Giả sử bạn đang tìm hiểu xem mình nên học chăm sóc sức khỏe ở các nước đang phát triển, trở thành nhà nghiên cứu năng lượng mặt trời, hay vận động cải cách tư pháp hình sự ở Hoa Kỳ. Lĩnh vực nào trong số này là hiệu quả nhất để bạn tập trung vào?
Một năm bạn làm việc giải quyết một số vấn đề này có thể giúp ích được nhiều người hơn là một năm làm việc giải quyết vấn đề khác. Trên thực tế, phân tích của chúng tôi cho thấy lĩnh vực vấn đề mà bạn chọn làm việc có thể là yếu tố quyết định lớn nhất đến tác động xã hội (social impact) của bạn trong sự nghiệp.
Chúng tôi thường sử dụng một khung đánh giá (không chính thức) để so sánh các vấn đề, dựa trên tiềm năng tạo ra tác động tích cực lên vấn đề đó khi bổ sung thêm một nhân sự. Khung đánh giá đó gồm: quy mô (scale), mức độ thiếu quan tâm (neglectedness), khả năng giải quyết (solvability) và sự phù hợp cá nhân (personal fit). Dưới đây là bài giới thiệu về khung đánh giá được đọc nhiều.
Áp dụng khung đánh giá này (dù là phiên bản không chính thức) cũng rất hữu ích và vừa đủ tốt trong nhiều tình huống, nhưng nó có thể dẫn đến một số vấn đề như tính trùng lặp. Trong bài viết này, chúng tôi phác thảo một phiên bản chính xác hơn, định lượng hơn của khung đánh giá và cung cấp thêm chi tiết về cách áp dụng nó để bạn có thể so sánh các vấn đề.
Khung này lần đầu tiên được tạo ra bởi Open Philanthropy. Chúng tôi đã phát triển thêm quy trình này với sự hợp tác của các nhân sự tại Future of Humanity Institute, một nhóm nghiên cứu tại Đại học Oxford, chuyên tư vấn cho các nhà hoạch định chính sách và các nhà ra quyết định quan trọng về cách sắp xếp thứ tự ưu tiên cho các vấn đề toàn cầu (tìm hiểu thêm về nghiên cứu ưu tiên các vấn đề toàn cầu - global priorities research).
Khung này chỉ là một trong những công cụ chúng tôi sử dụng để so sánh các vấn đề toàn cầu khác nhau và có một số điểm yếu. Chúng tôi thảo luận một số ưu và nhược điểm của phương pháp này so với phương pháp định tính và phân tích hiệu quả chi phí ở cuối bài viết. Dưới đây là quy trình toàn diện hơn mà bạn có thể sử dụng để so sánh các vấn đề toàn cầu. Nếu bạn đang phối hợp với một cộng đồng, còn có một số yếu tố khác cần xem xét.
Nếu bạn chỉ muốn xem khung này được áp dụng trong thực tế, đây là danh sách điểm số từ năm 2017.
Bài viết này được viết chủ yếu vào năm 2017. Chúng tôi đã thêm một số cập nhật nhanh vào tháng 10 năm 2019 để bổ sung và cập nhật một số điểm chính, mặc dù nó không bao gồm tất cả suy nghĩ của chúng tôi về vấn đề này.
Điều tối hậu chúng ta thực sự muốn biết là giá trị kỳ vọng (expected good done) trên mỗi đơn vị tài nguyên đầu tư vào giải quyết một vấn đề. Một đơn vị tài nguyên có thể là một năm lao động, một đô la quyên góp, hoặc những đơn vị đo lường khác.
Điều này khó ước tính một cách độc lập, vì vậy chúng tôi cần phân tách nó thành các thành phần có thể ước tính riêng lẻ.
Trong bài viết giới thiệu của chúng tôi, chúng tôi đã đưa ra một phân tích sơ bộ về một số yếu tố định tính. Dưới đây là phiên bản chính xác và định lượng hơn:
Một lý do để tính toán theo cách này là: nếu chúng ta nhân ba yếu tố này với nhau, chúng ta sẽ quay lại với 'hiệu quả đạt được' trên mỗi 'nhân sự hoặc tiền bạc’' được phân bổ thêm để giải quyết vấn đề:
Một lý do để tính toán theo cách này là: nếu chúng ta nhân ba yếu tố này với nhau, chúng ta sẽ quay lại với 'hiệu quả đạt được' trên mỗi 'nhân sự hoặc tiền bạc’' được phân bổ thêm để giải quyết vấn đề:
Chúng ta đã chia "việc làm tốt trên mỗi đô la/ đơn vị tiền tệ"( “good done per $”) thành ba thành phần, mỗi thành phần có một định nghĩa định lượng. Vậy nói cho đơn giản: những cấu phần này là gì?
