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.
ไม่ว่าคุณจะชอบหรือไม่ ความโปร่งใสอย่างสุดขั้ว และการตัดสินใจด้วยอัลกอริธึม กำลังเข้ามาจู่โจมคุณอย่างรวดร็ว และมันกำลังจะเปลี่ยนชีวิตคุณ นั่นเพราะ เดี๋ยวนี้มันง่าย ที่จะใช้อัลกอริธึม และฝังมันลงไปในคอมพิวเตอร์ และรวบรวมทุกข้อมูล ที่อยู่รายรอบตัวคุณ ทั่วทุก ๆ ที่ และรู้ว่าคุณเป็นคนแบบไหน จากนั้นควบคุมคอมพิวเตอร์ ให้ปฏิสัมพันธ์กับคุณ แบบที่ดีกว่ามนุษย์ส่วนมากสามารถทำได้
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.
ซึ่งมันอาจฟังดูน่ากลัว แต่ผมทำสิ่งนี้มานาน และพบว่ามันมหัศจรรย์มาก เป้าหมายของผมตลอดมา คือการมีงานที่มีความหมาย และสร้างความสัมพันธ์ที่มีคุณค่า กับผู้คนที่ผมทำงานด้วย และผมเรียนรู้ว่า ผมไม่อาจมีสิ่งเหล่านั้นได้ นอกเสียจาก ผมจะมีความโปร่งใสสุดขั้ว และระบบการตัดสินใจด้วยอัลกอริธึม ผมอยากให้คุณเห็นว่าทำไมถึงเป็นอย่างนั้น ผมอยากให้คุณเห็นว่ามันทำงานยังไง และผมขอเตือนคุณก่อนว่า บางอย่างที่ผมกำลังจะแสดงให้คุณดู อาจจะน่าตกใจเล็กน้อย
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.
ตั้งแต่ผมเป็นเด็ก เรื่องท่องจำผมแย่มาก และผมไม่ชอบทำตามขั้นตอนที่กำหนด ผมไม่เก่งเรื่องทำตามขั้นตอนที่กำหนด แต่ผมถนัดที่จะค้นหาด้วยตัวเอง ว่าสิ่งต่าง ๆ ทำงานยังไง เมื่อผมอายุ 12 ปี ผมเกลียดโรงเรียน แต่ผมหลงรักการซื้อขายในตลาดหุ้น ตอนนั้นผมทำงานเป็นเด็กยกถุงกอล์ฟ ได้เงินประมาณ 5 ดอลลาร์ต่อถุง และผมเอาเงินที่ได้จากงานนั้น ใส่เข้าไปในตลาดหุ้น และนั้นเพราะว่าตลาดหุ้น กำลังเป็นที่นิยมอย่างมากในตอนนั้น และบริษัทแรกที่ผมซื้อ คือบริษัทที่ชื่อว่า นอร์ทอีส แอร์ไลน์ นอร์ทอีส แอร์ไลน์ คือบริษัทเดียวที่ผมเคยได้ยินว่า ขายหุ้นในราคาต่ำกว่า 5 ดอลลาร์ต่อหุ้น
(Laughter)
(เสียงหัวเราะ)
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.
และผมคิดว่าผมสามารถซื้อได้หลายหุ้น และถ้ามันขึ้น ผมอาจจะทำเงินได้มากขึ้น ซึ่งมันเป็นกลยุทธที่โง่มากใช่ไหมครับ แต่ผมทำเงินได้สามเท่า ผมทำเงินได้สามเท่าเพราะผมโชคดี บริษัทนั้นกำลังจะล้มละลาย แต่มีบริษัทอื่นมาซื้อกิจการไป ผมก็เลยทำเงินได้สามเท่า และผมก็ติดใจ ตอนนั้นผมคิดว่า “เกมนี้มันง่ายดีนะ” พอเวลาผ่านไป ผมได้เรียนรู้ว่าเกมนี้ไม่มีอะไรที่ง่ายเลย
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.
