все равно результат получится лучше, чем при случайном отборе.
Нам удалось убедить себя в том, что слабая корреляция что-нибудь да значит, хотя на самом деле она не значит ничего. В психологии и педагогике почти везде принято считать, что наличие корреляции, скажем, 0,4 (корреляция между результатом теста на академическую успеваемость и оценками за первый семестр в колледже[197]) говорит о том, что вы выявили высокое соотношение. Однако с чисто математической точки зрения если вы обнаружили корреляцию между параметрами с показателем 0,4, это значит, что вы сумели объяснить лишь 16 процентов каждого из них[198]. Вы же не думаете, что досконально разобрались в теме, если можете объяснить ее суть всего на 16 процентов? Вы бы отдали свою машину в ремонт мастеру, разбирающемуся в неисправности только на 16 процентов?
Конечно, если нас больше интересует эффективность системы, чем индивидуальность, 16 процентов в среднем, безусловно, лучше, чем ничего. Этого бывает достаточно для разработки стратегий длягрупплюдей. Но если наша цель — выявить и развить уникальные качества отдельного человека, то при низкой корреляции мы преуспеем в этом, только если будем помнить, что индивидуальные качества обладают свойством крайней неоднородности.
Таланты, которые никто не замечал
В 2004 году Тодд Карлайл занял должность аналитика в отделе по работе с персоналом Google, где помогал проект-менеджерам при поиске новых сотрудников взаимодействовать с рекрутерами, составляющими «пакеты данных» о кандидатах на должность для принятия решения. На тот момент наиболее значимой частью данных этих пакетов считался средний балл и результаты стандартизированного тестирования. Однако Карлайл подметил, что менеджеры часто просили рекрутеров предоставить дополнительную информацию о претендентах[199]. Кто-то хотел знать, побеждал ли соискатель в соревнованиях программистов; кто-то интересовался, нет ли у кандидата хобби вроде шахмат или игры в музыкальном коллективе. Похоже, что у каждого менеджера были собственные соображения насчет того, что еще следует узнать о человеке, прежде чем взять его на работу.
«В один прекрасный день я подумал: если традиционные средства оценки — все эти баллы и результаты тестов — так уж хороши, почему все постоянно запрашивают какие-то дополнительные, явно нестандартные данные? — рассказывает Карлайл. — И я решил провести эксперимент»[200]. Карлайла преследовала мысль, что Google ненарочно отсеивает талантливых людей; по его мнению, эта проблема, возможно, отчасти была обусловлена чрезмерной зацикленностью на небольшом наборе привычных критериев. Поэтому он решил изменить принятый в компании подход к найму персонала таким образом, чтобы можно было анализировать личные качества кандидата. Поскольку в Google все важные решения принимаются коллегиально, Карлайлу понадобилось убедить руководство в ценности своего предложения, а для этого требовалось провести исследование, которое подтвердило бы не только его догадки относительно аспектов способностей, гарантирующих кандидату успех в Google, но и всех прочих сфер, которые считали важными другие менеджеры и руководители.