Cuối cùng, nếu bạn đang cố gắng tìm ra vấn đề chính bạn nên giải quyết, bạn có thể thêm điểm cộng cho những vấn đề mà bạn phù hợp để giải quyết hơn, chúng tôi sẽ giải thích chi tiết hơn ở bên dưới.
Sau đây, chúng ta sẽ thảo luận về cách đánh giá từng yếu tố, nhưng trước đó, chúng ta có một vài nhận xét về cách thiết lập phân tích.
Trước khi tiến hành đánh giá, hãy đảm bảo rằng bạn đã mô tả rõ ràng phạm vi các vấn đề mà bạn muốn so sánh. Điều này giúp bạn đánh giá từng yếu tố một cách nhất quán. Ví dụ, nếu chúng ta đánh giá 'sức khỏe toàn cầu - global health ', chúng ta cần phải rõ ràng về:
Một thách thức của bất kỳ khung đánh giá nào thuộc loại này là các vấn đề 'hẹp' được lựa chọn cẩn thận thường có kết quả tốt hơn các vấn đề được định nghĩa rộng. Ví dụ, 'chống sốt rét' sẽ có vẻ cấp bách hơn 'sức khỏe toàn cầu' vì sốt rét là một vấn đề y tế đặc biệt cần được giải quyết. Tương tự, cải thiện sức khỏe ở Kenya sẽ trông ấn tượng hơn cải thiện sức khỏe ở Costa Rica. Không có gì sai với những kết quả này, nhưng chúng có thể tạo ra ấn tượng sai lầm nếu một vấn đề được định nghĩa rộng được so sánh với một vấn đề được định nghĩa hẹp. Nếu ai đó muốn, họ có thể khiến một vấn đề trông cấp bách hơn hoặc ít cấp bách hơn bằng cách định nghĩa nó theo cách khác, và đây là điều cần lưu ý khi diễn giải các điểm số này.
Nếu bạn cố gắng so sánh các lĩnh vực khác nhau bằng cách sử dụng các điểm số này, bạn sẽ thấy chúng rất khác nhau. Ví dụ, trong khi khoảng 300 tỷ đô la được chi cho sức khỏe toàn cầu hàng năm, thì dưới 100 triệu đô la được chi để giải quyết vấn đề chăn nuôi công nghiệp. Vì vậy, chăn nuôi công nghiệp bị thiếu quan tâm hơn 1.000 lần so với sức khỏe toàn cầu.
Điều này có nghĩa là sẽ thuận tiện hơn khi sử dụng “thang đo logarit” để đánh giá từng thành phần. Cách chúng tôi làm là cứ thêm 2 điểm vào một vấn đề thì vấn đề đó sẽ hiệu quả hơn 10 lần. Ví dụ, nếu chúng tôi cho một vấn đề mức độ thiếu quan tâm là 4 và một vấn đề khác là 6, thì điều đó có nghĩa là vấn đề thứ hai bị thiếu quan tâm gấp 10 lần.
Điều này giống như thang Richter được sử dụng để đo lường cường độ động đất. Một trận động đất có cường độ Richter 8 thực tế mạnh hơn 10 lần so với một trận động đất có cường độ Richter 7.
Sử dụng thang logarit cho từng phần cũng có nghĩa là thay vì phải nhân Quy mô, Khả năng giải quyết và Mức độ thiếu quan tâm (Scale, Solvability and Neglectedness) để có được ước tính hiệu quả chi phí tổng thể, chúng ta có thể chỉ cần cộng chúng lại với nhau. (Những bạn có khuynh hướng định lượng có thể nhớ từ thời trung học, điều này là do log(AB) = log(A) + log(B).)
Để dễ đọc điểm số, chúng tôi đặt tất cả vào thang điểm từ 0 đến 16. Để so sánh hiệu quả chi phí giữa các vấn đề khác nhau, chúng tôi sẽ chỉ xem xét sự khác biệt về điểm số giữa chúng.
Nếu chúng ta giải quyết được vấn đề này, thế giới sẽ trở nên tốt đẹp hơn bao nhiêu?
Ví dụ, ung thư là một vấn đề lớn hơn sốt rét vì nó gây ra 8% tổng số bệnh tật trên toàn thế giới (được đo bằng QALYs bị mất), trong khi sốt rét gây ra 2,7% tổng số bệnh tật trên toàn thế giới.1 Nếu chúng ta loại bỏ hoàn toàn ung thư, điều đó sẽ giảm bệnh tật đáng kể hơn so với việc loại bỏ hoàn toàn sốt rét.
