Логин:
Пароль:
Регистрация · Восстановление пароля

12 апреля 2012

Эмиль Серван-Шрайбер

В рамках экспертного семинара состоялось выступление доктора философии (Университет Карнеги-Меллон, США), основателя компании Lumеnogic Эмиля Сервана-Шрайбера «Между коллективной мудростью и рыночной неопределенностью».

организаторы Фонд «Контекст» при поддержке Concept Club и Дювернуа Лигал 

Партнер мероприятия: Европейский университет в Санкт-Петербурге. Услуги хостинга и дата-центра для хранения контента предоставляет компания Oyster Telecom; сервис-партнеры лекции: Demetra Art HotelEclectic TranslationsLiterra.  Видеосъемка – Олег Костишин, монтаж – Александр Пушкарев, фото – Наталия Иванова.
 

участники семинара

В семинаре приняли участие: Дмитрий Бабушкин, начальник Отдела инвестиционного моделирования ИК «Элтра»; Сергей Балуев, главный редактор журнала «Город-812»; Петр Бобровский, вице-президент Национального тарного союза; Максим Буев, доктор экономики (Ph.D., Оксфорд), заместитель декана Факультета экономики Европейского университета в Санкт-Петербурге, аналитик Королевского банка Шотландии (Лондон); Полина Гусева, кандидат экономических наук, начальник Управления ценных бумаг банка «Российская финансовая корпорация», председатель совета НПФ «Адекта-Пенсия»; Александр Карпов, кандидат биологических наук, директор Центра экспертиз ЭКОМ, эксперт Комиссии по городскому хозяйству, градостроительству и земельным вопросам Законодательного собрания Санкт-Петербурга; Сергей Лялин, кандидат экономических наук, генеральный директор агентства финансовой информации «Сбондс.ру»; Антон Мухин, основатель, учредитель, совладелец  управляющей компании «Общепит СПб»; Сергей Николаев, основатель, совладелец  «Товарищества чаеторговцев» (сеть чайных бутиков «Унция»); Егор Носков, управляющий партнер компании «Дювернуа Лигал», член Попечительского совета Фонда «Контекст»Михаил Петрович, директор бюро территориальных информационных систем и градостроительного моделирования ЗАО «Петербургский НИПИград»; Валерий Платонов, генеральный директор управляющей компании «Альтер Эго», совладелец консалтингового холдинга «Платонов и партнеры»; Елена Польщина, начальник Отдела подготовки кадров «Газпром трансгаз Санкт-Петербург»; Григорий Тульчинский, доктор философских наук, профессор Санкт-Петербургского филиала Национального исследовательского университета Высшей школы экономики; профессор Факультета свободных искусств и наук Санкт-Петербургского государственного университета; Марина Хаккарайнен, кандидат исторических наук, ассоциированный научный сотрудник Факультета антропологии Европейского университета в Санкт-Петербурге; Леонид Ханик, генеральный директор компании Concept Club, член Попечительского совета Фонда «Контекст»Дмитрий Шевчук, генеральный директор российского представительства шведской компании BUFAB. 
 
видеозапись выступления
 

 
текст выступления
 
Emile Servan-Schreiber: We are here to talk about collective intelligence. Collective intelligence has become a very important word in the last decade, mostly because of the Internet of course, and because we use collective intelligence every day, as we will see. We will look at some principles of collective intelligence, some examples, and then also some detailed business applications so that we know what it can be used for, maybe in what you do.
 
 
First of all, as an example, this is data from the biggest science magazine in the world. They recently published a study about collective intelligence in humans, not in insects and not in some New Age idea, but what actually happens in humans. They looked at groups performing various kinds of tasks that require intelligence, and they looked at their ability to perform this relatively as a group, and then they measured the IQ of the group, just like you measure the IQ of individuals for their ability to solve one problem and then to solve the next problem. So finding number 1 is that groups have an IQ, have intelligence that you can measure just like you can measure intelligence in individual brains.

 
And then the question is, “What makes the group intelligent?” Is it, for example, the average IQ of the intelligence of the people in the room, or is it the smartest people in the room, or is it the average age of the people in the room, or is it the number of women? What do you think? Raise your hand if you think it is reason number 1. Number 2? Number 3? Number 4? It is the number of women in the room [laughter]. Scientific data has proven this. And the question is why? What is it about women that makes the group smart? And it is not that they are women, it is that women in general have a better ability to do some things than men, and one of them is that they are more likely in a group, even when they are very intelligent, to let other people speak; and another reason is social sensibility, which is the ability, when looking at somebody, to understand, to put yourself in their shoes, and understand whether they are happy, sad, interested, or whatever, to understand their facial expression. So obviously if men – some men – have this ability, it is not that they are women or men, it is that you have these abilities. You are not overpowering, for example, you are not super-macho, preventing everybody from speaking and then you will help your group perform as well.

So, as we say when we study the brain or networks of neurons, which is another type of collective intelligence: one neuron is not very intelligent but many neurons together create brains which are very intelligent, and what we say is that knowledge is not in the neurons, it is in the connections between the neurons. It is the same in a group – knowledge is not in the individuals of the group, intelligence is in the connections, the quality of the connections, and the communication between the people in the group.

So what is collective intelligence? I can recommend a very good book. If it has not come out in Russia yet…

Dmitry Shevchuk: Yes, it is available in Russian.

Emile Servan-Schreiber: Okay, so you should read it in Russian if the translation is good enough. In French it is not a good translation. But the idea is that no one person is smarter than everybody. And it’s a very old idea. Aristotle used to say it. Aristotle used a metaphor to explain this, to say that when you invite people for a banquet, for a feast, it is better that everybody brings something rather than having a single cook prepare the food for everyone, because there is more variety and there is more enjoyment in the end for everyone. So why does that happen? Why is it that the group is smarter than the best individual in that group? It is because in a group, everyone brings knowledge and also biases, and when you take everybody in a group then the knowledge that they bring accumulates. You have a piece of knowledge, he has a piece of knowledge, I have a piece of knowledge – it builds up, whereas the biases cancel each other out. The kind of errors that you make are not the same kind of errors that I make or that he makes, and so they all cancel each other out, and all that remains is the truth.
 
Dmitry Shevchuk: This is only if not everybody has the same bias.

Emile Servan-Schreiber: Exactly, and that is why diversity is very important. We will come to that. And so to some examples of collective intelligence that we use every day. There is, obviously, Wikipedia; but Google, if you use it in Russia and I am sure you do, Google intelligence, or the answer on Google comes from all the individual decisions of individual webmasters choosing to link one site to another, and every time you make a link, it is like a vote of confidence saying, “You know, this other site I link to is a good site and when you look for an answer about this topic, this is a good place to look.” So when you aggregate all these individual decisions by individual webmasters, you get Google giving you the best site from all these individual votes.
 
 
The most interesting thing for us is this, which some of you may or may not know: the biggest betting site in the world. It is in England because that is where it is allowed, not in France or the US or Russia. It is like a market and it is what we call a prediction market because people bet about the future and some people bet something will happen, other people bet something else will happen, and it is the intersection between the bets that is the prediction. This is another take on collective intelligence. This quote is from General Patton, whom maybe some of your ancestors met somewhere in Germany, and he used to say, “If everybody thinks alike, somebody is not thinking.” So it comes down to what you said about diversity – diversity is very important. We need to get everyone to speak, otherwise we are losing a piece of intelligence. It also shows that great leaders, like that US Army General, who won a lot of battles in World War II, will appreciate and value collective intelligence, not only authoritarian rule.
 
Here is some data, because until now you have had to believe me, but now I am showing you some data. This shows you that the more people participate in making a prediction, the better the prediction is going to be. This is from sports betting – predicting who will win the next football game. So what it is plotting is the size of the group, the number of individuals making the prediction together, and then we take the average prediction and here the accuracy of the prediction. And what it shows is that the more people participate, the better the accuracy of the prediction. This is the performance of one person. It is not good, it is negative. It is worse than chance. So you look at the performance of 2,000 individuals, you take the average, it is negative.
 
Dmitry Shevchuk: But what is the difference between the group and the individual?
 
Emile Servan-Schreiber: Because here you are looking at the prediction of everybody together, rather than looking at…
 
Dmitry Shevchuk: But is the group communicating somehow, or?..
 
Emile Servan-Schreiber: No, we are just taking the average of the predictions for the group. So, for example, you say there is an 80% chance that Russia wins the game tonight against Italy. I say there is a 60% chance so my prediction is 60, yours is 80, the average will be 70. Okay?
 
Dmitry Shevchuk: But these are individual forecasts, and when you are talking about group forecasts, what is the difference?
 
Emile Servan-Schreiber: Well, the difference is when we take the average of all the predictions together, it becomes a group forecast.
 
Dmitry Shevchuk: But what he is asking you is that if you take all the 2,231 forecasts, and then you just average out, you get the same number, you get back one, as you said, because the average is individual, it is not any particular one.
 
Emile Servan-Schreiber: No, because in Russia there might be a great variety, for example, in the scoring of predictions by individuals. This is a scoring system where you can lose points if you are very confident in a prediction that is wrong, and the more confident you are in a prediction that is wrong, the more points you will lose. So some people will take a lot of risks and win and lose a lot of points, for example. Other people will take small risks and win only a few points. We can go into the details afterwards.
 
Dmitry Shevchuk: So you average differences…
 
Emile Servan-Schreiber: Yes. So, basically, what this shows you is that one person alone will not make very good predictions; two persons will make better predictions but still not very good ones, three people will already be making predictions that are better than chance and then you can take 10 people and it is much better. If you take 2,000 people, it is much better, but also the increase in accuracy that you get, becomes smaller and smaller as you have more people. So you can visualize this again in this way: you plot the diversity of opinions and you plot the average expertise, and both are equally important to achieve accuracy in a prediction or the performance of the group: if you have, for example, one expert here, a lot of expertise, and very little diversity, or you have a crowd, which is a lot of diversity, but very little expertise on average. But you can get a better performance with a large crowd of people who are amateurs than you get from a single expert, for example.
 
 
For example, in the American justice system, very often you have punitive damages and awards – maybe you saw that on TV – some people will win $2 million for their pain and suffering because they fell at McDonald’s. So lawyers will have to predict the size of the awards that might be given in court to their clients or against their clients. So, the point I am making is that the data is that when just one lawyer, a very professional lawyer with 30 years’ experience, is trying to predict the outcome of a jury trial, he will not be as good as 15 lawsuits. He will be better than 10 lawsuits but he will be worse than 15.
 
