هربرت سایمون جایزه نوبل را برای اثبات این که نمی‌توانید تصمیمات کاملی بگیرید، برنده شد. در عوض، این کارها را انجام دهید.

استکهلم، ۸ دسامبر ۱۹۷۸. هربرت سایمون به منظور ارائه سخنرانی نوبل خود به جمع اقتصاددانان حاضر می‌شود و در این سخنرانی مدل پایه‌گذاری شده در رشته خود را مورد انتقاد قرار می‌دهد. عامل منطقی کتاب‌های درسی، که همه گزینه‌ها را می‌داند، تمام پیامدها را محاسبه می‌کند و حداکثر را انتخاب می‌کند؟ پیام سایمون، که با استناد به منابع به جای بلاغت بیان می‌شود: آن عامل هرگز وجود نداشته و هیچ تصمیمی که کسی تا به حال گرفته باشد به این شکل تولید نشده است.

آکادمی سلطنتی سوئد قبلاً این نکته را پذیرفته بود. بیانیه مطبوعاتی این جایزه را به خاطر تحقیقات پیشگامانه در مورد فرآیند تصمیم‌گیری در سازمان‌های اقتصادی اعطا کرد و کتاب او در سال 1947 به نام رفتار اداری را تحول‌آفرین خواند — کتابی که استدلال می‌کند سازمان‌ها ماشین‌هایی برای مقابله با محدودیت‌های عقل انسانی هستند.

اکنون آزمایش را در سازمان خود انجام دهید. انتخاب آخرین تأمین‌کننده شما، آخرین دور استخدام شما، آخرین تماس استراتژیک شما: آیا کسی تمام گزینه‌ها را شمرده است؟ آیا تمام عواقب را محاسبه کرده است؟ البته که نه — زمان کافی نبود، اطلاعات وجود نداشت و هیچ ذهنی نمی‌تواند آن محاسبات را در خود نگه دارد. نکته سیمون این است که این یک اعتراف به شکست نیست. این وضعیت عملیاتی هر تصمیمی است که شما هرگز خواهید گرفت و تظاهر به غیر از این است که در واقع کیفیت تصمیم‌گیری را آسیب می‌زند.

مردی که هومو اکونومیکوس را بازنشسته کرد

قبل از سایمون، نظریه شرکت فرض می‌کرد که کارآفرینی همه‌چیزدان و حداکثرکننده سود وجود دارد — هومو اکونومیکوس، که با اطلاعات نامحدود، قدرت پردازش نامحدود و زمان نامحدود مجهز است. سایمون این خیال را با چیزی که او آن را مرد اداری نامید، جایگزین کرد: یک تصمیم‌گیرنده با دانش محدود و محاسبات محدود، که در یک سازمان قرار دارد و بهترین کاری را که محدودیت‌ها اجازه می‌دهند، انجام می‌دهد.

جایگزینی مهم است زیرا دو مدل مشاوره‌های متضادی ارائه می‌دهند. اگر مردم بهینه‌سازی کنند، تصمیمات بهتر از داده‌های بیشتر، تحلیل‌های بیشتر و گزینه‌های بیشتر به دست می‌آید. اگر مردم محدود باشند، هر یک از این موارد فراتر از یک نقطه، تصمیمات را بدتر می‌کند — داده‌های بیشتر به بار اضافی تبدیل می‌شود، تحلیل‌های بیشتر به تأخیر تبدیل می‌شود و گزینه‌های بیشتر به فلج تبدیل می‌شود. بیشتر برنامه‌های بهبود تصمیم هنوز به آرامی فرض می‌کنند که مدل اول درست است. تیم‌های آن‌ها در مدل دوم زندگی می‌کنند.

سه محدودیت که هیچ مقدار استعدادی نمی‌تواند آن‌ها را حذف کند

نتیجه: انسان‌ها بهینه‌سازی نمی‌کنند — بلکه ساده‌سازی می‌کنند. ما یک مدل ذهنی قابل مدیریت از تصمیم می‌سازیم و به طور منطقی درون مدل عمل می‌کنیم. این یک اشکال نیست که بخواهیم آن را مهندسی کنیم. این نحوه عملکرد ضروری عوامل هوشمند است و هر روش جدی برای بهتر تصمیم‌گیری کردن با پذیرش آن آغاز می‌شود.

