سرویس سبک زندگی جوان آنلاین: کمابیش در اغلب جوامع، توزیع ثروت از الگوی شناخته شده‌ای پیروی می‌کند که به آن «قانون ۸۰- ۲۰» می‌گویند؛ یعنی ۲۰درصد افراد صاحب ۸۰ درصد ثروت هستند. به‌نظر ناعادلانه یا عجیب نخواهد بود اگر ۲۰درصد ثروتمند همان‌هایی باشند که بیشترین استعداد را هم دارند، اما چنین نیست. گروهی از پژوهشگران مدلی کامپیوتری طراحی کرده‌اند که نشان می‌دهد افراد بسیار موفق آن‌هایی نیستند که بسیار باهوشند، بلکه آن‌هایی هستند که بسیار خوش‌شانس بوده‌اند.
توزیع ثروت از الگوی شناخته شده‌ای پیروی می‌کند که گاهی آن را قانون ۸۰- ۲۰ می‌گویند؛ یعنی ۲۰ درصد آدم‌ها صاحب ۸۰ درصد ثروت موجود هستند. برای نمونه سال پیش در گزارشی آمده بود، فقط ثروت هشت نفر معادل ثروت ۸/۳ میلیارد نفر از فقیرترین انسان‌های جهان است.
به‌نظر می‌رسد این وضعیت در همه جوامع، با هر ابعادی، وجود داشته باشد. این الگو که به آن «توزیع توانی» هم گفته می‌شود، الگویی است که به تفصیل بررسی شده و در طیف گسترده‌ای از پدیده‌های اجتماعی می‌توان ردش را پیدا کرد. با این حال، پدیده توزیع ثروت یکی از مناقشه برانگیزترین این پدیده‌هاست؛ چراکه پای مسائلی مثل عدالت و شایستگی را به میان می‌کشد. چرا عده‌ای اندک باید مالک این حجم از ثروت باشند؟
پاسخ دم‌دستی این است که ما در نظمی شایسته‌سالار زندگی می‌کنیم و در این نظم افراد براساس استعداد، هوش و تلاششان پاداش می‌گیرند. بسیاری از مردم فکر می‌کنند توزیع ثروتی که پیش روی ماست، به‌مرور زمان، توسط این عوامل خلق شده است، هر چند این را هم می‌گویند که ممکن است حد معمولی از شانس در آن دخیل بوده باشد. اما این تلقی یک عیب دارد؛ گفتیم که توزیع ثروت از الگوی توزیع توانی (۸۰- ۲۰) پیروی می‌کند، این در حالی است که توزیع توانایی‌های انسانی معمولاً از توزیعی نرمال پیروی می‌کند که با حد وسط متقارن است. به‌طور مثال الگوی توزیع هوش را در نظر بگیرید. تست‌های آی‌کیو نشان داده که میانگین آی‌کیو بین انسان‌ها ۱۰۰ است، اما کسی را پیدا نمی‌کنید که آی‌کیو هزار یا ۱۰هزار داشته باشد. با اندازه‌گیری ساعات کار متوجه خواهیم شد که چنین چیزی درباره سعی و تلاش هم صدق می‌کند. بعضی‌ها بیشتر از میانگین معمول و بعضی‌ها کمتر از آن کار می‌کنند، اما هیچ کس میلیارد‌ها ساعت بیشتر از دیگران کار نمی‌کند.
با این حال، وقتی زمان آن می‌رسد که هر کس بابت کارش پاداش دریافت کند، بعضی‌ها میلیارد‌ها بار بیشتر از دیگران پاداش دریافت می‌کنند. علاوه بر این، مطالعات بسیاری نشان داده است آن‌هایی که ثروتمندترین هستند، معمولاً در دیگر زمینه‌ها جز بااستعدادترین‌ها نیستند.
با این اوصاف، چه عواملی تعیین می‌کند که فردی ثروتمند شود؟ آیا می‌توان گفت نقش شانس چیزی بیش از آن است که انتظار داریم؟ و چگونه این عوامل، هر چیزی که باشند، می‌توانند جهان را به جایی عادلانه‌تر بدل کنند؟
امروزه به لطف کاری که آلساندرو پلوچینو و همکارانش در دانشگاه کاتانیای ایتالیا انجام داده‌اند، جوابی برای این سؤال داریم. آن‌ها مدلی کامپیوتری طراحی کرده‌اند که هم استعداد‌های انسانی را در نظر می‌گیرد و هم راه‌هایی را که انسان‌ها از استعدادشان برای کسب فرصت‌های زندگی بهره می‌گیرند. شبیه‌سازی این تیم دقیقاً مطابق توزیع ثروت در دنیای واقعی از آب درآمد، اما در این شبیه‌سازی ثروتمندترین افراد جزو بااستعدادترین‌ها نبودند (هر چند باید حد مشخصی از استعداد را می‌داشتند)، بلکه جزو خوش‌شانس‌ترین‌ها بودند. این نتایج آموزه‌های بااهمیتی برای جامعه دارند و کمک می‌کنند تا بازدهی سرمایه‌گذاری در امور مختلف، از تجارت گرفته تا علم، به حدی بهینه برسد.
