Сложность: друг, а не враг

Как преуспевать нынешнему невероятно сложно устроенному бизнесу в условиях непредсказуемости, неопределенности и небывалой прежде взаимозависимости всех его составных частей.
Заниматься бизнесом сейчас - сов­сем не то, что 30 лет назад. Глав­ным образом потому, как мы считаем, что все усложнилось по сравнению с теми временами.
Сложные системы существовали всегда - и в мире бизнеса во все времена было много непредска­зуемого и неожиданного. Но если прежде сложность была характер­на в основном для больших систем вроде городов, то сейчас - буквально для всего, за что бы мы ни взялись: для товаров, которые мы создаем, для нашей повседневной работы, для организаций, в которых мы работаем. Всему виной информа­ционно-технологическая революция последних десятилетий. Самостоятельные прежде систе­мы теперь взаимосвязаны и взаимозависимы, а значит, по определению, более сложны.
Сложными организациями управлять гораздо труднее, чем просто большими. Труднее прогно­зировать развитие событий, поскольку сложные системы ведут себя непредсказуемо. Труднее понять суть происходящего, поскольку нынешний уровень сложности часто превышает наши ког­нитивные возможности. И труднее планировать свои действия, поскольку нельзя судить о том, как сложная система проявит себя в будущем на основании анализа прошлого. Да и отклоне­ния в сложной системе бывают обычно больше среднего значения.
Дело усугубляется тем, что наши аналитические средства быстро устаревают. Все вместе мы знаем немало о том, как работать в сложной деловой среде, но это коллективное знание не коснулось большинства современных руководителей высше­го звена, каждого по отдельности, и бизнес-школ, в которых готовят будущих управленцев. Как исправить ситуацию?
Давайте поговорим подробнее о том, что же такое сложность, какие проблемы она порождает и как их решать.
Составное или сложное?
Есть по-настоящему сложное, а есть - просто усложненное: большое, составное. Эти два явле­ния легко спутать. Руководители должны уметь их различать. Если вы будете управлять сложной организацией так, словно она только лишь составная, вам не миновать серьезных ошибок.
Простые системы предполагают минимум взаи­мосвязей и абсолютно предсказуемы. Представьте себе, что вы включаете и выключаете свет. Одно и то же действие всегда приводит к одному и тому же результату.
У составных систем вроде электросети, благода­ря которой у нас в домах есть электрический свет, множество частей, но они работают по раз заве­денному порядку и взаимодействуют согласно определенной схеме. Поэтому мы можем точно предсказать, как такая система будет работать. Скажем, полет пассажирского самолета предпо­лагает целый ряд предсказуемых действий, что делает полет безопасным. Осваивать методику «шести сигм» организация может поэтапно, но исходные ресурсы, принципы работы и резуль­таты назвать довольно просто.
В сложных системах все наоборот: даже если их компоненты сами по себе и работают по схеме, то взаимодействовать они могут все время по-разно­му. Сложность деловой среды определяется тремя факторами. Первый - это множественность потенциально взаимодействующих элементов. Второй - их взаимосвязанность. Третий - мно­гообразие. Чем сильнее выражены множествен­ность, взаимозависимость и многообразие, тем выше уровень сложности. Скажем, програм­ма органического роста чрезвычайно сложна: она состоит из множества взаимодействующих, взаимосвязанных, многообразных элементов.
В сущности, главное различие между состав­ными и сложными системами заключается в том, что, как правило, в первом случае можно, зная исходные условия, предсказать результат. В сложных системах при одинаковых исходных условиях результаты могут быть разными: все зависит от того, как будут взаимодействовать их элементы. Управление воздушным движени­ем - сложная система. Тут все постоянно меня­ется в зависимости от погоды, времени простоя самолетов и т.д. Эта система предсказуема не по­тому, что обеспечивает одни и те же результаты при одних и тех же исходных условиях, а потому, что изначально ее проектировали так, чтобы она могла адаптироваться к любым изменениям во «взаимоотношениях» ее компонентов.
