TGViewer
Мысли вслух Мысли вслух @maxvotek · 6.41K subscribers
Post #541 2.15K
Лучшие в 16 и лучшие в 30, обычно разные люди

Прочитал в Science обзор траекторий более чем 34 000 человек, добравшихся до вершины: олимпийские чемпионы, нобелевские лауреаты, сильнейшие шахматисты и музыканты.

Мне стало интересно: в детстве они тоже были первыми?

В основном нет. Спортивным академиям, олимпиадным школам и корпоративным программам для high potentials такой ответ не понравится.

Что нашли:
1. Юниорские звёзды и взрослая элита почти не пересекаются. В шахматах топ-10 среди юниоров и топ-10 среди взрослых - практически разные люди. В спорте картина похожая.

2. Ранний успех устроен понятно: узкая специализация с детства, много тренировок в одной дисциплине, быстрый прогресс. Это хорошо предсказывает, кто лучший сейчас.

3. У взрослой элиты паттерн обратный: несколько видов спорта или областей в детстве, позднее начало в своей дисциплине, медленный старт. Многие будущие лидеры поначалу уступали сверстникам.


Получается странно. Все системы отбора смотрят на скорость раннего прогресса, а она плохо предсказывает, каким человек станет на пике. Мы берём тех, кто раньше выйдет на плато, и отсеиваем тех, кто через десять лет мог бы стать лучшим.

Причины довольно приземлённые. Широкий опыт даёт навыки, которые переносятся с одного дела на другое, и умение быстро осваивать новое.

Пробуя разное, человек находит то, где он действительно силён, а не то, куда его записали в семь лет, и меньше выгорает: кто выжал всё из одной дисциплины к 12, к 20 часто уже устал.

Мне это интересно не столько про спорт, сколько про найм: рейтинг вуза, олимпиады, скорость роста в первый год. Ровно те сигналы, которые исследование называет слабыми.

AI толкает рынок труда в ту же сторону. Агенты быстрее всего забирают узкую исполнительскую работу.

Ценность уходит к тем, кто связывает несколько областей и может оценить результат. Я писал, что judgment - единственный навык, который не обесценится. Он вырастает из широкого опыта, а не из ранней заточки под один KPI.

Это не аргумент против глубины. Умение глубоко осваивать дело как раз необходимо. Но строить его выгоднее после широкой разведки, а не вместо неё.

Федерации, школы для одарённых, программы для high potentials живут на раннем отборе. Их KPI - юниорские медали и быстрые повышения. Тех, кого они отсеяли, они никогда не увидят. Сама эта машина исправляться не будет.

Хотя есть и обратные примеры: топовые американские вузы смотрят не только на оценки, но и на заслуги перед обществом, на способность самостоятельно довести проект до масштаба и признания, на личность целиком.

Если ребёнок или сотрудник начинает медленно, это ещё ни о чём не говорит. Ранний успех тоже ничего не обещает.

Смотреть стоит более широко: продолжает ли человек расти, когда лёгкие победы закончились, и что он довёл до конца сам.

@maxvotek | linkedin | substack
  • ❤ 37
  • 👍 25
  • 🔥 18
  • 👎 2
More from @maxvotek
  1. Sep 18, 2026Кто будет чинить то, что накодили агенты McKinsey в State of AI 2026: 32% компаний отказал…
  2. Sep 17, 2026Об AI-грамотности и обучении Получил от бухгалтера версию отчёта для возврата налога. Прос…
  3. Sep 15, 2026О часах, которые измеряют старение, и лекарствах, которые его замедляют Представьте, что у…
  4. Sep 10, 2026Про идеи, которые вы отдаёте моделям. OpenAI заявила, что её внутренняя модель решила зада…
  5. Sep 9, 2026Индекс или отдельные акции? Обсуждали с другом: покупать S&P 500 или выбирать акции самому…
  6. Sep 9, 2026Обсуждали с другом, насколько изнашиваются колени от езды на велосипеде. Попросил GPT-6 As…
Threads Profile ViewerView any public Threads profile without an account.Open ThreadLook →Writing with AI? Make it sound human.Metric37 rewrites AI drafts so they read naturally. Free AI detector, 1,500 words free.Try Metric37 →