Доказательный менеджмент

В качестве ответа на вопрос поста про среду где плохие решения дешево умирают, предлагаю вашему вниманию руководство по построению такой системы.

Диагностика под дулом пистолета

Обучение — дорогая функция, но кажется, что любое обучение полезно. Наука с этим не согласна.

Модель Томаса Гилберта показывает: дефицит знаний и навыков — меньшая часть проблем. Основное сидит в среде — неясные ожидания, отсутствие обратной связи, неадекватные инструменты, стимулы, противоречащие требуемому поведению.

Такие проблемы обучение не решает в принципе, а деньги на него уходят реальные.

Отличить одно от другого помогает вопрос-фильтр Роберта Мейгера, классика педагогического дизайна: «Смог бы сотрудник выполнить такую работу без обучения, если приставить ему к голове пистолет?»
Если да — навык есть, обучение бесполезно. Проблема в среде: мотивация, управленческие сигналы, доступность данных. Тренинг здесь меняет только бюджет.
Если нет — дефицит навыка реальный, это корректная задача обучения. Маршрут встречается заметно реже, чем думает заказчик.

Доказательность. Вопрос Мейгера — диагностическая эвристика, а не эффект из контролируемых экспериментов. Но он операционализирует правило 85/15: заявка «обучите» по умолчанию относит 100% проблемы к тем 15%, что под контролем сотрудника. Мейгер возвращает остальные 85% в систему. Получается, что около 80% заявок на обучение нецелесообразны.

Вывод. Получив заявку, сначала примените фильтр Мейгера. Если навык есть — честный ответ заказчику: обучение не поможет, работать нужно со средой. Академия, отсеивающая нерелевантное на входе, защищает бюджет и репутацию лучше, чем та, что обрабатывает весь поток без диагностики.

📄 Mager R.F., Pipe P. Analyzing Performance Problems: https://archive.org/details/analyzingperform0000robe

Жизненный цикл организации: что осталось после проверки
Идея старая: компания, как организм, рождается, растёт, взрослеет, стареет и умирает, проходя стадии в строгом порядке. Метафора удобная. Но когда её начали проверять данными, подтвердилась только часть.

Что подтвердилось. Стадии — не выдумка. Миллер и Фризен выделили пять типичных фаз — рождение, рост, зрелость, обновление, упадок — и показали, что в каждой стратегия, структура и способ принятия решений складываются в связную, отличную от других конфигурацию. Зрелая фирма устроена системно иначе, чем растущая. Полезен и сдвиг, который сделали Куинн и Кэмерон: важнее не «какая стадия», а по каким критериям мерить эффективность на этой стадии. Стартап и зрелый дивизион нельзя оценивать одной линейкой.

Что не подтвердилось. Детерминизм. Переанализ данных Миллера и Фризена показал: гипотеза о линейном прохождении стадий держится только если фирмы, застрявшие в одной фазе, не считать ошибкой; стоит их учесть — статистика проседает, а модели с меньшим числом фаз описывают реальность лучше, чем пятифазная. Сами авторы получили недетерминированный результат: большинство фирм не переходят неотвратимо от стадии к стадии. Жизненный цикл — скорее способ менеджмента осмыслить свою среду, чем встроенная программа старения.

Отсюда простой признак качества модели: если бы стадии были природной данностью, авторы сошлись бы хотя бы в их числе. У Грайнера, Миллера–Фризена и Чёрчилла–Льюис их пять, у Адизеса — десять. И чем подробнее и биологичнее схема, тем хуже она ложится на данные: десятистадийная модель Адизеса — единственная в этом ряду, которая так и не прошла независимой эмпирической проверки и осталась консалтинговой конструкцией.

Вывод. Из теории стоит брать две вещи. Первая — критерии эффективности меняются со стадией: стартап и зрелый дивизион нельзя оценивать одной линейкой. Вторая — жёсткие регламенты, полезные для зрелого процесса, задушат команду, которая ещё ищет продукт.

А вот чего брать не стоит — это обещания, что вы прочитаете свою стадию по табличке и получите расписание на будущее. Упадок здесь не судьба, а одно из состояний, которое часто сменяется ростом, и единственно правильной структуры «для вашей стадии» не существует.

https://link.springer.com/content/pdf/10.1186/s41469-021-00090-7.pdf

3 гигабайта говнокода: чему корпорация может научиться у генома?

Кто мы такие?

«3 гигабайта кода на недокументированном языке программирования, с нечётким синтаксисом, которое писало безумное количество поколений очень тупых программистов. Большая часть этого кода просто мусор, а остальная работает только благодаря великому отделу тестирования с триллионами тестировщиков и полномочиями вплоть до расстрела говнокодеров, которые написали плохой патч».

— Михаил Никитин, эволюционный биолог.

Это смешно — но за метафорой прячется интересная мысль про управление. Геном работает. Он сверхнадёжен. И при этом его никто не проектировал, никто не понимает целиком, а «авторы» просто перебирали варианты. Откуда тогда надёжность? Не от ума программистов. От отдела тестирования — от среды, которая беспощадно отбраковывает плохие версии. Качество здесь — свойство не отдельной мутации, а фильтра.

Теперь посмотрите, как обычно понимают доказательный менеджмент:
«Давайте принимать решения на основе данных».

Звучит разумно. Но это слабая версия — и она почти ничего не запрещает. Любой менеджер скажет, что уже так делает. Проблема в том, что данные не принимают решений. Их интерпретируют люди — с предвзятостями, дедлайнами и уже готовым выводом, под который задним числом подбираются цифры. У слабой версии нет защиты от злоупотребления самой собой. Ею можно прикрыть что угодно.

Сильная версия звучит иначе:
«Давайте построим среду, в которой плохие управленческие решения погибают быстро и дёшево, а полезные получают право на масштабирование».