Можно разобраться в устройстве и простых, и составных систем, если выявить и смоде­лировать взаимодействие частей - четкое и предсказуемое. Но так не понять систему, все элементы которой взаимодействую постоянно и самым неожиданным образом.
Проблема сложности
Люди, управляющие сложными системами, чаще всего сталкиваются с двумя проблемами. Во-первых, часто невозможно предугадать пос­ледствия тех или иных решений, а во-вторых, трудно разобраться в сути происходящего.
Непредвиденные последствия. В слож­ной системе даже незначительные решения порой приводят к самым непредвиденным результатам. Исследователи выявили три типа ситуаций, в которых это случается с высокой долей вероятности.
Первая: события развиваются не так, как предполагалось. Вспомним историю Wii, иг­ровой приставки компании Nintendo. Пред­полагалось, что благодаря ее уникальной возможности определять положение и скорость игрока удастся значительно увеличить рынок компьютерных игр. В остальном игровая при­ставка была довольно простой - компания сознательно пошла на это, чтобы завоевать новых пользователей и избежать роста цен. Разработчики считали, что целевая аудитория оценит новинку и извинит ее незамыслова­тость. План вроде бы удался: ряды поклон­ников Wii пополнились. Но пользователи «со стажем» встретили новую приставку насторо­женно, решив, что технология реагирования на движение - просто рекламный трюк. Спустя время оказалось, что независимые разработ­чики предпочитают выпускать новые игры для Xbox 360, PlayStation 3, но не для Wii - отчасти из-за ее ограниченных возможностей, а также потому, что сочли Wii неким промежуточным вариантом. Вряд ли в Nintendo могли бы пред­видеть эти последствия.
А вот пример другого, счастливого, непред­виденного последствия. Генеральный директор Ford Ален Малалли согласился вместе с дру­гими главами американских автомобильных компаний выступить в Конгрессе и подтвер­дить, что индустрии необходима срочная по­мощь государства, хотя в отрасли только Ford обошлась без денег, выделяемых по программе выкупа проблемных активов TARP. (Цепочки поставок в автомобилестроении так тесно переплелись, что, если бы закрылась GM или Chrysler, это бы ударило и по Ford, и Малалли не мог с этим не считаться.) Пресса на все лады расхваливала его решение, и американцы резко - в лучшую сторону - изменили свое мнение о машинах Ford.
Ситуация второго типа: непредвиденные последствия как совокупный итог отдельных со­бытий. Если, к примеру, проследить истоки фи­нансового кризиса 2008 года, то мы увидим мно­жество отдельных, но связанных явлений: банковское регулирование стало менее строгим; появились инструменты, позволявшие кредиторам снимать с себя риски; валютно-кредитная политика была направлена на снижение процентных ставок; размывались разумные стандар­ты оценки кредитоспособности заемщиков и т.д. Теперь понят­но, что все эти обстоятельства по отдельности были очевидны для многих наблюдателей, но почти никто не видел их в целом и никто не смог предсказать, как падение цен на жилье отразится на всей экономической системе.
И третий тип ситуации: действуют старые правила, хотя условия, при кото­рых они появились, давно изменились и ник­то уже и не помнит, для чего они были нужны. Скажем, сотрудникам крупной нью-йоркской финансовой компании приходилось набирать код, чтобы зайти в туалет - и не пустить туда посторонних. После 11 сентября на входе в зда­ние установили систему контроля безопасности и необходимость в кодовых замках отпала, од­нако избавлялись от них несколько лет. И все это время устаревшие меры предосторожности отравляли жизнь сотрудникам и посетителям.

