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.
İsteseniz de istemeseniz de radikal şeffaflık ve algoritmik karar verme hızla geliyor ve hayatınızı değiştirecek. Çünkü artık, algoritmaları alıp bilgisayarlarda kullanmak ve kendinizle ilgili orada burada bıraktığınız verileri toplayıp kendinizi tanıyabilmek, sonrasında bilgisayarların sizinle etkileşmesini sağlamak, birçok kişinin kendi kendine yapabileceğinden çok daha kolay.
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.
Bu korkutucu gelebilir. Ben bunu uzun zamandır yapıyorum ve bunun mükemmel olduğunu düşünüyorum. Benim amacım anlamlı bir iş yapmak ve çalıştığım kişilerle anlamlı ilişkiler kurmak. Anladım ki, radikal şeffaflık ve algoritmik karar verme olmasaydı, bunu yapamazdım. Neden böyle olduğunu ve bunun nasıl çalıştığını size anlatmak istiyorum. Ve size anlatacağım bazı şeyler biraz şaşırtıcı olabilir.
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.
Çocukluğumdan beri, ezbere dayalı hafızam çok kötü. Kuralları takip etmeyi sevmedim. Kurallara uymakta iyi değildim. Ancak işlerin nasıl yürüdüğünü kendime göre keşfetmeyi severdim. 12 yaşındayken, okulu sevmezdim ancak alım satım yapmaya bayılırdım. Bazı küçük paketler alıp sattım, paket başına 5 dolar kazandım. Bunu borsaya yatırdım. Çünkü o zamanlar borsa revaçtaydı. İlk aldığım şirket hissesi Northeast Havayolları'na aitti. Bu şirket, bildiğim tek 5 doların altına hisse satan şirketti.
(Laughter)
(Gülüşmeler)
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.
Ve anladım ki, daha fazla hisse alabilirim ve daha fazla alırsam, daha fazla kazanabilirim. Aptal bir strateji, değil mi? Ama paramı üçe katladım, üçe katladım çünkü şansım yaver gitti. Şirket iflas etmek üzereydi, başka şirketler satın aldı, ben paramı üçe katladım. Ve aklım çelinmişti. "Kolay bir oyun" diye düşündüm. Zamanla, bu oyunun hiç de kolay olmadığını gördüm.
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.
İyi bir yatırımcı olmak için, kişinin herkesin dediğinin tersini yapması ve haklı olması gerekiyor. Genel kanının aksini yapmak kolay değil. Fikirbirliğini yenerek haklı olmak gerekiyor çünkü ortak kanı fiyatın içerisine eklenmiş durumda. Girişimci olabilmek için, başarılı bir girişimci, herkesin dediğinin tersini yapmak ve haklı çıkmak gerekir. Benim hem bir girişimci hem de bir yatırımcı olmam gerekti. Bunlara acı veren hatalar eşlik eder. Ben de çok fazla acı veren hata yaptım ve zamanla, bu hatalara karşı bakışım değişti. Hataları bulmaca gibi görmeye başladım. Bulmacaları çözebilirsem, cevherlerini toplayabilecektim. Bulmacalar şöyleydi: Gelecekte farklı olarak ne yapmalıyım ki, o acı veren hatayı yapmayayım. Cevherler, prensiplerdi. Bir kenara yazıyordum ki hatırlayabileyim ve gelecekte faydalanabileyim. O kadar açık bir şekilde yazdım ki, sonradan, en sonunda, onları algoritmalara dönüştürebileceğimi gördüm. Bu algoritmaları bilgisayarda kullanabilirdim ve bilgisayar benimle birlikte karar verebilirdi, yani, paralel olarak kararlar verecektik. Böylece bilgisayarın kararlarını, kendi kararlarımla kıyasladım ve bilgisayarın kararlarının çok daha iyi olduğunu gördüm. Çünkü çok daha hızlı karar alabiliyor, çok daha fazla veriyi işleyebiliyor ve kararları alırken daha az duygusal davranabiliyor. Bu şekilde karar alma sürecim çok daha gelişti.
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.
