💀 Эта ошибка убила тысячи — и ты совершаешь её каждый день

Во время Второй мировой войны аналитики ВВС США изучали повреждения бомбардировщиков, вернувшихся с миссий.

Они отмечали, куда чаще всего попадали пули:

- крылья
- хвост
- фюзеляж

Вывод казался очевидным:

👉 усиливаем броню там, где больше всего попаданий

Но один человек сказал: «Вы делаете всё наоборот»

Его звали Абрахам Вальд — молодой статистик.

И он увидел то, что остальные игнорировали.

💥 Главная мысль, которая всё изменила:

Вы анализируете только выживших.

А где данные о самолётах, которые не вернулись?

Именно их и не хватает.

Вальд сделал гениально простой вывод:

👉 если самолёт вернулся с дырками в крыльях — значит, туда *можно* попадать и выжить
👉 а вот туда, где дырок нет — попадание, скорее всего, фатально

То есть:

- двигатель
- кабина пилота
- топливная система

— это и есть настоящие слабые места.

Просто мы их не видим.

Потому что такие самолёты не возвращаются.

⚡️ Армия изменила стратегию.

Усилили не «самые пробитые места», а самые незаметные.

Результат — тысячи спасённых жизней.

🧠 Так появилась концепция:

ошибка выжившего (survivorship bias)

Когда мы делаем выводы только по тем, кто «дошёл до финала» — и игнорируем всех, кто не дошёл.

📊 Интересные факты:

- Вальд работал в секретной группе Statistical Research Group
- Его подход применяли в авиации, баллистике и логистике
- Он делал выводы из отсутствующих данных, а не только из имеющихся

💡 Где это ломает мышление сегодня:

- стартапы — «делай как Uber»
- инвестиции — «копируй успешных»
- карьера — «вот путь топ-разработчика»
- AI — «смотри на лучшие кейсы»

👉 Самое опасное:

мы учимся только на успехах
и почти никогда — на невидимых провалах

📌 Вывод:

самые важные данные — это те, которых у тебя нет

И именно они часто определяют реальность.

#thinking #ai #business #startup

🔥 История, которая перевернула безопасность во всём мире и всё из-за одной «невидимой» ошибки

В 1979 году на АЭС Three Mile Island в США произошла одна из самых известных ядерных аварий.

Но самое страшное было не в поломке.

А в том, как люди её интерпретировали.

Операторы видели данные с приборов и сделали, казалось бы, логичный вывод:

👉 система переполнена водой
👉 нужно её уменьшить

Они действовали «по инструкции».

Но реальность была противоположной.

💥 Реальная проблема:
• реактор терял охлаждение

А действия операторов только усугубили ситуацию

Почему это произошло?

Потому что они опирались только на видимые сигналы, игнорируя то, чего не было видно напрямую.

🧠 Это тот же тип ошибки мышления, что и у Вальда:

**мы доверяем тому, что видим
и игнорируем то, чего не видим**

После аварии провели масштабное расследование.

И выяснилось:

- интерфейсы показывали слишком много лишнего
- ключевые сигналы были «спрятаны»
- операторы не понимали, что действительно важно

⚡️ Что изменилось после этого:

- появилось направление human-centered design в критических системах
- интерфейсы начали проектировать под стрессовые ситуации
- в авиации и энергетике внедрили симуляторы аварий
- появилась концепция:
👉 «если пользователь ошибается — виноват дизайн, а не пользователь»

📊 Интересный факт:

после внедрения новых подходов к интерфейсам и обучению
👉 количество критических ошибок операторов в авиации и энергетике снизилось в разы

💡 Где это встречается сегодня:

- дашборды в аналитике
- мониторинг в DevOps
- алерты в продакшене
- метрики в AI

Ты видишь график — и думаешь, что понимаешь систему.

Но настоящая проблема часто скрыта в том,
чего нет на графике

👉 Главный вывод:

самые опасные ошибки — не в данных
а в том, как ты их интерпретируешь

📌 Параллель с Вальдом:

- там не было данных о погибших самолётах
- здесь не было понимания реального состояния реактора

И в обоих случаях: невидимое оказалось важнее видимого

#thinking #engineering #ai #devops