Осмысление ситуации. Одному человеку увидеть сложную систему в целом трудно, если не сказать - невозможно. По сути, это проблема точки обзора: трудно, находясь в од­ном - любом - месте, обозревать и постигать взаимосвязи во всей их совокупности и много­образии. Когда Citigroup чуть не обанкротилась в 2008 году, многие утверждали, что всему виной оргструктура, при которой каждая часть компании жила обособленно от осталь­ных. Скажем, сотрудники, которые понимали, к каким последствиям для банка приведут субстандартные кредиты, никак не были связаны с теми, кто принимал стратегические решения, а потому первые не могли сообщить вторым о своих опасениях. Конечно, отнюдь не помогло делу и то, что тогдашний гендиректор Citigroup Чак Принс демонстративно игнорировал то обстоятельство, что банк выдал слишком много плохих кредитов. Сейчас широко известно его высказывание, опубликованное в 2007 году в Financial Times: «Пока музыка играет, нужно вставать и танцевать. Мы все еще танцуем».
Кроме того, понять послед­ствия действий, наших собст­венных и других людей, нам мешают наши ограниченные когнитивные возможности. Руководители обычно уве­рены, что могут воспринять и осмыслить гораздо больше информации, чем, согласно науке, по силам человеку. В результате они порой слиш­ком поспешно принимают се­рьезные решения, не осознавая в полной мере, как они отразят­ся на всей системе. Дерк Джагер, бывший глава Procter & Gamble, так рьяно взялся за реформы, что разорвал все неформальные связи в организации, не сумев понять, насколько важна взаимозависи­мость ее частей. За это Джагер поплатился: он проработал гендиректором всего 17 месяцев. Его преемник Алан Лафли почти не трогал оргструктуру, но пересмотрел принципы ма­териального стимулирования и восстановил неформальные связи. В июне 2000 года, когда он ушел в отставку, рыночная стоимость ком­пании составляла $69,6 млрд. К 2007 году она увеличилась до $231,9 млрд.
Кроме того, мы теперь знаем, что если со­средоточиться на чем-нибудь одном, то легко упустить из виду все остальное. Исследования выявили феномен «слепоты невнимания»: добровольцы, которые должны были с голо­вой погрузиться в работу над заданием, не замечали происходившего вокруг.
Особую трудность для тех, кто пытается анализировать и осмыслять сложные системы, представляют собой чрезвычайные события: они происходят так редко, что невозможно предсказать, как они повлияют на систему. Вспомним, что управление воздушным движе­нием - система в целом удобная и контролиру­емая, так как она подстраивается под малейшие изменения. Ее способность адаптироваться объясняется тем, что ее разработчики выявляли закономерности и дотошно исследовали ис­тинные причины случавшихся сбоев. Когда же произошло экстраординарное событие - в ап­реле 2010 года в Исландии произошло извер­жение вулкана Эйяфьядлайёкюдль, который выбросил огромное облако вулканического пепла, а с подобным авиация еще не сталкива­лась, - система вышла из строя и ее пришлось на время «отключить». То же самое было во время урагана Катрина в Новом Орлеане, землетрясения и цунами в Японии.
То есть, подводя итог, можно сказать, что самое трудное, применительно к сложным системам, - это строить планы на будущее, минимизировать риски и принимать сбалан­сированные решения.
Более совершенные методы прогнозирования
Чтобы точнее прогнозировать развитие собы­тий, руководителям, имеющим дело со слож­ными системами, нужно предпринять ряд мер.
Отказаться от некоторых методов прогнозирования. Аналитические инстру­менты, как правило, предполагают два допуще­ния, не совместимых со сложными системами. Во-первых, что явление изучается и анали­зируется независимо от других. В сложных системах с их тесной взаимосвязью элементов обычно сделать это невозможно. (Вспомним знаменитый «эффект бабочки»: изначально незначительное событие приводит к масштаб­ным последствиям.) Во-вторых, предполагается, что на целое можно экстраполировать средние, или медианные, значения. Вот пример из об­ласти медицины: американское Управление по санитарному надзору за качеством пище­вых продуктов и медикаментов намеревается (на момент написания статьи это все еще так) запретить к использованию в США в качестве средства для лечения рака молочной железы в предоставлении ложной информации при продвижении своего оборудования на рынок. Если бы Boston Scientific поняла, что всплывшие факты указывают на более глубокие проблемы, она не стала бы переплачивать за компанию, которую пришлось потом еще оздоравливать, щедро вливая ресурсы, а ее акции не упали бы (до сих пор непоправимо) в цене.

