Рисунок 3.7
Иллюстрация дилеммы "смещение-вариация" на доске для игры в дартс. Дротики игрока А демонстрируют явное смещение, но лишь небольшую дисперсию, поскольку все дротики находятся в правом нижнем углу "бычьего глаза", но близко друг к другу. Дротики игрока B не показывают смещения, но имеют значительную дисперсию, так как среднее положение дротиков находится в "бычьем глазу", но каждый дротик находится довольно далеко от остальных. По материалам Gigerenzer et al. (2022).
Ошибка предсказания модели состоит из трех компонентов:
Ошибка прогноза = смещение2 + дисперсия + ε
где смещение - это систематическая разница между средним прогнозом модели и истинным значением, дисперсия отражает чувствительность модели к ошибке выборки, а ε - неустранимая ошибка, вызванная случайным шумом. 24 При прогнозировании продаж продукта, например, модель делает прогноз x1 на основе одной случайной выборки наблюдений, x2 - на другой выборке, а xS - на выборке s. Разница между средним значением этих прогнозов и истинными значениями продаж µ - это смещение, а изменчивость этих прогнозов вокруг - дисперсия.
В стабильном мире и при достаточном количестве данных можно найти модель, которая имеет как небольшое смещение, так и небольшую дисперсию. Однако в неопределенном мире и при ограниченном количестве наблюдений обычно возникает дилемма смещения-вариации: Модели с меньшим количеством свободных параметров имеют меньшую дисперсию, но большую погрешность, чем модели с большим количеством свободных параметров, что аналогично контрасту между двумя игроками в дартс. Такие эвристики, как 1/N, one-clever-cue и take-the-best, не имеют ни одного, одного или всего нескольких параметров для оценки. Поэтому, пользуясь меньшими дисперсиями, они часто имеют меньшие ошибки предсказания, чем высокопараметризированные модели, такие как множественная регрессия и байесовские модели. Это преимущество еще больше усиливается в условиях, когда эвристики имеют такое же смещение, как и сложные модели, например, в условиях доминирующей подсказки для эвристики "одна подсказка".
Экологическая рациональность идет рука об руку с адаптивным инструментарием: хорошие специалисты по принятию решений должны иметь как репертуар инструментов для принятия решений, так и способность выбрать инструмент, который хорошо справится с задачей. В следующей части этой книги мы используем это понимание, чтобы более подробно рассмотреть эвристики в адаптивном инструментарии организаций и лидеров, а также их экологическую рациональность.
Примечания
1 . Попомаронис (2021).
2 . EEOC против Consolidated Service Systems (1993).
3 . Серве и Фрингс (2006).
4 . Hertwig et al. (2008).
5 . Коллетт и Лэнд (1975).
6 . Hamlin (2017).
7 . Салл и Эйзенхардт (2015).
8 . Луан и Реб (2017).
9 . Истербрук (2008).
10 . Истербрук (2009).
11 . Луан, Школер и Гигерензер (2014).
12 . McCammon and Hägeli (2007).
13 . Лихтман (2016).
14 . Dawes and Corrigan (1974, p. 105).
15 . DeMiguel, Garlappi, and Uppal (2009).
16 . Hertwig, Davis, and Sulloway (2002).
17 . Артингер и Гигеренцер (2016).
18 . Тодд и Миллер (1999).
19 . Tomasello (2019).
20 . Гальтон (1907).
21 . Грилл-Гудман (2021).
22 . Гигеренцер (2021).
23 . Кацикопулос и Мартиньон (2006).
24 . Брайтон и Гигеренцер (2015).
Часть II
4 Наем и увольнение
Когда компания Coca-Cola наняла Дугласа Ивестера, чтобы заменить Роберто Гоизуету на посту председателя совета директоров и генерального директора, это казалось беспроигрышным вариантом: Ивестера готовил Гоизуета в качестве своего преемника и он прекрасно справлялся с ролью финансового директора и номера 2 в компании. 1 Однако вскоре после начала работы Ивестера в компании стало ясно, что компания совершила большую ошибку: Ивестер был просто катастрофой на посту генерального директора. Хотя он прекрасно разбирался в цифрах и любил все делать упорядоченно, "рационально", ему не хватало лидерских, политических и человеческих качеств. Ивестер враждовал с влиятельными игроками внутри Coca-Cola, а также с ключевыми боттлерами - основной группой населения в экосистеме компании. Он плохо справлялся с кризисами, реагируя на них медленно и не обладая эмоциональным интеллектом. К концу шестнадцатилетнего пребывания Гоизуеты на посту генерального директора рыночная стоимость Coca-Cola была в три раза выше, чем в начале его работы, тогда как во время пребывания Ивестера она практически не двигалась, а прибыль и рентабельность акционерного капитала снизились. Менее чем через три года после того, как он встал у руля, Ивестер был вынужден покинуть компанию по решению основных акционеров. Он ушел с "золотым парашютом" в размере не менее 30 миллионов долларов. 2
Случай Ивестера отнюдь не является исключением. Как внешние, так и внутренние сотрудники часто не оправдывают ожиданий: по некоторым оценкам, 50 % нанятых сотрудников не оправдывают надежд. Хотя эти оценки не являются точными, они свидетельствуют об одном: ошибки при приеме на работу встречаются часто, и, как показывает случай Ивестер, они могут дорого стоить. Издержки, связанные с неправильными решениями о найме, включают
Снижение производительности
Снижение морального духа команды
Расходы, связанные с увольнением, такие как "золотые парашюты" и судебные издержки в случае незаконного увольнения
Расходы на замену
На обратной стороне издержек плохого найма - преимущества найма правильных людей. Сотрудники - человеческий капитал - являются самым главным ресурсом любой организации. Сотрудники принимают стратегические решения (глава 5), стимулируют инновации (глава 6), заключают сделки и разрешают конфликты (глава 7), работают в команде для выполнения организационных задач (глава 8) и обеспечивают лидерство (глава 9). Умение нанимать выдающихся сотрудников - ключевой момент для любой успешной организации.
Более того, последствия решений о найме часто выходят за пределы организации и нанятых людей и распространяются на общество в целом. Например, социальная несправедливость возникает, когда люди из привилегированных слоев общества могут получить карьеру в престижных компаниях и высокооплачиваемую работу благодаря своим личным связям, а соискатели из менее привилегированных слоев - нет. То же самое происходит, когда начальная зарплата женщин ниже, чем у мужчин, или когда меньшинства оказываются в невыгодном положении, несмотря на сопоставимую квалификацию.
Поэтому принятие правильных решений о найме имеет огромное значение. Организации применяют различные подходы, чтобы выявить звездных исполнителей и избежать неудачного найма. Один из таких подходов - эвристика найма по принципу "один-чуть-чуть" Элона Маска из компании Tesla, с которой мы вкратце познакомились в главе 3.
Эвристика найма Элона Маска
При принятии решений о найме организации часто используют стратегию "больше - значит больше": они запрашивают множество информации о соискателях, включая уровень их образования, оценки, рекомендательные письма, личностные качества, результаты тестов на интеллект и опыт работы. 3 Сообщается, что генеральный директор Tesla Элон Маск не так подходил к найму персонала в те времена, когда компания Tesla была еще маленькой и он лично принимал решения о найме. 4 Рассматривая кандидата на работу, он использовал эвристику "один ключ к разгадке", основанную на "доказательствах исключительных способностей": только если он находил убедительные доказательства исключительных способностей, он принимал кандидата на работу. Чтобы определить, обладает ли соискатель исключительными способностями, он задавал следующий вопрос: "Расскажите мне о некоторых наиболее сложных проблемах, над которыми вы работали, и о том, как вы их решали". Это объясняется тем, что для решения очень сложных проблем требуются исключительные способности; кроме того, если допытываться до деталей, как это делал Маск, оценивая ответ кандидата, трудно сфабриковать убедительный ответ на этот вопрос.
Подход к найму, которого придерживается Маск, - быстрый и экономный. Он быстрый, потому что позволяет обойтись без длинных анкет, трудоемких раундов собеседований и дорогостоящих центров оценки. Он экономный, потому что полагается на единственную подсказку. Простоту можно понять из рисунка 4.1 , на котором процесс представлен в виде простого дерева. Дерево имеет только один уровень с двумя ветвями, соответствующими единственному признаку, который использует Маск: исключительные способности.
Рисунок 4.1
Эвристика найма Элона Маска, основанная на принципе "один умный совет", изображается в виде простого дерева с одним уровнем и двумя ветвями. Если кандидат предоставляет доказательства исключительных способностей, сделайте ему предложение о работе, в противном случае - не делайте этого.
Когда сработает эвристика Маска с одной умной подсказкой?
Эвристика Маска может быть быстрой и экономной, но эффективна ли она? Или, точнее, каковы экологические условия, при которых она должна работать хорошо? Как мы уже видели в главе 3, эвристика "один рычаг" хорошо работает при условии доминирования рычага. Ключевым фактором, обеспечивающим это условие, является избыточность различных подсказок. Избыточность означает, что исключительные способности, скорее всего, коррелируют с другими признаками, предсказывающими будущие результаты работы, такими как настойчивость, трудолюбие, результаты тестов на интеллект, образцы работы и опыт. 5 Такая избыточность подразумевает, что исключительные способности сами по себе могут быть мощным предсказателем, поскольку в значительной степени отражают информацию, содержащуюся в других признаках. Это говорит о том, что предложение работы, основанное на признаках исключительных способностей, может быть не только быстрым и экономным, но и эффективным.
Следующий вопрос заключается в том, влияют ли какие-либо другие факторы на экологическую рациональность этой эвристики, основанной на "один умный ключ". Например, эвристика будет хорошо работать только в том случае, если исключительные способности (и связанные с ними способности) действительно требуются для работы. Исключительные способности, вероятно, были крайне важны, когда Маск создавал Tesla, перед лицом огромных проблем. По мере роста Tesla потребовался более широкий круг сотрудников, в зависимости от конкретной работы. Однако если и дальше полагаться на исключительные способности, то это установит высокую планку и отсеет множество "обычных" кандидатов, которые прекрасно подходят для более рутинной работы. Кроме того, поскольку эвристика не учитывает межличностные навыки соискателя, она может привести к тому, что на работу будут приниматься кандидаты, обладающие исключительными способностями, но плохо играющие в команде или даже токсичные сотрудники.
Еще одно важное соображение: для того чтобы эта эвристика работала, необходимо точно оценить исключительные способности. Если не удается точно оценить признак, способность предсказывать будущие результаты работы снижается. Маск решил эту проблему, задавая конкретные, прощупывающие вопросы. Это позволило снизить вероятность того, что соискатели будут подтасовывать свои ответы. Кроме того, уменьшилась вероятность того, что на оценку Маска повлияют демографические переменные, такие как пол, этническая принадлежность или возраст соискателя, что позволило избежать дискриминации.
Быстрое и экономное дерево Джеффа Безоса для найма персонала
Как и Маск, Джефф Безос, основатель и генеральный директор Amazon, ожидал от кандидатов исключительных способностей, когда сам принимал их на работу. 6 Однако помимо этого он искал еще две характеристики: восхищение и эффективность. Если говорить точнее, Безос сначала оценивал, есть ли у соискателей исключительные способности; если нет, их не брали на работу. Если же у соискателя были способности, он задавался вторым вопросом: Будет ли он восхищаться этим человеком? Если нет, его не брали на работу, поскольку Безос считал, что он может учиться у коллег, которыми восхищается. В-третьих, он учитывал, повысит ли этот человек средний уровень эффективности группы, к которой он присоединится, чтобы обеспечить постоянный рост уровня производительности в компании. Только в случае положительного ответа на все три вопроса кандидат принимался на работу.
Эвристика Безоса сложнее, чем у Маска. Ее можно представить в виде дерева быстрых и экономных расходов с тремя уровнями, как показано на рисунок 4.2 . Эта диаграмма показывает, что стратегия Безоса по найму персонала является некомпенсаторной. Это означает, что одновременно учитывается только один признак, и признаки более низкого уровня в дереве не могут компенсировать признаки более высокого уровня. Например, даже если Безос верил, что кандидат значительно повысит средний уровень производительности, это не могло компенсировать отсутствие исключительных способностей или восхищения, что уже привело бы к отказу от кандидата.
Рисунок 4.2
Эвристика найма Джеффа Безоса изображена в виде дерева с тремя уровнями. Рассматривается по одному признаку за раз, начиная с исключительных способностей. Положительные значения признаков нижнего уровня не могут компенсировать отрицательные значения признаков верхнего уровня.
Рисунки 4.1 и 4.2 иллюстрируют важный аспект моделирования эвристических решений: одна эвристика может функционировать как строительный блок другой эвристики. В следующем разделе мы покажем, как спроектировать быстрые и экономные деревья так, чтобы они создавали желаемый баланс между отбраковкой квалифицированных кандидатов и принятием неквалифицированных кандидатов.
