Whether you like it or not, radical transparency and algorithmic decision-making is coming at you fast, and it's going to change your life. That's because it's now easy to take algorithms and embed them into computers and gather all that data that you're leaving on yourself all over the place, and know what you're like, and then direct the computers to interact with you in ways that are better than most people can.
Che vi piaccia o no, trasparenza radicale e processo decisionale algoritmico si avvicinano a grandi passi e cambieranno la vostra vita, Perché ora è facile prendere gli algoritmi e inserirli nei computer per raccogliere i dati che generiamo tutto intorno a noi, e usarli per conoscerci meglio e per aiutare i computer a interagire con voi meglio di come farebbe la maggior parte.
Well, that might sound scary. I've been doing this for a long time and I have found it to be wonderful. My objective has been to have meaningful work and meaningful relationships with the people I work with, and I've learned that I couldn't have that unless I had that radical transparency and that algorithmic decision-making. I want to show you why that is, I want to show you how it works. And I warn you that some of the things that I'm going to show you probably are a little bit shocking.
Certo, può far paura. Io lo faccio ormai da tanto tempo e credo sia fantastico. Il mio scopo era quello di avere un lavoro serio e un rapporto serio con le persone con cui lavoro e mi son reso conto di non poterlo ottenere senza la trasparenza radicale e il processo decisionale algoritmico. Voglio mostrarvi il perché e voglio mostrarvi come funziona. Vi informo che alcune delle cose che vi mostrerò potrebbero essere un po' scioccanti.
Since I was a kid, I've had a terrible rote memory. And I didn't like following instructions, I was no good at following instructions. But I loved to figure out how things worked for myself. When I was 12, I hated school but I fell in love with trading the markets. I caddied at the time, earned about five dollars a bag. And I took my caddying money, and I put it in the stock market. And that was just because the stock market was hot at the time. And the first company I bought was a company by the name of Northeast Airlines. Northeast Airlines was the only company I heard of that was selling for less than five dollars a share.
Fin da bambino, ho sempre avuto una pessima memoria. Non volevo seguire le istruzioni e non ero neppure bravo a farlo. Mi piaceva scoprire da solo come funzionassero le cose. Quando avevo 12 anni, non mi piaceva la scuola ma mi innamorai della borsa valori. Facevo il caddie e guadagnavo cinque dollari a borsa. Presi tutti i soldi guadagnati e li investii in borsa, semplicemente perché la borsa era in crescita al momento. La prima azienda che comprai era una azienda chiamata Northeast Airlines. La Northeast Airlines era l'unica azienda che conoscessi che vendeva azioni a meno di cinque dollari l'una.
(Laughter)
(Risate)
And I figured I could buy more shares, and if it went up, I'd make more money. So, it was a dumb strategy, right? But I tripled my money, and I tripled my money because I got lucky. The company was about to go bankrupt, but some other company acquired it, and I tripled my money. And I was hooked. And I thought, "This game is easy." With time, I learned this game is anything but easy.
Pensai di poter comprare più azioni e, se fossero salite, avrei guadagnato di più. Era una strategia stupida, vero? Ma triplicai i miei soldi. Li triplicai perché ebbi fortuna. La compagnia era a rischio bancarotta ma fu comprata da un'altra compagnia, quindi triplicai i miei soldi. Ci cascai. Pensai: "Questo è un gioco da bambini." Col tempo, mi resi conto che è tutto fuorché facile.
In order to be an effective investor, one has to bet against the consensus and be right. And it's not easy to bet against the consensus and be right. One has to bet against the consensus and be right because the consensus is built into the price. And in order to be an entrepreneur, a successful entrepreneur, one has to bet against the consensus and be right. I had to be an entrepreneur and an investor -- and what goes along with that is making a lot of painful mistakes. So I made a lot of painful mistakes, and with time, my attitude about those mistakes began to change. I began to think of them as puzzles. That if I could solve the puzzles, they would give me gems. And the puzzles were: What would I do differently in the future so I wouldn't make that painful mistake? And the gems were principles that I would then write down so I would remember them that would help me in the future. And because I wrote them down so clearly, I could then -- eventually discovered -- I could then embed them into algorithms. And those algorithms would be embedded in computers, and the computers would make decisions along with me; and so in parallel, we would make these decisions. And I could see how those decisions then compared with my own decisions, and I could see that those decisions were a lot better. And that was because the computer could make decisions much faster, it could process a lot more information and it can process decisions much more -- less emotionally. So it radically improved my decision-making.
