آستانه رضایت‌بخشی: چگونه عقلانیت محدود جایگزین بهینه‌سازی در تصمیم‌گیری‌های مدیریتی می‌شود

در ۸ دسامبر ۱۹۷۸، آکادمی سلطنتی علوم سوئد جایزه نوبل اقتصاد را به هربرت ای. سایمون (Herbert A. Simon) به خاطر نظریه‌ای اهدا کرد که تئوری اقتصاد کلاسیک را در هم شکست: انسان‌ها بهینه‌سازی نمی‌کنند. سایمون در سخنرانی دریافت جایزه خود، نحوه عملکرد واقعی مدیران شرکت‌ها را تشریح کرد و افسانه مدیر همه‌چیزدان و حداکثرکننده مطلوبیت را با مدلی مبتنی بر محدودیت‌های شناختی انسان جایگزین کرد.[1]

مدل کلاسیک که اغلب «انسان اقتصادی» (Homo economicus) نامیده می‌شود، فرض می‌کند که تصمیم‌گیرنده دارای اطلاعات کامل، زمان نامحدود و قدرت محاسباتی برای ارزیابی تمام گزینه‌های ممکن پیش از انتخاب بهترین نتیجه مطلق است. سایمون نشان داد که این ایده‌آل ریاضی در درون سازمان‌های واقعی فرو می‌پاشد. در عوض، مدیران تحت «عقلانیت محدود» عمل می‌کنند که توسط قدرت پردازش محدود مغز انسان و فشار زمان در بازارها محدود شده است.[1][5]

برای عبور از این محدودیت‌ها، مدیران اجرایی از یک روش ابتکاری استفاده می‌کنند که سایمون آن را «رضایت‌بخشی» (Satisficing) نامید؛ واژه‌ای که ترکیبی از رضایت دادن و کفایت کردن است. یک مدیر به‌جای ترسیم یک درخت تصمیم‌گیری جامع از ۱۰۰ فروشنده نرم‌افزار یا ۵۰ نامزد استخدام، یک آستانه پایه برای پذیرش تعیین می‌کند. سپس گزینه‌ها را به‌صورت متوالی ارزیابی کرده و جستجو را در لحظه‌ای که با اولین گزینه مطابق یا فراتر از آن آستانه روبرو می‌شود، متوقف می‌کند.[3][4]

ریاضیات نهفته در این آستانه توضیح می‌دهد که چرا رویکرد رضایت‌بخشی در عمل از بهینه‌سازی پیشی می‌گیرد. مدل‌سازی تجربی رفتار جستجوی مدیران، یک منحنی لگاریتمی پرشیب را در ارزش تصمیم‌گیری نشان می‌دهد. ارزیابی ۴ تا ۵ گزینه اول معمولاً ۷۵ تا ۸۰ درصد از حداکثر ارزش تئوریک یک تصمیم بی‌نقص را محقق می‌کند.[2][4]

عبور از این آستانه برای ارزیابی ۱۰ یا ۲۰ گزینه دیگر، نیازمند افزایش تصاعدی در بار شناختی و زمان سازمانی است. سود نهایی یافتن گزینه‌ای که تنها ۵ درصد بهتر باشد، تقریباً به‌طور کامل توسط هزینه‌های جستجو از بین می‌رود؛ هزینه‌هایی مانند دستمزد ساعات صرف‌شده برای تحلیل، تأخیر در اجرا، و هزینه فرصت ناشی از به تعویق انداختن اقدام.[2][5]

سایمون در اثر بنیادین خود خاطرنشان کرد: «تصمیم‌گیرندگان می‌توانند با یافتن راه‌حل‌های بهینه برای یک دنیای ساده‌شده، یا با یافتن راه‌حل‌های رضایت‌بخش برای یک دنیای واقعی‌تر، به رضایت‌بخشی دست یابند.» این تمایز، مدل‌سازی آکادمیک را از بقای شرکت‌ها جدا می‌کند. مدیری که پیش از عرضه یک محصول خواستار اطمینان ۱۰۰ درصدی است، همواره سهم بازار را به رقیبی واگذار می‌کند که با اطمینان ۸۰ درصدی محصول را عرضه کرده و بر اساس بازخوردهای واقعی آن را بهبود می‌بخشد.[1][7]

