Книга: Принцип «черного ящика». Как превратить неудачи в успех и снизить риск непоправимых ошибок
Назад: VI Реформа уголовного правосудия
Дальше: VIII Испугаться и исправиться?
Часть 3
Столкновение со сложностью
VII
Парадокс распылителя
1
Компания Unilever столкнулась с проблемой. На ее фабрике под Ливерпулем на северо-западе Англии производили стиральный порошок – по обычной технологии, которая используется и сегодня. При высокой температуре смешанные химические компоненты пропускаются под давлением через форсунки распылителя и по мере того, как давление падает, разделяются на пар и порошок.
Пар откачивается, а порошок собирается в резервуар, куда добавляются коллаген и различные другие компоненты. Полученную смесь упаковывают в коробки с фирменными наименованиями и продают с высокой наценкой. Это хорошая концепция бизнеса, породившая огромную индустрию. Только в США объем продаж стиральных порошков составляет более чем 3 млрд долларов в год.
Проблема Unilever заключалась в том, что распылители функционировали плохо. По словам Стива Джонса, который в 1970-х гг. недолго работал на ливерпульской фабрике, еще не став одним из известнейших специалистов по теории биологической эволюции, распылители постоянно забивались [151]. «С ними вечно возникали проблемы, – говорил Джонс. – Они работали неэффективно, засорялись и выдавали гранулы разного размера».
Для компании Unilever это была важнейшая проблема, и не только потому, что починка распылителей обходилась недешево и отнимала время, но и потому, что страдало качество конечного продукта. Unilever нужен был новый, более эффективный распылитель. Срочно.
Руководство компании обратилось к первоклассной команде математиков. Уже в то время эта компания была богатой и могла позволить себе нанять самых умных и выдающихся специалистов. Это были не просто математики, а эксперты по системам высокого давления, динамике жидкостей и другим аспектам химического анализа. Особенно плотно они занимались физикой «фазового перехода» – процессами, управляющими переходом материи из одного агрегатного состояния (жидкость) в другое (газ или твердое тело).
Эта команда занималась тем, что сегодня называют «рациональным проектированием». Именно к таким людям мы, как правило, обращаемся, когда нам нужно решить некую проблему, будь она экономической, технической или политической: наймите правильных людей с правильным образованием, и вы получите оптимальный план действий.
Математики еще глубже погрузились в проблемы фазового перехода и стали решать замысловатые уравнения. Они проводили собрания и семинары. Наконец, потратив немало времени, они создали проект нового типа распылителя.
Вы явно догадались, что было дальше: этот распылитель не работал. Он продолжал засоряться. Гранулы из него выходили по-прежнему разнородные. Он был неэффективным.
Почти в отчаянии менеджеры Unilever обратились к команде биологов. Эти люди почти не разбирались в динамике жидкостей. Они ни за что не сумели бы распознать фазовый переход. У них, однако, имелось кое-что более ценное – глубинное понимание взаимоотношений между неудачей и успехом.
Они взяли десять распылителей, чуть переделали каждый и принялись их тестировать. «Одни распылители были длиннее, другие короче, в одних отверстие было побольше, в других поменьше, внутри могли быть добавлены желобки, – говорит Джонс. – Каждый работал чуть лучше оригинала, но совсем незначительно».
Затем биологи взяли «победивший» распылитель, создали десять его чуть измененных копий и повторили процесс. Они повторяли его еще много раз. На 45-м поколении, после 449 «неудач», биологи получили распылитель, работавший просто великолепно. Он функционировал «во много раз лучше оригинала».
Вверху – исходный распылитель. Внизу – распылитель, полученный в 45-м поколении, после 449 забракованных моделей. Его форму не смог бы предсказать ни один математик.
Двигателем прогресса был не тщательно разработанный план (плана вообще не было), а ускоренное взаимодействие с реальностью. Один отличный распылитель был получен в процессе тестирования – и отбраковки – 449 неудачных.
2
До сих пор мы говорили о том, что обучение на ошибках состоит из двух основных частей: во-первых, вам нужна правильная система – та, которая превращает неудачи в двигатель прогресса, во-вторых, вам нужен образ мысли, который позволит такой системе процветать.
В предыдущей части речь шла об образе мысли. Когнитивный диссонанс случается, когда ошибки слишком ужасны, чтобы их можно было признать, поэтому их либо переосмысляют, либо игнорируют. Это своего рода внутренний страх перед неудачей: мы опасаемся признавать собственные ошибки.
В двух последних частях книги мы вернемся к этой животрепещущей проблеме. Мы посмотрим на то, как создается профессиональная культура, в которой ошибки не переосмысляются и не замалчиваются, а превращаются в движущую силу прогресса. Мы также рассмотрим внутренний страх перед неудачей – страх оказаться несправедливо обвиненным или наказанным, тоже препятствующий обучению на ошибках.
В конечном счете мы увидим, что сильная, гибкая, ориентированная на развитие культура выстраивается на специфическом психологическом фундаменте. Изучим мы и конкретные примеры передовых компаний, спортивных команд и даже школ, которые внедряют у себя подобную культуру.
Однако сейчас настало время рассмотреть другую часть уравнения – ту, что описывает систему. Мы уже касались этой темы, когда приводили примеры учреждений и областей, успешно учащихся на своих ошибках, в их числе авиация и Virginia Mason Health System. Давайте разберем богатую теоретическую основу, на которой базируются подобные примеры. Мы увидим, что все системы, которые учатся на ошибках, обладают определенной структурой, которую можно обнаружить в разных областях, – это и живая природа, и искусственный интеллект, и наука. Мы изучим способы, которыми эту структуру внедряют у себя самые передовые организации мира – часто с потрясающими результатами.
Именно эта структура чудесным образом проявляется в примере с Unilever. История с распылителем в первую очередь показывает, какой силой обладает проверка. Хотя биологи ничего не знали о физике фазового перехода, они сумели разработать более эффективный распылитель, испытывая распылители разной формы, отбраковывая плохо функционирующие модели и изменяя лучший распылитель каждого поколения.
То, что биологи выбрали именно эту стратегию, – вовсе не случайность: она отражает изменения, которые происходят в живой природе. Эволюция – процесс, который проводит «испытания на надежность», называемые в биологии естественным отбором. Более приспособленные организмы чаще выживают и размножаются, и потомство наследует их гены, подверженные изменениям в ходе случайного процесса – мутации. Как и в случае с распылителем Unilever, это система, которая совершенствуется методом проб и ошибок.
В одном аспекте неудачи подобной системы отличаются от неудач, которые мы наблюдали в авиации, здравоохранении и системе уголовного правосудия. Биологи понимали, что потерпят множество неудач, более того, они сознательно пошли на это, чтобы разобраться, какие модели работают, а какие нет. В авиации никто не совершает ошибки сознательно. Там главное – свести число катастроф к минимуму.
Однако, несмотря на разницу, есть и существенное сходство. Неудачи в авиации дают толчок к реформам. Ошибки – неотъемлемая часть процесса изменения, и речь идет не только о настоящих катастрофах и авариях, но и о тех, что случаются в симуляторах, и о ситуациях, близких к аварийным. Аналогичным образом отбракованные распылители помогали усовершенствовать конструкцию. У всех таких ошибок есть важная закономерность: они – часть процесса адаптации, состоящего из распознания неудачи и реакции на нее.
