How to build a company where the best ideas win | Ray Dalio

Reviewer: Thipnapa Huansuriya

ไม่ว่าคุณจะชอบหรือไม่

ความโปร่งใสอย่างสุดขั้ว และการตัดสินใจด้วยอัลกอริธึม

กำลังเข้ามาจู่โจมคุณอย่างรวดร็ว

และมันกำลังจะเปลี่ยนชีวิตคุณ

Whether you like it or not,

นั่นเพราะ เดี๋ยวนี้มันง่าย ที่จะใช้อัลกอริธึม

radical transparency and algorithmic decision-making is coming at you fast,

และฝังมันลงไปในคอมพิวเตอร์

และรวบรวมทุกข้อมูล ที่อยู่รายรอบตัวคุณ

and it's going to change your life.

ทั่วทุก ๆ ที่

That's because it's now easy to take algorithms

และรู้ว่าคุณเป็นคนแบบไหน

and embed them into computers

จากนั้นควบคุมคอมพิวเตอร์ ให้ปฏิสัมพันธ์กับคุณ

and gather all that data that you're leaving on yourself

แบบที่ดีกว่ามนุษย์ส่วนมากสามารถทำได้

all over the place,

ซึ่งมันอาจฟังดูน่ากลัว

and know what you're like,

and then direct the computers to interact with you

แต่ผมทำสิ่งนี้มานาน และพบว่ามันมหัศจรรย์มาก

in ways that are better than most people can.

เป้าหมายของผมตลอดมา คือการมีงานที่มีความหมาย

Well, that might sound scary.

และสร้างความสัมพันธ์ที่มีคุณค่า กับผู้คนที่ผมทำงานด้วย

I've been doing this for a long time and I have found it to be wonderful.

และผมเรียนรู้ว่า ผมไม่อาจมีสิ่งเหล่านั้นได้

My objective has been to have meaningful work

นอกเสียจาก ผมจะมีความโปร่งใสสุดขั้ว และระบบการตัดสินใจด้วยอัลกอริธึม

and meaningful relationships with the people I work with,

ผมอยากให้คุณเห็นว่าทำไมถึงเป็นอย่างนั้น

and I've learned that I couldn't have that

ผมอยากให้คุณเห็นว่ามันทำงานยังไง

unless I had that radical transparency and that algorithmic decision-making.

และผมขอเตือนคุณก่อนว่า บางอย่างที่ผมกำลังจะแสดงให้คุณดู

อาจจะน่าตกใจเล็กน้อย

I want to show you why that is,

ตั้งแต่ผมเป็นเด็ก เรื่องท่องจำผมแย่มาก

I want to show you how it works.

And I warn you that some of the things that I'm going to show you

และผมไม่ชอบทำตามขั้นตอนที่กำหนด

probably are a little bit shocking.

ผมไม่เก่งเรื่องทำตามขั้นตอนที่กำหนด

Since I was a kid, I've had a terrible rote memory.

แต่ผมถนัดที่จะค้นหาด้วยตัวเอง ว่าสิ่งต่าง ๆ ทำงานยังไง

And I didn't like following instructions,

เมื่อผมอายุ 12 ปี

ผมเกลียดโรงเรียน แต่ผมหลงรักการซื้อขายในตลาดหุ้น

I was no good at following instructions.

But I loved to figure out how things worked for myself.

ตอนนั้นผมทำงานเป็นเด็กยกถุงกอล์ฟ

ได้เงินประมาณ 5 ดอลลาร์ต่อถุง

When I was 12,

และผมเอาเงินที่ได้จากงานนั้น ใส่เข้าไปในตลาดหุ้น

I hated school but I fell in love with trading the markets.

และนั้นเพราะว่าตลาดหุ้น กำลังเป็นที่นิยมอย่างมากในตอนนั้น

I caddied at the time,

earned about five dollars a bag.

และบริษัทแรกที่ผมซื้อ

And I took my caddying money, and I put it in the stock market.

คือบริษัทที่ชื่อว่า นอร์ทอีส แอร์ไลน์

นอร์ทอีส แอร์ไลน์ คือบริษัทเดียวที่ผมเคยได้ยินว่า

And that was just because the stock market was hot at the time.

ขายหุ้นในราคาต่ำกว่า 5 ดอลลาร์ต่อหุ้น

And the first company I bought

was a company by the name of Northeast Airlines.

(เสียงหัวเราะ)

และผมคิดว่าผมสามารถซื้อได้หลายหุ้น

Northeast Airlines was the only company I heard of

และถ้ามันขึ้น ผมอาจจะทำเงินได้มากขึ้น

that was selling for less than five dollars a share.

ซึ่งมันเป็นกลยุทธที่โง่มากใช่ไหมครับ

(Laughter)

แต่ผมทำเงินได้สามเท่า

And I figured I could buy more shares,

ผมทำเงินได้สามเท่าเพราะผมโชคดี

and if it went up, I'd make more money.

So, it was a dumb strategy, right?