Гибкие и экономные деревья
Как мы уже видели в главе 3, дерево быстрого и экономного поиска, как и многие другие эвристики, имеет три правила: правило поиска, правило остановки и правило принятия решения. В примере Безоса правило поиска заключается в последовательном переборе трех признаков, начиная с исключительных способностей, затем восхищения и, наконец, эффективности. Правила остановки и принятия решения заключаются в том, чтобы останавливать поиск всякий раз, когда подсказка приводит к решению "не нанимать", и отказывать кандидату, если только все три подсказки не являются утвердительными, и в этом случае кандидату предлагают работу.
Дерево Безоса - лишь одно из нескольких возможных быстрых и экономных деревьев, использующих три подсказки. На самом деле, учитывая три подсказки, можно построить четыре различных дерева, использующих один и тот же порядок подсказок, и даже больше, если порядок подсказок можно варьировать, что указывает на гибкую природу этой эвристики принятия решений. Эти четыре быстрых и экономных дерева показаны на рисунке 4.3 .
Рисунок 4.3
Четыре возможных дерева быстрого и экономного найма на основе трех признаков. Самое левое дерево представляет стратегию найма Безоса с рисунка 4.2. Это дерево минимизирует количество ложных срабатываний, то есть найма неподходящего кандидата. Напротив, крайнее правое дерево минимизирует ложноотрицательные результаты, то есть отказ в приеме на работу подходящего кандидата. Два дерева в середине уравновешивают две потенциальные ошибки. По материалам Gigerenzer et al. (2022).
Дерево в крайнем левом углу представляет стратегию Безоса по найму персонала. Это дерево является самым консервативным, поскольку для принятия решения "нанять" требуется три утвердительных сигнала. Установив очень высокую планку, это дерево уменьшает количество ложных срабатываний, то есть предложений неподходящим кандидатам. В то же время дерево увеличивает количество ложноотрицательных результатов, то есть отказов кандидатам, которые могли бы подойти для этой работы. Дерево в крайнем правом углу, напротив, является наиболее либеральным, поскольку принимает решение о найме, если любой из трех сигналов является утвердительным. Как следствие, это дерево уменьшает количество ложноотрицательных ответов, но увеличивает количество ложноположительных. Два дерева в середине рисунка 4.3 уравновешивают две ошибки - ложноположительные и ложноотрицательные.
Концепция ложноположительных и ложноотрицательных результатов пришла из теории обнаружения сигналов и широко применяется к классификационным решениям, таким как нанимать или не нанимать человека на работу или определить, болен человек или нет после положительного результата теста. Это иллюстрирует важную мысль: эвристики не являются хорошими или плохими по своей сути; они должны соответствовать условиям задачи, которые включают цели лиц, принимающих решения. Если организация хочет свести к минимуму количество ложноположительных результатов, ей следует использовать более консервативное "быстрое и экономное" дерево; если она хочет свести к минимуму количество ложноотрицательных результатов, ей следует использовать более либеральное дерево. Контекст также имеет значение: в правовой и культурной среде, где трудно уволить сотрудника, избежание ложноположительных результатов более важно, в то время как в культурах "нанимай и увольняй" избежание ложноотрицательных результатов относительно более важно.
Выбор из нескольких упряжек
Деревья Fast-and-frugal можно также использовать для проектирования процессов отбора с несколькими препятствиями, в которых организации отсеивают часть кандидатов на каждом шаге ("препятствии") и принимают только тех, кто прошел все препятствия. 7 Например, на первом этапе кандидаты могут быть отсеяны по представленным материалам, на втором - по стандартизированным тестам, на третьем - по центрам оценки, а на последнем - по результатам собеседования. Эту процедуру отбора можно смоделировать в виде дерева с базовой структурой (но с разными подсказками), как в крайнем левом дереве на рисунке 4.3, в которое принимаются только те, кто прошел все этапы. Этот подход, как мы видели, консервативен: он снижает количество ложных срабатываний, но при этом рискует отсеять кандидатов, которые могли бы подойти для этой работы.
Процессы отбора по нескольким препятствиям являются некомпенсационными, то есть высокие результаты кандидата на более поздних препятствиях не могут компенсировать низкие результаты на более ранних препятствиях. Вместо того чтобы оценивать все эти признаки у всех кандидатов, они экономят значительное количество времени и других ресурсов. Процедуры с несколькими препятствиями экологически рациональны, особенно если кандидатов много, а ранние препятствия недороги и просты в реализации, что позволяет организации быстро и без особых затрат сузить круг кандидатов.
Выбор между двумя претендентами на работу с помощью эвристики дельта-вывода
Эвристика Маска и Безоса была предназначена для принятия решения по одному кандидату за раз. В других ситуациях организации пытаются определить, кто лучше из двух претендентов. Для этого они могут использовать эвристику дельта-инференции. Возможно, вы помните из главы 3, что дельта-инференция позволяет принимать решения между двумя альтернативами путем перебора признаков в порядке их валидности и прекращения поиска, когда первый признак различает два варианта. Например, при приеме на работу организация может использовать следующие три признака в последовательности: общие умственные способности соискателей, их добросовестность и оценки, полученные в ходе структурированного интервью. Сообщалось, что эти признаки являются одними из лучших предикторов будущей работы в широком диапазоне профессий. 8 Если два кандидата отличаются по общим умственным способностям по крайней мере на определенную величину (т. е. порог дельты), то работу предлагают тому, кто набрал больше баллов; если нет (т. е. ≤ дельты), то следующим рассматривают добросовестность и так далее.
Используя реальные данные о 236 кандидатах, принятых на работу в авиакомпанию, мы изучили, насколько хорошо менеджеры могут выбрать лучшего кандидата из пары, полагаясь на дельта-умозаключение. Каждый претендент оценивался по трем упомянутым здесь признакам; кроме того, поскольку все они были приняты на работу, мы знали их результаты работы через три месяца, оцененные их начальством. 9 Было получено 50 334 пары претендентов, которые имели разные оценки за работу. Из этих пар мы составили малую, умеренную и большую случайные выборки, чтобы смоделировать условия скудных, умеренных и широких возможностей для менеджера узнать параметры эвристики: порядок подсказок и дельту каждой подсказки. Мы сравнили точность дельта-вывода с точностью логистической регрессии - стандартной техники, которая всегда использует все три признака для принятия решения о выборе.
На рисунке 4.4 показано, что если менеджеры используют дельта-индукцию, они могут выбрать лучшего кандидата чаще, чем если бы они использовали логистическую регрессию. Этот эффект "меньше-больше" проявлялся во всех условиях обучения, особенно когда возможности обучения были скудными. Более того, использование дельта-анализа позволяет принимать решения довольно экономно, используя в среднем менее половины доступных подсказок. Помимо иллюстрации практической пользы дельта-инференции, эти результаты еще раз демонстрируют, что предполагаемые компромиссы "скорость-точность", "усилия-точность" и "прозрачность-точность" в условиях неопределенности обычно не работают (см. главу 2): опираясь на эвристику дельта-инференции, менеджеры могут принимать решения быстрее, экономнее и прозрачнее, одновременно повышая точность.
Рисунок 4.4
Принятие решений по одной причине (дельта-вывод) позволило выбрать кандидатов на работу лучше, чем принятие решений по многим причинам (логистическая регрессия). Это преимущество сохранялось независимо от того, были ли возможности обучения скудными, умеренными или широкими (случайные выборки размером 30, 100 и 1 000 соответственно). По материалам Luan, Reb, and Gigerenzer (2019).
Как видно из рисунка 4.4, производительность растет с увеличением возможностей обучения. Однако даже при наличии широких возможностей и использовании дельта-индукции менеджеры смогут выбрать лучшего кандидата только в 63 % случаев. Предсказать будущую производительность соискателей сложно, и, несмотря на использование умной эвристики, ошибки остаются частыми. 10
Установив ее эффективность, мы хотели выяснить, используют ли менеджеры дельта-индукцию при принятии решений об отборе и адаптируют ли они эту эвристику. Мы набрали менеджеров по персоналу и студентов-бизнесменов с разным уровнем опыта в принятии кадровых решений для участия в эксперименте с двумя задачами: нанять секретаря и нанять аналитика данных. Как показано на рисунке 4.5 , и менее, и более опытные менеджеры часто принимали решения с помощью дельта-инференции, но последние делали это чаще. В качестве признака адаптивности можно отметить, что использование дельта-умозаключения возрастало, когда один из признаков считался гораздо более важным, чем другие, то есть когда действовало условие доминирующего признака, описанное в главе 3. Такое понимание экологической рациональности было особенно сильным для более опытных менеджеров. Таким образом, в соответствии с результатами, полученными в других областях, 11 опытные менеджеры с большей вероятностью будут использовать эвристику и делать это адаптивно.
Рисунок 4.5
Опытные менеджеры чаще, чем менее опытные, полагались на принятие решений на основе одной причины (дельта-умозаключение). Они также с большей вероятностью использовали эвристику, когда она была экологически рациональной: то есть при условии доминирующей подсказки. В исследовании участники указывали, кого из двух кандидатов на работу они хотели бы нанять, основываясь на трех подсказках, и делали это для множественного сравнения. Участники, принявшие в прошлом более четырех кадровых решений (т. е. среднее значение), были отнесены к категории "более опытных". Участники оценивали важность каждой из трех подсказок. В условии "доминирования" рейтинг наиболее важного сигнала был больше, чем сумма рейтингов двух других сигналов. Планки ошибок указывают на стандартные ошибки. По материалам Luan et al. (2019).
Социальная эвристика при приеме на работу
Организации часто полагаются на социальную эвристику подражания и "сарафанного радио", чтобы найти подходящих кандидатов на работу. Например, при поиске руководителей фирмы из списка Fortune 500 склонны нанимать сотрудников из компаний, которые в прошлом направляли большое количество руководителей в другие фирмы из списка Fortune 500. 12 Преимущество такой эвристики подражания большинству заключается в том, что она снижает значительную неопределенность при найме топ-менеджеров и ускоряет поиск.
В рамках эвристики "из уст в уста" организации рассчитывают на то, что их сотрудники порекомендуют кандидатов на открытые вакансии. Факты свидетельствуют о том, что такой реферальный найм работает. Например, анализ двадцатилетней истории трудовых отношений и социального страхования в Мюнхене (Германия) показал, что работники, нанятые по рекомендациям, лучше соответствовали потребностям компаний-нанимателей и реже уходили. 13 Передача информации из уст в уста может обеспечить доступ к информации, которую иначе трудно получить, тем самым уменьшая информационный дефицит на рынке труда. В другом исследовании сотрудники приводили более качественных кандидатов, когда получали вознаграждение за результаты работы своих рекомендателей, а сотрудники с высокими способностями рекомендовали кандидатов с более высокими способностями, чем сотрудники с низкими способностями. 14 Однако организациям также следует опасаться непреднамеренных негативных побочных эффектов использования эвристики "из уст в уста" при приеме на работу. Даже несмотря на то, что Апелляционный суд США по Седьмому округу постановил, что в случае с корейским владельцем бизнеса, о котором говорилось в главе 3, наем по принципу "из уст в уста" не был дискриминационным, а скорее являлся наименее затратным и наиболее эффективным способом найма, 15 все же существует вероятность того, что эта практика может снизить разнообразие сотрудников и привести к риску дискриминации. Это иллюстрирует, что любая эвристика, как и любой алгоритм, имеет свои ограничения и должна применяться с умом.
Прозрачные решения уменьшают дискриминацию
Опасения по поводу дискриминации не ограничиваются реферальным наймом, но и распространяются на алгоритмы искусственного интеллекта (ИИ), используемые при найме. Как предупредила председатель Комиссии по равным возможностям в сфере занятости (EEOC) Шарлотта Берроуз: "Новые технологии не должны становиться новыми способами дискриминации". 16 Чтобы подчеркнуть эту обеспокоенность, 12 мая 2022 года Министерство юстиции США и EEOC совместно выпустили предупреждение о том, что использование организациями алгоритмов искусственного интеллекта при приеме на работу может привести к дискриминации по признаку инвалидности и нарушить Закон об американцах с ограниченными возможностями.
В документе о технической помощи, выпущенном EEOC в тот же день, приводятся некоторые примеры того, как искусственный интеллект может дискриминировать людей с ограниченными возможностями. Например, организации все чаще используют чат-боты с искусственным интеллектом для взаимодействия с соискателями, и алгоритмы, лежащие в основе таких чат-ботов, могут отклонить любого соискателя, который обнаружит значительный пробел в трудовой биографии во время такого взаимодействия. Однако этот пробел может быть вызван инвалидностью (например, необходимостью пройти курс лечения), и в этом случае отказ будет представлять собой дискриминационное решение. Как отмечает EEOC, такая дискриминация вполне может иметь место, даже если работодатели и поставщики программного обеспечения утверждают, что используемые ими алгоритмы принятия решений "свободны от предвзятости" и не оказывают негативного влияния по признаку расы, пола, национального происхождения, цвета кожи или религии. 17.