Вдобавок в сложных системах экстраординар­ные события могут происходить чаще, чем мы думаем. Методы, основанные на предположе­нии об их редкости, мешают учитывать свойст­венную сложным системам многовариантность. За последние 50 лет половина доходов на амери­канском фондовом рынке была получена в ходе всего десяти дневных торгов. И лишь горстка аналитиков, выстраивая свои модели прогно­зирования, учла вероятность такого количества резких «пиков».
Моделируйте поведение системы. Чем экстраполировать среднестатистические значе­ния на целое, стоит поискать подходящие вам модели прогнозирования: благода­ря им вы лучше поймете особенности своей системы и то, как взаимодейст­вуют ее многочисленные элемен­ты. Скажем, пользуясь моделями управления отношениями с кли­ентами, телекоммуникационные компании оценивают их готовность уйти к конкурентам. Дру­гой пример - средства анализа данных, которые применяются для прогнозирования реакции потребителей на разные виды рек­ламы. Важно, чтобы ваши модели предусматривали маловероятные, но мощные по воздействию факторы. Как отмечают Пьерпаоло Андриани и Билл Маккелви, изучающие феномен сложности, в Калифорнии каждый год происходит 16 тысяч слабых землетрясений и лишь раз в 150-200 лет случается по-настоящему сильное. То есть сред­нестатистическое землетрясение там вполне невинно. Но утверждать строительные нормы и правила, учитывая только вероятность усред­ненных подземных толчков, более чем легкомыс­ленно, ведь особую опасность представляют со­бой именно сильные. Так же и в бизнесе: важнее всего может быть экстремальная, хотя и редкая возможность, а вовсе не самая вероятная.

При прогнозировании анализируйте информацию трех видов. Итак, в слож­ной системе невозможно с высокой степенью точности предсказать будущее. Как же быть руководителю, если он должен принимать ре­шения с прицелом на будущее? Как ему найти золотую середину между фантазиями на тему «что было бы, если бы» и прогнозами, сделан­ными на основе информации о прошедших со­бытиях? Наш совет руководителям: понять, что из прошлого применимо к нынешней ситуации и что в следующий раз будет развиваться иначе. Это можно сделать, в частности, разделив свои данные на три группы:
устаревшая информация об уже происшед­шем - это большинство финансовых показате­лей и основные показатели эффективности;
данные о происходящем в настоящий мо­мент; именно они свидетельствуют о том, на что вам стоило бы бросить силы;
упреждающая информация - она пока­зывает, как могут развиваться события и как система может повести себя в том или ином случае.
Если основная масса данных относится к категории устарев­ших, это тревожный знак. Ос­новываться в своих решениях преимущественно на них значит, по сути, рассчиты­вать на то, что будущее ока­жется похожим на прошлое. Хоть сколько-то информации должно быть у вас и в «уп­реждающем» блоке. Она, по определению, туманна и субъ­ективна, ведь будущие собы­тия еще не произошли. Но иначе перемены застигнут вас врасплох. На примере проблемы 2000 года поясним, как информация из разряда уп­реждающей помогла предотвратить возмож­ный сбой системы. Говорили, что при смене столетий компьютеры «сойдут с ума», потому что многие программы, созданные в XX веке, обозначали в датах год двумя знаками. Разра­ботчики этого ПО предполагали, что их про­граммы будут модернизированы задолго до начала нового тысячелетия, хотя многие «уце­левшие» системы с двузначным обозначением года остались (этот факт мы бы поместили в блок устаревших данных). Сценарии катаст­рофы из блока упреждающей информации получились настолько правдоподобными, что еще до 2000 года программисты привели в со­ответствие сложные компьютерные системы (намеченные до начала 2000 года меры следует отнести к категории текущей информации). Когда пробил час, проблем с ПО почти не было, за исключением незначительных.