Per essere un vero investitore, bisogna andare controcorrente e azzeccarci. Non è facile andare controcorrente e azzeccarci. Si deve andare controcorrente e azzeccarci Perché la corrente è quella che detta il prezzo. Se si vuole essere imprenditori, imprenditori di successo, si deve andare controcorrente e azzeccarci. Io dovevo essere un imprenditore e un investitore e, per esserlo, si devono commettere tanti errori gravi. E io li commisi. Col tempo, la mia attitudine verso quegli errori iniziò a cambiare. Iniziai a considerarli come rompicapi. Se fossi stato capace di risolverli, mi avrebbero dato delle perle. I rompicapi erano: cosa potrei cambiare nel futuro per non ripetere questo grave errore? Le perle erano dei principi che dovevo scrivere per non dimenticarli affinché mi aiutassero in futuro. Li scrissi così chiaramente da poterli -- mi resi conto in seguito -- integrare in algoritmi. Questi algoritmi potevano poi essere inseriti nei computer che a loro volta, potevano prendere le decisioni insieme a me; potevamo prendere le decisioni in parallelo. Potevo vedere allora quelle decisioni confrontate con le mie e potevo vedere che quelle decisioni erano di gran lunga migliori. Il motivo era che il computer poteva prendere decisioni più rapidamente, poteva elaborare molte più informazioni e poteva prendere decisioni molto più... in modo meno emotivo. Ciò migliorò radicalmente il mio processo decisionale.
Eight years after I started Bridgewater, I had my greatest failure, my greatest mistake. It was late 1970s, I was 34 years old, and I had calculated that American banks had lent much more money to emerging countries than those countries were going to be able to pay back and that we would have the greatest debt crisis since the Great Depression. And with it, an economic crisis and a big bear market in stocks. It was a controversial view at the time. People thought it was kind of a crazy point of view. But in August 1982, Mexico defaulted on its debt, and a number of other countries followed. And we had the greatest debt crisis since the Great Depression. And because I had anticipated that, I was asked to testify to Congress and appear on "Wall Street Week," which was the show of the time. Just to give you a flavor of that, I've got a clip here, and you'll see me in there.
Otto anni dopo aver lanciato Bridgewater, ci fu il mio maggior fallimento, il mio più grande errore. Era la fine degli anni '70, avevo 34 anni e avevo calcolato chele banche statunitensi avessero prestato più soldi ai Paesi emergenti di quanto questi fossero in grado di ripagare e che ci sarebbe stata la più grande crisi del debito dalla Grande Depressione. Con essa, una crisi economica e un mercato azionario al ribasso. Era un punto di vista controverso. Tutti pensavano fosse un punto di vista pazzo ma, nell'agosto del 1982, il Messico non onorò i propri debiti seguito da altri Paesi. Arrivò la peggiore crisi del debito dalla Grande Depressione e, poiché l'avevo preannunciata, mi chiesero di parlare al Congresso e a "Wall Street Week", il programma del momento. Per darvi un'idea, ho qua un video in cui appaio anche io.
(Video) Mr. Chairman, Mr. Mitchell, it's a great pleasure and a great honor to be able to appear before you in examination with what is going wrong with our economy. The economy is now flat -- teetering on the brink of failure.
(Video) Sig. presidente, sig. Mitchell, è un piacere e un onore essere qui davanti a voi per esaminare la situazione della nostra economia. L'economia è piatta, sull'orlo del fallimento.
Martin Zweig: You were recently quoted in an article. You said, "I can say this with absolute certainty because I know how markets work."
Martin Zweig: È stato da poco citato in un articolo. Ha detto, "Posso dirlo in tutta sincerità perché so come funzionano i mercati."