Процесс эволюции так могуч потому, что он имеет нарастающую природу. Ричард Докинз приводит иллюстрацию к понятию нарастающего (кумулятивного) отбора в своей замечательной книге «Слепой часовщик» (The Blind Watchmaker). Он предлагает нам вообразить обезьяну, которая пытается, стуча по клавишам, набрать фразу из «Гамлета»: «Methinks it is like a weasel» («Сдается мне, что оно похоже на горностая»). Шансов на то, что обезьяна случайно наберет эти слова, очень мало.
Если обезьяна бьет по клавишам наугад и у нас есть 27 символов (26 букв латинского алфавита плюс пробел), первый символ она угадает с вероятностью 1/27, второй – тоже с вероятностью 1/27 и т. д. Значит, первые три буквы совпадут с текстом Шекспира с вероятностью 1/27 × 1/27 × 1/27. Это один шанс из 19 683. Вероятность угадать все 27 символов составляет один шанс на 10 тысяч миллионов миллионов миллионов миллионов миллионов миллионов.
Теперь представим себе, что у нас есть механизм отбора (то есть испытание на надежность), причем отбор этот нарастающий. Докинз написал для этого компьютерную программу. Первые несколько попыток набрать правильную фразу абсолютно случайны, точно как в примере с обезьяной. Но после этого компьютер распознает различные бессмысленные сочетания символов, чтобы определить, какое из них ближе прочих, пусть и на малую толику, к фразе, которая должна получиться в финале. Все прочие сочетания компьютер отбрасывает. Затем он произвольным образом меняет сочетание, прошедшее отбор, и распознает новое поколение сочетаний. И так далее.
Первое поколение было таким:
WDLTMNLT DTJBSWIRZREZLMQCO P
После десяти поколений, в ходе которых программа модифицировала исходную фразу так и сяк, Докинз получил такое сочетание:
MDLDMNLSITJISWHRZREZ MECS P
После двадцати поколений фраза выглядит так:
MELDINLS IT ISWPRKE Z WECSEL
После тридцати поколений сходство с искомой фразой можно заметить невооруженным глазом:
METHINGS IT ISWLIKE B WECSEL
К сорок третьему поколению компьютер выдает правильное сочетание символов. Для того чтобы прийти к этому результату, понадобилось несколько секунд.
Таким образом, нарастающий отбор работает, если существует некая форма «памяти», то есть если результаты одного отборочного теста учитываются в ходе следующего и т. д. Это столь мощный процесс, что в природе благодаря ему появляется «иллюзия замысла»: животные выглядят так, будто их создал некий сверхразум, хотя на деле они созданы слепым процессом эволюции.
Отголосок этой иллюзии есть и в примере с распылителем. Итоговая модель распылителя столь хорошо приспособлена к созданию порошкообразного моющего средства, что невольно закрадывается мысль: не приложил ли к ней руку некий умелый дизайнер? В действительности, как мы видели, биологи не занимались «дизайном» в принципе. Они просто использовали силу эволюционного процесса.
В мире есть немало систем, по сути своей эволюционных. Не случайно многие величайшие мыслители [152] последних двух веков отдавали предпочтение системе рыночной экономики: она подражает процессу биологического изменения. Это отмечает и Тим Харфорд в своей книге «Через поражения – к победе. Законы Дарвина в жизни и бизнесе» (Adapt: Why Success Always Starts with Failure) [153]. Адаптации системы способствуют различные компании, которые конкурируют между собой, причем одни из них гибнут, а другие выживают. Вот почему рынки – если, конечно, они правильно регулируются – решают проблемы столь эффективно: они воспроизводят беспрерывный процесс отбора методом проб и ошибок.
Эквивалент естественного отбора в системе рынка – банкротство. Прогорая, компания отбраковывается примерно так же, как неэффективная модель распылителя. Оказывается, что какие-то компоненты, будь то продукт, цена, стратегия, маркетинг, менеджмент, производственный процесс или что-то еще, у конкурента были более эффективными. Более слабые идеи и продукты отбрасываются. Успешные идеи тиражируются другими компаниями. Эволюция системы, как и эволюция модели распылителя Unilever, осуществляется благодаря нарастающему отбору.
Следовательно, разорение компаний в условиях свободного рынка – это не дефект системы и не плачевный побочный продукт конкуренции; напротив, это неотъемлемая часть любого эволюционного процесса. По статистике, каждый год банкротятся 10 % американских компаний [154]. Экономист Йозеф Шумпетер назвал данный процесс «созидательным разрушением».
Сравните эту ситуацию с централизованно планируемой экономикой, в которой банкротств почти и не бывает. В такой экономике фирмы защищены от провала государственными субсидиями. Правительство также защищено от провала печатным станком, который может увеличить денежную массу и тем самым уберечь страну от нехватки денег. На первый взгляд может показаться, что столь просвещенная система – шаг вперед на пути решения проблемы экономически выгодного производства, распределения и обмена. Никто никогда не обанкротится, а значит, все по определению успешны.
Но именно поэтому плановая экономика толком не работает. Ею руководят умные планировщики, они решают, сколько зерна производить и сколько стали добывать. Для получения оптимальных результатов они производят сложные расчеты. При этом они сталкиваются с той же проблемой, которая привела к неудаче математиков Unilever: какими бы замечательными ни были их идеи, они недостаточно быстро проходят испытания – и, когда случаются ошибки, реформировать экономику крайне сложно.
Даже если планировщики в десять раз умнее бизнесменов, действующих в условиях рыночной экономики, все равно они останутся позади. Не проходя испытаний на прочность, система становится негибкой. В условиях рынка, напротив, тысячи мелких неудач обеспечивают системе плавное движение вперед и в каком-то смысле направляют ее. Когда одни бизнесмены банкротятся, другие учатся на их ошибках, система порождает новые идеи, а в конечном счете выигрывает потребитель.
Похожим образом катастрофы в авиации – трагедии для пассажиров, которые летели в разбившихся самолетах, – повышают тем не менее безопасность будущих полетов. Неудача дает толчок к осмысленным переменам.
Нельзя сказать, что рынки совершенны. У рыночной экономики немало проблем: монополии, сговоры, неравенство, фиксированные цены, компании, которые слишком велики, чтобы обанкротиться, и потому гарантированно защищены деньгами налогоплательщиков. Все эти явления препятствуют процессу адаптации. Но основной принцип остается прежним: рынки функционируют не вопреки многочисленным неудачам бизнесменов, а благодаря им.
Испытание на прочность и обучение на ошибках идут на пользу не только системам, но и отдельным организациям. Так, немало передовых компаний мира рассматривают разработку стратегии сквозь призму основных уроков эволюционной теории. Впрочем, опыт биологов Unilever, искавших ответ вслепую, используют немногие – искать таким способом решение сложной проблемы слишком долго.
Вместо этого компании проводят серию тщательно продуманных испытаний, проверяют свои допущения и используют извлеченные
уроки для разработки стратегии. Речь о смешении подхода «сверху вниз» (как у математиков) с подходом «снизу вверх» (как у биологов): уже имеющееся знание сочетается со знанием, которое компании получают, обнаруживая слабые места в прежних концепциях. Требуется мужество для того, чтобы иметь убеждения, и смирение, чтобы сразу тестировать их на прочность и быстро адаптироваться к ситуации.