Bridgewater'ı kurduktan 8 yıl sonra, en büyük hatamı yaptım, en büyük başarısızlığım. 1970'lerin sonuydu, 34 yaşındaydım. Amerikan bankalarının gelişmekte olan ülkelere, ödeyebileceklerinden çok daha fazla borç verdiklerini, bunun Büyük Buhran'dan beri yaşanan en büyük borç krizine yol açacağını hesaplamıştım. Bununla birlikte, ekonomik ve hisse senetlerinde büyük bir krize yol açacaktı. Bu, o zamanlar için tartışmalı bir görüştü. İnsanlar bunun çılgınca olduğunu düşündüler. Ancak Ağustos 1982'de, Meksika borçlarını ödeyemedi. Bunu başkaları takip etti. Büyük Buhran'dan beri en büyük borç krizi ortaya çıktı. Bunu öngörmüş olduğum için, Meclis'te ifade vermem istendi ve "Wall Street Week'te" çıktım. Nasıl bir şey olduğunu görmeniz için, bir klip göstereceğim, klipte beni göreceksiniz.
(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) Sayın Başkan, Bay Mitchell, sizin nezdinizde, ekonomimizde neyin yanlış gittiğini incelemek, büyük bir zevk ve onur. Ekonomi şu an durgun -- bir kırılmanın eşiğinde sendeliyor.
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: Yakın zamanda bir haberde yer aldınız. "Kesin olarak söyleyebilirim zira piyasanın nasıl işlediğini biliyorum" dediniz.
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: Kesin olarak söyleyebilirim ki, likidite tabanlarına bakarsanız, şirketlerde ve dünyada, o kadar daralmış bir seviyede ki, stagflasyon devrine dönmek mümkün değil.
I look at that now, I think, "What an arrogant jerk!"
Geri dönüp baktığımda, diyorum ki, "Ne ukala bir ahmak!"
(Laughter)
(Gülüşmeler)
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.
Çok ukalaydım ve çok yanılmıştım. Borç krizi olduğunda, borsa ve ekonomi kötüye değil, iyiye doğru gitti. Kendim ve müşterilerim için o kadar çok para kaybettim ki, işimi kapatmak, neredeyse herkesi işten çıkarmak zorunda kaldım. Bu kişiler geniş ailem gibiydi. Çok üzgündüm. Ve o kadar çok para kaybetmiştim ki, faturalarım için babamdan 4.000 dolar borç almak zorunda kaldım,
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.
Hayatımdaki en acı dolu deneyimlerden birisiydi... ancak en mükemmel deneyimlerden birisine dönüştü çünkü karar alma sürecime bakışımı değiştirdi. "Ben haklıyım" diye düşünmek yerine, kendime şunu sormaya başladım: "Haklı olduğumu nasıl bilirim?" Cesaretimi dengeleyecek bir alçakgönüllük kazandım. Benimle aynı fikirde olmayan en zeki insanları bularak bakış açılarını anlamak istedim veya onların benim bakış açımı zorlamalarını istedim. Fikir meritokrasisi kurmak istedim. Başka bir deyişle, benim liderlik ettiğim ve diğerlerinin takip ettiği bir otokrasi değil ve herkesin bakış açısının eşit değer gördüğü bir demokrasi değil ancak en iyi fikirlerin kazandığı bir meritokrasi kurmak istedim. Bunu yapabilmek için, radikal bir açık sözlülüğe ve şeffaflığa ihtiyacımız olduğunu anladım.
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?
Radikal açıksözlülük ve radikal şeffaflık derken, her şeyi görebilmek için, gerçekten inandıklarını söylemelerini kast ediyorum. Ve kelimenin tam anlamıyla her konuşmayı kaydediyoruz. Böylece herkes her şeyi görebiliyor. Bu şekilde yapmasaydık, bir fikir meritokrasisi oluşturamazdık. Fikir meritokrasisi oluşturmak için, insanlara söylemeleri için alan vermeliyiz. Bir örnek vermek gerekirse, Jim Haskel'den bir e-posta -benim için çalışan birisi- ve bu e-posta şirkette çalışan herkese açıktı. "Ray, bugünkü performansın için sana 'D-' veriyorum... hiç iyi hazırlanmamıştın çünkü bu kadar dağınık olmuş olmanın başka bir açıklaması yok." Bu mükemmel değil mi?
(Laughter)
(Gülüşmeler)
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.
Bu mükemmel. Çünkü, öncelikle, böyle bir geri bildirime ihtiyacım vardı. Böyle geri bildirimler gerekli. Mükemmel çünkü Jim'e ve Jim gibi insanların görüşlerini söylemelerine izin vermezsem, ilişkimiz artık aynı şekilde olmaz. Ve bunu herkesin görebilmesi için açık hale getirmezsem, bir fikir meritokrasimiz olmaz.
