Текст книги "Искусство бега по граблям. Стратегическое управление ИТ в условиях неопределенности"
Автор книги: Юрий Зеленков
Жанр:
Деловая литература
сообщить о нарушении
Текущая страница: 1 (всего у книги 8 страниц)
Зеленков Ю.А.
Искусство бега по граблям
Стратегическое управление ИТ в условиях неопределенности
ISBN 978-5-9904993-2-4
В книге предложено новое понимание стратегического управления развитием информационных технологий в организации, которая действует в условиях полной неопределенности. Основной акцент сделан на том, что нет необходимости бороться с этой неопределенностью, нужно принять ее как данность и приспособиться к ее существованию.
Все права защищены. Любое воспроизведение информации из данной книги возможно только с письменного разрешения владельца авторских прав. Все иллюстрации данной книги использованы после уведомления и согласия их авторов. Издатель и типография не несут ответственности за нарушение авторских прав вследствие публикации данной книги. Все усилия предпринимаются для обеспечения точности информации.
Предисловие
Юрий Зеленков
В 2001 году я пришел на работу в дирекцию по информационным технологиям НПО «Сатурн». Наша динамично развивающаяся компания в те времена ставила перед собой чрезвычайно амбициозную цель – стать ведущим разработчиком и производителем газотурбинных двигателей. Для этого привлекались различные инструменты, в том числе чрезвычайное значение придавалось информационным технологиям. Одной из моих обязанностей как раз и стало стратегическое планирование развития и использования ИТ.
К тому времени я уже долгое время работал в ИТ-отрасли, начинал как программист, затем получил опыт управления разработкой достаточно крупных заказных систем, и, в конце концов, стал руководителем группы специалистов, которая занималась внедрением ERP. Мне тогда казалось, что использование ИТ на предприятии сводится к нескольким достаточно простым рецептам. Прежде всего, надо брать готовые системы и внедрять реализованные в них модели процессов (так называемые «лучшие практики»). Поскольку разработчики готовой системы уже подумали об интеграции данных различных областей деятельности, такой подход должен приводить к немедленному повышению эффективности. Остается лишь дополнить план внедрения ERP соответствующим планом создания необходимой инфраструктуры. С точки зрения стратегии тоже было все понятно – надо взять бизнес-стратегию и на ее основе разработать соответствующий план внедрения модулей ERP, а также PDM, АСУТП и всего прочего, что соответствует представлению об идеальной информационной системе, которое прививается в бизнес-школах студентам MBA.
В действительности все оказалось гораздо сложнее. Во-первых, бизнес-стратегия, оформленная как план действий, отсутствовала. Вместо этого имелась некая неформализованная, изменяющаяся в зависимости от внешних условий, но в той или иной степени разделяемая всем менеджментом компании точка зрения на перспективы развития вообще и на роль ИТ в этом развитии в частности. Естественно, эта общая точка зрения искажалась в зависимости от угла, под которым смотрел конкретный менеджер, каждый из них видел свою модель развития, причем, как правило, на основе своего подразделения.
Время от времени на предприятии появлялись внешние консультанты различного уровня маститости – от никому не известных отечественных до представителей глобальных компаний – их привлекали представители функциональных подразделений для помощи в решении своих проблем. После консультантов оставались презентации на тему «вам надо перейти к лучшим практикам» и проект договора на поддержку такого процесса изменений. И, очевидно, совершенно случайно рекомендуемая «лучшая практика» всегда совпадала с тем продуктом или информационной системой, на котором данная группа консультантов специализировалась.
Однако очень быстро выяснилось, что рафинированные «лучшие практики» очень слабо сочетаются с реальной жизнью. Для того чтобы изменить какой-то процесс в одном подразделении, необходимо было поменять десяток-другой процессов в связанных функциональных областях, что, естественно, не совпадало с их приоритетами. Причем нельзя было пожаловаться на отсутствие главного (в соответствии с многочисленными рекомендациями) компонента успеха – поддержку высшего руководства. Проблема была в том, что все большие ERP системы неявно предполагают переход к новой модели управления в виде «большого взрыва», но у нас не было возможности остановить предприятие, чтобы как следует подготовиться к изменениям. Необходимо было трансформироваться постепенно, без отрыва от производства, но при этом после каждой трансформации возникала новая неопределенность. Как сказал один из руководителей «Сатурна»: «Я очень хорошо знаю текущее состояние, я вижу идеальное состояние, к которому компания должна прийти. Я даже понимаю, что надо сделать несколько последовательных шагов, чтобы достичь этой цели. Но я не понимаю, как, когда и какие шаги делать».
