[факт] Определение inside/outside view: «The inside and outside views draw on different sources of information, and apply different rules to its use. An inside view forecast draws on knowledge of the specifics of the case... In contrast, the outside view is essentially statistical and comparative, and involves no attempt to divine future history at any level of detail» (Kahneman & Lovallo 1993 [KL93], с. 24–25 по постраничной оценке журнальной пагинации 17–31).
[факт, канонический кейс] Анекдот об израильском школьном учебном плане: эксперт, зная похожие проекты, оценил «about 40% of them eventually gave up... none completed in less than seven years, nor more than ten» — против inside-view оценки команды «18 to 30 months»; проект реально завершён «eight years later», и результат «was rarely used» (Lovallo & Kahneman 2003 [LK03], HBR, с. 60, по выжимке Р-1/Д2).
[факт] Пятишаговый рецепт RCF у Lovallo & Kahneman (2003), включая коррекцию на регрессию к среднему с числовым примером: «The regressed estimate of ticket sales would be: $95M + [0.6 ($40M − $95M)] = $62M» (LK03, с. 61, врезка «How to Take the Outside View», по выжимке Р-1/Д2).
[факт, институционализация] Flyvbjerg (2006) формализует ту же идею в три шага (референс-класс → распределение исходов → сопоставление) и описывает первое официальное внедрение регулятором: «There is a demonstrated, systematic, tendency for project appraisers to be overly optimistic. To redress this tendency appraisers should make explicit, empirically based adjustments to the estimates of a project's costs, benefits, and duration... based on data from past projects» (HM Treasury Green Book 2003, цит. в Flyvbjerg 2006 [Flyv06], препринт с. 11/32).
[факт, величина] Эмпирическая база для дорожных проектов: «a class of 172 completed and comparable projects... 40% of projects have a maximum cost overrun of 10%; 80% of projects a maximum overrun of 32%» (Flyv06, с. 11–12/32); численный пример надбавки: «with a willingness to accept a 50% risk for cost overrun in a road project, the required uplift for this project would be 15%. If the Department for Transport were willing to accept only a 10% risk for cost overrun, then the required uplift would be 45%» (с. 12/32).
[факт, кейс] Единственный найденный пример практического применения — экспертиза Ove Arup для трамвайной линии Edinburgh Tram Line 2 (2004): бизнес-кейс оценивал капзатраты в £320 млн; с надбавками RCF — 80-й перцентиль £400 млн, 50-й перцентиль £357 млн; заключение: «current optimism bias uplifts... may have been underestimated» (Flyv06, с. 15/32).
[оговорка ОБЯЗАТЕЛЬНАЯ — постфактум-проверки нет] Это оценка ex-ante, до открытия трамвая: статья 2006 г. пересматривает бюджетную заявку вверх на основе исторического распределения, а не проверяет, оказался ли итоговый прогноз точнее реальных издержек. Вопрос «сбылся ли RCF» остаётся открытым — см. ОВ-03 Сбылся ли reference class forecasting.
[оговорка авторов о границе — обязательная] Метод работает по-разному в зависимости от причины неточности: «the potentials for and barriers to reference class forecasting will be different in situations where (1) optimism bias is the main cause of inaccuracy... [vs] (2) strategic misrepresentation» — во втором случае «the potential... is low—the demand for accuracy is simply not there—and barriers are high» (Flyv06, с. 16–17/32), потому что у заинтересованной стороны нет стимула раскрывать реальный референс-класс (с. 17/32).
[оговорка KL93 — обязательная] Сами Kahneman & Lovallo предупреждают о побочном эффекте одновременного внедрения нескольких противоядий: «a successful effort to improve the realism of assessments could do more harm than good in an organization that relies on unfounded optimism to ward off paralysis» (KL93, с. 29).
