Принципы открытой стратегии. Что большие данные дали философии бизнеса?

Большие данные позволяют пересмотреть привычные нам подходы к ведению и осмыслению бизнеса, а также к построению стратегии. Предлагаем вашему вниманию статью главного менеджера библиотеки бизнес-школы СКОЛКОВО Хелен Эдвардс, где она на основе свежей книги, вышедшей в издательстве Harvard Business Review Press, рассуждает об этом феномене.

В недавнем эксперименте Антонио Торральба, специалист по теории вычислительных систем из MIT, проверял сможет ли он посредством машинного обучения натренировать компьютерный алгоритм различать спальни жилых домов от комнат в мотелях. При этом он заранее не задал те параметры, на которые системе нужно ориентироваться. Он был потрясён, когда обнаружил, что система сама научилась определять детали освещения, сильно коррелирующие с расположением светильников на стенах мотелей.

Дэвид Вайнбергер, старший исследователь Центра интернета и общества имени Беркмана Кляйна Гарвардского университета, приводит этот пример в своей новой книге Хаос каждый день: технология, хитросплетения и то, как мы успешно развиваемся в новом мире возможностей. Вайнбергер использует его в качестве простой, но поражающей иллюстрации глубокого обучения. Этот термин можно определить как «тип машинного обучения, который смотрит на связи между опорными точками в массиве информации, в условиях, когда ему не говорят что искать» и когда система не знает что представляют из себя данные.

Сильной стороной глубокого обучения является его способность находить связи в больших объёмах информации между многочисленными единицами данных. Deep Patient, система машинного обучения из медицинского комплекса Маунт-Синай в Нью Йорке, обработала 700 000 медицинских записей, представляющих из себя «запутанный массив данных, без какого-либо каркаса, вокруг которого можно было бы выстроить модель интерпретации записей». Тем не менее система научилась ставить диагнозы и делать медицинские прогнозы зачастую более точно, чем живые люди. Интересно, что Deep Patient в целом ряде случаев не могла объяснить почему она пришла к тому или иному выводу. В этом примере было слишком много связей и осложняющих элементов, чтобы человек смог охватить и осмыслить их все. Вайнбергер отмечает, что «системы глубокого обучения не обязаны упрощать мир до уровня, на котором они будут понятны людям ……. Машинное обучение работает, но мы не всегда можем знать точно, почему оно работает».

Вайнбергер не обходит стороной и этические вопросы, что стали привлекать всеобщее внимание благодаря способностям новых технологий использовать хитросплетения в данных. Вместе с этим он также видит перспективы, открывающиеся при сознательном отказе от попыток предсказывать каждый возможный исход. Автор книги говорит: «по причине того, что сеть отодвинули от предвидения того, как её могут использовать, она стала полезной для всего. От чтения исследовательских документов до совершения телефонных звонков, от просмотров видео до проведения корпоративных уроков рисования, от прохождения онлайн-курсов до контроля бытовой техники и до всего того, что может быть изобретено завтра». Для бизнеса это может означать новый подход к стратегии: «Построение долгосрочного плана всегда рассматривалось как некое ограничивающее действо. Такой процесс очерчивает возможности и фокусируется на тех, которые организация хочет реализовать. Но сейчас мы видим, что некоторые организации думают о стратегии не в терминах выбора нужных для себя возможностей. В мире, где всё взаимосвязано, мы можем добиваться своего (по меньшей мере частично), разрешая другим выполнять больше, чем мы можем представить».

В основе открытой стратегии лежит взаимосвязанность – способность определять то, что могут отдельные элементы системы, то, как они сочетаются друг с другом и то, как их могут использовать другие, порой весьма неожиданными способами. Вайнбергер особо выделяет применимость микроформатов – неидеальных и быстро создаваемых стандартов, которые легко воплотить в жизнь – когда нужно справиться с проволочками, возникающими при прохождении формальных процедур установления стандартов. На деле, когда компании, подтолкнувшие других к использованию своих стандартов и технологий, захватывают устойчивую позицию создателей собственной экосистемы (как например Apple и Facebook). В качестве яркого примера открытого подхода Вайнбергер приводит кейс Drupal, системы с открытым кодом, предназначенной для управления контентом и используемой более, чем миллионом сайтов. Гендиректор Drupal Дрис Бёйтарт объясняет: «Я не задаю чётких границ того, как нужно действовать. Я привёл Drupal к открытому коду и теперь другие люди могут привести систему туда, куда я и не мог представить».  На ежегодной пользовательской конференции Бёйтарт делает предположения о векторе дальнейшего развития, но у него нет инструментов, чтобы принудить разработчиков двигаться в этом направлении.

Подобное видение бизнеса, построенное на сетях и проницаемости, сильно отличается от традиционных моделей, завязанных на конкурентные преимущества. В своём лучшем проявлении оно ведёт к тому, что инструмент или система могут использоваться способами, которые раньше нельзя было и представить. Американский правительственный сайт data.gov представляет доступ к более чем 200 000 наборов правительственных документов. И оказывается, что с виду ненужная информация в этих документах – например, места расположения пожарных гидрантов и ливнёвок – неожиданно широко используется во всевозможных приложениях.

Вайнбергер пишет свою книгу как философ. Он верит, что многое в нашем сегодняшнем восприятии мира проистекает из Ньютонианского взгляда на причины и следствия. Это неизбежно включает в себя веру в универсальные законы и создание общих принципов, определяющих то, как всё работает. По своей природе это упрощение, которое строится на встраивании индивида в понятные ему рамки. Но в более ранние времена, до того как наука достигла того, чего она достигла, люди искали смысл иными способами: от составления карт движения небесных тел до ритуальных убийств животных и созерцания их внутренностей. Сейчас мы располагаем новым инструментарием, который позволяет извлекать пользу из суматохи реальной жизни: «Такие инструменты, не будучи скованными сложностями и гораздо более точно описывающие истинную суть вещей … показали нам, что больше не нужно как-то ограничивать будущее, чтобы справиться с ним. Мы преуспеваем в новом будущем, извлекая из него больше, чем могли в прошлом».

Хаос каждый день:

технология, хитросплетения и то,

как мы успешно развиваемся в новом мире возможностей

Дэвид Вайнбергер

Harvard Business Review Press, 2019