توزیع ثروت از یک الگوی معروف پیروی میکند که گاهی اوقات قانون ۸۰/۲۰ نامیده میشود. ۸۰ درصد ثروت در اختیار ۲۰ درصد مردم است.
در واقع گزارشی در سال گذشته به این نتیجه رسید که تنها هشت مرد، ثروتی معادل ثروت ۳.۸ میلیارد نفر از فقیرترین مردم جهان را دارا هستند.
به نظر میرسد این امر در همه جوامع در هر مقیاسی رخ میدهد. این مورد یک الگوی کاملاً مطالعه شده به نام قانون قدرت است که در طیف گستردهای از پدیدههای اجتماعی نیز ظاهر میشود، اما توزیع ثروت بهدلیل مسائلی که در مورد انصاف و شایستگی مطرح میکنند یکی از بحث برانگیزترین موارد است.
چرا باید تعداد کمی از مردم این همه ثروت داشته باشند؟
پاسخ متعارف این است که ما در یک نظام شایسته سالاری زندگی میکنیم که در آن افراد به خاطر استعداد، هوش، تلاش و… پاداش میگیرند.
با گذشت زمان، بسیاری از مردم فکر میکنند که این همان توزیع ثروتی است که مشاهده میکنیم. اگرچه یک دوز سالم شانس میتواند در این مسئله نقش داشته باشد.
اما یک مشکل در این ایده وجود دارد. در حالیکه توزیع ثروت از قانون قدرت پیروی میکند، توزیع مهارتهای انسانی بهطور کلی از یک توزیع نرمال پیروی میکند که در حدود یک مقدارِ متوسطِ متقارن است.
برای پاسخ به این سوال میتوانیم هوش را مثال بزنیم. نتایج تستهای IQ از این الگو پیروی میکند. ضریب هوشی متوسط ۱۰۰ است اما هیچکس ضریب هوشی ۱۰۰۰ یا ۱۰۰۰۰ ندارد.
همین امر در مورد تلاش نیز صدق میکند. میزان آن با ساعتِ کار اندازهگیری میشود، برخی از افراد بیشتر از حد متوسط کار میکنند و برخی کمتر کار میکنند، اما هیچکس یک میلیارد برابر ساعت، بیشتر از دیگران کار نمیکند.
و با این حال وقتی نوبت به پاداش این کار میرسد برخی از افراد میلیاردها برابر بیشتر از افراد دیگر ثروت دارند. علاوهبر این مطالعات متعدد نشان داده است که ثروتمندترین افراد معمولاً با استعداد ترین نیستند.
Photo by RODNAE Productions from Pexels
ثروتمندترین افراد با استعداد ترین افراد نیستند، آنها خوششانسترین هستند.
پس چه عواملی چگونگی ثروتمند شدن افراد را تعیین میکند؟ آیا ممکن است شانس، نقشی بزرگتر از آن چیزی باشد که کسی انتظار داشت؟ چگونه میتوان از این عوامل، هر چه که هستند، برای تبدیل جهان به مکانی بهتر و عادلانهتر بهرهبرداری کرد؟
امروز ما به لطف کار الساندرو پلوچینو در دانشگاه کاتانیا در ایتالیا و چند نفر از همکارانش پاسخی در مورد این سوال دریافت میکنیم. این افراد یک مدل کامپیوتری از استعدادِ انسان و روشی که مردم از آن برای بهرهبرداری از فرصتهای زندگی استفاده میکنند ایجاد کردهاند. این مدل به تیم اجازه میدهد تا نقش شانس را در این فرآیند مطالعه کند.
نتایج آن چیزی است که چشمانتان را نسبت به این مسئله باز می کند. شبیهسازیهای آنها، توزیع ثروت را در دنیای واقعی به دقت بازسازی میکند.
این شبیهسازی نشان میدهد که ثروتمندترین افراد با استعداد ترین افراد نیستند (اگرچه باید سطح خاصی از استعداد داشته باشند). آنها خوششانسترین هستند. این موضوع، دراری پیامدهای قابل توجهی برای روشی است که انسان ها به وسیله آن میتوانند بازده سرمایهگذاریشان در همه چیز، از تجارت گرفته تا علم را بهینه کنند.
مدل Pluchino ساده است. این مدل از N نفر تشکیل شده است که هر کدام دارای سطح مشخصی از استعداد (مهارت، هوش، توانایی و…) هستند. این استعداد بهطور معمول در حدود یک سطح متوسط با مقداری انحراف معیار توزیع میشود. بنابراین برخی از افراد با استعداد تر از حد متوسط هستند و برخی کمتر. اما هیچکس در مرتبه ثروتمندی، استعداد بیشتری از دیگران ندارد.
این همان نوع توزیعی است که برای مهارتهای مختلف انسانی یا حتی ویژگیهایی مانند قد یا وزن مشاهده میشود. برخی از افراد بلندتر یا کوچکتر از حد متوسط هستند اما هیچکس به اندازه یک مورچه یا یک آسمانخراش نیست. در واقع همه ما کاملا شبیه هم هستیم. مدل کامپیوتری، هر فرد را در طول عمر کاری ۴۰ ساله اش روی نمودار نشان میدهد. در این مدت افراد رویدادهای خوششانسی را تجربه میکنند که در صورت داشتن استعداد کافی میتوانند از آنها برای افزایش ثروت خود بهرهبرداری کنند. با این حال آنها اتفاقات بدشانسی را نیز تجربه میکنند که باعث کاهش ثروت آنها میشود. این رویدادها به صورت تصادفی رخ میدهند.