So, here’s the formula, the recipe, for making a group smart rather than stupid, because we know there are stupid groups as well and we know how to make that happen: we just put a lot of people in a room, and we ask them questions, and they are very shy about expressing themselves, and they will follow the person who is the more assertive and charismatic, whether they have to go over a cliff, or become Nazis, or whatever it may be.

So the recipe has four ingredients: one is you need a great diversity of opinions, and every opinion needs to be on the table; the second ingredient is decentralized input, meaning you seek information from the bottom up, where it is close to the ground, with specialized knowledge, you do not try to impose information from the top; the third ingredient is you make sure that all thinking is independent, meaning that my opinion does not influence your opinion, or yours because I speak louder, or because I speak first, which would obviously bias you, so everybody needs to think independently, and only then can we compare opinions; and the fourth and final ingredient is that you need some way to aggregate everything, make it come together into a consensus, in a way that is objective, so it is not like somebody chooses to interpret the consensus, there is a mathematical way to aggregate all that information. And if you do that – there are many different ways of aggregating the information – you will get a smart decision, smarter than by any other kind of method you can use.
 
These are examples of companies which are using this kind of approach, collective intelligence, to improve their business performance. These are not small companies. They are big, multinational companies where there is a lot of intelligence that is not being exploited because it is in the hierarchy of people, who are not always decision-making people. What they are trying to do with the collective intelligence approach is to make all this latent intelligence that is inside the company come out into the open so they can use it to make better decisions.
 
And now we will see some examples of what they use it for and how. The first type of application is making predictions about the future – forecasting. And what that means is that you collect and aggregate all the insights and ideas, and that is, for example, of the people who are close to the client. You may not know this person, Sam Walton, the creator of Wal-Mart, the biggest department store in the world. What he says here, I don’t know if everyone can read it, but essentially it says: “The only people who know what is going on are the people who are close to the customer, the salespeople inside Wal-Mart, at the cash register – they know what is selling and I, as the manager of Wal-Mart, I have a smaller idea of what is going on than they do.” And this is another quote from an actual client, Arcelor Mittal, which is, I think, the biggest manufacturer of steel in the world, which is using this for forecasting and saying that, “the predictions are variable when defining commercial policy”, so they find it useful in order to know how much steel they will be able to sell and at what price, for example. There was a historic experiment in 1999 from HP, the computer and printer manufacturer, they decided as an experiment to give all the salespeople who were selling printers $50 each to bet against each other about how many printers they would be able to sell next week or next month. What they found was that the forecast from the betting among the salespeople was much better than the official company forecast. So this has encouraged companies and people like me to start companies to sell this kind of system to large companies to make better predictions. Here is another example, because it works every time. This is the market we created to predict whether Boeing would be able to create the 787 plane and actually fly it before a certain date, the official date, in 2009. So the way it works – it is called the prediction market – is that you create a stock and you say this stock is going to be worth either zero if the plane does not fly by this date or $1 if the plane does fly on that date. So either it happens or it does not. So, in the meantime, when we do not know the result, the people who are going to buy or sell this stock are going to make the price and the price is going to be the prediction.
 
 
And so what you see here is trading for about three months, and you have here the 50% line: if it is below this line, it means the prediction will not happen, if it is above this line, it means the prediction will happen. You can see that people were predicting most of the time that it would not happen and it is interesting to superimpose Boeing’s official pronouncements on the traders’ opinion. So what we see here is that on this date here, when the traders were thinking that there was a small, very low probability that the plane would fly on time, Boeing was issuing press releases saying, “We confirm that we will meet the June deadline.” Some people believed it, and then very quickly other people said, “Uh-uh.” And so it stayed below the line and then Boeing’s CEO, the President of Boeing, says, “Yes, I think the plane will fly on time, don’t worry” and nobody believes it. And then finally, just before the deadline, Boeing announces that there will be six months’ delay. So what it shows you is not only that you cannot trust big business press releases, or CEOs speaking officially to the markets, not only that; but they may not even know what is going on inside their companies. If you want to know what is really going on inside a company, it is better to ask other people, even if they are not inside Boeing, but if they are interested in the company. It is better to ask them, like this, than it is to listen to the President or read The Wall Street Journal.
 
This is another example. This is being used inside Google to make predictions about hundreds of interesting business events inside the company, for example, focusing on whether the new development of Gmail is going to be on time. And what this graph shows is it plots the price of the stock against the percentage probability that the event will actually happen. And what this shows is that if the stock is priced at, let us say 70%, then there is actually a 70% chance that the event will happen; if it is priced at 30%, there is about a 30% chance that the event will happen. There is coalescence between the prediction and the results. But to be honest, the best way to make a prediction is not to only take collective intelligence but to combine it with other methods, maybe more mathematical methods, looking at what happened in the past and projecting into the future and the best way to get the best results is to combine the two. For example, these are sales predictions for a company selling herbicides to farmers. What you see here is the probability distribution that the sales will be this or that. This is the actual result in yellow. This is the collective prediction – so we see there’s a big difference – and this is the official prediction of the company, and again there is a big error. But if you take the average of the two, the biases of each pattern will cancel one another out and you will get something very close to the outcome. In this case, the collective prediction was almost exactly the result, but that’s not the point. The point is that if you average out the collective and the classic, you will get a better prediction than you have from just looking at the classic.
 
Now the other kind of application is innovation, meaning asking everyone to contribute ideas and then asking everyone to evaluate these ideas together by betting on the best ideas in order to make the best ideas emerge faster. So, just to give you an example from the US Air Force: the US Air Force has thousands of young engineers and scientists, and usually these people are not asked to generate new ideas, they are just asked to work on the projects they are given. So they ran a contest where they asked all these young engineers, who were just starting, to generate ideas to improve some US Air Force products – planes and bombs, that sort of thing. The result was that, for example, they were able to multiply by 10 the distance at which a drone, a robot plane, could detect a sign of life because drones will fly and either look for terrorists from very far away or for signs of life. It turned out easier for them to look for terrorists from 10 miles away, or to look for a survivor of a plane that went down. Ten times is huge. It can also be used, for example, by Intercontinental Hotels to improve the quality of your stay at the hotels, which is not so bad. It does not have to be.
 
This was from The Wall Street Journal in October last year. They had a study of innovative companies and what they found is that the companies that are most innovative are not the ones that are spending the most money on R&D, on research and development; they are the ones which involve the most people in the innovation process. You can use that not only to improve products, you can use it to generate new strategies for the company, if the company is not doing well, and you want to change strategy. It could be attacking new markets etc. So the innovation is not only in the products, it is also in the process or in strategy. And the most interesting benefit you get from the process is not necessarily to have the best ideas come out, but because everybody was able to participate and the process was transparent, you get what we call alignment or buy-in, which means everybody is aligned behind the results, and, as a manager, it enables you to actually act on the idea rather than face resistance.
 
 
This is just to show you the process, and we will finish on that, so it becomes concrete for you. So the 3-step process: the first step is that you ask everyone to propose ideas; the second step is you give everyone, for example, tokens or poker chips, something to invest, so they can invest in the ideas they like, they can invest against the ideas they don’t like, and then, if the ideas you bet on come out on top, you will win something with the ideas you bet on. If you bet against and the result goes below, then you will again win something as well. So this would very quickly give you a ranking of the ideas from the ones that are preferred by everyone to the ones that are disliked by everyone. And then you can take the most popular ideas, let us say 10 per cent of the most popular ideas, and you run them through a final check, which this time looks at both whether it is feasible, and at how much impact it would have if it were executed. And you just click for every idea on whether it is feasible and how much impact it has. So you will have two kinds of ideas you are interested in: those that are high impact but do not look very feasible and these would be ideas that perhaps are hard to do, but if you are successful doing it, the payoff is huge. And then you have other kinds of ideas you are interested in, which are the ones that are very easy to do, very feasible. Maybe they do not have so much impact but they are so easy to do, why not do them?
 
So very quickly, this process will give you the top 2% of the best thinking of everyone in your organization, and because it is on the Internet, it is not disruptive, you do not have to run meetings which for more than three people becomes very difficult, everybody can participate when they want, when they can, and so it is a great way to involve people from all over the world. For example, we are running something like this today for multinationals across 10 countries in five different languages.
 
And finally, not only do you get good ideas from this, but you also get what we call an x-ray of your organization, because every bet from everyone is recorded, and then you can look at where there is resistance to an idea and where everybody is aligned behind an idea. So you can spot, as a decision-maker or manager, where difficulties will be, for example, maybe salespeople are not going to like it, whereas everybody else in the organization does, so you need to know that because otherwise, if you do something, and part of the organization does not follow, it will not happen. If you are interested in what it looks like in detail, then come to me now that we are finished. Thank you.
 

видеозапись дискуссии

дискуссия
 
Оксана Жиронкина: В программке сформулированы вопросы, по поводу которых, когда мы обсуждали это мероприятие, мы не смогли найти консенсуса даже друг с другом. По большому счету, это вопросы дискуссионные, и может быть, мы с этого и начнем. Я не знаю, если попробовать сделать блиц, смогут эксперты сразу четко сформулировать свое мнение по этому поводу. Собственно, самый первый вопрос: рынок прогнозов – это что? Это какая-то рулетка, какая-то информированность, которая исходит из того, что в обсуждении участвует энное количество людей, которые имеют доступ к энному количеству информации, или это общественный договор, какое-то программирование будущего, а не его прогнозирование?
 
 
Александр Карпов: Это технология извлечения информации из голов людей и, как правильно было сказано, связей между ними. Это технология.
 
Полина Гусева: На мой взгляд, это какое-то информационное поле, которое, безусловно, определяется интеллектом, но оно витает где-то и достаточно эфемерно.
 
Сергей Лялин: Если честно, я не до конца понял вопрос. Я думаю, нужно разграничивать разные вещи. Одно дело, если мы говорим про рынок прогнозов внутри компании, как способ рейтингования идей, инноваций и т.д. Это один уровень. Второй уровень – это уровень политических прогнозов, то, что в частности делает Iowa Electronic Markets, когда это прогнозы на то, кто станет президентом США, вторгнется ли США в Иран и т.д. Тут действительно, наверное, может быть другая подоплека, когда это уже не просто прогноз, а вброс информации. Мне кажется, что это немножко другой уровень, который не был темой сегодняшней лекции, и в принципе представляет, скорее, теоретический интерес.
 
