Три тенденції цифрової революції: значне збільшення ролі машин, платформ і натовпу

Автори відзначають парадокс: саме ті компанії та фахівці, чия діяльність була безпосередньо пов’язана з новими джерелами енергії, на початку XX століття виявлялися нездатними розгледіти прийдешні зміни та побачити нові можливості. Це можна пояснити ефектами «прокляття знання» або «відхилення в бік статус-кво», які можуть бути й у компаніях-лідерах із найкваліфікованішим керівництвом. Проблема — у небажанні відмовлятися від накопичених знань, нездатність зважитися на концептуальні зміни: на створення відповідної інфраструктури, яка потрібна для застосування нової технології. Крім того, нова технологія означала необхідність внутрішньоорганізаційних змін і перегляду вже налагоджених бізнес-процесів, а для цього потрібно було подолати природну інерцію.

Дослідження Клейтона Крістенсена показали, що дуже часто підривні технології скидають усталені компанії з насиджених місць. Так сталося і з електрифікацією — безліч великих трастів, які не стали займатися електрифікацією своїх заводів, за короткий проміжок часу просто зникли, а частка ринку вцілілих значно скоротилася. Компанії, які швидко застосували нову технологію й електрифікували свої заводи, потіснили старих гігантів.

Такі самі процеси, хоча, ймовірно, навіть масштабніші, ми спостерігаємо сьогодні у сфері диджиталізації. Ті компанії, які не наважуються на перетворення, ризикують розділити долю заводів початку XX століття, які покладалися на парові двигуни та чинили опір впровадженню нової технології.

Автори виділяють три ключові тенденції, які порушують усталений баланс і кардинально змінюють сучасний світ бізнесу.

Перша тенденція — машина. Поширена думка, що машини хороші та можуть перевершити людину тільки в рутинних видах діяльності. Однак комп’ютерна програма AlphaGo, яка здобула впевнену перемогу над чемпіоном із гри в го, що вимагає розвиненої інтуїції, довела зворотне. Можливості та здібності машин розширюються, і ми не можемо окреслити межі цього розширення. Вони можуть виходити далеко за межі можливостей людського розуму.

Друга тенденція — виникнення впливових технологічних компаній нового типу (Facebook, Alibaba, Airbnb, Uber), які являють собою платформи, що зв’язують між собою користувачів із різними потребами. Ці компанії часто не володіють власними активами в традиційному сенсі та не створюють свій контент.

Третя тенденція — зростаюча роль «натовпу» — людей, об’єднаних спільною метою. Ця тенденція виражається в краудфандингу, економіці спільної участі та спільного пошуку рішень. За допомогою сили натовпу компанії можуть перевіряти попит на запланований до випуску товар, проводити тестування аудиторії та дослідження ринку.

Трьом новим тенденціям протистоять три старі. Машині протистоїть розум людей, робота фахівців. Платформам протистоять продукти — товари та послуги. Натовпу протистоїть ядро — бізнес-процеси, знання і досвід всередині компанії. Знання, продукти і ядро — це не застарілі тенденції, але зараз змінюються їхні стосунки та баланс у парах із машинами, платформами й натовпом.

Нам варто реально оцінювати можливості та обмеження людського розуму

1993 року в книзі-бестселері «Реінжиніринг корпорації«Майкл Хаммер і Джеймс Чампі досліджували ідею про те, що компаніям потрібно переглянути традиційне розуміння внутрішніх процесів і розглядати себе не як таких, що виконують завдання всередині відділів (закупівля сировини в рамках відділу закупівель), а як тих, хто ведуть бізнес-процеси, що послідовно проходять через різні відділи (приймання, збирання та надсилання клієнту). Такий підхід допомагає виявити безліч непотрібних операцій всередині компанії. Поширення інтернету й поява корпоративних інформаційних систем (CRM, SCM, ERP, HRM) дало змогу краще вибудовувати бізнес-процеси, розширити взаємодію з клієнтами, поліпшити збір і аналіз даних.

Хаммер і Чампі припускали, що в умовах, коли багато рутинних процесів стали автоматизованими, людям потрібно зайнятися оцінюванням та ухваленням рішень, тобто неалгоритмічними видами діяльності, які, на широко поширене переконання, набагато краще вдаються людям, ніж комп’ютерам. Однак дослідження в галузі поведінкової економіки показали, що і з прийняттям рішень люди справляються не так добре, як звикли про це думати. Даніель Канеман виокремив дві системи мислення: Систему 1, яка спеціалізується на швидких рішеннях і яку часто пов’язують з інтуїцією, і другу, повільну Систему 2, що вимагає напруження когнітивного ресурсу. Правильно організоване навчання допомагає відшліфовувати обидві системи мислення — із часом ті операції, що вимагали тривалого обмірковування та пригадування, стають автоматичними.

З поширенням алгоритмів комп’ютери стали виконувати всю рутинну роботу зі збору та аналізу даних, яку брала на себе друга, повільна система. Здавалося б, настав зоряний час першої системи, суто людської, проте безліч сучасних досліджень продемонстрували суттєві вади нашого процесу прийняття рішень. Виявилося, що в більшості випадків розумніше покладатися на роботу алгоритмів, ніж на людську інтуїцію. Метааналіз 136 досліджень, виконаний під керівництвом психолога Вільяма Гроува, який порівнював оцінки кваліфікованих експертів із прогнозами на основі комп’ютерного аналізу даних у сфері психології та медицини, показав, що люди продемонстрували явну перевагу лише в 6 відсотках випадках. У тих дослідженнях, де люди виявлялися кращими, вони володіли просто більшою кількістю даних, ніж програма.

Є безліч списків когнітивних спотворень і ментальних помилок, але загалом їх можна звести до кількох основних:

• Через інформаційне перевантаження ми схильні відсіювати інформацію, яка здається нам неважливою, але яка насправді є важливою.
• Коли ми не володіємо повнотою інформації, ми вигадуємо відповідні пояснення, що ґрунтуються на здогадках, а не на фактах.
• Ми схильні поспішати з висновками, піддаючись емоціям, що позначається на якості наших рішень, ми придумуємо переконливі пояснення своїм імпульсивним вчинкам.
• Наша пам’ять вибіркова, ми схильні підкріплювати помилкові висновки помилковими спогадами.

Крім того, ми самі погано уявляємо, коли наша Система 1 працює добре, а коли — ні, не усвідомлюючи спотворень, до яких ми схильні.