رضایت‌مندی، در یک پاراگراف

نام سیمون برای پاسخ منطقی satisficing است — رضایت و کافی بودن. یک سطح آرزو (معیارهایی که یک گزینه قابل قبول باید برآورده کند) تعیین کنید، جستجو کنید تا گزینه‌ای آن را برآورده کند، سپس جستجو را متوقف کنید. در سخنرانی نوبل خود، او دو استراتژی موجود را به وضوح بیان کرد: تصمیم‌گیرندگان می‌توانند با یافتن راه‌حل‌های بهینه برای یک دنیای ساده‌شده، یا با یافتن راه‌حل‌های رضایت‌بخش برای یک دنیای واقعی‌تر، رضایت دهند. آنچه هیچ تصمیم‌گیری به دست نمی‌آورد گزینه سوم است که کتاب‌های درسی فرض کرده‌اند — راه‌حل‌های بهینه برای دنیای واقعی.

رضایت‌مندی نیمی از نظریه‌ای است که می‌توانید صبح فردا اجرا کنید و پایه شواهد خاص خود را دارد — از جمله یافته ناخوشایند اینکه افرادی که بر حداکثرسازی اصرار دارند، انتخاب‌های عینی بهتری انجام می‌دهند و در مورد آن‌ها احساس بدتری دارند. ما یک قطعه همراه کامل برای آن تهیه کرده‌ایم: چگونه به طور عمدی رضایت‌مندی کنیم و کی به جای آن حداکثرسازی کنیم.

قواعد تجربی اشکال نیستند

دهه‌ها قبل از اینکه اقتصاد رفتاری سوگیری‌های شناختی را به یک ژانر پرفروش تبدیل کند، سایمون قوانین سرانگشتی را به شکل دیگری خواند: هنجارها تطبیق‌هایی به عقلانیت محدود هستند، نه شکست‌های آن. با فروشنده مورد اعتماد بروید، اگر ریسک از یک آستانه عبور کرد، افزایش دهید، از آنچه که کارساز بوده دوباره استفاده کنید — این‌ها تجربه را به تصمیماتی سریع، ارزان و معمولاً درست فشرده می‌کنند.

علم شناختی مدرن به طور عمده به تفسیر سایمون بازگشته است. تحلیل منابع-عقلانی — چارچوبی که فالک لیدر و تام گریفیتس در یک مرور مهم در سال 2020 تثبیت کردند — شناخت انسانی را به عنوان استفاده بهینه از منابع محاسباتی محدود مدل‌سازی می‌کند: با توجه به هزینه‌های تفکر، میانبر اغلب الگوریتم عقلانی است. بنابراین سوال عملی برای یک تیم هرگز این نیست که آیا از هنجارها استفاده کند (شما این کار را خواهید کرد)، بلکه این است که آیا هنجارهایی که استفاده می‌کنید خوب هستند یا نه — و این یک سوال طراحی فرآیند است: تجربه را کدگذاری کنید، انتخاب پیش‌فرض را درست کنید، و قانون را زمانی که اشتباه عمل می‌کند مرور کنید.

چرا سازمان‌ها اصلاً وجود دارند

این لیست را با شرکت خود مقایسه کنید و تغییر دیدگاه سخت است که نادیده گرفته شود: ساختار، معماری شناختی است. که همچنین به این معنی است که ساختار بد یک نقص شناختی است — یک سلسله‌مراتب که سیگنال‌های نادرست را فیلتر می‌کند، روال‌هایی که پاسخ دیروز را از پیش محاسبه می‌کنند، و سوابق تصمیم‌گیری که هرگز نوشته نشده‌اند، شکست‌هایی از ماشین‌هایی هستند که سازمان‌ها برای آن وجود دارند.

اگر کمال غیرممکن است، چرا چیزی را بهبود ببخشیم؟

اعتراض به موقع می‌رسد: اگر عقلانیت کامل غیرقابل دسترسی است، آیا این مجوزی برای تصمیمات متوسط نیست؟ پاسخ سایمون برعکس است و این عملی‌ترین چیزی است که او نوشته است. شما نمی‌توانید فاصله بین ذهن‌های محدود و عقلانیت عینی را با تلاش بیشتر کاهش دهید — اما می‌توانید مرز را جابجا کنید، زیرا این مرز تا حدی توسط محیطی که تصمیم در آن گرفته می‌شود تعیین می‌شود.

برنامه نادرست: درخواست داده‌های بیشتر، تحلیل‌های بیشتر، گزینه‌های بیشتر و نامیدن تأخیر حاصل از آن به عنوان سخت‌گیری. فراتر از یک نقطه معقول، هر یک از این موارد تصمیم را تضعیف می‌کند — که این عقلانیت محدود است که بر روی خود برنامه بهبود عمل می‌کند و این همان دلیلی است که تیم‌ها به جای کیفیت تصمیم، با خستگی تصمیم‌گیری مواجه می‌شوند.

