저는 1년 전에 대학을 졸업하고 현재 대형 투자 은행에서 일하는 영리한 어린 아이를 알고 있습니다. 그는 자신이 월스트리트에 있는 것이 싫고 기술 스타트업에서 일하고 싶어한다는 사실을 깨닫기 시작했습니다. 그는 최근 상사에게 사임을 제안했고, 상사는 그가 남도록 설득하기 위해 "큰 쇼"를 벌이는 것으로 응답했습니다. 상사들은 그에게 은행에 남아 있으면 급여를 인상하고 더 중요한 일을 맡을 것이며 기술에 합류하면 처음부터 시작하겠다고 말했습니다. 이제 그는 자신이 금융 산업에 대한 야망 같은 것을 가지고 있지 않다는 것을 "매우 확신"한다고 ​​말하지만 그가 남을 것이라고 생각합니다.

수년 동안 저는 이러한 근본적인 경향을 가진 많은 직원을 만났습니다. 내가 그들에게 아주 명백한 질문을 할 때."10년 후에 무엇을 하고 싶습니까?"대답은 예외 없이"기술 스타트업에서 일하거나 회사를 차리다"— 그러나 그들 중 대부분은 현상 유지를 계속하고 신생 기업에 합류하지 않습니다. 몇 년 후, 그들은 마침내 직장을 그만두었지만, 그들이 좋아하지 않았고 그들의 야망에 부응하지 못한 업계에서 불과 몇 년 동안만 일했습니다.

똑똑하고 야심 찬 사람들이 장기적인 야망이 없는 분야에서 어떻게 계속 일할 수 있습니까? 그들이 저지른 실수는 컴퓨터 과학에서 좋은 비유를 찾을 수 있다고 생각합니다.

컴퓨터 과학의 고전적인 문제는 언덕 오르기입니다. 각 방향으로 몇 피트만 볼 수 있는 언덕이 많은 지형의 임의 지점에 떨어졌다고 상상해 보십시오(안개 등을 가정). 우리의 목표는 가장 높은 산에 도달하는 것입니다.

가장 간단한 알고리즘을 고려하십시오. 어떤 순간이든 현재보다 더 높은 곳을 향해 나아가라. 이 접근 방식의 잠재적인 위험은 우연히 낮은 언덕 근처에 있을 경우 가장 높은 언덕의 꼭대기가 아니라 낮은 언덕의 꼭대기에 도달하게 된다는 것입니다.

이 알고리즘의 개선된 버전은 걷기에 임의성을 추가하는 것입니다. 임의 보행으로 시작하여 시간이 지남에 따라 임의성을 줄입니다. 이렇게 하면 집중적이고 무작위가 아닌 등반을 시작하기 전에 더 큰 언덕 주위에 머무를 수 있는 더 나은 기회를 얻을 수 있습니다.

일반적으로 더 나은 또 다른 알고리즘은 지형의 임의의 부분에 반복적으로 자신을 떨어뜨리고 단순한 언덕 오르기를 한 다음 그러한 시도를 많이 한 후 돌아가서 어느 언덕이 가장 높은지 결정합니다.

구직자에게 돌아가서, 그들은 그들의 "지형"에 대해 덜 혼란스러워하는 이점이 있습니다. 그는 자신이 현재 오르고 있는 정상이 아닌 다른 정상에 도달하기를 원한다는 것을 알고 있습니다(또는 적어도 믿습니다). 더 높은 언덕을 보십시오. .

그러나 현재 언덕의 매력은 강합니다. 인간에게는 다음 단계가 더 좋아야 한다는 본능적인 경향이 있습니다. 그러면 행동 경제학자들이 강조하는 일반적인 함정에 빠지기 쉽습니다. 사람들은 체계적으로 장기 수익보다는 단기 수익을 과대평가하는 경향이 있습니다. 이 효과는 더 야심 찬 사람들에게 더 강한 것 같습니다. 그들의 야망은 근처에 있는 상승 사다리를 포기하기 어렵게 만드는 것 같다.

경력 초기에 있는 사람들은 이 "등반 이론"에서 진실을 이해해야 합니다: 당신이 걸을 수 있는 길은 구불구불하고(특히 초기), 당신은 무작위로 새로운 지형에 자신을 던져야 합니다. 가장 높은 산을 찾을 때 당신이 아무리 유혹이 있어도 현재 언덕에서 더 이상 시간을 낭비하지 마십시오.