Полина Гусева: Извините, да, я хотела, чтобы уточнили, потому что мы о разных рынках говорим. Я говорила об одном, когда заговорил коллега, я поняла, что мы вообще о разном говорим.
 
Максим Буев: Я скажу, что я полностью согласен с Александром, по поводу того, что это технология. Я приведу такой пример. Это философский вопрос, что такое вероятность. В математической теории существуют два подхода. Первый: вероятность – это то, что мы смотрим в прошлое, смотрим на частоту события. Путин набрал 63% голосов – это значит, что 63% населения России поддерживает Путина. Это прошлая вероятность, она уже всем известна. Другая вероятность – это то, что у нас сидит в голове, что мы думаем, с какой вероятность это произойдет в будущем. Этот подход называется субъективным, в математике называется Байесовская вероятность. И вопрос в том, и до сих пор идут споры в математике, экономике: как связать классическую статистическую вероятность, с помощью которой мы смотрим в прошлое, с Байесовской вероятностью, с помощью которой мы смотрим в будущее. И рынки прогнозов претендуют на то, чтобы предоставить технологию связи построения прогноза Байесовской вероятности с классической. Я облек это в научные слова, но это сущность того, что происходит, – связь двух философский концепций.
 
Дмитрий Шевчук: Я не очень хорошо понимаю, что такое общественный договор, и как он связан с рынками прогнозов. Я, наверное, соглашусь с Александром, потому что это, действительно, инструмент. Может быть, это один из самых эффективных инструментов. Но я уверен, что есть ситуации, когда эти прогнозы были далеки от реальности. В общем, достаточно много экспериментов в экономической науке с различными играми в трейдинг, когда люди накручивают друг друга и уходили от реальности, смотря на этот рынок и усиливая его уход от реальности, но инструмент, действительно, наверное лучший из того, что сегодня есть.
 
Оксана Жиронкина: Может быть, эти люди просто договорились друг с другом – им удобнее выразить такое мнение. Это их договоренность, и никакого прогнозирования, они просто определили сами…
 
Дмитрий Шевчук: То есть, сотни тысяч человек, которые делают какие-то прогнозы, взяли где-то договорились?
 
Оксана Жиронкина: В компании, например, это же возможно?
 
Дмитрий Шевчук: Если вы опросите десять человек в одном отделе, которые сидят в одной комнате, все время общаются, то, конечно, это возможно.
 
Александр Карпов: Мнения разделились, как это принято говорить. Какая-то часть нас, сидящих здесь, считает, что можно договориться по поводу будущего, и будущее наступит таким, как мы договорились. Завидую этим людям, особенно если они работают на рынке ценных бумаг. Дело в том, что технология работает даже в отношении тех прогнозов или экспертных оценок, которые не зависят от нашей договоренности. Если бы мы, сидящие здесь, в этой комнате, захотели бы провести эксперимент и коллективным разумом определить температуру в этой комнате, то мы бы получили достаточно точную оценку, соблюдая все необходимые правила. Но температура может быть измерена градусником, независимо, я надеюсь.
 
Оксана Жиронкина: Александр, а знаете, сейчас появилось такое понятие как «комфорт»: на градуснике -3, а комфорт температурный +2.
 
Александр Карпов: Если бы мы пытались этим методом определить не комфортную температуру, а истинную температуру (ее можно даже в кельвинах попробовать задать, только надо людей познакомить со шкалой сначала), то нам бы это удалось. Таким образом, можно определять параметры, на которые наши договоренности никак не влияют. Это медицинский факт.
 
Полина Гусева: Все-таки хочется уточнить, на какой вопрос мы отвечаем, потому что поговорить вообще – русского человека хлебом не корми. Мы о чем говорим? Что такое рынок прогнозов? Рынок – это рынок, прогнозы – это прогнозы. Рынок прогнозов существует. Если мы отвечаем на этот вопрос – он существует. Если мы сейчас говорим, о том, что собой являет психология толпы, ведь есть же такое выражение. Я вам скажу так. Находясь на очень материальном рынке, где психология толпы имеет совершенно реально выражение в цифрах и в принципе в толщине дальнейшего кармана, я могу сказать: она существует. Почему я заговорила об информационных полях? Потому что эту загадку не отгадать – когда толпы людей начинают почему-то думать одинаково. Я привязываюсь к своей специальности, про которую говорят так: это самый законный способ стать либо бедным, либо очень богатым, потому что не надо торговать ни наркотиками, ни оружием. Достаточно знать точку входа и точку выхода, то есть где купить и как продать. Огромные деньги вращаются на нашем рынке, и можно стать богатым. Представьте себе, насколько же велика для нас роль рынка прогнозов. Если бы был прям рынок прогнозов и полное совпадение с тем, что будет, тогда все однозначно были бы супербогатыми людьми. Я иногда вижу на графиках по рынку ценных бумаг во время движения, которое называют трендами (восходящие тренды, нисходящие тренды – это сейчас знают все), некие хвосты – если посмотреть, на графике такие длинные хвосты. Эти хвосты и есть психология толпы, потому что на нашем рынке, кроме понимания, две страсти – это страх и жадность. И люди с ними справляются по-разному. Но есть две страсти. Конечно, на все накладывает свою результирующую рынок прогнозов, но то, что есть общая психология, которая диктует эти две страсти, – это правда. Поэтому я признаю психологию толпы, которая либо затаптывает, либо поднимает. Это правда, и это имеет материальное выражение на нашем рынке.
 
 
Сергей Лялин: Продолжая тему, которую подняла Полина, фондовый рынок, рынок ценных бумаг – идеальная иллюстрация к теме коллективного мышления. И она, действительно, неплохая хотя бы потому, что практически во всех западных корпорациях так или иначе мотивация топ-менеджеров привязана к капитализации компании. Это лучшийиндикатор того, что они считают коллективное мнение какого-то абстрактного рынка, состоящего из сотен тысяч миллионов инвесторов, дает самую объективную оценку того, работает компания хорошо или плохо. Условно говоря, у компании выручка расчет, прибыль растет, но рынку компания не нравится, капитализация падает, значит, топ-менеджерам за это будет плохо. То есть, это просто хорошая иллюстрация к тому, что все эти концепции, просто сейчас они, может быть, обрели новое звучание и стали модной темой, не совсем новые. С другой стороны, опять-таки соглашусь с Полиной, есть очень много оговорок, когда мудрость толпы и коллективное решение эффективны. Они эффективны при целом ряде условий – независимости, diversity, отсутствии лидеров мнений и т.д. Фондовый рынок – прекрасная иллюстрация к тому, что это иногда нарушается, возникают пузыри, когда компания, которая ничего не стоит, может стоить миллиарды долларов, хотя она – банкрот и т.д. Как и любая концепция она сама по себе хороша, интересна и может работать, но имеет свои ограничения, свои недостатки, о которых, видимо, тоже нужно помнить.
 
Сергей Николаев: А можно вопрос? Не могли бы вы на ваш взгляд – лектора и экспертов – дать ограничения этого метода? Где этот метод плохо работает, на ваш взгляд? Всякие методы работают, но имеют ограничения. Где он работает плохо?
 
Полина Гусева: Метод какой?
 
Сергей Николаев: Рынок прогнозов, метод коллективного разума.
 
Сергей Лялин: Мое личное мнение такое. Александр привел правильный пример, если сейчас мы измерим среднюю температуру в комнате – можем интереса ради провести эксперимент – мы получим оценку, которая будет очень-очень близка к тому, что будет.
 
Катя Розеноер: Но это не имеет отношения к прогнозам.
 
Сергей Лялин: Почему? Если мы будем оценивать параметр, о котором мы, здесь присутствующие, не имеем практически никакого понятия, о котором мы ничего не знаем, то мы получим какой-то результат, который будет пальцем в небо, и он будет абсолютно ни о чем. Наверное, для того чтобы это работало, у людей должна быть какая-то осведомленность о предмете.
 
Максим БуевКудрин будет следующим президентом, скажем, – можно создать такой рынок. Мы создаем и определяем контракт, и эти контракты начинают торговаться, и из цен этих контрактов мы вытягиваем вероятности. Что такое производная ценная бумага, я думаю, вы все слышали. Работа банков на Западе, чтобы определить цену этой производной ценной бумаги, ведь ее цену никто не знает, цена производной ценной бумаги определяется случаем. Появляется случай перевести вероятности в деньги. Что в этом случае нужно сделать аналитику? Пытаться выявить вероятностное распределение из цен подобных контрактов на рынке. Что Эмиль пытается нам сказать? Что можно такие рынки создать не только для контрактов денежных, акций, на уровне инфляции. Такие рынки можно создать для чего угодно. Но, как правильно говорил Сергей, если мы посмотрим на биржевой рынок, рынок ценных бумаг, естественно, есть моменты, когда рынок не эффективен, возникают пузыри. Что предлагает Эмиль, его технология? Что можно создать такой рынок, так определить правила, что пузырей не будет. Таким образом, мы сможем из цен на том рынке вытянуть вероятностное распределение какого-то события. Грубо говоря, пойдет ли завтра где-то там дождь, и мы сможем собрать большой урожай. Соответственно трейдеры в другом месте будут назначать определенную цену на пшеницу из Зимбабве, допустим.
 
Сергей Николаев: Это ко всем вопрос – где можно применить этот метод?
 
Оксана Жиронкина: Коллеги, Сергей Николаев задал вопрос: какие есть ограничения? Давайте на него ответим.
 
Александр Карпов: Самое главное ограничение – событие, по поводу которого строится прогноз, должно быть точно определимо. Все примеры, про которые шла речь, обладают этой характеристикой. Полетит самолет на конкретную дату? Не полетит ли он вообще, а полетит ли он в конкретную дату? Это очень точно определяемое событие. Выборы президента – все, о чем здесь шла речь, удовлетворяет этому условию. Второе связано с этим. Было сказано, что люди должны иметь хоть какое-то представление – это очень смутно. Выясняется, что люди могут не иметь никакого представления, но, если речь идет именно о четко определимом явлении, все это равно работает. И следующее – то, что люди должны быть независимы, должны иметь какой-то доступ к источникам информации, должен быть правильный способ агрегирования индивидуальных решений в общее. Собственно говоря, и все.
 