محیط‌های داده‌محور مدرن، به‌طور متناقضی ضرورت آستانه رضایت‌بخشی را تقویت کرده‌اند. در دهه ۱۹۷۰، مدیران با کمبود اطلاعات دست‌وپنجه نرم می‌کردند. امروزه، سیستم‌های برنامه‌ریزی منابع سازمانی و داشبوردهای تحلیل در لحظه، مازاد داده‌ای تولید می‌کنند که بسیار فراتر از پهنای باند شناختی انسان است.[2]

هنگام مواجهه با داده‌های بی‌نهایت، غریزه حداکثرسازی به یک نقطه ضعف تبدیل می‌شود. پژوهشگرانی که نگرش مدیران به تصمیمات استراتژیک را تحلیل می‌کنند، دریافتند مدیرانی که تلاش می‌کنند نتایج را در محیط‌های پرداده به حداکثر برسانند، از فلج تحلیلی شدیدی رنج می‌برند. آن‌ها تخصیص منابع حیاتی را به‌طور متوسط ۳ تا ۴ هفته نسبت به همتایان رضایت‌بخش خود به تأخیر می‌اندازند، بدون آنکه به بازده مالی برتری از نظر آماری دست یابند.[3]

چارچوب رضایت‌بخشی همچنین شرایط ساختاری را برای کشفیات تصادفی و خوش‌یمن در استراتژی شرکت فراهم می‌کند. از آنجا که عقلانیت محدود می‌پذیرد که آینده اساساً غیرقابل شناخت است، مدیرانِ پیرو این رویکرد، منابع آزاد خود را حفظ می‌کنند و آن‌ها را در فرآیند بهینه‌سازی از بین نمی‌برند.[6]

یک بررسی سیستماتیک از پدیده کشفیات تصادفی در علم مدیریت نشان می‌دهد سازمان‌هایی که با مدل‌های کارایی بهینه‌شده و بدون انعطاف‌پذیری عمل می‌کنند، شکننده هستند. هنگامی که یک شوک غیرمنتظره در بازار رخ می‌دهد، آن‌ها فاقد ذخایر شناختی و مالی برای تغییر مسیر هستند. رضایت‌بخشی، بنا به تعریف، فضایی را برای اتفاقات غیرمنتظره باقی می‌گذارد و به تیم‌ها اجازه می‌دهد از کشفیات تصادفی بهره‌برداری کنند؛ کشفیاتی که یک الگوریتم بهینه‌سازی سفت‌وسخت آن‌ها را به‌عنوان یک ناهنجاری حذف می‌کند.[6][7]

پیاده‌سازی یک فرهنگ آگاهانه مبتنی بر رضایت‌بخشی، نیازمند تغییرات ساختاری در نحوه سنجش عملکرد است. اگر هیئت‌مدیره یک مدیرعامل را به خاطر تصمیمی که ۱۰ میلیون دلار بازدهی داشته جریمه کند، صرفاً به این دلیل که بازدهی تئوریک ۱۲ میلیون دلاری امکان‌پذیر بوده است، در واقع یک فرهنگ حداکثرسازی را تحمیل می‌کند. این امر مدیریت میانی را مجبور می‌کند تا مدل‌های داده‌ای تدافعی و جامعی بسازند که هدفشان صرفاً توجیه انتخاب‌هایشان است، نه بهبود آن‌ها.[3][5]

در مقابل، سازمان‌های پرسرعت پیش از آغاز جستجو، آستانه «به‌اندازه کافی خوب» را به‌صراحت تعریف می‌کنند. آن‌ها با تعیین یک مرز قاطع - مانند «ما دقیقاً با ۶ نامزد مصاحبه خواهیم کرد و بهترین فردی را که معیارهای اصلی را داشته باشد استخدام می‌کنیم» - هزینه جستجو را محدود می‌کنند. سازمان صدها ساعتی را که قرار بود صرف مصاحبه با ۱۴ نامزد دیگر شود، بازپس می‌گیرد و آن سرمایه را به سمت همسوسازی نیروی جدید و اجرای کار هدایت می‌کند.[4][7]