Абсолютно новый подход

Абсолютно новый подход

Будущее любого корпоративного отдела по исследованиям и разработкам можно увидеть в городке Барри в Канаде. Здесь Эд Мелкарек, один из самых успешных «решателей» компании InnoCentive, содержит свою «ночлежку на выходные» – однокомнатную квартиру, больше похожую на склад старьевщика, в котором можно увидеть гитару, усилители, звукосниматели, два «убитых» компьютера, трубу, старую надувную лодку и кучу разных электронных вещиц из интернет-магазина RadioShack. Почти каждую субботу Мелкарек приходит сюда, наливает немного французского бренди Saint Remy, закуривает сигарету «John Player» и берется решать задачи, которые поставили в тупик лучших корпоративных ученых, работающих на компании из списка Fortune 500.

«Толпа» объединяет людей самых разных способностей, отдельные личности даже обладают научным талантом, опытом преподавательской работы. Компании, думающие хотя бы на шаг вперед, стараются привлекать этот интеллектуальный капитал и как следствие меняют принятые подходы к процессу исследовательской работы и развития в целом. Белые лабораторные халаты постепенно «выбывают из игры», наступает «пора Мелкареков», который, как и Джорджиа Сгаргетта, является представителем армии из 140 000 постоянных участников проекта InnoCentive. Фармацевтическая компания Eli Lilly, запуская его в 2001 г., рассчитывала воспользоваться «свободной» интеллектуальной рабочей силой в собственных целях. Однако InnoCentive «распахнула свои двери» и другим фирмам, желавшим получить доступ к сети независимых профессиональных экспертов. Сегодня свои самые сложные научные задачи на решение в сеть InnoCentive отправляют такие компании, как Boeing, DuPont, Procter & Gamble. И каждый, у кого под рукой есть компьютер, может испытать удачу. Компании обычно выплачивают от $10 000 до $100 000. за принятое решение (естественно, еще они платят определенную комиссию за услуги и InnoCentive). Джил Панетта, главный научный сотрудник компании InnoCentive, говорит, что более 30 % задач, поступивших в их сеть, нашли свое решение, и это «на 30 % больше, чем можно было бы решить, используя традиционный внутрифирменный подход».

«Каждый, с кем я беседовал на тему исследований и разработок, сталкивался со схожими проблемами, – говорит Ларри Хьюстон, вице-президент отдела инноваций Procter & Gamble. – Год за годом бюджетные расходы на исследования возрастают быстрее, чем прибыль от продаж. Существующая модель перестает удовлетворять компании». P&G – один из первых и лучших клиентов InnoCentive. При этом компания пользуется и другими сетями краудсорсинга. YourEncore, к примеру, позволяет компаниям находить и нанимать для выполнения одноразовых заданий специалистов, вышедших на пенсию. NineSigma, онлайн-биржа идей, по запросам компаний подбирает тех или иных специалистов и сводит их. «Люди ошибаются, принимая такой подход за аутсорсинг. Это, несомненно, не одно и то же, – говорит Хьюстон. – Аутсорсинг – это когда я нанимаю кого-нибудь для предоставления мне услуг; человек выполняет свои обязательства, и на этом наши отношения прекращаются. В данном же случае мы говорим об удаленном вовлечении специалистов их в процесс сотрудничества».

Несмотря на то что большинство участников проекта InnoCentive – ученые в прямом смысле этого слова, среди них есть энтузиасты, работающие в легендарных «гаражах». Как, например, студент из Университета Далласа, придумавший вещество, которое можно использовать при реставрации предметов искусства. Или дипломированный адвокат из Северной Каролины, разработавший новый способ смешения больших объемов химических компонентов. Или как Эд Мелкарек, эксцентричный инженер-электрик, «лаборатория» которого одновременно служит еще и складом, и музыкальной студией. Мелкарек «выбивает почву из-под ног» у штатных исследователей компании Colgate-Palmolive. Огромная компания искала способ, который позволил бы вводить порошкообразный фтор в тюбики с зубной пастой и при этом он не рассеивался в воздухе. Решение созрело в голове у Мелкарека еще до того, как он закончил читать описание поставленной задачи: процесс должен проходить под воздействием электрического поля. Тогда положительно заряженные частицы фтора будут заполнять тюбики не распыляясь.