مدل پلوچینو و همکارانش ساده است. این مدل شامل افراد زیادی می‌شود که هر کدامشان دارای سطح مشخصی از استعداد هستند (مهارت، هوش، توانایی و غیره). این استعداد در بین افراد تقریباً به‌طور برابری توزیع شده و انحرافی استاندارد دارد. پس اینطور است که بعضی افراد از سطح میانگین بااستعدادترند و برخی کمتر، اما هیچ‌کس به‌طور اغراق‌آمیزی از دیگران با استعدادتر نیست.
مدل کامپیوتری آقای پلوچینو برای هر فرد زندگی کاری ۴۰ ساله‌ای تعریف می‌کند. در طول این بازه، در مواقعی شانس در خانه افراد را می‌زند. اگر آن‌ها به اندازه کافی باهوش باشند، در را به‌رویش باز می‌کنند و اینگونه می‌توانند ثروتشان را افزایش بدهند. هر چند، افراد بدبیاری‌هایی را هم از سر می‌گذرانند و ثروتشان کاهش می‌یابد. در مجموع این اتفاق‌ها به‌طور تصادفی رخ می‌دهد.
پلوچینو و همکارانش مدل شبیه‌سازی شده را بار‌ها و بار‌ها تکرار می‌کنند تا از صحت نتایج مطمئن شوند.
دست آخر، وقتی تیم تحقیق افراد را براساس ثروت رتبه‌بندی می‌کند، توزیع ثروت دقیقاً مشابه چیزی است که در جوامع واقعی دیده می‌شود. پلوچینو و همکاران می‌گویند: «قانون ۸۰- ۲۰ قانونی معتبر است؛ چراکه ۸۰ درصد جمعیت مالک تنها ۲۰ درصد ثروت کل هستند، و در سمت دیگر، ۲۰ درصد باقی مانده مالک ۸۰ درصد همان ثروت هستند.»
به‌نظر ناعادلانه یا عجیب نخواهد بود اگر ۲۰ درصد ثروتمند همان‌هایی باشند که بیشترین استعداد را هم دارند، اما چنین نیست. ثروتمندترین افراد معمولاً بااستعدادترین‌ها یا حتی نزدیک به آن‌ها هم نیستند. محققان ما می‌گویند: «بیشترین حد از موفقیت هیچگاه با بیشترین حد از استعداد مطابقت ندارد و همین‌طور برعکس.»
پس اگر استعداد نیست، چه عاملی این توزیع ثروت نابرابر را رقم زده است؟ پلوچینو و همکارانش می‌گویند: «مدل شبیه‌سازی شده ما به وضوح نشان داد که این عامل فقط و فقط شانس محض است.» تیمِ پژوهش نتایج را براساس تعداد شانس‌ها و بدبیاری‌هایی رتبه‌بندی می‌کند که افراد در این بازه ۴۰ساله با آن مواجه می‌شوند. آن‌ها می‌گویند: «حالا به‌طور مستند می‌توان گفت که موفق‌ترین افراد، خوش‌شانس‌ترین افراد هم هستند، همچنین، ناموفق‌ترین افراد را می‌توان بدبیارترین افراد به حساب آورد.»
این نتیجه آموزه‌های با اهمیتی را در اختیار جامعه قرار می‌دهد. پس اینطور شد که شانس در موفقیت نقشی دارد. حال باید پرسید مؤثرترین استراتژی برای بهره‌برداری از آن چیست؟
تیم پژوهش سه مدل را بررسی کردند، در اولی سرمایه تحقیق یکسان میان دانشمندان توزیع شده بود، در دومی سرمایه تصادفی میان مجموعه‌ای از دانشمندان توزیع شده بود و در سومی توزیع به ترتیب میزان موفقیتی بود که دانشمندان در گذشته داشتند. کدام‌یک بهترین استراتژی به نظر می‌رسد؟ نتیجه چنین بود: استراتژی‌ای که سرمایه را مساوی میان محققان تقسیم می‌کند، بیشترین عایدی را همراه داشت و دومین و سومین استراتژی برتر که پس از آن قرار داشتند؛ ثروت را به‌طور تصادفی میان ۱۰ یا ۲۰ درصد دانشمندان توزیع می‌کردند. در این مدل‌ها محققان می‌تواستند به خوبی از کشفیات شانسی که گاه‌به‌گاه به‌دست می‌آمد، استفاده کنند. این موضوع آشکار می‌کند که اگر دانشمندی در گذشته کشف شانسی مهمی انجام داده است، لزوماً نمی‌تواند در آینده باز هم کشفی از این دست داشته باشد.
همچنین می‌توان رویکرد مشابهی را برای سرمایه‌گذاری در انواعی دیگر از واحدها، اعم از کسب‌و‌کار‌های کوچک و بزرگ، استارتاپ‌های فناوری و آموزش به کار گرفت. با این رویکرد قادر خواهیم بود تا استعداد و حتی تعداد وقایع شانسی تصادفی را افزایش دهیم.
منبع: ترجمان/ ترجمه: مهدی صادقی
تلخیص: سیمین جم
مرجع: MIT Technology Review