Сергей Николаев: Я думаю, что вы сужаете.
 
Оксана Жиронкина: Еще есть мнения у экспертов по поводу ограничений? Где не работает?
 
Дмитрий Шевчук: Мне кажется, достаточно обратится к тому, что мы видели на слайде – Diversity of Opinions – это логично, конечно, но когда начинают видеть котировки, то, если они подвержены влиянию толпы, то это уже не Diversity of Opinions, люди начинают следовать за ростом.
 
Сергей Николаев: Это издержки. Можно стремится делать таким образом, чтобы не было влияния. Есть события, где хорошо работает, где плохо.
 
Дмитрий Шевчук: Я бы сказал, что таких условий очень сложно достичь. Мне кажется, это очень сложно.
 
Оксана Жиронкина: Где этот метод работает плохо?
 
 
Emile Servan-Schreiber: I shall say a few words. In every domain the limit is the knowledge aggregator, and if there is nothing to aggregate, you end up aggregating nothing. If you invite people to bet on something they know nothing about, it will fail. We were talking about this with Maxim, for example. There is no point trying to predict the next Nobel prize winner or the next Pope, since these decisions are made in secret by a small circle of people in a closed room. That is the only thing I know. Because nothing is known outside the room where the decision is being made. So, unless you invite other people to the room in order to make a prediction, then the situation will remain whereby nobody on the outside knows anything about what is going on. The final point I would like to make is that this is not the perfect method. We are not claiming objective accuracy. We are claiming relative accuracy, which is better than anything else. In addition, some predictions are a lot more difficult than others, such as attempting to predict sales of herbicides six months in advance, which, after all, depends on the weather. 
 
Оксана Жиронкина: Спасибо, ответили на ваш вопрос, Сергей?
 
 
Оксана Жиронкина: Я все-таки хочу вернуться – я так понимаю, вопрос про то, что такое рынок прогнозов. Хотя Александр и сказал, что мнения разделились, но все-таки они оцениваются более или менее однозначно, то есть никто не считает, что это может быть какое-то программирование. Какие машины будут более востребованы через пять лет красные или зеленые? Все проголосовали за красные, 80%, бац, и правда – красные. Это не может быть программированием, скажите, пожалуйста.
 
Дмитрий Шевчук: Это опять-таки касается только ситуации, на которую люди сами могут повлиять. На погоду они не могут повлиять, как бы они ни проголосовали. Что касается моды, то это классические пузыри.
 
Оксана Жиронкина: Тогда это тоже какое-то ограничение?..
 
Дмитрий Шевчук: Я и начинал говорить о том, что, если люди, их мнение зависит друг от друга, если они свое мнение складывают из того, что они видят и слышат вокруг, видят, что на рынке растет эти акции, значит, все думают, наверное, что она будет дорожать, и я тоже куплю, тогда нарушается условие независимости линии. Они начинают зависеть, коррелировать и все – метод бесполезен. Разве что, вы получите в какой-то момент, что она будет расти, но потом этот пузырь лопнет. То есть, рынок перестает показывать реальную ситуацию. Коллективно люди уходят от реальности. Если говорить о моде, то, что здесь реальность, мода и есть реальность.
 
Александр Карпов: На самом деле Оксана сформулировала интересный с теоретической точки зрения вопрос. И теоретический ответ на него примерно такой. Если вынести на рынок прогнозов вопрос о том, как вы думаете, что вы будете думать через полгода, то в этой ситуации рынок прогнозов точно не будет надежным инструментом.
 
Полина Гусева: Знаете, мне хочется все-таки привязать к теме – мы говорили о коллективном разуме. Мы признаем, что рынок прогнозов существует. Конечно, прогнозы более точные, чем большее количество осведомленных экспертов строят этот рынок. Главный вопрос: наличие коллективного разума и процессы влияния на коллективный разум, в том числе и рынков прогнозов. Вообще эта связь, наверное, самая важная. Мне бы хотелось сказать о следующем. Как только мы признаем, что есть коллективный разум (назовем это психологией толпы или даже движением), сразу возникает желание им манипулировать, управлять. Если я правильно поняла вопрос – можно ли этим программировать? Этим можно манипулировать. Чтоб постоянно не скатываться к рынку – заговорили о политике. Безусловно, на нас с вами рынок прогнозов влиял. Проанализируйте каждый влияние рынка прогнозов на принятие вами собственного решения. Ну, однозначно влияет – если мы обсуждаем тему наличия коллективного разума и связи его с рынками прогнозов.
 
Александр Карпов: Речь идет о такой ситуации, где люди не просто высказывают какое-то мнение, а где они будут вознаграждены за высказывание правильного мнения и будут финансово наказаны за высказывание неправильного.
 
Полина Гусева: Не мнение, а принятие решения.
 
Александр Карпов: Нет, мнения, за мнения.
 
Полина Гусева: За мнение можно наказывать?
 
Александр Карпов: За мнение – если ты высказал неправильное мнение, купил неправильный…
 
Полина Гусева: А это уже решение, извините, что я перебиваю.
 
Александр Карпов: Хорошо, не мнение, оценка. За неправильную оценку ты лишишься своего доллара. А высказал правильную оценку – получаешь свой доллар. Если какая-то неумная сволочь попытается манипулировать моим выбором в этой ситуации, я за свой доллар просто пасть порву. Это же очень важные вещи. Я уже коллегам в перерыве рассказывал, когда я проводил такие эксперименты на студентах (на ком еще проводить эксперименты), самым важным было наличие очень жесткой мотивации. Если студенты в качестве вознаграждения получают баллы к зачету, то прогноз очень точный. А если за шоколадку, то не очень точный, то есть, зависит. И это важнейший элемент технологии, что человек должен быть вознагражден. И здесь мы опять возвращаемся к возможности точного и объективного определения наступления события, по результату которого выплачивается вознаграждение или, соответственно, снимается. Это и есть важнейший элемент технологии, и это очень большая сложность применения этой технологии, потому что нужно четко формулировать событие, потому что в конце концов тот человек, который не получил свой доллар, и считает, что должен получить, может подать в суд на организатора.
 
 
Дмитрий Бабушкин: Учитывался ли при принятии решения уровень стресса, в котором находится люди в момент опроса? Поставить $1 – это один случай, а ставить $10 тыс – это другой случай. Я буду стараться динамически изменить свое мнение в зависимости от того, куда будет идти вероятность, смотря что происходит на рынке.
 
Максим Буев: Как на практике это работает с теми же самыми опционами. То, о чем вы говорите, это неприятие риска. И если мы ставим $10 тыс, а не $1, то это влияет на результат, на то, насколько мы будем правильно делать ставки. В математике в теории считается, что идеальная цена опциона получается тогда, когда нам все безразлично, у нас линейный риск, у нас нет неприятия риска. Это неправильно. Сейчас кризис показал, что цены, определяемые по такой методологии, неправильные. Я так понимаю, что претензия к технологии, о которой говорил Эмиль, заключается в том, что элемент неприятия риска пропадает. Я не знаю, как это происходит – он лучше ответит. То, о чем вы говорите, элемент стресса – оттуда уходит. 
 
Дмитрий Бабушкин: Опционы – это право что-то купить или что-то продать по определенной цене, по которой покупатель платит, а продавец получает деньги, то есть понятие максимальной точки и максимальной выплаты. Соответственно это наиболее вероятностная зона, где рынок остановится, например, через месяц. Было бы логичней – коллективным разумом определяем точку и создаем максимальную выплату. Но точка постоянно двигается вслед за рынком, соответственно, вероятность закрытия рынка меняется в массовом сознании динамично.
 
Александр Карпов: Тут методологическая ошибка. Сам фондовый рынок и рынок опционов в том числе уже является машиной прогноза. И поэтому пытаться перехитрить одну машину прогнозов другой машиной прогнозов – есть какая-то теорема в кибернетике, но это просто невозможно. По поводу обычных рынков есть хорошие исследования, относительно хорошие, я не знаю, хорошие решения. Хорошим решением является – специалисты знают – конечно, индексные паевые фонды. Основатель первого индексного фонда (не помню его фамилию) «Авангард» занимался долгое время тем, что исследовал эффективность действия брокеров на рынках, и пришел к замечательному выводу о том, что 90% профессиональных игроков рынка не дотягивают до эффективности самого рынка. Он пришел к выводу, что лучше просто купить определенный пакет акций и не дергаться – не продавать, не покупать, держать, и держать в определенной пропорции. На этой простой идее, которая выросла из осознания того, что рынок является прогнозной машиной, вышел какой-то многомиллиардный фонд (он является вторым или каким-то еще). Смешная история по этому поводу описана в журнале «Финанс». Это история про фонд обезьянки Лукерии. Все читали? Когда у нас в 2008 году был кризис, журнал «Финанс» решил развлечь публику, они пошли в уголок Дурова, выбрали обезьянку Лукерию, а обезьянка Лукерия выбрала для них набор акций с рынка (она кубики выбирала- некоторые погрызла, некоторые нет). На основании этого по заранее определенным правилам был сформирован инвестиционный портфель обезьянки Лукерии. Вы можете прочитать в журнале «Финанс» (и у нас в блоге эта история описана), что на протяжении двух лет фонд обезьянки Лукерии регулярно бил почти всех профессионалов российского фондового рынка.
 
Оксана Жиронкина: Александр, вы вернулись к первому вопросу. Рынок прогнозов – это рулетка, информированность или общественный договор? Хочу сейчас передать слово Петру Бобровскому – он давно тянет руку.
 
Петр Бобровский: Я хотел бы еще у лектора поинтересоваться, расширить несколько вопросов. Насколько я знаю, в статистике очищают данные от сезонности – сезонные данные искажают статистику. В вашем методе это есть? Соотносите ли вы те данные, которые получаются посредством коллективного разума с неким постоянным эталоном. Скажем, в июне 2008 года считалось, что баррель нефти дойдет до $200, а какое-то количество человек говорили: «Нет, есть какие-то объективные вещи, которым нельзя противостоять». То есть, соотносится ли все это с какой-то такой объективной реальностью, что небо не желтое? Если у нас сейчас в аудитории останется два человека, которые будут говорить, что небо не желтое, а все остальные будут говорить, что небо желтое, то оно от этого желтым не станет. Еще раз вопрос: соотносите ли вы данные коллективного разума с объективной реальностью, с которой в данном случае можно сравнить, когда оценивается та или иная ситуация?
 