Отголоски этих идей можно наблюдать в процессе изменения технологий. Принято считать, что развитие технологии происходит сверху вниз. Ученые проводят исследование общего плана, из которого рождается научная теория, впоследствии она используется более практичными людьми для создания механизмов, устройств и прочих технологий.
Эту модель, иногда называемую линейной, можно представить в виде простой схемы: Исследования и теория → Технология → Практическое приложение.
Например, традиционно считается, что промышленная революция во многом вдохновлялась произошедшей до нее научной революцией: идеи Бойля, Гука и Локка воплотились в конечном счете в механизмы, которые изменили мир.
Проблема линейной модели в том, что почти во всех сферах человеческой деятельности она очень сильно принижает роль испытаний «снизу вверх», при котором практика влияет на теорию, и обучения того типа, которое практиковали биологи Unilever. Теренс Кили, ученый-практик, в книге «Экономические законы научного исследования» (The Economic Laws of Scientific Research) развенчивает традиционное описание промышленной революции:
В 1733 г. Джон Кей изобрел самолетный челнок, который механизировал ткачество, а в 1770 г. Джеймс Харгривс сконструировал «Дженни», первую прядильную машину периодического действия, которая механизировала прядение. Эти нововведения в текстильной технологии вкупе с изобретениями Уайатта и Пауля (прядильная машина, 1758) и Аркрайта (прядильная машина с водяным двигателем, 1769) предвосхитили индустриальную революцию, однако с наукой у них не имелось ничего общего: этобыли эмпирические достижения, основанные на методе проб и ошибок и экспериментах умелых специалистов, пытавшихся увеличить производительность труда, а значит, и прибыль своих фабрик [155].
Обратите внимание на последнее предложение: все эти изменившие мир механизмы, как и распылитель Unilever, разработаны методом проб и ошибок. Дилетанты и ремесленники, люди практического ума, решавшие практические проблемы, разрабатывали конструкцию этих машин, экспериментируя, ошибаясь и учась на своих ошибках. Они не до конца понимали теорию, которая лежала в основе их изобретений. Они не смогли бы рассказать о них на языке науки. Однако им, как и биологам Unilever, это было попросту не нужно.
Здесь схема, отражающая причинно-следственные связи в инновациях, может дать сбой. Возьмем первый паровой двигатель для водяного насоса. Его сконструировал Томас Ньюкомен, не слишком грамотный провинциальный баптистский проповедник и торговец скобяными изделиями. Впоследствии этот двигатель был усовершенствован Джеймсом Уаттом. Оба изобретателя основывались на интуиции и практике. Но успешно работающий двигатель ставил важный вопрос: почему он все-таки работает (вопреки всем известным тогда законам физики)? Эта проблема вдохновила французского физика Николя Леонара Сади Карно, и он сформулировал законы термодинамики. Метод проб и ошибок породил технологию, которая породила теорию. Линейная модель наоборот.
В прекрасной книге «Антихрупкость» Нассим Николас Талеб показывает, что линейная модель неверна (или по меньшей мере вводит нас в заблуждение), чему есть множество примеров – начиная с кибернетики и деривативов (производных финансовых инструментов) и заканчивая медициной и созданием реактивного двигателя. Во всех этих случаях, как показывает история, новшества возникали в результате действий, аналогичных действиям биологов компании Unilever, а затем они оформлялись в эмпирически полученные и практически применимые технологии. Зачастую проблемы были слишком сложны, чтобы их можно было решить на уровне теории или чертежа или на семинаре в аудитории университета. Такие проблемы решались людьми, которые ошибались, учились на своих ошибках и ошибались вновь.
Особенно интересно в этом плане посмотреть на архитектуру: широко распространено убеждение, будто древние сооружения вроде соборов с их необычайными формами и деталями создавались благодаря формальной геометрии Евклида. Как еще могли древние возвести эти величественные здания? На самом деле геометрия не играла тут почти никакой роли. Как показывает Талеб, почти однозначно можно сказать, что, наоборот, практическая мудрость древних зодчих вдохновила Евклида на сочинение «Начал», чтобы формализовать то, что уже было известно строителям.
«Взгляните на трактат Витрувия „Об архитектуре”, библию архитекторов, написанную через триста лет после евклидовских „Начал”, – пишет Талеб. – В этом трактате почти нет опоры на геометрию и Евклид, само собой, не упоминается. По большей части Витрувий пишет об эвристике, о том типе знания, которое архитектор передает своим ученикам… При этом строители как-то рассчитывали сопротивление материала, которое мы сегодня рассчитываем при помощи уравнений, и старинные здания по большей части стоят до сих пор» [156].
Эти примеры вовсе не доказывают, что теоретические знания бесполезны. Как раз наоборот. Теоретическое обоснование важно даже для чистых практиков, решающих деловые задачи. Очень часто бывает так, что новые теории приводят к важнейшим технологическим прорывам (скажем, атомная бомба – это следствие появления теории относительности).
Главная проблема – скорость. Изменения теории сами по себе происходят благодаря механизму обратной связи, как мы и отметили в третьей главе: наука учится на ошибках. Но когда теория терпит неудачу, скажем, математики Unilever оказываются неспособными создать модель эффективного распылителя, требуется время на то, чтобы создать новую теорию, которая объясняла бы все явления в данной области. Для получения практического знания нужно просто попробовать деталь другой формы. Подстройка, доработка, обучение на практических ошибках хороши тем, что дают быстрый результат. Теоретические прорывы могут быть чудесными, но случаются крайне редко.
В итоге технический прогресс – это сложное взаимодействие между теоретическим и практическим знанием: каждое из них поддерживает другое в восходящей спирали. Однако мы часто не обращаем внимания на беспорядочный, повторяющийся, идущий снизу вверх аспект таких перемен – нам легче рассматривать изменения мира, так сказать, сверху вниз. Мы стараемся понять его сверху, а не постичь снизу.
Эта тенденция достаточно ярко заметна, среди прочего, в истории искусственного интеллекта. Когда в ходе знаменитого матча 1997 г. гроссмейстер Гарри Каспаров проиграл компьютеру Deep Blue, знаменитая «победа машины» вызвала к жизни настоящую бурю. Эта победа сплошь и рядом объяснялась тем, что «компьютеры умнее людей».
Между тем по-настоящему удивительным было то, что Каспаров продержался так долго. Люди способны анализировать три хода в секунду, не более. Deep Blue за то же время просчитывал 200 млн ходов. Он спроектирован так, чтобы изучать множество различных возможностей. Однако, и это самое важное, компьютер не в состоянии анализировать все потенциальные ходы из-за слишком большого количества комбинаций (шахматы характеризуются высоким уровнем сложности). Более того, хотя программа Deep Blue содержала немало шахматной премудрости, она не позволяла компьютеру учиться на собственных ошибках после каждой следующей игры.
