Skip to content
PHẦN II – HEURISTICS VÀ THIÊN KIẾN: HIỂU SAI LUẬT XÁC SUẤT GÂY SAI LẦM TRONG CHÍNH SÁCH.
Chương 10, “Luật con số nhỏ,” là một lời cảnh tỉnh sắc lạnh về việc chúng ta đã quá dễ dàng tin tưởng vào những điều được quan sát từ các tập dữ liệu khiêm tốn. Nó phơi bày bản năng phi lý trí của Hệ thống 1, luôn khao khát tìm kiếm trật tự và ý nghĩa, ngay cả khi nó đang nhìn vào sự nhiễu loạn thuần túy. Đặc biệt, nó chỉ ra hậu quả tai hại khi sự ngây thơ toán học này xâm nhập vào các quyết định định hình nên cuộc sống cộng đồng và vận mệnh quốc gia.
Nếu Hồi 1, 2 và 3 trong phần này đã đặt nền móng cho việc Hệ thống 1 hoạt động dựa trên sự liên kết cảm xúc, sự sẵn có của thông tin (Availability Heuristic) và việc xây dựng những câu chuyện mạch lạc (Coherence), thì Chương 10 này là bước ngoặt quan trọng, nơi mà sự hời hợt của Hệ thống 1 va chạm trực diện với nền tảng của khoa học thống kê. Chúng ta đã thấy rằng trí óc con người ưu tiên sự dễ dàng tiếp cận của thông tin (cái gì nổi bật, cái đó quan trọng) và tạo ra những câu chuyện liền mạch (cái gì hợp lý về mặt kể chuyện, cái đó là sự thật). “Luật con số nhỏ” chỉ ra rằng chúng ta mang luôn sự ưu tiên đó—sự ưu tiên về tính đại diện và tính mạch lạc—vào cả những dữ liệu cần sự lạnh lùng và chính xác nhất. Chúng ta tin rằng một mẫu nhỏ *phải* đại diện cho tổng thể, rằng những dấu vết mà chúng ta quan sát được trong một phạm vi hẹp chắc chắn là kết quả của một nguyên nhân sâu xa, có ý nghĩa, chứ không phải là sự biến thiên ngẫu nhiên. Đây là nơi mà thiên kiến đại diện (Representativeness) đạt đến mức độ nguy hiểm nhất, khi nó được áp dụng để giải thích các hiện tượng thống kê.
Trong thế giới của sự quản trị và hoạch định chính sách, cuốn sách Tư duy nhanh và chậm của Daniel Kahneman không chỉ là một tài liệu học thuật; nó là một bộ chỉ dẫn về những cái bẫy trí tuệ giăng mắc trên con đường dẫn đến những quyết sách mang tính hệ thống. Người ta thường ca ngợi sự trực giác sắc bén, khả năng nhìn thấy bức tranh lớn. Nhưng Luật con số nhỏ nhắc nhở chúng ta: Trực giác đó thường bị mê hoặc bởi những câu chuyện thành công đơn giản, cô đọng, mà không chịu khuất phục trước sự phức tạp, mờ nhạt của các tập dữ liệu lớn.
Hãy xem xét những người làm chính sách đang phải đối mặt với một vấn đề nhức nhối—chẳng hạn như chất lượng giáo dục kém trong các khu vực đô thị nghèo khó. Áp lực đòi hỏi phải có giải pháp nhanh chóng, hiệu quả, có thể nhân rộng. Rồi bỗng nhiên, một nghiên cứu nhỏ được công bố: Một trường học vùng sâu, với số lượng học sinh ít ỏi, đã đạt được bước nhảy vọt đáng kinh ngạc trong điểm thi trong hai năm liên tiếp nhờ áp dụng một phương pháp giảng dạy hoàn toàn mới, được quản lý bởi một hiệu trưởng đầy nhiệt huyết.
Đối với người chịu trách nhiệm, đặc biệt là những người đã mệt mỏi với những báo cáo hàng nghìn trang và các mô hình kinh tế phức tạp, câu chuyện này giống như một ánh sáng rực rỡ chiếu rọi. Nó thỏa mãn Hệ thống 1: câu chuyện mạch lạc (một người hùng, một phương pháp mới), dễ hình dung, và quan trọng nhất, nó cho thấy kết quả ngay lập tức. Đây chính là biểu hiện rõ ràng nhất của thiên kiến đại diện và luật con số nhỏ. Họ lập tức tin rằng mô hình nhỏ bé này *đại diện* cho giải pháp toàn diện.