«Это было действительно очень простое решение», – говорит Мелкарек. Почему компания Colgate сама до этого не додумалась? «Наверное, нанимая на работу тех парней, которые отвечают за тюбики, они не протестировали их на знание физики». Мелкарек получил за свое решение $25 000. Если бы его разработали штатные специалисты Colgate-Palmolive, то стоимость возросла бы в 7 раз. По словам Мелкарека, он ликовал от собственной победы. «Эти заумно-научные задачи, – говорит он, – вселили в меня уверенность в собственных силах».

Мелкарек прошел нетрадиционный для исследователя путь. Он потратил четыре года на учебу в Технологическом институте Британской Колумбии в Ванкувере, получил степень магистра по курсу ускорителей элементарных частиц, но решил не тратить время на получение кандидатской степени. «Мне поступило интересное предложение, – рассказал он. – К тому же нужны были деньги». Мелкарек менял одну работу за другой, но ни одна из них не требовала применения полученных им знаний. «Я не люблю сидеть на одном месте с девяти утра до пяти вечера», – говорит Эд. И тем не менее он уже разработал оригинальный клапан для нагревательного оборудования, робота для промышленной окраски изделий. В конце концов, не каждому любознательному уму суждено посадить «сливовое дерево» в университетской или частной исследовательской лаборатории. Кто-то должен создавать и системы климат-контроля.

Для Мелкарека InnoCreative – это путь выхода из научной самоизоляции. Последние пять лет он регулярно заходит на портал в поисках новых задач. Все они разбиты на сайте по типу: на химические и биологические. У Мелкарека нет специального образования ни в одной из этих дисциплин, но это не помешало ему практически мгновенно решить задачу из «химического раздела». «Я вообще заметил, что множество задач из этого раздела можно решить с помощью электромеханических процессов. Мне помогает то, что в институте я изучал физику элементарных частиц», – рассказывает он. Помимо задачи с порошком фтора, Мелкарек нашел еще и способ очистки растворителей на основе кремнийорганических соединений. Оно принесло еще $10 000. С тех пор Мелкарек решил еще пять задач, предложенных InnoCentive. «Неплохо для нескольких недель работы», – добавляет он с усмешкой.

Мелкарек вывел свою формулу успеха: используя знания в физике и электротехнике, можно находить решение биологических и химических задач. В 2007 г. InnoCentive запустила новый подраздел, уже с инженерными задачами, но он инженера Мелкарека не интересует. Все семь своих открытий он сделал в других сферах.

Все это дает нам некоторое представление об Эде Мелкареке (человеке, который любит решать задачи), но больше говорит о самом проекте InnoCentive. Когда К. Лакхани погрузился в исследование работы InnoCentive, он пришел к выводу, что Эд – это «правило», а не «исключение»: оптимальные решения чаще находят люди, от которых этого меньше всего ожидают.

«Мы выяснили, что вероятность решить задачу больше у тех людей, которые не имели опыта работы в данной области, – говорит Лакхани. – Если вы хотите, чтобы ваша задача была решена, представьте ее в виде цветка. Чтобы его опылить, надо не просто привлечь насекомых, а привлечь их как можно больше».