Ray Dalio: I can say with absolute certainty that if you look at the liquidity base in the corporations and the world as a whole, that there's such reduced level of liquidity that you can't return to an era of stagflation."
Ray Dalio: Posso dire in tutta sicurezza che se guardiamo alla base di liquidità nelle società di capitali e nel mondo nella sua totalità, il livello di liquidità è talmente ridotto che non si può tornare a un'era di stagflazione."
I look at that now, I think, "What an arrogant jerk!"
Lo riguardo ora e penso: "Che razza di arrogante!"
(Laughter)
(Risate)
I was so arrogant, and I was so wrong. I mean, while the debt crisis happened, the stock market and the economy went up rather than going down, and I lost so much money for myself and for my clients that I had to shut down my operation pretty much, I had to let almost everybody go. And these were like extended family, I was heartbroken. And I had lost so much money that I had to borrow 4,000 dollars from my dad to help to pay my family bills.
Ero arrogante e avevo anche torto. La crisi del debito si verificò, ma i mercati e l'economia andarono al rialzo e non al ribasso e io persi così tanti soldi, miei e dei miei clienti, da essere costretto a chiudere la mia attività e licenziare quasi tutti, persone che consideravo di famiglia. Fu straziante. Persi così tanti soldi da essere costretto a chiedere 4000 dollari a mio padre per pagare le bollette.
It was one of the most painful experiences of my life ... but it turned out to be one of the greatest experiences of my life because it changed my attitude about decision-making. Rather than thinking, "I'm right," I started to ask myself, "How do I know I'm right?" I gained a humility that I needed in order to balance my audacity. I wanted to find the smartest people who would disagree with me to try to understand their perspective or to have them stress test my perspective. I wanted to make an idea meritocracy. In other words, not an autocracy in which I would lead and others would follow and not a democracy in which everybody's points of view were equally valued, but I wanted to have an idea meritocracy in which the best ideas would win out. And in order to do that, I realized that we would need radical truthfulness and radical transparency.
Fu una delle esperienze più dolorose della mia vita, ma si rivelò anche una delle migliori della mia vita perché cambiò il mio modo di prendere decisioni. Invece di pensare di aver ragione, iniziai a chiedermi: "Come so di aver ragione?" Acquisii l'umiltà che mi serviva per compensare la mia temerarietà. Volevo trovare le persone più intelligenti che non fossero d'accordo con me per capire il loro punto di vista o per mettere alla prova il mio punto di vista. Volevo creare una meritocrazia delle idee. In altre parole, non un'autocrazia in cui sarei stato io a guidare gli altri e non una democrazia in cui tutti i punti di vista avessero uguale valore, volevo una meritocrazia delle idee in cui avrebbero vinto le idee migliori. Per far ciò, Mi resi conto di aver bisogno di sincerità estrema e trasparenza radicale.
What I mean by radical truthfulness and radical transparency is people needed to say what they really believed and to see everything. And we literally tape almost all conversations and let everybody see everything, because if we didn't do that, we couldn't really have an idea meritocracy. In order to have an idea meritocracy, we have let people speak and say what they want. Just to give you an example, this is an email from Jim Haskel -- somebody who works for me -- and this was available to everybody in the company. "Ray, you deserve a 'D-' for your performance today in the meeting ... you did not prepare at all well because there is no way you could have been that disorganized." Isn't that great?
Per sincerità estrema e trasparenza radicale intendo che le persone dovevano dire ciò che pensavano realmente e dovevano conoscere tutto. Registriamo quasi tutte le conversazioni e tutto è alla portata di tutti; se non lo facessimo, non potremmo avere una meritocrazia delle idee. Per avere una meritocrazia delle idee abbiamo fatto parlare le persone liberamente. Per farvi un esempio, questa è un'email di Jim Haskel, che lavora per me, e tutti in azienda la possono leggere. "Ray, ti meriti un'insufficienza per la riunione di oggi... non eri per niente preparato, non è possibile che fossi così disorganizzato!" Non è meraviglioso?
