Способы поиска важного
Когда мы начинаем искать важное, мы обычно не знаем, что это такое и куда смотреть, чтобы его найти. Так обычно происходит, когда «что-то не так», а что и почему – непонятно. То есть, нужно сначала найти проблему, которую будем решать.
Здесь мы работаем главным образом с ассоциативным вниманием S1. В первую очередь фокусируемся на ощущениях. В специальных практиках, например, Focusing, это называется felt sense/внутреннее ощущение/осязаемое чувство. Вы формулируете догадки, что вас беспокоит – и отслеживаете, как меняется это осязаемое чувство. В какой момент оно становится особенно сильным? Какую догадку вы в этот момент рассматривали? Сфокусируйтесь на этой догадке и попробуйте перечислить связанные с ней объекты, которые вас беспокоят, продолжая прислушиваться к ощущениям. Ощущения, как уже обсуждали, используются как возможный указатель/индикатор проблемы. Обычно на этом работают методы поиска проблем вроде брейншторма. Вы буквально пытаетесь «нащупать» правильную модель ситуации, сверяясь с ощущениями (которые вы можете называть интуицией).
Другой подход к поиску – задействовать понятийное внимание S2. То есть, найти такое объяснение, которое указывает на проблему, причины её возникновения и даёт подсказку, как справиться с проблемой. Например, ваша компания активно росла в предыдущие годы (х2-х3), а потом вышла на выручку примерно 300 млн руб в год и перестала расти, хотя вы продолжаете делать всё то же самое, что делали раньше, и вы не понимаете, почему. В таком случае можно поискать объяснения, например, у менторов/экспертов, по каким причинам это происходит. Если компания вашего ментора прошла этот порог по выручке, то он сможет как минимум объяснить, что делали создатели внутри в компании; а как максимум – даст объяснение, почему так происходит. В последние годы благодаря появлению ChatGPT и аналогов вы можете попробовать задать вопрос ChatGPT, чтобы получить описание возможных причин, с проверки которых вы можете начать[1]. Часто замедление или отсутствие роста после достижения ~300 млн руб выручки – это недостаточное внимание к инженерии предприятия. До этого можно было расти, уделяя внимание главным образом инженерии клиентуры (продвижению продукта/маркетингу), инженерии продукта (инженерным методам создания продукта). Но теперь пришла пора заняться инженерией предприятия/менеджментом: проверить, исполняются ли у вас менеджерские роли, и так далее.
Источниками проблем часто служат противоречия/конфликты на разных системных уровнях, описанные Вольфом, Кацнельсоном, Куниным в статье «Physical foundations of biological complexity[2]. Кратко[3] идея вот в чем: у вас на всех физических/системных уровнях организации жизни есть конкурирующие взаимодействия/фрустрации: разные агенты/создатели действуют оптимальным для себя и класса подобных себе способом, и эти действия вступают в конфликт. Например, продавцы хотят продать товар подороже, покупатели – купить подешевле. В биологии паразиты хотят обжить тело хозяина, а хозяин – избавиться от паразита. Кроме того, эти противоречия возникают еще и на разных системных уровнях. Например, менеджер, который сокращает затраты компании, может поднять загрузку/capacity utilization отдельно взятой рабочей станции (сотрудника) до 90% – и даже получить бонус за это, ведь сотрудник «не простаивает», ему «не платится зря зарплата». Но загрузка сотрудника на 90% с точки зрения производственной линии, частью которой является сотрудник, может привести к замедлению выпуска! Максимально загрузив сотрудника/рабочую станцию, мы ухудшили ситуацию – потому что рабочая станция была ограничением, а по известным вам из предыдущего раздела закономерностям увеличение загрузки/capacity utilization приводит к растягиванию сроков выполнения работ. В результате выпуск замедлился, и потери от замедления могут кратно превышать потери от того, что компания платит за простои. Предпринятое менеджером действие ухудшило ситуацию! Конфликты возникают постоянно, нет единого универсального способа разрешить их навсегда – не существует глобального оптимума, при котором все создатели «довольны» и ничего не делают для исправления ситуации[4].