Tuy nhiên, người từng trải qua nhiều biến cố, từng phải đưa ra những quyết định tác động đến hàng triệu sinh mạng, hiểu rằng mọi thành công trong các mẫu dữ liệu nhỏ thường chứa đựng yếu tố nhiễu loạn ngẫu nhiên khổng lồ. Sự biến thiên (variance) trong một mẫu nhỏ luôn lớn hơn nhiều so với sự biến thiên trong một tổng thể lớn. Trường học nhỏ đó có thể đạt được thành tích cao không phải vì phương pháp giảng dạy mới mà vì họ có hai lứa học sinh ngẫu nhiên xuất sắc, hay vì giáo viên mới được truyền cảm hứng đặc biệt trong giai đoạn đó. Thành công đó có thể chỉ là một điểm cực đoan của sự may mắn thống kê.
Và đây là nơi sai lầm chính sách được hình thành. Thay vì đặt câu hỏi về tính bền vững và quy mô của mẫu (Luật con số lớn yêu cầu hàng nghìn quan sát để giảm thiểu sai số do biến thiên ngẫu nhiên), nhà quản lý cấp cao lại vội vã đưa ra quyết định nhân rộng mô hình đó trên phạm vi toàn quốc. Họ đổ hàng tỷ đô la vào việc đào tạo lại giáo viên, thay đổi chương trình giảng dạy, và kỳ vọng một “kỳ tích” sẽ xảy ra khắp mọi nơi. Khi kết quả không như ý muốn—điểm số chỉ nhích lên chút ít, hoặc tệ hơn, đi xuống—họ lại đổ lỗi cho việc thực thi kém, thiếu cam kết, mà không nhận ra rằng sai lầm đã nằm ngay từ khâu đánh giá ban đầu: Họ đã hiểu sai quy luật xác suất. Họ đã nhầm lẫn nhiễu loạn thống kê với nguyên nhân căn bản.
Sự ám ảnh với Luật con số nhỏ không chỉ giới hạn trong lĩnh vực giáo dục. Nó len lỏi vào chiến lược kinh doanh, đặc biệt là trong các lĩnh vực đang phát triển nhanh chóng. Một công ty khởi nghiệp đạt được mức tăng trưởng đột biến trong quý đầu tiên ở một thị trường thử nghiệm hẹp. Các nhà đầu tư và ban điều hành, khao khát một câu chuyện hấp dẫn để thuyết phục thị trường (thỏa mãn nhu cầu về sự mạch lạc của Hệ thống 1), nhanh chóng tuyên bố đây là “công thức chiến thắng” và đẩy mạnh đầu tư mở rộng ngay lập tức. Họ không chấp nhận rằng tăng trưởng cực đoan ban đầu có thể chỉ là sự biến thiên lớn của một mẫu nhỏ (nhóm khách hàng sớm, sự kiện truyền thông ngẫu nhiên) và khi mở rộng ra tổng thể, sự hiệu quả sẽ tự động giảm dần về mức trung bình. Họ không chỉ hiểu sai luật xác suất; họ còn phớt lờ quy tắc hồi quy về mức trung bình (regression to the mean)—một điểm mà Kahneman sẽ khai thác sâu hơn, nhưng nền tảng của nó đã được đặt ra bởi sự đánh giá sai lệch về kích cỡ mẫu.
Đối với một người đã chứng kiến những làn sóng thất bại và thành công trong các tổ chức lớn—nơi mà quyết định không chỉ là tiền mà còn là uy tín, là niềm tin của công chúng—sự hấp dẫn của Luật con số nhỏ là điều dễ hiểu nhưng không thể tha thứ. Quyền lực và vị thế cao thường đi kèm với áp lực phải đưa ra quyết định một cách nhanh chóng, đôi khi là hùng hồn. Việc đưa ra một giải pháp phức tạp, dựa trên thống kê đa biến, yêu cầu thời gian dài để kiểm chứng và có kết quả khiêm tốn, không bao giờ hấp dẫn bằng việc sao chép một “điều kỳ diệu” đã được chứng minh qua một mẫu nhỏ.