Заметьте: хотя метод блоков и упрощает действительность, он, в отличие от традици­онных инструментов прогноза, не отметает сложность.
Более надежная профилактика рисков
Тем, кто отвечает за функционирование слож­ных систем, очень важно минимизировать риски. Однако общепринятые методы реше­ния этой задачи оставляют желать лучшего. Поэтому мы посоветовали бы руководителям следовать некоторым правилам.
Не слишком стремиться к точным прогнозам, а то и совсем отказаться от них. В нашем непредсказуемом мире луч­ше всего заниматься тем, для чего и не нужны точные прогнозы. Взять хотя бы разработку новых продуктов. В традиционной системе производитель должен угадать, какими свойст­вами они должны обладать, чтобы их покупали, и сколько они должны стоить. Вероятность ошибки тут велика, особенно если речь идет о сложном продукте.
Но можно и не гадать, а выстроить систему, в которой принимать решения будут пользова­тели, сами создающие нужную им продукцию. Скажем, издательство Lulu в корне изменило обычную издательскую практику и перешло на модель «сделай сам», то есть издателем, по сути, стал автор - он выбирает формат, оформление, тираж книги и т.д., даже, по желанию, сам за­нимается его реализацией. Обычно издатели платят авторам аванс и печатают книги, не зная, сколько экземпляров будет продано. Ав­торы Lulu выкладывают произведения на сайте компании и называют свои цены. Печатаются книги только после того, как покупатели захо­дят на сайт и решают их приобрести. Авторы получают 50% дохода от продаж (это больше, чем везде), a Lulu предотвращает вполне типичную ситуацию, когда книги попадают в отделы уцененных изданий, пылятся на скла­де, либо остатки тиража приходится уничто­жать. Выстроив так процесс принятия решений, издательство Lulu более или менее защищает себя от неверных решений.
Исключительно удачная модель 777 корпора­ции Boeing была создана по тому же принципу, правда, в этом случае продукт был несравненно сложнее. Впервые авиакомпании - восемь крупнейших авиаперевозчиков - и даже пассажиры активно участвовали в создании самолета: именно их пожелания ставились во главу угла. При этом компания обошлась без единого бумажного чертежа. Модель 777 была полностью разработана на компьютерах с помощью трехмерной конструкторской си­стемы. Поскольку самолет был предварительно собран на компьютере, это позволило отладить взаимодействие всех его систем и избежать неприятных сюрпризов при производстве.
Обособлять и дублировать части. Иногда элементы сложной системы стоит от­делить друг от друга; если произойдет сбой, он не так сильно повлияет на всю систему. Обо­собление ее элементов дает два преимущества. Во-первых, это защищает части организации от угрозы непредвиденных событий, а во-вторых, позволяет не обескровить те части, которым придется в случае таких событий «вызывать огонь на себя». Сравните операционную систе­му Windows и прикладную программу Software as a Service (SaaS). В Windows операционная система вплетена в ткань ваших данных; если вы обновляете систему, вся информация, кото­рую вы храните в компьютере, стирается, а зна­чит, ее надо сначала продублировать и потом снова загрузить в компьютер. А в SaaS универ­сальный интерфейс сообщает компьютеру, где находятся ваши данные. И они не пострадают, если вы захотите «апгрейдить» свою операци­онную систему, поскольку она изолирована от них. Когда ПО и данные разъединены, вероят­ность того, что они пострадают одновременно, существенно снижается.
Можно сделать элементы системы взаимозаменяемыми на случай сбоя части системы. При таком намеренном дублировании система будет функционировать, даже если некоторые ее элементы выйдут из строя. Обособленность и дублирование требу­ют лишних инвестиции, но они оправданны.