Еще хуже то, что алгоритмы искусственного интеллекта, которые организации все чаще используют при приеме на работу, продвижении по службе, увольнении и принятии других кадровых решений, зачастую непрозрачны, что затрудняет определение в каждом конкретном случае, было ли решение принято справедливо или имела место дискриминация. Это может быть удобно для организаций как способ избежать ответственности. Однако это не обеспечивает справедливости по отношению к соискателям. Умная эвристика позволяет организациям принимать не только точные, но и справедливые решения. Их большое преимущество перед более сложными процессами, включая ИИ, заключается в том, что их простота способствует прозрачности. А прозрачность способствует справедливости, поскольку явно несправедливый процесс принятия решений вызывает критику и сопротивление. Таким образом, даже если не все эвристики изначально являются справедливыми, они облегчают определение источника и размера проблемы, позволяя организациям принимать контрмеры и со временем вносить улучшения.
Например, простое правило менеджера нанимать только мужчин (или женщин) было бы вопиющей дискриминацией для большинства рабочих мест. Однако одно из преимуществ адаптивного инструментария заключается в том, что он содержит множество эвристик, разработанных для конкретных целей. Если компания хочет нанять больше представителей меньшинств, чтобы создать более разнообразное рабочее место, она может рассмотреть возможность использования вариации эвристики 1/N. 18 Другими словами, она может установить определенный процент или квоту на прием на работу представителей разных групп, а затем попытаться определить и нанять лучших кандидатов в каждой группе. Такие системы квот все чаще используются в компаниях. Критики утверждают, что при таких системах не всегда нанимаются самые квалифицированные кандидаты. Но эта критика упускает важный момент: цель эвристики не сводится к тому, чтобы нанять лучшего человека. Скорее, эвристика пытается сбалансировать две цели: нанять подходящих людей и одновременно увеличить разнообразие.
Всегда ли больше интервьюеров лучше?
Если больше - значит лучше, как утверждает традиционная точка зрения, то можно подумать, что наличие большего числа интервьюеров приведет к принятию лучших решений о найме. При оценке кандидатов, проходящих собеседование, руководители часто голосуют независимо друг от друга и применяют правило большинства, чтобы решить, кто получит предложение. Однако в таких ситуациях, если первое собеседование проводит интервьюер с наилучшим послужным списком, добавление второго интервьюера никогда не повышает точность. 19
Рассмотрим компанию, которой необходимо определить десять лучших кандидатов среди большого числа претендентов. Предположим, что лучший интервьюер имеет коэффициент попадания 80 процентов, то есть он правильно определил восемь из десяти кандидатов в пуле, но пропустил двух (см. рисунок 4.6 , вверху). Добавление второго интервьюера с коэффициентом попадания 60 % (рис. 4.6, середина) и применение правила большинства приводит к тому, что ожидаемый общий коэффициент попадания составляет всего 70 %. Это видно из рисунка 4.6 (внизу), где добавлены голоса обоих интервьюеров. Четыре кандидата получили по два голоса, и они являются целевыми. Из двенадцати кандидатов, получивших по одному голосу, случайным образом выбираются шесть, в результате чего ожидаемое число целей составляет три человека. В сумме ожидаемая эффективность работы двух интервьюеров составляет 4 + 3 = 7 правильных идентификаций - на одну меньше, чем нашел бы лучший интервьюер, если бы решал один.
Рисунок 4.6
Один интервьюер может быть лучше, чем два. Процент попадания интервьюера 1 составляет 80 %, то есть он правильно определяет восемь из десяти лучших кандидатов (целей) в большом пуле претендентов, а процент попадания интервьюера 2 составляет 60 %. Даже если интервьюер 2 определит оставшихся двух кандидатов, которых пропустил интервьюер 1, их коллективное решение (с использованием правила большинства) имеет ожидаемый коэффициент попадания всего 70 %, что уступает показателю одного только интервьюера 1. Каждый квадрат представляет собой кандидата, а десять лучших кандидатов выделены темно-серым цветом в левой части. Цифры обозначают количество голосов, отданных за каждого кандидата. В случае равенства голосов кандидаты выбираются случайным образом, как показано на примере пунктирных квадратов. По материалам Fifić and Gigerenzer (2014).
Чтобы улучшить показатели лучшего интервьюера, может понадобиться еще шесть или более интервьюеров (с коэффициентом попадания от 50 до 100 процентов от коэффициента попадания лучшего интервьюера). Опять же, меньше может быть больше. При достаточно общих условиях - независимое голосование и правило большинства - добавление второго интервьюера к лучшему интервьюеру не может улучшить процесс принятия решений; оно только ухудшает его. Общий урок для бизнеса - инвестировать в отличных интервьюеров, а не полагаться на коллективные решения группы менее квалифицированных людей. Этот урок параллелен ситуациям, когда полагаться на одну подсказку может быть лучше, чем на многие, как это формализовано в условиях доминирующей подсказки и дилемме "предвзятость-вариация".
Одна из причин, по которой экспертам-интервьюерам лучше удается выявлять хороших сотрудников, заключается в том, что они, как правило, используют структурированные интервью. В ходе структурированных интервью кандидаты отвечают на одни и те же вопросы, так же как и Маск на вопросы о наличии исключительных способностей у всех кандидатов, что значительно повышает согласованность оцениваемых признаков. Затем эти сигналы могут быть обработаны с помощью интеллектуальной эвристики с четко определенными и последовательно применяемыми правилами поиска, остановки и принятия решений. Достоверность структурированных интервью - одна из самых высоких среди всех методов отбора, гораздо выше, чем у неструктурированных интервью, которые страдают от низкой надежности. 20
"Дебилизация" решений о найме?
Менеджеров по найму "упрямо полагаются" на интуитивные суждения и обвиняют в плохих решениях о найме. 21 Согласно этому мнению, если бы специалисты использовали анализ вместо интуиции, они могли бы избежать предвзятости при найме и принимать более правильные решения. В ответ на подобные опасения некоторые организации предприняли попытку "разбалансировать" свои решения о найме и оценки эффективности.
Например, компания Google разработала проект Project Unbias для снижения неосознанной предвзятости при принятии решений. 22 Этот проект включает в себя ряд полезных инструментов, таких как контрольные списки для проведения собеседований и аттестации. Контрольные списки полезны тем, что они направляют внимание на наиболее важные сигналы. Их можно эффективно сочетать с последовательными эвристиками, которые используют подсказки в порядке их важности или обоснованности, например, с "быстрыми и экономными деревьями".
К сожалению, такие программы все еще в значительной степени основаны на ошибочной идее, что в предвзятости решений по отбору виновата система 1 и проблему можно решить, заставив лиц, принимающих решения, использовать больше информации и обрабатывать ее с помощью системы 2. 23 При этом игнорируется важная особенность: решения о найме принимаются в условиях неопределенности. В условиях неопределенности, как мы уже видели, эвристика помогает организациям справиться с очень сложной задачей: предсказать будущую производительность претендентов на работу. Проблема с принятием решений о найме (и кадровых решений в целом) заключается не в использовании эвристик, а в неспособности систематически изучать качество интервьюеров и подсказок, а затем использовать эту информацию для разработки экологически рациональных эвристик для найма (и увольнения). Менеджеры часто полагаются на эвристику, но не исследуют и не понимают, какая эвристика работает в каких условиях и почему. Как мы убедились, сложные количественные модели не всегда улучшают решения о найме, поскольку они слишком хрупки в условиях неопределенности. Умные эвристики представляют собой эффективное решение, сочетающее простоту с точностью и прозрачностью.
И снова проблема кроется не только в умах людей, принимающих решения о найме; она также заключается в отсутствии систематического обучения в организациях. Рассмотрим следующий парадокс найма: организации тратят огромные деньги и время на найм, но очень мало вкладывают в выяснение того, насколько эффективны их процессы найма. 24 Это вызывает недоумение, учитывая многочисленные неудачи при найме. Систематически оценивая эффективность своих процессов найма, организации могли бы улучшить свой адаптивный инструментарий эвристики найма, в конечном итоге нанимая более квалифицированных кандидатов и отклоняя больше неквалифицированных.
Интеллектуальная эвристика для управления производительностью
Давайте рассмотрим еще один тип кадровых решений: управление эффективностью, в частности, продвижение и увольнение сотрудников.
Продвижение и увольнение с помощью быстрых и экономных деревьев
Должен ли сотрудник получить премию? Быть повышенным в должности? Или уволить? Организации принимают такие решения в рамках так называемого управления эффективностью. Играет ли умная эвристика роль в принятии этих решений? Чтобы выяснить это, мы изучили, лучше ли моделируются решения о повышении или увольнении сотрудников с помощью логистической регрессии с взвешиванием и добавлением, компенсирующей логистической регрессии, или с помощью лексикографических, некомпенсирующих быстрых и экономных деревьев. 25 Мы предоставили лицам, принимающим решения, профили производительности, которые варьировались по трем признакам, связанным с производительностью, для каждого сотрудника: средняя (усредненная) производительность за последние полгода, вариация производительности (то есть случайные, несистематические изменения со временем) и тенденция производительности (то есть систематические изменения со временем, например, тенденции к росту или снижению).
Мы обнаружили, что быстрые и экономные деревья широко использовались, причем в большей степени опытными менеджерами, из которых две трети полагались на них. Большинство участников также адаптировали ключевые особенности быстрых и экономных деревьев в ответ на манипуляции с требуемыми распределениями положительных (бонус) или отрицательных (увольнение) решений, что соответствует принципу экологической рациональности.
Рейтинг стеков
В нашем исследовании мы требовали от участников уволить или премировать определенный процент сотрудников. Наш подход был адаптирован к так называемым системам управления эффективностью с принудительным распределением или стековым ранжированием. Этот подход, также известный как rank and yank, стал (не)известным после того, как генеральный директор General Electric (GE) Джек Уэлч ввел правило "20/70/10 split": 20 процентов лучших сотрудников, согласно рейтингу их менеджеров, вознаграждались, а 10 процентов увольнялись. 26 Смысл этого простого правила заключался в том, чтобы вознаградить исполнителей и убрать отстающих, и, похоже, правило хорошо работало в GE, когда Уэлч возглавил компанию, в то время как в ней было много "мертвого леса".
Однако эффективность и реакция на такие правила принудительного распределения рангов существенно различаются. 27 И критика предсказуема: как может такое простое правило учитывать специфическую и уникальную ситуацию каждого сотрудника? Эта критика не учитывает того, что ни одна стратегия принятия решений в условиях неопределенности не может быть безошибочной; существуют также недостатки внедрения более неоднозначной системы управления эффективностью, в которой нет четкого определения того, кто награждается, а кто наказывается. Как и любая другая эвристика, штабельное ранжирование хорошо работает только для конкретной цели (очистка организации) и ситуации (наличие валежника). Как только цель достигнута или ситуация изменилась, продолжение ранжирования заставляет менеджеров увольнять способных сотрудников, делая фирмы менее функциональными. Это может объяснить, почему эвристика не сработала в Microsoft и, возможно, даже способствовала ее упадку в 2000-х годах.
Движение вперед
Хотя эвристики широко используются при принятии кадровых решений, лишь немногие из них исследовались с точки зрения экологической рациональности. Вместо этого в большинстве исследований эвристика ассоциируется с предвзятостью и утверждается, что решения должны приниматься с помощью системы 2, а не системы 1, несмотря на отсутствие доказательств такой двойственности. 28 Мы надеемся изменить эту точку зрения. Чтобы принимать правильные решения в условиях неопределенности, необходимо полагаться как на интуицию, так и на анализ. Умные эвристики позволяют объединить эти две составляющие. При этом эвристика может помочь сделать кадровые решения более прозрачными, последовательными, справедливыми и эффективными.
Примечания
1 . Моррис и Селлерс (2000).
2 . NZ Herald (2000).
3. Сакетт и Ливенс (2008).
4 . Попомаронис (2021).
5 . Шмидт и Хантер (1998).
6 . Попомаронис (2020).
7 . Ock and Oswald (2018).
8 . Шмидт и Хантер (1998).
9 . Луан, Реб и Гигерензер (2019).
10 . Шмидт и Хантер (1998).
11 . Липшиц и др. (2001).
12 . Haunschild and Miner (1997).
13 . Dustmann et al. (2016).
14 . Биман и Магрудер (2012).
15 . EEOC против Consolidated Service Systems (1993).
16 . Министерство юстиции США (2022).
17 . Комиссия США по равным возможностям в сфере занятости (2022).
18 . Feng et al. (2020).
19 . Фифич и Гигеренцер (2014).
20 . Сакетт и Ливенс (2008).
21 . Highhouse (2008).
22 . Google (n.d.).
23 . См. Круглански и Гигеренцер (2011).
24 . Cappelli (2019).
25 . Луан и Реб (2017).
26 . Кохан (2012).
27 . Блюм, Болдуин и Рубин (2009).
28 . Kruglanski and Gigerenzer (2011); Melnikoff and Bargh (2018).
5 Стратегия
Масаёси Сон стал самым богатым человеком Японии в 2021 году и одним из самых успешных венчурных инвесторов в мире. Родившись в Японии в семье бедных корейских иммигрантов, Сон основал компанию SoftBank Group, которая инвестировала в такие бизнес-предприятия, как Yahoo! Инвестиции оказались настолько успешными, что SoftBank стала второй по величине публично торгуемой компанией в Японии (после Toyota). Чтобы расширить свой инвестиционный портфель и еще больше повысить глобальную конкурентоспособность, Сон привлек 100 миллиардов долларов для создания крупнейшего на сегодняшний день инвестиционного фонда (Vision Fund). Хотя некоторые из его инвестиций потерпели впечатляющий провал (например, WeWork), Сон, похоже, умеет предвидеть события раньше других и инвестирует в компании, которые с большой долей вероятности станут высокоприбыльными. Откуда же берется его успех?
