اثر ولتاژ

مقیاس در کسب‌وکار برای توسعه تجاری و افزایش سود و در حکمرانی با هدف بهبود رفاه اجتماعی انجام می‌شود. با درک علم مقیاس‌پذیری، می‌توانیم تغییرات معناداری در جامعه ایجاد کنیم، زیرا دنیای بهتر در مقیاس ساخته می‌شود. مقیاس برای کسب‌وکار، جمع‌آوری کاربران بیشتر یا تصاحب سهم بیشتر در بازار و برای حکمرانی، تنها بهبودهای مقطعی و ناپایدار در رفاه مردم نیست؛ بلکه بدان معناست که آیا ایده‌ای همانند رشد کسب‌وکار یا بهبود سلامت افراد که در گروه کوچکی موفق می‌شود، می‌تواند به ولتاژ بالا دست یابد و موفقیت آن در گروه بزرگ نیز تکرار می‌شود. در واقع مقیاس‌دهی (scalability) یکی از اساسی‌ترین مفاهیمی است که برای گسترش هر ایده، محصول یا خدمت نوآورانه باید به آن توجه کرد. مقیاس‌دهی فقط به استارت‌آپ‌ها و تیم‌های نوپا محدود نمی‌شود و حتی سازمان‌های بزرگ و جاافتاده و دولت‌ها نیز در روند عملکردشان ممکن است به آن نیاز داشته باشند.

طبیعتاً شرط لازم موفقیت هر برنامه‌ای در سطح کسب‌وکار یا هر سیاستی در سطح حکمرانی نشان دادن وجود رابطه علیت است؛ به این معنا که در آزمایه کنترل‌شده تصادفی‌شده (randomized controlled trial) به صورت آزمایشگاهی یا میدانی مشخص شود، مداخله از طریق برنامه یا سیاست باعث تغییر مطلوب و معنادار در نتایج شده است. خلاصه سخن کتاب «اثر ولتاژ» (The Voltage Effect) به نویسندگی جان لیست (John A. List)، این است که اگر شرایط لازم برای مقیاس‌پذیری نتایج وجود نداشته باشد، نمی‌توان تنها دلخوش به کشف رابطه علّی در آنها بود که می‌تواند یافته مهمی باشد. عموم تلاش‌ها و پژوهش‌ها تاکنون بیشتر معطوف به نشان دادن شرایط و لوازم تعیین دقیق رابطه علّی در آزمایش‌های اولیه بوده است. این کتاب کانون توجه را به نکته‌ای مغفول اما بنیادین جلب می‌کند، اگر بتوان کار دشوار نشان دادن رابطه علّی را به‌درستی انجام داد، همچنان باید بااحتیاط در مورد تعمیم و مقیاس‌بندی آن در سطوح فراتر تصمیم گرفت.

نویسنده کتاب اثر ولتاژ، جان لیست، یکی از ذهن‌های پیشرو در اقتصاد تجربی مدرن است. «جان آگوست لیست»، اقتصاددان آمریکایی است که به دلیل بهبود استفاده از آزمایش میدانی در تحقیق اقتصادی شهرت دارد. او سابقه تدریس در دانشگاه شیکاگو را دارد و در حال حاضر در سمت اقتصاددان ارشد شرکت اوبر فعالیت می‌کند. پژوهش‌های او بر انجام آزمایش‌های جالب میدانی در پاسخ به پرسش‌هایی جذاب متمرکز شده است؛ مانند اینکه چرا مردم به خیریه‌ها کمک مالی می‌کنند؟ چگونه می‌توان آنها را برای کمک بیشتر تحت تاثیر قرار داد؟ یا اینکه چگونه می‌توانیم مشاغل را وادار به پرداخت مالیات کنیم؟ کتاب از تعبیر «افت ولتاژ» و «افزایش ولتاژ» که جزو مفاهیم پایه فیزیک است، برای توصیف ناکامی و موفقیت در مسیر مقیاس‌بخشی به ایده و کسب‌وکار استفاده کرده است. «اثر ولتاژ» مملو از روایت‌هایی جذاب درباره تجربه‌های عملی نویسنده کتاب است. بخش اعظم قدرت کتاب در وسعت خیره‌کننده تجربه‌های نویسنده آن نهفته است.

