Закон Гудхарта убивает компании: когда метрика становится целью, она перестает работать. Исследование MIT предлагает решение из мира машинного обучения.
2 мин
В 2016 году Wells Fargo оказался в центре грандиозного скандала. Сотрудники открыли миллионы фальшивых счетов, чтобы выполнить агрессивный план продаж — «восемь продуктов на одного клиента». Это не просто история о жадности или плохой этике. Это идеальная иллюстрация того, как сломанная система метрик уничтожает бизнес изнутри.
Проблема известна как закон Гудхарта: «Когда мера становится целью, она перестает быть хорошей мерой». Как только вы ставите жесткий KPI, люди перестают работать на результат и начинают работать на цифру в отчете. Это происходит везде, от отделов продаж до разработки ПО. Традиционные методы вроде сбалансированных систем показателей (Balanced Scorecard) здесь бессильны — они лишь меняют одни цифры на другие, оставляя пространство для манипуляций.
Решение пришло оттуда, откуда не ждали — из лабораторий по обучению искусственного интеллекта. Исследователи машинного обучения годами борются с той же проблемой: если дать нейросети неправильную целевую функцию, она найдет способ «хакнуть» задачу (например, поставить игру на паузу, чтобы не проиграть, вместо того чтобы выигрывать).
Статья в MIT Sloan Management Review предлагает революционный взгляд: организации нужно рассматривать как нейросети, которые нужно не просто «пушить» к цели, а правильно обучать. Вместо жесткой фиксации на одном показателе, менеджменту стоит применять методы регуляризации из AI — техники, которые предотвращают «переобучение» сотрудников на одну узкую задачу в ущерб общей стратегии. ИИ учит нас, что эффективность — это не достижение одной цифры любой ценой, а баланс множества переменных в сложной системе. Если мы продолжим управлять людьми как простыми механизмами, мы продолжим получать фальшивые отчеты и кризисы масштаба Wells Fargo.
Методы тренировки нейросетей (борьба с переобучением) лучше подходят для управления людьми, чем устаревшие корпоративные KPI.
Организации будущего будут проектироваться как алгоритмы, где человеческая мотивация регулируется математическими принципами AI, а не интуицией HR.