Emile Servan-Schreiber: We do not look at stress levels, people. However, we know that when there is something at stake, whether it is money or reputation, the brain will work differently. Some parts of the brain will become activated or deactivated, because there is some risk or reward in a particular situation. This is why it is very important to distinguish the situation in which you are making a bet from a situation in which you are just making a prediction, where there is more risk than reward. Typically, experts who appear on TV shows are not making a bet, they are just making a prediction for entertainment or ideology. There have been a lot of studies about experts, especially in the field of political science – political predictions – looking at views on what was going to happen in Russia in the 1980s. The experts are consistently wrong. The one interesting piece of data that came out of these studies though, is that there two kinds of experts: one kind is particularly driven by ideology – for example, a very conservative political expert in America may predict that Russia will remain communist forever, because he has a political agenda, so he is not thinking clearly. The other kind of expert is more open to all kinds of inputs. This category of experts is less influenced by ideology, and usually ends up making better predictions.
 
 
Петр Бобровский: Делаете ли вы поправку на то, о чем вы сейчас сказали?
 
Emile Servan-Schreiber: Experts who are open to several values, ideas, and ideologies, instead of just one, are acting as collective intelligence systems themselves.
 
Оксана Жиронкина: Учитывайте то, что опрашиваются не эксперты, опрашиваются разные люди. По поводу экспертов – у нас эксперт Александр Карпов, как всегда, поскольку у него была такая замечательная лекция.
 
Андрей Суриков (начальник Аналитического управления, заместитель директора Департамента операций на финансовых рынках, «Банк "Санкт-Петербург"»): У меня важная ремарка по поводу финансовых рынков. То, что говорили по поводу прогнозов – там не соблюдается одно очень важное условие. Те люди, которые попадают в групп, не гасят ошибки друг друга. В этом проблема. Если вы посмотрите, среднее – это будет текущее значение рынка. То есть, люди очень много говорят по рынку, и, я думаю, информация настолько сложна, то есть сложнее даже, чем прогноз погоды, и рынки так быстро движутся, что очень сложно. Во-первых, никто не собирает экспертов. Механизмы, которые я вижу сейчас, уже недостаточны, чтобы эксперты чистили ошибки друг друга. Я нигде не видел этого, я имею определенное отношение к этому. Возможно, проблема в том, чтобы успевать чистить ошибки друг друга, потому что рынки очень быстро меняются.
 
Полина Гусева: Вы себя проанализируйте. Вы сами, когда слушали это прогноз, гасите вы эти ошибки или нет в своем сознании. Действительно, не создан механизм. Собираются эксперты, разные компании, банки. То, что мы видим с экранов телевизоров – да, они иногда говорят противоположные вещи. Решение принимаете вы, прослушав кучу прогнозов. Вопрос к вам. Я, например, иногда действую от обратного, я все время ставлю эксперименты над собой, как эта Лукерия, все время анализирую свои чувства, как я действую в зависимости от того, что я слушаю, анализирую, суммирую и что чем гашу. Вы это проанализируйте.
 
Андрей Суриков: Я – инвестиционный аналитик.
 
Полина Гусева: Это видно по лицу.
 
Андрей Суриков: Я вижу прогнозы. Работа инвестиционного аналитика заключается в том, чтобы выдать прогнозы. Я как аналитик понимаю, где не дочищены прогнозы.
 
Полина Гусева: Как вы поступаете?
 
Андрей Суриков: Я много времени могу находиться вне рынка.
 
Полина Гусева: Как трейдер, как аналитик или как кто?
 
Андрей Суриков: Я тоже имею свою позицию, скажем так.
 
Полина Гусева: Как трейдер вы можете находиться вне позиции, но как аналитик и как человек, работающий в банке, вы обязаны иметь мнение, которое вы анонсируете.
 
Андрей Суриков: Естественно. Я и говорю, что для себя я принимаю позицию, исходя из того, с какой степенью дочищена.
 
Александр Карпов: Коллеги, мы сейчас слышим реплики будущего безработного, поэтому они, конечно, ангажированы.
 
Полина Гусева: Кто ангажирован?
 
Александр Карпов: Финансовые аналитики.
 
Полина Гусева: Это люди никогда не останутся без работы – полная уверенность.
 
Александр Карпов: Мы сейчас можем запутаться окончательно.
 
Катя Розеноер: Мы уже запутались.
 
Александр Карпов: Да, уже запутались. Рынок прогнозов – это инструмент, это механизм, который работает за счет того, что люди либо спорят на деньги, либо покупают какие-то опционы за деньги, либо вместо денег в качестве вознаграждения используется репутация. Так или иначе, люди мотивированы дать хороший прогноз тем, что они будут вознаграждены за правильный ответ, правильный прогноз. Ситуация с аналитикой финансового рынка совершенно другая. Финансовым аналитикам платят за уверенность, которую они излучают.
 
 
Андрей Суриков: Я сам делаю ставки.
 
Александр Карпов: Нет, подождите секундочку, это совсем другое. Эксперту, когда он используется в качестве эксперта, платят за умный вид и уверенность, за звание, за степень, за то, что всякими его регалиями можно подтвердить заранее предопределенную позицию начальства, например. Это способ использования экспертов. И это совсем другой способ вознаграждения. Если экспертам начинают платить за правильность сделанного ими прогноза, ситуация резко меняется. Опять же это эксперименты на эту тему были, но этого практически никогда не происходит, потому что эксперту нужно заплатить здесь и сейчас, а то событие, которое он предсказал, произойдет через год. Кто же будет ждать-то? Финансовая аналитика – это совсем другая вещь, которая никакого отношения к рынкам прогнозов не имеет.
 
Катя Розеноер: Извините, мне кажется, что у нас происходит глобальное непонимание, потому что речь идет не о рынке прогнозов вообще, а о рынках прогнозов. Это такая технология, которая каждый раз создается под конкретную задачу. Эмиль рассказал нам о том, как эту технологию применять. В каждом случае она будет различной. Нет никакого рынка прогнозов вообще, поэтому происходит постоянно перенос на фондовый рынок или еще куда-то. Слово «рынок» всех сбивает, оно используется только потому, что люди делают ставки.
 
Сергей Лялин: Мне тоже кажется, что мы немножко отдалились от темы лекции. Тема дискуссии – не обсуждение эффективности или неэффективности фондового рынка и полезности или бесполезности аналитиков в инвестиционных банках. Давайте на эту тему даже не дискутировать – это переливание из пустого в порожнее. Как мне кажется, темой этой лекции было то, что это может работать на каком-то микроуровне, на уровне предсказания, выявления идей, ранжирования людей в рамках организации. Эмиль ни слова не говорил о рынке политических прогнозов. Он приводил примеры исключительно применительно к бизнесу. Поэтому основной посыл этой лекции, по крайней мере, для меня – это то, что нужно на микроуровне создавать рынки прогнозов в своей организации и вовлекать людей в участие в прогнозирование будущего, прогнозирование результатов компании, ранжирование идей и т.д. Как это сделать? Это уже серьезный сложный вопрос. Как замотивировать, как сделать программное обеспечение.
 
Катя Розеноер: Так это все есть. Мотивация – это деньги, программное обеспечение есть у Эмиля. Это все работает.
 
Сергей Лялин: Может быть, у Эмиля есть, а у остальных нет [смех в зале].
 
Максим Буев: Я приведу очень простой пример, как работает похожая технология. Это не совсем прогноз, но за нее дали Нобелевскую премию по экономике в 1997 году и по ней торгуют опционами на всех торговых площадках мира: в России, в Англии, в Америке. Формула Блэка-Шоулза. Что они сделали? Есть вероятность, сезонность – вы можете смотреть на цены опционов исторически. Они такие. Блэк и Шоулз предложили формулу. Она дает неверную цену. Надо в ней изменить один параметр, что делают трейдеры, чтобы эту идеализированную цену примирить с рынком. Параметр называется волатильность. Грубо говоря, у нас есть больница, в разных палатах лежат разные люди с разными болезнями, и, скажем, в такой-то палате для болезни такая-то температура для определенного вида больных. И можно посмотреть исторические данные, какая температура была в этой палате. Про будущее это нам ничего не скажет. Блэк и Шоулз предложили такую технологию – давайте, покрасим стены в больнице в белый цвет, потом зайдем в палату и посмотрим, какая будет температура в белой палате. Какая вы думаете? И трейдеры каждый раз выбирают эту температуру. Потом оказывается, что исторически они ошибаются, они теряют миллионы за то, что они неправильно предсказали температуру. Но в среднем их прогноз в этой белой палате гораздо точнее, чем исторически в нормальных больницах. Блэк и Шоуз получили за это Нобелевскую премию, потому что они предложили всему рынку, во всем мире свою формулу, по которой трейдеры решают, какая волатильность, какая цена, по их мнению, соответствует тому, что происходит на рынке. Они теряют на этом деньги, из-за этого происходят пузыри, но, если посмотреть на эти вмененные волатильности и исторические, прогноз всегда гораздо точнее. Это просто методология построения такого рынка, то есть это не совсем рынок прогнозов.
 
Александр Карпов: Это абсолютный рынок прогнозов.
 
Максим Буев: Но идея та же самая.
 
Александр Карпов: На обычном рынке что предсказывается? Будущая прибыль, которую можно извлечь. А на этом рынке, рынке прогнозов предсказывают другие события, не связные с акциями.
 
Максим Буев: Эмиль предлагает такую методологию, которая упрощает попытку сделать правильный прогноз, но она иногда неверна, как он показывал на графике.
 
 
Антон Мухин: Он предлагал использовать оба вместе.
 
