English· Español· Deutsch· Nederlands· Français· 日本語· ქართული· 繁體中文· 简体中文· Português· Русский· العربية· हिन्दी· Italiano· 한국어· Polski· Svenska· Türkçe· Українська· Tiếng Việt· Bahasa Indonesia

un

tamu
1 / ?
kembali ke pelajaran

Keunggulan Sisa Profesional

Pekerjaan yang Tidak Bisa Diotomatisasi

Sistem otomatis kini menghasilkan rekomendasi dan ramalan di seluruh ekonomi. Mereka menentukan harga asuransi, menandai transaksi, merangking kandidat, memprediksi permintaan, dan menyarankan tindakan berikutnya di hampir setiap layar yang disentuh oleh profesional.

Yang tidak mereka lakukan adalah memiliki keputusan. Rekomendasi adalah angka; keputusan adalah komitmen dalam ketidakpastian, yang dibuat oleh seseorang yang bertanggung jawab atas hasilnya. Komitmen itulah tempat keunggulan Anda berada.

Pelajaran ini melatih lima keterampilan yang tetap menjadi milik Anda tidak peduli seberapa baik mesinnya:

1. Nilai ekspektasi dan pohon keputusan, serta mengetahui kapan nilai ekspektasi adalah kriteria yang salah.

2. Kalibrasi dan peramalan: membuat estimasi probabilitas yang eksplisit, melacaknya, dan memperbaikinya.

3. Risiko asimetris dan opsi: membatasi kerugian, membedakan pintu satu arah dari pintu dua arah.

4. Penghilangan bias: pre-mortem, tingkat dasar, red-teaming, dan memutuskan di awal.

5. Protokol keputusan yang dapat Anda jalankan sebelum pilihan profesional yang berdampak besar dan sebagian besar tidak dapat dibatalkan.

Profesional menyediakan penilaian yang terkalibrasi, menimbang risiko asimetris, dan bertanggung jawab atas keputusan yang tidak dapat dibatalkan. Peramalan menginformasikan pekerjaan tersebut. Ia tidak menggantikannya.

Keputusan yang Anda Miliki

Sebelum kita membangun toolkit, identifikasi masalah dalam pekerjaan Anda sendiri.

Jelaskan satu keputusan penting yang Anda (atau seseorang di bidang Anda) ambil di bawah ketidakpastian nyata: di mana hasilnya tidak dijamin dan salah mengambil keputusan memiliki biaya. Sebutkan ketidakpastiannya, dan sebutkan apa yang membuatnya sulit untuk hanya diserahkan kepada sebuah rumus.

Pohon, Rata-rata, dan Kebangkrutan

Nilai Harapan: Nilai Bawaan, Bukan Jawabannya

Nilai harapan (EV) memberikan bobot pada setiap hasil berdasarkan probabilitasnya dan menjumlahkannya: EV = jumlah dari (probabilitas dikali imbalan). Pohon keputusan menggambar cabang-cabang sehingga Anda dapat menghitung EV di setiap simpul dan melipat kembali pohon tersebut ke pilihan di akar.

Contoh yang dikerjakan. Anda dapat menerima tawaran: 70% kemungkinan Anda mendapat 100, 30% kemungkinan Anda kehilangan 50.

- EV = 0,70 dikali 100 ditambah 0,30 dikali (minus 50) = 70 minus 15 = +55. Positif, jadi dalam banyak pengulangan, tawaran ini menguntungkan.

Ketika EV Adalah Kriteria yang Salah

EV adalah rata-rata dari banyak percobaan. Hal ini secara diam-diam mengasumsikan Anda dapat mengulangi taruhan tersebut dan bahwa tidak ada satu pun kerugian yang akan mengeluarkan Anda dari permainan. Dua situasi merusak asumsi tersebut.

- Risiko kebangkrutan: jika cabang yang kalah mengakhiri Anda (kebangkrutan, kematian, kehilangan lisensi, reputasi yang hancur), maka rata-ratanya tidak bermakna. Anda tidak pernah mengumpulkan imbalan jangka panjang karena satu undian buruk yang buruk langsung mengeluarkan Anda dari papan permainan. Jangan pernah mempertaruhkan apa yang tidak mampu Anda tanggung untuk kehilangan, sebaik apa pun EV-nya.

- Taruhan yang tidak diulang: untuk keputusan sekali saja, hasil rata-rata mungkin merupakan hasil yang tidak pernah Anda alami secara nyata. Taruhan yang +EV tetapi 90% kemungkinan kalah tetap bisa menjadi salah untuk pilihan yang Anda buat tepat satu kali.