В исследовании Лакхани содержится еще более интересный вывод: оказывается, в 75 % случаев победителям уже априори известны решения. То есть решения задач, а многие из них, напомним, завели в тупик лучших корпоративных ученых, не требуют неимоверных прорывных интеллектуальных усилий самых талантливых новаторов; все, что необходимо, – это разнообразие мыслей. Что лишний раз подтверждает вывод Ф. Хайека: прогресс зависит не от получения новых знаний, а от эффективного использовании уже имеющихся. Когда я спросил Эда Мелкарека, сколько времени у него уходит на решение задач, предложенных InnoCentive, его ответ был предельно краток: «Если через полчаса мозгового штурма мне неизвестен ответ, я сдаюсь»55.

Выводы К. Лакхани, возможно, удивят представителей бизнеса и науки, где долгие годы правит бал специализация и где очень аккуратно подходят к выводам из сферы экономической социологии, в первую очередь к утверждениям относительно силы «слабых» связей.

В 1970 г. Марк Грановеттер, социолог из Гарвардского университета, провел опрос примерно 280 технических и управленческих служащих в городе Ньютон, штат Массачусетс. Многие респонденты сообщили, что они нашли работу благодаря личным контактам, подкрепив это фразой: «Главное не что, а кого вы знаете». Однако Грано-веттер решил копнуть немного глубже. Какого рода был этот личный контакт? Супруг? Брат? Сват? Лучший друг? Большинство не ответило на этот вопрос, ограничившись коротким: «Нет, нет, нет». Лишь 16,7 % опрошенных нашли работу благодаря близкому знакомству, остальные – с помощью личных контактов, через малознакомых людей. Те, кто им помогли, были друзьями друзей. Это объяснимо: близкие люди обладают такими же знаниями, что и мы сами. Они знают о тех же свободных вакансиях, что и мы, о тех же доступных для аренды квартирах, что и мы. Грановеттер сформулировал доказательство обратного: на самом деле нам помогают не те, кого мы хорошо знаем, а малознакомые люди.

Сила «слабых» связей идет вразрез с глубоко укоренившимися в корпоративной среде стереотипами56. «В ней господствует приверженность гемофильности, все делается по принципу “рыбак рыбака видит издалека”, – говорил Лакхани. – Поэтому, когда компания решает обратиться со своими проблемами к внешним источникам, она полагается на людей, компании и лаборатории, с которыми давно работает, и сталкивается с теми же исследовательскими стереотипами, которые господствуют в ее собственной внутренней среде». Именно поэтому лучшие ученые такой компании, как P&G, не нашли решения задачи, с которой Эд Мелкарек легко справляется за бокалом бренди.

Основным моментом здесь является максимальное продвижение задачи в «толпу» посредством крупных сетей, таких как, например, InnoCentive. Или, возвращаясь к метафоре К. Лакхани, «вырастить цветок, который привлечет как можно больше насекомых». Конечно, это проще сказать, чем сделать. «Фирмы не хотят публично распространяться о своих проблемах. Традиционная корпоративная культура устроена таким образом, чтобы как можно сильнее ограничить доступ извне к внутренней информации, а не выносить ее на всеобщее обозрение». А что может быть конфиденциальнее, чем информация о проблеме, которая не поддается решению? Отказ от «корпоративных анахронизмов» открывает больше возможностей перед компаниями, рискнувшими «плыть против течения».

Если необразованный столяр смог решить одну из самых сложных проблем своего времени, если инженеру-электрику по зубам самые запутанные химические проблемы компании из списка Fortune 500, тогда, возможно, Нед Гуллей из Mathworks прав, предполагая, что коллективный разум когда-нибудь найдет лекарство от рака. И намного раньше, чем всем кажется. Подражая компьютерному проекту SETI@home, химический факультет Стэнфордского университета запустил свой проект Folding@home, который использует возможности сотни тысяч компьютеров для решения задачи сворачивания белка: прежде чем белки смогут выполнять свою биохимическую функцию, они удивительным образом собирают сами себя, или, как говорят ученые, «сворачиваются». Процесс сворачивания белков, являясь критическим и фундаментальным практически для всей биологии, по сей день остается загадкой. Сбой же в этом механизме ведет к таким страшным заболеваниям, как муковисцидоз, болезнь Альцгеймера, рак.