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.
Son 25 senedir, bu şekilde çalışıyoruz. Bu radikal şeffaflıkla iş yapıyoruz ve sonra ortaya çıkan prensipleri topluyoruz, çoğunlukla yaptığımız hatalardan geliyor ve sonra bunları algoritmalara dönüştürüyoruz. Bu algoritmalar bize -- algoritmaları takip ediyoruz, kendi görüşlerimizle beraber. Yatırım işimizi bu şekilde yürütüyoruz ve insan yönetimini de bu şekilde hallediyoruz.
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 --
Bunun nasıl bir şey olduğuyla ilgili size bir fikir vermek gerekirse, sizi bir toplantıya davet edip, bunu yapmamızı sağlayan "Dot Collector" ile tanıştırmak isterdim. ABD seçimlerinden bir hafta sonra, araştırma ekibimiz, Trump'ın başkan olmasının ABD ekonomisi için ne anlama geleceği ile ilgili toplandı. Tabi ki, herkesin, konuyla ve konuya nasıl yaklaştığımızla ilgili farklı bir görüşü vardı. "Dot Collector" bu görüşleri topluyor. Bazı listeleri var, bu sayede, birisi, ötekinin düşüncesini, liste aracılığıyla basit bir şekilde, 1'den 10'a kadar not vererek bildirebiliyor. Mesela, toplantı başladığında, Jen adında bir araştırmacı, bana üç verdi, - yani, kötü bir not -
(Laughter)
(Gülüşmeler)
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.
açık görüşlülük ve kararlılık arasında bir denge kuramamaktan. Toplantı ilerledikçe, Jen'in insanlarla ilgili değerlendirmeleri bu şekilde devam etti. Diğerlerinin ise başka görüşleri vardı. Bu normal. İnsanların her zaman farklı görüşleri vardır. Doğruyu kim biliyor? Benim nasıl olduğumla ilgili diğer insanların görüşlerine bir bakalım. Bazıları iyi olduğumu düşündü, bazıları kötü. Bu görüşlerin her biriyle, rakamların ardındaki duruşu bulabiliriz. Jen ve Larry'nin dediklerine bakalım. Unutmayın ki, herkes görüşünü açıklayabiliyor, eleştirel görüşü de dahil, pozisyonlarından bağımsız olarak. Üniversiteden yeni mezun olmuş, 24 yaşındaki Jen, bana, CEO'ya, olaylara korkunç yaklaşıyorsun, diyebiliyor.
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.
Bu araç, herkese, hem kendi fikirlerini söylemeleri hem de kendilerini, fikirlerinden ayırmaları için yardımcı oluyor. Böylece, üst bir seviyeden görebiliyorlar. Jen ve diğerleri, dikkatlerini, kendi fikirlerini söylemekten, tüm ekrana kaydırdıklarında, bakış açıları değişiyor. Görüyorlar ki, kendi fikirleri birçok fikirden sadece bir tanesi ve doğal olarak sormaya başlıyorlar, "Fikrimin doğru olduğunu nasıl bilirim?" Bakış açısındaki bu değişim, tek bir taraftan bakmaktan çoklu bakışa geçmek gibi. Ve konuşmayı, kendi fikirlerimiz üzerine tartışmaktan en iyi fikirleri belirleyecek objektif kriteri bulmaya taşıyor.
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.
"Dot Collector" ın arkasında, bizi izleyen bir bilgisayar var. Herkesin ne düşündüğünü izleyebiliyor ve bunun nasıl düşündükleriyle bağlantısını kuruyor. Ve her bir kişiye, buna dayalı olarak tavsiyeler veriyor. Tüm toplantılardan veri çekerek kişilerin nasıl birisi oldukları ve nasıl düşündüklerinin resmini çıkarıyor. Bunu algoritmalara dayalı olarak yapıyor. Kişiyi tanımak, onu işiyle daha iyi eşleştirmemizi sağlıyor. Mesela, güvenilmez ancak yaratıcı bir kimse yaratıcı olmayan ancak güvenilir birisiyle eşleştirilebilir. Kişiyi tanımak, ona ne tür bir sorumluluk verebileceğimize karar verebilmemizi ve kararlarımızı kişinin meziyetlerine göre değerlendirebilmemizi sağlıyor. Buna kişinin inanırlığı diyoruz. Yaptığımız bir oylamadan örnek verirsem, çoğunluk burada aynı şekilde düşünmüştü... sonra kişilerin görüşlerine meziyetlerine göre baktığımızda ortaya çıkan cevap çok daha farklıydı. Bu yöntem sayesinde, demokrasiye göre değil, otokrasiye göre değil, kişilerin inanırlığını göz önüne alan algoritmalara göre karar alabiliyoruz.