Một cách để đo lường quy mô của một vấn đề là dựa trên tác động của nó đối với hạnh phúc (wellbeing), vì đây là điều mà hầu hết mọi người quan tâm, và chúng ta có các công cụ để so sánh các loại ích lợi khác nhau. (Mặc dù chúng tôi không khẳng định rằng hạnh phúc là tất cả những gì quan trọng – đọc thêm về định nghĩa.)
Điều này có nghĩa là quy mô (scale) có thể được mở rộng bằng cách (i) ảnh hưởng đến số lượng người lớn hơn (ii) ảnh hưởng đến cùng số lượng người nhưng ở mức độ lớn hơn, bao gồm cả tác động ngắn hạn và dài hạn. Chúng tôi sử dụng khái niệm hạnh phúc rộng, vì vậy tác động có thể cải thiện nhiều khía cạnh trong cuộc sống của một người, bao gồm: hạnh phúc, sức khỏe, ý nghĩa cuộc sống, các mối quan hệ tích cực, v.v.
Trong thực tế, chúng tôi có quan điểm dài hạn (longtermist perspective), vì vậy đối với chúng tôi, việc đánh giá quy mô là xác định những vấn đề nào có ý nghĩa lớn nhất đối với các thế hệ tương lai.
Nếu bạn có giá trị khác với chúng tôi, bạn có thể sử dụng khung trên với định nghĩa khác về quy mô.
Cũng có thể hữu ích khi gộp các nguồn giá trị quan trọng vào mục quy mô (scale), chẳng hạn như gộp thu thập thông tin những vấn đề quan trọng nhất hoặc xây dựng một phong trào xung quanh một loạt vấn đề. Lý tưởng nhất là bạn cũng nắm bắt được những lợi ích liên đới giữa tiến bộ trong vấn đề này với các vấn đề khác. Các cân nhắc về việc cộng tác, sẽ được đề cập ngắn gọn sau đây, cũng có thể thay đổi cách đánh giá quy mô.
Lưu ý rằng chúng tôi cũng định nghĩa quy mô là lợi ích đạt được bằng cách giải quyết toàn bộ vấn đề; tuy nhiên, bạn cũng có thể thực hiện phân tích với việc giải quyết 10% vấn đề, miễn là bạn làm điều đó một cách nhất quán với các yếu tố khác.
Đôi khi, chúng ta có thể so sánh quy mô một cách khá chính xác, như trường hợp so sánh giữa ung thư và bệnh sốt rét ở trên.
Thường thì chúng ta không làm được thế. Điều này đặc biệt đúng khi bạn cố gắng tính đến những tác động lâu dài và gián tiếp của việc giải quyết một vấn đề. Giả sử bạn đạt được một bước đột phá trong vật lý – rốt cục sẽ có bao nhiêu người nhận tác động? Rất khó để nói, nhưng chúng ta không nên kết luận rằng những bước đột phá trong vật lý là không quan trọng.
Để so sánh các vấn đề trên phạm vi rộng hơn, bạn cần sử dụng các “thước đo” để đánh giá quy mô. Đây là những cách đo lường quy mô dễ dàng hơn, mà chúng tôi hy vọng sẽ tương quan với tầm ảnh hưởng xã hội trong dài hạn.
Ví dụ, các nhà kinh tế thường sử dụng tăng trưởng GDP làm thước đo thuận tiện cho tiến bộ kinh tế (mặc dù nó có nhiều điểm yếu). Nick Bostrom đã lập luận rằng thước đo chính cho phúc lợi dài hạn (long run welfare) nên là: liệu một hành động làm tăng hay giảm rủi ro kết thúc nền văn minh – cái mà ông gọi là rủi ro hiện sinh.
Dưới đây là một bộ thước đo (ở hàng trên cùng), mà chúng tôi đánh giá bằng các tiêu chí sau:
Quy trình này đạt hiệu quả cao nhất khi so sánh các vấn đề sử dụng cùng một tiêu chí đánh giá, ví dụ như so sánh mức độ cải thiện sức khỏe của nhiều vấn đề. Sự đánh đổi giữa các cột là cực kỳ không chắc chắn và là chủ đề nghiên cứu tích cực của các tổ chức như Viện Tương lai Nhân loại (Future of Humanity Institute).
