На какую гору взбираешься ты?

Я знаю одного необычайно эрудированного парня, который окончил колледж год назад — сейчас он работает в большом инвестиционном банке. Придя к выводу, что Уолл-стрит ему не подходит, он изъявил желание работать в стартапе (неплохо, однако!). Когда он сообщил об этом начальству, руководители сделали ставки — они были уверены, что смогут убедить его остаться. Ведь в таком случае он получил бы прибавку к зарплате и расширение сферы его обязанностей. В обратном случае ему пришлось бы начать изучать tech-сферу с нуля. И вот теперь он серьёзно призадумался, хотя ещё недавно всех заверил, что долгосрочных перспектив в области финансов у него нет и не будет.

На протяжении многих лет я сталкивался с тем, что многие перспективные сотрудники оказывались в подобных ситуациях. Когда я задаю им вопрос: "Чем бы вы хотели заниматься через 10 лет?", они неизменно отвечают: "Работать в стартапе", — и тем не менее, большинство предпочитают в конечном итоге придерживаться уже имеющейся траектории движения, а не присоединяться к командам стартапов. 

Спустя несколько лет они в конечном итоге бросают свою работу — после того, как они провели столько времени в области, которая им неинтересна и опыт в которой не отвечает их долгосрочным амбициям.

Так почему же умные и амбициозные люди предпочитают продолжать работать там, где у них нет перспектив личностного роста и развития? Полагаю, в информатике найдется ответ на этот вопрос.

Обратимся к классической технике оптимизации в информатике, некой задаче, так называемому «алгоритму восхождения к вершине» (хилл-клаймбинг). 

Представьте, что вы оказались в случайном месте на холмистой местности, где вы в состоянии разглядеть то, что вас окружает только на несколько футов в каждом направлении (предположим, спустился туман). Ваша цель - добраться до самого высокого холма.

Рассмотрим простейший алгоритм. В каждый определенный момент времени просто поднимайтесь: шагайте туда, где выше, чем сейчас. Риск данного метода заключается в том, что существует вероятность того, что вы начнете подъем изначально у низкого холма и через некоторое окажетесь на его вершине, а не на вершине высокого холма.

Более сложный вариант этого алгоритма предполагает возможную случайность. Есть несколько вариантов развития событий, количество которых уменьшается по мере вашего восхождения в течение долгого времени. Это априори дает вам больше шансов — вы плутаете разными тропами по холму, прежде чем начать целенаправленный подъем.

Ещё один алгоритм предполагает, что вы можете многократно оказываться в разных частях местности, а затем пробовать взбираться до тех пор, пока вы не поймёте, в каком из случаев вы могли добраться до нужного холма.

Вернемся к кандидату на конкретную должность: он имеет определенное преимущество, поскольку для него местность является гораздо менее туманной. Он знает (или, по крайней мере считает, что знает), что в этот раз его целью является другой холм — не тот, на который он поднимался раньше. Он может видеть его издалека.

Однако соблазн остаться на прежнем месте велик. Для каждого из нас естественно с каждым шагом подниматься немного выше. Таким образом, человек попадает в стандартную ловушку, ведь для нас характерно концентрироваться на ближайших временных отрезках, а не на долгосрочных перспективах. Можно сказать, что, как ни странно, этот эффект еще сильнее проявляется в жизни особо амбициозных людей. Их амбиции не позволяют им предпринимать шаги, которые, как кажется на первый взгляд, не ведут наверх.

Люди в начале своей карьеры должны научиться извлекать уроки из информатики: плутать и искать новые дороги (особенно в начале), привыкать ко внезапным падениям на отрезках незнакомого пути, а, найдя высокий холм, не тратить понапрасну время на то, чтобы размышлять, каким будет следующий шаг.

Оригинал материала ищите тут.