Định luật Goodhart nói rằng một con số đang phản ánh tốt tình hình sẽ thôi phản ánh tốt khi người ta bị ép phải làm cho nó đẹp. Lý do không bí ẩn: khi thưởng, phạt, uy tín gắn vào một con số, mọi người trong nhóm sẽ tìm đường ngắn nhất để đẩy con số đó lên, và đường ngắn nhất thường không đi qua kết quả thật mà bạn muốn.
Điều này không có nghĩa là đừng đặt chỉ tiêu. Nó có nghĩa là người quản lý một nhóm phải hiểu chỉ số của mình hỏng theo những cách nào, chọn chỉ số khó bẻ cong hơn, và luôn có thứ khác ngoài con số để nhìn vào. Bài này giải thích nguồn gốc của định luật, bốn cơ chế làm chỉ số hỏng, ví dụ giả định trong doanh nghiệp nhỏ và cách dùng AI để thử độ bền của một bộ chỉ số trước khi giao cho nhóm.
Goodhart nói gì, và câu nổi tiếng thật ra là của ai
Charles Goodhart là nhà kinh tế người Anh, từng làm cố vấn cho Ngân hàng Trung ương Anh. Giữa thập niên 1970, khi bàn về chính sách tiền tệ, ông nhận xét rằng một quy luật thống kê quan sát được sẽ có xu hướng sụp đổ một khi người ta dựa vào nó để điều khiển. Ý ban đầu hẹp: ngân hàng trung ương chọn một đại lượng tiền tệ làm mục tiêu thì chính hành vi của thị trường thay đổi, và mối liên hệ cũ giữa đại lượng đó với lạm phát không còn như trước.
Câu mà người làm quản trị hay trích, rằng khi một thước đo trở thành mục tiêu thì nó không còn là thước đo tốt, là cách diễn đạt gọn hơn của nhà nhân học Marilyn Strathern vào cuối thập niên 1990, khi bà viết về việc chấm điểm các trường đại học ở Anh. Cùng thời gian với Goodhart, nhà tâm lý học xã hội Donald Campbell cũng nêu một ý gần như vậy cho chính sách xã hội: chỉ số định lượng càng được dùng nhiều để ra quyết định thì càng dễ bị bóp méo và càng làm méo chính quá trình nó muốn theo dõi. Người ta gọi đó là định luật Campbell.
Với một trưởng nhóm, lịch sử này có một bài học thực dụng: đây không phải nhận xét về nhân viên lười hay gian. Đây là nhận xét về hệ thống. Ngay cả nhóm toàn người tận tâm, khi bị đo bằng một con số duy nhất có hậu quả nặng, cũng sẽ dần dịch chuyển công sức sang những gì làm con số nhích lên. Định luật là công cụ tham khảo để suy nghĩ, không phải quy tắc toán học dự báo chính xác lúc nào chỉ số sẽ hỏng.
Vì sao chỉ số hỏng khi bị biến thành chỉ tiêu: bốn cơ chế
Cơ chế thứ nhất: may rủi lẫn trong con số. Một bài viết năm 2018 của David Manheim và Scott Garrabrant đã chia định luật Goodhart thành bốn dạng, và cách chia này dễ dùng cho người quản lý. Dạng đầu tiên là con số luôn chứa một phần may rủi. Khi bạn chọn người hay nhóm có con số cao nhất để khen, bạn chọn cả những ai gặp may tháng đó. Tháng sau, phần may rủi không lặp lại, và người tưởng giỏi nhất tụt xuống, khiến bạn kết luận sai rằng họ đã chểnh mảng.
Cơ chế thứ hai: đẩy tới vùng cực thì quan hệ gãy. Ở mức bình thường, số cuộc gọi khách hàng đi cùng doanh số. Khi ép số cuộc gọi lên gấp ba, mối quan hệ đó không còn: cuộc gọi ngắn đi, chọn khách dễ gọi, chất lượng tư vấn sụt. Chỉ số chỉ đáng tin trong khoảng nó từng được quan sát.