Những sự đánh đổi (trade offs) giữa các cột cũng rất nhạy cảm với những phán đoán lớn về thế giới quan và giá trị. Mọi người bất đồng về điều gì quan trọng nhất đối với phúc lợi, cách định giá những người trong tương lai, và cách định giá những sinh vật không phải con người. Ví dụ, một số người tin rằng tăng trưởng kinh tế chung hoàn toàn không tốt, vì những tác dụng phụ không mong muốn (ví dụ: biến đổi khí hậu, hoặc sự phát minh nhanh hơn của các công nghệ mới nguy hiểm). (Công cụ này dẫn dắt bạn qua một số phán đoán quan trọng nhất.)
Bảng đánh giá trên phản ánh những quyết định cân nhắc của chúng tôi về cách cân bằng các thước đo khác nhau với nhau. Chúng tôi không giải thích đầy đủ lý do của mình, vì rất khó để giải thích rõ ràng. Đọc thêm về cách chọn thước đo và xem Những cân nhắc quan trọng và hoạt động từ thiện khôn ngoan (Crucial Considerations and Wise Philanthropy) của Nick Bostrom. (Không may là bài viết này và các thước đo mà chúng tôi lựa chọn không hoàn toàn cập nhật với suy nghĩ mới nhất của chúng tôi, mặc dù ý tưởng và hướng đi chung vẫn đúng.)
Nếu một vấn đề có liên quan đến nhiều cột, hãy tập trung vào cột mà vấn đề đó có ảnh hưởng lớn nhất. Vì mỗi hàng tương ứng với một hệ số mười, các hàng trên cùng sẽ chi phối đánh giá tổng thể về quy mô.
Hiện tại có bao nhiêu người hoặc bao nhiêu tiền đang được dành để giải quyết vấn đề này?
Sau khi đã dành một nguồn lực lớn cho một vấn đề, bạn sẽ gặp phải quy luật hiệu suất giảm dần (diminishing returns). Điều này là do mọi người thường nắm bắt những cơ hội có tác động lớn nhất trước tiên, do đó, khi càng đầu tư nhiều nguồn lực, càng khó tạo ra sự khác biệt. Do đó, thường tốt hơn là tập trung vào những vấn đề ít được quan tâm.
Ví dụ, tiêm chủng đại trà cho trẻ em là một biện pháp can thiệp cực kỳ hiệu quả để cải thiện sức khỏe toàn cầu, nhưng nó đã được các chính phủ và một số quỹ lớn, bao gồm Quỹ Gates, tích cực thực hiện. Điều này làm cho nó ít có khả năng trở thành cơ hội hàng đầu cho các nhà tài trợ trong tương lai.
Việc khám phá các vấn đề mới cũng rất có giá trị vì điều này có thể giúp chúng ta xác định vấn đề nào thực sự cấp bách nhất. Có nghĩa là, thử những điều mới sẽ mang lại “giá trị thông tin” bổ sung ( additional ‘value of information). Nếu chưa ai từng giải quyết một vấn đề nào đó, thì vấn đề đó có thể dễ dàng giải quyết hơn so với suy nghĩ hiện tại.
Có một số cơ chế mà các lĩnh vực có vấn đề có thể xảy ra hiện tượng hiệu suất tăng lên (increasing returns) thay vì giảm theo quy luật hiệu suất giảm dần. Tuy nhiên, chúng tôi cho rằng có những lý luận mang tính lý thuyết và thực nghiệm cho thấy quy luật hiệu suất giảm dần là quy luật chung, và hiệu suất rất có thể giảm theo hàm số logarit. Hiệu suất tăng có thể xảy ra ở quy mô rất nhỏ trong các vấn đề cần giải quyết, mặc dù chúng tôi không chắc chắn về điều này do giá trị lợi ích thông tin đã đề cập ở trên. (hiệu suất tăng dường như phổ biến hơn trong các tổ chức hơn là trong các vấn đề.)
Cũng cần lưu ý rằng mức độ thiếu quan tâm chỉ là một đại diện tốt nếu lĩnh vực đó bị các cá nhân khác bỏ qua vì những lý do không chính đáng. Tuy nhiên, chúng tôi cho rằng các cơ chế làm việc tốt của xã hội còn rất thiếu hiệu quả, vì vậy, nếu tất cả các yếu tố khác đều tương đương nhau, thì mức-độ-thiếu-quan-tâm là một chỉ báo tốt.
