Искусство бега по граблям. Стратегическое управление ИТ в условиях неопределенности - [5]

Проведенная серия экспериментов дает нам возможность сделать несколько важных выводов. Во-первых, внутренние связи в системе радикально ее усложняют. Стюарт Кауффман показал, что в общем случае при больших значениях К (то есть большом количестве связей внутри системы) стратегия инкрементальной адаптации может приводить к кризисам, когда найденное значение приспособленности системы недостаточно для решения ее задач. Но в реальности мы имеем дело с крайне сложными системами. Если говорить о бизнесе, компания, которая сама по себе имеет весьма сложную структуру, действует на рынке в непрерывно изменяющихся условиях. Это связано с изменением приоритетов поставщиков и потребителей, действиями конкурентов и регуляторов рынка, развитием технологий и так далее. Отсюда возникает вопрос – есть ли альтернатива локальному поиску?

Второй вывод заключается в том, что при неизвестных законах взаимодействия компонент в системе, ее поведение кажется полностью хаотичным. Если бы мы ничего не знали о внутренних связях во втором эксперименте, удалось бы нам восстановить их из наблюдения за системой? В данном конкретном и весьма простом случае, скорее всего, да. Но в случае реальных и особенно открытых систем – нет. На практике «истинная случайность» и «детерминированный хаос» (свойства которого предсказуемы, но сделать это очень трудно) неразличимы. На этом акцентировал внимание Нассим Талеб, по его словам, «случайность – это всего лишь незнание». Это незнание ограничивает нашу возможность строить длительные прогнозы, чем дальше мы хотим заглянуть в будущее, тем большее количество факторов мы должны учитывать и тем больше возрастает неточность, поэтому мы можем работать только с качественными, а не количественными свойствами системы – обсуждать их, а не просчитывать. Вслед за Талебом можно сослаться на статью английского физика Майкла Берри[5], который исследовал движение бильярдного шара в реальных условиях. Для расчета первого столкновения – надо знать параметры покоящегося шара, силу удара и сопротивление поверхности стола. Девятый удар – нужно учесть гравитационное воздействие тела бьющего. Пятьдесят шестой удар – необходимо учесть динамику всех элементарных частиц Вселенной. Отметим, что это относится к системе, законы поведения которой полностью известны.

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.