 
Антон Мухин: Но дело даже не в этом. Мы обсуждаем, учитывая, что собрались эксперты в определенной области. Был пример на Boeing. Нужно собрать 50 линейных менеджеров, заставить их сделать ставку. Таким образом, как верно сказал Карпов, увеличить им мотивацию, потому что человек, который не мотивирован, может сказать, что угодно. А если он замотивирован деньгами, то он скажет правду, и тогда в итоге получится то, про что вы говорили, но применительно не к фондовому рынку, про который, скажем, я вообще ничего не знаю (и знать, честно говоря, не хочу), а применительно к реальным вещам, то есть изготовлению Boeing. Единственная проблема, которая мне не ясна и я вам хочу задать вопрос. Компания Boeing – понятно, или – НАСА. Там работает 500 инженеров, которые занимаются одним и тем же. Если 500 инженеров по $50, то результат будет, самолет полетит в десять раз дальше. Вопрос к вам как экспертам, обладающими знаниями и про рынок прогноз, который существует, и про аналитику – это тоже абсолютно ясно: как этот метод возможно применить, например, в какой-то абстрактной компании здесь? Не в Boeing, а в чем-то аналогичном на территории Российской Федерации.
 
Дмитрий Шевчук: В смысле, в маленькой компании?
 
Антон Мухин: Да, не очень большая компания.
 
Дмитрий Шевчук: Где 50 инженеров? Или два инженера?
 
Антон Мухин: Вы прекрасно понимаете, что компаний, где 50 инженеров на совершенно одинаковой должности занимаются одинаковым проектом, две – «Газпром» и еще что-то. Я хочу закончить мысль. Вопрос к экспертам: вы считаете, этот метод можно применять здесь и сейчас – в России, не применительно к фондовым рынкам.
 
Дмитрий Шевчук: Это отличный вопрос, но Александр здесь никому не дает говорить [смех в зале]. Это веселая история, потому что, когда рассказывали, как выбирают лучшую идею, и вам дают деньги, если вы угадаете идею, которая победит, я подумал: «Я буду угадывать лучшую идею или идею, которая победит?» Я буду выбирать идею, которую, скорее всего, эти люди выберут. Она может быть далеко не самая лучшая. Когда люди предсказывают, что выберут остальные, – это уже другое. А когда люди предсказывают реальность, дождь, Boeing, то, наверное, это больше похоже.
 
Антон Мухин: У вас двенадцать размеров болтов… Просто там был второй пример, ладно, про Boeing не получилось. Люди ставили на объем продаж принтеров. Вы, предположим, сами как владелец фирмы считаете что вы продадите там двенадцати дюймовых болтов 10 тыс штук. А ваши менеджеры, как выяснилось, считают совершенно не так. Двенадцати дюймовых будет 5 тыс штук, а продаваться будут шестидюймовые. Вы применяете этот метод, который уже апробирован, как я понимаю, и работает, для того, чтобы в итоге понять, какие болты у вас должны быть в итоге на складе, чтобы не бегать потом впопыхах и искать. Правильно я понимаю или нет?
 
Дмитрий Шевчук: Правильно.
 
Антон Мухин: Поэтому тут вопрос к экспертам: как это применять здесь и сейчас? И можно ли вообще это применять здесь и сейчас, например, к болтам?
 
Дмитрий Шевчук: Лично я совершенно не против это применить для болтов. Единственное, я не буду просить прогнозировать, что выберут все остальные. То есть, продажа болтов – да, но хорошие идеи – нет.
 
Оксана Жиронкина: Дима, но это же выбор всех остальных – они выбирают твои болты.
 
Дмитрий Шевчук: Я не понял, что ты сказала.
 
Оксана Жиронкина: Они выбирают, это выбор других людей.
 
Дмитрий Шевчук: Это выбор менеджеров по продажам, из которых каждый подумает, насколько фирма продаст в этом месяце, и сделает свою ставочку. Должно работать, мне кажется. Если начнут спрашивать, должны ли в этом году выводить на рынок что-то еще, гайки, например (раньше были болты, теперь гаек добавим) и буду платить им, если они угадают, что выберут все, какая идея выиграет, то это будет неправильно. Если мы выведем гайки, заработаем ли мы миллион баксов – и они поставят ставки. Если я увижу, что никто не поставил, наверное, и не заработаем миллион баксов или меньше заработаем. Какой вопрос, такой и ответ.
 
Максим Буев: Конкретный пример. Компания «585» торгует золотом. Когда они проводили акцию два по цене одного, они сделали некое подобие рынка прогнозов. У них было несколько идей, и они выбирали идею. Я думаю, что они сами не знали, что они проводили, но, я имею в виду, что это называется – рынок прогнозов. Идея была очень похожая. Это конкретный пример. Я больше чем уверен, что это можно делать. То, что Эмиль показывал, там был слайд из этого товарища Уолтона, который говорит, что кассир лучше знает, чего хотят люди. Это говорит о том, что вопрос – как сформулировать идею, чтобы было понятно тем, кто будет торговать, делать ставки, чтобы потом выбрать лучшую. Здесь этого слайда не было, но перед этим была лекция в Европейском университете, где Эмиль показывала эффективность этого метода. Он говори, что при двенадцати людях, если организовать этот рынок, дают вероятность 96%. Это лучше, чем просто опрос. Двенадцать человек – это уже небольшая компания, и этого достаточно, чтобы провести игру.
 
 
Сергей Николаев: На рынке нужно точно предсказывать объем продаж по разным отделам, по разным номенклатурам, поэтому экспертные методы мы применяем лет десять для предсказания конкретного объема продаж собственной компании. Работают, надо сказать, хорошо. Хочу поделиться, в каких случаях работают, в каких не работают. У меня есть гипотеза.  Экспертный метод работает, когда это очень сложная проблема, когда нельзя посчитать. Если нет знания, как посчитать математически, статистически, тогда большое количество мнений немножко уравновешивает. Есть вещи более простые, например, продажа в магазине. Есть замечательные продавцы, тебе надо загрузить магазин так, чтобы все позиции, за которые ты отвечаешь, там были. Есть компьютер и человек, который видит уровни продаж, он знает, может спрогнозировать – традиционный классический метод. Есть коллектив магазина, который ближе к покупателям, он, якобы, чувствует тренды. Я проводил эксперимент на простых вещах, которые можно посчитать. Предсказание человека, вооруженного компьютером и элементарными математическими знаниями, несопоставимо лучше, если его сравнивать с ощущениями продавцов – в разы отличается. Это мы говорим о простых вещах – берешь и считаешь. А если какие-то сложные системы, там, действительно, экспертные методы работают, на мой взгляд. У меня есть версия, почему это так. Методы коллективного разума как нейронные сети, а не методы счета. Например, интенсивные методы, когда можно просто посчитать, когда идет сложение, например, простое сложение, они работают не очень хорошо. Поэтому, как ни странно, на очень сложных вещах экспертные методы работают, на простых вещах работаю хуже, чем традиционные. Это мое рассуждение на этот счет. А вопрос у меня какой. Одно дело метод рынка прогнозов – ты мотивируешь, делаются ставки, и цена акции отражает вероятность. Все примерно ясно. Так я, кстати, тоже делал. Интересно, когда мы говорим про Google, про 150 менеджеров с рейтингами идей, то вряд ли речь идет о прогнозе, потому что это один из инструментов самосбывающегося предсказания. Это же один из инструментов коллективного договора, потому что, наверное, идея будет воплощена, если люди видят, что она имеет высокий рейтинг. Наверное, некоторые идеи пойдут вниз, если люди видят, что им есть сопротивление в компании. Поэтому, скорее всего, в таких технологиях, которые уже полу-прогноз, полуобщественный договор, должны быть какие-то методологические изменения. Странно, если их нет. Вопрос такой: есть ли какие-то методологические изменения когда ты тестируешь идеи внутри компании? В частности, пример с болтами. Какой будет общественный договор – это совсем другая тема. Более того, здесь тоже сложно с мотивацией, особенно если мы имеем адресацию – кто какие ставки поставил. Например, при небольшом вознаграждении я не буду голосовать против идеи, потому что это мой друг. А сколько надо заплатить? Мы же с ним сидим, такая идея, я ему безответственно вру, какая она хорошая. Ну и бог с этими $50 и т.д. Наверняка есть миллион таких разных вещей. Какие методологические изменения относительно классического рынка прогнозов существуют на эти случаи, когда вы используете технологию для отбора идей для компании?
 
Emile Servan-Schreiber: I think I understood the last part of the question. It is very important to maintain independence of sorts. For example, if a friend of mine next to me tells me what he thinks, and asks for my opinion, I do not want to contradict him. However, this process negates my independence. That is why it should be done on the Internet, with everybody in front of their own computers, not knowing what their friend is saying, and expressing their own opinion anonymously, using fake names. Otherwise, you will have conformity, rather than intelligence.
 
Оксана Жиронкина: А если это внутри компании? Я так понимаю, вопрос был в этом.
 
Emile Servan-Schreiber: Yes, inside a particular company, we run the system on the Intranet.
 
Дмитрий Шевчук: Что делать с проблемой вознаграждения? Когда вы получаете вознаграждение за то, что вы угадали, какая идея победит? Я сейчас подумал о той идее, что надо давать такое условие, чтобы вознаграждение получалось, если компания что-то сделает. Если люди голосовали за идеи, которые не воплощены, то непонятно, за что им платить. Мне кажется это тупиковая идея.
 
Антон Мухин: Поэтому и ставки – это как тотализатор.
 
Дмитрий Шевчук: Да, но если они получают только за то, что они угадали, какая идея выиграет, то это получается очень кривой способ.
 
Катя Розеноер: Получают за то, что угадали, что случилось.
 
 
Дмитрий Шевчук: За то, что случилось, не получится, потому что, если спрашиваю, заработаем ли мы миллион долларов, если мы начнем продавать гайки, то, если эта идея не выигрывает, а они за нее проголосовали, то у них нет шансов получить деньги.
 
Антон Мухин: Почему? А те, кто проголосовал против, выиграли деньги. Тут-то как раз все справедливо.
 
Дмитрий Шевчук: А если проголосовал: «Да, заработаем миллион долларов». Другой: «Нет, не заработаем никогда в жизни». Если это свершилось, то выигрывает. Тут-то как раз мотивация максимально справедливая. Просто мы с вами не играем в эту штуку.
 
Полина Гусева: Если можно, я пример приведу. Вопрос от вас звучал: работает ли это вообще и работает ли здесь и сейчас? И существует ли это?
 
Антон Мухин: Могло бы быть здесь применено.
 
