Шмидт провел исследование, взяв в качестве объекта программистов-компьютерщиков среднего уровня, работающих на федеральное правительство. Он задался вопросом, насколько больше ценностей создается теми, кого он назвал «выдающимися программистами», по сравнению со средними, определив их процентильный эквивалент как 85 и 50. Выдающиеся программисты ежегодно приносили прибыль на 11 тыс. долларов больше, чем средние, в ценах 1979 года.

Далее он попытался оценить, насколько больше ценностей получило бы государство, если бы более эффективно подбирало выдающихся программистов. Средняя сумма равнялась примерно 3 млн долларов в год. А если бы мы на федеральном уровне сумели оценить всех программистов в стране, то, согласно этой средней оценке, государство получило бы дополнительные 47 млн долларов.

Шмидт ошибся только в одном. Лучшие работники создают гораздо больше ценностей, чем он предполагал. Алан Юстас и Билл Гейтс ближе подошли к истине.

Шмидт предполагал, что рабочие результаты распределяются по нормальной кривой. Но это не так.

Профессора Эрнест О’Бойл и Эрман Агуинус, с которыми мы познакомились в главе 8, писали в журнале Personnel Psychology, что рабочая результативность на самом деле распределяется по экспоненте168 (см. начало главы 8). Самое крупное различие между нормальным (гауссовым) и экспоненциальным (степенным) распределением в том, что по какой-то причине нормальное распределение чаще всего неспособно предсказать вероятность экстремальных событий. Например, большинство финансовых моделей, применявшихся в банковской практике до экономического кризиса 2008 г., исходило из нормального распределения доходности фондового рынка. О’Бойл и Агуинус поясняли: «Если поведение фондовых рынков прогнозируется с учетом нормальной кривой, дневное падение финансовых рынков на 10% должно происходить не чаще раза в 500 лет… На деле такое происходит раз в пять лет».

Нассим Талеб в своей книге «Черный лебедь» подчеркивал то же, поясняя, что экстремальные события происходят с намного более высокой вероятностью, чем прогнозирует большинство банковских моделей169. Колебания и спады случаются гораздо чаще, чем предсказывают кривые нормального распределения, но примерно с такой же частотой, как предсказывает степенной или другой подобный закон распределения.

Рабочая результативность отдельных лиц также следует степенному закону. Во многих областях несложно указать людей, результативность которых превосходит показатели их коллег на невероятные значения. CEO General Electric Джек Уэлч. CEO Apple и Pixar Стив Джобс. Уолт Дисней и его 26 «Оскаров» — больше, чем у любого другого170. Бельгийский писатель Жорж Сименон создал 570 книг и рассказов (главный герой многих из них — детектив Жюль Мегре), тираж которых составил 500–700 млн экземпляров. Дама[81] Барбара Картленд из Великобритании опубликовала более 700 любовных романов, продажи составили от 500 млн до 1 млрд экземпляров171. (Эх, надо мне писать другие книги…) На начало 2014 г. Брюс Спрингстин был номинирован на премию «Грэмми» 49 раз, Бейонсе — 46 раз, U2 и Долли Партон — 45 раз, но всех их превзошли дирижер Джордж Шолти (74 раза) и Квинси Джонс (79 раз)172. Билл Рассел из Boston Celtics выиграл 11 чемпионатов НБА за 13 сезонов173, Джек Никлаус выиграл в 18 серьезных чемпионатах по гольфу174, а Билли Джин Кинг — 39 турниров Большого шлема175.

О’Бойл и Агуинус провели пять исследований, объектами которых стали 633 263 ученых, представителя искусства и шоу-бизнеса, политиков и спортсменов. В сравнительной таблице ниже показано, сколько человек в каждой группе попало бы в 99,7 процентильного эквивалента согласно нормальному статистическому распределению и сколько — на самом деле.

Нормальное распределение и его неспособность предсказать некоторые виды рабочей результативности

Значение, спрогнозированное с учетом нормального распределения

Реальная картина

Ученые, опубликовавшие 10 и более работ

35

460

Артисты, имеющие 10 и более номинаций на премию «Грэмми»*

5

64

Члены Палаты представителей США, проработавшие 13 и более сроков**

13

172

** Аналогичная модель справедлива для «Оскаров», номинантов премии «Букер», номинантов Пулитцеровской­ премии, «Топ-500 песен» по версии Rolling Stone и 36 других наград.

** Аналогичная модель справедлива для легислатур штатов США и провинций Канады, парламентов Дании, Эстонии, Финляндии, Ирландии, Нидерландов, Великобритании и легислатуры Новой­ Зеландии.

Когда мы награждаем работников своих компаний, интуиция подталкивает нас к той же ошибке, что сделал Шмидт при изучении программистов, работающих на правительство. Мы ставим знак равенства между средним и срединным, предполагая, что средний и среднестатистический работник — одно и то же. На самом деле большинство сотрудников показывают результаты ниже среднего.

66% ученых попадают в категорию «ниже среднего» по количеству опубликованных статей.

84% артистов, номинированных на премию «Эмми», попадают в категорию «ниже среднего» по количеству номинаций.

68% членов Палаты представителей США попадают в категорию «ниже среднего» по срокам пребывания в должности.

71% игроков НБА попадают в категорию «ниже среднего» по количеству набранных очков.

Обратите внимание: «ниже среднего» не значит «плохо». Это чистая математика. Как показывают данные, исключительные работники настолько выше многих прочих, что способны своими результатами подтянуть середнячков намного выше срединного уровня.

Единственная причина, по которой ваша организация или такая компания, как GE, демонстрируют распределение рабочих результатов по гауссиане, в том, что кадровики и руководство хотят, чтобы это выглядело именно так. Компании ожидают, что результаты будут соответствовать нормальному распределению, а оценщиков учат придерживаться этого правила. А значит, система оплаты обязана следовать гауссиане, что абсолютно не отвечает уровню ценностей, создаваемых отдельными людьми.

Если применить, как и полагается, степенной закон распределения, программист из 85-го процентильного эквивалента Шмидта создаст прибыль не на 11 тыс. долларов больше среднего программиста, а на 23 тыс. А в 1979 г. программисты из 99,7 процентильного эквивалента приносили прибыль аж на 140 тыс. больше средних. С поправкой на инфляцию эти работники из высшей категории создают почти на полмиллиона долларов больше ценностей176. Оценка Алана Юстаса начинает казаться вполне справедливой.

О’Бойл и Агуинус проводят дальнейшую разбивку: «10% производительности приходится на верхний процентильный эквивалент, а 26% результатов выдают 5% работников верхнего края шкалы». Иными словами, исследователи обнаружили, что верхний 1% работников генерировал ценностей в 10 раз больше середнячков, а верхние 5% — в четыре раза больше.

Конечно, это правило выполняется не всегда. Как указывают О’Бойл и Агуинус, «разные отрасли и компании, основанные на ручном труде, которые используют технологии в ограниченном масштабе и устанавливают жесткие нормы минимальной и максимальной производительности», как раз могут считаться примерами нормального распределения рабочей результативности. В этих условиях возможности исключительных достижений крайне малы. Но ведь и в других местах гауссово распределение правит балом!

Как бы отреагировали вы, случись вам попасть в такую рабочую обстановку? Алан предложил мне простой тест. Он задался вопросом: «Сколько людей я готов отдать в обмен на одного-единственного Джеффа Дина или Санджая Гхемавата?» Если помните, Джефф и Санджай изобрели одну из технологий, которая сделала возможным существование Google, да и почти любой крупной компании в мире информационных технологий.