Разница принципиальная. Слабая версия говорит о качестве отдельного решения. Сильная — о свойствах системы, которая решения отбирает. Ровно тот сдвиг, что отличает доказательную медицину от «опыта уважаемого профессора»: ценность не в том, что врач учитывает данные, а в том, что существует институт клинических испытаний, убивающий неработающие гипотезы до того, как их раскатают на пациентов. Институт важнее отдельного суждения.

Но наш геном — это и предостережение. У сильной версии есть три условия, без которых она превращается в ту самую слепую расточительную эволюцию с триллионами трупов.

Дёшево, а не «в проде». Эволюция тоже отбирает удачные решения — ценой миллионов лет и бесконечной смертности. Это не образец для подражания. Ценность хорошей среды не в том, что плохое решение умирает, а в том, что оно умирает на маленьком обратимом эксперименте, а не после раската на всю компанию. У Сноудена в Cynefin это называется safe-to-fail: в сложной среде запускают не один «правильный» план, а набор небольших проб, заведомо безопасных при провале, — и усиливают то, что сработало, гася остальное.

Критерий, привязанный к цели, а не к политике. «Полезное решение масштабируется» — полезное для чего? Если критерий не объявлен явно, отбор идёт по выживаемости в иерархии: масштабируется то, что хорошо смотрится в презентации и нравится начальству. А это выращивает не профессионалов, а придворных.

Защита от закона Гудхарта. Как только критерий объявлен, он становится мишенью. Без этого «полезные решения» — это просто практики, научившиеся обманывать метрику.

Сложите три условия — и получится определение, которое реально работает:
Доказательный менеджмент — это среда, где глупое решение дёшево умирает раньше, чем успевает масштабироваться.

Здесь у красивой формулировки кончается лёгкость.
Геному отдел тестирования достался бесплатно — его не пришлось проектировать, он и есть сама реальность: не выжил — значит, не прав.
Внутри организации такого арбитра нет. Селективную среду приходится строить — управленческими решениями. Теми самыми, с теми же предвзятостями, которые она и должна отбраковывать.
Среда, отбирающая хорошие решения, сама оказывается их продуктом. И тогда главный вопрос доказательного менеджмента — не «какие данные собрать», а «как устроить фильтр, которому можно доверять отбор, если собран он той же рукой, что и всё остальное»?

Campbell, D. T. (1960). https://pubmed.ncbi.nlm.nih.gov/13690223/

Закон Паркинсона

«Работа заполняет всё время, которое на неё отвели» — фразу все знают, но мало кто читал, откуда она взялась. А взялась она из шутливого эссе, и любопытно, что часть из него подтвердилась в экспериментах, а часть — просто красивая байка.

Откуда это взялось
Британский историк Сирил Паркинсон написал шутливое эссе в 1955 году, потом расширил его в книгу. Сам он не проводил никаких исследований — просто брал яркие исторические примеры из жизни британской бюрократии.

А вот это действительно проверили в лаборатории
В отличие от большинства таких афоризмов, идею «время растягивает работу» реально протестировали. Людям давали простую задачу (например, вычитку текста), которую можно сделать за 5 минут, но одним давали именно 5 минут, а другим — 15. И те, у кого было больше времени, и правда тратили на ту же самую работу больше времени.

Подвох в том, что дело не во времени
Учёные проверили: а что если дело не в количестве минут, а в том, что человек невольно ставит себе цель — «закончить к такому-то моменту»? Тогда обеим группам сказали одно и то же: «работайте в своём темпе». Разница в скорости исчезла.
Вывод: дедлайн работает не потому, что время умеет «растягиваться», а потому что он превращается в конкретную цель — тот же механизм, о котором мы говорили в посте про OKR.

Побочные эффекты
Если один раз дать человеку лишнее время на задачу, он не только сделает эту задачу медленнее — на следующей похожей задаче он тоже будет работать медленнее, даже без лишнего времени.
Работает это и в обратную сторону. Амабиле с коллегами (Harvard, «Creativity Under the Gun») проанализировали больше 9000 ежедневных рабочих отчётов, и обнаружили: жёсткое давление по времени почти всегда убивает изобретательность — человек может чувствовать себя продуктивным под прессом, но результат получается хуже. Исключение — когда сжатый срок воспринимается как осмысленная миссия (конкурент вот-вот выпустит то же самое) и при этом есть возможность сосредоточенно работать (фокусный блок).

И здесь тоже есть перенос на будущее: в экспериментах с давлением по времени участники, которые хоть раз поработали в режиме спешки, потом сохраняли тот же быстрый, менее качественный стиль работы даже без давления — привычка к спешке закрепляется так же прочно, как привычка к расслабленному темпу при избытке времени.

Вывод для процессов
В регулярном повторяющемся процессе время выполнения задачи — это не инструмент управления командой и не повод давить на темп. Как только время выполнения превращается в цель, которую транслируют людям («должно укладываться в X дней»), запускается та же история, что с агрессивными OKR: подгонка цифр, срезание углов, демотивация. Правильная роль этого показателя — быть индикатором состояния процесса, который нужно отслеживать в динамике и улучшать, но меняя сам процесс — убирая узкие места, сокращая объём параллельно начатой работы, упрощая передачи между этапами — а не уговаривая людей работать быстрее.

Вывод для проектов
Здесь честность дороже стройной формулы: для уникальной задачи у точного срока почти никогда нет надёжного якоря — ни сама задача, ни «похожие» прецеденты не дают числа, только грубую вилку. Зафиксировать точный срок — это в реальности промахнуться в одну из двух сторон.

Промазали в одну сторону — Паркинсон: задача растягивается под щедро отведённое время. Промазали в другую — Goals Gone Wild и убитая креативность: дедлайн воспринимается как угроза, и команда режет качество, подгоняет цифры или просто перестаёт думать.