การจะเป็นนักลงทุนที่มีประสิทธิภาพ คุณต้องวางเดิมพัน ตรงข้ามกับความเห็นคนส่วนใหญ่ และคุณต้องเป็นฝ่ายถูก แต่ไม่ง่ายเลยที่จะเดิมพัน ตรงข้ามความเห็นคนส่วนใหญ่แล้วถูก คุณต้องเดิมพันตรงข้ามความเห็น คนส่วนใหญ่ แล้วต้องถูก นั่นเพราะความเห็นของคนส่วนใหญ่ จะสะท้อนออกมาในราคาหุ้น และการที่จะเป็นผู้ประกอบการ ผู้ประกอบการที่ประสบความสำเร็จ คุณต้องเดิมพันตรงข้าม ความเห็นคนส่วนใหญ่แล้วถูกให้ได้ ผมเคยต้องเป็นผู้ประกอบการ และเป็นนักลงทุน และสิ่งที่มาคู่กับบทบาทนั้น คือการทำผิดพลาดอันเจ็บปวดมากมายหลายครั้ง ดังนั้น ผมเองก็ทำผิดพลาดไปเยอะมาก และเมื่อเวลาผ่านไป ทัศนคติของผมต่อความผิดพลาดเหล่านั้น ก็เริ่มเปลี่ยนไป ผมเริ่มคิดว่าพวกมันคือปริศนา ซึ่งถ้าผมสามารถไขปริศนานั้นได้ ผมจะได้อัญมณีมีค่าเป็นรางวัล และปริศนานั้นคือ ผมจะต้องทำอะไรต่างไปในอนาคต เพื่อให้ผมไม่ทำพลาดเหมือนเดิมอีก และอัญมณีที่ว่าคือหลักการต่าง ๆ ที่ผมจะจดมันลงไป เพื่อผมจะได้จำ และมาช่วยผมได้ในอนาคต และเป็นเพราะผมเขียนมันลงไปอย่างชัดเจน ในท้ายที่สุด ผมจึงสามารถค้นมันเจอ แล้วประกอบมันเข้าไปในอัลกอริธึม และอัลกอริธึมนั้น จะถูกฝังเข้าไปในคอมพิวเตอร์ และคอมพิวเตอร์นั้นจะตัดสินใจควบคู่ไปกับผม เราจึงสามารถตัดสินใจคู่ขนานกันไป ผมได้เห็นว่าการตัดสินใจนั้นเป็นยังไง และนำมาเปรียบเทียบกับการตัดสินใจของผม และได้เห็นว่าการตัดสินใจเหล่านั้น ดีกว่าของผมมาก นั่นเพราะคอมพิวเตอร์ สามารถตัดสินใจได้เร็วกว่า มันสามารถประมวลข้อมูลได้มากกว่า และมันสามารถประมวลผลเพื่อตัดสินใจ โดยใช้อารมณ์น้อยกว่า มันจึงช่วยพัฒนาการตัดสินใจ ของผมขึ้นอย่างถึงแก่น
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.
แปดปีหลังจากที่ผมก่อตั้ง บริษัท บริดจ์ วอเทอร์ ผมได้พบกับความล้มเหลวครั้งใหญ่ ความผิดพลาดครั้งใหญ่ที่สุดของผม ในช่วงปลายทศวรรษ 1970 ผมอายุ 34 ปี ผมคำนวณว่า ธนาคารของอเมริกา ได้ปล่อยกู้ให้ประเทศที่กำลังพัฒนา มากเกินกว่าที่ประเทศเหล่านั้นจะ สามารถจ่ายหนี้คืนได้ และเราอาจจะมีวิกฤตหนี้ครั้งใหญ่ที่สุด นับตั้งแต่ช่วงเศรษฐกิจตกต่ำครั้งใหญ่ (the Great Depression) ซึ่งมันจะทำให้เกิดวิกฤตเศรษฐกิจ และตลาดหุ้นร่วงหนักอย่างต่อเนื่อง นี่เป็นมุมมองที่แตกต่างจากคนอื่นในเวลานั้น ผู้คนคิดว่ามันเป็นมุมมองที่บ้าบอ แต่ในเดือน สิงหาคม ค.ศ. 1982 เม็กซิโกผิดสัญญาจ่ายหนี้ และอีกหลายประเทศก็ตามมา และเราก็มีวิกฤตหนี้ครั้งใหญ่สุด นับตั้งแต่เดอะเกรทดีเปรสชั่น และเพราะว่าผมได้คาดการณ์เรื่องนี้ไว้ ผมเลยถูกเชิญไปให้การต่อหน้ารัฐสภาสหรัฐ และออกรายการ “วอลสตรีท วีค” ซึ่งเป็นรายการที่โด่งดังในตอนนั้น เพื่อจะช่วยให้คุณได้เข้าใจเหตุการณ์ ผมมีคลิปมาด้วย และคุณจะเห็นผมในนั้น
(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.