บริษัทนั้นกำลังจะล้มละลาย

แต่มีบริษัทอื่นมาซื้อกิจการไป

But I tripled my money,

ผมก็เลยทำเงินได้สามเท่า

and I tripled my money because I got lucky.

และผมก็ติดใจ

ตอนนั้นผมคิดว่า “เกมนี้มันง่ายดีนะ”

The company was about to go bankrupt,

but some other company acquired it,

พอเวลาผ่านไป

ผมได้เรียนรู้ว่าเกมนี้ไม่มีอะไรที่ง่ายเลย

and I tripled my money.

And I was hooked.

การจะเป็นนักลงทุนที่มีประสิทธิภาพ

And I thought, "This game is easy."

คุณต้องวางเดิมพัน ตรงข้ามกับความเห็นคนส่วนใหญ่

With time,

และคุณต้องเป็นฝ่ายถูก

I learned this game is anything but easy.

แต่ไม่ง่ายเลยที่จะเดิมพัน ตรงข้ามความเห็นคนส่วนใหญ่แล้วถูก

In order to be an effective investor,

คุณต้องเดิมพันตรงข้ามความเห็น คนส่วนใหญ่ แล้วต้องถูก

one has to bet against the consensus

นั่นเพราะความเห็นของคนส่วนใหญ่ จะสะท้อนออกมาในราคาหุ้น

and be right.

And it's not easy to bet against the consensus and be right.

และการที่จะเป็นผู้ประกอบการ

One has to bet against the consensus and be right

ผู้ประกอบการที่ประสบความสำเร็จ

คุณต้องเดิมพันตรงข้าม ความเห็นคนส่วนใหญ่แล้วถูกให้ได้

because the consensus is built into the price.

And in order to be an entrepreneur,

ผมเคยต้องเป็นผู้ประกอบการ และเป็นนักลงทุน

a successful entrepreneur,

และสิ่งที่มาคู่กับบทบาทนั้น คือการทำผิดพลาดอันเจ็บปวดมากมายหลายครั้ง

one has to bet against the consensus and be right.

ดังนั้น ผมเองก็ทำผิดพลาดไปเยอะมาก

I had to be an entrepreneur and an investor --

และเมื่อเวลาผ่านไป

and what goes along with that is making a lot of painful mistakes.

ทัศนคติของผมต่อความผิดพลาดเหล่านั้น ก็เริ่มเปลี่ยนไป

ผมเริ่มคิดว่าพวกมันคือปริศนา

So I made a lot of painful mistakes,

ซึ่งถ้าผมสามารถไขปริศนานั้นได้

and with time,

ผมจะได้อัญมณีมีค่าเป็นรางวัล

my attitude about those mistakes began to change.

และปริศนานั้นคือ

I began to think of them as puzzles.

ผมจะต้องทำอะไรต่างไปในอนาคต เพื่อให้ผมไม่ทำพลาดเหมือนเดิมอีก

That if I could solve the puzzles,

และอัญมณีที่ว่าคือหลักการต่าง ๆ

they would give me gems.

And the puzzles were:

ที่ผมจะจดมันลงไป เพื่อผมจะได้จำ

What would I do differently in the future so I wouldn't make that painful mistake?

และมาช่วยผมได้ในอนาคต

และเป็นเพราะผมเขียนมันลงไปอย่างชัดเจน

And the gems were principles

that I would then write down so I would remember them

ในท้ายที่สุด ผมจึงสามารถค้นมันเจอ

that would help me in the future.

แล้วประกอบมันเข้าไปในอัลกอริธึม

And because I wrote them down so clearly,

และอัลกอริธึมนั้น จะถูกฝังเข้าไปในคอมพิวเตอร์

I could then --

eventually discovered --

I could then embed them into algorithms.

และคอมพิวเตอร์นั้นจะตัดสินใจควบคู่ไปกับผม

เราจึงสามารถตัดสินใจคู่ขนานกันไป

And those algorithms would be embedded in computers,

ผมได้เห็นว่าการตัดสินใจนั้นเป็นยังไง และนำมาเปรียบเทียบกับการตัดสินใจของผม

and the computers would make decisions along with me;

และได้เห็นว่าการตัดสินใจเหล่านั้น ดีกว่าของผมมาก

and so in parallel, we would make these decisions.

นั่นเพราะคอมพิวเตอร์ สามารถตัดสินใจได้เร็วกว่า

And I could see how those decisions then compared with my own decisions,

มันสามารถประมวลข้อมูลได้มากกว่า

and I could see that those decisions were a lot better.

และมันสามารถประมวลผลเพื่อตัดสินใจ

And that was because the computer could make decisions much faster,

โดยใช้อารมณ์น้อยกว่า

it could process a lot more information

มันจึงช่วยพัฒนาการตัดสินใจ ของผมขึ้นอย่างถึงแก่น

and it can process decisions much more --

less emotionally.

แปดปีหลังจากที่ผมก่อตั้ง บริษัท บริดจ์ วอเทอร์

So it radically improved my decision-making.