(Laughter)
(Risate)
That's great. It's great because, first of all, I needed feedback like that. I need feedback like that. And it's great because if I don't let Jim, and people like Jim, to express their points of view, our relationship wouldn't be the same. And if I didn't make that public for everybody to see, we wouldn't have an idea meritocracy.
È fantastico! È fantastico perché mi serviva quel tipo di parere. Mi serve quel tipo di parere. Ma è fantastico anche perché, se non permettessi a Jim e altri come lui di esprimere le proprie idee, il nostro rapporto sarebbe diverso. E, se non fosse accessibile a tutti, non sarebbe una meritocrazia delle idee.
So for that last 25 years that's how we've been operating. We've been operating with this radical transparency and then collecting these principles, largely from making mistakes, and then embedding those principles into algorithms. And then those algorithms provide -- we're following the algorithms in parallel with our thinking. That has been how we've run the investment business, and it's how we also deal with the people management.
Negli ultimi 25 anni abbiamo lavorato in questo modo. Abbiamo lavorato con trasparenza radicale e raccogliendo questi principi, soprattutto ricavati dai nostri errori, per poi inserire quei principi negli algoritmi. Questi algoritmi permettono... seguiamo gli algoritmi parallelamente al nostro pensiero. Abbiamo gestito il mondo degli investimenti in questo modo, e gestiamo anche le persone allo stesso modo.
In order to give you a glimmer into what this looks like, I'd like to take you into a meeting and introduce you to a tool of ours called the "Dot Collector" that helps us do this. A week after the US election, our research team held a meeting to discuss what a Trump presidency would mean for the US economy. Naturally, people had different opinions on the matter and how we were approaching the discussion. The "Dot Collector" collects these views. It has a list of a few dozen attributes, so whenever somebody thinks something about another person's thinking, it's easy for them to convey their assessment; they simply note the attribute and provide a rating from one to 10. For example, as the meeting began, a researcher named Jen rated me a three -- in other words, badly --
Per darvi un'idea di ciò che significa, vorrei portarvi a una riunione e presentarvi uno strumento che chiamiamo "Dot Collector" che ci aiuta a fare questo. Una settimana dopo le elezioni statunitensi, il reparto di ricerca si riunì per parlare di cosa la presidenza Trump significasse per l'economia del Paese. Ovviamente, le persone avevano opinioni diverse sul tema e su come stavamo affrontando il dibattito. "Dot Collector" raccoglie le opinioni. Ha una lista di qualche decina di punti e, quando qualcuno pensa qualcosa sull'opinione di un'altro, è facile comunicare il proprio giudizio in base alla caratteristica e fornendo un voto da uno a dieci. Per esempio, all'inizio della riunione, una ricercatrice di nome Jen mi ha dato un tre... praticamente, un brutto voto...
(Laughter)
(Risate)
for not showing a good balance of open-mindedness and assertiveness. As the meeting transpired, Jen's assessments of people added up like this. Others in the room have different opinions. That's normal. Different people are always going to have different opinions. And who knows who's right? Let's look at just what people thought about how I was doing. Some people thought I did well, others, poorly. With each of these views, we can explore the thinking behind the numbers. Here's what Jen and Larry said. Note that everyone gets to express their thinking, including their critical thinking, regardless of their position in the company. Jen, who's 24 years old and right out of college, can tell me, the CEO, that I'm approaching things terribly.
perché non ho mostrato equilibrio tra apertura mentale e decisione. Più tardi durante la riunione, il giudizio di Jen sulle persone è risultato essere così. Altri presenti hanno opinioni diverse. È normale. Persone diverse avranno sempre opinioni diverse. Come si sa chi ha ragione? Diamo un'occhiata a ciò che pensavano di come andavo. Alcuni pensavano che fosse andata bene, altri per niente. Per ogni singola opinione, possiamo analizzare l'idea dietro i numeri. Ecco ciò che dissero Jen e Larry. Ricordate che tutti esprimono un parere, anche una critica, indipendentemente dalla loro posizione nella società. Jen ha 24 anni, è fresca di laurea, e può dire a me, il capo, che il mio approccio non va.