جان لیست، استاد اقتصاد دانشگاه شیکاگو، مشاور اقتصادی رئیس‌جمهور ایالات‌متحده، شرکت‌های اوبر و لیفت، شرکت هواپیمایی ویرجین آتلانتیک،  مدارس دولتی شیکاگو و دولت جمهوری دومینیکن بود. جان لیست در کتاب اثر ولتاژ با تکیه بر پژوهش‌هایش و ارائه مثال‌های جذاب از حوزه تجارت، سیاست‌گذاری، آموزش و سلامت عمومی، مشکلات مربوط به مقیاس‌بندی و نحوه اجتناب از آنها را نشان و توضیح می‌دهد ایده‌های مقیاس‌پذیر، مجموعه‌ای از ویژگی‌های مشترک دارند. نویسنده در این کتاب نشانه‌ها و رازهای اصلی قابل اندازه‌گیری را شناسایی می‌کند که یک ایده، سیاست، محصول یا پروژه مقیاس‌پذیر باید داشته باشد و بتوان نتایج را در سطح یک نمونه از افراد در مقیاس گسترده تعمیم داد و استراتژی‌هایی برای صاحبان کسب‌وکار و سیاست‌گذاران در راستای افزایش ولتاژ ارائه کرد. قسمت نخست این کتاب به پنج نکته اساسی که تضمین‌کننده اجرای درست فرآیند مقیاس‌دهی به ایده است، می‌پردازد. در این مطلب، نگاهی به این پنج نکته مهم انداخته‌ایم.

مثبت کاذب

نخستین نکته در مورد مقیاس‌پذیری، مراقبت از نتایج مثبت کاذب (false positive) است؛ نتایجی که تن به تکرار نمی‌دهند و معنای نویدبخش در بررسی‌های دقیق را از دست می‌دهند. نمی‌توان به هم‌راستایی نتایج با شهود یا سلایق دلخوش بود و بی‌پروا در مقیاس بزرگ آنها را ارائه کرد. گزاره‌ای در علم رایج است که می‌گوید، نتیجه مطالعه‌ای، الزاماً در مطالعه‌های مشابه، به طور یکسان تکرار نمی‌شود. کلید مبارزه با مثبت‌های کاذب، تکرار مستقل است: دائماً باید ایده‌ها را زیر فشار قرار داد تا مطمئن شوید نتیجه به دست‌آمده پایدار و واقعی است، نه حاصل عوامل تصادفی، اختصاصی یا دستکاری پژوهشگر در داده‌ها. سوگیری تایید  (Confirmation Bias)، به معنای گرایش به جست‌وجو و تلاش تبیین داده‌ها برای تایید باورها یا فرضیه‌های اولیه پژوهشگر به جای ابطال آن است که می‌تواند ناخواسته این مسئله را ایجاد کند. به عنوان نمونه‌ای از مثبت کاذب، نویسنده کتاب (جان لیست) تجربه مشاوره به مدیرعامل شرکت خودروسازی کرایسلر (Chrysler) را بازگو می‌کند. آنها برنامه سلامت کارکنان را به صورت آزمایشی اجرا کردند که در ابتدا تاثیرات مثبت بر غیبت کارکنان و سایر معیارهای رفاهی را نشان می‌داد. در نهایت در همه اجراهای آزمایش بعدی، هیچ تاثیری نشان داده نشد. اگر این برنامه در شرکت صرفاً بر اساس نتایج آزمایش نخست مقیاس‌شده بود، بسیاری از منابع هدر می‌رفت. به همین دلیل «مثبت کاذب» می‌تواند در مقیاس‌دهی به ایده‌ها خطرناک باشد، زیرا به هدررفت پول، زمان و منابع سازمانی می‌انجامد.

تناسب جمعیت

نکته دوم این است که آیا در حال ارزیابی نمونه قابل اعتنایی به عنوان نماینده جامعه هستیم یا خیر؟ در بسیاری از مطالعات آزمایشگاهی (به‌ویژه مطالعات میدانی) نمونه‌ای که به طور تصادفی به دو گروه آزمایش (درمان) و شاهد (کنترل) تقسیم می‌شود، با روش‌های مرسوم نمونه‌گیری، به دست نمی‌آید و عموماً نمونه در دسترس (به طور مثال دانشجویان یا کارکنان در بخشی خاص) بوده است. ازاین‌رو آن نمونه در دسترس طبیعتاً نمی‌تواند جامعه مورد نظر را نمایندگی کند. به این ترتیب، حتی اگر نتایج مطالعه‌ای، اعتبار درونی داشته باشد، ضرورتاً اعتبار بیرونی ندارد و نمی‌تواند به‌راحتی خارج از چارچوب آن مطالعه، به موقعیت‌ها، افراد، زمان‌های دیگر در جمعیت گسترده تعمیم داده شود. محدودیت پژوهش باعث می‌شود تعمیم نتایج نمونه به جامعه به‌سادگی ممکن نباشد و شواهد به دست‌آمده تنها در محدوده نمونه آزمایش‌شده اعتبار داشته باشند. از آنجا که عموم پژوهش‌های آزمایشگاهی با این مسئله مواجه هستند، بی‌توجهی به آن می‌تواند باعث نتیجه‌گیری نادرست نه‌تنها در مقیاس‌های بزرگ، بلکه در مقیاس‌های مشابه در شرایط محیطی متفاوت شود.