Разумные подходы к проектному планированию (например, буферное планирование в Critical Chain) решают это не точностью оценки отдельной задачи, а тем, что переносят неопределённость на уровень всего проекта, где она хотя бы частично взаимно гасится.

🔗 Brannon, Hershberger & Brock (1999) — https://link.springer.com/article/10.3758/BF03210823
🔗 Bryan & Locke (1967) — https://www.sciencedirect.com/science/article/abs/pii/0030507367900219
🔗 Amabile, Hadley & Kramer (2002), Creativity Under the Gun — https://www.hbs.edu/faculty/Pages/item.aspx?num=12846

Парето 80/20 везде?
Универсальная формула на все случаи жизни звучит красиво: 20% усилий дают 80% результата. Проблема в том, что и сама пропорция, и её универсальность — это в основном легенда, наросшая вокруг реального, но куда более скромного наблюдения.

Откуда это взялось
Вильфредо Парето в 1896 году заметил, что около 80% земли в Италии принадлежит примерно 20% населения, и описал похожее распределение богатства в нескольких других странах. Сам Парето говорил только про конкретное эмпирическое наблюдение в экономике. Универсальный «принцип Парето» в духе «вечного закона природы» придумал не он, а Джозеф Джуран в 1940–50-х, когда переносил идею «немногих важных против многих тривиальных» в управление качеством — и сам термин «принцип Парето» это изобретение Джурана, а не Парето.

Что в этом реально научного
Степенные (power-law) распределения с тяжёлым хвостом — это настоящий, хорошо подтверждённый статистический феномен: размеры городов, частота слов в языке (закон Ципфа), число цитирований научных статей, землетрясения, размеры файлов в сети. В таких распределениях небольшая доля объектов действительно концентрирует огромную долю «массы» — и это не натягивание совы на глобус, а измеримая математика.

Где начинается миф
Конкретное число 80/20 — это лишь один частный случай степенного распределения с определённым показателем степени. У других реальных хвостатых распределений соотношение может быть 70/30, 90/10, 95/5 — и нет причин, по которым именно 80/20 должно повторяться везде.
Хуже того: строгая статистическая проверка (Clauset, Shalizi & Newman, 2009) показывает, что многие “степенные распределения”, о которых пишут в статьях и презентациях, при честной проверке вообще не проходят тест на степенной закон — логнормальное или экспоненциальное распределение описывает те же данные не хуже. Люди смотрят на скошенную гистограмму и сразу называют её “Парето”, не проверяя, что там на самом деле.
Более того, скошенный 80/20-образный паттерн вовсе не требует никакого особого “закона”: показано, что подобное соотношение может возникать даже из обычного нормального распределения, если стандартное отклонение примерно вдвое больше среднего — то есть из простого высокого разброса данных, без всякой степенной природы.

Самый изученный бизнес-кейс — это и есть разоблачение
Аксиома “80% продаж приносят 20% клиентов” — едва ли не самое часто проверяемое утверждение в маркетинге. Ehrenberg-Bass Institute (Sharp & Romaniuk, 2007, “There is a Pareto Law — but not as you know it”) посчитали реальные данные по сотням брендов и получили не 80/20, а около 60/20. Результат с тех пор воспроизвели независимо разные исследователи на разных рынках — от розничной одежды (Brynjolfsson, Hu & Simester, 2011, статья прямо называется “Goodbye Pareto Principle!”) до продуктовых категорий в Индии, Малайзии, Кении и Мексике (Romaniuk & Sharp, 2016) — реальные цифры колеблются в районе 50–73% на топ-20%, и почти никогда не точно 80%. Вдобавок состав этих “топ-20%” сильно меняется год от года: половина прошлогодних крупных покупателей выпадает из топа уже в следующем периоде.

Практический вывод
«Найди концентрацию, не относись ко всем причинам/клиентам/товарам как к равным» — разумная установка для начала анализа. А конкретная цифра 80/20 — не закон природы, а повод посчитать. Перед тем как резать «нижние 80%» клиентов, ассортимента или фич, лучше построить реальную кривую концентрации по своим данным — и для маркетинга это особенно важно, потому что именно «лёгкие» и редкие покупатели обычно дают компании рост в следующем периоде, а не только обслуживают статус кво.

🔗 Clauset, Shalizi & Newman (2009), Power-law distributions in empirical data — https://arxiv.org/abs/0706.1062

🔗 Sharp, Romaniuk & Graham, Marketing’s 60/20 Pareto Law — https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3498097

Трезвый взгляд на OKR
OKR — мегапопулярный фреймворк, который многие внедряют не разобравшись, что в нём доказано, а что просто красиво звучит на конференциях.

Откуда это растёт
OKR — не изобретение Google. Корни — в Management by Objectives Питера Друкера (1950-е), Энди Гроув в Intel в 1970-х добавил жёсткую измеримость и регулярный цикл, а Джон Дорр в 1999 году принёс метод в Google. То есть это не научная теория, а управленческая практика с долгой родословной — и кредит доверия она во многом получает не сама по себе, а через смежную область.

Сильная часть — взаймы у теории целеполагания
Theория Локка и Латама (Goal Setting Theory) — одна из самых воспроизводимых находок в организационной психологии: больше 1000 исследований устойчиво показывают, что конкретные и труднодостижимые цели дают результат лучше, чем размытые или «делай как лучше». Именно отсюда OKR берёт структуру: конкретный измеримый Key Result вместо абстрактного пожелания.

Где экстраполяция трещит по швам
Проблема в переносе. Locke и Latham изучали в основном индивидуальные, относительно простые задачи в лабораторных и полевых условиях. OKR — это другое: каскадная квартальная система целей для целой организации с согласованиями, зависимостями между командами и политикой. Когда ищешь именно исследования эффективности OKR как системы, картина печальная: систематические обзоры литературы прямо называют это «знаниевым и эмпирическим разрывом». Отдельные работы отмечающие плюсы — это кейсы и опросы без статистического подтверждения причинности.