В результате, когда мы нарисовали идеальную модель будущей корпоративной информационной системы – набор квадратиков, связывающих их стрелочек, и соответствующий план внедрения разных подсистем и технологий, – тут же выяснилось, что она нереализуема. Внешние и внутренние условия менялись с такой скоростью, что мы не успевали обновлять стратегию. Кроме того, оказалось, что буквальное следование «лучшим практикам» и «индустриальным стандартам де-факто» ведет к затратам, которые предприятие не может себе позволить.
Но, тем не менее, несмотря на отсутствие формальной стратегии, компания продолжала развиваться, выполнять обязательства и достигать намеченных целей. За 10 лет «Сатурн» превратился в настоящего лидера отрасли, в том числе и в использовании ИТ. Как это получилось, ведь компания не следовала ни одной «лучшей практике», решения принимались по ситуации, и очень часто мы обнаруживали, что решили задачу, о которой год назад и подумать было страшно?
Можно выделить три категории людей, влияющих на ведение бизнеса вообще и использование ИТ в частности. Первая категория – собственно бизнесмены, предприниматели, руководители компаний. Это практики, они приобретают знания на собственном опыте, теоретизированию предпочитают действие и часто относятся к теоретическим моделям с недоверием. Вторая категория – теоретики, ученые, которые пытаются эмпирические наблюдения за бизнесом обобщить с помощью теорий в надежде, что эти теории не только объяснят, почему что-то происходит именно так, но и позволят предсказывать правильные действии. И третья категория – консультанты и аналитики, которые, во-первых, интерпретируют наиболее известные и модные теории ученых для предпринимателей, во-вторых, обнаруживают, декодируют и распространяют «лучшие практики», приведшие к успеху других предпринимателей. Все они полезны, даже консультанты (по крайней мере, по мнению самих консультантов), каждый играет собственную роль в понимании, что и как надо делать.
Внутри каждого из нас присутствуют все эти три архетипичных персонажа – практик, теоретик и консультант. Наше поведение в той или иной ситуации определяется тем, кто берет верх. Иногда мы действуем как практик – «надо ввязаться в бой, а там посмотрим». Если решения принимать не хочется, мы включаем теоретика – «надо подумать, нужны дополнительные данные». Если решение должен принять кто-то другой, мы с удовольствием дадим ему совет как консультант.
Мне кажется, что успех «Сатурна», о котором я говорил выше, был предопределен сочетанием двух факторов – компанией руководили очень конкретные практики, которым улыбнулась удача. Но, как известно, фортуна благосклонна к тем, кто этого заслуживает. Но в то же время, благодаря сотрудничеству с европейскими партнерами, у нас был доступ к лучшим моделям организации бизнеса, которые переосмысливались и реализовывались на практике.
Эта книга описывает методологию стратегического управления развитием ИТ, которая сложилась за десять лет в дирекции по информационным технологиям НПО «Сатурн». Основные вопросы, которые будут обсуждаться, – это процессы изменений в операционной деятельности организации, вызванные непредсказуемостью и высокой турбулентностью внешней среды, обнаружение потребности в изменениях и адекватная реакция на нее, поддержание высокой степени адаптивности информационных систем, измерение эффекта от реализации изменений. Будут рассмотрены также аспекты инновационной деятельности (поскольку операционные изменения это тоже инновации) и проблемы институционализации предложенной методики. Основная цель книги – перекинуть мостик между теоретическими моделями и практикой.
Поэтому, несмотря на определенный акцент на использовании информационных систем и технологий, данная книга может быть полезна всем, кто интересуется процессами трансформации организации и стратегическим управлением в условиях неопределенности.