Полина Гусева: Оно работает. Я пример приведу с нашего рынка, потому что я здесь работаю последние 17 лет, до этого в космической промышленности работала. Как это работает, например, на нашем рынке. У нас есть так называемые форумы в Интернете, где все великие знатоки, аналитики, существуют под разными никами. И там они проводят тоже типа тотализаторов, по своим мнениям делают ставки на акции. Особенно это характерно, может быть, даже не для голубых фишек, а каких то там вторых эшелонов или глубинных акций. И они высказывают мнения. Это организуется достаточно хорошо, можете даже зайти посмотреть. Устанавливается дата, на которую будет цена, и они высказывают свое мнение. За это им присваивается всего на всего рейтинг, ничего другого. У меня там тоже есть никнэйм и есть свой накопленный багаж, по которому мне присваивается рейтинг. Я угадываю в этом конкретном эмитенте на какую-то дату цену этой акции по разным причинам. Действительно, у меня может быть горе от ума, каким-то инсайдом обладаю, может, еще что-то, не важно. Факт в том, что или на каком-то форуме я могла написать очень интересное мнение, которое чуть позже сработало, и тогда люди, кто имеет другие никнэймы, просто сыплют мне плюсы, и я становлюсь гуру. Для чего нужно стать гуру? Потому что потом ты сможешь водить за собой толпу. Я поняла, что это не тема нашего сегодняшнего разговора, чтобы говорить о том, что существует общественное мнение, и им можно очень эффективно управлять. Это пример того, как на нашем рынке, именно в профессиональном цеху это реализовано. И ставки там не $50, можно и миллионы выиграть только за счет того, что ты получил свои рейтинги и в дальнейшем можешь очень хорошо это использовать. У нас это реализовано за реальное вознаграждение. Можете посмотреть форум, и увидите, как это работает давно и очень успешною.
 
Александр Карпов: Коллеги, два момента. Была некоторая ошибка в переводе, из-за которой возник вопрос. Для того чтобы рынок работал, ни в коем случае нельзя в одну комнату загонять 50 людей, занимающихся одним и тем же. Нужно, наоборот, разнообразие. В этом рынке должны участвовать у вас все, кто захочет участвовать в этой компании. В этой книжке исследованы случаи, когда эта система падает, проваливается, не работает. Она проваливается как раз в том случае, когда начинается group think, когда все думают одинаково, потому что все получили одно образование, все получили одну и ту же информацию, все занимаются одним и тем же. И когда в одной комнате собирается 50 финансовых аналитиков, которые получили одно и тоже образование в одном и том же институте, они делают великолепные по обоснованности прогнозы, которые абсолютно не имеют никакого отношения к реальности. Это совершенно точно. Это первое. Второе – пример, который Полина привела, это нечто прямо противоположное рынку прогнозов. Это замечательная вещь для манипулирования и именно то, из-за чего проваливаются прогнозы.
 
Полина Гусева: Цель мы не оговаривали – манипулирование или что. Почему вы сразу переходите к цели, что кто-то сразу будет манипулировать?
 
Максим Буев: Речь идет о вознаграждении.
 
Полина Гусева: У тебя авторитет появляется. Как наши политтехнологи – они нам создают, а потом используют нас всех.
 
 
Александр Карпов: Нет, вопрос в другом. Вопрос в том, каким образом агрегируются знания разных людей. Это важная часть технологии рынков прогнозов. Есть разные способы агрегирования. На рынке прогнозов способом агрегирования является цена опциона или цена акции. Это способ агрегирования. Точно так же, как букмейкеры извлекают в тотализаторских конторах, прогноз извлекается из той стоимости, по которой принимаются ставки. Здесь прогноз извлекается из цены опциона. В том случае, который привела Полина, я вообще не понимаю, откуда извлекается прогноз.
 
Полина Гусева: Есть несколько вещей, из которых он извлекается. Я так понимаю, что это не наша тема сегодня. Уйдем в профессиональную область – зачем? Нам будет интересно об этом поговорить, на чем строится этот прогноз. Безусловно, он не берется с потолка. И это вознаграждение, за которое люди бьются, как за метал, потому что они годами живут на этом форуме.
 
Оксана Жиронкина: Это очень важно. Я так и не услышала ответ на вопрос Сергея Николаева. Каким же образом это можно сделать внутри компании, чтобы это не было выгодно большей части компании, чтобы все было рутинно и продолжалось так, как было. Соответственно, как мотивировать?
 
Антон Мухин: Как мотивировать, понятно. Вы сейчас друг другу противоречите. Карпов говорит, что нельзя собирать одинаковых аналитиков, а вы десять минут назад убедительно показали как раз таки обратное. Да, это разные люди, понятно, что живые индивидуумы. Имеется в виду, что профессионалы в одной и той же области находятся на одном и том же уровне.
 
Полина Гусева: Кто вам сказал, что они профессионалы?
 
Антон Мухин: То есть, вы имеет в виду, что на этом сайте не профессионалы?
 
Полина Гусева: Я вообще не знаю, кто они. Они пишутся под разными никами: полковник такой-то, такой-то. Откуда я знаю? Наверное, послушаешь аналитика, сделаешь от обратного, и все получится. Такое тоже бывает. У меня примеров очень много. Десять лет назад зашла женщина на территорию брокерской компании. Я думала, туалет ищет или еще что-то. Она ценные бумаги хотела купить и очень этого стеснялась. Но самое интересное, это очень похоже на историю про Лукерию, но это было в моей жизни. Зинаида Ивановна никого не консультировала, никогда не говорила своих мнений, она просто звонила и говорила: «Продайте мой РАО ЕС». Все – мы продавали. Проходит несколько дней, звонит Зинаида Ивановна и говорит: «Купите мне на все РАО ЕС». Через какое-то время мы заметили определенную закономерность, как будто она – ближайшая подружка Чубайса. Она – пожилая женщина, на пенсии, работала на каком-то ТЭЦ, как я потом выяснила, но в прошлом – выпускница Военмеха. Когда-то она за счет акций, полученных от приватизации, купила сыну машину и квартиру, и после этого стала этим пробавляться. У трейдеров, про которых рассказывали, действительно, есть критерий оценки их деятельности, обгоняют индекс РТС или от него отстают. Критерий не понятен, поэтому зачем тратить на дорогого трейдера, который может только все загубить. Собери индекс и все. Если у него критерий оценки, в долях с индексом, то – о, какой он молодец! А зачем он тогда нужен, если это столько денег стоит. Когда эта женщина к нам пришла в очередной раз, я решила с ней побеседовать, потому что многие стали интересоваться: «Сегодня Зинаида Ивановна звонила?» – «Она сегодня покупает». И покупают все. Эксперт она или что… Об ее образовании я узнала намного позже, когда с ней поближе познакомилась. И я ее спросила: «Простите, а как вам так удается угадывать значения, близкие к этой волативности и нижней, и верхней?». Она сказала: «Я не знаю, но я все время читаю». Она читает, это все-таки к вопросу о знании, она – грамотный человек. У нее приходят какие-то вибрации из космоса [смех в зале].
 
Оксана Жиронкина: Но это не о коллективном разуме, правда?
 
Полина Гусева: Безусловно, просто я что вам хочу сказать? Сказали, что на этом сайте пасутся суперпрофессионалы – отнюдь. В нашей стране всего 1% населения присутствует на рынке ценных бумаг. Конечно, половина из них – не профессионалы. Там разные люди.
 
Максим Буев: Мы отклонились от темы, потому что вопрос Сергея был про другое. Я вам в поддержку того, что вы говорите, приведу семейную легенду клана Кеннеди, который в общем-то не был кланом до одного момента, когда дядя того президента, которого убили, сделал много денег. И семейная легенда гласит о том, что он был средним брокером, и он шел на работу, и все говорили на улице, что надо ставить на какую-то компанию. И он остановился почистить ботинки. Чистильщик ботинок говорит: «А вы поставили на то-то?» Он пришел домой, а у него были какие-то акции. Он подумал, раз чистильщик ботинок говорит, что надо ставить, значит, надо продавать. И он продавал, и через два месяца рынок рухнул. И он сделал на этом деньги. Это вопрос: как извлекать информацию?
 
Оксана Жиронкина: Максим, вы можете переформулировать тот вопрос, который задавал Сергея.
 
 
Максим Буев: Вопрос очень конкретный, как это использовать в маленькой компании? Как создать этот рынок? Когда он будет работать и когда не будет?
 
Оксана Жиронкина: Если маленькая компания, сидя в какой-то своей онлайн сети, под своими никами, если половина этой компании заинтересована в том, чтобы очень прогрессивная и замечательная идея не продвинулась (тот самый общественный договор – то, в чем заинтересовано большинство людей), то никакая тактика, связанная с анонимностью, не сможет действовать.
 
Антон Мухин: Я никогда не ставил ставку, потому что, если ты ставишь ставку, то ты либо проигрываешь, либо выигрываешь. Система работы идеальная – это понятно.
 
Максим Буев: Можно ставить ставки против, если они не заинтересованы.
 
Оксана Жиронкина: То есть, это вопрос методики формулирования вопроса. Об этом и был вопрос к Эмилю.
 
Максим Буев: И оказывается, что идея прошла, а они все на этом потеряли деньги, хотя были дружно против.
 
Оксана Жиронкина: То есть, вопрос заключается в том, каковы основные принципы формулирования вопроса.
 
Петр Степанов (генеральный директор, компания ПСТ): Мне кажется, мы за последние полтора часа очень сильно продвинулись, ответив на два вопроса. Во-первых, кто должен делать ставки? И во-вторых, как эти вопросы должны быть связаны с теми, кто делает ставки? По сути дела, одно множество участников и другое множество вопросов. И совершенно четкие ответы, какое соответствие между этими двумя группами должно быть. Вы как математик, наверное, понимаете, что я имею в виду. И мы можем сейчас записать эти критерии. Мы можем сейчас взять лист бумаги и написать то, о чем мы говорили. Люди не должны общаться, не должно быть возможности договора, события, о которых они выносят суждения, должны быть плюс- минус релевантны, при этом они не должны иметь возможность на них влиять. Вопросы должны быть не слишком простые, чтобы их не нужно было повторять. На температуру можно ставить, а на погоду ставить нельзя.
 
Максим Буев: Вы знаете, на погоду ставят, на сезонность.
 