Документированные побочные эффекты
Здесь работает не маркетинг, а конкретное исследование — “Goals Gone Wild” (Ordóñez, Schweitzer, Galinsky, Bazerman, 2009). Авторы собрали доказательную базу систематических побочных эффектов жёсткого целеполагания:
— сужение фокуса до измеряемого, игнорирование всего остального;
— рост недобросовестного поведения, когда цена недостижения цели высока;
— подавление обучения на сложных, новых задачах — человек, зафиксированный на конкретной метрике результата, реже пробует альтернативные подходы;
— искажённое отношение к риску.

Отдельно изучен паттерн “Paradox of Stretch Goals” (Sitkin et al., 2011, Academy of Management Review): амбициозные цели работают только при одновременном наличии запаса ресурсов и недавнего успеха. А тянутся к stretch-целям обычно те организации, у которых нет ни запаса ресурсов, ни недавнего успеха. Именно те, кому это рискованнее всего. Без запаса каждая неудачная попытка бьёт по выживанию. А если за плечами серия провалов, аналогичная цель читается сотрудниками как угроза.

Самая частая практическая ловушка
Если оценку OKR привязать к бонусам, рациональная реакция — занижать цели (sandbagging): легче получить гарантированный 1.0 на скромной цели, чем рискнуть 0.6 на амбициозной.

Даже Google официально развязал OKR-скоринг и компенсацию именно по этой причине, а целевой диапазон 0,6–0,7 — это, по сути, встроенное признание: если у вас стабильно 100%, цели были недостаточно смелыми.

Вывод
OKR — не доказанная универсальная технология управления, а упаковка реально воспроизводимого индивидуального эффекта (специфичные трудные цели работают для отдельного человека) в организационный процесс, который сам по себе слабо изучен и легко ломается о привязку к деньгам и о сложные неопределённые задачи.

Как-то работает, где результат можно измерить и работа относительно предсказуема.
Плохо работает там, где задача исследовательская, новая, требует экспериментов.
Гарантированно ломается в кейсах, где оценка влияет на зарплату.

🔗 Ordóñez et al. (2009), Goals Gone Wild — https://www.hbs.edu/ris/Publication%20Files/09-083.pdf

🔗 Sitkin et al. (2011), The Paradox of Stretch Goals — https://doi.org/10.5465/AMR.2011.61031811

Ошибка Байеса: почему сильный сигнал почти ничего не доказывает

Люди постоянно путают две вероятности:
P(сигнал | гипотеза верна)
и
P(гипотеза верна | сигнал)

Звучит как занудство, но именно из-за этой ошибки компании нанимают «звёзд», запускают слабые продукты, верят в случайно успешные пилоты и принимают клиентский интерес за будущую выручку.

Пример.

Гипотеза H:
клиент действительно готов купить продукт.

Сигнал E:
клиент активно общается, просит презентацию, задаёт вопросы и зовёт на встречу с руководителем.

Менеджер думает: «Если клиент готов купить, он почти наверняка будет так себя вести. Значит, раз он так себя ведёт, он почти наверняка купит».

Это ошибка. В формуле:
P(H | E) = P(E | H) × P(H) /
[P(E | H) × P(H) + P(E | не-H) × P(не-H)]

он подменил:
P(E | H) — вероятность такого поведения, если клиент готов купить
на
P(H | E) — вероятность покупки, если клиент так себя ведёт.

А это разные вещи.

Пример. Допустим:
— только 10% таких лидов реально доходят до сделки;
— если клиент действительно готов купить, он проявляет активность в 80% случаев;
— если клиент не готов купить, но «изучает рынок», он всё равно проявляет такую активность в 30% случаев.

То есть:
P(H) = 0.10
P(E | H) = 0.80
P(E | не-H) = 0.30

Считаем:
P(H | E) = 0.80 × 0.10 / [0.80 × 0.10 + 0.30 × 0.90]

P(H | E) = 0.08 / (0.08 + 0.27)

P(H | E) = 0.229

Итог: даже после сильного сигнала вероятность сделки всего около 23%.

Почему?

Потому что базовая вероятность была низкой, а ложноположительных сигналов много.

Клиент может вести себя как покупатель, не будучи покупателем. То же самое происходит почти везде.

Найм
Кандидат уверенно говорит, красиво рассказывает кейсы, производит сильное впечатление.

Менеджер думает: «Если человек сильный, он будет хорошо проходить интервью. Значит, если он хорошо прошёл интервью, он сильный». Но это снова ошибка Байеса.

Нужно знать:
— как часто сильные кандидаты хорошо проходят интервью;
— как часто слабые кандидаты тоже хорошо проходят интервью;
— какая базовая доля реально сильных кандидатов в потоке.

Если базовая доля сильных кандидатов 5%, а интервью хорошо проходят не только сильные, но и уверенные слабые, то «сильное интервью» может почти ничего не доказывать.

Продуктовые гипотезы
Пять клиентов сказали:
«Да, нам интересно».
Команда делает вывод:
«Рынку нужно».

Но вопрос, как часто клиенты говорят «интересно», когда покупать, внедрять и менять процессы на самом деле не собираются?

Если ложноположительных сигналов много, интерес клиента — это слабое доказательство.

Нужен более дорогой сигнал:
— письмо о намерениях;
— пилот с ресурсами клиента;
— доступ к данным;
— выделенный владелец со стороны клиента;
— бюджет;
— отказ от текущего решения.

Сигнал тем сильнее, чем ниже вероятность, что он возникнет у неготового клиента. То есть хороший сигнал — это не тот, который часто встречается у успешных случаев.

Хороший сигнал — тот, который редко встречается у неуспешных случаев.