Конечно, организация не может до беско­нечности обособлять и дублировать отдельные функции. Чтобы повысить адаптационные способности системы, полезно привлекать вне­шние ресурсы. Например, консалтинговая фир­ма Accenture обращается за помощью к своим многочисленным партнерам, если у ее клиента вдруг возникает проблема, которую она сама решить не может. Или если возникает необхо­димость в исследованиях, которые выходят за рамки ее компетенции, но могут представлять интерес для клиентов (скажем, у Accenture есть договоренность с одним из авторов этой статьи - Ритой Макграт).
Раскрепостить воображение. Далее, ради снижения риска важно, чтобы сотрудники всерьез относились к маловероятным событи­ям, которые, если все-таки произойдут, окажут сильное воздействие на компанию. Нужно по­чаще вспоминать ошибки прошлого, говорить о том, что делать в случае неблагоприятного сценария, - тогда люди станут чаще думать о будущем. Почему-то редко где ищут ответы на вопросы вроде «А что, если?». И очень зря - если ваши подчиненные дадут волю своей фантазии, они нарисуют такие картины, которые им вряд ли бы удались, действуй вы традиционным образом. Однако этим методам в бизнесе не доверяют, предпочитая якобы более полноценное, надежное «перемалыва­ние цифр». Разговоры, игру воображения мы инстинктивно воспринимаем как литератур­щину и фантастику и только цифры уважаем за научность, видя в них истину в последней инстанции. Но раз общепринятые методы то и дело нас подводят, никак не помогая осмысливать редкие и неожиданные ситуации (а это-то нас больше всего и интересует), значит, пора наконец отказаться от них. «Разговоры» наводят нас на полезные мысли относительно сложных систем отчасти именно потому, что фактические данные не сковывают воспомина­ния, идеи и соображения рассказчиков.
Производить обзор с разных точек. Полагаться на воображение и воспоминания хорошо, но до поры до времени: воображение может завести нас очень далеко. Никаких гра­ниц и ориентиров, которые подсказали бы нам, где стоит вести поиск, а где не стоит, тут нет. И в этой ситуации полезным оказывается метод триангуляции, как мы его окрестили.
Это значит, что проблему надо рассматривать с разных сторон - применяя разные инструменты, делая разные допущения, собирая разные данные (или рассматривая одни и те же под разным углом). Именно так нужно подходить к сложным системам. Например, фиксировать состояние разных элементов в конкретный момент и сравнивать результаты (социологи называют это статическим анализом) - совсем не то же самое, что наблюдать за развитием одного элемента: картина получается другой. А можно делать и то, и другое, изучая эволю­цию множества элементов; это, собственно, главное условие сложнейшего эконометрического и финансового анализа. При всех его оче­видных преимуществах метод триангуляции до недавнего времени использовали мало, но его инструментарий стал совершеннее и удобнее.
Наилучшие результаты в деле осмысления сложных систем дает сочетание эфемерного ме­тода «воспоминаний и фантазирования» и ко­личественного анализа, основанного строго на цифрах и потому не допускающего вольностей воображения. Первый метод позволяет нам обозревать маловероятные, но очень важные события и их непредвиденные последствия, а количественный анализ четко показывает взаимосвязь реальных компонентов системы. Руководителям, имеющим дело со сложными системами, нужно помнить об этом.
Разумные компромиссы
В составной организации привести все к еди­ному знаменателю сравнительно просто. Надо лишь выявить оптимальную комбинацию элементов и уделять им основное внимание. Это напоминает решение технической задачи. В сложной среде согласовать интересы не так-то легко. В этом могут помочь две стратегии.