ผมได้พบกับความล้มเหลวครั้งใหญ่

ความผิดพลาดครั้งใหญ่ที่สุดของผม

Eight years after I started Bridgewater,

ในช่วงปลายทศวรรษ 1970

ผมอายุ 34 ปี

I had my greatest failure,

ผมคำนวณว่า ธนาคารของอเมริกา

my greatest mistake.

It was late 1970s,

ได้ปล่อยกู้ให้ประเทศที่กำลังพัฒนา

I was 34 years old,

มากเกินกว่าที่ประเทศเหล่านั้นจะ สามารถจ่ายหนี้คืนได้

and I had calculated that American banks

และเราอาจจะมีวิกฤตหนี้ครั้งใหญ่ที่สุด

had lent much more money to emerging countries

นับตั้งแต่ช่วงเศรษฐกิจตกต่ำครั้งใหญ่ (the Great Depression)

ซึ่งมันจะทำให้เกิดวิกฤตเศรษฐกิจ

than those countries were going to be able to pay back

และตลาดหุ้นร่วงหนักอย่างต่อเนื่อง

and that we would have the greatest debt crisis

since the Great Depression.

นี่เป็นมุมมองที่แตกต่างจากคนอื่นในเวลานั้น

ผู้คนคิดว่ามันเป็นมุมมองที่บ้าบอ

And with it, an economic crisis

and a big bear market in stocks.

แต่ในเดือน สิงหาคม ค.ศ. 1982

It was a controversial view at the time.

เม็กซิโกผิดสัญญาจ่ายหนี้

People thought it was kind of a crazy point of view.

และอีกหลายประเทศก็ตามมา

และเราก็มีวิกฤตหนี้ครั้งใหญ่สุด นับตั้งแต่เดอะเกรทดีเปรสชั่น

But in August 1982,

Mexico defaulted on its debt,

และเพราะว่าผมได้คาดการณ์เรื่องนี้ไว้

and a number of other countries followed.

ผมเลยถูกเชิญไปให้การต่อหน้ารัฐสภาสหรัฐ และออกรายการ “วอลสตรีท วีค”

And we had the greatest debt crisis since the Great Depression.

ซึ่งเป็นรายการที่โด่งดังในตอนนั้น

And because I had anticipated that,

เพื่อจะช่วยให้คุณได้เข้าใจเหตุการณ์ ผมมีคลิปมาด้วย

I was asked to testify to Congress and appear on "Wall Street Week,"

และคุณจะเห็นผมในนั้น

which was the show of the time.

(วิดีโอ) ท่านประธาน ท่าน มิทเชลล์

เป็นความยินดีและเป็นเกียรติอย่างยิ่ง ที่ผมได้มาปรากฏตัวต่อหน้าท่าน

Just to give you a flavor of that, I've got a clip here,

and you'll see me in there.

ในการไต่สวนว่าเกิดความผิดปรกติอะไรขึ้น ในระบบเศรษฐกิจของเรา

(Video) Mr. Chairman, Mr. Mitchell,

เศรษฐกิจที่ตอนนี้ตกต่ำ

it's a great pleasure and a great honor to be able to appear before you

ง่อนแง่นจวนเจียนจะพัง

in examination with what is going wrong with our economy.

มาร์ทิน สไวก์: ไม่นานมานี้ คุณถูกอ้างถึงในบทความ

คุณบอกว่า “ผมพูดได้อย่างมั่นใจที่สุด

The economy is now flat --

เพราะผมรู้ว่ากลไกตลาดทำงานอย่างไร”

teetering on the brink of failure.

เรย์ ดาลิโอ: “ผมพูดได้อย่างมั่นใจที่สุด

Martin Zweig: You were recently quoted in an article.

ว่าถ้าคุณดูที่ฐานของสภาพคล่อง

ในบรรษัทขนาดใหญ่ต่าง ๆ และทั้งโลกโดยรวม

You said, "I can say this with absolute certainty

because I know how markets work."

ระดับสภาพคล่องลดลง

Ray Dalio: I can say with absolute certainty

ขนาดที่ไม่มีวันกลับไปเกิด ยุคเศรษฐกิจซบเซาจากเงินเฟ้อได้เลย”

that if you look at the liquidity base

in the corporations and the world as a whole,

ตอนนี้ผมมองกลับไป ผมคิดว่า “ไอ้บ้านี่มันช่างโอหังอะไรอย่างนี้”

that there's such reduced level of liquidity

(เสียงหัวเหราะ)

that you can't return to an era of stagflation."

ตอนนั้นผมช่างโอหัง และผมก็ผิดไปมาก

I look at that now, I think, "What an arrogant jerk!"

ผมหมายถึง ขณะที่วิกฤตหนี้เกิดขึ้นจริง

(Laughter)

ตลาดหุ้นและเศรษฐกิจกลับดีขึ้นแทนที่จะแย่ลง

I was so arrogant, and I was so wrong.

และผมสูญเงินไปมาก ทั้งเงินส่วนตัวและของลูกค้า

I mean, while the debt crisis happened,

the stock market and the economy went up rather than going down,

จนผมจำเป็นต้องหยุดดำเนินกิจการไปเลย

and I lost so much money for myself and for my clients

ผมจำเป็นต้องปลดเกือบทุกคนออก

ทั้งที่คนพวกนี้เหมือนครอบครัวของผม

หัวใจผมแตกสลาย

that I had to shut down my operation pretty much,

ผมสูญเสียเงินมหาศาล

จนผมจำเป็นต้องยืมเงิน 4,000 ดอลลาร์ จากพ่อของผม

I had to let almost everybody go.

And these were like extended family,

เพื่อมาช่วยค่าใช้จ่ายในครอบครัว

I was heartbroken.

And I had lost so much money

มันคือหนึ่งในประสบการณ์ ที่เจ็บปวดที่สุดในชีวิตของผม

that I had to borrow 4,000 dollars from my dad

แต่มันกลับกลายเป็นหนึ่งในประสบการณ์ ที่ยิ่งใหญ่ที่สุดในชีวิตผม

to help to pay my family bills.

It was one of the most painful experiences of my life ...

เพราะมันเปลี่ยนทัศนคติของผม เกี่ยวกับการตัดสินใจ

แทนที่จะคิดว่า “ผมถูก” เสมอ

but it turned out to be one of the greatest experiences of my life

ผมเริ่มถามตัวเองว่า

because it changed my attitude about decision-making.

“ผมจะรู้ได้ยังไงว่าผมถูก”

Rather than thinking, "I'm right,"

ผมเกิดความถ่อมตัวอย่างที่ผมจะเป็นต้องมี

เพื่อมาถ่วงดุลความอหังการของผม

I started to ask myself,

"How do I know I'm right?"

ผมอยากค้นหาคนที่ฉลาดที่สุด คนที่อาจจะไม่เห็นด้วยกับผม

I gained a humility that I needed

เพื่อที่จะได้พยายามเข้าใจมุมมองของเขา

in order to balance my audacity.

หรือเพื่อให้เขาได้ทดสอบมุมมองของผม

I wanted to find the smartest people who would disagree with me

ผมอยากสร้างระบบ “คุณภาพความคิดเป็นใหญ่” (idea meritocracy)

to try to understand their perspective

หรือพูดอีกแบบคือ

ไม่ใช่ อัตตาธิปไตย (autocracy) ที่ผมจะเป็นคนนำและคนอื่นคอยตาม

or to have them stress test my perspective.

และก็ไม่ใช่ประชาธิปไตย (democrary) ที่ความเห็นทุกคนมีค่าเท่ากัน

I wanted to make an idea meritocracy.

In other words,

แต่ผมอยากได้ระบบ “คุณภาพความคิดเป็นใหญ่” ที่ซึ่งความคิดที่ดีที่สุดจะเป็นผู้ชนะ

not an autocracy in which I would lead and others would follow

and not a democracy in which everybody's points of view were equally valued,

และการที่จะทำแบบนั้น

ผมตระหนักว่าผมต้องการ ความซื่อตรงอย่างถึงแก่น

but I wanted to have an idea meritocracy in which the best ideas would win out.

และความโปร่งใสอย่างสุดขั้ว

ความซื่อตรง และความโปร่งใสในความหมายของผม

And in order to do that,

I realized that we would need radical truthfulness

คือคนจะต้องพูดในสิ่งที่ตัวเองเชื่อจริง ๆ

and radical transparency.

และได้เห็นทุก ๆ สิ่ง

What I mean by radical truthfulness and radical transparency

เราจึงบันทึกทุกการสนทนา

is people needed to say what they really believed

และให้ทุก ๆ คนได้เห็นทุกอย่าง

and to see everything.

เพราะว่า ถ้าเราไม่ทำแบบนั้น

เราจะไม่สามารถมีระบบ ที่คุณภาพความคิดเป็นใหญ่อย่างแท้จริงได้

And we literally tape almost all conversations

เพื่อให้เกิดระบบ “คุณภาพความคิดเป็นใหญ่”

and let everybody see everything,

because if we didn't do that,

we couldn't really have an idea meritocracy.

เราเปิดให้ทุกคนพูด และแสดงความเห็นที่อยากพูด

เพื่อให้คุณได้เห็นตัวอย่าง

นี่คือ อีเมลล์จาก จิม ฮาสเคิล

In order to have an idea meritocracy,

คนคนหนึ่งที่ทำงานให้กับผม

และทุกคนในบริษัทสามารถเข้าถึงได้

we have let people speak and say what they want.

Just to give you an example,

“เรย์ คุณสมควรได้คะแนน D-

this is an email from Jim Haskel --

สำหรับผลงานของคุณในการประชุมเมื่อเช้านี้

somebody who works for me --

and this was available to everybody in the company.

คุณเตรียมตัวมาไม่ดีเลย

เพราะถ้าเตรียมตัวมาดี ไม่มีทางที่คุณจะยุ่งเหยิงไร้ระบบขนาดนั้น”

"Ray, you deserve a 'D-'

for your performance today in the meeting ...

มันดีใช่ไหมละครับ

you did not prepare at all well

(เสียงหัวเราะ)

มันดีมาก

because there is no way you could have been that disorganized."

มันดีมากเพราะ อย่างแรกเลย ผมต้องการความเห็นสะท้อนกลับแบบนั้น

ผมต้องการความเห็นสะท้อนกลับแบบนั้น

Isn't that great?

และมันดีมากเพราะ ถ้าผมไม่ให้จิมและคนอื่นที่เหมือนจิม

(Laughter)

That's great.

ได้แสดงมุมมองของพวกเขา

It's great because, first of all, I needed feedback like that.

ความสัมพันธ์ของเราก็คงไม่เป็นเหมือนเดิม

I need feedback like that.

และถ้าผมไม่ได้ทำให้มันเป็นสาธารณะ เพื่อให้ทุกคนเห็นได้

And it's great because if I don't let Jim, and people like Jim,

ผมคงไม่อาจสร้างระบบ “คุณภาพความคิดเป็นใหญ่” ขึ้นได้

to express their points of view,

our relationship wouldn't be the same.

ดังนั้น ในช่วง 25 ปีที่ผ่านมา นั่นคือวิธีการทำงานของพวกเรา

And if I didn't make that public for everybody to see,

we wouldn't have an idea meritocracy.

เราดำเนินการด้วย ความโปร่งใสสุดขั้วนี้ตลอดมา

และก็รวบรวมหลักการเหล่านี้

So for that last 25 years that's how we've been operating.

ซึ่งส่วนมากมาจากการทำผิดพลาด

และฝังหลักการเหล่านั้น ลงไปในระบบอัลกอริธึม

We've been operating with this radical transparency

and then collecting these principles,

และจากนั้นอัลกอริธึมจะมอบ --

largely from making mistakes,

เราทำตามอัลกอริธึมนั้น

and then embedding those principles into algorithms.

ควบคู่ไปกับการคิดของเรา

นั่นคือวิธีที่เราใช้ในการดำเนิน ธุรกิจการลงทุนตลอดมา

And then those algorithms provide --

we're following the algorithms

และมันยังเป็นวิธี ที่เราใช้กับการบริหารจัดการคนด้วย

in parallel with our thinking.

เพื่อให้คุณเห็นภาพว่ามันเป็นยังไง

That has been how we've run the investment business,

ผมอยากพาคุณไปยังการประชุม

and it's how we also deal with the people management.

และแนะนำเครื่องมือของเราที่ชื่อ “ดอท คอลเลคเตอร์”

In order to give you a glimmer into what this looks like,

ที่ช่วยเราทำสิ่งนี้

I'd like to take you into a meeting

and introduce you to a tool of ours called the "Dot Collector"

หนึ่งสัปดาหลังจากการเลือกตั้งของสหรัฐ

ทีมงานวิจัยของเราได้นัดประชุมเพื่ออภิปราย

that helps us do this.

ว่าการที่ทรัมป์ เป็นประธานาธิบดี จะส่งผลแบบไหนต่อเศรษฐกิจสหรัฐฯ

A week after the US election,

โดยธรรมชาติ คนเราจะมีความเห็นต่างกัน ทั้งในเรื่องที่คุยกัน

our research team held a meeting

และวิธีที่ใช้อภิปรายเพื่อหาคำตอบเรื่องนั้น

to discuss what a Trump presidency would mean for the US economy.

“ดอท คอลเลคเตอร์” รวบรวมมุมมองเหล่านี้

Naturally, people had different opinions on the matter

มันมีรายการของลักษณะต่าง ๆ อยู่ 2-3 โหล

and how we were approaching the discussion.

เมื่อไรก็ตามที่ใครบางคนคิดอะไรบางอย่าง เกี่ยวกับความคิดของคนอื่น

The "Dot Collector" collects these views.

พวกเขาสามารถประเมินความคิดนั้นได้ง่ายๆ

It has a list of a few dozen attributes,

แค่เขียนข้อความบรรยายลักษณะนั้น และให้คะแนนตั้งแต่ 1 ถึง 10

so whenever somebody thinks something about another person's thinking,

it's easy for them to convey their assessment;

ตัวอย่างเช่น เมื่อการประชุมเริ่มขึ้น

they simply note the attribute and provide a rating from one to 10.

นักวิจัยชื่อ เจน ให้คะแนนผม 3 คะแนน

หรือพูดได้ว่า ค่อนข้างแย่

For example, as the meeting began,

(เสียงหัวเราะ)

ที่ผมแสดงออกโดยไม่ได้รักษาสมดุลระหว่าง ความใจกว้างและการยืนหยัดตามความคิดตนเอง

a researcher named Jen rated me a three --

in other words, badly --

ขณะที่การประชุมผ่านไป

(Laughter)

การประเมิณของเจนต่อคนอื่น ๆ ก็ถูกเพิ่มเข้ามาระบบแบบนี้

for not showing a good balance of open-mindedness and assertiveness.

คนอื่น ๆ ในห้องมีความเห็นที่แตกต่างกัน

As the meeting transpired,

นั่นเป็นเรื่องปรกติ

ต่างคนก็ย่อมมีความเห็นที่ต่างกันเสมอ

Jen's assessments of people added up like this.

และใครจะรู้ว่าใครถูก

Others in the room have different opinions.

ลองมาดูว่าคนอื่นคิดยังไง เกี่ยวกับสิ่งที่ผมทำในการประชุม

That's normal.

Different people are always going to have different opinions.

บางคนคิดว่าผมทำได้ดี

And who knows who's right?

บางคนมองว่าแย่

Let's look at just what people thought about how I was doing.

และกับแต่ละมุมมองเหล่านี้

เราสามารถสำรวจความคิด ที่อยู่หลังตัวเลขได้

Some people thought I did well,

นี่คือสิ่งที่ เจน และ แลร์รี่ พูด

others, poorly.

With each of these views,

ขอย้ำว่าแต่ละคนจะต้อง แสดงความเห็นของตัวเอง

we can explore the thinking behind the numbers.

รวมถึงการคิดเชิงวิพากษ์

ไม่ว่าเขาจะมีตำแหน่งอะไรในบริษัท

Here's what Jen and Larry said.

เจน ซึ่งอายุ 24 ปี และเพิ่งจะเรียนจบจากมหาวิทยาลัย

Note that everyone gets to express their thinking,

ก็สามารถบอกผม ผู้เป็น CEO ได้ว่า ผมทำงานได้แย่มาก

including their critical thinking,

regardless of their position in the company.

Jen, who's 24 years old and right out of college,

เครื่องมือเหล่านี้ช่วยให้ผู้คน ทั้งแสดงความคิดเห็น

และแยกพวกเขาออกมาจากความคิดของตัวเอง

can tell me, the CEO, that I'm approaching things terribly.

เพื่อให้เห็นสิ่งต่าง ๆ จากมุมมองที่สูงขึ้น

This tool helps people both express their opinions

เมื่อเจนและคนอื่นเปลี่ยนความสนใจ จากการใส่ความคิดเห็นของตัวเอง

and then separate themselves from their opinions

to see things from a higher level.

เป็นมองลงไปยังภาพรวมทั้งจอ

มุมมองของพวกเขาจะเปลี่ยนไป

When Jen and others shift their attentions from inputting their own opinions

พวกเขาจะพบว่าความเห็นของตัวเอง เป็นเพียงหนึ่งในหลายความเห็นเท่านั้น

to looking down on the whole screen,

และพวกเขาจะเริ่มถามตัวเองว่า

their perspective changes.

"ฉันจะรู้ได้อย่างไรว่าความคิดฉันถูกต้อง"

They see their own opinions as just one of many

การเปลี่ยนมุมมองนั้น คือการเปลี่ยนจากการมองมิติเดียว

and naturally start asking themselves,

เป็นการมองในหลายมิติ

"How do I know my opinion is right?"

และมันเปลี่ยนการสนทนา จากการโต้แย้งเกี่ยวกับความเห็น

That shift in perspective is like going from seeing in one dimension

ไปเป็นการหาหลักเกณฑ์ ที่จะตัดสินว่าความเห็นใดดีที่สุด

to seeing in multiple dimensions.

And it shifts the conversation from arguing over our opinions

เบื้องหลัง “ดอท คอลเล็คเตอร์” คือคอมพิวเตอร์ที่กำลังเฝ้ามองอยู่

to figuring out objective criteria for determining which opinions are best.

มันกำลังมองว่าคนเหล่านี้กำลังคิดอะไร

และมันก็หาความสัมพันธ์ กับวิธีการที่พวกเขาคิด

Behind the "Dot Collector" is a computer that is watching.

และสื่อสารข้อแนะนำกลับไปยังแต่ละคน โดยอ้างอิงจากข้อมูลเหล่านั้น

It watches what all these people are thinking

จากนั้นมันก็ดึงข้อมูลจากทุก ๆ การประชุม

and it correlates that with how they think.

And it communicates advice back to each of them based on that.

มาสร้างรูปผสานจุดสี ว่าแต่ละคนเป็นอย่างไร

และการคิดของเขาเป็นอย่างไร

Then it draws the data from all the meetings

และมันก็ถูกนำทางโดยอัลกอริธึม

to create a pointilist painting of what people are like

การรู้ว่าแต่ละคนเป็นคนแบบไหน ช่วยจับคู่คนกับงานได้ดีขึ้น

and how they think.

And it does that guided by algorithms.

ตัวอย่างเช่น

นักคิดสร้างสรรค์ผู้ไม่ค่อยมีวินัย

อาจจะถูกจับคู่กับบางคนที่มีวินัย ไว้ใจได้ แต่ขาดความคิดสร้างสรรค์

Knowing what people are like helps to match them better with their jobs.

การรู้ว่าพวกเขาเป็นคนแบบไหน ยังทำให้เราตัดสินใจได้ว่า

For example,

a creative thinker who is unreliable

might be matched up with someone who's reliable but not creative.

จะมอบความรับผิดชอบอะไรให้พวกเขา

และจะชั่งน้ำหนักการตัดสินใจของเรา โดยดูจากความรู้ความสามารถของคน

Knowing what people are like also allows us to decide

เราเรียกมันว่า ความน่าเชื่อถือของเขา

what responsibilities to give them

นี่คือตัวอย่างหนึ่งของการโหวตที่เราทำ

and to weigh our decisions based on people's merits.