Модели и методы, которые будут предложены, могут применяться в организациях любого рода. Под «организацией» здесь понимается любая группа людей с общими целями. Данное определение фиксирует важнейшее свойство организации, заключающееся в том, что это социальная общность. Это реально существующая, эмпирически фиксируемая совокупность индивидов, отличающаяся относительной целостностью и выступающая самостоятельным субъектом социального действия и поведения[1] – коммерческая (предприятие, фирма) или некоммерческая организация, учреждение здравоохранения, какая-то из структур государственного управления, политическая партия и т.д. Там, где рассуждения относятся исключительно к организациям, созданным для ведения бизнеса, в тексте будут использоваться термины «фирма», «компания» или «предприятие».
Книга организована следующим образом. В первой главе обсуждаются причины возникновения неопределенности. Во второй приведен обзор методов стратегического планирования ИТ, она может служить справочником по современной научной литературе, посвященной этому направлению. В третьей главе рассматривается эволюционная модель организации, ее инновационные действия, предложена пирамида оценки сложности инноваций. Здесь обсуждаются наиболее общие вопросы существования и развития организации, эта глава может быть полезна менеджерам любого уровня независимо от их функциональной специализации. В четвертой главе предложен метод оценки потенциального эффекта и сложности реализации инициатив по внедрению тех или иных ИТ, направленных на операционное совершенствование. В пятой главе обсуждаются методы измерения эффективности бизнес-процессов и поддерживающих их информационных систем. Шестая глава посвящена вопросу создания информационных систем, способных легко адаптироваться к постоянно изменяющимся требованиям. В седьмой главе рассматриваются вопросы институционализации предложенных методов.
1. Сложность
Мы знаем, что все меняется, нас с детства учат, что все меняется, мы много раз видели своими глазами, как все меняется, и в то же время мы совершенно неспособны заметить тот момент, когда происходит изменение, или ищем изменение не там, где следовало бы.
Аркадий Стругацкий, Борис Стругацкий. Пикник на обочине.
Бизнес как ловля бабочек
Построим некую аналогию. Допустим, бизнес – это ловля бабочек в поле с высокой травой, где хаотично разбросаны грабли. Бабочки тоже летают как попало, на то они и бабочки. По полю бегают предприниматели с сачками, задача каждого из них – наловить как можно больше бабочек. Каждый предприниматель примерно помнит, где лежали грабли, на которые он уже наступил, но, конечно, не представляет, где скрываются следующие. Однако, для выбора правильных действий, как стратегических, так и тактических, ему, конечно, хотелось бы знать законы распределения граблей и правила вычисления траекторий бабочек.
Если есть спрос на такие сведения – есть и предложение. На краю поля сидят ученые, которые наблюдают за мечущимися предпринимателями. Часть из них эмпирически исследует характеристики этого метания, другие – создают теории распределения граблей, третьи – теории поведения бабочек. Проблема в том, что теории подтверждаются только на очень ограниченном множестве уже обнаруженных граблей и часто противоречат друг другу. Вторая проблема – теории часто формулируются на специальном «научном» языке, который доступен лишь посвященным.
Поэтому позади каждого предпринимателя бежит аналитик (или даже целая консалтинговая компания), готовый давать ему высоко оплачиваемые советы на основании собственного понимания научных теорий, а также так называемых «лучших практик», выведенных из опыта более успешных ловцов бабочек. «Лучшая практика» в данном случае может выглядеть, например, так: все успешные предприниматели прыгают на одной ноге, так как это на 50% уменьшает вероятность попадания на грабли. Единственное, на что не готов аналитик – это взять на себя обязательства по компенсации проблем, возникающих из-за следования его рекомендациям. Он же только дает советы, а практические действия, а значит, и риски, и проблемы – это удел предпринимателя.
Кто побеждает в такой охоте на бабочек? Чаще всего, те предприниматели, которые не оглядываются назад, не обращают внимания на теории и не прислушиваются к консультантам, а вместо этого решительно движутся вперед, ломая все встретившиеся грабли лбом. И надо отметить, что помимо определенного запаса прочности лба их отличает еще одно свойство – готовность к непредсказуемым событиям.