برنامه سیمون: طراحی محیط‌های بهتر برای انسان‌های محدود. فرآیندهای واضح‌تر، تا ابهام شناخت را مصرف نکند. معیارهای صریح، تا جستجو یک قاعده توقف داشته باشد. استدلال‌های خارجی، تا استدلال در خارج از هر ذهنی زندگی کند. آرشیوهای مستند، تا حافظه سازمانی انباشته شود. هدف، حداکثر کیفیت در یک تصمیم قهرمانانه نیست — بلکه کیفیت کافی با سرعت مناسب، به طور قابل اعتماد، در تمام آن‌ها است.

پس‌نوشت ۲۰۲۵: ماشین‌ها نیز محدود هستند

نظریه سیمون یک زندگی علمی دوم را تجربه می‌کند، زیرا تصمیم‌گیرندگان جدید در این زمینه نیز محدود هستند. یک مطالعه در سال 2025 درباره تصمیم‌گیری استراتژیک نشان داد که مدل‌های زبانی بزرگ از عقلانیت کامل نظریه بازی به شیوه‌های قابل شناسایی انسانی منحرف می‌شوند — بازتولید هورستیک‌های آشنا، که فقط به‌طور سخت‌گیرانه‌تری اعمال می‌شوند (arXiv:2506.09390). خط کار دیگری در سال 2025 به‌طور مستقیم رضایت‌بخشی را در هم‌راستایی مدل گنجانده است: حداکثر کردن یک هدف اصلی در حالی که معیارهای ثانویه را در آستانه‌های قابل قبول نگه می‌دارد — سطوح آرزوی سیمون، که در زمان استنتاج پیاده‌سازی می‌شود (arXiv:2505.23729).

او شگفت‌زده نمی‌شد. او نیمه دوم حرفه‌اش را صرف ساخت ماشین‌هایی بر اساس همین اصل کرد — اینکه هوش به معنای جستجوی هوشمند تحت محدودیت‌هاست، نه محاسبات جامع. آن داستان، از اولین برنامه هوش مصنوعی تا پژواک‌های مدرن، سومین بخش در این سری است. و جمله‌ای که بیشترین نقل قول را از او دارد، که در سال 1971 نوشته شده، مانند تشخیصی از اقتصاد توجه است که پنجاه سال زودتر ثبت شده است.

تکنیک: محیط را طراحی کنید، نه تصمیم‌گیرنده را

نسخه سیمون شامل پنج حرکتی است که یک تیم می‌تواند در این فصل اتخاذ کند:

جایی که Argumentree جا می‌گیرد

آرگومنتری برنامه طراحی محیط سیمون است که به عنوان نرم‌افزار ساخته شده است. درخت استدلال، استدلال را به صورت خارجی نمایش می‌دهد — هر جنبه مثبت، منفی و مدرک در یک ساختار قابل مشاهده است به جای اینکه در ذهن‌ها و موضوعات پراکنده باشد. امتیازدهی قوی‌ترین استدلال‌ها را به سطح می‌آورد تا توجه، منبع کمیاب، به جایی برود که اهمیت دارد. و ثبت دائمی و قابل جستجو هر تصمیم را به حافظه سازمانی تبدیل می‌کند که تصمیم بعدی می‌تواند بر اساس آن بنا شود.

هیچ‌یک از این‌ها یک تیم را به‌طور کامل منطقی نمی‌کند — هیچ‌چیز این‌طور نیست؛ این همان قضیه است. این مرز را جابه‌جا می‌کند. که دقیقاً همان چیزی است که سایمون گفت بهبود واقعاً چگونه به نظر می‌رسد.

خوانش خوشبینانه

رشد عقل محدود به نظر می‌رسد که نتیجه‌ای بدبینانه است و در واقع برعکس است. سایمون تمام دوران حرفه‌ای خود را صرف نشان دادن این کرد که این محدودیت‌ها واقعی هستند و اینکه قابل کار هستند: با ساختارهای مناسب، ذهن‌های محدود به طور معمول تصمیماتی فراتر از هر دسترسی شناختی فردی تولید می‌کنند. سخنرانی نوبل یک مرثیه برای عقلانیت نیست — بلکه یک راهنمای مهندسی برای گسترش آن است.

بنابراین تصمیم‌گیرنده خیالی را کنار بگذارید و از بودجه‌بندی برای ورود او دست بردارید. کار این نیست که بی‌حد و مرز شود. کار این است که محیط‌هایی بسازیم که در آن‌ها محدود بودن کافی است.