Inilah mengapa lotre dengan taruhan kecil, berulang, dan dapat bertahan dimainkan berdasarkan EV (Nilai Ekspektasi), sementara satu taruhan yang berisiko kebangkrutan dimainkan dengan prioritas keselamatan terlebih dahulu, lalu EV. Sistem otomatis akan dengan senang hati melaporkan EV positif; tugas Anda adalah bertanya apakah cabang kekalahan tersebut dapat bertahan.

Lipat Balik Pohon

Sebuah perusahaan langganan mempertimbangkan pengiriman fitur berisiko sekarang. Jika berhasil (peluang 60%), retensi meningkat, bernilai 2 juta dolar. Jika gagal (peluang 40%), cacat memicu pengembalian dana dan churn (kehilangan pelanggan) yang menelan biaya 500 ribu dolar. Ada satu hal yang rumit: pendiri secara pribadi menjamin runway (modal operasional), sehingga kerugian 500 ribu dolar pada kuartal ini memaksa insolvensi (tidak mampu membayar utang). Ada opsi ketiga: jalankan beta 4 minggu terlebih dahulu, dengan biaya 150 ribu dolar, yang mengungkapkan apakah fitur tersebut berfungsi sebelum peluncuran penuh.

(1) Hitung nilai ekspektasi (expected value) dari pengiriman sekarang. Tunjukkan aritmetikanya. (2) Jelaskan mengapa EV saja mungkin menjadi kriteria yang salah di sini, dengan merujuk pada kerumitan insolvensi. (3) Dalam istilah pohon keputusan, jelaskan apa yang dibeli oleh beta 4 minggu.

Apakah Angka 90-an Anda Benar-benar 90-an?

Probabilitas yang Dapat Dinilai

Peramal yang terkalibrasi adalah peramal yang probabilitas yang dinyatakan sesuai dengan kenyataan. Ketika Anda mengatakan '90% yakin' dalam banyak prediksi, sekitar 90% dari prediksi tersebut seharusnya terbukti benar. Kalibrasi bukan tentang sering benar, melainkan tentang keyakinan Anda memiliki makna yang sesuai dengan apa yang diucapkan.

Lacak, Lalu Tingkatkan

Satu-satunya cara untuk mengetahui kalibrasi Anda adalah dengan menuliskan prediksi dengan probabilitas eksplisit, lalu menilai hasilnya berdasarkan hasil akhir. Skor Brier membuat ini konkret: untuk setiap ramalan, ambil probabilitas yang Anda berikan untuk apa yang sebenarnya terjadi, dan ukur kesalahan kuadrat terhadap hasil yang dikodekan sebagai 1 (terjadi) atau 0 (tidak terjadi).

- Memprediksi 0,90, kejadian terjadi (hasil 1): kesalahannya adalah (0,90 dikurangi 1) kuadrat = 0,01. Kecil: bagus.

- Prediksi 0,90, peristiwa tidak terjadi (hasil 0): kesalahannya adalah (0,90 dikurangi 0) kuadrat = 0,81. Besar: Anda salah dengan keyakinan tinggi.

Rata-ratakan ini di banyak ramalan. Brier yang lebih rendah lebih baik. Skor ini menghukum kesalahan yang dilakukan dengan keyakinan tinggi paling berat, yang merupakan kebiasaan yang paling merugikan para profesional.

Disiplinnya: nyatakan angka, catat, periksa, dan sesuaikan. Secara sistematis di atas garis berarti Anda terlalu percaya diri dan seharusnya memperlebar estimasi Anda; secara sistematis di bawah berarti Anda kurang percaya diri dan bisa berkomitmen lebih kuat. Ramalan otomatis dapat dinilai dengan cara yang sama, dan inilah cara Anda belajar kapan harus mempercayainya dan kapan harus mengabaikannya.

Nilai Sang Peramal

Seorang analis berulang kali mengatakan kepada tim, "Saya 90% yakin ini akan selesai tepat waktu." Selama satu kuartal, ia membuat 40 prediksi seperti itu pada tingkat kepercayaan 90% yang ia nyatakan. 26 di antaranya terbukti benar.

(1) Apakah ia terkalibrasi dengan baik pada level 90%? Tunjukkan perbandingannya. (2) Ke arah mana ia mengalami miscalibration, dan apa implikasinya terhadap apa yang seharusnya ia lakukan terhadap estimasi probabilitasnya? (3) Jelaskan secara konkret bagaimana rekam jejak plus pemikiran skor Brier akan membantunya untuk berimprovisasi.