Một lý do đặc biệt quan trọng khiến một vấn đề bị bỏ qua vì những lý do không chính đáng là do những người khác đơn giản là không coi trọng vấn đề đó. Bài viết này cho rằng nếu bạn quan tâm đến một điều gì đó gấp X lần so với người bình thường, bạn nên mong đợi rằng mình có thể tạo ra tầm ảnh hưởng gấp X lần bằng cách làm việc trong lĩnh vực đó (theo quan điểm của bạn). Ví dụ, chúng tôi cho rằng lợi ích của các thế hệ tương lai bị xã hội đánh giá thấp một cách đáng kể, vì vậy bằng cách làm việc trong các lĩnh vực giúp đỡ các thế hệ tương lai, chúng ta có thể tạo ra tầm ảnh hưởng lớn hơn nhiều.
Nguồn lực nhằm giải quyết một vấn đề cụ thể lại thường vô tình bị dành cho các nhóm lợi ích tư hoặc giải quyết sang một vấn đề gần liên quan. Chúng tôi gọi đây là “nỗ lực gián tiếp”, trái ngược với “nỗ lực trực tiếp” của các nhóm tập trung có ý thức vào vấn đề. Những nỗ lực gián tiếp này có thể rất đáng kể. Ví dụ, không có nhiều tiền được chi cho nghiên cứu để ngăn ngừa trực tiếp các nguyên nhân gây lão hóa, nhưng nhiều lĩnh vực nghiên cứu y sinh đang đóng góp bằng cách trả lời các câu hỏi liên quan hoặc phát triển các phương pháp tốt hơn. Mặc dù công việc này có thể không nhắm mục tiêu cụ thể vào việc giảm lão hóa, nhưng chi phí cho nghiên cứu y sinh nói chung vẫn cao hơn nhiều so với nghiên cứu cụ thể về chống lão hóa. Hầu hết những tiến bộ trong việc ngăn ngừa lão hóa có lẽ là nhờ những nỗ lực gián tiếp này.
Các nỗ lực gián tiếp khó đo lường và càng khó điều chỉnh để đánh giá mức độ hữu ích của chúng đối với việc giải quyết vấn đề cụ thể.
Do đó, chúng ta thường chỉ đánh giá "nỗ lực trực tiếp" đối với một vấn đề. Liệu điều này có gây vấn đề vì chúng ta sẽ đánh giá thấp tổng nỗ lực? Không, vì chúng ta sẽ điều chỉnh điều này trong yếu tố tiếp theo: Khả năng giải quyết vấn đề (Solvability). Các vấn đề mà hầu hết nỗ lực hiệu quả diễn ra gián tiếp sẽ không được giải quyết nhanh chóng bằng cách tăng mạnh “nỗ lực trực tiếp”.
Người ta cũng có thể sử dụng thang đo nỗ lực có trọng số định hướng. Miễn là nó được áp dụng nhất quán trong việc đánh giá cả Mức độ thiếu quan tâm và Khả năng giải quyết ( Neglectedness and Solvability), nó sẽ dẫn đến kết quả gần như giống nhau.
Một thách thức khác là làm thế nào để tính đến thực tế là một số vấn đề có thể nhận được nhiều nỗ lực hơn trong tương lai so với những vấn đề khác. Chúng tôi không có cách chung để giải quyết vấn đề này, ngoại trừ (i) không nên cho điểm mức độ thiếu quan tâm quá thấp cho bất kỳ lĩnh vực nào (ii) có thể cố gắng xem xét hướng đi trong tương lai của các nguồn lực thay vì chỉ xem xét các nguồn lực hiện tại.
Thay vì cố gắng đánh giá mức độ thiếu quan tâm một cách trực tiếp, bạn cũng có thể xem xét các quy tắc kinh nghiệm như sau. Những quy tắc này sẽ giúp bạn xác định mức độ thiếu quan tâm và liệu nó có bị thiếu quan tâm vì những lý do không chính đáng hay không.
Suy nghĩ kỹ về những câu hỏi này có thể giúp bạn tự tin hơn rằng bạn không bỏ sót bất kỳ điều gì trong ước tính của mình.
Lưu ý rằng điều quan trọng là phải đánh giá quy mô và mức độ thiếu quan tâm như một cặp. Cuối cùng, chúng ta quan tâm đến tỷ lệ giữa hai yếu tố này, vì vậy bạn cần đảm bảo rằng bạn đang đánh giá cùng một vấn đề trong cả hai trường hợp. Nếu bạn sử dụng định nghĩa khác nhau về vấn đề trong mỗi trường hợp, kết quả của bạn sẽ bị sai lệch.
