Yapay zeka çağındaki karar acısının çoğu yanlış seçmek değildir; her zaman göz önünde bulundurulacak bir seçenek daha olduğu için hiç seçmemektir. Önceden taahhüt edilmiş bir durma kuralı, sonsuz seçenekleri sonlu, karar verilebilir bir kümeye geri çevirir.
Sezgiye güvenmek hiç doğru seçim olur mu?
Evet, Kahneman’ın koşullarının geçerli olduğu dar bantta: derinlemesine bildiğiniz, hızlı ve güvenilir geri bildirimli, içgüdülerinizin zamanla eğitilip doğrulandığı bir alan. Bu bandın dışında, özellikle yeni, yüksek riskli, düşük geri bildirimli kararlarda, sezgi yetkinlik olmadan gelen özgüvendir ve kasıtlı analiz maliyetine değer.
Bir karar günlüğü, günlük tutmaktan nasıl farklıdır?
Bir karar günlüğü, sonuç bilinmeden önce gerekçeyi kaydeder: ne seçtiğinizi, ne beklediğinizi ve nedenini. Bu zaman damgalı kayıt, sonradan iyi bir kararı şanslı bir karardan ayırmanızı sağlayan şeydir. Olay olduktan sonra yazılan sıradan günlük tutma ise işlerin nasıl sonuçlandığını bilmenin etkisiyle kirlenmiştir; bu da tam olarak günlüğün yenmek üzere tasarlandığı yanlılıktır.
Kaynakça
- Herbert A. Simon, sınırlı rasyonellik ve yetinme üzerine, ve bilgi bolluğunun bir dikkat yoksulluğu yarattığına dair gözlemi; 1978 Nobel Ekonomi Bilimleri Anı Ödülü ile tanındı.
- Sheena Iyengar ve Mark Lepper, “When Choice Is Demotivating: Can One Desire Too Much of a Good Thing?”, Journal of Personality and Social Psychology (2000), 6’ya karşı 24 seçenekli sergileri ve satın alma davranışındaki bunun sonucu oluşan farkı karşılaştıran reçel tadım deneyi.
- Daniel Kahneman, Thinking, Fast and Slow, Sistem 1 ve Sistem 2 düşünme üzerine ve sezgisel uzmanlığın hangi koşullarda güvenilir olduğu ve olmadığı üzerine.
- McKinsey and Company, “Decision making in the age of urgency” (2019), yöneticilerin %61’inin karar verme süresinin en az yarısının etkisiz olduğunu hissettiğini ve yalnızca %20’sinin kurumlarının karar vermede üstün olduğunu söylediğini rapor eden çalışma.
- Jeff Bezos, Amazon hissedar mektupları, geri alınabilir (iki yönlü kapı) ve geri alınamaz (tek yönlü kapı) kararlar arasındaki ayrım üzerine.
- Annie Duke, Thinking in Bets, karar kalitesini sonuç kalitesinden ayırma üzerine.
Bu içerik, derinlemesine bir araştırmanın ardından yapay zeka desteğiyle derlenmiş ve CEOtudent editör ekibi tarafından yazılıp yayına hazırlanmıştır.
This post is also available in:
