شاید عبارت اصلی باید این باشد «سه پدیده گروهی که موفقیت شما به عنوان یک رهبر را خراب میکنند» که از اصل ترجمه عنوان مقاله اصلی آمده است یا این یکی که دلیل اصلی بازنشر این مطلب هست: «سه پدیده گروهی که موفقیت شما به عنوان یک رهبر را خراب میکنند یا چگونه با کمک ChatGPT با سرعت نور از خورشید طی ۸ دقیقه به زمین برسیم! یعنی مقالهای با کمتر از ۱۵۰۰ کلمه به زبانی که اساسا آشنا نیستیم را به فارسی ترجمه کنیم!»
ابتدا بیایید ترجمه مطلب اصلی به قلم سایمون فلوسمان که در scrum.org منتشر شدهاست را با ویرایشهای جزئی من، بعد از برگردان به فارسی توسط ChatGPT جان، مروری داشته باشیم:
چه ویژگیهای به تشخیص رهبران موفق کمک میکند؟
اخیراً از تیم کوک پرسیده شد چه چیزی سبب موفقیت سبک رهبری او شده است. او که به ندرت تن به مصاحبه میدهد چنین پاسخ دادهاست:
«من لیدری هستم که به همکاری اعتقاد دارد. تنها ترکیب ایدههای ما یک ایده عالی ایجاد میکند. یک ایده غنی شده و قوی که هیچ کدام از ما به تنهایی امکان دستیابی به آن را نداشت. اگر بتوانیم ایدهها را در مباحث بین گروهها ایجاد کنیم، به چیزخایی بزرگتر از اندازه توانائیمان دست خواهیم یافت و شگفتآور است که ما با آنها چه چیزهایی میتوانیم خلق کنیم، جدا از اینکه که ایده مربوط به تولید یک محصول و یا بازاریابی آن باشد. بنابراین، سبک رهبری من این است که همه به این شیوه همکاری کنند.»
بیشک تیم کوک یکی از موفقترین رهبران عصر ما است. از زمانی که در سال ۲۰۱۱ رهبری اپل را برعهده گرفته است، ارزش اپل ۹۰ درصد افزایش یافته است (در سال ۲۰۲۳ برای نخستین بار اپل با اختلاف کمی سهم بزرگتری از بازار دستگاههای تلفن همراه را نسبت به رقیب دیرینهاش سامسونگ به دست آورد ـ مترجم). در حال حاضر اپل مقدار ۳ تریلیون دلار ارزش دارد و این برابر با اندازه اقتصاد کشور فرانسه است.
برای تیم کوک رهبری به معنای ایجاد ۳ از مجموع ۱ و ۱، است! اگر شما همانند وی به دنبال امکان فراهم کردن همکاری برای تولید ایدههای جدید هستید، باید به سه پدیده توجه کنید. این پدیدهها در ایدهپردازیها و بارشافکارهای گروهی رخ میدهند و جلوی تولید ایدههای عالی را میگیرند.
بیایید این پدیدهها را یکی پس از دیگری بررسی کنیم:
آیا شما عصبانی میشوید هنگامی که اعضای تیم شما در گفتگو شرکت نمیکنند؟
در سال ۱۹۸۵، روانشناسان گرولد استاسر از دانشگاه میامی و ویلیام تایتوس از دانشکده برایر کلیف یک آزمایش انجام دادند. دو گروه هرکدام شامل چهار نفر بودند و باید تصمیم بگیرند که کدامیک از سه نامزد برای سمت ریاست هیأت دانشجویی مناسبتر است. محققان پروندهها را تهیه کردند که شامل ویژگیهای مثبت و منفی هر نامزد بود. بر اساس این پروندهها، نامزد A بهترین گزینه برای این سمت بود.
در گروه اول، همه اعضا پیش از زمان، پروندهها را مطالعه کردند، ترجیح شخصی خود را اعلام کردند و سپس به عنوان یک گروه برای نامزد A رای دادند.
در گروه دوم، پروندهها برای اعضا کامل نبودند. آنها برخی اطلاعات مشترک در مورد هر نامزد داشتند، اما اطلاعات باقیمانده از پروندهها در پروندههای مختلف پخش شده بودند. به دلیل توزیع اطلاعات مثبت و منفی در پروندهها، بیشتر اعضا پیش از رأیگیری به نامزد A اولویت ندادند. گرچه اعضای این گروه در زمان رأیگیری میدانستند که پروندههایشان تمام اطلاعات را ندارند، اما به سرعت در گفتگوی گروهی یک توافق شکل گرفت.
و سپس یک چیز غیرمنتظره اتفاق افتاد:
با اینکه اعضای گروه میدیدند که یک توافق در حال شکل گیری است، به طور فزایندهای کمتر احتمال داشت با وجود داشتن اطلاعات منفی درباره نامزد مورد توافق (یا مثبت درباره نامزدان غیرمورد توجه) افراد شهامت به خرج داده و آن اطلاعات را با جمع به اشتراک بگذارند. برخلاف گروههای کاملاً آگاه که در آنها کاندیدای مناسب (نامزد A) انتخاب شد، این گروهها تقریباً همیشه به یکی از نامزدهای دیگر رأی میدادند.
به عبارت دیگر اگرچه گروه دسترسی به همه اطلاعات را داشت تا بررسی کند که نامزد A بهترین است، اعضای گروه این اطلاعات را ارائه ندادند و معمولا نامزدی را انتخاب میکردند که مطلوب نبود.
اگر شما از این ناراحت هستید که اعضای تیم شما در گفتگو شرکت نمیکنند، باید از خودتان بپرسید که گفتگو چه قدر از یک توافق دور است. آیا از قبل یک همگرایی در آرا وجود دارد؟ اگر چنین است، احتمالاً اعضای تیم توان مخالفت با موضوع توافق شده با وجود دسترسی به اطلاعات دقیقتر را ندارند.
مسائل در واقع این است:
زمانی که میخواهد یکی از ۱ و ۱ مجموع ۳ بسازیم گروه باید دیدگاههای مختلف را بشنود. چرا که در مواجهه با دیدگاههای متفاوت یا مخالفتآمیز، پتانسیل تولد یک ایده نوآورانه وجود دارد. بهتر است این مشکل را با این روش حل کرد که به هر عضو تیم فرصت داد تا ایدهاش را به صورت مستقل بیان کند.
یک تکنیک که در اینجا موثر بوده است، تکنیک ۱-۲-۴-همه (از مجموعه تکنیکهای Liberating Structure ـ مترجم) است ( برای اطلاعات بیشتر اینجا را ببینید).
چه اتفاقی میافتد اگر ماری کوری بخشی از تیم باشد؟
آیا ایدههای او باید توجه بیشتری جلب کنند؟ بله، ممکن است مواقعی پیش بیاید که نظر ماری باید وزن بیشتری داشته باشد تا نظر دیگران، به خصوص زمانی که گروه در مورد شیمی صحبت میکنند. اما در سایر موارد، بهتر است اگر افرادی که ایده ارائه میدهند، ناشناس بمانند.
برای افراد سخت است در جلسات عمومی به افرادی که دارای دانش تخصصی بیشتر یا اختیار بیشتری هستند، اعتراض کنند، جدا از اینکه آیا این افراد ماری باشند یا مدیر دپارتمان آنها.
این پدیده به نام اثر هالهای (Halo effect) شناخته میشود و نخستین بار در یک آزمایش توسط روانشناس استنلی میلگرام در سال ۱۹۶۱ نشان داده شده است. در این آزمایش، شرکتکنندگان موظف به زدن شوکهای الکتریکی با نیروی بیشتر به یک فرد دیگر که پشت یک پنجره شیشهای نشسته بود، میشدند. این شوکها از ۱۵ ولت شروع شد و به تدریج به ۳۰ ولت، ۴۵ ولت و ... تا حدود ۴۵۰ ولت تشدید میشد. حتی زمانی که فرد شکنجهشده از درد فریاد میزد و لرزش داشت (البته شکنجهای با جریان برق در کار نبود نبود، بلکه فرد مربوطه یک بازیگر حرفهای بود!) و شرکتکننده میخواست آزمایش را متوقف کند، استنلی میلگرام با آرامش میگفت: "ادامه دهید، آزمایش این را میخواهد." و بیشترین تعداد از شرکتکنندگان ادامه دادند. بیش از نیمی از شرکتکنندگان به بالاترین جریان الکتریکی رسیدند!
چرا این اتفاق افتاد؟
به دلیل اطاعت محض از مرجع معتبر
آزمایش نشان میدهد چگونه افراد تمایل دارند از افرادی که در موضوعی خاص مرجع هستند، پیروی کنند یا به نظرات افراد به عنوان متخصصان بیشتر وزن دهند. آنها به این باور میرسند که باید به ایده فرد مرجع و متخصص وفادار بود، حتی اگر این باور با قضاوت شخصی یا اعتقادات اخلاقی آنها در تضاد باشد.
آیا میخواهید از اثر هالهای جلوگیری کنید؟
در این صورت نه تنها باید به هر عضو تیم فرصت داده شود تا ایدهاش را مستقل بیان کند، بلکه این باید به صورت ناشناس انجام شود. این کار باعث جلوگیری از این میشود که برخی از ایدهها به دلیل اینکه از متخصص فرضی در تیم نیستند، در ابتدای راه رد شوند. برونسپاری ۲۵/۱۰ (از مجموعه تکنیکهای Liberating Structure ـ مترجم) یک تکنیک خوب برای اجرای گروهاندیشی است (برای اطلاعات بیشتر اینجا را ببینید ـ مترجم).
علاوه بر دو مورد قبلی، پدیده دیگری هم وجود دارد که میتواند موفقیت رهبران را تخریب کند:
در سال ۱۹۹۴، در یک تحقیق از ۳۷ دانشجوی روانشناسی خواسته شد تا تخمین بزنند چقدر زمان برای تکمیل پایاننامههای خود نیاز دارند. آنها تخمین زدند که در میانگین ۲۷٫۴ روز زمان لازم است "اگر همه چیز به بهترین شکل ممکن پیش برود" و ۴۸٫۶ روز اگر "اگر همه چیز به بدترین شکل ممکن پیش برود".
خودتان حدس بزنید چند روز واقعیاً به آنها نیاز بود؟
در دنیای واقعی میانگین زمان انجام توسط آنها ۵۵٫۵ روز بود، و تنها ۳۰ درصد از دانشجویان کار خود را در زمان پیشبینیشده تکمیل کردند!
راجر بیولر (روانشناس) این موضوع را گه پندار آرزومندانه نام دارد را به این صورت توضیح میدهد:
«مردم باور دارند که وظایف به سرعت و آسانی انجام میشوند، چون آنها میخواهند که اینطور باشد!»
ما در برنامهریزی کارها فقط به سناریوی بهینهترین حالت ممکن مراجعه میکنیم، به جای آنکه از تجارب مربوط به انجام وظایف مشابه استفاده کنیم. حالا که این اثر را میشناسید، حتماً مثالهای بیشماری به ذهنتان میرسد که قبلاً آن را مشاهده کردهاید. یکی از مشهورترینها احتمالاً ساخت فرودگاه برلین است. بعد از ۱۵ سال برنامهریزی، ساخت فرودگاه در سال ۲۰۰۶ شروع و باید در سال ۲۰۱۱ تمام میشد. اما در واقع، تا سال ۲۰۲۰ به اتمام نرسید و به روی مردم باز نشد!
چگونه میتوانید اطمینان حاصل کنید که برنامهریزی در تیم شما به یک فرودگاه برلین بعدی تبدیل نمیشود؟
ما باید مرگ بیمار ـ در این موقعیت فرودگاه برلین ـ را بررسی کرده و علت مرگ را پیدا کنیم. در پزشکی این را به نام کالبدشکافی میشناسند. وقتی شرکتها دنبال دلایل یک نتیجه ناامیدکننده پروژه هستند، آن را پست مورتم مینامیم. هدف از آن یادگیری از اشتباهات گذشته است. اما مشکل اینجاست:
بیمار از پیش مرده است.
بنابراین، روانشناس معروف گری کلین پیشنهاد میدهد که کالبدشکافی را پیش از اینکه بیمار از دست برود انجام دهیم. در این رویکرد فرض میکنیم بیمار مرده است و سپس به دنبال دلایل ممکن میگردیم. اجازه بدهید این تکنیک را پیش از مرگ بنامیم.
استفاده از تکنیکهای مشابهی برای جلوگیری از پدیدههای منفی در گروه دارید؟
اما حالا بیایید تجربه دیگری را با هم مرور کنیم. مقاله اصلی به زبان آلمانی بود؛ من با آلمانی آشنایی ندارم اما استفاده از Google Translate و ChatGPT را دارا بودم. ابتدا از AI پردازشگر زبان طبیعی محبوبمان خواستم که متن را به فارسی ترجمه کند؛ دو سه بار Hang over ریزی کرد ولی در طی ۸ دقیقه متن نسبتا ساده و روانی را به عنوان برگردان به فارسی در چت نوشت. بعد از ابزار translate موتورجستجوی محبوبمان خواستم که مجددا همان متن را ترجمه کند. جدا از اینکه اکانت من پرمیوم نبود و محدودیت ۵۰۰۰ حرف را باید به طریقی دور میزدم با یک واقعیت تازه مواجه شدم؛ گوگل جان با صرف زمان تقریبا مشابه (با در نظر گرفتن تاخیر ناشی از مجموعه عملیات چندین بار کپی کردن متن اصلی و مشاهده ترجمه فارسی) برای برخی لغات ترجمه بهتری پیشنهاد میکرد و برای برخی مشابه ابزار ChatGPT بود و در برخی دیگر ChatGPT بهتر بود. به عنوان مثال ترجمه جملات از ChatGPT بسیار روانتر از گوگل بود ولی ابزار translate معادل فارسی بهتری را برای برخی کلمات مهم متن بر میگزید.
جدا از اینکه فارسی خیلی ساختار زبانی و ادبی دشواری برای محک زدن توانایی پردازش متن دو ابزار مورد آزمایش محسوب میشود و من هم آزمایش کنترل شدهای را برنامهریزی نکرده بودم؛ اجازه بدهید بررسی آکادمیک موضوع را دست کن در این نوشته متوقف کرده و بیشتر روی نتیجه کار متمرکز باشیم. شما مقالهای از یک مترجم آشنا به ادبیات فارسی و البته کانتکست موضوع ولی نا آشنا به زبان اصلی مقاله مطالعه کردید. چقدر برایتان مفید بود؟ چقدر خودتان انگیزه پیدا کردهاید برای تجربه کردن موردی مشابه؟
به دنیای هوش مصنوعی خوش آمدید و البته که این تازه شروع ماجرا هست!
موفق باشید! چابکی یافتن کاری است که باید انجام شود!