Cơ chế thứ ba: chạm vào con số mà không chạm vào nguyên nhân. Tỷ lệ khách quay lại tăng có thể vì dịch vụ tốt hơn, nhưng cũng có thể vì nhóm tặng phiếu giảm giá cho khách cũ. Con số lên, nguyên nhân bạn quan tâm thì không đổi. Mọi can thiệp đi tắt vào chỉ số thay vì vào gốc của nó đều thuộc dạng này.
Cơ chế thứ tư: người bị đo phản ứng lại thước đo. Đây là dạng quen thuộc nhất: khi biết cách tính, người bị đo tìm kẽ hở. Tách một phiếu hỗ trợ thành ba để tăng số phiếu đã xử lý, ghi nhận đơn sớm hơn ngày giao, chọn khách dễ để giữ tỷ lệ thành công. Không cần ai có ý xấu; chỉ cần luật chơi cho phép và áp lực đủ lớn.
Ví dụ giả định: một chỉ số tốt hỏng dần ra sao trong nhóm nhỏ
Bảng dưới là các ví dụ giả định ở những đơn vị nhỏ thường gặp. Cột cuối cho thấy con số vẫn đẹp trong khi điều chủ doanh nghiệp thật sự muốn lại đi xuống.
| Đơn vị | Chỉ số bị ép | Điều thật sự muốn | Điều xảy ra khi ép |
|---|---|---|---|
| Tiệm sửa điện thoại | Số máy sửa xong trong ngày | Khách hài lòng, máy không quay lại bảo hành | Thợ nhận máy dễ trước, máy khó dồn lại, tỷ lệ bảo hành lại tăng |
| Đội bán hàng sáu người | Số hợp đồng ký mới | Doanh thu có lãi, khách trả tiền đúng hạn | Chiết khấu sâu để chốt nhanh, công nợ khó đòi tăng |
| Tổng đài chăm sóc khách | Thời gian xử lý trung bình mỗi cuộc | Vấn đề của khách được giải quyết | Cuộc gọi bị cắt sớm, khách gọi lại lần hai, lần ba |
| Trung tâm ngoại ngữ nhỏ | Tỷ lệ học viên đạt bài kiểm tra cuối khoá | Học viên dùng được ngoại ngữ | Bài kiểm tra dễ dần, lớp tập trung luyện dạng đề |
| Xưởng may | Sản lượng sản phẩm mỗi ca | Hàng đạt chuẩn, giao đúng hạn | Hàng lỗi bị đẩy sang khâu kiểm, khâu kiểm quá tải |
Điểm chung của cả năm dòng: chỉ số ban đầu không sai. Nó sai khi trở thành thứ duy nhất được nhìn, được khen và được trả tiền. Đó là lý do người quản lý nên đọc định luật Goodhart như lời nhắc thiết kế, không phải lời phán rằng mọi chỉ số đều vô dụng.
Goodhart không có nghĩa là đừng đo
Một phản ứng phổ biến sau khi biết định luật Goodhart là quay về quản lý bằng cảm giác: “con số nào cũng bị lách, vậy thôi đừng đo”. Phản ứng này đẩy nhóm vào một vấn đề khác. Không có chỉ số, việc đánh giá phụ thuộc vào ấn tượng của người quản lý, ai nói nhiều trong họp, ai làm việc gần sếp. Thiên lệch cá nhân thay thế cho thiên lệch của con số, và nhân viên không biết mình đang được nhìn bằng tiêu chí gì.
Cách hiểu đúng hơn là phân biệt ba việc: theo dõi, chẩn đoán và thưởng phạt. Một con số dùng để theo dõi và chẩn đoán, không gắn với tiền hay xếp loại, ít bị bẻ cong vì không ai có lý do để bẻ. Càng gắn hậu quả nặng vào một con số đơn lẻ, áp lực bẻ cong càng lớn. Vì vậy nhiều nhóm giữ hàng chục chỉ số để quan sát nhưng chỉ đưa vài chỉ số vào đánh giá, và luôn kèm nhận định của người.