Практическое правило
Перед тем как поверить сигналу, задайте вопрос: «А как часто мы видим то же самое, когда на самом деле ничего не работает?»

https://www.britannica.com/science/Bayess-theorem

Закон необходимого разнообразия Эшби — это принцип кибернетики:

Чтобы управлять системой, управляющая система должна иметь не меньшее разнообразие действий, чем разнообразие возмущений, с которыми сталкивается управляемая система.

Давайте на простом примере. Система варки яйца всмятку.
Цель: белок плотный, желток жидкий.
Управляющее воздействие: время варки (например, ровно 4 минуты).
Вариация системы (то, что вносит разнообразие): исходная температура яйца (из холодильника ≈4°C или комнатной температуры ≈22°C), размер яйца, интенсивность кипения, атмосферное давление.

Что предсказывает закон? Если ты варишь яйца строго 4 минуты, но подаёшь на вход то холодные, то тёплые, то крупные, то мелкие — всмятку они будут получаться только случайно.

Вывод по закону Эшби: чтобы управлять, ты можешь либо увеличить своё разнообразие, либо уменьшить чужое.

Увеличить своё разнообразие: добавить поправку «из холодильника +45 секунд, крупное +20»). Теперь у тебя не один вариант «4 минуты», а целая таблица решений. Разнообразие регулятора выросло — ты стабильно попадаешь в цель.

Уменьшить разнообразие объекта: всегда использовать яйца комнатной температуры и строго одной категории (С0). Тогда возмущения практически исчезают, и примитивного регулятора «4 минуты» снова хватает.

На примере канбана: либо жёсткий фильтр на входе — все задачи однотипны, полностью описаны, без сюрпризов. Либо вводим классы обслуживания — разные правила для разных типов задач.

https://www.klex.ru/1pu4

Почему ИТ отделы управляются лучше, чем исполнительные комитеты

ITSM за 30 лет сделал с обслуживанием то, чего верхнеуровневое управление в корпорациях так и не сделало с решениями: превратил хаос в производственный контур.

В поддержке есть запросы, инциденты, проблемы, изменения, конфигурации и SLA. Есть состояния и статусные модели этих задач. Есть владелец, исполнитель, согласующий. Есть время реакции, время решения, незавершёнка, пропускная способность.

А наверху даже в лучших западных компаниях всё ещё живёт другая архитектура: протокол, презентация, задачи голосом и «Сергей, проконтролируй».

Проблема не в том, что топ-менеджеры глупее инженеров поддержки. Проблема в том, что поддержка получила готовый процесс и систему автоматизации, а управление компанией осталось в формате элитной почты.

Исследования советов директоров показывают этот разрыв. Директора тратят больше времени, хотят больше заниматься стратегией, но оценивают эффективность советов как недостаточную. McKinsey в одном из обзоров пишет, что по большинству задач советы не оцениваются участниками как эффективные. Свежие опросы PwC и The Conference Board тоже показывают напряжение: руководители считают, что директора в основном вмешивается в операционку вместо качественного управления.

Очевидно, что компаниям нужен не ещё один «портал заседаний», а ITSM-подобная зрелость для управленческих решений.

Ключевой объект — не встреча. Ключевой объект: управленческий вопрос → решение → обязательство → изменение системы → измеренный эффект

Зрелая система управления должна отвечать не только на вопрос «когда было заседание и что там решили?», а на более важные вопросы:
— кто владелец эффекта;
— какой результат ожидался;
— какие метрики должны измениться;
— какие побочные эффекты проверяем;
— когда решение пересматривается;
— какие решения зависли, устарели или принесли вред.

Система управления решениями должна помогать компании не терять причинно-следственную связь между словами наверху и изменениями в реальности.

Парадокс в том, что первая линия поддержки во многих компаниях уже давно живёт в управляемом процессе, а верхний уровень управления всё ещё работает как набор чатов, встреч, писем и поручений.

Хотя цена ошибки наверху обычно на порядки выше.

Доказательное решение давно известно из ITSM: описать процесс принятия и исполнения решений, стандартизировать объекты работы, роли, состояния и метрики, а затем автоматизировать этот процесс в специализированной системе (Executive Operations Management, поверх основной системы автоматизации). И это не абстрактный таск-трекер и не ECM/DMS.

Управляемость появляется не от большего числа совещаний, а от того, что каждое решение проходит через единый процесс, имеет владельца, статус, ожидаемый эффект и измеримый результат, а система обеспечивает прозрачность, контроль и накопление данных для постоянного улучшения.

https://www.mckinsey.com/featured-insights/leadership/the-board-perspective-number-1

Зачем нужна четырёхдневка? Почему просто не оптимизировать календарь?

Потому что это разные механизмы.

Оптимизация календаря убирает потери: статус-созвоны, встречи без решений, лишних участников, отсутствие повесток, постоянные переключения. Это можно и нужно делать даже на пятидневке. Иногда в моменте эффект будет огромным: у компании внезапно появляется не «ещё один день», а несколько часов нормальной работы ежедневно.

Но без вызова такая оптимизация очень тяжело внедряется. На практике такие изменения часто гаснут через короткое время и люди при первой возможности возвращаются к привычным паттернам поведения.
Четырёхдневка делает эти потери нетерпимыми, работать без них становится невозможно.

Но если мыслить шире, в перспективе долгосрочной эффективности персонала, то глупо пренебрегать вторым важным эффектом.

В британском пилоте четырёхдневной недели 39% сотрудников сообщили о снижении стресса, 71% — о снижении выгорания; также снизились тревожность, усталость и проблемы со сном. Более свежее исследование 4-дневной недели показывает похожую логику: улучшение благополучия связано не только с реорганизацией работы, но и со снижением усталости, проблем со сном и ростом ощущения работоспособности.

Поэтому четырёхдневка это:
✅ катализатор эффективности — короткая неделя быстро делает видимым календарный мусор, который пятидневка годами терпит;
✅ механизм восстановления — дополнительный непрерывный отдых возвращает энергию, внимание и качество решений.