Sự cám dỗ của việc tin vào Luật con số nhỏ còn bị khuếch đại bởi “Thiên kiến lạc quan” (Optimism Bias, một thiên kiến khác được thảo luận trong cuốn sách). Khi chúng ta thấy một điều kỳ diệu xảy ra ở đâu đó, chúng ta tin rằng “chúng ta có thể làm điều đó, và làm tốt hơn”. Chúng ta tin rằng đội ngũ của mình thông minh hơn, cam kết hơn, và do đó, có khả năng biến biến thiên ngẫu nhiên thành quy luật bền vững. Sự kết hợp giữa việc tìm kiếm sự đại diện trong mẫu nhỏ và sự lạc quan thái quá tạo nên một loại cocktail độc hại, dẫn đến những chính sách dựa trên hy vọng hơn là thực tế số liệu.
Để đối phó với sự sai lệch trí tuệ này, cần phải xây dựng một hệ thống ra quyết định dựa trên sự nghi ngờ có tổ chức—một Hệ thống 2 hoạt động liên tục trong quản trị. Điều này đòi hỏi những người ở vị trí chiến lược phải thiết lập những cơ chế kiểm tra chéo mang tính thống kê trước khi một “câu chuyện thành công” được nhân rộng.
Thứ nhất, việc đặt nghi vấn về kích cỡ mẫu phải là điều kiện tiên quyết. Khi một thành công hoặc thất bại được báo cáo, câu hỏi đầu tiên không phải là “Họ đã làm gì?” mà là “Dữ liệu đến từ đâu và quy mô mẫu là bao nhiêu?”. Một thành công đạt được trên 100 đối tượng không thể ngang bằng với thành công đạt được trên 100.000 đối tượng. Sự khác biệt giữa hai con số này không chỉ là số lượng, mà là sự khác biệt giữa may mắn thoáng qua và tính bền vững của một quy luật.
Thứ hai, các nhà hoạch định chính sách cần phải học cách tôn trọng sự nhàm chán của thống kê. Các giải pháp bền vững, đặc biệt trong các hệ thống phức tạp như giáo dục, y tế hay kinh tế, thường không đến từ những đột phá kịch tính mà từ những cải tiến dần dần, được kiểm chứng qua thời gian dài và trên quy mô lớn. Giải pháp tốt nhất thường là giải pháp trung bình, ổn định, chứ không phải giải pháp cực đoan, nổi bật. Khi một quan chức quá háo hức công bố một “mô hình thí điểm” thành công phi thường, chúng ta nên ngay lập tức cảnh giác và tìm kiếm các yếu tố nhiễu loạn.
Trong lĩnh vực quản lý rủi ro và tài chính, sai lầm tương tự là việc phân tích hiệu suất của các quỹ đầu tư dựa trên những chu kỳ ngắn. Một quỹ có thể đạt lợi nhuận vượt trội trong hai năm liên tiếp. Luật con số nhỏ khiến nhà đầu tư tin rằng người quản lý quỹ đó có tài năng siêu phàm, và tiền đổ xô vào đó. Tuy nhiên, nếu nhìn vào tổng thể thị trường và luật hồi quy, khả năng cao là hiệu suất vượt trội đó chỉ là đỉnh của một biến thiên ngẫu nhiên. Khi quỹ được bơm vốn lớn, nó sẽ bắt đầu hoạt động theo mức trung bình của thị trường, và các nhà đầu tư cuối cùng là những người chịu tổn thất do đã tin vào tính đại diện của một mẫu dữ liệu quá nhỏ.
Sự thấu hiểu sâu sắc về Luật con số nhỏ đòi hỏi một sự khiêm nhường trí tuệ hiếm có. Nó yêu cầu người ra quyết định phải thừa nhận rằng có những thứ nằm ngoài tầm kiểm soát và hiểu rằng không phải mọi sự kiện đều có một nguyên nhân sâu xa, dễ hiểu mà đôi khi chỉ là tiếng ồn của vũ trụ. Đối với những người nắm quyền lực, việc chấp nhận sự ngẫu nhiên này có vẻ như là sự yếu kém hoặc thiếu tầm nhìn. Họ được xã hội trả công để tìm ra nguyên nhân và giải pháp; họ không thể đơn giản nói “Đây có lẽ chỉ là sự may mắn tạm thời.”