Черный лебедь, Розовый слон и Полный песец
Непредсказуемым событиям посвятил свою книгу Нассим Талеб[2], в прошлом успешный финансовый трейдер, а ныне профессор Оксфорда. Он назвал их «Черными лебедями». До открытия Австралии люди считали, что все лебеди – белые, и обнаружение первого черного лебедя стало большим сюрпризом для орнитологов. Эта история иллюстрирует ограниченность обучения на основании опыта и хрупкость нашего знания. Один-единственный факт может разрушить обобщение, основанное на миллионах эмпирических наблюдений в течение тысячелетий. Черный лебедь – это событие, обладающее следующими характеристиками:
Аномальность – ничто в прошлом его не предвещало, его наступление выходит за наши представления о вероятном. Это то, о возможности чего мы даже не могли подумать.
Сила воздействия – оно полностью опрокидывает все представления, существовавшие до его наступления.
Ретроспективная (но не перспективная) предсказуемость – объяснение случившемуся придумывается после того, как оно случилось, делая событие, сначала воспринятое как сюрприз, объяснимым и предсказуемым.
Сочетание непредсказуемости со значительными последствиями делает появление Черных лебедей весьма нежелательным, но главная проблема состоит в том, что мы склонны действовать так, как если бы их вообще не существовало. Отсутствие свидетельств о чем-либо мы принимаем за свидетельство отсутствия, в результате чего Черный лебедь подкрадывается к нам незаметно. В современной отечественной культуре, кстати, есть персонаж, который тоже подкрадывается незаметно и приносит всеобщую катастрофу, – это Песец. «По преданию, он спит где-то в снегах, и, пока он спит, жизнь идет более-менее нормально. А когда он просыпается, он наступает[3]».
Но надо отметить, что Черные лебеди могут быть как положительными, так и отрицательными. Для описанных выше ловцов бабочек отрицательным Черным лебедем может стать канализационный люк с открытой крышкой (хотя наш опыт подсказывает, что в чистом поле канализационные люки не встречаются, но если встретится, это точно – Полный песец). Положительный Черный лебедь может явиться, например, в виде летающего Розового слона. Но как его поймать, если в руках только сачок для бабочек?
Главный вывод – поскольку Черные лебеди непредсказуемы, нам следует приспособиться к их существованию, вместо того, чтобы наивно пытаться их предсказать. Успешность человеческих начинаний в бизнесе, науке, искусстве и других областях, как правило, обратно пропорциональна предсказуемости их результата. Следовательно, надо импровизировать по максимуму, стараясь поймать как можно больше положительных Черных лебедей.
Модели непредсказуемости
Можно показать, что непредсказуемость возникает уже тогда, когда мы имеем дело с системами, которые кажутся очень простыми. Для этого воспользуемся широко известной NK-моделью, предложенной биологом и специалистом по сложным системам Стюартом Кауффманом[4]. Он использовал эту модель для исследования эпистатического взаимодействия (или, выражаясь проще, взаимного влияния) в генных системах, но позже она получила широкое распространение и в других областях, в частности, при исследовании динамики организаций.
Рассмотрим систему из N объектов. Каждый объект может принимать два значения: 0 – если он «выключен» и Fi – если он «включен» (здесь i – номер объекта, а Fi – любое число в интервале от 0 до 1). Через K обозначим количество объектов, которые могут влиять на i-тый объект, очевидно, что максимальное значение K=N-1. Введем понятие «приспособленности» системы, которое определяет ее эффективность при выполнении некой задачи и вычисляется как среднее значение всех входящих в нее объектов:
Будем считать, что целью системы является максимальное увеличение ее приспособленности. Ее начальная конфигурация (т.е. состояние всех объектов – включен или выключен) задается случайным образом. На каждом шаге система может изменять значение только одного из входящих в нее объектов («включать» или «выключать» его). При этом всегда выбирается такое изменение, которое максимально увеличивает приспособленность. Второе ограничение – система может предсказывать и анализировать последствия только планируемого шага, результаты всех последующих действий она оценить не может (так называемый локальный поиск или стратегия инкрементальной адаптации).