Подробнее о противоречиях на разных системных уровнях вы можете прочитать в руководстве «Системное мышление»[5]. Нам сейчас важна сама идея о существовании конфликтов, которые нельзя разрешить раз и навсегда – а также идея, что оптимальное состояние на более высоком системном уровне может требовать неоптимального состояния на более низких. Например, что максимальная скорость выпуска обеспечивается, если есть недозагруженные рабочие станции (без 90-100% capacity utilization). Это означает, что при поиске проблем мы можем сознательно искать такие конфликты – а потом искать информацию о том, как лучше их разрешать с разных точек зрения/viewpoints.
Еще один вариант поиска – искать логические противоречия, которые могут быть неразрешимы в при помощи одних объяснений, но разрешимы при помощи других. Классическая механика не может объяснить, почему электрон в атоме не растрачивает энергию и не падает на ядро, разрушая атом. Объяснение этому феномену, снимающее противоречия классических моделей, нашлось в рамках квантовой механики[6]. На предприятиях полезно бывает найти неоптимальности, к которым все привыкли, и попробовать найти объяснения, почему эти неоптимальности существуют – а после, опираясь на объяснения, попробовать избавиться от неоптимальностей, которые сильнее всего влияют на выручку и ROI. В этом заключается суть метода Голдратта: он искал узкие места/бутылочные горлышки, которые ограничивали скорость выпуска продукции, а также рост компании в целом, а затем концентрировался на последовательном устранении самых узких мест (ограничений). При этом ему приходилось менять привычные для создателей модели работы и объяснения, почему и как надо работать. Например, до Голдратта затоваривание непопулярными товарами и регулярная нехватка ходовых товаров считались «неизбежным злом», с которым торговые сети не могут что-либо сделать. Голдратт объяснил, что есть методы, которые позволяют сгладить проблему и значительно увеличить выручку[7]. После того, как Голдратт сам обнаружил проблему, нередко наибольшие трудности для него заключались в том, чтобы убедить менеджмент крупных сетей, что изменение методов работы с запасами поможет им увеличить выручку.
После поиска проблемы её надо будет сформулировать в явном виде. В формулировке проблемы должно быть отражено противоречие, которое будет «снимать» её решение. Для поиска и формулирования проблем можно использовать следующие методы:
| Метод | Год создания (примерно) | Автор или источник | Краткое описание |
| Мозговой штурм / Brainstorming | 1939 | Алекс Осборн (Alex Osborn) | Групповой метод генерирования идей, когда участники свободно предлагают решения без критики. Цель — нагенерировать максимальное количество идей, чтобы затем оценить их и выбрать наиболее качественные. |
| ТРИЗ | 1946 | Генрих Альтшуллер | Теория решения изобретательских задач помогает находить и преодолевать противоречия в технических и организационных задачах. Требуется сформулировать противоречие по определенным правилам и затем разрешить его, пользуясь теми же правилами. |
| Пять почему / 5 Whys | ок. 1950 | Тайичи Оно (Toyota Production System) | Многократно задается вопрос «почему» для выявления коренной причины проблемы. Каждый следующий вопрос «почему» опирается на ответ, полученный на предыдущем шаге. |
| Диаграмма Исикавы / Fishbone Diagram | 1960-е | Каору Исикава (Kaoru Ishikawa) | Графический метод классификации возможных причин проблемы по категориям (персонал, методы, материалы, оборудование и т. д.). Помогает визуализировать и систематизировать источники проблем. |
| Метод KJ / Affinity Diagram | 1960-е | Дзиро Кавакита (Jiro Kawakita) | Метод группировки разрозненных идей и фактов для выявления структуры и приоритетов. Позволяет организовать большое количество данных в удобном виде, формируя «островки» связанных смыслов. |
| SCAMPER | 1971 | Боб Эберле (Bob Eberle) | Акроним из глаголов (Substitute, Combine, Adapt, Modify, Put to another use, Eliminate, Rearrange), помогающий взглянуть на проблему с разных сторон и находить нетривиальные решения. |
| Дизайн-мышление / Design Thinking | кон. 1980-х – 1990 | Стэнфорд, IDEO и др. | Клиентоцентричный / сфокусированный на пользователе продукта метод поиска проблем в продукте. Метод включает в себя проявление (создателем) эмпатии к пользователю, анализ и формулирование проблем, генерирование идей и их тестирование. |
| Двойной алмаз / Double Diamond | 2004 | Design Council (Великобритания) | Двухступенчатая модель дизайна и решения проблем: сначала идёт «дивергентное» исследование проблемы, затем «конвергентная» фаза отсеивания лишнего, снова дивергирование для поиска идей и окончательное фокусирование на решении. |