Инициатива Стэнфордского университета – лишь малый скачок от использования возможностей тысяч компьютеров к использованию безграничных возможностей тысяч умов. Этот процесс уже в действии. Недавно компания InnoCentive в кооперации с некоммерческой организацией Prize4Life предложила $1 млн в награду тому, кто сможет помочь в поисках лечения болезни Шарко. Эту модель можно использовать и для поиска лечения других заболеваний. Что произойдет, когда миллиард – приблизительная нынешняя численность «толпы», т. е. количество людей, подключенных к Интернету, – трансформируется в три миллиарда? Представляете, сколько полезного сможет породить такой коллективный разум, используя весь объем своих знаний?

Потенциал краудсорсинга в решении сложных проблем обсуждался в среде, весьма предвзято относящейся к инновациям, – в федеральном правительстве США. В октябре 2007 г. сенатор Берни Сандерс, независимый представитель от штата Вермонт, представил законопроект о премиях за медицинские инновации57. В основе законопроекта лежала идея об устранении связи между стоимостью НИОКР и ценой на лекарства путем создания годового призового фонда в размере $80 млрд для премирования разработчиков лекарств. В законопроекте Сандерса было предусмотрено выделение $6,4 млрд для выдачи премий за разработки в области игнорируемых заболеваний, таких, например, как малярия. Медицинские компании могут показаться бездушными, но дело в том, что исследование и разработка лекарств – дело дорогостоящее, а больные малярией, как правило, люди бедные. Значит, фармацевтические компании столкнутся с проблемами, пытаясь окупить затраты на разработку того же лекарства от малярии. Законопроект Сандерса гарантировал обязательную компенсацию этих затрат, причем как компаниям, так и физическим лицам, которым удастся разработать эффективное лекарство.

Находящийся по другую сторону политического спектра, республиканец Ньют Гингрич, в свою очередь, предложил систему смягчения государственных затрат. Как писал корреспондент Вильям Са-летон в журнале Slate в октябре 2007 г., Грингрич предлагал «вместо того, чтобы выделять $1 млрд какому-нибудь федеральному агентству на решение проблемы, предложить этот миллиард в качестве вознаграждения первой же компании, которая найдет это решение». По ходу обсуждения своего законопроекта Грингич предлагал «отдать на сторону» решения одной проблемы за другой. «Водородное топливо? Предложите за него десятикратное вознаграждение!»

Один из самых любимых моих сайтов – сетевой ресурс компании Netflix Prize. В конце 2006 г. эта компания, занимающаяся кинопрокатом, пообещала $2 млн любому, кто сможет на 10 % повысить эффективность ее системы рекомендации. Конкурс вызвал ажиотаж в среде профессиональных статистиков, программистов и простых любителей. Он тоже имел вид спортивного состязания, подтвердив тем самым правоту принципа, который лежал в основе конкурса Нета Гуллея. Правда, конкурс Netflix изначально был ориентирован на коммерческие цели.

Уже с начала 1997 г. Netflix являла собой грозу для почтальонов по всему миру. Сегодня портал ежедневно рассылает 35 000 компакт-дисков своим 7,5 млн подписчиков. В 2000 г. Netflix добавила на сайт опцию «Cinematch», рекомендующую к просмотру тот или иной фильм, исходя из оценки пользователей. Механизм рекомендации сразу получил немало положительных отзывов, сейчас он широко распространен в Интернете. Система рекомендации Netfix изначально строилась на пятибалльной шкале. При этом средний уровень ошибки «Cinematch» составлял 0,9525, т. е. в среднем система ошибалась на одну «звезду». С учетом того, как пользователь относится к трехбалльному фильму (скорее всего, пропустит его) и пятибалльному (тут же отправится за ним в пункт проката), она была явно далека от идеала. Netflix затратил немало средств на ее улучшение. И в конце концов прислушался к замечанию Билла Джоя – «не важно, сколько умных людей работают на вас, самые умные все равно работают в другом месте». «Инновации зависят от людей, которых вы не наняли на работу, но которые работают на вас», – заметил Джим Беннет, вице-президент Netflix, ответственный за систему рекомендации.