Теперь проведем три эксперимента. Эксперимент первый – пусть наша система состоит из трех объектов, которые не влияют друг на друга, т.е. N=3 и K=0. Различные конфигурации системы, значения отдельных объектов Fi, присвоенные случайно, и приспособленность системы приведены в таблице, размещенной справа на рисунке 1.1. Можно сказать, что значения приспособленности для различных конфигураций системы образуют некий ландшафт, который показан в левой части этого же рисунка. Вершины куба представляют различные конфигурации, им соответствуют различные значения приспособленности. Легко заметить, что ландшафт имеет один глобальный максимум в точке (1,1,1). Из какого бы состояния система не начинала поиск оптимальной конфигурации, данная точка обязательно будет найдена. В качестве примера на рисунке голубыми линиями показана траектория движения из точки (0,0,0).
Теперь проведем второй эксперимент при условии, что все объекты влияют друг на друга, т.е. N=3 и K=2. Предположим, что влияние объектов друг на друга описывается функцией Гаусса. В принципе, на формулы, которые приводятся ниже, можно не обращать внимания. Главное, что следует уяснить, что в данном случае мы знаем, какие законы действуют внутри системы. Теперь новое значение объекта вычисляется по формуле
То есть к собственному значению объекта теперь добавляется значение функции Гаусса
от сумы значений двух других объектов. Эта функция имеет максимум, когда ее аргумент (т.е. сумма значений двух объектов, влияющих на рассматриваемый) равен μ, чем больше значение аргумента отклоняется от μ, тем меньше значение функции. Собственные значения объектов те же, что и в предыдущем случае, вычисленные на их основе значения приспособленности при μ=0,6 и σ=0,3 приведены в таблице на рисунке 1.2.
Теперь мы видим, что ландшафт приспособленности системы имеет несколько локальных максимумов. Система становится чувствительной к начальным условиям – если поиск оптимальной конфигурации начинается из точки (1,0,0), то он завершается в точке (1,1,0), которая не соответствует глобальному максимуму. Поиск из точки (0,0,0) завершается в точке (0,1,1), которая и есть глобальный максимум. Также локальным максимумом является точка (1,0,1), если система уже имеет такую конфигурацию, она завершает свое развитие.
Таким образом, из второго эксперимента следует, что даже относительно простая система, состоящая всего лишь из трех взаимосвязанных элементов, не может гарантированно достичь максимума приспособленности в процессе инкрементальной адаптации.
В третьем эксперименте также предположим, что все объекты влияют друг на друга (N=3 и K=2), но мы ничего не знаем о законах, действующих внутри системы. Этот эксперимент можно трактовать также как описание открытой системы, которая взаимодействует с внешней средой, причем внешняя среда непредсказуема и ее влияние значительно искажает связи между объектами (этот случай рассмотрен в упомянутой книге С. Кауффмана). Для моделирования этой ситуации присвоим всех объектам значения равномерно распределенной случайной величины (рисунок 1.3). В этом случае ландшафт приспособленности также имеет несколько локальных максимумов и конечное состояние системы зависит от начальных условий. Начало поиска из точки (0,1,0) завершается в точке (1,0,0), начальная конфигурация (0,0,1) приводит к точке (1,1,1).
Как мы решаем проблемы
Проведенная серия экспериментов дает нам возможность сделать несколько важных выводов. Во-первых, внутренние связи в системе радикально ее усложняют. Стюарт Кауффман показал, что в общем случае при больших значениях К (то есть большом количестве связей внутри системы) стратегия инкрементальной адаптации может приводить к кризисам, когда найденное значение приспособленности системы недостаточно для решения ее задач. Но в реальности мы имеем дело с крайне сложными системами. Если говорить о бизнесе, компания, которая сама по себе имеет весьма сложную структуру, действует на рынке в непрерывно изменяющихся условиях. Это связано с изменением приоритетов поставщиков и потребителей, действиями конкурентов и регуляторов рынка, развитием технологий и так далее. Отсюда возникает вопрос – есть ли альтернатива локальному поиску?