در پایان ۴۰ سال، پلوچینو و همکارانشان افراد را بر اساس ثروت رتبهبندی کرده و ویژگیهای موفقترینها را مطالعه کردند. آنها همچنین توزیع ثروت میان افراد را محاسبه میکنند تا دریابند که اگر باهوش هستید چرا ثروتمند نیستید؟
سپس شبیهسازی را بارها تکرار میکنند تا استحکام نتیجه را بررسی کنند.
وقتی تیم، افراد را بر اساس ثروت رتبهبندی میکند توزیع ثروت دقیقاً مانند آنچه در جوامع واقعی دیده میشود صورت میگیرد. پلوچینو و شرکا گزارش میدهند: «قاعده ۲۰-۸۰ رعایت میشود. زیرا ۸۰ درصد از جمعیت تنها ۲۰ درصد از کل سرمایه را در اختیار دارند. در حالیکه ۲۰ درصد باقیمانده مالک ۸۰ درصد از همان سرمایه هستند.»
اگر ۲۰ درصد ثروتمندترین افراد با استعداد ترین باشند ممکن است تعجبآور یا غیرمنصفانه نباشد. اما این چیزی نیست که اتفاق میافتد. ثروتمندترین افراد معمولاً با استعدادترین یا حتی نزدیک به آن نیستند. محققان میگویند: «حداکثر موفقیت هرگز با حداکثر استعداد منطبق نیست و برعکس». بنابراین اگر استعداد یک عامل نیست چه عامل دیگری باعث این توزیع ناهموار ثروت میشود؟ پلوچینو و همکارانش میگویند: «شبیهسازی ما به وضوح نشان میدهد که چنین عاملی فقط شانس محض است.»
Photo by Tima Miroshnichenko from Pexels
حداکثر موفقیت هرگز با حداکثر استعداد منطبق نیست و برعکس
این تیم با رتبهبندی افراد بر اساس تعداد رویدادهای خوششانس و بدشانسی که در طول ۴۰ سال زندگی حرفهای خود تجربه کردهاند این موضوع را نشان میدهند. آنها میگویند: «مشخص است که موفقترین افراد، خوششانس ترین افراد نیز هستند. و افرادی که کمتر موفق شدهاند بدشانسترین افراد نیز هستند.» این موضوع، پیامدهای مهمی برای جامعه دارد.
موثرترین استراتژی برای استفاده از نقش شانس در موفقیت چیست؟
پلوچینو و همکارانشان این موضوع را از نقطه نظر “تأمین مالیِ تحقیقات علمی” نیز مطالعه میکنند. موضوعی که به وضوح برای خودشان نیز جذاب است.
آژانسهای تامین مالی در سراسر جهان علاقهمند به حداکثر رساندن بازده سرمایهگذاری خود در دنیای علمی هستند.
در واقع شورای تحقیقات اروپا، برای بهبود این موضوع، اخیراً ۱.۷ میلیون دلار در برنامهای برای مطالعه سرندیپیتی (نقش شانس در اکتشافات علمی) و اینکه چگونه میتوان از آن برای بهبود نتایج مالی استفاده کرد سرمایهگذاری کرده است.
به نظر میرسد که پلوچینو و همکاران به خوبی آماده پاسخ به این سوال هستند. آنها از مدل خود برای بررسی انواع مختلف مدلهای تامین مالی استفاده میکنند تا ببینند با در نظر گرفتن شانس، کدام یک بهترین بازده را دارند.
این تیم، سه مدل را مورد مطالعه قرار داد که در آنها بودجه تحقیقاتی بهطور مساوی بین همه دانشمندان و بهطور تصادفی بین زیرمجموعهای از دانشمندان توزیع میشود. این بودجه، ترجیحاً به کسانی داده میشود که در گذشته موفقترین بودهاند. کدام یک از اینها بهترین استراتژی است؟
راهبردی که بهترین بازده را به ارمغان میآورد این است که بودجه را بهطور مساوی بین همه محققان تقسیم کند. دومین و سومین راهبردهای برتر شامل توزیع تصادفی آن بین ۱۰ یا ۲۰ درصد از دانشمندان است. در این موارد، محققان به بهترین وجه میتوانند از اکتشافات پر سرو صدایی که هر از گاهی انجام میدهند استفاده کنند. با نگاهی به گذشته، این مورد بدیهی است که این واقعیت که یک دانشمند در گذشته به یک کشف شانسی مهم دست یافته است به این معنی نیست که احتمال بیشتری دارد که در آینده به آن دست یابد.
رویکرد مشابهی را میتوان برای سرمایهگذاری در انواع دیگر شرکتها مانند کسبوکارهای کوچک یا بزرگ، استارتآپهای فناوری، آموزشهایی که استعدادها را افزایش میدهد یا حتی ایجاد رویدادهای شانسی تصادفی به کار برد.
۰ دیدگاه