Зарегистрировавшись, участники конкурса Netflix получили доступ к огромной базе данных оценок, проставленных 100 млн пользователей сайта за все время его существования. Изучая взаимные связи между этими оценками, участники конкурса должны были попытаться написать алгоритм, с помощью которого можно было предугадать, какой фильм может понравиться пользователям Netflix. Алгоритм представлялся компании-организатору, которая сравнивала его с уже действующим принципом рекомендации. Он оценивался, автору выставлялся определенный рейтинг. За первые две недели после запуска проекта Netflix получила около 169 предложений, некоторые из них были более совершенными, чем алгоритм, принятый в Netflix. Через месяц поступило уже более тысячи предложений. Лучшие программисты быстро поняли, как улучшить действующую систему Cinematch на 5 %. Но постепенно прогресс замедлился: через год самые «продвинутые» участники – команда кодировщиков «BellKor» из компании AT&T – смогли добиться общего показателя улучшения на 8,43 %.

Конкурс Netflix во многом напоминает состязание Mathworks. Участники пишут алгоритмы, пытаясь решить сложную задачу, отправляют их компании-организатору, результат их работы трансформируется в рейтинг в реальном времени. Но, в отличие от Mathworks, Netflix не раскрывает программные коды участников. Это решение можно понять, ведь на кону стоит $1 млн. Можно было ожидать, что участники поодиночке начнут «штурм ворот» Netflix. Но, как заметил Джордан Элленберг в своей статье о конкурсе Netflix Prize, опубликованной в журнале Wired в 2008 г., участники конкурса все равно обменивались своими решениями. «Охотники за призом, даже лидеры совершенно открыто говорили о методах, которые они использовали, действуя скорее как ученые, совещающиеся по поводу сложной проблемы, нежели как предприниматели, борющиеся за выручку в $1 млн». Участник под псевдонимом «simonfunk» даже решил опубликовать полное описание своего алгоритма, несмотря на то, что к тому времени занимал 3-е место в общем рейтинге. Разве подобные действия не ставят под угрозу возможность сорвать джекпот? Когда Элленберг спросил лидера команды «BellKor» об этом, тот выглядел растерянным и ответил: «Если мы выиграем приз, учась и взаимодействуя с другими командами, это будет достойная награда»58.

В конкурсе Netflix Prize участвовали самые разные личности. Гавин Поттер, сорокавосьмилетний консультант по менеджменту, решил посоревноваться не только потехи ради. Называя себя «простым парнем из гаража», в ноябре 2007 г. Поттер взлетел в «десятку» лидеров рейтинга, несмотря на то, что у него был совсем небольшой опыт программирования и он никогда не получал математического образования.

Чтобы понять, по каким критериям пользователи оценивают те или иные фильмы, Поттер воспользовался своими знаниями в области человеческой психологии. И написал алгоритм, который учитывал решения людей, оценивающих фильмы на три и более балла, основываясь на статистических выкладках из области поведенческой экономики. Возможно, на словах это покажется элементарным, но на практике это отнюдь не простое задание для статистика, работающего над алгоритмом, который учитывает каждого клиента как разумно действующего «агента». К моменту, когда это книга запускалась в печать, Поттер был на пятом месте в общем списке и уступал лидеру менее 1 %.

