Agile-менеджмент. Лидерство и управление командами - [23]

Теория хаоса

Хотя несколько открытий в рамках теории хаоса были сделаны ранее, настоящий прорыв был совершен в 1970–1980-х годах, а основной вклад был внесен такими людьми, как Эдвард Лоренц и Бенуа Мандельброт.

Теория хаоса учит, что даже самые небольшие изменения в начальных параметрах динамической системы могут впоследствии вызвать серьезные последствия. Это означает, что поведение многих систем в конечном итоге непредсказуемо, а небольшие затруднения могут трансформироваться в огромные проблемы, с чем легко согласится любая группа разработчиков программного обеспечения. Такая непредсказуемость означает далекоидущие последствия с точки зрения предварительной оценки, планирования и контроля системы – это отлично знают ученые-климатологи и специалисты по организации дорожного движения и значительно хуже понимают менеджеры проектов и линейные менеджеры.

Еще одним из открытий теории хаоса стали фракталы и масштабная инвариантность, то есть свойство графиков, отражающих поведение систем, выглядеть одинаково независимо от применяемого масштаба.

Некоторые считают теорию хаоса непосредственной предшественницей теории сложности, поскольку обе они признают неопределенность и изменчивость в качестве основных свойств исследуемых систем. По моему мнению, теория хаоса – это основа наших знаний о сложных системах.

Общая картина наших знаний о поведении систем

Как нет единого определения сложности, так нет и единой теории, которая объясняла бы поведение всех сложных систем разом [Lewin 1999: x]. Ученые давно пытаются обнаружить фундаментальные законы, которые были бы применимы к любым системам при любых обстоятельствах, но пока что эти попытки не увенчались успехом.

Представляется разумным задать вопрос: что же такое эта «теория сложности»? И хотя есть множество ее определений, существует точка зрения, что единого описания данная теория не имеет[8].

Каждая система имеет свои специфические особенности, поэтому выводы, сделанные из прошлых результатов, не дают гарантии будущих успехов. Так что, судя по всему, все, что у нас сейчас есть, – это набор различных теорий, которые иногда дополняют друг друга, иногда перекрывают, а иногда и противоречат друг другу.

Более того, существует достаточное количество более локальных исследований, каждое из которых внесло свой вклад в развитие знаний о сложных системах. Их можно сравнить с глазами, ушами и пальцами нашего человека, олицетворяющего всю сумму известных на данный момент знаний о поведении сложных систем. Например, исследования диссипативных систем дали нам представление о спонтанном формировании структур и о том, каким образом может протекать самоорганизация систем внутри границ. Изучение клеточных автоматов продемонстрировало, что сложное поведение системы может быть результатом простых правил. Исследования в области искусственной жизни показали, как осуществляется обработка информации в агент-ориентированных системах. Благодаря изучению самообучающихся систем мы поняли, каким образом генетические алгоритмы обеспечивают способность живых систем к адаптивному обучению. А в результате анализа социально-сетевых структур мы теперь понимаем, как распространяется информация среди людей.

Несмотря на то, что некоторые части тела нашего человека выглядят непропорционально и что сам он уродливее, чем зомби в балетной пачке, он тем не менее весьма живой – как и сумма знаний, которую олицетворяет (рис. 3.1). И когда эти знания применяются к сложным системам, мы называем их теорией сложности. Но что конкретно мы имеем в виду, когда говорим, что система, с которой мы имеем дело, сложная?

Простота: новая модель

В дискуссиях по поводу простоты и сложности отметились многие эксперты. Но их участие не привело к прояснению вопроса, поскольку зачастую присутствовала значительная терминологическая путаница. Ниже приводится моя попытка внести ясность в этот вопрос. Так что же такое простота?

Простота обычно определяется количеством усилий, которое необходимо, чтобы понять или объяснить какое-либо явление. Явление, которое легко понять или объяснить, будет простым, в отличие от тех явлений, что запутанны.

Если мы хотим обсудить, что такое простота, полезно уточнить содержательную разницу между сложными и запутанными понятиями или явлениями. Непонимание этой разницы может привести к тому, что вы выберете неправильный подход к решению той или иной проблемы.

Я считаю, что разница между этими двумя терминами должна объясняться в двух измерениях, показанных на рис. 3.2. Первое измерение относится к структуре проблемы и тому, насколько хорошо мы ее понимаем:

• Простая = легко поддающаяся пониманию.

• Запутанная = очень трудная для понимания.

Второе измерение касается поведения системы и того, насколько легко мы можем его предсказывать:

• Упорядоченное = полностью предсказуемое.

• Сложное = предсказуемое в определенной степени.

• Хаотическое = чрезвычайно непредсказуемое.

Мои трусы устроены очень просто. Нетрудно понять, как они работают. Напротив, устройство моих часов весьма непросто: если бы я разобрал их, то мне понадобилось бы много времени, чтобы разобраться в их конструкции и том, как взаимодействуют отдельные части. И все же ни мои часы, ни мои трусы не обещают никаких сюрпризов (по крайней мере для меня). Это упорядоченные, предсказуемые системы.