ความรู้สึกของคนส่วนใหญ่ไปในทางหนึ่ง

We call it their believability.

แต่เมื่อให้น้ำหนักความเห็นเหล่านั้น ตามความรู้ความสามารถของคน

Here's an example of a vote that we took

คำตอบที่ได้นั้นต่างไปอย่างสิ้นเชิง

where the majority of people felt one way ...

กระบวนการนี้ทำให้เราตัดสินใจ โดยที่ไม่ตั้งอยู่บนหลักประชาธิปไตย

but when we weighed the views based on people's merits,

the answer was completely different.

ไม่ตั้งอยู่บนอัตตาธิปไตย

แต่ตั้งอยู่บนอัลกอริธึมที่นำเอา ความน่าเชื่อถือของคนมารวมในการพิจารณา

This process allows us to make decisions not based on democracy,

not based on autocracy,

but based on algorithms that take people's believability into consideration.

ใช่ครับ เราทำแบบนี้จริง ๆ

(เสียงหัวเราะ)

พวกเราทำมันเพราะว่ามันกำจัด

สิ่งที่ผมเชื่อว่าเป็นโศกนาฏกรรม ที่ยิ่งใหญ่สำหรับมนุษยชาติ

Yup, we really do this.

(Laughter)

นั่นคือ ความหยิ่งทะนงของคน

We do it because it eliminates

ยึดมั่นความคิดเห็นผิด ๆ ของตน อย่างไร้เดียงสา

what I believe to be one of the greatest tragedies of mankind,

และก็ทำตามความคิดเห็นนั้น

and that is people arrogantly,

โดยไม่ตรวจสอบดูก่อนว่ามันถูกหรือผิด

naïvely holding opinions in their minds that are wrong,

และนั่นคือโศกนาฏกรรม

และที่เราทำระบบใหม่ ยังเป็นเพราะ มันช่วยยกตัวเราให้อยู่เหนือความคิดของเรา

and acting on them,

and not putting them out there to stress test them.

ซึ่งนั้นทำให้เราเห็นสิ่งต่าง ๆ ในมุมมองของคนอื่น ๆ บ้าง

And that's a tragedy.

And we do it because it elevates ourselves above our own opinions

และเราได้เห็นสิ่งต่าง ๆ ร่วมกัน

การตัดสินใจแบบเป็นหมู่คณะ มันดีกว่าการตัดสินใจคนเดียวอย่างมาก

so that we start to see things through everybody's eyes,

ถ้าเราทำมันได้ถูกต้อง

and we see things collectively.

นี่คือสูตรลับ เบื้องหลังความสำเร็จของพวกเราครับ

Collective decision-making is so much better than individual decision-making

มันคือเหตุผลว่าทำไมเราทำกำไรให้ลูกค้า

ได้มากกว่าเฮดจ์ฟันด์อื่นใดที่มีอยู่ตอนนี้

if it's done well.

และทำกำไรได้ 23 ปี ในช่วง 26 ปีที่ผ่านมา

It's been the secret sauce behind our success.

It's why we've made more money for our clients

แล้วอะไรคือปัญหาของการซื่อตรงถึงแก่น

than any other hedge fund in existence

and made money 23 out of the last 26 years.

และโปร่งใสสุดขั้วกับคนอื่น

So what's the problem with being radically truthful

ผู้คนพูดกันว่ามันยากในเชิงอารมณ์

นักวิจารณ์พูดว่ามันเป็นสูตรของ สภาพแวดล้อมการทำงานสุดโหด

and radically transparent with each other?

นักประสาทวิทยาบอกผมว่ามันเป็นเพราะ โครงสร้างของสมองที่ถูกสร้างมา

People say it's emotionally difficult.

Critics say it's a formula for a brutal work environment.

มันมีส่วนของสมองที่ อยากรู้ความผิดพลาดของเราเอง

Neuroscientists tell me it has to do with how are brains are prewired.

และอยากที่จะมองไปที่ข้อด้อยของเรา เพื่อที่เราจะสามารถปรับปรุงให้ดีขึ้นได้

เขาบอกผมว่ามันชื่อ พรีฟรอนทัล คอร์เทกซ์ (prefrontal cortex)

There's a part of our brain that would like to know our mistakes

และก็มีส่วนของสมอง ที่มองเรื่องเหล่านั้นเป็นการโจมตี

and like to look at our weaknesses so we could do better.

I'm told that that's the prefrontal cortex.

เขาบอกผมว่ามันชื่อ อมิกดาลา (amygdala)

พูดอีกอย่างนึงคือ มีคุณสองคนในตัวคุณ

And then there's a part of our brain which views all of this as attacks.

มีคุณในแบบเจ้าอารมณ์

และมีคุณในแบบปัญญาชน

I'm told that that's the amygdala.