(วิดีโอ) ท่านประธาน ท่าน มิทเชลล์ เป็นความยินดีและเป็นเกียรติอย่างยิ่ง ที่ผมได้มาปรากฏตัวต่อหน้าท่าน ในการไต่สวนว่าเกิดความผิดปรกติอะไรขึ้น ในระบบเศรษฐกิจของเรา เศรษฐกิจที่ตอนนี้ตกต่ำ ง่อนแง่นจวนเจียนจะพัง
Martin Zweig: You were recently quoted in an article. You said, "I can say this with absolute certainty because I know how markets work."
มาร์ทิน สไวก์: ไม่นานมานี้ คุณถูกอ้างถึงในบทความ คุณบอกว่า “ผมพูดได้อย่างมั่นใจที่สุด เพราะผมรู้ว่ากลไกตลาดทำงานอย่างไร”
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."
เรย์ ดาลิโอ: “ผมพูดได้อย่างมั่นใจที่สุด ว่าถ้าคุณดูที่ฐานของสภาพคล่อง ในบรรษัทขนาดใหญ่ต่าง ๆ และทั้งโลกโดยรวม ระดับสภาพคล่องลดลง ขนาดที่ไม่มีวันกลับไปเกิด ยุคเศรษฐกิจซบเซาจากเงินเฟ้อได้เลย”
I look at that now, I think, "What an arrogant jerk!"
ตอนนี้ผมมองกลับไป ผมคิดว่า “ไอ้บ้านี่มันช่างโอหังอะไรอย่างนี้”
(Laughter)
(เสียงหัวเราะ)
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.
ตอนนั้นผมช่างโอหัง และผมก็ผิดไปมาก ผมหมายถึง ขณะที่วิกฤตหนี้เกิดขึ้นจริง ตลาดหุ้นและเศรษฐกิจกลับดีขึ้นแทนที่จะแย่ลง และผมสูญเงินไปมาก ทั้งเงินส่วนตัวและของลูกค้า จนผมจำเป็นต้องหยุดดำเนินกิจการไปเลย ผมจำเป็นต้องปลดเกือบทุกคนออก ทั้งที่คนพวกนี้เหมือนครอบครัวของผม หัวใจผมแตกสลาย ผมสูญเสียเงินมหาศาล จนผมจำเป็นต้องยืมเงิน 4,000 ดอลลาร์ จากพ่อของผม เพื่อมาช่วยค่าใช้จ่ายในครอบครัว
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.
มันคือหนึ่งในประสบการณ์ ที่เจ็บปวดที่สุดในชีวิตของผม แต่มันกลับกลายเป็นหนึ่งในประสบการณ์ ที่ยิ่งใหญ่ที่สุดในชีวิตผม เพราะมันเปลี่ยนทัศนคติของผม เกี่ยวกับการตัดสินใจ แทนที่จะคิดว่า “ผมถูก” เสมอ ผมเริ่มถามตัวเองว่า “ผมจะรู้ได้ยังไงว่าผมถูก” ผมเกิดความถ่อมตัวอย่างที่ผมจะเป็นต้องมี เพื่อมาถ่วงดุลความอหังการของผม ผมอยากค้นหาคนที่ฉลาดที่สุด คนที่อาจจะไม่เห็นด้วยกับผม เพื่อที่จะได้พยายามเข้าใจมุมมองของเขา หรือเพื่อให้เขาได้ทดสอบมุมมองของผม ผมอยากสร้างระบบ “คุณภาพความคิดเป็นใหญ่” (idea meritocracy) หรือพูดอีกแบบคือ ไม่ใช่ อัตตาธิปไตย (autocracy) ที่ผมจะเป็นคนนำและคนอื่นคอยตาม และก็ไม่ใช่ประชาธิปไตย (democrary) ที่ความเห็นทุกคนมีค่าเท่ากัน แต่ผมอยากได้ระบบ “คุณภาพความคิดเป็นใหญ่” ที่ซึ่งความคิดที่ดีที่สุดจะเป็นผู้ชนะ และการที่จะทำแบบนั้น ผมตระหนักว่าผมต้องการ ความซื่อตรงอย่างถึงแก่น และความโปร่งใสอย่างสุดขั้ว
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?
