Сложность окружающего мира и вытекающая из этого невозможность строить долгосрочные прогнозы приводят к проблемам, которые обсуждал в своей московской лекции известный специалист в области глобального моделирования Деннис Медоуз[6]. На рисунке 1.4 по горизонтали отложено время, мы – слева, в красной точке, это – текущий момент, справа – будущее. По вертикали откладывается какой-либо показатель, в данном случае, чем больше его значение, тем лучше. Допустим, мы хотим попасть в желаемое положение и можем выбрать одно из двух действий. Одно действие приведет в желаемую точку, второе – даст результат гораздо хуже. Синяя вертикальная линия – ближайшая точка оценки. Эта оценка – обратная связь, информация, которую мы получаем о том, как идет процесс. Для простых проблем (диаграмма в левой части рисунка) действие, которое ведет к желаемому результату, выглядит лучше и в ближайшей точке оценки. Но проблемы, которые вызывают катастрофу (диаграмма в правой части), ведут себя иначе. Действие, которое выглядит лучше в краткосрочной перспективе, приводит к значительному ухудшению в отдаленном будущем. Действие, которое на самом деле ведет к решению, в точке оценки выглядит хуже.

Построение управления при неопределенных параметрах системы является одной из центральных проблем теории автоматического управления. Системы такого рода называют адаптивными или самоорганизующимися, они способны изменять законы своего функционирования и свою структуру для достижения оптимального состояния при изменении внешних условий. Условно их можно разделить на системы, реализующие только алгоритмы поиска, и на системы, которые реагируют на внешние воздействия на основе постоянно обновляемой модели окружающей среды.

Но в этот момент возникает еще один вопрос – а как осуществляется выбор корректирующих действий? Как мы увидели, очень редко это процесс чисто рационального[7] решения задачи, который сводится к триаде «анализ – синтез – апробация». Несколько разобраться в ситуации с выбором решения может помочь модель, предложенная Дэниелем Левинтолом[8]. Он предложил рассматривать проблемы в трехмерном пространстве, координатами которого являются неопределенность в постановке проблемы, количество известных альтернативных решений и представление (репрезентация) проблемы (рисунок 1.5). Имеется целый класс проблем, для которых все альтернативные решения известны, просчитывается вероятность того, что определенное действие приведет к заданному результату, и это можно оценить в виде рисков. Такие проблемы располагаются вблизи плоскости, образуемой осями «альтернативы» и «неопределенность» в прямоугольнике, выделенном на рисунке серым цветом. Назовем этот прямоугольник «областью рационального поведения». Именно гипотеза рациональности поведения, предполагающая, что индивидуальное поведение определяется стремлением к увеличению некоторых объективных показателей, лежит в основе многих теорий доминирующих сегодня в экономике и менеджменте.

Но как мы уже установили, наша рациональность почти всегда ограничена – для оценки всех возможных вариантов не хватает информации. Поэтому количество проблем, которые не имеют рациональной репрезентации, гораздо больше. Левинтол предлагает рассматривать рациональность как процесс, в котором производится отображение реальных проблем на их упрощенное рациональное представление, допускающее оптимальное решение. Обратите внимание, мы говорим здесь об ограниченной рациональности поведения, эта ограниченность возникает, во-первых, из-за объективного недостатка информации, и, во-вторых, из-за субъективного упрощения ситуации. При этом в процессе рационализации очень важно обеспечить обратную связь, показанную на рисунке штрихпунктирной линией, если выбранное действие не ведет к оптимальному решению реальной проблемы, необходимо уточнить ее рациональную репрезентацию. Это надо стараться делать как можно чаще.

В следующих главах мы увидим, как гипотеза ограниченной рациональности и построенные на ее основе новая институциональная и эволюционная экономическая теории, а также поведенческая теория фирмы позволяют построить методологию стратегического управления развитием ИТ.

Попытки «рационализации» окружающего мира неизбежно приводят к созданию абстрактных стратегических моделей, также показанных рисунке 1.5. Они представляют весьма обобщенное и упрощенное представление реальных проблем, очень часто в виде матрицы 2х2 (примером может служить Бостонская матрица, решетка Макфарлана и т.д.). Такие модели позволяют качественно рассуждать о проблемах, но не устраняют неопределенность относительно результатов возможных действий.

Из этих рассуждений следует третий и самый главный вывод – другого механизма эффективного поведения в реальном мире, кроме локального поиска, сочетающегося с инкрементальным обучением (т.е. построением моделей) и адаптацией, нет. Весь вопрос в интервале оценки выполняемых действий. Чем чаще мы это делаем, тем больше шансов вовремя выполнить коррекцию в соответствии с изменившейся ситуацией.

Теперь, основываясь на модели Левинтола, мы можем более четко описать каждый поведенческий архетип. Практик живет на плоскости и занимается рационализацией реальных проблем и оценкой своих действий. Он может идти по жизни, разгоняя пинками Полных песцов, а над головой у него висит гирлянда Розовых слонов, чьи хоботы он сжимает в кулаке. В другом крайнем случае он сидит в луже, обнимая Полного песца, а на лбу у него гигантская шишка от граблей. Все зависит от удачи.

Теоретик от реальных проблем воспаряет к абстракциям и строит стратегические модели. И в окно его кабинета может постучаться Розовый слон, если вдруг модель окажется полезной или хотя бы модной. Тогда ему обеспечены гонорары, публикации, лекции, внимание практиков, консультантов и студенток. Но это происходит достаточно редко. С другой стороны, и Полные песцы беспокоят теоретиков не часто.

Консультант, вооружившись стратегической моделью, пикирует вниз и советует практику, как ему решать проблемы. Собственно практик и есть его Розовый слон, а конкурирующие консультанты в данном случае никто иные, как потенциальные Полные песцы.

Чем отличается эксперт от (плохого) консультанта

В заключение этой главы необходимо остановиться на очень важном эффекте, описанном Дэвидом Даннингом и Джастином Крюгером, за что им в 2000 году была присуждена Ig Nobel Prize (более известная у нас как Шнобелевская премия), вручаемая за достижения, «которые вначале заставляют засмеяться, а потом задуматься». Даннинг и Крюгер экспериментально показали, что люди с низкой квалификацией, делая ошибочные выводы и принимая неудачные решения, не способны осознавать это именно в силу своей низкой квалификации[9]. Непонимание ошибок приводит к убежденности в собственной правоте, и, следовательно, повышению уверенности в себе и осознанию своего превосходства. Действительно, высококвалифицированные люди, наоборот, склонны занижать свои способности и страдают недостаточной уверенностью в своих силах, считая других более компетентными. Таким образом, менее компетентные люди в большей степени считают себя профессионалами, чем это свойственно людям компетентным, которые к тому же склонны предполагать, что окружающие оценивают их способности так же низко, как и они сами (рисунок 1.6).

Я полагаю, что эффект Даннинга – Крюгера имеет одно следствие – если кто-либо на 100% уверен в отстаиваемой им точке зрения, он, скорее всего, является дилетантом в обсуждаемом вопросе. Эти люди знают стандартные решения для большинства управленческих проблем – внедрение ERP, переход на модель Supply Chain Management, бережливое производство и так далее. Они с легкостью оперируют стратегическими моделями, не понимая их генезиса и границ применимости. И, как правило, именно они идут в «аналитики» или «консультанты».