خلاصه اینکه باید شناخت دقیقی از جمعیت هدف مقیاس‌دهی و میزان مقیاسی که مدنظر دارید، کسب کنید. تنها راه برای دستیابی به شناخت این است که اطمینان پیدا کنید افرادی که در اجرای ایده با مقیاس کوچک حضور دارند، همان افرادی هستند که قصد دارید در مقیاس بزرگ هم به آنها محصول یا خدمتی را عرضه کنید. یکی از مهم‌ترین اقدام‌ها برای اطمینان از انتخاب درست «پذیرندگان آغازین» (early adopters) این است که باید به سراغ نمونه‌های تصادفی بروید. اگر دیدید ایده‌تان اصلاً امکان مقیاس‌پذیری برای هیچ گروه جمعیتی مشخصی را ندارد، ایرادی ندارد، چون می‌توانید جلوی سرمایه‌گذاری‌های بی‌حاصل برای آینده را هر چه زودتر بگیرید. در چنین وضعیتی باید به دنبال راه‌حلی برای جمعیت هدف که راه‌حل اولیه برای آنها از اثربخشی لازم برخوردار نبود، باشید.

تناسب موقعیت

سومین نکته این است که باید به محدودیت‌های مقیاس‌پذیری توجه کرد؛ به این معنا که نتایج تا چه میزان می‌تواند به عوامل غیرقابل مقیاس بستگی داشته باشد، چرا که در مقیاس نمی‌توان با همان نسبت نتایج را تغییر داد، به همین دلیل است که اعتبار نتایج در مقیاس خدشه‌دار می‌شود. برای مثال، نتایج درخشان سیاست آموزشی در مدرسه‌ای با بهترین و باهوش‌ترین معلمان، زمانی در سراسر کشور مقیاس‌بندی می‌شود که میزان بسیار کمی تکرار شود، چرا که با بودجه‌های محدود مدارس دولتی، نمی‌توان انتظار داشت هزاران معلم را با همان کیفیت استخدام کرد و بدون آن معلمان باکیفیت، بعید است نتایج امیدوارکننده برنامه در سطح میدانی همچنان در سطح کلان مقیاس‌پذیر باشد.

یکی از مهم‌ترین موارد در مورد سرمایه انسانی این است که نمی‌توان انسان‌ها را به‌سادگی مقیاس داد، چون نمی‌توانیم به شبیه‌سازی انسان بپردازیم. بسیاری از سازمان‌هایی که به‌شدت به نیروی انسانی ماهر نیازمندند، در فرآیند مقیاس‌پذیری با این مشکل روبه‌رو می‌شوند. اگر نسبت نیروی انسانی با ویژگی‌های مورد نظر سازمان نسبت به کل نیروی انسانی به‌ کار گرفته‌شده پایین باشد، سازمان در فرآیند مقیاس‌پذیری به‌شدت با «افت ولتاژ» روبه‌رو می‌شود. شاید به همین دلیل باشد که رستوران‌هایی که غذای باکیفیت و سرویس‌دهی عالی دارند به‌ندرت به ایجاد شعبه در مناطق دیگر می‌پردازند. مقیاس‌دهی به سرآشپز خوب که نقش کلیدی در کیفیت غذا دارد، مثل مقیاس‌دهی به ماشین‌آلات و نرم‌افزارها نیست. این نوع مقیاس‌دهی اگر غیرممکن نباشد، دشوار و نیازمند انتخاب دقیق نیروهای مستعد، آموزش‌دهی و انتقال درست تجربه است. اما اگر هسته اصلی کارکرد یک سازمان در فرآیند رشد، نیازی به تغییرات آنچنانی نداشته باشد، فرآیند مقیاس‌دهی با دردسر کمتری پیش می‌رود.