ความซื่อตรง และความโปร่งใสในความหมายของผม คือคนจะต้องพูดในสิ่งที่ตัวเองเชื่อจริง ๆ และได้เห็นทุก ๆ สิ่ง เราจึงบันทึกทุกการสนทนา และให้ทุก ๆ คนได้เห็นทุกอย่าง เพราะว่า ถ้าเราไม่ทำแบบนั้น เราจะไม่สามารถมีระบบ ที่คุณภาพความคิดเป็นใหญ่อย่างแท้จริงได้ เพื่อให้เกิดระบบ “คุณภาพความคิดเป็นใหญ่” เราเปิดให้ทุกคนพูด และแสดงความเห็นที่อยากพูด เพื่อให้คุณได้เห็นตัวอย่าง นี่คือ อีเมลล์จาก จิม ฮาสเคิล คนคนหนึ่งที่ทำงานให้กับผม และทุกคนในบริษัทสามารถเข้าถึงได้ “เรย์ คุณสมควรได้คะแนน D- สำหรับผลงานของคุณในการประชุมเมื่อเช้านี้ คุณเตรียมตัวมาไม่ดีเลย เพราะถ้าเตรียมตัวมาดี ไม่มีทางที่คุณจะยุ่งเหยิงไร้ระบบขนาดนั้น” มันดีใช่ไหมละครับ
(Laughter)
(เสียงหัวเราะ)
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.
มันดีมาก มันดีมากเพราะ อย่างแรกเลย ผมต้องการความเห็นสะท้อนกลับแบบนั้น ผมต้องการความเห็นสะท้อนกลับแบบนั้น และมันดีมากเพราะ ถ้าผมไม่ให้จิมและคนอื่นที่เหมือนจิม ได้แสดงมุมมองของพวกเขา ความสัมพันธ์ของเราก็คงไม่เป็นเหมือนเดิม และถ้าผมไม่ได้ทำให้มันเป็นสาธารณะ เพื่อให้ทุกคนเห็นได้ ผมคงไม่อาจสร้างระบบ “คุณภาพความคิดเป็นใหญ่” ขึ้นได้
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.
ดังนั้น ในช่วง 25 ปีที่ผ่านมา นั่นคือวิธีการทำงานของพวกเรา เราดำเนินการด้วย ความโปร่งใสสุดขั้วนี้ตลอดมา และก็รวบรวมหลักการเหล่านี้ ซึ่งส่วนมากมาจากการทำผิดพลาด และฝังหลักการเหล่านั้น ลงไปในระบบอัลกอริธึม และจากนั้นอัลกอริธึมจะมอบ -- เราทำตามอัลกอริธึมนั้น ควบคู่ไปกับการคิดของเรา นั่นคือวิธีที่เราใช้ในการดำเนิน ธุรกิจการลงทุนตลอดมา และมันยังเป็นวิธี ที่เราใช้กับการบริหารจัดการคนด้วย
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 --
เพื่อให้คุณเห็นภาพว่ามันเป็นยังไง ผมอยากพาคุณไปยังการประชุม และแนะนำเครื่องมือของเราที่ชื่อ “ดอท คอลเลคเตอร์” ที่ช่วยเราทำสิ่งนี้ หนึ่งสัปดาหลังจากการเลือกตั้งของสหรัฐ ทีมงานวิจัยของเราได้นัดประชุมเพื่ออภิปราย ว่าการที่ทรัมป์ เป็นประธานาธิบดี จะส่งผลแบบไหนต่อเศรษฐกิจสหรัฐฯ โดยธรรมชาติ คนเราจะมีความเห็นต่างกัน ทั้งในเรื่องที่คุยกัน และวิธีที่ใช้อภิปรายเพื่อหาคำตอบเรื่องนั้น “ดอท คอลเลคเตอร์” รวบรวมมุมมองเหล่านี้ มันมีรายการของลักษณะต่าง ๆ อยู่ 2-3 โหล เมื่อไรก็ตามที่ใครบางคนคิดอะไรบางอย่าง เกี่ยวกับความคิดของคนอื่น พวกเขาสามารถประเมินความคิดนั้นได้ง่ายๆ แค่เขียนข้อความบรรยายลักษณะนั้น และให้คะแนนตั้งแต่ 1 ถึง 10 ตัวอย่างเช่น เมื่อการประชุมเริ่มขึ้น นักวิจัยชื่อ เจน ให้คะแนนผม 3 คะแนน หรือพูดได้ว่า ค่อนข้างแย่
(Laughter)
(เสียงหัวเราะ)
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.