Все это давало Каспарову скромный шанс на нелегкую победу, поскольку у гроссмейстера было кое-что, чем компьютер похвастать не мог: практическое знание, полученное методом проб и ошибок. Взглянув на расстановку фигур на доске, Каспаров благодаря большому опыту оценивал положение и сразу выбирал ход. Именно это практическое знание почти привело его к победе, несмотря на вопиющую разницу между быстро считающей машиной и медленно считающим человеком. Deep Blue выиграл со счетом 3½: 2½.
Но с тех пор искусственный интеллект развился [157]. Одна из популярных идей сегодня – это обучение на основе временных разностей (temporal difference learning, или TD-обучение). Разработчики программы TD-Gammon, умеющей играть в нарды, не стали закладывать в нее описания разных партий или возможность анализировать большое число ходов. Программа делает ход и предсказывает развитие ситуации, после чего сравнивает свои выводы с тем, как противник отреагировал на самом деле. Так программа совершенствует свои прогнозы от игры к игре.
По сути TD-Gammon работает методом проб и ошибок. Она выработала практические знания, круглыми сутками играя в нарды сама с собой. Когда она начала играть с людьми, то победила лучших игроков в мире. Программное обеспечение, позволившее машине учиться на ошибках, весьма сложно, но главное преимущество компьютера в том, что он никогда не спит и может практиковаться постоянно.
Другими словами, он может чаще терпеть неудачи.
3
Прежде чем перейти к тому, как применять все вышесказанное на практике и в какой форме мы можем воспроизвести эволюционный процесс в бизнесе и в частной жизни, ответим на сразу же возникающий вопрос: разве не очевидно, что мы должны проверять наши предположения, если это можно сделать с приемлемыми затратами? С чего бы бизнесменам, политикам и спортсменам поступать по-другому?
Увы, как выясняется, на пути проб и ошибок встает мощное препятствие, барьер, который не дает многим из нас использовать эволюционный процесс себе во благо. Суть этого барьера очень проста, хотя его влияние на нашу жизнь удивительно велико. Если говорить вкратце, мы устроены так, что считаем мир куда проще, чем он есть. А если мир прост, зачем беспокоиться и проводить какие-либо проверки? Если мы уже знаем ответы, потребность в сомнениях бессмысленна.
Стремление недооценивать сложность всего того, что происходит вокруг нас, – хорошо изученный аспект человеческой психологии; за ним стоит в том числе так называемое искажение нарратива (повествования). Этот термин придумал философ Нассим Николас Талеб. Искажение нарратива изучено нобелевским лауреатом Даниэлем Канеманом. Оно относится к нашей склонности придумывать истории о том, что мы видели, после события.
Вы наблюдаете искажение нарратива в действии, когда экономист в вечерних новостях объясняет, почему в течение дня рынки вели себя именно так, а не иначе. Аргументы экономиста часто кажутся безупречными. Они интуитивно понятны и изложены в удобоваримой форме. Но сразу возникает вопрос: если поведение рынков легко объяснить, почему экономист не в состоянии предсказать, какой будет ситуация на рынках завтра? Почему он всегда догоняет уходящий поезд?
Еще один пример искажения нарратива, на сей раз из области спорта. В декабре 2007 г. итальянец Фабио Капелло был назначен главным тренером английской сборной по футболу. Капелло превыше всего ставил дисциплину. Он требовал от игроков являться на собрания за пять минут до начала, заставлял их отключать мобильные телефоны и даже запретил кетчуп в столовой. Обо всех этих действиях много писали в прессе. Психологи называют это «привлечением внимания». Что до результатов, они поначалу были весьма неплохими.
Спортивные журналисты, почти как экономисты в вечерних выпусках новостей, стали писать о простой и убедительной истории успеха футбольной сборной: команда преуспевала благодаря авторитарному стилю Капелло. Наконец-то появился тренер, который готов дать нашим футболистам хорошего пинка! В кои-то веки сборную тренирует человек, призвавший этих халтурщиков к дисциплине! Один льстивый газетный заголовок гласил: «Босс!»
Однако на Кубке мира FIFA, главном футбольном чемпионате мира, Англия провалилась. Сборная еле справилась с отборочными соревнованиями и выбыла из борьбы, когда Германия разгромила ее со счетом 4: 1. В мгновение ока нарратив изменился. Капелло слишком строг! Футболистам игра больше не в радость! Итальянец обращается с нашими игроками как с детьми! Многие футбольные журналисты и не заметили, что пытаются объяснить новые факты теми же самыми причинами.
Власть искажения нарратива над людьми велика. Мы с такой легкостью применяем готовые схемы к тому, что видим, и стремимся объяснить то, с чем сталкиваемся, что можем «объяснить» взаимоисключающие результаты одной и той же причиной, не замечая при этом никакого противоречия.
В действительности неудачи английской футбольной сборной были обусловлены вовсе не направленными на саморекламу действиями Капелло, а множеством факторов, предвидеть которые в принципе невозможно. Вот почему спортивные журналисты – большие мастера объяснять после матча, почему команды выиграли или проиграли, – ничуть не лучше любителей прогнозируют победу или поражение до события. Даниэль Канеман говорил:
Искажения нарратива возникают из наших бесчисленных попыток разобраться в законах жизни. Рассказы-толкования, которые мы находим убедительными, обычно просты и скорее конкретны, нежели абстрактны. В них большая роль отводится таланту, глупости или расчету, нежели удаче. Рассказчик при этом выделяет исключительные события, которые состоялись, и забывает о множестве других, несостоявшихся. По сути, любое заметное происшествие дает начало каузальному нарративу [158].
Только подумайте, что это означает на практике. Полагая, что мир прост, мы ожидаем, что для понимания происходящего не нужно ни проверять истинность наших знаний, ни учиться на собственных ошибках. Искажение нарратива, по сути, заставляет нас думать, что мир познаваем сверху, в теории, а не снизу, на практике. В результате мы доверяем своим ощущениям и знаниям, а также историям о препятствующих нам проблемах – историям, которые мы рассказываем сами себе, – вместо того чтобы проверить наши гипотезы на прочность, увидеть их слабые места и чему-то научиться.
Склонность искажать нарратив, в свою очередь, меняет психологическую динамику организаций и систем. Как мы видели, многим людям очень трудно признавать собственные неудачи, а значит, на них учиться. Мы говорили о когнитивном диссонансе, который становится таким сильным, что мы часто переосмысляем наши ошибки, закрываем на них глаза, а иногда и редактируем воспоминания о них.
Вспомним о биологах, работавших на компанию Unilever. Они не считали забракованные распылители своими неудачами, наоборот, те были неотъемлемой частью процесса обучения. Без отвергнутых моделей осуществить стратегию нарастающего отбора было бы невозможно, как невозможно осуждать биологов за то, что они потерпели столько неудач. Ученые знали, что неудач будет очень много, оттого «брак» их не беспокоил.
Но когда мы заблуждаемся, полагая мир проще, чем он есть на деле, мы не только противимся проверке на прочность наших стратегий и теоретических предпосылок – мы еще и защищаемся изо всех сил, когда их ставят под сомнение люди или новые факты. Ведь если мир прост, нужно быть на редкость тупым, чтобы этого не понимать.