Nếu có nhiều loại nguồn lực khác nhau được dành cho một vấn đề, hãy sử dụng cột có điểm số thấp nhất. Đó sẽ là nơi tập trung phần lớn nguồn lực tổng thể: ví dụ, nếu $10 tỷ mỗi năm được đầu tư vào một vấn đề và 1.000 nhân viên toàn thời gian làm việc trên nó, thì tiền bạc chiếm ưu thế, nên điểm số là 4, không phải 8.
Cuối cùng, chúng tôi không muốn cho điểm quá cao cho mức độ thiếu quan tâm. Ngay cả những vấn đề ít được biết đến cũng thường thu hút sự chú ý của một số nhóm trên thế giới, và chúng tôi có thể đơn giản là không biết về chúng. Vì vậy, trừ khi chúng tôi đã thực hiện một cuộc tìm kiếm toàn diện để chứng minh điều ngược lại, chúng tôi sẽ giả định rằng ít nhất 1 triệu đô la đang được dành cho một vấn đề.
Nếu chúng ta tăng gấp đôi nỗ lực trực tiếp cho vấn đề này, chúng ta có thể giải quyết được bao nhiêu phần của vấn đề còn lại?
Ngay cả khi một vấn đề rất quan trọng và bị thiếu quan tâm, điều đó không có nghĩa là đó là một vấn đề quan trọng cần tập trung giải quyết. Có thể đơn giản là chúng ta không thể làm gì nhiều về vấn đề đó.
Ví dụ, lão hóa là một vấn đề có quy mô rất lớn: gần hai phần ba các bệnh trên toàn cầu là kết quả của quá trình lão hóa dưới một hình thức nào đó. Nó cũng bị thiếu quan tâm: chỉ có một số ít viện nghiên cứu tập trung vào việc ngăn ngừa các nguyên nhân gây lão hóa thể chất (thay vì điều trị các triệu chứng như ung thư, đột quỵ, Alzheimer, v.v.). Tuy nhiên, một lý do khiến nó bị thiếu quan tâm là vì nhiều nhà khoa học cho rằng nó rất khó giải quyết, và đó là lý do chính khiến họ không muốn nghiên cứu vấn đề này ngay bây giờ (mặc dù những lợi ích khác của nó có thể đủ để bù đắp nhược điểm này).
Chúng tôi sử dụng thang điểm sau:
Một số quy tắc chung mà chúng tôi xem xét bao gồm:
Nói chung, chúng tôi tìm kiếm các can thiệp tốt nhất để giải quyết vấn đề, sau đó đánh giá chúng dựa trên (i) tiềm năng tích cực (ii) khả năng tích cực. Chúng tôi xem xét tất cả các dạng bằng chứng, từ dữ liệu thử nghiệm nghiêm ngặt đến các lập luận mang tính suy đoán. Chúng tôi áp dụng phương pháp Bayesian để đánh giá cả hai yếu tố – giả định ban đầu của chúng tôi là can thiệp không hiệu quả lắm, sau đó chúng tôi điều chỉnh giả định này dựa trên độ mạnh của bằng chứng (xem ví dụ). Đọc thêm về cách thực hiện các ước tính này.
Đây thường là yếu tố khó đánh giá nhất trong ba yếu tố vì nó đòi hỏi phải dự đoán tương lai, thay vì chỉ đơn giản là đo lường những gì hiện có.
Trong một số trường hợp, bạn có thể ước tính khả năng giải quyết dựa trên hiệu quả chi phí của các kỹ thuật hiện có trong một lĩnh vực. Ví dụ, chúng ta có thể ước tính số mạng sống sẽ được cứu nhờ tăng chi tiêu cho các can thiệp sức khỏe toàn cầu dựa trên kinh nghiệm trong quá khứ trong việc chống HIV, sốt rét, lao, v.v.
Trong các trường hợp khác – nơi giải quyết vấn đề đòi hỏi các kỹ thuật sáng tạo – điểm số thường được xác định dựa trên đánh giá chủ quan, lý tưởng nhất là dựa trên khảo sát ý kiến chuyên gia.
Một số phương pháp giải quyết vấn đề là tăng dần (ví dụ: phân phối màn chống muỗi để giảm tiếp xúc với muỗi mang bệnh sốt rét); những phương pháp khác mang lại cơ hội giải quyết một phần lớn vấn đề cùng một lúc (ví dụ: phát minh ra vắc-xin mới chống sốt rét). Để chấm điểm, chúng tôi sử dụng phương pháp “giá trị mong đợi”. Nghĩa là, khả năng giải quyết toàn bộ vấn đề là 10% sẽ được chấm điểm bằng một dự án chắc chắn sẽ giảm 10% vấn đề đó. (Mặc dù “mức ngại rủi ro” đối với các kết quả khác nhau có nghĩa là chúng không nhất thiết có giá trị như nhau, nhưng đây là một cách ước tính gần đúng.)