ที่ผมแสดงออกโดยไม่ได้รักษาสมดุลระหว่าง ความใจกว้างและการยืนหยัดตามความคิดตนเอง ขณะที่การประชุมผ่านไป การประเมิณของเจนต่อคนอื่น ๆ ก็ถูกเพิ่มเข้ามาระบบแบบนี้ คนอื่น ๆ ในห้องมีความเห็นที่แตกต่างกัน นั่นเป็นเรื่องปรกติ ต่างคนก็ย่อมมีความเห็นที่ต่างกันเสมอ และใครจะรู้ว่าใครถูก ลองมาดูว่าคนอื่นคิดยังไง เกี่ยวกับสิ่งที่ผมทำในการประชุม บางคนคิดว่าผมทำได้ดี บางคนมองว่าแย่ และกับแต่ละมุมมองเหล่านี้ เราสามารถสำรวจความคิด ที่อยู่หลังตัวเลขได้ นี่คือสิ่งที่ เจน และ แลร์รี่ พูด ขอย้ำว่าแต่ละคนจะต้อง แสดงความเห็นของตัวเอง รวมถึงการคิดเชิงวิพากษ์ ไม่ว่าเขาจะมีตำแหน่งอะไรในบริษัท เจน ซึ่งอายุ 24 ปี และเพิ่งจะเรียนจบจากมหาวิทยาลัย ก็สามารถบอกผม ผู้เป็น CEO ได้ว่า ผมทำงานได้แย่มาก
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.
เครื่องมือเหล่านี้ช่วยให้ผู้คน ทั้งแสดงความคิดเห็น และแยกพวกเขาออกมาจากความคิดของตัวเอง เพื่อให้เห็นสิ่งต่าง ๆ จากมุมมองที่สูงขึ้น เมื่อเจนและคนอื่นเปลี่ยนความสนใจ จากการใส่ความคิดเห็นของตัวเอง เป็นมองลงไปยังภาพรวมทั้งจอ มุมมองของพวกเขาจะเปลี่ยนไป พวกเขาจะพบว่าความเห็นของตัวเอง เป็นเพียงหนึ่งในหลายความเห็นเท่านั้น และพวกเขาจะเริ่มถามตัวเองว่า "ฉันจะรู้ได้อย่างไรว่าความคิดฉันถูกต้อง" การเปลี่ยนมุมมองนั้น คือการเปลี่ยนจากการมองมิติเดียว เป็นการมองในหลายมิติ และมันเปลี่ยนการสนทนา จากการโต้แย้งเกี่ยวกับความเห็น ไปเป็นการหาหลักเกณฑ์ ที่จะตัดสินว่าความเห็นใดดีที่สุด
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.