Приём: Reference class forecasting / outside view — прогнозировать проект по эмпирическому распределению исходов класса похожих завершённых проектов (3–5 шагов: определить референс-класс → построить распределение исходов → сопоставить свой проект с распределением → скорректировать оценку, включая регрессию к среднему). Механизм: игнорирование деталей конкретного случая в пользу статистики класса снимает якорение на собственном плане и сценарном мышлении: «the main advantage of the outside approach to forecasting is that it avoids the snares of scenario thinking» (KL93). Критерий «сработало»: институционализация — принятие метода регулятором как обязательной процедуры (Green Book HM Treasury 2003, обязателен для UK DfT с августа 2004) и применение независимым аудитором для ревизии оптимистичного бизнес-кейса (Ove Arup, Edinburgh Tram). Замер: 172 завершённых дорожных проекта для построения распределения перерасходов (Flyv06); Edinburgh Tram — надбавка подняла оценку с £320 млн до £357–400 млн ДО открытия — изменение ex-ante оценки, НЕ постфактум-проверка точности (см. «Содержание» и ОВ-03). Где не работает / побочные: (1) при strategic misrepresentation — «barriers are high», нет стимула у бенефициара раскрывать реальный референс-класс (Flyv06, с. 16–17/32); (2) «reserves will be spent simply because they are there» — более щедрый резерв сам может провоцировать перерасход без параллельного контроля издержек (Flyv06, с. 17/32); (3) реалистичная оценка может подорвать мотивацию действовать в организации, держащейся на неоправданном оптимизме (KL93, с. 29). Цена внедрения: высокая относительно остальных приёмов этого набора — требует построения и поддержания эмпирической базы сопоставимых завершённых проектов (в UK — отдельное исследование Flyvbjerg & Cowi 2004) и институционального мандата; не работает как разовая процедура для одного проектного менеджера без доступа к базе. Координата: сочетание modify the decision maker (меняет, как прогнозист формулирует вопрос) и modify the environment на уровне организации/регулятора (обязательная процедура, встроенная в бюджетный процесс, Green Book) — единственный ПР в наборе, институционализированный как обязательное правило, а не только индивидуальный навык; nudge на уровне процедуры регулятора — по определению рамки проекта, первоисточник Hertwig & Grüne-Yanoff 2017 этим писателем не открывался.
(б) Процедура. Строить прогноз проекта по распределению исходов класса похожих завершённых проектов (пятишаговый рецепт LK03, трёхшаговый — Flyv06), а не по детальному плану текущего проекта. Измеренный эффект — институционализация регулятором и рост официальной бюджетной оценки Edinburgh Tram на £37–80 млн после применения надбавок RCF (Flyv06, с. 15/32). Честная граница: это не проверка «стало ли точнее», а поправка оценки вверх до реализации; при подозрении на сознательное искажение прогноза метод сам по себе слабее (Flyv06, с. 16–17/32). (в) Среда. Подходит там, где есть доступный референс-класс из похожих завершённых проектов (дороги, ИТ-проекты, стройки) и где неточность прогноза — следствие честного оптимизма, а не намеренного искажения ради одобрения бюджета. Если причина — организованные стимулы скрывать реальные риски (конкуренция городов за финансирование, Flyv06, с. 17/32), диагностика среды должна начинаться с вопроса «кому выгоден оптимистичный прогноз», а не с самого метода. (г) Организация. В описанных источниках метод работает как решение регулятора/института (казначейство, министерство транспорта), а не как личный навык одного менеджера — «кто решает» здесь смещено на уровень организации, утверждающей бюджет. Кейсы, не RCT: единственный подробный пример (Edinburgh Tram) не имеет постфактум-контроля результата (см. «Открытые хвосты» и ОВ-03).
2026-09-12
отвечено 0 из 3
1. Что именно измерено для кейса Edinburgh Tram у Flyvbjerg (2006) — точность прогноза постфактум или пересмотр оценки до реализации?
2. При каком условии сами Flyvbjerg указывают, что у reference class forecasting низкий потенциал и высокие барьеры?
3. Какой побочный эффект точных, реалистичных прогнозов отмечают сами Kahneman & Lovallo (1993)?