Повторите успешную бизнес-модель на новом рынке
Годовой отчет SoftBank за 2000 год дает подсказку. В разделе отчета, озаглавленном "Стратегия", говорится, что SoftBank придерживается стратегии управления машиной времени, которая "способствует глобальной инкубации превосходных бизнес-моделей, найденных с помощью венчурных операций в США". 1 Анализ структуры инвестиций SoftBank показывает, что стратегия работает следующим образом: Сон считает, что технологические бизнес-модели, такие как электронная коммерция, социальные сети и сервисы совместного использования автомобилей, развиваются на разных стадиях в разных частях мира. Как правило, успешная модель получает свой первый успех в США, затем распространяется на другие развитые страны, такие как Япония и Южная Корея, и, наконец, расцветает в таких странах, как Китай и Индия. Чтобы избежать отставания в развитии, SoftBank отбирает перспективные модели бизнеса на основе анализа рынка в США, а затем инкубирует компании, работающие по аналогичным моделям в других странах. Этот процесс похож на путешествие на машине времени из США в эти страны, чтобы еще раз увидеть рост бизнеса.
Объясняя, почему SoftBank инвестировал в Yahoo! Japan, Сон сказал: "На ранних этапах развития интернета в Японии многие говорили, что японцы и американцы отличаются друг от друга. Существует 10 причин, по которым японский интернет не развивается. Я сказал, что ни одна из них не верна; это просто задержка во времени. И, конечно, японский Интернет взлетел". 2 Yahoo! Japan придерживается той же модели, что и Yahoo!, являясь веб-порталом, который направляет трафик и предоставляет множество услуг, таких как новости, аукционы и финансы. На протяжении двух десятилетий это был самый посещаемый японский сайт, а в 2021 году он стал второй по популярности поисковой системой после Google в Японии. Другим примером может служить успешное инвестирование SoftBank в китайскую компанию Alibaba, созданную по образцу Amazon. Основой стратегии управления машиной времени является подражание.
Эвристика машины времени: подражайте бизнес-модели, которая была успешной в США, и воспроизводите ее на других рынках.
Эвристика хорошо сработала не только для SoftBank, но и для многих других компаний, работающих в сфере информационных технологий (ИТ). Один из самых печально известных случаев - Rocket Internet, основанная тремя братьями-немцами Марком, Александром и Оливером Самверами. Во время стажировки в Кремниевой долине в 1998 году братья стали свидетелями растущей популярности eBay и решили создать аналогичный сайт онлайн-аукциона в Германии. Их сайт, Alando, является прямой копией eBay, вплоть до цветовой гаммы логотипа. Alando мгновенно завоевал успех, получив более трех миллионов просмотров страниц за первый месяц работы. Вскоре братья продали сайт компании eBay за 43 миллиона долларов. После этого успеха они продолжили клонировать другие интернет-компании, успешные в США, такие как YouTube и Facebook, создавать их на рынках, куда американские компании еще не вышли, и продавать клоны обратно этим компаниям, получая огромные прибыли.
Хотя бизнес-стратегия братьев Самвер была бесспорно успешной, она также вызвала немало критики со стороны сообщества предпринимателей, ориентированных на инновации. В интервью журналу Wired братья настаивали на том, что их версия эвристики "машины времени" может выглядеть просто, но чтобы она работала, необходимо тщательное исполнение. 3 Чтобы развить имитируемую бизнес-модель на новом рынке, необходимо действовать быстро, пока этого не сделали другие, инвестировать значительные средства на начальном этапе, чтобы сделать бизнес действующим, и адаптировать модель к тонкостям местной культуры и правил. Действительно, это ключевые условия для того, чтобы эвристика машины времени была экологически рациональной. Поздний выход на рынок без поддержки достаточного капитала и хорошего понимания нового рынка приведет к гибели компании.
Эвристика машины времени - это инструмент для принятия стратегических бизнес-решений. Стратегические решения - это решения организации о том, как распределить свои ограниченные ресурсы для достижения долгосрочных целей, таких как прибыль и рост рынка. Вместо того чтобы разрабатывать некий "план на год икс", в котором подробно расписаны все мелкие цели и действия и который направлен на оптимальное использование ресурсов, мы утверждаем, что в изменчивом, неопределенном, сложном и неоднозначном (VUCA) мире опытные менеджеры и успешные компании полагаются на набор эвристических инструментов для принятия стратегических планов и решений. Эти эвристики могут быть устойчивы к непредсказуемости быстро меняющейся среды и эффективно помогать организациям быстро достигать своих целей. Имитация - одна из ключевых эвристик в наборе инструментов стратегии.
Имитация как стратегия ускорения экономического развития
На заре становления государства США были в основном отсталой аграрной страной с небольшим производственным потенциалом. В то время самой бурно развивающейся отраслью в мире были хлопок и текстиль, которые сделали Великобританию экономической сверхдержавой, а самыми инновационными технологиями - водяные мельницы и ткацкие станки. Александр Гамильтон, один из отцов-основателей США и эпоним знаменитого бродвейского шоу, решил пойти по пути индустриализации Британии и пролоббировал в Конгрессе принятие Патентного закона 1793 года, который поощрял знающих иностранцев привозить в страну свои навыки и изобретения, за что они получали богатое вознаграждение. Гамильтон считал, что это наиболее эффективный и реалистичный способ индустриализации страны, поскольку инновации, культивируемые внутри страны, были бы слишком медленными и рискованными. Начинающие предприниматели из Британии быстро откликнулись на предложение. Одним из них был Сэмюэл Слейтер, который раньше работал на текстильной фабрике в Англии. Слейтер привез свои знания об усовершенствованных чесальных и прядильных машинах на новый континент, основал фабрики в Род-Айленде и стал одним из самых богатых американцев той эпохи (см. рисунок 5.1 ). Его часто называют отцом промышленной революции в США.
Рисунок 5.1
Сэмюэл Слейтер (известный в Британии как "Слейтер-предатель") и схема мельницы Слейтера, первой водяной мельницы в США. Источник: https://www.nps.gov/blrv/learn/historyculture/slatermill.htm.
Британское правительство было в ярости от потери своих технологий, квалифицированных инженеров и рабочих на новом континенте. Чтобы противостоять этому, запретили местным талантам покидать страну и запретили экспорт всех передовых машин, сурово наказывая тех, кто это делал. Но один умный американец, Фрэнсис Лоуэлл, сумел обойти жесткий контроль, используя свою фотографическую память, чтобы запомнить детали конструкции ткацких станков во время экскурсий по английским фабрикам и воспроизвести эти станки в США с помощью часовщика. Работая с деловыми партнерами в Бостоне, Лоуэлл построил новый город в Массачусетсе и разместил в нем несколько фабрик. Позднее город был назван в его честь, великого "похитителя" британских текстильных технологий.
Грань между пиратством и добродушным подражанием часто бывает нечеткой. Можно оценивать действия Слейтера, Лоуэлла и многих других людей их времени как пиратство и смотреть на них с презрением. Но как оценивать поведение правительства США? Следует ли его осудить или похвалить за дерзость и стратегический блеск? В современной истории подобное санкционированное правительством пиратство или массовое копирование происходило неоднократно. Британии удалось избавиться от огромного торгового дефицита с династией Цин за счет торговли чаем, контрабандой переправляя чайные растения из Китая в Индию и незаметно изучая технологии производства; Япония стала лидером в электронной промышленности после Второй мировой войны благодаря покупке огромного количества иностранных патентов и копированию самых продаваемых на западном рынке товаров; а Китай получил титул "мировой фабрики" отчасти за счет производства товаров для иностранных компаний, изучения технологий производства в процессе, а также за счет того, что внутренние компании производили и продавали аналогичные товары.
Имитация необходима для распространения инноваций, будь то водяная мельница, вакуумная машина или коммерческая платформа. Благодаря подражанию страна или компания может пользоваться плодами чужих творений, не рискуя изобретать что-то совершенно новое самостоятельно. Однако для того чтобы добиться успеха или даже превзойти изобретателей-оригиналов, имитаторам, как это ни парадоксально, часто необходимо быть новаторами в том, как они имитируют.
Инновационная имитация
Теодор Левитт, который популяризировал слово "глобализация", написал в 1966 году в статье "Инновационная имитация" в Harvard Business Review, что "ни одна компания, независимо от ее решимости, энергии, воображения или ресурсов, не является достаточно большой или платежеспособной, чтобы делать все продуктивные первые вещи, которые когда-либо появятся в ее отрасли, и всегда опережать своих конкурентов во всех инновациях, исходящих из отрасли". 4 Поэтому компании не должны стыдиться или чувствовать стыд за подражание другим. Самое разумное - принять пределы собственных инновационных возможностей и найти хороший баланс между инновациями и подражанием.
Например, в первые годы существования Google два ее основателя, Сергей Брин и Ларри Пейдж, знали, что у них лучшая в мире поисковая система, но не хотели монетизировать ее с помощью рекламы. Однако под давлением своих инвесторов они уступили. Ища способы получения прибыли, они обнаружили, что конкурирующая поисковая система GoTo.com зарабатывает большие деньги, размещая платные объявления на видных местах в результатах поиска и взимая плату с клиентов за фактические клики по объявлениям. Вместо того чтобы придумывать новую модель, Брин и Пейдж решили перенять эту модель с оплатой за клики. Но при этом они усовершенствовали ее, добавив несколько новых моментов и функций, таких как оценка качества каждого объявления для предотвращения спама и переход на более эффективную систему торгов для клиентов. Продукт был известен как AdWords, и с его появлением деньги начали поступать в Google. 5
Огромный успех iPhone - еще один пример инновационного подражания. До того как в 2007 году был выпущен первый iPhone и стал самым продаваемым смартфоном, компания Blackberry была бесспорным пионером и лидером рынка. Телефоны Blackberry могли получать и отправлять электронную почту, просматривать Интернет и выполнять другие простые действия в Интернете. Эти функции стали большим прорывом по сравнению со старыми, не слишком умными мобильными телефонами и привлекли внимание бизнес-ориентированных покупателей. Вдохновленный успехом Blackberry, но недовольный многими особенностями дизайна (например, использованием стилуса в качестве устройства ввода) и ограниченными функциональными возможностями телефонов Blackberry, Стив Джобс созвал команду в Apple для секретной работы над новым смартфоном, который был бы более мощным, удобным и подходил для более широкого круга потребителей. Благодаря огромному технологическому потенциалу Apple и перфекционистскому настрою Джобса на свет появился iPhone с множеством инновационных функций, который быстро вытеснил Blackberry с рынка.
iPhone, что интересно, стал объектом массового подражания, породив множество компаний, выпускающих похожие телефоны. Некоторые из этих компаний, такие как китайский бренд Xiaomi, сумели привлечь орду преданных последователей, получая хорошую прибыль на конкурентном, но огромном рынке смартфонов.
Поздние грузчики
Такие компании, как Xiaomi, приходят на рынок с опозданием. Пионеры обладают определенными преимуществами, такими как упреждающее позиционирование и сильная ассоциация с брендом, но это не означает, что они гарантированно будут доминировать на рынке всегда. Исследование пятидесяти категорий товаров показало, что только в 30 процентах категорий пионеры были более успешны, чем поздние участники. 6 Например, компания Jeep была первым автопроизводителем, серийно выпускавшим современный спортивный внедорожник (SUV), тип внедорожника с высокой подвеской. Однако после того, как в 1990-х годах Агентство по охране окружающей среды США смягчило требования к легковым автомобилям, спрос на внедорожники в стране резко возрос. Почти все остальные автопроизводители, включая иностранные, быстро представили свои собственные модели внедорожников. В 2021 году две модели Jeep, Grand Cherokee и Wrangler, все еще хорошо продавались на американском рынке, но их продажи были превзойдены внедорожниками Toyota, Ford и других производителей. 7
Чтобы добиться успеха, компании не обязательно быть самой инновационной и стремиться к положению первопроходца. Подражание другим компаниям и поздний выход на рынок тоже работают, но нужно быть осторожным со временем.
Эвристика опоздания: Следите за инновационными продуктами других компаний и подражайте им как можно быстрее.
Левитт назвал это политикой использованного яблока: "Чтобы поцеловаться, не обязательно откусывать яблоко первым. Достаточно второго или третьего сочного кусочка. Только будьте осторожны, чтобы не получить десятый скудный". 8 При такой политике фирма наблюдает за реакцией рынка на новый продукт другой фирмы (первый укус). Если он плох (гнилое яблоко), то нет смысла его имитировать; если он хорош (сочное яблоко), то фирма должна действовать быстро и получить выгодный кусок.