เบื้องหลัง “ดอท คอลเล็คเตอร์” คือคอมพิวเตอร์ที่กำลังเฝ้ามองอยู่ มันกำลังมองว่าคนเหล่านี้กำลังคิดอะไร และมันก็หาความสัมพันธ์ กับวิธีการที่พวกเขาคิด และสื่อสารข้อแนะนำกลับไปยังแต่ละคน โดยอ้างอิงจากข้อมูลเหล่านั้น จากนั้นมันก็ดึงข้อมูลจากทุก ๆ การประชุม มาสร้างรูปผสานจุดสี ว่าแต่ละคนเป็นอย่างไร และการคิดของเขาเป็นอย่างไร และมันก็ถูกนำทางโดยอัลกอริธึม การรู้ว่าแต่ละคนเป็นคนแบบไหน ช่วยจับคู่คนกับงานได้ดีขึ้น ตัวอย่างเช่น นักคิดสร้างสรรค์ผู้ไม่ค่อยมีวินัย อาจจะถูกจับคู่กับบางคนที่มีวินัย ไว้ใจได้ แต่ขาดความคิดสร้างสรรค์ การรู้ว่าพวกเขาเป็นคนแบบไหน ยังทำให้เราตัดสินใจได้ว่า จะมอบความรับผิดชอบอะไรให้พวกเขา และจะชั่งน้ำหนักการตัดสินใจของเรา โดยดูจากความรู้ความสามารถของคน เราเรียกมันว่า ความน่าเชื่อถือของเขา นี่คือตัวอย่างหนึ่งของการโหวตที่เราทำ ความรู้สึกของคนส่วนใหญ่ไปในทางหนึ่ง แต่เมื่อให้น้ำหนักความเห็นเหล่านั้น ตามความรู้ความสามารถของคน คำตอบที่ได้นั้นต่างไปอย่างสิ้นเชิง กระบวนการนี้ทำให้เราตัดสินใจ โดยที่ไม่ตั้งอยู่บนหลักประชาธิปไตย ไม่ตั้งอยู่บนอัตตาธิปไตย แต่ตั้งอยู่บนอัลกอริธึมที่นำเอา ความน่าเชื่อถือของคนมารวมในการพิจารณา
Yup, we really do this.
ใช่ครับ เราทำแบบนี้จริง ๆ
(Laughter)
(เสียงหัวเราะ)
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.
พวกเราทำมันเพราะว่ามันกำจัด สิ่งที่ผมเชื่อว่าเป็นโศกนาฏกรรม ที่ยิ่งใหญ่สำหรับมนุษยชาติ นั่นคือ ความหยิ่งทะนงของคน ยึดมั่นความคิดเห็นผิด ๆ ของตน อย่างไร้เดียงสา และก็ทำตามความคิดเห็นนั้น โดยไม่ตรวจสอบดูก่อนว่ามันถูกหรือผิด และนั่นคือโศกนาฏกรรม และที่เราทำระบบใหม่ ยังเป็นเพราะ มันช่วยยกตัวเราให้อยู่เหนือความคิดของเรา ซึ่งนั้นทำให้เราเห็นสิ่งต่าง ๆ ในมุมมองของคนอื่น ๆ บ้าง และเราได้เห็นสิ่งต่าง ๆ ร่วมกัน การตัดสินใจแบบเป็นหมู่คณะ มันดีกว่าการตัดสินใจคนเดียวอย่างมาก ถ้าเราทำมันได้ถูกต้อง นี่คือสูตรลับ เบื้องหลังความสำเร็จของพวกเราครับ มันคือเหตุผลว่าทำไมเราทำกำไรให้ลูกค้า ได้มากกว่าเฮดจ์ฟันด์อื่นใดที่มีอยู่ตอนนี้ และทำกำไรได้ 23 ปี ในช่วง 26 ปีที่ผ่านมา
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 --