| Lightning Decision Jam | ок. 2018 | Придумано студией AJSmart на базе дизайн-мышления и Agile | Упрощённый формат групповой встречи для быстрого выявления проблем и принятия решений. Включает этапы записи идей, приоритизации и формулирования конкретных шагов решения за ограниченное время. |
| Поиск проблем при помощи ИИ / AI-powered Problem Discovery | 2023+ | Инженерные команды | Новейший подход, в котором используются большие языковые модели и другие инструменты искусственного интеллекта для анализа больших массивов данных, выявления паттернов и формулирования скрытых проблем или возможностей. |
Из всех описанных выше методов рекомендуем обратить особое внимание на последний – поиск проблем и объектов внимания, с которыми нужно работать, при помощи ИИ. Это сравнительно новый метод, который команды начали применять недавно. Инженерные команды пользуются большими языковыми моделями, чтобы найти проблемы и неявные объекты внимания, которые люди могут пропускать. Например, авторы книги The Jolt Effect проанализировали записи миллионов звонков продажников, совершенных в период ковидных локдаунов (когда почти все продажи перешли в онлайн), при помощи ИИ: получили разрешения на использование записей, транскрибировали и обработали их, разметили типовые объекты внимания, которые встречались, определили, какие объекты они не замечали (а они были важны). Затем сформулировали догадки о причинно-следственных цепочках (какие факторы / работа продажников с какими объектами внимания привела к успешной продаже), проверили эти догадки при помощи данных о звонках. И выяснили, что продажники компаний очень сильно недооценивают влияние покупательской нерешительности – то есть ситуации, когда потенциальный покупатель воздерживается от покупки из-за опасений, что покупка приведет к неблагоприятным последствиям лично для него. Например, менеджер не решается купить дорогого робота и заменить им некоторых сотрудников из-за опасения, что возможная неудача повлияет на его карьеру (его уволят или не станут некоторое время повышать). Лучшие продажники знают о покупательской нерешительности и выделяют специальные объекты внимания, например, «риски для покупателя», и посвящают работе с этими объектами внимания во время звонка много внимания. То, что с рисками надо работать, было очевидно и ранее; но не было очевидно, насколько это важно, а также – какие методы работы с этими объектами будут успешны. Найти проблему, мешающую продавать больше, а также найти решение помог анализ при помощи ИИ. Если у вас есть данные, которые можно проанализировать при помощи ИИ, стоит задуматься над применением метода поиска проблем при помощи ИИ.
Для поиска решения применяются те же методы. При этом можно воспользоваться некоторыми ходами на поиск решения, опираясь на знания, полученные за время стажировки:
- Вы можете выписать объекты, которые вы выделяете вниманием, и подумать: а какие объекты мы не выделяем (=на какие объекты камеры внимания не направлены), а они могли быть важны? Что мы могли упустить? Примерно так рассуждал персонаж Шерлока Холмса. Подумайте, какие роли и какие присущие этим ролям способы описания/viewpoints отсутствуют у вас в проекте, хотя они могли бы быть важны. Вспомните, как вы искали исполнителей различных менеджерских ролей, выполняя задания предыдущего раздела «Удержать внимание на работе по моделям».
- Мы считаем одни выделенные объекты более важными, чем другие. Но что если это не так, и надо выдвинуть гипотезу о том, что мы можем перераспределить наше внимание на другие объекты**?** Галилей сформулировал принцип независимости движения, рассматривая довольно простой пример: художник рисует натуру, находясь вместе с ней в каюте на корабле, плавающем в виду берега. При идеальном состоянии моря художник, по рассуждению Галилея, может забыть, что он не на берегу, ничто не помешает созданию картины. Но для людей на берегу, наблюдающих за кораблем, рука художника участвует в движении, включающем движение корабля. Если корабль не качается и не дергается, то он не оказывает никакого влияния на происходящее в каюте. На основе подобных примеров Галилей вывел принцип независимости движения (движение кисти относительно холста и холста относительно берега независимы). Но он мог бы перераспределить внимание и направить его на «относительность» и попытаться сформулировать принцип относительности. (Получилось бы у него или нет – отдельный вопрос).