Вернемся на миг к тому, что отличает авиацию от здравоохранения. В авиации принято уважать сложность. Пилоты и системные эксперты прекрасно осознают, что имеют дело с миром, который не понимают – и до конца не поймут никогда. Неудачи они рассматривают как неизбежный результат несовпадения сложности системы и их способности понять эту сложность.
В итоге неприятие ошибок уменьшается, желание проверять гипотезы с помощью симуляторов и чего угодно увеличивается, а возможность высказаться на болезненную тему воспринимается как «безопасная». Вся система работает на предотвращение неудач, на то, чтобы сделать все возможное, чтобы ошибки не совершались, и параллельно все понимают, что неудачи, в каком-то смысле, – это «нормально».
В здравоохранении дело обстоит совсем по-другому. На ошибки смотрят не как на неизбежное последствие сложности, а как на приговор тем, кто их совершил, особенно если речь идет об опытных врачах, самооценка которых основана на сознании своей непогрешимости. Сложно говорить о том, что сделано что-то не то, когда в игру вступает раздутое самомнение. Результат прост: система не эволюционирует.
Теперь обратимся к практике, в частности к стремительно развивающейся сфере высоких технологий.
4
Дрю Хаустон был подавлен. У юного программиста из штата Массачусетс была идея для стартапа, нового проекта в области высоких технологий. Хаустон хотел предложить клиентам сетевое хранилище данных, позволяющее делиться файлами онлайн: ваши файлы быстро загружаются, после чего их можно скачивать с любого компьютера или другого устройства.
Хаустон придумал этот проект, когда ехал на автобусе из Бостона в Нью-Йорк. Открыв ноутбук, он обнаружил, что забыл флешку, а значит, не мог сделать работу, которой планировал заняться. «Со мной был длинный список дел, которые требовалось сделать. Я пошарил по карманам и понял, что флешка осталась дома, – рассказывал он. – Я подумал: не хочу снова сталкиваться с такими проблемами!» [159]
Он был так зол на себя, что тут же начал писать программу, которая избавила бы его от необходимости носить с собой запоминающие устройства. Затем он понял, что в результате могут выиграть все. «Это была не только моя проблема; с ней сталкивались все, кого я знал, – говорил Хаустон. – Из ее решения вполне могла получиться популярная услуга».
Он стал обивать пороги компаний, специализирующихся на венчурных инвестициях, но все они отвечали одно и то же: на рынке хранилищ данных фирм и так достаточно. Хаустон объяснял, что услугами этих фирм мало кто пользуется – существующие хранилища неудобны и закачивают файлы слишком долго. С более продуманной услугой все будет по-другому, говорил он. Но денег ему не давали.
«Собрать первоначальный капитал было непросто, – говорил Хаустон. – Инвесторы говорили: компаний, предлагающих хранить файлы в Сети, сотня или больше, зачем миру еще одна такая фирма? А я отвечал: да, таких компаний немало, но скажите, вы пользуетесь услугами хоть одной из них? И они неизменно отвечали: нет…»
Хаустон был достаточно умен, чтобы понимать: его идея вполне может оказаться неудачной. Гарантировать популярность услуги у клиентов никто не в состоянии. Тем не менее Хаустон был уверен в себе и хотел опробовать идею на практике. Однако через год он стал сомневаться в том, что ему дадут это сделать. Он был близок к отчаянию.
Оставим на время Хаустона и взглянем на двух других предпринимателей в области высоких технологий – Андре Ванье и Майка Слеммера, которые бились над проблемой иного рода. Они хотели запустить бесплатный информационный онлайн-сервис 1–800–411-SAVE. У них, в отличие от Хаустона, имелись средства на разработку программного обеспечения. Увы, как пишет Питер Симс в книге «Мелкие ставки» (Little Bets), представления Ванье и Слеммера о том, каким именно должно быть это программное обеспечение, сильно отличались [160].
Ванье, бывший консультант компании McKinsey, считал, что необходимо долго и тщательно работать над программами, чтобы те получились идеальными и сразу смогли удовлетворять потребности миллионов пользователей, которых они со Слеммером надеялись привлечь. Ванье полагал, что программисты их компании, будучи умными и талантливыми людьми, разработают эффективное программное обеспечение без ошибок, если дать им достаточно времени. Это традиционный взгляд на написание программ: упор делается на строгое планирование сверху вниз.
У Слеммера была другая точка зрения. Он уже создал две компании в области высоких технологий и понял кое-что очень важное: разработать идеальное программное обеспечение с первого раза практически невозможно. Только когда сервисом начинают пользоваться, испытывая его возможности, можно заметить ошибки и изъяны, которые до того не выявишь, сколько ни пытайся. Тестируя программу и действуя методом проб и ошибок, ты получаешь информацию, которая в итоге обеспечивает развитие. Слеммер спросил Ванье: с какой стати тот пытается ответить на все вопросы, когда программой еще никто не пользуется?
Спор Слеммера и Ванье отражает разницу между биологами и математиками компании Unilever (а на более абстрактном уровне – разницу между идеей прогресса по Кили и представлениями, что прогресс возникает из-за новых теорий): концепция «сверху вниз» против концепции «снизу вверх». Ванье хотел делать все по плану, а Слеммер хотел сразу начать испытания продукта и впоследствии совершенствовать программу, оперативно получая обратную связь от клиентов. Он желал проверить свои предположения.
Победили доводы Слеммера. Уже на ранней стадии разработки компания предложила клиентам испытать программу – и смогла быстро устранить недостатки благодаря отзывам тестеров. По мере того как росло количество отзывов, Ванье и Слеммер переписывали всё большие куски исходного кода. В конце концов они создали, по всей вероятности, самый сложный продукт в своей области.
«Несмотря на то что Слеммер и Ванье конкурировали с куда более крупными фирмами, у которых было больше финансовых ресурсов… они всякий раз первыми открывали новые приложения и сервисы, такие как направления дорожного движения и веб-телефон с интегрированными рекламными предложениями, – пишет Питер Симс, следивший за развитием компании. – По словам Ванье, если у него есть возможность запустить десять приложений, пока конкуренты запускают одно, он получит в десять раз больше опыта за счет обратной связи, помогающей понять, что именно с точки зрения покупателей удалось, а что нет» [161].
Эта история намекает на опасность перфекционизма – желания добиться идеального результата с первого раза. Судьба Рика, компьютерного гения из Кремниевой долины, подтверждает это.
Рик хотел создать веб-сервис, позволяющий пользователям размещать в интернете простые текстовые статьи. Эта идея осенила Рика задолго до революции блогов. Он чувствовал возможности этой идеи и работал по 15 часов в день. Вскоре у него появилась рабочая версия сервиса. Однако вместо того чтобы дать пользователям шанс испытать этот сервис, Рик решил, что программное обеспечение будет работать еще лучше, если создать более совершенный язык программирования. Рик проектировал этот новый язык четыре года. Результат был ужасен. Психологи Райан Бабино и Джон Крамбольц писали:
Следующие четыре года Рик все больше увязал в технических деталях и отдалялся от первоначальной идеи. В это время другие бизнесмены создавали блог-платформы, которые не были ни совершенны, ни технологически продвинуты. Разница была в том, что они быстро выпускали свои ущербные сервисы на рынок. При этом они получали обратную связь, благодаря которой совершенствовали сервисы и зарабатывали миллионы долларов [162].