This tool helps people both express their opinions and then separate themselves from their opinions to see things from a higher level. When Jen and others shift their attentions from inputting their own opinions to looking down on the whole screen, their perspective changes. They see their own opinions as just one of many and naturally start asking themselves, "How do I know my opinion is right?" That shift in perspective is like going from seeing in one dimension to seeing in multiple dimensions. And it shifts the conversation from arguing over our opinions to figuring out objective criteria for determining which opinions are best.
Questo strumento aiuta le persone a esprimere le proprie opinioni e le separa da esse per mostrar loro le cose da un livello superiore. Quando Jen e gli altri spostano l'attenzione dal dare un giudizio all'osservare l'immagine completa, la prospettiva cambia. Vedono la propria opinione come una fra tante e ovviamente iniziano a chiedersi: "Come so di aver ragione?" Quel cambio di punto di vista è come passare dal vedere in una dimensione al vedere in modo multidimensionale. E la discussione passa dallo scontro sulle nostre opinioni al cercare di trovare criteri obiettivi per determinare le opinioni migliori.
Behind the "Dot Collector" is a computer that is watching. It watches what all these people are thinking and it correlates that with how they think. And it communicates advice back to each of them based on that. Then it draws the data from all the meetings to create a pointilist painting of what people are like and how they think. And it does that guided by algorithms. Knowing what people are like helps to match them better with their jobs. For example, a creative thinker who is unreliable might be matched up with someone who's reliable but not creative. Knowing what people are like also allows us to decide what responsibilities to give them and to weigh our decisions based on people's merits. We call it their believability. Here's an example of a vote that we took where the majority of people felt one way ... but when we weighed the views based on people's merits, the answer was completely different. This process allows us to make decisions not based on democracy, not based on autocracy, but based on algorithms that take people's believability into consideration.
Dietro al "Dot Collector" c'è un computer che osserva. Controlla ciò che pensano tutte queste persone e lo mette in relazione con come pensano. E manda consigli a tutti in base a quello. Poi, raccoglie i dati di tutte le riunioni per creare un quadro minuzioso di tutte le persone e su come pensino. E lo fa in base agli algoritmi. Sapere come siano le persone aiuta ad abbinarle meglio al loro lavoro. Per esempio, un creativo che non è affidabile può essere abbinato a qualcuno affidabile ma non creativo. Sapere come siano le persone ci permette anche di decidere che responsabilità affidare loro e di soppesare le decisioni in base ai meriti di ognuno. La chiamiamo credibilità. Questo è un esempio di una votazione in cui la maggioranza delle persone avevano la stessa opinione ma, al soppesare i punti di vista in base ai meriti di ognuno, il risultato fu completamente diverso. Questo processo ci aiuta a decidere non in modo democratico, né in modo autocratico, ma in base ad algoritmi che considerino la credibilità delle persone.
Yup, we really do this.
Esatto, lo facciamo sul serio.
(Laughter)
(Risate)
We do it because it eliminates what I believe to be one of the greatest tragedies of mankind, and that is people arrogantly, naïvely holding opinions in their minds that are wrong, and acting on them, and not putting them out there to stress test them. And that's a tragedy. And we do it because it elevates ourselves above our own opinions so that we start to see things through everybody's eyes, and we see things collectively. Collective decision-making is so much better than individual decision-making if it's done well. It's been the secret sauce behind our success. It's why we've made more money for our clients than any other hedge fund in existence and made money 23 out of the last 26 years.
Lo facciamo perché elimina ciò che ritengo una delle peggiori tragedie dell'umanità: cioè che le persone, in modo arrogante o innocente, perseverino nell'avere opinioni sbagliate, e nel metterle in atto invece di metterle alla prova. È una tragedia. Lo facciamo perché ci eleva al di sopra delle nostre opinioni per poter vedere le cose dal punto di vista di tutti, e per vedere le cose in modo collettivo. Prendere decisioni in modo collettivo è meglio di prenderle individualmente se si fa correttamente. Questo è l'ingrediente segreto del nostro successo, abbiamo fatto più soldi per i nostri clienti di qualsiasi altro fondo speculativo e siamo stati in positivo per 23 degli ultimi 26 anni.