Стратегия реальных возможностей. Вы финансируете сравнительно небольшие проекты и можете, но не обязаны, вкладывать в них деньги и дальше. Ваша цель - выявить все тонкие места и получить максимально выгод­ные результаты. Вы будете, не особенно рискуя, постепенно формировать портфель мелких инвестиций, пока наконец не поймете, на что вам сделать ставку. Стратегия реальных возмож­ностей позволяет предотвращать ошибки, не об­ходя риски, а учитывая все вероятные издержки (Сим Ситкин и его коллеги из Университета Дьюка назвали такие ошибки умными: они происходят, когда результаты нельзя заранее предсказать, поскольку никаких аналогов не было и не предвидится и, значит, приходится экспериментировать). Суть не в том, чтобы из­бежать ошибок, а в том, чтобы они обходились как можно дешевле и совершались на раннем этапе проекта. Именно благодаря им органи­зация получает ценную информацию, которая помогает ей обходить конкурентов и обеспечи­вать себе жизнеспособность.
Поощряйте разнообразие во взгля­дах. Если бы вы понимали, что имеете дело не просто с составными системами, а со слож­ными, какую кадровую политику вы стали бы проводить? Составные системы похожи на механизмы - вам надо, помимо прочего, минимизировать трение. Сложные системы напоминают живые организмы, а для них неизбежны изменения и отклонения. То есть, чтобы ваша сложная организация исправно функционировала, надо укомплектовать ее людьми с разными талантами и разным миро­пониманием. Кто у вас в компании постоянно общается с сотрудниками, с которыми вы сами редко взаимодействуете? Кто выдвигает идеи, немного «не от мира сего»? Кто тонко чувствует подспудные риски и тенденции, которые остальные упускают из виду? Грамотно под­бирать персонал для сложной системы значит искать как раз таких людей.
Мы добились огромных успехов в управлении составными системами, даже крупными; нам это удалось, потому что мы изучали сбои и вно­сили коррективы. Что касается сложных систем, то тут все не так радужно. Они не поддаются обычному моделированию, и традиционные методы управления не помогают с ними сла­дить. Чтобы руководители могли предвидеть, как поведут себя эти системы, нужны более со­вершенные средства - те, которые позволяют понимать, как взаимодействуют многочислен­ные элементы и как на них отражаются редкие чрезвычайные события. Если мы предпримем меры для снижения рисков, если будем прини­мать взвешенные решения, учитывая мелкие ошибки, совершенные на ранних этапах работы, а также наберем коллектив по-разному мыс­лящих людей, способных творчески оценить происходящие изменения, мы будем увереннее управлять своими сложными организациями и с большей вероятностью вести их к успеху.
Парадоксальный подход к найму рабочей силы
Скотт Пейдж - социолог и спе­циалист по сложным системам, сотрудник Мичиганского университета, автор книги «The Difference», в которой он рассмат­ривает феномен многообразия. В частности, Пейдж пишет о стра­тегиях найма сотрудников, бла­годаря которым компании могут обеспечить себе разнообразие точек зрения.
Ниже представлены резуль­таты тестирования: ответы трех кандидатов на две вакантные должности; каждый правильный ответ отмечен крестиком. Те, кого выберут, войдут в научную группу, для работы которой первостепен­ное значение имеет многообра­зие мнений. Кого из этих трех вы бы выбрали?

Больше всего правильных отве­тов у Джеффа (7); Роуз и Спенсер набрали 6 и 5, соответственно. Будем считать, что в остальном они равны. Большинство из нас, видимо, скажет, что наймут Джеффа и, похоже, Роуз. Но это, возражает Пейдж, наверняка не лучшее решение. Заметьте: Роуз и Джефф ответили правиль­но на одни и те же вопросы. То есть Роуз знает то же, что и Джефф. А Спенсер, хоть у него и больше ошибок, ответил пра­вильно как раз на те вопросы, в которых ошибся Джефф. То есть в работу группы он мог бы при­внести что-то свое. Отсюда вывод: если вашей организации нужны люди, по-разному смотрящие на вещи, ваша стратегия управ­ления персоналом должна быть направлена на то, чтобы допол­нять Джеффов Спенсерами.
HBR №12, 2011
бизнес-библиотека