По мнению исследователей стратегии Венкатеша Шанкара и Грегори Карпентера, эвристика позднего движения должна быть особенно полезна (то есть экологически рациональна) для фирм с относительно небольшими финансовыми ресурсами и ограниченной способностью к инновациям. 9 Японские компании по производству электроники в 1960-х и китайские компании по производству спортивной одежды в 1990-х, например, хорошо подходят под этот профиль, и некоторые из них, такие как Toshiba и Li-Ning, получили огромную выгоду от эвристики позднего движения. Для компаний с большими финансовыми ресурсами лучше всего работают инновации, а не подражание. iPhone от Apple, бритва от Gillette и коммерческий самолет от Boeing - одни из многих примеров того, как находчивые и инновационные компании могут стать лидерами рынка, несмотря на поздний выход на свои рынки.
Чему подражать?
Чтобы имитация сработала, важно выбрать правильную цель. Есть две основные цели.
Подражать успешным: Подражайте лучшему продукту, бизнес-модели или практике в какой-либо области.
Подражать большинству: Подражайте тому, что делает большинство других фирм.
Эвристика "машины времени" и эвристика "опоздавших" - это примеры подражания успешным. 10 Они полезны, когда ясно, какие цели являются успешными. Когда такая информация недоступна или ее трудно найти, например, когда на рынке еще не появился лидер, имитация большинства может оказаться более полезной. По сути, эта эвристика сводится к тому, что компания делает ставку на то, что за решениями других фирм должны стоять веские причины. Например, когда американская IT-компания хочет открыть свой первый колл-центр за границей, она должна выбрать страну, в которой будет располагаться центр. Не имея большого опыта, но зная, что большинство компаний с аналогичными потребностями открывают свои колл-центры в Индии, компания быстро решает поступить так же. Хотя следование за большинством не всегда приводит к принятию наилучшего решения, оно может быть очень полезным для компаний, у которых нет времени или ресурсов для проведения собственных исследований. Во многих случаях также возникают сетевые внешние эффекты, поскольку больше компаний делают такой же стратегический выбор. В случае с колл-центрами, когда все больше компаний выбирают Индию, там появляется более многочисленная и профессиональная рабочая сила, что, в свою очередь, привлекает больше компаний и делает индийские колл-центры все более совершенными.
Как говорится, "Когда ты в Риме, делай, как римляне". Фирма, которая хочет расширить свой бизнес на зарубежном рынке, также может извлечь выгоду, следуя эвристике подражания большинству. Только в данном случае под большинством подразумеваются местные обычаи, традиции и бизнес. Например, два автора этой книги много лет прожили в Сингапуре. В местном ресторане KFC в меню можно найти кашу - традиционное блюдо на завтрак во многих азиатских семьях. Это может показаться странным для американцев, которые знают и едят в KFC в основном блюда из курицы. Пытаясь увеличить выручку и получить преимущество перед своим главным конкурентом, McDonald's, KFC впервые предложила кашу в своих китайских заведениях в 1990-х годах. Это блюдо стало настолько успешным, что KFC в других азиатских странах, таких как Сингапур и Малайзия, постепенно также добавили кашу в свое меню. С тех пор в меню KFC появилось больше блюд, вдохновленных азиатской кухней, таких как роллы с уткой по-пекински и рисовые миски (см. рисунок 5.2 ). Интересно, что в последние годы рестораны KFC в США также начали предлагать эти новые блюда своим американским клиентам, чтобы продвигать более здоровую пищу и изменить имидж жирного бренда. В эпоху глобализации бизнеса истории, подобные истории KFC, происходят повсюду.
Рисунок 5.2
Стратегия KFC "Когда ты в Китае, готовь то, что едят китайцы". Слева - реклама нового ролла "Peking Duck Spicy Roll" в Китае; на фото вверху справа - реклама каши в Сингапуре, а внизу справа - реклама трех блюд из риса в США.
Должны ли лидеры рынка подражать?
Менее успешные компании могут извлечь выгоду из подражания лидеру рынка. Но должен ли лидер подражать? Оказывается, подражание действиям конкурента - это также стратегия, часто используемая лидерами для защиты своей позиции на рынке. При этом лидеры снимают с себя бремя инноваций и, что немаловажно, уменьшают неопределенность в отношении реакции рынка на новые продукты или технологии и постоянно меняющиеся вкусы потребителей. Например, компания Coca-Cola доминировала на японском рынке безалкогольных напитков, но тем не менее подражала близкому конкуренту - компании Suntory. В частности, вместо того чтобы первой выводить на рынок новый продукт, Coca-Cola часто быстро имитировала напитки, изначально представленные Suntory (например, сезонный напиток со вкусом цветущей вишни, показанный на рис. 5.3 ), борясь за новый рынок, который пытаются завоевать продукты . В качестве другого примера можно привести компанию Intel, которая, как сообщалось, потратила более 10 миллиардов долларов на разработку микрочипов для мобильных устройств. Это был шаг, подражающий стратегии ее растущего конкурента ARM, который занимал нишу процессоров с низким энергопотреблением и быстро захватил рынок микросхем с ростом популярности смартфонов, планшетов и автономных транспортных средств.
Рисунок 5.3
Coca-Cola имитирует новый продукт конкурента на японском рынке. На левом изображении - розовая реклама напитка со вкусом цветущей вишни, выпущенного компанией Pepsi, лицензия на бренд которой в Японии принадлежит Suntory. На правом изображена розовая реклама аналогичного напитка, выпущенного позже компанией Coca-Cola. В обоих случаях напиток рекламируется как сезонный и доступный только в течение ограниченного времени.
Компании Coca-Cola и Intel использовали эвристику второго лица, чтобы сохранить лидирующие позиции. Любопытно, что они выбрали разные типы конкурентов для подражания. В случае с Coca-Cola компания Suntory была похожа на Coca-Cola тем, что обе имели широкую линейку продукции и стремились покрыть большинство потребностей рынка. Другая японская компания по производству безалкогольных напитков, Otsuka, занимавшая примерно такую же долю рынка, как и Suntory, имела гораздо более узкий набор продуктов, и ее продукция редко становилась объектом подражания со стороны Coca-Cola. В случае с Intel, AMD была наиболее похожей на нее компанией, поскольку эти две компании годами боролись на рынке высокопроизводительных микросхем. ARM была конкурентом, завоевывающим рынок, ранее не охваченный Intel, но Intel все же решила подражать ARM, а не AMD. Почему?
Исследователи стратегии Дмитрий Шарапов и Ян-Майкл Росс изучили этот вопрос на примере смоделированных и реальных соревнований. 11 Они обнаружили, что для компаний-лидеров экологически рационально подражать своим ближайшим соперникам - то есть фирмам, которые занимают второе место и растут, - когда изменения окружающей среды часты и существенны, как, например, на быстро развивающемся рынке компьютерных чипов. Основная причина заключается в том, что ведущие фирмы могут узнать у претендентов, куда движется рынок, что было бы трудно сделать в противном случае, и использовать это для определения своих дальнейших действий. Если изменения в окружающей среде нечасты и незначительны, как, например, на рынке безалкогольных напитков в Японии, ведущим фирмам следует подражать конкурирующим компаниям, которые имеют с ними схожие атрибуты. Это не только проще для ведущих фирм, но и помогает им пресекать возможности в зародыше для конкурентов, которые, скорее всего, будут им угрожать.
Адаптивный инструментарий эвристики стратегии
Помимо подражания, успешные фирмы обычно обладают богатым портфелем эвристик стратегии и применяют их адаптивно, в зависимости от целей организации , конкретной задачи и условий бизнес-среды. Давайте рассмотрим некоторые из эвристик, которые организации используют для принятия стратегических решений о приобретении, производстве, ценообразовании, местоположении и расширении рынка.
Стратегия приобретения
Обычная стратегия крупных компаний для сохранения конкурентоспособности - приобретение других компаний. Это особенно актуально для ИТ-компаний, поскольку инновации в этой отрасли появляются часто, и, как сказал Левитт, ни одна компания не может победить своих конкурентов, всегда оставаясь первой. Когда на рубеже веков Cisco стремительно набирала обороты, она использовала правило сатисфакции, чтобы решить, стоит ли ей рассматривать возможность приобретения той или иной компании.
Эвристика 75-75 процентов: Рассматривайте только компании, в которых работает не более 75 сотрудников, из которых не менее 75 процентов - инженеры.
Компании, которые лучше всего подходили под это правило, в основном были стартапами, отличавшимися высокой инновационностью и, вероятно, уже получившими поддержку венчурного капитала. Поначалу это правило хорошо работало, поскольку Cisco была богата наличными и могла позволить себе множество инвестиций, которые могли сработать, а могли и не сработать. Однако после того как лопнул интернет-пузырь и долгосрочные цели компании стали более четкими, небольшие компании с большой долей инженеров перестали быть необходимыми. В этот момент эвристика 75-75 процентов была заменена правилом подсчета, основанным на пяти вопросах:
Разделяет ли цель видение Cisco будущего направления развития отрасли?
Есть ли у него потенциал для краткосрочных побед с текущими продуктами?
Есть ли у него потенциал для долгосрочных побед с будущими продуктами?
Расположен ли он недалеко от Cisco?
Совместима ли культура компании с культурой Cisco?
Согласно правилам подсчета, приобретение получало зеленый свет, если цель набирала 5 баллов по этим признакам, желтый свет - если 4, и красный свет - в противном случае. Это помогало Cisco быть более сфокусированной и приобретать только те компании, которые хорошо подходили. Позже Cisco изменила это правило, отказавшись от критерия "близость местоположения". Это упрощение позволило Cisco использовать больше возможностей на более удаленных рынках. 12
Стратегия производства
Когда производственные мощности ограничены, а внешняя конкуренция ожесточена, компании должны стратегически правильно расставлять приоритеты в производстве. Именно с такой ситуацией столкнулась компания Intel в 1980-х годах, когда азиатские компании предприняли агрессивные действия на рынке компьютерных чипов. Вместо того чтобы основывать свои производственные решения на сложных оптимизационных моделях, Intel полагалась на эвристику "один раз увидеть". 13
Эвристика валовой прибыли: Производите продукты исключительно в порядке убывания их валовой прибыли.
Используя эту эвристику, Intel не будет тратить слишком много своих ресурсов на продукты, которые не приносят прибыли и рынок которых находится в состоянии стагнации, такие как память для компьютеров, которая раньше составляла основной бизнес компании. Вместо этого ресурсы были бы направлены на высокорентабельные продукты, пользующиеся повышенным спросом, такие как микропроцессоры. 14 Эта эвристика экологически рациональна на нестабильном рынке, где цены на продукцию меняются скачкообразно и концентрация на самых продаваемых продуктах является ключом к выживанию компании. На стабильном рынке, где прибыль надежна, а конкурентов меньше, эвристика может навредить долгосрочному развитию компании из-за отсутствия более сбалансированной продуктовой линейки.
Индустрия развлечений также должна тщательно выбирать, какие шоу выпускать, ведь вокруг постоянно витает множество интересных идей и сценариев, которые так и просятся в производство. В 1990-х годах кинокомпания Miramax, принимая решение о том, давать ли разрешение на производство фильмов, опиралась на "дерево быстрых и экономных решений". 15 В частности, предложение отклонялось, если ответ на любой из четырех вопросов на рисунке 5.4 был отрицательным. С помощью этой производственной эвристики можно было быстро оценить, привлекут ли фильмы широкую аудиторию. Почти все фильмы, которые Miramax выпустила, следуя этому правилу, стали кассовыми хитами, включая такие блокбастеры, как "Английский пациент" и "Талантливый мистер Рипли".
Рисунок 5.4
Быстрое и экономное дерево, отражающее, как компания Miramax принимала решение о том, давать ли зеленый свет на производство фильма или отклонить его. Обратите внимание, что это быстрое и экономное дерево можно представить как очень строгое правило подсчета голосов, в котором критерием для принятия решения "за" является то, что ответы на все четыре вопроса должны быть положительными.
Стратегия ценообразования
Согласно стандартной экономической теории, для получения максимальной прибыли компании должны постоянно менять цены на свою продукцию в зависимости от изменений спроса и предложения. Хотя в некоторых компаниях, таких как авиакомпании, такая практика широко распространена, другие вместо этого используют простые правила, которые провоцируют "застой" цен. В исследовании дилеров подержанных автомобилей в Германии, кратко упомянутом в главе 3, исследователи обнаружили две версии эвристики удовлетворения в ценообразовании:
Удовлетворение без адаптации к уровню стремления: Установите приемлемую цену α на автомобиль и продайте его первому покупателю, готовому заплатить эту цену или выше.
Удовлетворение с адаптацией к уровню стремления: Установите начальную цену α. Если автомобиль не продан за период β, то снизьте цену на γ.
Из 628 дилеров, участвовавших в исследовании, 97 процентов использовали ту или иную версию эвристики. 16 Наиболее распространенной стратегией было установление начальной цены на уровне средней цены на аналогичные автомобили и снижение цены на 2-3 процента, если автомобиль не был продан в течение примерно четырех недель. При этом отдельные дилеры также принимали различные значения β и γ в зависимости от местоположения своих магазинов. Например, дилеры уменьшали продолжительность ожидания β примерно на 3 % для каждого дополнительного конкурента в регионе и увеличивали ее примерно на 1 % для каждого прироста валового внутреннего продукта на душу населения в регионе на 1 000 евро. В целом, эвристика удовлетворения потребностей, с или без адаптации к уровню стремления, по оценкам, принесла дилерам более высокую прибыль, чем лучшая стратегия, основанная на оптимизации.