Петр Степанов: Да, может быть, хотя я бы на этом точно не играл. Есть вопросы, связанные с риском, со степенью риска. Наверняка это работает, потому что, если это $1, то люди с одной ментальностью, когда $50, то с другой ментальностью. $50 – это десять человек, $1 – это сто человек. Нам сказали, что достаточно двенадцать человек. То есть, есть ответственность суждений, степень приятия и неприятия риска. Это канва. В рамках этой канвы можно как-то оптимизировать, учитывая ее, пытаться формулировать вопросы. Потому что вопрос должен иметь понятную событийность. У нас есть два варианта: или мы сейчас берем лист бумаги и это все записываем, или читаем книгу.
 
Оксана Жиронкина: Мы можем послушать ответ Эмиля на этот вопрос – методика формулирования вопроса. Я так понимаю, что мы пришли к этому вопросу. Какие тут ограничения или предписания?
 
Антон Мухин: Какие участники должны быть – узкие специалисты или может быть уборщица и генеральный директор, но при этом под никами? Не понятно, я как раз не могу понять. Программисты в этом не участвуют или участвуют?
 
Александр Карпов: Участвуют все.
 
Emile Servan-Schreiber: That is an interesting question. It so happens that inside companies, answers given to questions in the form of a level of probability are very hard to use, because it is hard to use a probability result. Somebody tells you that there is a 60% chance of something happening, and you have to make a decision based on that. That is not enough information to go on (maybe if they said there is a 90% chance, that would be a different matter). Most predictions in terms of probability will be from 30–70%. That does not make things easy for the decision maker. What it gives you is the opinion of the people inside the organization. This opinion, whether it is right or wrong, is very useful for you to know, because it indicates whether your organization is behaving correctly or not. For example, if you are the president of Boeing (and I know it is a big company), and you see these results telling you that you have only a 40% chance of meeting a deadline, you may say they are wrong, and you may be right in thinking so, but you cannot ignore the fact that the mood in your company is pessimistic. It is also important that these markets can be used to make quantitative predictions, not only probabilities, but predictions for a specific number of sales, the share of a vote, or any kind of number or date in the future. So, instead of asking the question, “Will we ship the products at the end of June, yes or no?”, you can ask “When will we ship the product between now and the end of the year?” And the results will give you a date, instead of a probability. And then, one of the first things you will get is the probability distribution for the date, so perhaps most people think it will be in September, but there is also a group of people who think it will be in December. This is where I come to the idea of the X-ray, because you can know which part of organization thinks it will be in September, and which part thinks it will be in December. That is very useful for managers.
 
Антон Мухин: Из каких отделов? Они же все под никами?
 
Дмитрий Шевчук: Если только отдел по нику можно определить.
 
 
Катя Розеноер: Я думаю, у менеджера есть полная раскладка, кто есть кто.
 
Emile Servan-Schreiber: The manager has access to groups and subgroups. So, you can see that the sales department thinks one way, marketing thinks another way… Anyway, I would like to come back to what you said earlier about defining events: this is one of the limitations. If you can ask the question about the future, along the lines of, “Will this happen, or will that happen?”, you can get an answer, but sometimes you rule out other possibilities. For example, at some point we had a survey about whether Ariel Sharon would live or die. And then he fell into a coma. We could not complete the survey.
 
Петр Бобровский: Вы переведете про Жириновского? Например, в разных отделах компании спросили: кто будет голосовать за Жириновского – вы будете голосовать за Жириновского: да – нет? И на этом основании подсчитать, сколько в данной компании процентов будет ему отдано. Есть стандартные поведенческие реакции. Первое – я за него проголосую по приколу, то есть шутки ради, потому что он такой забавный человек. Вторая – вроде как, протестная. Как принято писать в либеральной, мы выплескиваем свои низменные чувства, голосуя за Жириновского. И реакции, стандартные для очень многих людей, получается, в вашей модели вообще не задействованы.
 
Александр Карпов: Это вообще про другое.
 
Петр Бобровский: Как про другое?
 
Александр Карпов: За это же невозможно выплатить вознаграждение.
 
Петр Бобровский: С чего бы это? За голоса не платят? Так же, как с акциями. Мне, например, искренне не нравится «Газпром», и я буду ставить вниз его, я встану в углу и буду говорить: «Вниз, "Газпром"».
 
Оксана Жиронкина: Петр, все понятно, вы задали вопрос. Саша, пожалуйста.
 
Александр Карпов: В этой ситуации мы можем сформулировать вопрос: «Как вы считаете, сколько голосов получит Жириновский на выборах?» И дальше люди делают ставки на 50%, 60%, 3% и т.д. Над формулировкой вопроса нужно подумать. Вопрос: «Как вы проголосуете?» – нерелевантен в этой ситуации. А релевантен в этой ситуации вопрос: «Сколько Жириновский в итоге получит на выборах?» И если человек, неважно как он относится к Жириновскому, угадал с точностью в пределах 5%, он получает свой $1. Вот суть этого рынка. Но на самом деле вопрос должен быть сформулирован по-другому. То есть, должен продаваться контракт на тему…
 
Максим Буев: Умрет или нет Жириновский.
 
Александр Карпов: Например да. В отношении президентских выборов это было бы , «Выходит Жириновский во второй тур или не выходит?» Те, кто верят, покупают контракты, те, кто не верят, не покупают контракты, и все.
 
Антон Мухин: Я думаю, что вопрос был немножко про другое. Вопрос был про одну из корректировок, которая участвует в схеме. То есть, личное отношение участника, скажем, опроса к событию, про которое задается вопрос. Например, если айтишник не хочет продать ни один принтер компании HP, то он негативно настроен изначально, потому что ему мало платят. Учитывается ли личное отношение опрашиваемого, влияет ли оно на общий результат? Правильно я понимаю?
 
 
Антон Мухин: Давайте зададим такой вопрос, потому что важно, насколько это влияет на процент, как внутренний личностный настрой может повлиять на прогноз?
 
Оксана Жиронкина: Понятно. Мне кажется, пошли по кругу, и это немножечко в какой-то мере повторяет вопрос Сергея Николаева. Если есть какая-то заинтересованность – на этот вопрос уже отвечали. Стоит ли продолжать? Может быть, уже нужно какое-то резюмирующее мнение или попросим ответить на этот вопрос? Попросим? Хорошо.
 
Emile Servan-Schreiber: The HP sales department is going to make more money by selling printers than working in the prediction market. The amount of money that can be made in the prediction market has to be calibrated, so it is not significant compared to the amount of money you make by keeping your job.
 
Dmitry Shevchuk: But that will not work if somebody in the company hates the company...
 
Emile Servan-Schreiber: If they hate the company like that, they will not call us to improve its performance [смех в зале].
 
Петр Бобровский: Это как в анекдоте. Жене говоришь, что – к любовнице, любовнице, что – к жене, а сам работать.
 
Оксана Жиронкина: Коллеги, мы перешили к анекдотам, значит, пора заканчивать.
 
Катя Розеноер: Давайте, я сейчас вкратце напомню, что нам сегодня рассказали. Рассказали, что есть такое понятие как «коллективный разум» или «коллективный интеллект», у которого можно измерить IQ. Рассказали, что есть технология, которая позволяет коллективный разум, коллективный интеллект применить для пользы организаций больших и маленьких. Этому коллективному разуму можно задавать разные вопросы и ставить разные задачи, и с большей или меньшей степенью эффективности он будет с ними справляться. И при правильной постановке задачи она будет решена коллективным разумом, чем отдельным экспертом. Чем больше людей вовлечено в эту группу, тем выше эффективность прогноза или результатов, как вы его ни называйте. Да, количество людей нивелирует те ошибки, которые могут возникать. Так я это поняла. И мне кажется, что это наиболее важное из того, что мы услышали. Есть такая методика. Она уже доступна через Интернет. И есть компании, которые продают. И оно работает. Нам показали графики, на которых видно, как это работает.
 
Оксана Жиронкина: Я так понимаю, что любой из присутствующих здесь может попробовать это в своей компании. Действительно, есть способы получить интересные результаты. Я хочу спросить у Эмиля, было ли что-то неожиданное в вопросах, почерпнули ли вы из этого обсуждения что-то, и что – если это было?
 
Emile Servan-Schreiber: I think, for me, the final message for this idea – which I have been working on for almost ten years – is that from what I understand, all intelligence is collective, there is no intelligence which is not collective. For example, the brain itself is a form of collective intelligence. And, as you said, everybody can use this in their own company, but they can also use it for themselves. There is a friend of mine who is currently writing a book called Advice is for Winners. What that means is, you can do this for yourself – and this is very hard to do. And when you have to make a decision, you have to think of yourself as a collective intelligence system, and ask a lot of advice from everyone you see. They each have a little bit of information, and that is how you can reach small decisions for your own life as well.
 
Полина Гусева: Я хотела бы поблагодарить Эмиля за очень интересный доклад. Мысль о том, что IQ группы тем выше, чем больше в нем женщин, меня очень поразила и порадовала. И хочу обратится к мужчинам, которые здесь присутствуют, потому что все равно мы всегда ведомы, бизнесом всегда руководите вы. Усвойте эту мысль, которая уже научно доказана. Дорогие мужчины, хотелось бы, чтобы вы все эту мысль запомнили.
 
 
Галина Васильева (генеральный директор, ЗАО «Würth Северо-Запад»): Я чуть-чуть глубже смотрела на влияния женщин. К сожалению, если берутся группы одинаковых размеров, то лучше те группы, где больше женщин, но это значит, что там меньше мужчин. Мнение женщин никак не влияет, а чем меньше мужчин, тем эффективнее. Они меньше спорят, а больше говорят по делу. Женщины в данном случае считаются как ноль, пустое множество.
 
Полина Гусева: Я с этим не согласна, и мысль была другая. Коммуникативные навыки и настроение женщины менее агрессивны. Это просто у нас от природы, мы – продолжатели рода. Как бы вы ни воевали, как бы вы ни были самодостаточны… Нет, это не пиар, это мысль из этой теории, которая мне очень понравилась. В этом есть разумность, потому что женщина – умиротворитель, и у нее коммуникативные навыки просто выше.
 
Оксана Жиронкина: Мы заканчиваем, потому что мы исчерпали все время. И еще раз давайте поблагодарим Эмиля.
 
[аплодисменты]
 
 
 
 

<< К списку всех мероприятий

© ZERO B2B Communication © 2008-09
© Смольный институт © 2008-09