Стремление к идеалу зиждется на двух заблуждениях. Первое коренится в ошибочном убеждении, будто вы можете создать оптимальное решение, сидя в спальне или в башне из слоновой кости и размышляя о чем-то, вместо того чтобы выйти в реальный мир, испытать ваши выводы на прочность – и понять, где вы ошибаетесь. Проблема возникает, если вы считаете, что управлять процессом сверху лучше, чем познавать его снизу.
Второе заблуждение – страх потерпеть неудачу. Мы уже разбирали ситуации, в которых люди ошибаются и затем либо закрывают на неудачи глаза, либо скрывают свои ошибки. Перфекционизм чреват куда худшими последствиями. Вы так долго продумываете концепцию и разрабатываете стратегию, что не разрешаете себе потерпеть неудачу в принципе – до тех пор, пока не становится поздно что-либо менять. Это поведение по принципу заранее замкнутого цикла. Перспектива провала пугает вас так, что вы не решаетесь стать активным игроком.
Дэвид Бейлс и Тед Орланд рассказывают в книге «Искусство и страх» (Art and Fear) о преподавателе гончарного дела, который в первый день учебного года объявил, что поделит класс на две группы. Половине студентов он сказал, что будет оценивать их по критерию количества: в последний день обучения он придет в класс с весами и измерит вес изготовленных ими горшков. Они получат пятерку за 20 кг горшков, четверку за 15 кг и т. д. Другую половину преподаватель оценивал по критерию качества. Эти студенты должны были принести в последний день единственный, лучший свой горшок.
Результаты не заставили себя ждать: все самые качественные горшки сделали студенты, оцениваемые по критерию количества. Вот как объясняют это Бейлс и Орланд: «В то время как “количественная” группа лепила один горшок за другим и в процессе училась на своих ошибках, “качественная” группа предавалась раздумьям о том, как создать совершенный горшок, и в итоге могла предъявить лишь грандиозные теории – и бесполезную кучку глины» [163].
То же можно наблюдать и в политической жизни. Политики часто выступают с теориями (граничащими с идеологией), что, скажем, школьная форма улучшает дисциплину. Они говорят с психологами и обсуждают такие проблемы на встречах на высшем уровне. Это изощренная и бесплодная попытка управлять миром сверху. Заканчивается все бесполезной кучкой глины. Политики должны провести испытания, проверить, какие идеи работают, а какие нет. Чаще идеи будут оказываться неверными, однако именно благодаря этому политики чему-то научатся.
Психологи Бабино и Крамбольц дают советы всем страдающим от проклятия перфекционизма. Они рекомендуют затвердить следующие мантры: «Если я хочу стать великим музыкантом, мне придется сначала играть очень плохо», «Если я хочу стать великим теннисистом, мне придется сначала проиграть множество матчей», «Если я хочу стать великим архитектором, прославившимся минималистическими энергосберегающими проектами, мне придется сначала проектировать огромные и энергозатратные здания».
Понимание того, что к методу проб и ошибок следует переходить уже на ранней стадии бизнес-проекта, породило одну из самых элегантных идей революции в области высоких технологий: бережливый стартап. Данный подход часто описывают сложным предпринимательским языком, но в основе его лежит простая идея: ценность проверки и адаптации. Бизнесмены в области высоких технологий часто выдают великолепные теории. Они могут решать сложнейшие математические задачи во сне. Однако бережливый стартап предлагает им соединить свои способности со знаниями, которые можно получить, обучаясь на ошибках.
Как работает этот подход? Вместо того чтобы долго доводить идею до ума, эти бизнесмены создают «минимально конкурентоспособный продукт» (МКП). Речь о прототипе, который обладает важнейшими свойствами окончательного продукта и может быть протестирован любителями новинок (категория потребителей, которые покупают продукты на ранней стадии их жизненного цикла и влияют на других покупателей).
Такое тестирование отвечает на два важнейших вопроса. Первый – фундаментальный: станут ли люди покупать ваш продукт? Если МКП в значительной степени напоминает окончательный продукт, но никто из любителей новинок не проявляет к нему интереса, можно быть практически уверенным в том, что весь бизнес-план следует отправить в мусорную корзину. Потерпев неудачу на ранней стадии, вы сбережете много денег и времени.
Если МКП – потенциальная удача, по реакции потребителей можно понять, как сделать его еще лучше. Это второй вопрос, на который отвечает концепция бережливого стартапа. Вы поймете, что именно в продукте потребителям нравится, а что нет. Определив слабые стороны проекта, вы сможете изменить его и получить достойный окончательный продукт. Другими словами, ваш бизнес будет развиваться эволюционным путем.
Что возвращает нас к Дрю Хаустону. Его проблема, как мы помним, заключалась в том, что он не мог найти финансирование своему сервису по хранению файлов. Инвесторы не были уверены в том, что идея Хаустона чего-то стоит.
Что еще хуже, создать работающий прототип было практически невозможно. Хаустон знал, что главным преимуществом его сервиса хранения файлов должна была стать совместимость с многочисленными платформами и операционными системами. Чтобы выполнить это требование хотя бы в минимальном объеме, нужно проделать огромную работу, в основе которой лежит глубокое знание разнообразных систем.
Однажды Хаустона осенило. Он осознал, что МКП не обязательно должен быть работающим прототипом. Необходимо воспроизвести лишь главные свойства конечного продукта. С МКП, дающим более-менее полное представление о сервисе, уже можно понять, станет ли сервис востребован покупателями, после чего будет запущен процесс тестирования методом проб и ошибок.
В итоге Хаустон снял видеоролик, демонстрирующий, как именно его сервис будет работать на практике. У Хаустона не было ни программы, ни единого куска кода, но для его МКП они были и не нужны. Как мы решаем, что нам нужен данный сервис? Часто мы видим кого-то, кто пользуется сервисом и очень им доволен, и присматриваемся к тому, что данный сервис делает. Именно этого эффекта Хаустон добился в видеоролике [164].
Писатель и бизнесмен в области высоких технологий Эрик Риз подытоживает:
Видеоролик банален – в течение трех минут нам просто показывают, как работает сервис, – однако важно то, что он нацелен на аудиторию любителей новинок. Мы слышим за кадром голос самого Дрю, который объясняет принцип работы сервиса, и смотрим на экран. Когда Дрю говорит, какие именно типы файлов хочет синхронизировать, мы следим за движениями курсора, подчиняющегося его мыши. Конечно, если приглядеться, станет заметно, что в названиях файлов, которые Дрю перетаскивает по экрану, полно шуток и смешных отсылок – любители новинок оценили их по достоинству [165].
Результат был сногсшибательным. «Ролик привлек к сайту сотни тысяч людей, – говорил Дрю. – Наш список бета-тестеров разросся с 5 тысяч до 75 тысяч имен буквально за одну ночь. Нас подхватил поток» [166].
Хаустон продемонстрировал, что сервис нужен людям. Это позволило ему собрать необходимые средства и уверенно продолжить разработку сервиса. Кроме того, он общался теперь с любителями новинок, получал от них обратную связь и совершенствовал продукт. Именно этим и ценен бережливый стартап.