Стратегия местоположения
Место расположения магазина может сильно повлиять на стоимость его работы и прибыль. Рассмотрим сети ресторанов быстрого питания McDonald's и Burger King. Между двумя конкурентами McDonald's был доминирующим "старшим братом" над Burger King, что заставило их применять разные стратегии при выборе местоположения магазинов. Burger King, очевидно, следовал эвристике, основанной на одной причине: Всегда избегать расположения рядом с McDonald's, независимо от размера рыночной территории. McDonald's, тем временем, использовал следующую: Располагайтесь близко к Burger King на маленьком рынке, но далеко от него на большом. Согласно исследованию, проведенному маркетологом Рафаэлем Томадсеном, эти простые эвристики принесли обоюдную выгоду двум конкурентам. 17
Помимо крупных компаний, работающих по франшизе, владельцам и руководителям малых предприятий также приходится время от времени делать выбор места расположения. Сорок девять предпринимателей в районе Далласа были опрошены о том, как они принимали решения о местоположении. 18 Ставки были значительными для каждого из них, и, тем не менее, никто из них не утверждал, что они следовали процессу тщательного поиска и сравнения альтернатив. Вместо этого 82 процента рассматривали не более трех вариантов размещения и выбирали лучший из них. Более того, некоторые предприниматели, реализующие проекты малого бизнеса, использовали эвристику подражания большинству, выбирая местоположение в районе, где уже располагались другие фирмы в их отрасли. Результаты деятельности этих предпринимателей были выше, чем у тех, кто не подражал.
Стратегия расширения рынка
Компании разработали несколько мощных - некоторые могут сказать "зловещих" - стратегий для расширения своего бизнеса за счет новых рынков и новых клиентов. Одна из таких стратегий заключается в следующем.
Эвристика приманки: Предоставьте услугу или продукт бесплатно с ограниченным качеством, количеством или временем, заманите любопытных клиентов попробовать его, а затем возьмите с них плату за улучшенную услугу или продукт.
Эта стратегия сработала настолько хорошо, что теперь она является основной для многих продуктов, основанных на подписке, таких как газеты (например, New York Times), облачные сервисы (например, Dropbox) и электронная коммерция (например, Amazon). В некоторых случаях клиенты могут пользоваться "бесплатными" продуктами постоянно, пока они соглашаются, осознанно или неосознанно, что их данные могут быть использованы поставщиком продукта в любых целях по его желанию. Facebook и Google, например, используют эту бизнес-модель "плати своими данными" для создания огромной базы клиентов, накапливая астрономически большое количество данных, монетизируя их с помощью рекламы и продавая третьим лицам. 19
После первичного размещения акций в 2004 году в компанию Google влилось столько денег, что она попыталась окунуться во многие воды и радикально расширить свой бизнес. Развивая свой успех в области поисковых сервисов, Google использовала эвристику приманки: начать с бесплатного или почти бесплатного предоставления услуг в новой области (например, 1 гигабайт бесплатного хранилища для аккаунта Gmail), привлечь множество клиентов, чтобы стать доминирующей фигурой в этой области, а затем найти способы заработать деньги. Благодаря этой стратегии Google превратился в многопрофильного гиганта, и в настоящее время его бизнес включает электронную почту, онлайн-видеохостинг, браузер, смартфоны, ноутбуки, автономное вождение, биотехнологии, носимые устройства и искусственный интеллект. Эвристика приманивания является экологически рациональной, когда предельные затраты на каждого нового клиента пренебрежимо малы, а ожидаемый доход с одного клиента постоянен.
Эвристика приманки - это пример того, что организационные ученые Кристофер Бингем и Кэтлин Эйзенхардт называют процедурной эвристикой. Они опросили руководителей шести компаний в сфере информационных технологий на предмет их стратегий выхода на международный рынок. 20 Ответы руководителей выявили богатый набор эвристик, которые можно сгруппировать в четыре общих типа:
Эвристика выбора, позволяющая определить, какие рыночные возможности следует использовать (например, ограничить интернационализацию азиатскими странами или ориентироваться только на фармацевтические компании)
Процедурные эвристики, определяющие действия в отношении возможностей (например, использование приобретений для выхода на новые рынки или использование органов по стандартизации при выходе в новые страны)
Эвристика приоритетов, позволяющая ранжировать возможности (например, отдавать предпочтение государственным счетам или уделять больше внимания рынку США, чем другим)
Временные эвристики, связанные с выбором времени для реализации возможностей или действий, такие как последовательность, темп и ритм (например, сначала рынок в США, затем в Японии, а потом в Китае).
Как руководители научились этим эвристикам? Очевидно, они прошли через цикл разработки и упрощения. В начале расширения рынка у руководителей было всего несколько эвристик, основанных на их предыдущем опыте . Получив больше опыта работы на новом рынке, они разработали большое количество эвристик, которые были довольно сложными. Однако, приобретя еще больший опыт, руководители целенаправленно упростили как количество, так и детали эвристик. Такая обрезка со временем привела к созданию репертуара высококачественных эвристик. Среди четырех типов эвристик руководители быстрее освоили эвристику выбора и процедурную эвристику, чем приоритетную и временную эвристику, поскольку две последние требуют лучшего понимания взаимосвязей между несколькими возможностями и являются более сложными с когнитивной точки зрения. Полученные результаты позволяют предположить, что эти эвристики, как и другие, рассмотренные до сих пор, являются результатом тщательного обдумывания и постоянного совершенствования. Несмотря на свою простоту, они отражают практическую мудрость, которой руководители научились за годы работы, и эту тему мы рассмотрим далее в главе 13.
Умные эвристики как выигрышные стратегии
До популяризации стратегии в бизнесе она была (и остается) термином, используемым в войнах и сражениях. Как мы и утверждали здесь, ни одна из великих книг по военной стратегии, от "Искусства войны" Сунь-Цзы до "Войны" Карла фон Клаузевица, не рекомендовала только одну великую стратегию победы. Вместо этого они предлагают репертуар стратегий и указывают, какую стратегию следует использовать в тех или иных ситуациях, воплощая принципы адаптивного инструментария и экологической рациональности. Главная причина этого - неопределенность, присущая почти всем аспектам войны. Бизнес-соревнования, хотя и не такие кровопролитные, как войны, столь же неопределенны, особенно в наше время. Умные эвристики - это выигрышные стратегии, которые помогут компаниям выжить и процветать в мире бизнеса с растущей конкуренцией.
Примечания
1 . SoftBank (2000, стр. 4).
2 . Чанчани и Рай (2016).
3. Коуэн (2012).
4 . Левитт (1966, с. 3).
5 . McDonald and Eisenhardt (2020).
6 . Голдер и Теллис (1993).
7 . Carlier (2022).
8 . Левитт (1966, с. 4).
9 . Шанкар и Карпентер (2012).
10 . В терминологии исследователей стратегий Памелы Хауншильд и Анны Майнер (1997), подражание успешным называется подражанием, основанным на результатах, а подражание большинству - подражанием, основанным на частоте. Они также выделяют третий вариант - подражание, основанное на признаках, которое относится к подражанию избранным характеристикам определенных продуктов.
11 . Шарапов и Росс (2023).
12 . Эйзенхардт и Салл (2001).
13 . Эйзенхардт и Салл (2001).
14 . См. также обсуждение в главе 9, посвященное принятию решений в Intel с точки зрения ее лидеров, Энди Гроува и Гордона Мура.
15 . Салл и Эйзенхардт (2015).
16 . Артингер и Гигеренцер (2016).
17 . Томадсен (2007).
18 . Berg (2004).
19 . Гигеренцер (2022a).
20 . Бингем и Эйзенхардт (2011).
6 Инновации
Превращение идей и изобретений в продукты и услуги, пользующиеся успехом на рынке, то есть инновации, - сложная задача. Чтобы справиться с этой задачей, инновационные организации полагаются на умную эвристику. 1 На самом деле термин "эвристика" этимологически связан с творчеством: в древнегреческом языке εὑρίσκω (heurískō) означает "я нахожу, открываю". Исследователь предпринимательства Мэтью Манимала определил более 100 эвристик, используемых в предпринимательских предприятиях. 2 Он обнаружил, что высокоинновационные предприятия, как правило, используют иной набор эвристик, чем менее новаторские. Например, по сравнению с менее инновационными стартапами, эвристики инновационных предприятий в большей степени ориентированы на наращивание потенциала, органический и интегрированный рост, ориентацию на людей и ценности, а также на постоянную разведку и обучение. В этой главе мы рассмотрим ряд умных эвристик, которые помогают организациям становиться и оставаться инновационными. Однако прежде давайте рассмотрим условия, при которых инновации возникают в первую очередь.
Почему крупные инновации часто приходят из небольших стартапов?
Можно было бы предположить, что крупные инновации приходят в основном от больших корпораций с большими финансовыми ресурсами, многочисленным и хорошо обученным персоналом и отличными отделами исследований и разработок (R&D). Но довольно часто революционные инновации приходят от небольших стартапов. Взять хотя бы Facebook: хотя он и не изобрел социальные сети, он произвел революцию в социальном взаимодействии и нашем представлении о дружбе благодаря использованию Интернета в качестве социальной среды в глобальном масштабе. 3 Google, тем временем, изменил то, как мы ищем информацию, PayPal произвел революцию в онлайн-платежах, а Netflix изменил то, как мы развлекаемся с помощью онлайн фильмов и шоу по требованию.
Ни одна из этих инноваций не была разработана крупными корпорациями. Почтовые службы, например, существуют уже более 2 000 лет: Cursus Publicus, государственная курьерская служба, была создана римским императором Августом, а во многих европейских странах почтовые службы появились начиная с XVI века. Одной из их основных первоначальных целей была возможность для аристократии и военных поддерживать связь и обмениваться сообщениями на больших расстояниях. Однако государственные и частные почтовые службы, возникшие после XIX века и превратившиеся в огромные агентства, которые мы знаем сегодня, не были в авангарде использования Интернета для инновационных коммуникаций.
Поисковые системы в Интернете не были созданы крупными медиакорпорациями, такими как NewsCorp или CNN. Крупные банки не стояли у истоков онлайн-платежей. А потоковое воспроизведение фильмов и телепередач через Интернет не было изобретено компанией Blockbuster, которая доминировала среди компаний, занимавшихся прокатом DVD-дисков в кирпичном и морском исполнении. Рид Хастингс, один из основателей Netflix, на самом деле был мотивирован на создание Netflix после того, как расстроился из-за штрафа за просрочку в 40 долларов от Blockbuster. 4 Эти и многие другие революционные инновации были созданы малыми предприятиями.
Неопределенность необходима для инноваций
Почему крупные инновации, как правило, не появляются в больших корпорациях? Мы видим как минимум три причины. Во-первых, в крупных организациях, как правило, существует негативная культура ошибок - вопрос, который мы более подробно рассматриваем в главе 11. Для менеджеров это означает, что важнее избегать ошибок, чем создавать инновационные решения. Избежать ошибок можно, "играя в безопасность": не рискуя, не пробуя новое, не ставя под угрозу устоявшиеся продукты и услуги и не проявляя креативность. Креативность по своей природе предполагает ошибки, поскольку большинство новых идей и инноваций терпят неудачу, лишь некоторые оказываются полезными и коммерчески жизнеспособными, и еще меньше становятся блокбастерами.
Во-вторых, что связано с этим, крупные организации склонны поощрять принятие оборонительных решений. Решение является оборонительным, если менеджеры выбирают не лучший вариант, а второй, чтобы обезопасить себя на случай, если что-то пойдет не так. Чтобы обезопасить себя, они собирают длинные отчеты и ненужные данные, нанимают консалтинговые фирмы и создают стопки документации и бумаг, прежде чем принять решение. Такая защитная культура подавляет творчество и инновации.
В-третьих, и это самое главное, вспомните различие между риском и неопределенностью из главы 2. В маленьком мире риска все возможные действия, будущие состояния мира и их последствия уже известны, поэтому инновации невозможны. Экономист Йозеф Шумпетер популяризировал идею созидательного разрушения, опираясь на более ранние работы Вернера Гомбарта и Карла Маркса. 5 Шумпетер утверждал, что шторм созидательного разрушения постоянно приводит к инновациям внутри экономической системы, непрерывно разрушая старое и создавая новое. В основе этого процесса лежит внутренняя неопределенность, которая ограничивает способность организаций прогнозировать и контролировать окружающую среду, а значит, и свое выживание. Рано или поздно - а для большинства рано - организации исчезают, утрачивая актуальность и конкурентоспособность.
Этот важный момент упускается из виду теориями, предполагающими наличие маленьких миров. Его также упускают из виду крупные организации, которые используют свои огромные ресурсы в попытке контролировать каждую деталь своего окружения и управлять рисками. Как организации могут процветать в этом шумпетерианском мире созидательного разрушения? Возможно, вместо того чтобы расширять отделы управления рисками, компаниям выгоднее создать "отделы эксплуатации неопределенности".