Như đã thảo luận ở trên trong phần Mức độ thiếu quan tâm, các vấn đề mà phần lớn công việc được thực hiện gián tiếp (ví dụ: bởi các tổ chức vì lợi nhuận thực hiện các hoạt động liên quan) sẽ có khả năng được giải quyết chậm hơn thông qua việc tăng cường công việc “trực tiếp”. Điều này là do nhiều phương pháp đầy hứa hẹn đã được các nhóm khác thử nghiệm.
Để kiểm tra tính hợp lý, chúng ta có thể cộng các điểm này và chuyển đổi chúng trở lại thành thước đo tầm ảnh hưởng thực tế khi bổ sung thêm một người làm việc giải quyết vấn đề:
Tuy nhiên, các con số này chỉ cực kỳ gần đúng, vì vậy chúng tôi không khuyến nghị đặt quá nhiều trọng số vào chúng. Thay vào đó, chúng tôi ưa chuộng sử dụng các điểm số để thực hiện so sánh tương đối thay vì ước tính tuyệt đối.
Mặc dù sự phù hợp cá nhân không được đánh giá trong hồ sơ vấn đề của chúng tôi, nhưng nó có liên quan đến quyết định cá nhân của bạn. Nếu bạn tham gia vào một lĩnh vực mà bạn thấy hoàn toàn không có động lực, thì bạn sẽ hầu như không có tác động gì. Trong một lĩnh vực, những người có hiệu suất cao nhất thường có tầm ảnh hưởng gấp 10 đến 100 lần so với mức trung bình.
Nếu bạn đang so sánh các vấn đề khác nhau, bạn có thể sử dụng các điểm số bổ sung này để cho thêm điểm ở các vấn đề mà bạn phù hợp để giải quyết.
Với các kỹ năng, nguồn lực, kiến thức, mối quan hệ và đam mê của bạn, khả năng bạn thành công trong lĩnh vực này là bao nhiêu?
Dưới đây là lời khuyên giới thiệu của chúng tôi về cách đánh giá sự phù hợp cá nhân và một số câu hỏi thêm để đưa ra dự đoán.
Dưới đây là bảng đánh giá bạn có thể sử dụng:
Lưu ý rằng tầm quan trọng của sự phù hợp cá nhân phụ thuộc vào cách bạn dự định đóng góp. Một doanh nhân hoặc nhà nghiên cứu xuất sắc có tầm ảnh hưởng lớn hơn nhiều so với một người bình thường, vì vậy nếu bạn dự định đóng góp theo một trong hai cách này, sự phù hợp cá nhân rất quan trọng. Tuy nhiên, nếu bạn kiếm tiền để cho đi, sự phù hợp cá nhân ít liên quan hơn vì bạn đang gửi tiền chứ không phải kỹ năng độc đáo của mình. Vì vậy, để đánh giá sự phù hợp cá nhân sâu hơn, bạn có thể ước tính tỷ lệ phần trăm của mình trong lĩnh vực đó, sau đó nhân với một hệ số phụ thuộc vào sự biến động của hiệu suất trong lĩnh vực đó.
Hãy nhớ rằng rất dễ đánh giá thấp mức độ bạn có thể trở nên am hiểu và đam mê một vấn đề mới. Chúng ta có xu hướng tiếp tục những gì đã làm trước đây — "sai lầm chi phí chìm" — và đánh giá thấp mức độ thay đổi của sở thích và đam mê của mình.
Cuối cùng, hãy nhớ rằng một vấn đề thường có thể được giải quyết bằng nhiều cách. Nếu bạn muốn làm việc trong lĩnh vực sức khỏe toàn cầu, bạn có thể làm việc tại các nước đang phát triển, tiến hành nghiên cứu y sinh, tham gia chính trị và nhiều lựa chọn khác. Nếu một lựa chọn không phù hợp với bạn, một lựa chọn khác có thể phù hợp hơn.
Để có cái nhìn toàn diện về việc có nên nhận một công việc hay không, bạn cũng cần xem xét các yếu tố khác trong khung đánh giá nghề nghiệp của chúng tôi, chẳng hạn như:
Trong bài viết này, chúng tôi chỉ đề cập đến việc so sánh các vấn đề, nhưng đó không phải là tất cả những gì có liên quan.