บ่อยครั้งที่พวกมันขัดแย้งกัน

In other words, there are two you's inside you:

และบ่อยครั้งพวกมันก็หันมาเล่นงานคุณ

จากประสบการณ์ของเรา เราสามารถชนะการรบนี้ได้

there's an emotional you

and there's an intellectual you,

and often they're at odds,

เราชนะมันโดยการทำงานเป็นทีม

and often they work against you.

ปกติจะต้องใช้เวลาราว 18 เดือน

It's been our experience that we can win this battle.

กว่าจะค้นพบว่าคนส่วนใหญ่ ชอบที่จะทำงานร่วมกันแบบนี้

ด้วยความโปร่งใสสุดขั้ว

We win it as a group.

It takes about 18 months typically

แทนที่จะทำงานในสภาพแวดล้อม ที่คลุมเครือไม่โปร่งใส

to find that most people prefer operating this way,

มันไม่มีการเมือง มันไม่มีความทารุณของ --

with this radical transparency

พวกเรื่องลับ ๆ ที่อยู่หลังม่าน

than to be operating in a more opaque environment.

มีแค่ระบบ “คุณภาพความเห็นเป็นใหญ่” ที่เปิดให้ผู้คนแสดงออกได้

There's not politics, there's not the brutality of --

และนั่นเป็นระบบที่ดีมากครับ

มันทำให้เราทำงานมีประสิทธิภาพมากขึ้น

you know, all of that hidden, behind-the-scenes --

ทำให้เรามีความสัมพันธ์ที่มีประสิทธิภาพขึ้น

there's an idea meritocracy where people can speak up.

แต่ระบบนี้ก็ไม่ได้ดีสำหรับทุกคน

And that's been great.

เราพบว่าประมาณ 25 หรือ 30 % ของประชากร

It's given us more effective work,

and it's given us more effective relationships.

เข้ากับระบบนี้ไม่ได้

แต่อย่างไรก็ตาม

But it's not for everybody.

เมื่อผมพูดถึงความโปร่งใสสุดขั้ว

We found something like 25 or 30 percent of the population

ผมไม่ได้บอกว่าต้องโปร่งใสกับทุก ๆ เรื่อง

ผมหมายถึง คุณไม่จำเป็นต้องบอกคนอื่น ว่าหัวเขากำลังล้านมากขึ้น

it's just not for.

And by the way,

when I say radical transparency,

หรือลูกเขาหน้าตาน่าเกลียด

ผมแค่พูดถึง...

I'm not saying transparency about everything.

(เสียงหัวเราะ)

I mean, you don't have to tell somebody that their bald spot is growing

พูดถึงเรื่องที่สำคัญ

ซึ่ง --

or their baby's ugly.

(เสียงหัวเราะ)

So, I'm just talking about --

(Laughter)

talking about the important things.

ซึ่งเมื่อคุณออกไปจากห้องนี้

ผมอยากให้คุณสำรวจบทสนทนา ของคุณกับคนอื่น

So --

(Laughter)

จินตนาการว่า ถ้าคุณรู้ว่า จริง ๆ แล้วพวกเขากำลังคิดอะไรอยู่

So when you leave this room,

I'd like you to observe yourself in conversations with others.

จินตนาการว่าถ้าคุณรู้ว่า จริง ๆ แล้วพวกเขาเป็นคนยังไง

Imagine if you knew what they were really thinking,

และจินตนาการว่าถ้าเขารู้ว่า จริง ๆ แล้วคุณกำลังคิดอะไรอยู่

and imagine if you knew what they were really like ...

และจริง ๆ แล้วเป็นคนแบบไหน

มันคงจะขจัดปัญหาออกไปได้เยอะมากแน่ ๆ

and imagine if they knew what you were really thinking

และทำให้คุณร่วมงานด้วยกัน ได้อย่างมีประสิทธิภาพมากขึ้น

and what were really like.

ผมคิดว่ามันจะพัฒนา ความสัมพันธ์ของคุณเช่นกัน

It would certainly clear things up a lot

ตอนนี้ลองจินตนาการว่าคุณมีอัลกอริธึม

and make your operations together more effective.

ที่จะมาช่วยคุณรวบรวมข้อมูลพวกนั้นทั้งหมด

I think it will improve your relationships.

และยังช่วยให้คุณตัดสินใจ ตามระบบ “คุณภาพความคิดเป็นใหญ่”

Now imagine that you can have algorithms

that will help you gather all of that information

ความโปร่งใสสุดขั้วพวกนี้ กำลังพุ่งเข้าหาตัวคุณ

and even help you make decisions in an idea-meritocratic way.

และมันจะส่งผลกระทบต่อชีวิตคุณ

และในความคิดของผม

This sort of radical transparency is coming at you

มันจะยอดเยี่ยมมาก

ซึ่งผมหวังว่า มันจะเป็นสิ่งที่ยอดเยี่ยมสำหรับคุณ

and it is going to affect your life.

เหมือนที่มันยอดเยี่ยมสำหรับผม

ขอบคุณมากครับ

And in my opinion,

(เสียงปรบมือ)

it's going to be wonderful.

So I hope it is as wonderful for you

as it is for me.

Thank you very much.

(Applause)