Рабочая четырёхдневка появляется там, где сначала убрали потери, а потом дали людям возможность полноценно восстанавливаться.

Календарная оптимизация даёт дополнительное время для работы в моменте.

Четырёхдневка даёт долгосрочный ресурс для максимальной эффективности.

https://pubmed.ncbi.nlm.nih.gov/40691306/

Если курс руководства вращается как ротор — не хватайтесь за лопасти. Ставьте генератор

Иногда курс первого лица меняется так часто, что организация перестаёт видеть отдельные повороты. Сегодня «ускоряем продажи», завтра «режем издержки», послезавтра «срочно в ИИ», через неделю «возвращаемся к базовому продукту».

На первый взгляд — хаос.
Но в позитивной версии это можно использовать как источник энергии.

В доказательном менеджменте есть важная мысль: стратегия не всегда рождается как идеально написанный план. У Минцберга и Уотерса есть различение преднамеренной и возникающей стратегии. В реальной компании стратегия часто проявляется не только в декларациях, а в устойчивом рисунке решений: какие сигналы повторяются, какие боли возвращаются, куда снова и снова уходит внимание руководства.

Поэтому частая смена курса — это не обязательно «руководство не знает, чего хочет». Иногда это шумный способ системы сообщить: где-то есть напряжение, которое пока плохо описано.

Задача менеджмента — не исполнять каждый импульс напрямую.
Задача — поставить управленческий выпрямитель.

Не так: «Сказали новое — все бросили старое — побежали в другую сторону».

А так: сигнал → фиксация → классификация → гипотеза → проверка → решение → исполнение

Например: «Надо срочно делать ИИ» — это не сразу проект на 40 человек.
Это гипотеза: клиенты готовы платить за автоматизацию интеллектуальных операций.

«Надо ускорить разработку» — это не сразу давление на команды.
Это гипотеза: узкое место действительно в производстве, а не в очереди, согласованиях или постоянной смене приоритетов.

«Надо больше партнёров» — это не сразу набор всех подряд.
Это гипотеза: рост ограничен охватом канала, а не качеством продукта, обучением или экономикой сделки.

Хорошая организация не гасит энергию первого лица. Она превращает её в проверяемые управленческие гипотезы.

Практически это выглядит просто:
1. Записываем каждый новый стратегический импульс.
2. Ищем повторяющийся мотив за разными формулировками.
3. Формулируем гипотезу: «мы считаем, что X даст Y».
4. Назначаем срок проверки, например 4–6 недель. Собираем данные.
5. Считаем цену переключения: что остановим, что задержим, какой незавершённой работы станет больше. Показываем стейкхолдерам всю картину и стоимость решения.
6. Не меняем направление раньше, чем получили сигнал из реальности и донесли стоимость решения (чем жертвуем), если нет критического риска.

Это очень здоровая управленческая рамка.

Потому что переменчивость сверху перестаёт быть разрушительной силой и становится радаром слабых сигналов. Руководство приносит энергию, тревоги, возможности, рыночные догадки. Система управления превращает это не в метание, а в обучение.

Когда курс вращается как ротор, не надо пытаться разглядеть каждую лопасть.

Надо поставить:

генератор — собираем сигналы;
выпрямитель — переводим их в гипотезы;
стабилизатор — ограничиваем незавершённую работу и срок проверки;
нагрузку — направляем энергию туда, где она реально двигает компанию.

И тогда даже частая смена курса может работать на общее дело.

Не как вентилятор, который разбрасывает бумаги по кабинету.
А как турбина, подключённая к нормальной системе управления.

https://doi.org/10.1002/smj.4250060306

Почему менеджеры лечат людей, когда болеет процесс

Самая дорогая управленческая ошибка выглядит очень разумно: «Нам просто нужны более сильные люди».

Инженер поддержки ошибся — рассеянный.
Продажи просели — не дожимают.
Разработка буксует — мало “сеньоров”.

Так рождается менеджерская медицина каменного века: лечить исполнителя, не диагностируя систему.

У этого есть когнитивный механизм — фундаментальная ошибка атрибуции. Мы склонны переоценивать личные качества человека и недооценивать ситуацию: очередь задач, загрузку, конфликтующие приоритеты, неясные правила, стимулы, качество входящих требований, задержки согласований, технический долг, организационные ограничения.

Классический пример — эксперименты Джонса и Харриса: люди читали тексты с заданной позицией и всё равно приписывали автору личные убеждения, хотя знали, что позиция могла быть навязана условиями эксперимента. То есть даже когда ситуация видна, мозг всё равно тянет нас к выводу: «это он такой».

В обзоре Гилберта и Мэлоуна это называется ошибкой соответствия: мы делаем выводы об устойчивых личных качествах человека из поведения, которое может полностью объясняться ситуацией.

В менеджменте это превращается в опасную привычку:
— «Менеджер проекта слабый» — вместо проверки объёма незавершённой работы.
— «Разработчики медленные» — вместо анализа очередей, зависимостей и переключений.
— «Продажи плохо работают» — вместо проверки качества лидов, стимулов и правил фиксации сделок.
— «Поддержка не справляется» — вместо анализа входящего потока, времени реакции, типов обращений и нехватки полномочий.

Формула плохого управления: плохой результат → плохой человек → заменить / надавить / замотивировать

Формула управления системой: плохой результат → проверить процесс → найти ограничение → изменить условия → измерить эффект

Это не значит, что людей не надо оценивать. Надо. Но оценка человека без анализа системы почти всегда преждевременна.

Плохой процесс способен сделать слабым почти любого сильного сотрудника.
Неясные правила превращают опытного человека в угадывателя.
Перегрузка превращает ответственного человека в источник ошибок.
Очередь превращает быструю команду в медленную.
Конфликтующие стимулы превращают честную отчётность в театр.