Pintu Satu Arah dan Pintu Dua Arah

Kuadran reversibilitas berdasarkan taruhannya: sesuaikan kedalaman pertimbangan dengan seberapa reversibel dan seberapa besar dampak sebuah keputusan

Tidak Semua Kesalahan Memiliki Biaya yang Sama

Sebuah keputusan memiliki risiko asimetris ketika sisi negatif dan sisi positifnya bukan cerminan satu sama lain. Membatasi kerugian sambil tetap membuka peluang keuntungan adalah inti permainannya. Posisi dengan kerugian yang dibatasi dan keuntungan yang tidak dibatasi bisa salah sebagian besar waktu dan tetap menang secara keseluruhan.

Opsi adalah hak, tanpa kewajiban, untuk bertindak kemudian setelah Anda mengetahui lebih banyak. Beta 4 minggu dua bagian sebelumnya adalah opsi: biaya kecil yang diketahui yang menjaga komitmen besar dan tidak dapat dibatalkan tetap terbuka hingga ketidakpastian terpecahkan.

Reversibel-Cepat, Tidak Reversibel-Lambat

Kerangka kerja yang berguna memisahkan keputusan berdasarkan seberapa sulit untuk dibatalkan:

- Pintu dua arah bersifat reversibel. Berjalanlah masuk, dan jika Anda tidak suka apa yang Anda temukan, berjalanlah keluar kembali dengan biaya rendah. Putuskan ini dengan cepat dan delegasikan. Berdebat selama berminggu-minggu atas pilihan yang dapat dibatalkan dalam satu sore adalah jenis pemborosan tersendiri.

- Pintu satu arah bersifat tidak reversibel atau mahal untuk dibatalkan. Keputusan ini layak mendapat pertimbangan mendalam, kepemilikan oleh atasan, dan pengaman.

Kuadran di atas menyilangkan reversibilitas dengan taruhannya. Sesuaikan kedalaman pertimbangan dengan kotak tempat Anda berada. Kesalahan profesional termahal berasal dari memperlakukan pintu satu arah seperti pintu dua arah, terburu-buru dalam panggilan yang tidak dapat dibatalkan.

Langkah terkuat sering kali adalah mengubah pintu satu arah menjadi pintu dua arah: uji coba pada satu layanan, tulis ganda ke sistem lama dan baru, simpan jalur lama sebagai cadangan, lakukan peluncuran bertahap. Anda membeli kembali reversibilitas sehingga keputusan yang salah tetap dapat ditanggung.

Klasifikasi dan Konversi

Seorang direktur teknik menghadapi dua pilihan kuartal ini. Pilihan 1: memigrasikan database utama ke mesin baru, sebuah proyek berbulan-bulan yang menyentuh setiap layanan dan menyakitkan untuk dibalik setelah aktif. Pilihan 2: mengadopsi alat review kode internal baru yang tim bisa tinggalkan dalam seminggu jika kecewa.

(1) Klasifikasikan setiap pilihan sebagai pintu satu arah atau dua arah, dengan justifikasi. (2) Tetapkan berapa banyak pertimbangan dan pengaman apa yang pantas untuk masing-masing. (3) Nyatakan prinsip umum cepat-untuk-kebalikan / lambat-untuk-tidak-kebalikan, dan berikan satu cara konkret untuk mengonversi migrasi database menjadi keputusan yang lebih dapat dibalik.

Alat Melawan Pikiran Anda Sendiri

Ruangan Itu Sering Salah Bersama-sama

Secara individu maupun dalam kelompok, para profesional memiliki bias yang dapat diprediksi: optimisme mengenai tenggat waktu, memberikan bobot berlebihan pada cerita yang mencolok di depan mereka, dan kecenderungan untuk condong ke apa pun yang sudah disukai oleh kelompok. Teknik debiasing adalah prosedur murah yang melawan hal-hal ini sebelum mereka merugikan Anda.

- Pre-mortem: bayangkan bahwa waktu sudah berlalu dan keputusan itu gagal. Bekerja mundur, daftarkan setiap alasan mengapa hal itu berjalan salah. Hal ini mengungkapkan risiko yang disembunyikan oleh antusiasme dan melawan planning fallacy serta groupthink.

- Laju dasar dan pandangan luar: alih-alih hanya bernalar dari dalam kasus ini, tanyakan bagaimana upaya serupa sebenarnya berujung. Jika sebagian besar proyek yang sebanding terlambat 50% dari jadwal, proyek Anda kemungkinan besar juga akan demikian, apa pun yang dikatakan cerita dari dalam. Melawan optimisme pandangan dalam.

- Red-teaming: tunjuk seseorang untuk berargumen dengan sungguh-sungguh untuk kasus yang berlawanan dan menyerang rencana tersebut. Melawan bias konfirmasi dan kenyamanan dari persetujuan.