Как и Netflix Prize, компания Dell, запуская свой сайт IdeaStorm, стремилась привлечь коллективный разум «толпы». Но, в отличие от Netflix Prize, Dell не пытается решать насущные проблемы своего бизнеса – компания использует «толпу» для мозгового штурма в отношении своих инноваций. IdeaStorm запустили в феврале 2007 г., и к моменту написания этой книги на сайте было опубликовано более 9000 идей, варьировавшихся от предложения открыть call-центр технической поддержки Dell в США до требования устанавливать больше USB-портов на задней панели компьютеров.

Сайт Dell организован по стандартной формуле социальных интернет-медиа. Пользователи могут не только писать свои комментарии, но и высказываться по поводу предложений других участников, могут голосовать «за» или «против» предложений, нажав на соответствующую стрелку. Идея, набравшая наибольшее количество голосов «за», выплывает на главную страницу IdeaStorm, подобно тому, как комментарии с наибольшим количеством «диггов» продвигаются к вершине ленты социального новостного сайта Digg.com. Это – один из очень важных элементов краудсорсинга; коллективное мнение «толпы» может быть очень эффективным. В первый же день, когда был запущен сайт IdeaStorm, пользователь под именем «dhart» предложил Dell продавать компьютеры с предустановленной операционной системой Linux. Примерно 30 000 пользователей поддержали это предложение, которое оставалось номером один на сайте в течение нескольких месяцев. В результате в мае 2007 г. Dell выпустила три модели компьютеров с предустановленной ОС Linux.

Взаимодействие компании Dell со своими потребителями – пример краудкастинга, который можно назвать «столкновением идей». Она похожа на ту, что используют InnoCentive и Netflix, но имеет некоторые особенности. Краудсорсинг Dell не направлен на решение назревших или даже «перезревших» проблем. Он ориентирован на то, что может быть в будущем.

Термин «столкновение идей» берет свое начало от конференции «Столкновение инноваций», которую в 2006 г. провела компания IBM. Тогда в «самом большом в мире мозговом штурме» приняли участие 150 000 человек из 104 стран. Они предложили более 46 000 идей. Позднее в том же 2006 г. компания объявила, что затратит $100 млн на 10 проектов, предложенных в ходе «столкновения идей». После этого люди поняли, что Интернет делает краудсорсинг не просто возможным, но и очень эффективным.

InnoCentive, Netflix, IdeaStorm с выгодой для себя используют всю силу многообразия. Представьте: Пейдж предлагает своим «агентам» найти идеальное решение проблемы, представленной в виде системы из нескольких горных вершин. «Люди с одинаковой физической подготовкой будут покорять одну и ту же вершину, потому что думают схожим образом. Но человек с иной подготовкой, например психологической, в поисках решения выберет совершенно иной подход. Он попробует одолеть другую вершину и, возможно, заберется на нее без труда, несмотря на то, что она будет самой высокой». Как компании, так и отдельный человек, сталкиваясь с проблемой, могут извлечь явную выгоду. Преимущество краудкастинга состоит в том, что здесь для покорения вершины не нужно нанимать группу профессиональных альпинистов. На деле для этого ничего не нужно, просто предложить ответить на брошенный вызов. А результаты всегда оказываются поразительными.

В случае краудкастинга при определенных условиях многообразие берет верх над способностями, и InnoCentive тому пример. Этому есть простое объяснение: на конечный успех не влияет количество неудачных решений. «В случае с конкурсом Netflix Prize совсем не важно, сколько настоящих идиотов попытаются решить проблему. Чем больше, тем лучше», – заметил Пейдж. Чем больше людей предложат свои способы решения задачи – не важно, насколько они будут обдуманными, – тем выше вероятность, что кто-то найдет подходящее решение. Если решения неверные, их можно просто игнорировать. Но такой метод применим только в ситуации с решением уже имеющихся задач, как поступают, например, Netflix и InnoCentive. Когда же речь заходит о том, чтобы использовать «толпу» для попытки предсказать некое будущее, должен учитываться каждый ответ. В этих случаях роль многообразия намного усложняется.

Данный текст является ознакомительным фрагментом.