Ник Суинмёрн создал совершенно другой МКП. Он решил, что миру необходим веб-сайт, на котором можно приобрести стильную обувь. Ничто не мешало Суинмёрну пойти обычным путем: найти миллионы долларов, обзавестись широким ассортиментом, наладить отношения с производителями. Иначе говоря, сотворить с нуля целую компанию – по заранее прописанному плану. Управлять процессом сверху.
Вместо этого Суинмёрн обошел несколько обувных магазинов и в каждом попросил разрешения сделать фотографии товара, чтобы потом разместить их в интернете. Взамен он обещал вернуться и купить товар, если покупатели проявят к нему интерес. В процессе Суинмёрну удалось протестировать так называемую гипотезу ценности: действительно ли покупатели хотят приобретать обувь в интернете? Как оказалось, они не прочь это делать.
Суинмёрн выяснил не только это. Взаимодействуя с покупателями, он узнал много такого, что никак не мог продумать заранее. Ему пришлось иметь дело с возвратом товара, жалобами, онлайн-платежами. «Это не просто маркетинговое исследование, – рассказывает Риз. – Если бы Суинмёрн полагался на существующие маркетинговые исследования или провел опрос, он узнал бы лишь о том, о чем покупатели думают, а не об их реальных предпочтениях. Создав сервис, пусть и самый простой, его компания узнала куда больше» [167].
В 2009 г. Суинмёрн продал свою компанию Zappos интернет-сервису Amazon за 1,2 млрд долларов.
Стив Джобс знаменит своими глобальными замыслами. Его не интересовала обратная связь и последовательное приближение к идеалу – он хотел изменить мир. Мы увидим, как совершаются большие творческие скачки, в десятой главе. В то же время стоит отметить, что, когда дело доходило до стратегических решений, Джобс использовал обратную связь весьма эффективно.
Скажем, в начале 2000-х, выводя Apple на розничный рынок, Джобс не стал покупать сеть магазинов и пытаться сделать так, чтобы система сразу заработала. Вместо этого он купил склад и начал тестировать в нем идеи и догадки – свои и экспертов по рознице. Первый блин вышел комом, как пишут Джим Коллинз и Мортен Хансен в книге «Великие по собственному выбору» (Great by Choice). «Мы поняли: боже, это провал!» – сказал как-то Джобс.
Вместе с Роном Джонсоном, главным экспертом по розничным продажам, Джобс часто менял концепции и испытывал их возможности. Они открыли два магазина в Виргинии и Лос-Анджелесе для проверки идей. И, лишь осознав свои ошибки, они решили открыть большую всеамериканскую сеть магазинов, подчинявшихся единым правилам [168].
Можно провести немало параллелей между бережливым старт-апом и образом действия компаний, которые занимаются инновациями. Технологический конгломерат 3М полагался вначале на новые идеи команды разработчиков продуктов. Те проводили мозговые штурмы, продумывали проблемы, потом создавали готовые продукты и предлагали их конечным потребителям, чтобы посмотреть, как те будут реагировать. Этот процесс казался рациональным, но у него имелся недостаток – он был слишком медленным.
В середине 1990-х компания 3М изменила подход и привлекла к разработке продукта любителей новинок. Сотрудники компании просили их протестировать прототипы, смотрели, как те используют продукты, отмечали, что потребителям нравится, а что нет. Все это позволяло тестировать идеи снова и снова.
Затем 3М сравнила два подхода. Разница была налицо. Питер Симс пишет: «Опубликованное в 2002 г. исследование показало, что стратегия активного вовлечения потребителей в создание и разработку новых продуктов на протяжении пяти лет приносила фирме в среднем 146 млн долларов в год – в 8 раз больше, чем средняя прибыль от новых продуктов, создаваемых традиционным путем, исключительно силами 3М» [169].
Бизнес внедрял и другие подходы, основанные на неудачах. Метод быстрой схватки (agile scrum) и подход «ошибайся часто» (fail-fast) – лишь два из них. Некоторые такие подходы безусловно эффективнее других, но все они объединены тем, что извлекают пользу из тестирования продукта (системы, которые основаны на методе проб и ошибок, сами выигрывают от тестирования методом проб и ошибок). Но подходы не должны применяться в неправильном контексте.
Благодаря этому семейству идей появились самые инновационные продукты и сервисы мира, однако главное в этих подходах – то, что они нарушили исторически сложившееся предпочтение развития сверху вниз перед развитием снизу вверх.
Дрю Хаустон, предприниматель, с истории которого мы начали этот раздел, получил вдобавок важный психологический урок: для того чтобы обернуть неудачу к своей выгоде, нужно быть гибким и открытым. Иными словами, вы должны обладать как правильным менталитетом, так и правильной системой. Тот, кто бежит от ошибок, ничего не добьется. «Это суровый опыт, – говорил Дрю. – Сегодня вы на вершине мира… завтра ошибаетесь по-крупному, падаете и рвете на себе волосы… И вот что главное: правила игры не меняются» [170].
В 2014 г. компания Дрю была оценена более чем в 10 млрд долларов. Она называется Dropbox.
5
Все сделанные нами открытия изящно обобщает одна метафора. Ее породил Дэвид Лэйн, профессор бизнес-школы Хенли и главный эксперт по сложности [171]. По словам Лэйна, сегодня мы используем баллистическую модель успеха, и в этом – наша проблема. Баллистическая модель предполагает, что вы осознаёте цель (создание нового веб-сайта, разработка нового продукта, улучшение существующей политики) и придумываете очень умную стратегию, позволяющую с первого же выстрела попасть в яблочко.
Вы конструируете идеальное ружье. Вы рассчитываете траекторию пули, на которую влияют ветер и сила притяжения. Вы решаете уравнения, чтобы ваша стратегия работала. Затем вы прикидываете, из какого положения следует стрелять, нажимаете спусковой крючок и следите за тем, как пуля летит к мишени.
Этот подход плох по двум причинам. Во-первых, реальный мир сложнее наших представлений о нем, внешние воздействия не сводятся лишь к ветру и притяжению, а переменных и взаимозависимостей столько, что все не учтешь. Возьмите простую политику уменьшения риска различных заболеваний за счет уменьшения содержания смолы и никотина в сигаретах. В теории все выглядит хорошо, особенно при хорошей маркетинговой кампании. Баллистическая стратегия кажется идеальной для достижения важной цели – сохранить людям здоровье.
Но тех, кто воплощает эту идею на практике, ждет провал. Курильщики компенсируют нехватку никотина, выкуривая больше сигарет в день и делая более длительные и глубокие затяжки. Конечный итог – увеличение количества канцерогенов и угарного газа [172]. Вот что происходит в системах, где есть человеческий фактор: последствия непредсказуемы. Потому-то так непросто сформулировать эффективную стратегию сверху, создав универсальный рецепт.
Вторая проблема еще более элементарна. К тому времени, когда вы сконструируете ружье и нажмете на спусковой крючок, цель успеет переместиться. Мир вокруг нас меняется слишком быстро. Все мы видим, как высокотехнологичные продукты устаревают до того, как сходят с конвейера. В будущем подобные процессы наверняка ускорятся.
