نابودی سازمان‌ها بخاطر انجام ندادن کارهایی است که باید انجام شود.

[منبع ۱؛ صفحه ۲۱۳] - [راسل ایکاف]:

۲ نوع اشتباه وجود دارد: ۱- انجام کاری که نباید انجام می‌شد و ۲- انجام ندادن کاری که باید انجام می‌شد. سازمان‌هایی که اشتباهات را نشان می‌دهند و در پی پنهان‌کاری نیستند، معمولا اشتباهات مربوط به انجام کار و نه اشتباهات مربوط به عدم انجام کار را نشان می‌دهند. اشتباهات عدم انجام کار شامل از دست دادن فرصت‌ها است و اتفاقا افول یا مرگ سازمان‌ها معمولا و به احتمال زیاد از اشتباهات ناشی از عدم انجام کارها بسیار مشکل‌تر است. اینها مانند محفوظات ذهنی هستند که معمولا برای همیشه محو و سربه‌نیست می‌شوند.

سازگاری به معنی یادگیری تحت شرایط متغیر است.

[منبع ۱؛ صفحه ۲۱۲] - [راسل ایکاف]:

یادگیری تحت شرایط ثابت می‌تواند افزایش یابد؛ مانند تلاش مکرر برای زدن یک هدف با تفنگ. یادگیری همچنین می‌تواند زمانی که شرایط تاثیرگذار بر انتخاب فرد تغییر می‌کند؛ مثل زمانی که باد شدید مخالف برمی‌خیزد یا یک صدای مزاحم در جریان هدفگیری و شلیک دخالت می‌کند. تحت چنین شرایط متغییری، یادگیری جدیدی برای حفظ و افزایش کارآمدی و اثربخشی لازم است. به این نوع یادگیری سازگاری می‌گویند. بنابراین سازگاری یعنی یادگیری تحت شرایط متغیر.

اشتباه کردن، منبع مهمی برای دانش‌اندوزی است.

[منبع ۱؛ صفحه ۲۰۸] - [راسل ایکاف]:

ما با انجام دادن درست کاری، چگونگی انجام دادن آن را یاد نمی‌گیریم؛ زیرا از قبل هم می‌دانیم که آن را چگونه انجام بدهیم. بیشترین چیزی که می‌توانیم از انجام دادن درست کاری یاد بگیریم، تایید آن چیزی است که از قبل هم می‌دانستیم. با این وجود، ما از انجام دادن نادرست کارها می‌توانیم دانش‌اندوزی کنیم؛ اما تنها در صورتی که بتوانیم علت اشتباه را تعیین کرده و به تصحیح آن بپردازیم. اشتباهات را می‌توان با آزمون و خطا تصحیح کرد؛ اما این کار اغلب بسیار زمان‌بر و پرهزینه است. سیستم‌ها نیاز شدیدی به شناسایی اشتباهات خود دارند تا علل آنها را تعیین کرده و به اصلاحشان بپردازند. این است مفهوم یادگیری و سازگاری.

راه سنجش هوش، اندازه‌گیری میزان یادگیری است.

[منبع ۱؛ صفحه ۲۰۷] - [راسل ایکاف]:

هوش توانایی کسب دانش است. از این رو مناسب‌ترین راه اندازه‌گیری هوش، میزان یادگیری فرد است؛ یعنی با چه سرعتی فرد می‌تواند دانش به دست آورد؛ نه به چه میزان، چیزی بلد است. سیستم‌های خبره و اغلب سیستم‌هایی را که قدرت یادگیری ندارند، نمی‌توان بدرستی باهوش، دارای هوش مصنوعی یا چیز دیگری قلمداد کرد. سیستم‌های فاقد هوش، یعنی سیستم‌هایی که توان یادگیری ندارند، می‌توانند حاوی دانش باشند؛ اما نمی‌توانند خودشان دانشی بدست بیاورند.