Câu hỏi đáng đặt ra mỗi khi giao một chỉ tiêu không phải là “chỉ số này có hoàn hảo không”, vì không chỉ số nào hoàn hảo. Câu hỏi là: nếu nhóm dồn hết sức vào con số này, điều tệ nhất có thể xảy ra là gì, và bạn sẽ nhìn thấy nó bằng cách nào. Trả lời được câu đó trước khi giao là đã đi trước định luật một bước.
Năm cách thiết kế để chỉ số bền hơn trước áp lực
Không có cách nào miễn nhiễm hoàn toàn, nhưng các bước dưới đây làm cho việc bẻ cong khó hơn và dễ bị phát hiện hơn.
- Đo gần kết quả thật nhất có thể. Thay vì số cuộc gọi, đo số khách chuyển sang bước tiếp theo; thay vì số phiếu đóng, đo số phiếu không mở lại trong hai tuần.
- Ghép mỗi chỉ số số lượng với một chỉ số chất lượng. Sản lượng đi cùng tỷ lệ lỗi, doanh số đi cùng công nợ quá hạn. Một người không thể đẩy vế này mà không làm xấu vế kia.
- Viết định nghĩa kín kẽ và công khai. Ghi rõ cái gì được tính, cái gì không, ngày nào được ghi nhận. Kẽ hở thường nằm ở những chỗ định nghĩa bỏ trống.
- Giảm sức nặng của một con số đơn lẻ. Đánh giá dựa trên vài chỉ số cộng với nhận định có mô tả của người quản lý, thay vì một ngưỡng đạt hay trượt quyết định cả thưởng.
- Đặt lịch đổi hoặc xoay chỉ số. Một chỉ số dùng lâu năm là chỉ số mà ai cũng đã biết cách lách. Mỗi năm rà lại xem chỉ số nào nên nghỉ, chỉ số nào nên thêm.
Năm cách này không loại bỏ nhu cầu đi xem tận nơi. Một buổi ngồi cùng nhóm, nghe khách gọi, xem sản phẩm ra khỏi xưởng thường cho bạn biết nhiều điều mà bảng số giấu đi.
Nhờ AI đóng vai người lách luật để thử bộ chỉ số
Một cách dùng AI hiệu quả ở khâu này là bắt nó đóng vai đối thủ của chính bộ chỉ số. Bạn dán định nghĩa chỉ số và luật thưởng đã che tên người, tên khách, số liệu thật, rồi yêu cầu AI tìm mọi cách đạt chỉ tiêu mà không tạo ra kết quả thật. Câu lệnh mẫu: “Bạn đóng vai một nhân viên muốn đạt chỉ tiêu dưới đây với ít công sức nhất mà không vi phạm quy định đã viết. Liệt kê mười cách làm cho con số đẹp lên nhưng kết quả thật cho khách hoặc cho công ty không tốt hơn. Với mỗi cách, nêu dấu hiệu nào trong số liệu sẽ để lộ ra.”
Kết quả thường gồm vài cách hiển nhiên và vài cách bạn chưa nghĩ tới. Đừng coi danh sách này là lời buộc tội nhân viên; coi nó là danh sách lỗ hổng cần vá trong định nghĩa. Với mỗi lỗ hổng, bạn quyết định sửa định nghĩa, thêm chỉ số đi kèm, hay chấp nhận và theo dõi bằng mắt. Tiếp theo, yêu cầu AI phản biện bản đã sửa: “Với định nghĩa mới này, còn cách nào lách không?”.
Giới hạn cần nhớ: AI không biết thực tế nhóm bạn. Nó có thể gợi những cách lách không khả thi trong công việc của bạn, hoặc bỏ sót kẽ hở đặc thù mà chỉ người trong nghề thấy. Vì vậy sau khi có danh sách, nên hỏi thêm hai ba nhân viên có kinh nghiệm theo kiểu ẩn danh: nếu là bạn, bạn sẽ lách chỉ số này bằng cách nào. Họ thường biết rõ hơn cả AI lẫn người quản lý.