Даже если мы нанимаем очевидно гениального человека и сажаем на работу, где нет внятного процесса, полномочий что-то изменить и достаточных ресурсов, ставим противоречивые цели и мотивируем деньгами за результат к которому он не имеет прямого отношения, со стороны он начинает казаться идиотом.

Поэтому фраза «мы не ищем виноватых, мы ищем систему» — это не мягкость. Это защита компании от постоянной диагностической ошибки.

Хороший руководитель не спрашивает первым делом «Кто виноват?»

Он спрашивает: «Какие условия сделали это поведение рациональным, вероятным или неизбежным?»

И только после этого уже можно обсуждать компетенции, ответственность и кадровые решения.

Потому что если процесс болеет, замена людей даёт краткое ощущение контроля.
А потом новые сильные люди начинают болеть теми же симптомами.

https://dtg.sites.fas.harvard.edu/Gilbert%20%26%20Malone%20%28CORRESPONDENCE%20BIAS%29.pdf

Закон Брандолини: чушь надо убивать на входе

Закон Брандолини обычно формулируют так: энергии на опровержение чуши требуется на порядок больше, чем на её производство. Строго говоря, это не математический закон, а принцип асимметрии: сказать «мне кажется, этот отдел плохо работает, мою заявку долго делали» можно за три секунды; доказательно проверить это — через данные, процесс, альтернативные гипотезы и факторы среды — уже работа.

Именно поэтому в слабой системе управления чушь размножается быстрее фактов.

Проблема не в том, что люди высказывают гипотезы. Гипотезы нужны. Проблема в том, что в плохой системе управления гипотеза без доказательств получает права на изменения. Она становится основанием для решений, перестановок, бонусов, оргизменений и наказаний.

После этого опровергать приходится уже не фразу. Приходится демонтировать управленческую конструкцию, которая на ней выросла.

И здесь закон Брандолини становится не шуткой из интернета, а операционным законом управления:
Чушь дешева на входе и дорога на выходе.

Чем позже организация останавливает слабую гипотезу, тем дороже её исправление. Сначала это просто мнение. Потом — решение комитета, KPI, премия, политическая позиция руководителя.

Психология объясняет, почему это особенно опасно. Исследования дезинформации показывают: даже после исправления ложная информация продолжает влиять на суждения людей. Это называют эффектом продолжающегося влияния. Иными словами, опровержение не полностью стирает первоначальную ошибку из картины мира.

Поэтому хорошее управление не должно строиться на опровержении чуши. Это уже поздняя стадия болезни.

Хорошая система управления устроена иначе: любая гипотеза со слов “мне кажется” останавливается на входе, а её автор отправляется собирать доказательства.

Не «мне кажется, команда курит бамбук», а: какие данные это показывают?

Не «продажи плохо работают», а: где именно просела воронка — вход, квалификация, конверсия, средний чек, цикл сделки, качество лидов, конкурентное давление?

Не «разработка тормозит», а:
что говорит время прохождения задач, экспедиты, незавершенная работа, блокировки, возвраты, очереди, доля повторной работы?

Это управленческий «сдвиг влево»: проверять качество гипотезы до того, как она стала решением.

В производстве давно знают: качество нельзя проверять в конце. Финальная проверка не создает качество, а только обнаруживает, что процесс уже произвел. Качество — хорошее или плохое — уже встроено в сам процесс.

Так же и в менеджменте:
1. Мнение можно высказать.
2. Гипотезу нужно сформулировать проверяемо.
3. Решение можно принимать только после минимального доказательного пакета:
— что именно утверждаем;
— какие данные должны быть видны, если это правда;
— какие альтернативные объяснения есть;
— что может опровергнуть нашу гипотезу;
— какое решение мы примем, если данные подтвердят или не подтвердят её.

Без этого «мне кажется» не должно попадать в управление. Оно должно оставаться в зоне черновика.

Чем легче управленческая гипотеза вошла в систему без доказательств, тем дороже потом вернуть систему к реальности.

Отсюда главный вывод.
Задача руководителя — не спорить с каждой чушью. Задача руководителя — построить процесс, в котором чушь не проходит дальше первого фильтра.

Слабая организация обсуждает мнения.
Сильная организация спрашивает: «Какие данные заставили бы нас изменить мнение?»

Именно в этот момент начинается управление.

https://pubmed.ncbi.nlm.nih.gov/26173286/

KPI головного мозга: диагностика и лечение

KPI головного мозга — это когда компания берет нормальную метрику, отрезает от нее контекст, прикручивает к ней премию и начинает называть это управлением.

В чем разница?

Метрика — это график, который анализируют, включая мозг.
KPI — это цифра, за которую платят, поэтому ее начинают улучшать всеми доступными способами.

Метрика спрашивает:
«Что происходит с системой?»

KPI спрашивает:
«Кого премировать, кого наказать и кто в этом месяце будет объясняться?»

В неуправляемом процессе KPI — не худшее решение. Когда вокруг туман, процессы не описаны, данные грязные, причинно-следственные связи неизвестны, KPI хотя бы создает иллюзию приборной панели. Было «кажется, все плохо», стало «конверсия 14%, SLA 87%, план 73%».

Для первичной диагностики это полезно.
Для зрелого управления — опасно.

Потому что дальше начинается управленческая шизофрения: компания путает показатель состояния системы с рычагом управления системой.

В самолете есть приборы: высота, скорость, крен, температура двигателя, остаток топлива. Но это не цифры, которые надо «увеличивать». Пилот не получает бонус за максимальную высоту, максимальную скорость или минимальный расход топлива. Его задача долететь по маршруту до точки назначения.

Показания приборов — это индикаторы состояния системы. Их надо смотреть в контексте: погода, маршрут, масса самолета, режим двигателя, этап полета, отказ оборудования, действия экипажа.