Tuy nhiên, sự thật là việc chấp nhận nhiễu loạn ngẫu nhiên không phải là sự yếu kém, mà là dấu hiệu của sự hiểu biết thấu đáo về bản chất vận hành của thế giới thực. Một chính sách công vững chắc phải được thiết kế để chịu đựng được sự biến thiên, chứ không phải dựa trên hy vọng rằng biến thiên cực đoan sẽ lặp lại một cách có hệ thống.
Sự liên hệ giữa Chương 10 và các chương trước trong Phần II là rõ ràng và sâu sắc. Nếu Representativeness (thiên kiến đại diện) là việc chúng ta đánh giá khả năng xảy ra của một sự kiện dựa trên mức độ nó giống với một khuôn mẫu nào đó, thì Luật con số nhỏ chính là việc áp dụng sai lầm khuôn mẫu đó vào lĩnh vực thống kê. Chúng ta mong muốn mẫu nhỏ đó phải đại diện, phải “giống” với tổng thể lý tưởng mà chúng ta đang tìm kiếm. Khi sự việc xảy ra, Hệ thống 1 nhảy vào, xây dựng một câu chuyện giải thích mạch lạc (Coherence) về “lý do” của thành công hoặc thất bại đó. Câu chuyện càng trôi chảy, càng dễ hiểu, chúng ta càng tin nó, ngay cả khi nó dựa trên một nền tảng dữ liệu mỏng manh.
Đây là một vòng lặp tự củng cố của sai lầm trí tuệ. Mẫu nhỏ đưa ra kết quả cực đoan (biến thiên cao). Hệ thống 1 tạo ra một câu chuyện hấp dẫn (Thiên kiến đại diện, Coherence). Chính sách được xây dựng dựa trên câu chuyện đó (Sai lầm chính sách). Khi chính sách thất bại, người ta không xem xét lại dữ liệu gốc, mà chỉ tìm kiếm một câu chuyện mạch lạc khác để giải thích sự thất bại.
Bài học lớn nhất từ việc nghiên cứu Luật con số nhỏ là sự cần thiết của Tính kỷ luật thống kê trong mọi quyết định có tính hệ thống. Tính kỷ luật này đòi hỏi chúng ta phải từ bỏ những “điều kỳ diệu” và chấp nhận sự phức tạp, mờ nhạt của thực tế. Trong kinh doanh, nó có nghĩa là tin vào quy trình đã được kiểm chứng trên quy mô lớn thay vì chạy theo một chiến dịch marketing thành công đột ngột tại một thị trường ngách nhỏ bé. Trong quản trị, nó có nghĩa là đầu tư vào việc thu thập dữ liệu chất lượng, trong thời gian dài, và sử dụng các chuyên gia thống kê có khả năng chống lại sự hấp dẫn của các câu chuyện đơn giản.
Cuối cùng, việc thấu hiểu Luật con số nhỏ không chỉ giúp chúng ta tránh được những sai lầm thảm khốc trong chính sách công hay đầu tư, mà còn giúp chúng ta quản lý kỳ vọng cá nhân. Cuộc sống cá nhân của chúng ta cũng đầy rẫy những mẫu nhỏ. Chúng ta gặp một người thành công, quan sát thói quen của họ trong một tuần, và vội vàng kết luận “đây là công thức”. Chúng ta thử một phương pháp rèn luyện mới, thấy kết quả ấn tượng trong tháng đầu tiên (biến thiên lớn của mẫu nhỏ thời gian), và tin rằng nó sẽ mãi mãi duy trì đà đó. Sự trưởng thành thực sự là khi ta nhận ra rằng những thành công và thất bại nhất thời thường chỉ là sự nhiễu loạn. Điều quan trọng là phải gắn bó với quy trình có ý nghĩa, được kiểm chứng trên mẫu lớn của thời gian và nỗ lực bền bỉ, chứ không phải dựa vào sự hứng khởi tạm thời của những kết quả đầu tiên. Đây là sự khác biệt giữa một người xây dựng sự nghiệp dựa trên nền tảng vững chắc và một người chỉ biết chạy theo những “phương pháp bí mật” hứa hẹn thành công tức thì. Luật con số nhỏ là lời nhắc nhở sâu sắc nhất về sự khiêm tốn trước sự ngẫu nhiên và sự cần thiết phải tôn trọng những con số đủ lớn để nói lên sự thật.
#Kahneman #LuậtConSốNhỏ #ThinkingFastAndSlow #ThiênKiếnThốngKê #HoạchĐịnhChínhSách