Khi nào nên cho một chỉ số nghỉ hưu
Định luật Goodhart cũng có nghĩa là chỉ số có tuổi thọ. Những dấu hiệu dưới đây cho thấy một chỉ số đã bị khai thác quá lâu và nên được thay hoặc bớt sức nặng:
- Chỉ số luôn đạt hoặc vượt nhẹ chỉ tiêu, gần như không dao động, trong khi các con số liên quan khác lên xuống bình thường.
- Phần lớn thời gian trong cuộc họp dành để tranh cãi cách tính và trường hợp ngoại lệ hơn là bàn cách làm tốt hơn.
- Khách hàng hoặc bộ phận khác phàn nàn về đúng mặt mà chỉ số được cho là đang tốt.
- Nhân viên mới học được cách làm đẹp con số trước khi học được nghề.
- Chỉ số được giữ lại chủ yếu vì quen, không ai nói được nó giúp ra quyết định nào trong ba tháng qua.
Cho chỉ số nghỉ không phải là thừa nhận thất bại. Đó là bảo trì bình thường của một hệ đo lường còn sống. Chuyển nó về nhóm chỉ số chỉ theo dõi, không gắn thưởng, thường là bước đệm hợp lý trước khi bỏ hẳn.
Câu hỏi thường gặp
Định luật Goodhart và định luật Campbell khác nhau thế nào?
Hai ý tưởng rất gần nhau và ra đời cùng giai đoạn giữa thập niên 1970. Goodhart nói từ góc kinh tế và chính sách tiền tệ: quy luật thống kê sụp đổ khi bị dùng để điều khiển. Campbell nói từ góc chính sách xã hội: chỉ số càng dùng để ra quyết định càng bị bóp méo và làm méo quá trình được đo. Trong quản trị, người ta hay dùng lẫn hai tên.
Có chỉ số nào miễn nhiễm với định luật Goodhart không?
Gần như không. Mọi chỉ số đều đơn giản hoá thực tế, nên luôn có cách cải thiện con số mà không cải thiện thực tế. Chỉ số gắn sát kết quả cuối cùng, được ghép với chỉ số chất lượng và không mang hậu quả quá nặng thì bền hơn nhiều, nhưng vẫn cần người quản lý đi xem thực tế định kỳ.
Nhóm nhỏ chỉ năm người có cần lo chuyện này không?
Có, thậm chí rõ hơn. Trong nhóm nhỏ, một người lách chỉ số có thể kéo cả trung bình của nhóm. Nhưng lợi thế của nhóm nhỏ là bạn nhìn thấy công việc tận mắt, nên chỉ cần thêm thói quen đối chiếu con số với điều bạn thấy hằng tuần là đã giảm phần lớn rủi ro.
AI có tự phát hiện được chỉ số đã bị lách không?
AI có thể gợi những điểm bất thường trong bảng số bạn đưa vào, ví dụ một chỉ số đột nhiên ổn định bất thường hay lệch với chỉ số liên quan. Nhưng nó không biết bối cảnh và không thể kết luận ai lách. Những gợi ý đó chỉ là chỗ để bạn hỏi thêm, không phải bằng chứng.
Có nên công khai cách tính chỉ số cho nhân viên không, vì biết rồi dễ lách hơn?
Nên công khai. Giấu cách tính làm nhân viên mất niềm tin và không biết cần làm gì để đạt kết quả. Cách chống lách đúng là định nghĩa kín kẽ, ghép chỉ số đối trọng và kiểm thực tế, không phải giữ bí mật công thức. Bí mật chỉ khiến người ta đoán và lách theo kiểu khác.
Đọc về định luật Goodhart ở đâu cho đúng nguồn?
Bạn có thể tìm các bài viết của Charles Goodhart về chính sách tiền tệ giữa thập niên 1970, bài của Donald Campbell về đánh giá chương trình xã hội cùng giai đoạn, và cách diễn đạt của Marilyn Strathern cuối thập niên 1990. Nên đọc bản gốc hoặc tài liệu học thuật thay vì chỉ dựa vào câu trích lan truyền trên mạng.