Nếu bạn đã sử dụng thang điểm trên, bạn có thể cộng các điểm lại với nhau để có câu trả lời sơ bộ về vấn đề nào sẽ hiệu quả hơn để giải quyết.2 Hãy nhớ rằng các điểm này không chính xác, và việc cộng chúng lại sẽ làm tăng sự không chắc chắn hơn nữa, vì chúng ta chỉ đo lường từng điểm một cách không chính xác. Điều này có nghĩa là bạn cần phải xem xét tổng điểm cuối cùng của mình một cách thận trọng – hoặc thậm chí là rất thận trọng.
Trong 80.000 giờ, nếu sự chênh lệch điểm số giữa hai vấn đề là 4 hoặc lớn hơn, chúng ta có mức độ tin cậy hợp lý rằng đó là vấn đề hiệu quả hơn để tập trung vào. Nếu sự chênh lệch là 3 hoặc nhỏ hơn, đó có vẻ là một quyết định khó khăn.
Điểm số mà chúng tôi nhận được khi sử dụng khung này cho thấy một số vấn đề hiệu quả hơn 10.000 lần so với các vấn đề khác. Tuy nhiên, chúng tôi không tin rằng sự khác biệt thực sự lớn đến vậy. Thứ nhất, điểm số của chúng tôi phải được điều chỉnh bằng những đánh giá thông thường về thế giới. Nếu điểm số của một vấn đề có vẻ rất cao, thì có thể chúng tôi đã mắc lỗi mà không nhận ra. Thứ hai, vì tương lai rất khó dự đoán, việc giải quyết các vấn đề không có vẻ cấp bách có thể trở nên rất hữu ích theo những cách không ngờ tới. Điều đó đặt ra giới hạn về mức độ cấp bách của một vấn đề so với vấn đề khác.
Một số lý do khác khiến chúng ta nên khiêm tốn về những gì nghiên cứu ưu tiên (prioritisation research) có thể cho chúng ta thấy, được thảo luận tại đây.
Để biết thêm mẹo về cách đưa ra quyết định khó, hãy xem danh sách của chúng tôi.
Có một số lợi ích khi thực hiện quy trình trên:
Tuy nhiên, có một nhược điểm lớn mà chúng ta cần lưu ý:
Đây là lý do tại sao chúng tôi không chỉ dựa vào kết quả điểm số của mình. Thay vào đó, chúng tôi xem xét các hình thức bằng chứng khác trong hồ sơ vấn đề của mình để đưa ra đánh giá tổng thể.
Để biết thêm về chủ đề này, hãy xem bài thảo luận của GiveWell về những điểm yếu khi "suy nghĩ theo trình tự" (tương ứng với cách tiếp cận phụ thuộc nhiều vào phân tích hiệu quả chi phí) so với "suy nghĩ theo cụm". Bạn cũng có thể xem bài thảo luận về ưu và nhược điểm của định lượng.
Một cá nhân chỉ có thể tập trung vào một hoặc hai lĩnh vực tại một thời điểm, nhưng một nhóm lớn người làm việc cùng nhau nên phân bổ công việc ra nhiều lĩnh vực.
Khi điều này xảy ra, có thêm các yếu tố cần xem xét khi lựa chọn lĩnh vực vấn đề. Thay vì cố gắng xác định vấn đề cấp bách nhất ở vùng biên, mục tiêu là xác định:
Chúng tôi gọi đây là "cách tiếp cận theo danh mục". Đọc thêm.
Việc tính đến sự phối hợp cũng có thể có những tác động khác đến việc ưu tiên giải quyết vấn đề nào. Ví dụ, có đáng để làm nhiều hơn cho một lĩnh vực so với ban đầu để thỏa hiệp hoặc thực hiện thương mại đạo đức (?) với những người khác mà bạn đang phối hợp. Đọc thêm.
Chúng tôi đã chỉ ra cách so sánh các vấn đề khác nhau dựa trên từng yếu tố trong khung phân tích của chúng tôi – quy mô, mức độ thiếu quan tâm, khả năng giải quyết và sự phù hợp cá nhân.
Mặc dù rất khó để đo lường hiệu quả một cách chính xác, nhưng sự khác biệt giữa các vấn đề thường rất lớn. Điều này cho thấy rằng ngay cả những phép đo không chính xác cũng có thể là một hướng dẫn hữu ích, so với việc chỉ dựa vào trực giác.
Nếu bạn quan tâm đến việc tìm hiểu cách làm nhiều điều tốt hơn, đây là một số bước tiếp theo bạn có thể thực hiện.