Второй вывод заключается в том, что при неизвестных законах взаимодействия компонент в системе, ее поведение кажется полностью хаотичным. Если бы мы ничего не знали о внутренних связях во втором эксперименте, удалось бы нам восстановить их из наблюдения за системой? В данном конкретном и весьма простом случае, скорее всего, да. Но в случае реальных и особенно открытых систем – нет. На практике «истинная случайность» и «детерминированный хаос» (свойства которого предсказуемы, но сделать это очень трудно) неразличимы. На этом акцентировал внимание Нассим Талеб, по его словам, «случайность – это всего лишь незнание». Это незнание ограничивает нашу возможность строить длительные прогнозы, чем дальше мы хотим заглянуть в будущее, тем большее количество факторов мы должны учитывать и тем больше возрастает неточность, поэтому мы можем работать только с качественными, а не количественными свойствами системы – обсуждать их, а не просчитывать. Вслед за Талебом можно сослаться на статью английского физика Майкла Берри[5], который исследовал движение бильярдного шара в реальных условиях. Для расчета первого столкновения – надо знать параметры покоящегося шара, силу удара и сопротивление поверхности стола. Девятый удар – нужно учесть гравитационное воздействие тела бьющего. Пятьдесят шестой удар – необходимо учесть динамику всех элементарных частиц Вселенной. Отметим, что это относится к системе, законы поведения которой полностью известны.
Сложность окружающего мира и вытекающая из этого невозможность строить долгосрочные прогнозы приводят к проблемам, которые обсуждал в своей московской лекции известный специалист в области глобального моделирования Деннис Медоуз[6]. На рисунке 1.4 по горизонтали отложено время, мы – слева, в красной точке, это – текущий момент, справа – будущее. По вертикали откладывается какой-либо показатель, в данном случае, чем больше его значение, тем лучше. Допустим, мы хотим попасть в желаемое положение и можем выбрать одно из двух действий. Одно действие приведет в желаемую точку, второе – даст результат гораздо хуже. Синяя вертикальная линия – ближайшая точка оценки. Эта оценка – обратная связь, информация, которую мы получаем о том, как идет процесс. Для простых проблем (диаграмма в левой части рисунка) действие, которое ведет к желаемому результату, выглядит лучше и в ближайшей точке оценки. Но проблемы, которые вызывают катастрофу (диаграмма в правой части), ведут себя иначе. Действие, которое выглядит лучше в краткосрочной перспективе, приводит к значительному ухудшению в отдаленном будущем. Действие, которое на самом деле ведет к решению, в точке оценки выглядит хуже.
Построение управления при неопределенных параметрах системы является одной из центральных проблем теории автоматического управления. Системы такого рода называют адаптивными или самоорганизующимися, они способны изменять законы своего функционирования и свою структуру для достижения оптимального состояния при изменении внешних условий. Условно их можно разделить на системы, реализующие только алгоритмы поиска, и на системы, которые реагируют на внешние воздействия на основе постоянно обновляемой модели окружающей среды.
Но в этот момент возникает еще один вопрос – а как осуществляется выбор корректирующих действий? Как мы увидели, очень редко это процесс чисто рационального[7] решения задачи, который сводится к триаде «анализ – синтез – апробация». Несколько разобраться в ситуации с выбором решения может помочь модель, предложенная Дэниелем Левинтолом[8]. Он предложил рассматривать проблемы в трехмерном пространстве, координатами которого являются неопределенность в постановке проблемы, количество известных альтернативных решений и представление (репрезентация) проблемы (рисунок 1.5). Имеется целый класс проблем, для которых все альтернативные решения известны, просчитывается вероятность того, что определенное действие приведет к заданному результату, и это можно оценить в виде рисков. Такие проблемы располагаются вблизи плоскости, образуемой осями «альтернативы» и «неопределенность» в прямоугольнике, выделенном на рисунке серым цветом. Назовем этот прямоугольник «областью рационального поведения». Именно гипотеза рациональности поведения, предполагающая, что индивидуальное поведение определяется стремлением к увеличению некоторых объективных показателей, лежит в основе многих теорий доминирующих сегодня в экономике и менеджменте.