Что же делать? Профессор Лэйн рекомендует совершенно другую концепцию успеха: подход управляемой ракеты. Конечно же вы хотите сконструировать отличное ружье, навести его на цель и руководствоваться достоверной моделью влияния на пулю различных переменных, таких как ветер и сила притяжения. Но не менее важно правильно реагировать на события, которые произойдут после того, как вы нажмете на спусковой крючок.
Как только пуля покидает ствол и начинает контактировать с внешним миром, в первоначальном плане обнаруживаются ошибки. Оказывается, что ветер дует сильнее, чем вы предполагали, что вдобавок идет дождь, что есть другие неизвестные переменные, взаимодействующие друг с другом и с пулей, и все они не учтены в вашем плане.
Главное здесь – регулировать полет пули, меняя ее траекторию по мере поступления новой информации. Успех зависит не только от размышлений до события, но и от адаптации после события. Чем больше вы сумеете выловить ошибок (то есть отклонений от цели), тем лучше вам удастся выправить траекторию пули. Вспомним про авиацию, биологическую эволюцию и адекватно функционирующие рынки.
Эта метафора иллюстрирует равновесие между развитием сверху вниз и развитием снизу вверх. Если изначальный баллистический план безнадежен, если пуля вылетает из ствола с недостаточной силой, высокоточное наведение не поможет. Но то же самое произойдет, если вы будете полагаться только на баллистический план, как бы совершенен он ни был. Поразить цель можно, только уравновесив стратегию управления сверху и тщательный процесс адаптации снизу. Необходимо совместить то, что мы уже знаем, с тем, чему мы учимся.
В ближайшие десятки лет, утверждает профессор Лэйн, успех будет связан не только с умом и талантом. И то и другое важно, однако ум и талант не должны затмевать понимание того, что с вашей стратегией что-то не так, что ее нужно совершенствовать.
Системы и организации, способствующие накоплению знаний любого рода, будут процветать. Мир высоких технологий постепенно осознает это, однако все остальные, за несколькими героическими исключениями, просто игнорируют истину.
Вспомним еще раз о соотношении неудач и успехов в компании Unilever: 449 провальных попыток против единственной успешной. Часто ли терпела неудачи ваша компания? Можете ли вы это честно признать? А ваш университет? Ваше правительство? Если нет, вы, скорее всего, в цель не попадете.
Расстраиваться тут бессмысленно. Лелеять заветные идеи только потому, что они дороги лично вам, – все равно что добровольно подвергнуть себя окаменению. Как говорил великий британский экономист Джон Мейнард Кейнс: «Получив новую информацию, я меняю свои выводы. Что делаете вы, сэр?»
6
В завершение давайте рассмотрим еще один пример, показывающий, насколько опасно доверять нарративу, вместо того чтобы проверять и учиться. Эта история из области международных отношений показывает, как слепое доверие интуитивному управлению сверху вниз приводит к реальным смертям.
Как известно, в Африке не прекращается эпидемия СПИДа. Существует немало альтернативных подходов к профилактике и лечению этой болезни, и все они кажутся весьма эффективными. В теории они должны приостановить распространение СПИДа на Африканском континенте. Но какой подход более эффективен? Что скажет нам оценка «сверху»?
Вариант № 1. Хирургическое лечение саркомы Капоши, болезни, вызываемой СПИДом.Вариант № 2. Антиретровирусная терапия с целью борьбы с вирусом в зараженных организмах.Вариант № 3. Профилактика передачи вируса от матери к ребенку во время беременности.Вариант № 4. Раздача презервативов с целью профилактики распространения заболевания.Вариант № 5. Просвещение групп риска.
Все варианты кажутся неплохими, верно? Можно представить себе, как все эти идеи привлекают средства благотворителей, как появляются веб-сайты и глянцевые проспекты, приводящие слова благодарности тех, кому помогла соответствующая программа, как в Сети размещаются видеоролики… Так действуют почти все благотворительные фонды. И если смотреть в этой плоскости, вы, скорее всего, отдадите ваши деньги фонду с самым убедительным нарративом. В отсутствие информации нарратив – все, чем мы располагаем.
Соотношение стоимости и эффективности на каждую тысячу долларов
Вот почему мы должны проводить тестирование идей, проверять свои догадки и выявлять искажения нарратива, на которых они зачастую основаны. Когда варианты борьбы со СПИДом протестировали на практике, оказалось, что различные программы, выглядящие столь безукоризненно, дают абсолютно разные результаты. Причем одна программа лучше другой не в два, пять или десять раз. Лучший вариант эффективнее худшего в 1400 раз! [173]
Как видно на графике, лечение саркомы Капоши дает практически незаметный результат.
Отсюда видно, что правы влиятельные активисты, утверждающие, что в благотворительности главное – не собрать побольше денег, а провести исследование и выяснить, какие методы годятся, а какие нет, и учиться на ошибках. Вместо того чтобы доверять нарративу, стоит задействовать силу эволюционного механизма.
«Пренебрегая эффективностью, мы можем потерять не 10–20 % потенциального бюджета проекта, связанного со здравоохранением, а все 99 %, – заметил оксфордский философ Тоби Орд. – На практике это иногда сотни, тысячи, а то и миллионы лишних смертей, причина которых – ошибочные приоритеты. Даже если это не вопрос жизни или смерти, тысячи или миллионы людей могут стать инвалидами и не получить лечения» [174].
Беда не только в том, что благотворители не осведомлены об эффективности альтернативных подходов, – часто ничего не знают о них и сами фонды. Искажение нарратива – истории спасенных и свидетельства тех, кому программа помогла, – действует на руководителей фондов так же хорошо, как и на рядовых жертвователей. Зачем собирать информацию, если можно встретиться и поговорить с людьми, чьи жизни были спасены?
Но если знать, что существуют и другие способы, спасающие больше жизней – иногда сотни или даже тысячи, – одной веры будет недостаточно. Только тестируя ту или иную программу, мы получаем обратную связь, которая движет прогресс и, в случае с благотворительными фондами, спасает чьи-то жизни.
Парадокс, но один статистический показатель работы благотворительных фондов, который очень любят принимать во внимание жертвователи, действительно может ввести их в заблуждение. Это так называемое соотношение накладных расходов, которое показывает, каковы административные расходы в сравнении с расходами на благотворительность. Большая часть жертвователей ищет фонды, в которых это соотношение низкое: люди хотят, чтобы их деньги расходовались на благое дело, а не обогащали персонал.
Поскольку тестирование программы лечения – это административные расходы, а не собственно лечение, получается, что у фондов вообще нет стимула тестировать свои программы. Орд пишет: «Со стороны может показаться, что фонды точно знают, какой способ лечения – самый эффективный. Но часто они об этом понятия не имеют, ведь анализировать программу лечения – значит повышать накладные расходы, а они этого не хотят. Кроме того, фонды просто не в курсе имеющейся статистики» [175].
Орд создал организацию, которая призывает отдавать 10 % дохода на благотворительность – но лишь на проекты, которые зарекомендовали себя как успешные [176]. «Наша интуиция часто подводит нас в оценке того, что эффективно, а что нет, – говорит он. – Если мы действительно хотим спасать жизни и уменьшать страдания, нам нужно проверять и учиться».
Назад: VI Реформа уголовного правосудия
Дальше: VIII Испугаться и исправиться?