پیامد ناخواسته

چهارمین نکته، مراقبت از اثر سرریزها و پیامدهای ناخواسته است. مثال جالبی که جان لیست استفاده می‌کند زمانی است که شرکت اوبر (Uber) تلاش کرد درآمد رانندگان را با افزایش کرایه‌های پایه افزایش دهد. این سیاست اگرچه در ابتدا کارساز بود، اما پس از شش هفته، درآمد ساعت رانندگان اوبر به میزان قبل از افزایش کرایه پایه کاهش پیدا کرد؛ چون این سیاست اساساً به دلیل فرصت کسب درآمد بالاتر در برنامه، افراد بیشتری را به رانندگی برای اوبر ترغیب می‌کرد. این امر بازار را رقابتی کرد و باعث شد هر راننده سفرهای کمتری داشته باشد. در نتیجه، این خط‌مشی آن‌طور که در نظر گرفته شده بود، در مقیاس عمل نکرد. بنابراین اگر متوجه پیامدهای ناخواسته نباشیم، ممکن است سرریزی که در نمونه آزمایشی روی نداده باشد، در پیچیدگی تعاملات جامعه به طور گسترده رخ دهد و نتایج موفقیت‌آمیز اولیه را خدشه‌دار کند.

هزینه مقیاس

آخرین نکته حیاتی، مربوط به در نظر گرفتن هزینه‌های مقیاس‌بندی است. زمانی که در تابع هزینه تولید، هزینه ثابت سهم زیادی داشته باشد، می‌توان انتظار داشت هزینه سرانه واحد تولید با مقیاس‌بندی کاهش یابد و این امکان را به تولیدکننده بدهد که با کاهش قیمت فروش محصولش، توان رقابتی بالا در بازار به دست آورد. این در حالی است که رفتار تابع هزینه در مقیاس می‌تواند طوری غیرخطی باشد که هزینه متوسط تولید از جایی به بعد با افزایش تولید افزایش یابد و روند کاهنده و رقابت‌پذیر قیمت‌ها نتواند با شتاب مشابهی تداوم یابد. بی‌توجهی به مسئله هزینه‌های مقیاس‌بندی می‌تواند قیمت‌گذاری و سودآوری کسب‌وکار را دچار چالش‌های اساسی کند و برای آن گران تمام شود.

اثر ولتاژ خوش‌بین است که ابزارها و مشاهده‌ها در عرصه اقتصاد، می‌تواند تصمیم‌گیری را علمی و اثرگذار کند. بسیاری از بینش‌های کتاب مطمئناً می‌تواند به کسب‌وکارها کمک کند تا به اهداف مشخص دست یابند. اما وقتی صحبت از برنامه‌های سیاست‌گذاری عمومی می‌شود، اثر ولتاژ تا حدی بدبین است، زیرا چرایی شکست ایده‌های سیاستی را نشان می‌دهد و تاکید می‌کند آنهایی که بیشترین احتمال موفقیت را دارند، از نظر دامنه عموماً محدود و متناسب با زمینه‌های خاص هستند. کتاب اثر ولتاژ نشان می‌دهد شعار «یک اندازه برای همه» در مورد برنامه‌های کلان در سطح کشوری عموماً مناسب نیست و هر سرزمین باید در مورد شناسایی راه‌حل‌های مقیاس‌پذیر برای ضروری‌ترین مسائل اجتماعی، اندازه مناسب خود را با تکرار آزمایش‌ها پیدا کند.

نشان دادن کاستی‌ها و دشواری‌های آزمایش‌های میدانی در سطح خرد و کلان برای مخاطب فارسی‌زبان، بی‌معنایی این روش‌ها یا بی‌حاصلی نتایج آنها نیست. نویسنده با تجربه دهه‌ها مطالعات میدانی و آکادمیک در کتابش تلاش می‌کند توجه خواننده را به ظرافت‌ها و جزئیاتی جلب کند که از سویی، در طراحی آزمایش‌ها و از سوی دیگر، در تبیین و تعمیم نتایج آنها مد نظر قرار گیرد. در ایران ما با ذخیره و تجربه اندکی که از آزمایش‌های میدانی داریم، همچنان نیاز داریم به‌ویژه در سطح کلان، به سیاست‌گذاری شواهدمحور بیش از پیش توجه کنیم و به بهانه مصائب و دشواری‌های این روش، تن به سیاست‌گذاری شهودگرا ندهیم که بدن نحیف جامعه ایران توان آزمون و خطاهای بیشتر برای رسیدن به سیاست بهتر رفاهی را ندارد.