В условиях неопределенности трудно оставаться новатором
Некоторые из инновационных стартапов, упомянутых ранее, впоследствии превратились в крупные корпорации и столкнулись с проблемой, как оставаться инновационными. Многие из них не могут этого сделать. Вместо этого они покупают инновации, приобретая стартапы - такие, какими они были до того, как расширились и потеряли свое преимущество. Один немецкий дизайнер умных кухонь рассказал нам, что произошло после того, как его небольшая передовая компания заняла первое место на международном конкурсе в Калифорнии: к нему пришел менеджер из Google, который сказал: "Мы купим вас или уничтожим".
Однако покупать инновации очень сложно, потому что трудно предсказать, какая новая идея в итоге окажется прибыльной. В 1998 году, когда компания Netflix только начинала свою деятельность, Blockbuster доминировал в индустрии видеопроката в США. В 2000 году Netflix предложила Blockbuster продать себя за 50 миллионов долларов. Руководство Blockbuster отказалось, поскольку Netflix в то время терпела убытки, в то время как Blockbuster все еще был прибыльным и процветающим. Джон Антиоко, в то время генеральный директор Blockbuster, высказал мнение, что "истерия по поводу доткомов совершенно раздута". 6 Тем временем глава Amazon Джефф Безос ранее предлагал купить Netflix примерно за 15 миллионов долларов, но владельцы Netflix отклонили это предложение. Это было правильное решение: к 2020 году выручка Netflix составила более 25 миллиардов долларов, а рыночная капитализация - около 200 миллиардов долларов. Компания Blockbuster, напротив, была вынуждена подать заявление о защите от банкротства в 2010 году, а к 2014 году все магазины, кроме одного, в Бенде, штат Орегон, были закрыты.
Подобные провалы прогнозов в условиях неопределенности встречаются повсеместно. В 1876 году крупнейшая американская телеграфная компания Western Union не стала покупать патент Александра Грэма Белла на телефон за 100 000 долларов по следующей причине: 7 "Белл рассчитывает, что публика будет пользоваться его аппаратом без помощи обученных операторов. Любой телеграфный инженер сразу же увидит ошибочность этого плана. Публике просто нельзя доверять работу с техническим оборудованием связи". Хотя этот и подобные примеры часто приводятся в книгах как причудливые провалы в принятии решений, мы должны признать, что ретроспектива - это 20/20, а неопределенность влечет за собой большие ошибки. Не существует сценария того, как будет развиваться будущее.
Вместо того чтобы пытаться купить инновации, организации могут попытаться оставаться инновационными. Но как?
Эвристика инноваций
Одной из крупных организаций, которой на протяжении десятилетий удавалось оставаться исключительно инновационной, является 3M. Учитывая ее выдающийся успех, ее практика заслуживает более пристального внимания. Основанная более 100 лет назад, в 1902 году, как Minnesota Mining and Manufacturing Company, компания 3M с тех пор сохраняет высокий уровень успешных инноваций. Ее ассортимент насчитывает более 60 000 наименований продукции, включая такие мировые бренды, как ScotchTape, Post-It Notes и ScotchBrite. Объем продаж компании превышает 30 миллиардов долларов в год. Впечатляет тот факт, что в 2014 году компания достигла рубежа в 100 000 патентов, и с тех пор это число ежегодно увеличивается примерно на 3 000 патентов. 8 Как компании 3M удается быть такой инновационной на протяжении столь длительного периода времени? Ключевую роль, по-видимому, играют несколько эвристик, на которые компания опирается как на часть своей корпоративной культуры.
Развитие креативности с помощью правила 15 процентов
Ключевой эвристикой компании 3M является правило 15 процентов. Введенное в 1948 году, это правило позволяет ученым и инженерам тратить около 15 % своего рабочего времени на попытки внедрить инновации, которые им нравятся. Уильям Макнайт, который прошел путь от бухгалтера до руководителя компании в течение многих лет, привел следующее обоснование: "Поощряйте экспериментальное дудлингование. Если вы ставите вокруг людей заборы, у вас появляются овцы. Дайте людям простор, который им нужен". 9
Правило 15 процентов: Ученые и инженеры могут тратить 15 процентов своего рабочего времени на то, чтобы пробовать новое.
Это правило, как представляется, приводит к пустой трате ресурсов и времени. В конце концов, это оплачиваемое время, которое не используется продуктивно для конкретных существующих проектов. И большая часть этого экспериментального времени тратится на генерацию идей, которые никогда не превратятся в коммерчески жизнеспособные продукты. И еще, почему именно 15 процентов? И почему именно 15 процентов? Очевидно, что некоторые сотрудники более креативны и инновационны, чем другие. Поэтому для максимизации инноваций, казалось бы, имеет смысл уделять больше времени высококреативным сотрудникам и меньше или совсем не уделять его менее креативным. Однако проблема такого подхода к максимизации заключается в том, что компания 3M работает не в маленьком мире просчитываемых рисков, а в мире, где невозможно предсказать, кому придет в голову следующая креативная идея, которая приведет к созданию продукта-блокбастера. Вполне возможно, что это будет сотрудник, которому впервые придет в голову отличная идея.
Многие патенты и продукты компании, включая вездесущую записку Post-It, были изобретены в течение 15-процентного периода. Сотрудники подразделения по борьбе с инфекциями использовали его для разработки электронных стетоскопов с беспроводной связью. В результате 3M смогла представить первый электронный стетоскоп с технологией Bluetooth, который позволяет врачам прослушивать сердечные и легочные шумы пациентов во время обхода, беспрепятственно передавая данные в программное обеспечение для более глубокого анализа. Продукт стал высокорентабельным.
Правилу 15 процентов подражали - еще одна эффективная эвристика! - несколько других высокоинновационных компаний, таких как Hewlett-Packard и Google. Билл Хьюлетт из Hewlett-Packard, отвечая на вопрос о компании, которой он очень восхищается, назвал 3M образцом для подражания: "3M! Без сомнения. Никогда не знаешь, что они придумают в следующий раз. Прелесть в том, что они, вероятно, тоже не знают, что придумают в следующий раз". 10 А в Google Gmail и Google Earth были придуманы во время еще более щедрой 20-процентной отсрочки. 11
Новаторство с правилами 30/4 и 6 процентов
Осознав соблазн самоуспокоиться, компания 3M ввела еще одну эвристику, позволяющую оставаться инновационной.
Правило 30/4: 30 процентов прибыли компании должно приходиться на продукты, выпущенные за последние четыре года.
Это правило постоянно заставляет компанию не останавливаться на достигнутом. Вместо того чтобы довольствоваться прибылью от имеющихся патентов и текущих продуктов-блокбастеров, сотрудники продолжают искать новые и еще более совершенные продукты. Это правило дополняется еще одной эвристикой - "один умный совет".
Правило 6 процентов: Тратьте на НИОКР примерно 6 процентов от объема продаж.
Компания 3M тратит на НИОКР гораздо больший процент от продаж, чем обычный производитель, обеспечивая ресурсы для достижения правила 30/4. Это привело не только к появлению новых продуктов, но и к созданию целых новых отраслей. Дэвид Пауэлл, вице-президент 3M по маркетингу, подтверждает важность НИОКР: "Ежегодные инвестиции в НИОКР в хорошие и плохие годы - это краеугольный камень компании. Последовательность в плохие годы особенно важна". Правило обеспечивает быстрый, экономный и прозрачный способ определения бюджета на НИОКР. Оно также мотивирует исследователей и разработчиков продуктов разрабатывать инновации, которые продаются, поскольку, когда продажи растут, на НИОКР выделяется больше денег.
Превращение неудачи в успех
Компания 3М также имеет богатую традицию рассказывать истории знаменитых неудач, которые впоследствии привели к созданию прорывных продуктов. Эта традиция поддерживает культуру инноваций и риска неудачи ради неопределенного вознаграждения.
Эвристика "от неудачи к успеху": когда что-то не получается, вместо того чтобы смириться с неудачей, подумайте, как превратить ее в успех.
Вспомните, как был изобретен ScotchGuard: Пэтси Шерман, исследователь компании 3M, проводила эксперименты с фторохимическими полимерами, когда лаборантка случайно пролила немного смеси на ее теннисные туфли. Она попробовала использовать воду, спирт и мыло, но так и не смогла удалить пролитую смесь с обуви. После этого у нее возникла идея, что это вещество может служить защитой от пятен для других текстильных изделий. 12 После долгих экспериментов была найдена формула ScotchGuard, а остальное уже история. Еще одна история превращения неудачи в успех - слабый клей, который был непреднамеренно разработан в рамках проекта по созданию сильного клея; вместо того чтобы считать его неудачей и отложить в сторону, изобретение превратилось в пользующиеся огромным успехом блокноты Post-It. Еще одна история неудач 3M с первых дней ее существования вошла в историю компании: первоначальным бизнес-предприятием компании было по добыче корунда, материала, который планировалось использовать для изготовления шлифовальных кругов. Вместо этого они нашли некачественный абразив. После долгих экспериментов появился их первый прорывной продукт: наждачная бумага Wetordry.
Учиться на неудачах помогает здоровая культура ошибок. В компании 3M это выражается в философии Ричарда Карлтона, директора по производству компании 3M и автора первого руководства по тестированию: "Вы не можете споткнуться, если не находитесь в движении". Аналогичным образом генеральный директор 3M Макнайт сформулировал "Принципы Макнайта" как основу корпоративной культуры 3M. Его важнейший пункт гласит: "Ошибки будут совершаться, но если человек сам по сути своей прав, я думаю, что ошибки, которые он совершает, не так серьезны в долгосрочной перспективе, как ошибки, которые совершает руководство, если оно диктаторское и если оно берется указывать людям... как именно они должны делать свою работу". 13
Пробы и ошибки
Томасу Эдисону часто приписывают изобретение лампочки в 1879 году. Однако более ранняя версия была создана за много лет до этого английским химиком Хамфри Дэви. Дэви также определил ключевую задачу для коммерческого успеха изобретения: найти материалы и производственные процессы, которые позволили бы получить дешевый, ярко горящий и долговечный продукт. Только Эдисон нашел правильное сочетание материалов и производства, чтобы сделать лампочку жизнеспособной. Для этого он использовал эвристику проб и ошибок.
Эвристика проб и ошибок: попробуйте первый вариант, который приходит на ум. Если он не сработал, попробуйте следующий. Повторяйте, пока не добьетесь успеха.
Эдисон поручил своему научно-исследовательскому центру хранить все виды сырья, которые только можно себе представить. Сочетая огромное количество материалов с опытом различных производственных процессов, он мог пробовать различные комбинации материалов. Результатом этого эвристического процесса стало изобретение лампочки Эдисона.
Метод проб и ошибок глубоко укоренился в культуре 3M. Как писал Карлтон, "у каждой идеи должен быть шанс доказать свою ценность, и это верно по двум причинам: (1) если она хороша, мы хотим ее получить; (2) если она не хороша, мы приобретем душевное спокойствие, доказав ее непрактичность". 14
Серендипити - искусство находить то, что человек не искал, - играет важную роль в инновациях. Ранее мы рассказывали о том, как ScotchGuard компании 3M появился в результате несчастного случая в лаборатории, когда исследовательница, пролив на свою обувь жидкость, предназначенную для других целей , обнаружила ее водоотталкивающее свойство. Открытие Gore-Tex, материала, ставшего синонимом высококачественной всепогодной одежды, также произошло случайно. 15 Вместо того чтобы медленно растягивать нагретые стержни политетрафторэтилена, как это обычно делается, основатель компании Боб Гор в один прекрасный момент резко, с ускорением, дернул за них. Это растянуло материал примерно на 800 процентов и создало микропористую структуру, которая была одновременно водонепроницаемой и дышащей - так родился Gore-Tex. Хотя, строго говоря, это не было результатом эвристического метода проб и ошибок, в процессе проб и ошибок часто случаются неожиданные открытия.
Когда метод проб и ошибок является экологически рациональным? Два ключевых условия: поиск решений должен вестись с учетом опыта и наличия достаточного количества ресурсов. Наличие ресурсов позволяет компаниям опробовать все потенциальные решения, которые они придумывают. Экспертиза помогает направить поиск решений в перспективное русло. Это та же логика, что и в случае с эвристикой беглости (глава 2): первый вариант, который приходит в голову экспертам, может оказаться лучшим.
Когда поиск методом проб и ошибок не опирается на опыт, он не является разумным. Случайный перебор решений, чтобы проверить, сработает ли хоть одно из них, может потребовать большого количества испытаний и много ресурсов. Поэтому такой подход больше подходит для организаций, располагающих необходимыми ресурсами (например, клиентами, материалами, программистами, учеными). Благодаря огромному количеству взаимодействий с клиентами и транзакций, исчисляемому десятками или сотнями миллионов в день, Amazon и другие технологические гиганты, такие как Facebook, могут проводить большое количество небольших экспериментов, пробуя разные вещи. Например, они в случайном порядке представляют тысячам пользователей веб-страницы, отличающиеся, помимо прочего, оформлением, цветом и шрифтом, чтобы посмотреть, какая из версий приведет к большему числу покупок или кликов по платной рекламе, приносящих доход. В условиях, когда ресурсы ограничены или испытания занимают больше времени, эвристика случайных (неуправляемых) проб и ошибок может занять слишком много времени или стать слишком дорогой. Одним из контекстов, в котором случайные испытания и ошибки не являются идеальными, является разработка эвристик.