แล้วอะไรคือปัญหาของการซื่อตรงถึงแก่น และโปร่งใสสุดขั้วกับคนอื่น ผู้คนพูดกันว่ามันยากในเชิงอารมณ์ นักวิจารณ์พูดว่ามันเป็นสูตรของ สภาพแวดล้อมการทำงานสุดโหด นักประสาทวิทยาบอกผมว่ามันเป็นเพราะ โครงสร้างของสมองที่ถูกสร้างมา มันมีส่วนของสมองที่ อยากรู้ความผิดพลาดของเราเอง และอยากที่จะมองไปที่ข้อด้อยของเรา เพื่อที่เราจะสามารถปรับปรุงให้ดีขึ้นได้ เขาบอกผมว่ามันชื่อ พรีฟรอนทัล คอร์เทกซ์ (prefrontal cortex) และก็มีส่วนของสมอง ที่มองเรื่องเหล่านั้นเป็นการโจมตี เขาบอกผมว่ามันชื่อ อมิกดาลา (amygdala) พูดอีกอย่างนึงคือ มีคุณสองคนในตัวคุณ มีคุณในแบบเจ้าอารมณ์ และมีคุณในแบบปัญญาชน บ่อยครั้งที่พวกมันขัดแย้งกัน และบ่อยครั้งพวกมันก็หันมาเล่นงานคุณ จากประสบการณ์ของเรา เราสามารถชนะการรบนี้ได้ เราชนะมันโดยการทำงานเป็นทีม ปกติจะต้องใช้เวลาราว 18 เดือน กว่าจะค้นพบว่าคนส่วนใหญ่ ชอบที่จะทำงานร่วมกันแบบนี้ ด้วยความโปร่งใสสุดขั้ว แทนที่จะทำงานในสภาพแวดล้อม ที่คลุมเครือไม่โปร่งใส มันไม่มีการเมือง มันไม่มีความทารุณของ -- พวกเรื่องลับ ๆ ที่อยู่หลังม่าน มีแค่ระบบ “คุณภาพความเห็นเป็นใหญ่” ที่เปิดให้ผู้คนแสดงออกได้ และนั่นเป็นระบบที่ดีมากครับ มันทำให้เราทำงานมีประสิทธิภาพมากขึ้น ทำให้เรามีความสัมพันธ์ที่มีประสิทธิภาพขึ้น แต่ระบบนี้ก็ไม่ได้ดีสำหรับทุกคน เราพบว่าประมาณ 25 หรือ 30 % ของประชากร เข้ากับระบบนี้ไม่ได้ แต่อย่างไรก็ตาม เมื่อผมพูดถึงความโปร่งใสสุดขั้ว ผมไม่ได้บอกว่าต้องโปร่งใสกับทุก ๆ เรื่อง ผมหมายถึง คุณไม่จำเป็นต้องบอกคนอื่น ว่าหัวเขากำลังล้านมากขึ้น หรือลูกเขาหน้าตาน่าเกลียด ผมแค่พูดถึง...
(Laughter)
(เสียงหัวเราะ)
talking about the important things. So --
พูดถึงเรื่องที่สำคัญ ซึ่ง --
(Laughter)
(เสียงหัวเราะ)
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.
ซึ่งเมื่อคุณออกไปจากห้องนี้ ผมอยากให้คุณสำรวจบทสนทนา ของคุณกับคนอื่น จินตนาการว่า ถ้าคุณรู้ว่า จริง ๆ แล้วพวกเขากำลังคิดอะไรอยู่ จินตนาการว่าถ้าคุณรู้ว่า จริง ๆ แล้วพวกเขาเป็นคนยังไง และจินตนาการว่าถ้าเขารู้ว่า จริง ๆ แล้วคุณกำลังคิดอะไรอยู่ และจริง ๆ แล้วเป็นคนแบบไหน มันคงจะขจัดปัญหาออกไปได้เยอะมากแน่ ๆ และทำให้คุณร่วมงานด้วยกัน ได้อย่างมีประสิทธิภาพมากขึ้น ผมคิดว่ามันจะพัฒนา ความสัมพันธ์ของคุณเช่นกัน ตอนนี้ลองจินตนาการว่าคุณมีอัลกอริธึม ที่จะมาช่วยคุณรวบรวมข้อมูลพวกนั้นทั้งหมด และยังช่วยให้คุณตัดสินใจ ตามระบบ “คุณภาพความคิดเป็นใหญ่” ความโปร่งใสสุดขั้วพวกนี้ กำลังพุ่งเข้าหาตัวคุณ และมันจะส่งผลกระทบต่อชีวิตคุณ และในความคิดของผม มันจะยอดเยี่ยมมาก ซึ่งผมหวังว่า มันจะเป็นสิ่งที่ยอดเยี่ยมสำหรับคุณ เหมือนที่มันยอดเยี่ยมสำหรับผม
Thank you very much.
ขอบคุณมากครับ
(Applause)
(เสียงปรบมือ)