So what's the problem with being radically truthful and radically transparent with each other? People say it's emotionally difficult. Critics say it's a formula for a brutal work environment. Neuroscientists tell me it has to do with how are brains are prewired. There's a part of our brain that would like to know our mistakes and like to look at our weaknesses so we could do better. I'm told that that's the prefrontal cortex. And then there's a part of our brain which views all of this as attacks. I'm told that that's the amygdala. In other words, there are two you's inside you: there's an emotional you and there's an intellectual you, and often they're at odds, and often they work against you. It's been our experience that we can win this battle. We win it as a group. It takes about 18 months typically to find that most people prefer operating this way, with this radical transparency than to be operating in a more opaque environment. There's not politics, there's not the brutality of -- you know, all of that hidden, behind-the-scenes -- there's an idea meritocracy where people can speak up. And that's been great. It's given us more effective work, and it's given us more effective relationships. But it's not for everybody. We found something like 25 or 30 percent of the population it's just not for. And by the way, when I say radical transparency, I'm not saying transparency about everything. I mean, you don't have to tell somebody that their bald spot is growing or their baby's ugly. So, I'm just talking about --
Quindi, che problema c'è nell'essere estremamente sinceri e radicalmente trasparenti? C'è chi dice che sia emotivamente difficile. I critici dicono sia il segreto per un ambiente di lavoro violento. La neuroscienza dice abbia a che fare con come funziona il nostro cervello. Una parte del nostro cervello vorrebbe conoscere i nostri errori e osservare le nostre debolezze per migliorare. Sembra si tratti della corteccia prefrontale. Poi c'è un'altra parte che lo considera una violenza. Si tratta dell'amigdala. Per così dire, ci sono due metà in ognuno di voi: Un io emotivo e un io intellettuale e, spesso, sono in contrasto e lavorano contro di voi. Abbiamo imparato che si può vincere questa battaglia. La vinciamo come gruppo. Ci vogliono circa 18 mesi per scoprire che le persone preferiscono lavorare così, con trasparenza radicale, invece di operare in un ambiente oscuro. Non c'è politica, non c'è la violenza del... di tutti quei segreti, di ciò che è nascosto... c'è un'idea di meritocrazia in cui le persone possono parlare. Ed è stato fantastico. Ha reso il lavoro più efficiente e ci ha fornito rapporti più reali. Ma non funziona per tutti. Ci siamo resi conto che, per il 25-30 per cento della popolazione, proprio non funziona. Comunque, quando parlo di trasparenza radicale, non intendo trasparenza su tutto. Quindi, non dovete dire a qualcuno che sta perdendo sempre più capelli o che il figlio è brutto. Mi riferisco...
(Laughter)
(Risate)
talking about the important things. So --
alle cose importanti. Quindi...
(Laughter)
(Risate)
So when you leave this room, I'd like you to observe yourself in conversations with others. Imagine if you knew what they were really thinking, and imagine if you knew what they were really like ... and imagine if they knew what you were really thinking and what were really like. It would certainly clear things up a lot and make your operations together more effective. I think it will improve your relationships. Now imagine that you can have algorithms that will help you gather all of that information and even help you make decisions in an idea-meritocratic way. This sort of radical transparency is coming at you and it is going to affect your life. And in my opinion, it's going to be wonderful. So I hope it is as wonderful for you as it is for me.
Quindi, quando andate via, vorrei che vi osservaste in conversazioni con gli altri. Immaginate di sapere cosa pensino realmente, immaginate di sapere come siano in realtà... immaginate che sappiano ciò che pensate davvero e come siete in realtà. Renderebbe tutto più semplice e renderebbe la vostra interazione più reale. Credo che migliorerà i vostri rapporti. Immaginate ora di avere gli algoritmi che vi aiutino a raccogliere tutta quell'informazione e anche a prendere decisioni in base alla meritocrazia delle idee. Questo tipo di trasparenza radicale si sta avvicinando e avrà un impatto sulla vostra vita. Credo che sia meraviglioso. Spero che sia meraviglioso anche per voi quanto lo è per me.
Thank you very much.
Grazie.
(Applause)
(Applausi)