Но как мы уже установили, наша рациональность почти всегда ограничена – для оценки всех возможных вариантов не хватает информации. Поэтому количество проблем, которые не имеют рациональной репрезентации, гораздо больше. Левинтол предлагает рассматривать рациональность как процесс, в котором производится отображение реальных проблем на их упрощенное рациональное представление, допускающее оптимальное решение. Обратите внимание, мы говорим здесь об ограниченной рациональности поведения, эта ограниченность возникает, во-первых, из-за объективного недостатка информации, и, во-вторых, из-за субъективного упрощения ситуации. При этом в процессе рационализации очень важно обеспечить обратную связь, показанную на рисунке штрихпунктирной линией, если выбранное действие не ведет к оптимальному решению реальной проблемы, необходимо уточнить ее рациональную репрезентацию. Это надо стараться делать как можно чаще.
В следующих главах мы увидим, как гипотеза ограниченной рациональности и построенные на ее основе новая институциональная и эволюционная экономическая теории, а также поведенческая теория фирмы позволяют построить методологию стратегического управления развитием ИТ.
Попытки «рационализации» окружающего мира неизбежно приводят к созданию абстрактных стратегических моделей, также показанных рисунке 1.5. Они представляют весьма обобщенное и упрощенное представление реальных проблем, очень часто в виде матрицы 2х2 (примером может служить Бостонская матрица, решетка Макфарлана и т.д.). Такие модели позволяют качественно рассуждать о проблемах, но не устраняют неопределенность относительно результатов возможных действий.
Из этих рассуждений следует третий и самый главный вывод – другого механизма эффективного поведения в реальном мире, кроме локального поиска, сочетающегося с инкрементальным обучением (т.е. построением моделей) и адаптацией, нет. Весь вопрос в интервале оценки выполняемых действий. Чем чаще мы это делаем, тем больше шансов вовремя выполнить коррекцию в соответствии с изменившейся ситуацией.
Теперь, основываясь на модели Левинтола, мы можем более четко описать каждый поведенческий архетип. Практик живет на плоскости и занимается рационализацией реальных проблем и оценкой своих действий. Он может идти по жизни, разгоняя пинками Полных песцов, а над головой у него висит гирлянда Розовых слонов, чьи хоботы он сжимает в кулаке. В другом крайнем случае он сидит в луже, обнимая Полного песца, а на лбу у него гигантская шишка от граблей. Все зависит от удачи.
Теоретик от реальных проблем воспаряет к абстракциям и строит стратегические модели. И в окно его кабинета может постучаться Розовый слон, если вдруг модель окажется полезной или хотя бы модной. Тогда ему обеспечены гонорары, публикации, лекции, внимание практиков, консультантов и студенток. Но это происходит достаточно редко. С другой стороны, и Полные песцы беспокоят теоретиков не часто.
Консультант, вооружившись стратегической моделью, пикирует вниз и советует практику, как ему решать проблемы. Собственно практик и есть его Розовый слон, а конкурирующие консультанты в данном случае никто иные, как потенциальные Полные песцы.
Чем отличается эксперт от (плохого) консультанта
В заключение этой главы необходимо остановиться на очень важном эффекте, описанном Дэвидом Даннингом и Джастином Крюгером, за что им в 2000 году была присуждена Ig Nobel Prize (более известная у нас как Шнобелевская премия), вручаемая за достижения, «которые вначале заставляют засмеяться, а потом задуматься». Даннинг и Крюгер экспериментально показали, что люди с низкой квалификацией, делая ошибочные выводы и принимая неудачные решения, не способны осознавать это именно в силу своей низкой квалификации[9]. Непонимание ошибок приводит к убежденности в собственной правоте, и, следовательно, повышению уверенности в себе и осознанию своего превосходства. Действительно, высококвалифицированные люди, наоборот, склонны занижать свои способности и страдают недостаточной уверенностью в своих силах, считая других более компетентными. Таким образом, менее компетентные люди в большей степени считают себя профессионалами, чем это свойственно людям компетентным, которые к тому же склонны предполагать, что окружающие оценивают их способности так же низко, как и они сами (рисунок 1.6).