Yup, we really do this.
Evet, gerçekten böyle yapıyoruz.
(Laughter)
(Gülüşmeler)
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.
Böyle yapıyoruz çünkü bu sayede insanlığın en büyük trajedilerinden birisini, insanlar ukala bir şekilde, safça, yanlış olan fikirleri kafalarına yerleştiriyorlar ve bunlara göre davranıp bu fikirleri açığa çıkararak bir teste tabi tutmuyorlar. Ve bu bir trajedi. Böyle yapıyoruz, böylece, kendimizi, fikirlerimizin üzerine çıkararak olayları her bir kimsenin gözünden görmeye başlıyoruz, ve olaylara toplu halde bakabiliyoruz. Toplu karar alma, iyi bir şekilde yapıldığında, bireysel karar almadan daha iyi. Başarımızın gizli sırrı bu. Böylece, müşterilerimize diğer fonlardan çok daha fazla para kazandırdık ve 26 senenin 23'ünde kar ettik.
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 --
O halde, birbirimize karşı radikal açık sözlülük göstermenin ve şeffaf davranmanın ne sakıncası olabilir? İnsanlar bunun duygusal olarak zor olduğunu söylüyor. Eleştirenler, acımasız bir iş ortamı yaratacağını söylüyor. Nörobilimcilere göre, beyinde önceden kurulmuş olan bağlantılarla ilgisi var. Beynimizin bir parçası, hatalarından haberdar olmak istiyor, güçsüz yönleri belirlemek istiyor ki daha iyisini yapabilsin. Bu kısma prefrontal korteks diyorlar. Ve bir kısmı da, bunların hepsini saldırı olarak değerlendiriyor. Bu kısma amigdala diyorlar. Başka bir deyişle, içinizde iki tane benlik var: duygusal benlik ve zihinsel benlik ve bunlar sıklıkla çelişiyorlar ve sizin aleyhinizde çalışıyorlar. Tecrübelerimiz gösterdi ki, bu savaşı kazanabiliriz. Grup halinde kazanabiliriz. Genellikle 18 ay içerisinde anlıyoruz ki, çoğu kişi bu şekilde, bu radikal şeffaflıkla çalışmayı, şeffaf olmayan ortamda çalışmaya tercih ediyor. Entrika olmadan, perdelerin arkasında dönen oyunların acımasızlığı olmadan, bir fikir meritokrasisi içerisinde, her şeyi konuşarak. Ve bu çok iyi işledi. Daha etkili iş yapabildik ve daha etkili ilişkiler kurabildik. Ancak, herkese göre değil. Toplumun yüzde 25 veya 30'una uygun olmadığını gördük. Bu arada radikal şeffaflık derken bahsettiğim, her şeye dair bir şeffaflık değil. Mesela birisine, kel kısmının arttığını söylemek zorunda değilsiniz veya bebeğinin çirkin olduğunu. Yani, sadece --
(Laughter)
(Gülüşmeler)
talking about the important things. So --
önemli şeyleri konuşmaktan bahsediyorum. O zaman --
(Laughter)
(Gülüşmeler)
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.
O zaman buradan çıktığınızda kendinizi başkalarıyla konuşurken gözlemlemenizi istiyorum. Hayal edin ki, gerçekten ne düşündüklerini biliyorsunuz ve nasıl birisi olduklarını gerçekten biliyorsunuz... ve onlar da sizin gerçekten ne düşündüğünüzü biliyor ve nasıl birisi olduğunuzu. Bu kesinlikle birçok şeye açıklık getirirdi ve yaptığınız şeyleri daha etkin yapmanızı sağlardı. Bence ilişkileriniz gelişirdi. Şimdi düşünün ki algoritmalar da var ve bunlar size tüm bu bilgileri toplamanızda yardımcı olabilirler ve hatta fikir meritokrasisi ile karar almanızda yardımcı olabilirler. Bu şekilde bir radikal şeffaflık artık giderek artıyor ve hayatınızı etkiliyecek. Bana göre bu muhteşem olacak. Umarım ki benim için olduğu kadar sizin için de harika olur.
Thank you very much.
Çok teşekkürler.
(Applause)
(Alkışlar)