Эвристика для проектирования продуктов
Дизайн продукции имеет огромное значение как с эстетической, так и с экономической точки зрения. В среднем считается, что около 70 процентов стоимости продукта определяется его дизайном. 16 Как лучше всего проектировать продукты, учитывая почти бесконечное количество возможностей? И здесь важную роль играет эвристика. Существуют эвристики для результата дизайна (как должен выглядеть продукт и какими качествами должен обладать разработанный продукт) и для процесса дизайна (как придумывать новые дизайны).
Немногие компании так известны своим дизайном, как Apple. Менее известно, что Apple, наряду с бесчисленными другими компаниями, в значительной степени вдохновлялась принципами дизайна Дитера Рамса, долгое время возглавлявшего отдел дизайна немецкой компании Braun, производящей потребительские товары. На рисунке 6.1 показано, как Apple применила эвристику подражания успешному (глава 5) при разработке iPod, в точности подражая транзистору T3 компании Braun. 17 Используя эту эвристику, организации подражают лучшему продукту, практике или бизнес-модели.
Рисунок 6.1
Эвристика "подражай-успевай" используется при разработке дизайна продукта. iPod компании Apple имитирует дизайн гораздо более раннего транзистора T3 компании Braun. Слева - транзистор T3, 1958 год; справа - iPod, 2001 год. Это также иллюстрирует непреходящую силу простых дизайнерских эвристик. Источник: https://es.bellroy.com/journal/heroes-of-design-dieter-rams.
Согласно десяти принципам, сформулированным Рамсом, хороший дизайн - это 18
Инновационный
Полезное
Эстетика
Понятный
Ненавязчивый
Честный
Долговечный
Тщательно, до мельчайших деталей
Экологически чистый
Как можно меньше дизайна
Принципы Рамса можно использовать как эвристику подсчета: дизайнеры могут подсчитывать, скольким принципам отвечают их идеи дизайна, причем больше - значит лучше. А компании могут устанавливать пороговые значения, сколько принципов должно быть соблюдено, чтобы дизайн считался приемлемым.
Эвристика процесса может помочь дизайнерам придумывать новые идеи. Коллин Сейферт и ее коллеги составили каталог из семидесяти семи эвристик проектирования в ходе качественного исследования промышленных и инженерных дизайнеров, работавших над различными потребительскими товарами. 19 Эти эвристики включают в себя целый ряд подходов, таких как следующие:
Добавить к существующему продукту: Добавьте существующий элемент к функциям продукта. Рассмотрите возможность физической привязки, создания системы или определения взаимосвязей с продуктами.
Изгиб: формирование угловой или закругленной кривой путем изгиба непрерывного материала для придания различных функций изогнутым поверхностям (см. рис. 6.2 для примера).
Рисунок 6.2
Пример эвристики дизайна "изгиб": изогнутая книжная полка приобретает вторую функцию художественного предмета интерьера. Источник: https://www.etsy.com/uk/listing/155846308/spiral-bookshelf-medium.
Раскройте внутренности: Покажите внутренние компоненты продукта, удалив внешнюю поверхность или сделав ее прозрачной для восприятия и понимания пользователем.
Штабелирование: Складывайте отдельные компоненты или делайте весь продукт штабелируемым, чтобы сэкономить место, защитить внутренние компоненты или создать визуальный эффект.
Унифицировать: Сгруппируйте элементы в соответствии с интуитивными отношениями, такими как сходство, зависимость, близость, чтобы объединить их для визуальной согласованности.
В последующих исследованиях Сейферт и ее коллеги показали, что студентов можно обучить использованию эвристики дизайна. Обучение было довольно простым и заключалось в простой демонстрации эвристики дизайна. Как мы обсудим в главе 13, важным преимуществом эвристик является то, что их можно относительно легко выучить и обучить. После такого обучения проекты студентов оказались более креативными, чем проекты студентов в контрольной группе. Исследователи пришли к выводу, что эвристика дизайна "помогла участникам "перепрыгнуть" в новое проблемное пространство, что привело к появлению более разнообразных дизайнов и более частому появлению дизайнов, оцененных как более креативные". 20
Инновации благодаря мудрости толпы
Эвристика "мудрости толпы" позволяет точно предсказывать будущие события, например, кто из кандидатов победит на выборах или какой товар будет успешным на рынке. Для этого она берет среднее значение из большого числа независимых оценок (подробнее см. главу 3). Креативность и инновации, однако, основаны на том, чтобы отличаться от нормы или среднего значения. Интересно, что для разработки успешных новых продуктов можно использовать сочетание "мозгового штурма" и "мудрости толпы". Она состоит из двух этапов:
Шаг 1 (мозговой штурм): Обратитесь к своим клиентам с творческими идеями и обобщите их.
Шаг 2 (мудрость толпы): Пусть ваши клиенты проголосуют за эти идеи и определят победителей.
Шаг 1 использует разнообразие идей среди большого количества людей. Шаг 2 использует популярное мнение большого числа людей. Вместе они образуют мощную комбинацию. Рассмотрим применение этой эвристики в компании LEGO.
Немногие бренды в игрушечном бизнесе столь же инновационны и успешны, как LEGO. 21 Миллионы маленьких пластиковых кирпичиков и фигурок продаются и собираются каждый год, принося радость многочисленным поклонникам по всему миру и огромные прибыли компании. Однако в начале 2000-х годов LEGO столкнулась с серьезными проблемами. Команда дизайнеров создавала все более сложные продукты, которые требовали все больше уникальных отдельных компонентов, и затраты на производство резко возросли. Тем временем продажи продолжали падать, поскольку сложные конструкции, очевидно, не находили должного отклика у потребителей. С 2002 по 2003 год продажи упали на 30 %.
В этой критической ситуации на помощь пришли LEGO Ideas. LEGO Ideas - это онлайн-платформа, где фанаты могут делиться и обсуждать свои собственные проекты, а также голосовать за понравившиеся им. Как только проект набирает более 10 000 голосов, LEGO официально рассматривает его и решает, стоит ли запускать его в производство. После этого продукт распространяется в магазинах LEGO, а дизайнер получает вознаграждение в размере 1 процента от чистой выручки от продаж. Эта стратегия краудсорсинга для генерации идей использует мудрость толпы поклонников LEGO. Она привела к появлению множества хороших дизайнерских идей и продуктов, мобилизовала интерес фанатов к продукту еще до его запуска и повысила и без того сильную лояльность фанатов к бренду. Вскоре после запуска LEGO Ideas продажи снова выросли. В 2015 году LEGO стала компанией номер один по продажам игрушек в Европе и Азии. В 2016 году компания продала 75 миллиардов кирпичиков.
Благодаря Интернету инновационные стратегии, направленные на получение хороших идей от большой толпы, становятся все более правдоподобными и осуществимыми. Иногда для этого даже не требуется такая сложная система, как LEGO Ideas. Компания Amazon начинала с продажи книг через Интернет, а затем добавила в свой торговый каталог CD и DVD. Когда вся платформа была готова, Джефф Безос задумался о том, как Amazon следует расширяться дальше. Он разослал по электронной почте 1000 случайно выбранных клиентов и спросил их, что бы они хотели, чтобы компания продавала. Многие откликнулись. Безос вспоминает, что один человек написал: "Щетки стеклоочистителя, потому что мне очень нужны щетки стеклоочистителя". 22 В этот момент Безос понял, что Amazon может продавать в Интернете все, что угодно. Со временем компания перешла на и стала предлагать электронику, игрушки и многие другие категории товаров. Помимо того, что Amazon прислушивалась к своим клиентам, она также планировала свое расширение медленно, делая один шаг за другим, не двигаясь слишком быстро. Эти эвристические стратегии сыграли большую роль в огромном успехе Amazon.
Инновации или подражание?
Закон эпонимии Стивена Стиглера гласит, что ни одно научное открытие не называется по имени его первооткрывателя. 23 Например, теорема Пифагора, объясняющая связь между сторонами правильного треугольника, была известна еще до Пифагора. Точно так же преобразования Фурье использовал Пьер-Симон Лаплас до Жозефа Фурье, Симеон Пуассон опубликовал распределение Коши за двадцать девять лет до того, как Огюстен-Луи Коши "открыл" его по случайному совпадению, а правило Байеса было открыто не Томасом Байесом. В подтверждение своих слов Стиглер отметил, что даже закон Стиглера был открыт не им самим (он приписал его социологу Роберту К. Мертону).
Закон Стиглера действует и в бизнесе. Довольно много товаров ассоциируется с именами, которые не являются их создателями. Как мы видели в этой главе, Эдисон не изобретал лампочку. А знаменитая кукла Барби от Mattel была создана по образцу персонажа комиксов немецкого таблоида Bild по имени Лилли. Как Лилли была создана, чтобы удовлетворить вкус взрослых читателей-мужчин из Bild, так и Барби отвечала господствующим гендерным стереотипам. Вторая версия Барби, выпущенная в 1992 году, могла говорить, хотя, возможно, было бы лучше, если бы она этого не делала, учитывая, что она говорила такие вещи, как "Математика - это сложно. Давайте пройдемся по магазинам". 24
В главе 5 подчеркивалась ценность подражания как ключевой эвристики стратегии, которая позволяет компаниям разрабатывать продукты, выходить на рынки и оставаться конкурентоспособными. Даже такая инновационная компания, как Google, подражала, когда разработала AdWords для монетизации своей поисковой системы за счет показа рекламы. Зачастую грань между имитацией и инновациями размыта. Большинство организаций как имитируют, так и внедряют инновации, поскольку ни одна организация не может самостоятельно внедрить все инновации. И хотя имитировать, как правило, гораздо легче, чем внедрять инновации, немногие организации, полностью лишенные инновационности, выживают долго. Суть в том, что и имитация, и инновации имеют решающее значение для прогресса, и организации полагаются на умную эвристику, чтобы и имитировать, и внедрять инновации.
Примечания
1 . Cristofaro and Giannetti (2021); Gilbert-Saad, Siedlok, and McNaughton (2018); Guercini (2012); Harrison, Mason, and Smith (2015); Maxwell, Jeffrey, and Levesque (2011).
2 . Манимала (1992).
3 . Основатель Facebook Марк Цукерберг был вдохновлен более ранним сайтом Hot or Not, который позволял пользователям оценивать привлекательность женщин и мужчин по шкале от 1 до 10. Не спрашивая разрешения, Цукерберг, тогда еще студент Гарвардского университета, взломал сайты женских общежитий, чтобы загрузить фотографии из их face books, которые изначально были бумажными справочниками. См. Farnham (2014).
4. Гастингс и Мейер (2020).
5 . Шумпетер (1911, 1942).
6 . Zetlin (n.d.). См. также рассказы соучредителей Netflix Марка Рэндольфа и Рида Хастингса в Randolph (2019) и Hastings and Meyer (2020).
7 . Шерден (1998, с. 174-175).
8 . 3M (n.d.).
9 . Нижеследующее основано на материалах Lukas (2003).
10 . Цитата из Collins and Porras (2002, p. 150).
11 . Соучредитель Ларри Пейдж приводит доводы в пользу 20-процентного времени в своем письме основателям IPO 2004 года, взятом с сайта https://abc.xyz/investor/founders-letters/2004-ipo-letter/.
12 . Говиндараджан и Шринивас (2013).
13 . Цитата из Lukas (2003). Использование мужских местоимений в оригинале.
14 . Эта и следующая цитаты взяты из Lukas (2003).
15 . Институт истории науки (2020).
16 . Pahl и Beitz (1996).
17 . Rajshekhar (2021).
18 . Vitsoe (n.d.).
19 . Seifert et al. (2016).
20 . Yilmaz, Seifert, and Gonzalez (2010, p. 335).
21 . Нижеследующее основано на материалах Davis (2017).
22 . Цитата из Mangalindan (2018).
23 . Стиглер (1980).
24 . Бонди, цитируется в Gigerenzer (2002, p. 23, 260).
7 Переговоры в реальном мире
ТЕЛЕГРАМКанал с обзорами, анонсами новинок и книжными подборками
Книжный Вестник
Бот для удобного поиска книг (если не нашлось на сайте)
Поиск книг
Свежие любовные романы в удобных форматах
Любовные романы
О психологии, саморазвитии и личностном росте
Саморазвитие
Детективы и триллеры, все новинки
Детективы
Фантастика и фэнтези, все новинки
Фантастика
Отборные классические книги
Классика
ВКОНТАКТЕБиблиотека с любовными романами, которая наверняка придётся по вкусу женской части аудитории
Любовные романы
Библиотека с фантастикой и фэнтези, а также смежных жанров
Фантастика
Самые популярные книги в формате фб2
Топ фб2
книги