- **Если нам сложно проводить действия с одним объектом, мы можем поискать другой объект с такими же свойствами (**т.е. принадлежащий к этому же классу), но более удобный для рассмотрения, проверить наши догадки на более удобном объекте, а потом вернуться к «неудобному». Так сделал Эрик Кандель, получивший Нобелевскую премию за нейрофизиологические исследования памяти. Сделать открытие, которое сделал он, желали многие, но их попытки были безуспешны: выбранные ими объекты исследования (кошки, люди) имели слишком мелкие нейроны, чтобы за ними было удобно наблюдать. Кандель поступил до гениальности просто: он выбрал объектом исследования аплизию/морского зайца – моллюска с крупными (до 1 мм) нейронами, в которые можно засунуть электроды и регистрировать электрическую активность нейронов при принятии решений и обращению к памяти. После чего выдвинул гипотезу, что принципиальный механизм действия нейронов других существ не отличается (не смогли опровергнуть). Не можем сделать сложно сразу – делаем просто.
- Когда мы ищем и выделяем объекты, мы часто пытаемся сузить класс, к которому они принадлежат, и рассматривать объект только как экземпляр узкого класса со свойствами, отличными от свойств более широких классов. Но что если мы попробуем не только вычислить различия, но и обратить внимание на то общее, что есть у представителей более широких классов? Такой ход на унификацию сейчас широко применяется в физике, биологии и системном подходе: мы хотим получить сначала безмасштабные/масштабно инвариантные описания физических и биологических систем, а потом уже конкретизировать, какой уровень рассматриваем и чем он отличается от других. Вы уже столкнулись с таким подходом в рамках данного руководства: мы часто говорим об агентах/создателях/IPU (безмасштабное описание), при этом в операционном менеджменте можем называть этих создателей по-разному в зависимости от уровня/масштаба крупности, на котором выделен создатель (рабочая станция, производственная линия и так далее).
- Если наши текущие точки зрения/способы описания мира/viewpoints и наши текущие модели не позволяют добиться нужного результата, они неверны. Кто и где получал нужный результат? Нужно найти удачные примеры и отмоделировать их. Какие объекты внимания были важны? Чему уделялось внимание? Что другие агенты делали, чего вы не делали? Что они НЕ делали, что делали вы?
- Если вы разбираетесь с разными мета-У-моделями, то полезно бывает поискать зазоры между ними. Если названия/обозначения одинаковы, то точно ли «под капотом» та же самая идея? Или вы имеете дело с омонимами, обманывающими вас?
Это лишь примеры ходов, которые можно использовать для поиска проблем и решений. Вы можете изобрести свои ходы.
Напоминаем, что не стоит воспринимать информацию от ChatGPT как истину в последней инстанции. ChatGPT не всегда содержит SoTA информацию, дает не «правильные», а «наиболее часто встречающиеся» объяснения, и так далее. Но ChatGPT можно использовать в качестве генератора идей, которые далее нужно проверять на бредовость и соответствие реальности. Также он может давать первые версии моделей, которые вам нужно дорабатывать напильником: вы только экономите на создании модели «с нуля». ↩︎
Упрощенное объяснение «для всех» можно прочитать в статье «Конфликты как основа сложности». Если статья не открывается, включите VPN. ↩︎
Если никто ничего не делает, то это означает тепловую смерть Вселенной: действия больше не нужны. ↩︎
https://aisystant.system-school.ru/lk/#/course/practical-systems-thinking/2024-11-17T1931/49473 ↩︎
Подробнее об этом можно прочитать в книге «Сто лет недосказанности. Квантовая механика для всех в 25 эссе» Алексея Семихатова ↩︎
Рекомендуется прочитать книгу «Выбор. Правила Голдратта», которая объясняет подход Голдратта (есть в списке дополнительной литературы для стажеров, проходящих стажировку с поддержкой наставников). ↩︎