- Keputusan di awal: atur aturan dan kriteria penghentian sebelum Anda secara emosional berkomitmen dan sebelum biaya tenggelam (sunk costs) menumpuk. 'Jika pada bulan ke-3 kami belum mencapai X, kami berhenti.' Melawan eskalasi komitmen.

Setiap teknik adalah ritual kecil dengan imbalan yang besar, tepat karena ia melawan bias yang tidak bisa Anda rasakan dari dalam.

Debias Keputusan Langsung

Tim Anda akan segera menyetujui (greenlight) proyek rekonstruksi platform selama 9 bulan. Suasana di ruangan sudah bulat dan antusias, dan manajemen ingin berkomitmen hari ini.

Sebutkan dan terapkan setidaknya TIGA teknik debiasing untuk keputusan spesifik ini. Untuk masing-masing: (1) sebutkan namanya, (2) jelaskan secara konkret apa yang akan Anda lakukan dalam rapat ini, dan (3) sebutkan bias apa yang dikonter oleh teknik tersebut. Tiga teknik Anda harus mencakup setidaknya *pre-mortem* DAN langkah *base-rate* / *outside-view*.

Jalankan Seluruh Peralatan

Satu Protokol untuk Setiap Keputusan Penting

Anda kini memiliki seluruh perangkat. Protokol ini merangkai komponen-komponen tersebut menjadi urutan yang dapat diulang, yang dapat Anda jalankan sebelum setiap pilihan profesional yang berdampak besar dan sebagian besar tidak dapat dibalikkan:

1. Nyatakan probabilitas eksplisit yang Anda tanggung. Bukan angka dari mesin, melainkan milik Anda: apa yang Anda yakini sebagai peluangnya, dan mengapa?

2. Gambarkan nilai harapan, lalu periksa kemungkinan kehancuran. Timbanglah hasil-hasilnya, tetapi sebelum Anda bertindak, tanyakan apakah cabang yang kalah dapat bertahan dan apakah ini adalah taruhan sekali jalan.

3. Klasifikasi reversibilitas. Pintu satu arah atau pintu dua arah? Sesuaikan kedalaman pertimbangan Anda dengan jawabannya, dan cobalah untuk mengubah pintu satu arah menjadi pintu dua arah.

4. Hilangkan bias. Jalankan setidaknya satu langkah pre-mortem, base-rate, atau red-team terhadap antusiasme Anda sendiri.

5. Pre-commit a decision rule and kill criteria. Decide now what evidence would make you stop or reverse, before sunk costs capture you.

Where an automated system supplies a recommendation or forecast, it feeds step 1 and step 2. You still own steps 3 through 5, and you own the override.

Write Your Protocol

Pick a concrete, consequential, mostly irreversible choice a professional in your field faces: accepting a role, signing a multi-year vendor, launching a product, taking a large financial position. Assume an automated system has handed you a recommendation and a forecast for it.

Write the decision protocol you would actually run before committing, applied to your chosen case. Include, in order: (1) an explicit probability estimate you own; (2) an expected-value or expected-outcome sketch AND a check for ruin / non-repeatability; (3) a reversibility classification (one-way vs two-way door); (4) at least one debiasing step (pre-mortem, base rate, or red-team); and (5) a pre-committed decision rule or kill criteria. State clearly where the automated recommendation informs you and where you would override it.

Apa yang Anda Bawa ke Depan

Keterampilan yang Tetap Milik Anda

Anda telah membangun kotak alat untuk mengambil keputusan di bawah ketidakpastian:

- Nilai ekspektasi dan pohon keputusan, serta disiplin untuk mengabaikan EV ketika cabang yang kalah berisiko menyebabkan kebangkrutan atau taruhan hanya terjadi sekali.

- Kalibrasi: menyatakan probabilitas secara eksplisit, memberi skor pada probabilitas tersebut (Brier, semakin rendah semakin baik), dan melatih tingkat kepercayaan Anda agar sesuai dengan apa yang diucapkannya.

- Risiko asimetris dan opsi (optionality): membatasi kerugian, membedakan antara pintu satu arah dan pintu dua arah, serta mengubah hal yang tidak dapat dibalik menjadi bertahap.

- Debiasing: pre-mortem, base rates, red-teaming, dan pengambilan keputusan di awal.

- Protokol yang menjalankan semua itu sebelum keputusan penting diambil.

Sistem otomatis akan terus menjadi lebih baik dalam memberikan rekomendasi dan prakiraan. Tidak ada hal tersebut yang menghilangkan kebutuhan akan seseorang untuk memberikan penilaian yang terkalibrasi, menimbang risiko asimetris, dan bertanggung jawab atas keputusan yang tidak dapat dibatalkan. Orang tersebut adalah profesional. Sekarang Anda memiliki toolkit yang membuat tanggung jawab tersebut menjadi nyata.