Если скорость падает, нормальный пилот не устраивает мотивационную сессию стрелке спидометра. Он разбирается, что происходит с самолетом.

В корпорации часто наоборот.

Увидели падение продаж — поставили KPI на рост продаж.
Увидели долгие сроки — поставили KPI на сокращение сроков.
Увидели плохое качество данных — поставили KPI на заполнение CRM.
Увидели низкую клиентскую удовлетворенность — поставили KPI на NPS.

То есть вместо управления процессом начинают дрессировать приборы.

И приборы быстро учатся.

Продажи держат сделки вне CRM, чтобы не портить прогноз.
Поддержка быстрее закрывает тикеты, но хуже решает проблему.
Разработка искусственно дробит задачи, чтобы пропускная способность выглядела бодрее.
Маркетинг гонит лиды, которые красиво смотрятся в отчете и плохо покупают.
Руководители спорят не о причинах, а о формуле расчета.

Это не «люди плохие». Это система умная. Она поняла, за что платят.

Поэтому главный симптом KPI головного мозга — фраза: «Нам не нужны объяснения, нам нужен результат».

В переводе на русский: «Мы не понимаем систему, поэтому будем давить на людей, пока цифра не станет красивее».

Лечение не в том, чтобы отменить показатели. Лечение в том, чтобы вернуть им правильный смысл.

Метрика — это не план, не дубинка и не замена управленческому мышлению.

Метрика — это сигнал. А нормальный контур управления выглядит так:
сигнал → проверка данных → анализ причин → гипотеза → изменение процесса → наблюдение эффекта → закрепление или откат.

Больной контур выглядит так: красная цифра → совещание → виноватый → новый KPI → искажение данных → снаружи все зеленое, а внутри красное.

KPI полезны там, где процесса еще нет и надо хотя бы начать пытаться видеть реальность. Но если компания хочет нормально работать, ей нужны не цифры, за которые платят, а метрики, по которым думают.

Приборы в самолете не управляют самолетом. Они помогают пилоту понять, что происходит.

Если в кабине вместо пилота сидит комитет по премированию стрелок — самолету недолго осталось.

Подробнее о законе Кэмпбелла
https://news.itmo.ru/ru/news/9596/

Четырехдневка. Какие встречи мы наконец-то перестанем считать работой?

В крупнейшем британском пилоте четырехдневной недели участвовала 61 компания и около 2 900 сотрудников. Большинство компаний сохранили темп производства, а выручка в среднем не просела. Как им это удалось?

Участников готовили: пересматривали совещания, коммуникации, фокусировку, правила доступности и способы координации. План был следующий.

1. Оптимизация регулярных встреч
Провести аудит всех регулярных встреч. Для каждой встречи задать 4 вопроса:
— Какое решение принимается?
— Какие карточки создаются / обновляются в рабочей системе?
— Кто владелец результата?
— Случится ли что-то плохое, если встречу отменить?
Если внятных ответов нет — встреча удаляется.

2. Удалить встречи для статус-чека
Статус не должен добываться голосом на созвоне. Правило:
Статус смотри — в CRM / трекере / документе.
Встреча — только для решений, конфликтов, блокеров и развилок.
Нельзя тратить синхронное время на чтение вслух того, что должно быть в системе.

3. Ввести лимит на встречи
Базовые правила по умолчанию:
• любая встреча максимум 30 минут;
• максимум 5–7 участников;
• без повестки — нет встречи;
• нет отражения в карточках системы — встреча не повторяется.

4. 1–2 дня вообще без встреч
Минимум один день в неделю должен быть защищен под глубокую работу.
Исследование по компаниям, вводившим дни без встреч, показало рост автономии, коммуникации, вовлеченности и удовлетворенности, а также снижение стресса и микроменеджмента.

5. Разделить календарь на три типа времени
Нужны не просто свободные слоты, а разные режимы работы.
Фокус: разработка, аналитика, подготовка решений.
Координация: короткие синки, планирование, анализ зависимостей.
Решения: управленческие развилки, эскалации, приоритизация.

6. Асинхронное обновление
— Нет блокеров и вопросов? Встреча отменяется.
— Есть вопросы? Пришли заранее, до встречи.
— Нужно решение от руководства? Проанализируй вопрос, пришли готовые варианты решения с анализом.
— Нужна информация о том что сделано, какой статус? Посмотри сам в SDLC или CRM.
— Что блокирует? Глянь комментарий в карточке.
— Нужно решение? Проработай заранее, вынеси в повестку.
— Не прочел материалы повестки заранее - нет смысла встречаться.

Любая встреча нужна только для того, что реально требует синхронного обсуждения. В основном это синхронизация зависимостей и диагностика сложных проблем.

7. Решения: время, когда руководители снимают развилки
Правило: встреча по принятию решений должна начинаться не с обсуждения “с нуля”, а с подготовленных вариантов.

Хороший пример вариантов по клиенту:
А — дать скидку 15%, риск маржинальности.
B — оставить цену, риск потери сделки.
C — дать скидку только при расширении объема.
Нужно выбрать вариант до четверга, владелец — коммерческий директор.

На выходе:
• принято решение;
• назначен владелец;
• указан срок.

Если после встречи появилось только «давайте еще подумаем», это не встреча решений, а платный кружок тревожного мышления.

При 4-дневке календарь это производственная линия:
Фокус производит результат.
Координация стыкует людей.
Решения снимают препятствия.

Выбор дополнительного нерабочего дня

Нерабочий день нужен чтобы получить: восстановление + непрерывные фокус-блоки + меньше координационного шума.

Перед стартом важно перестроить процессы, коммуникации и совещания. Поэтому выбирать день надо вместе с анализом календаря.

Трехдневный выходной обычно проще превращается в полноценное восстановление, чем разрыв недели посередине.

Для поддержки второго уровня лучше не «вся команда отдыхает в один день», а скользящий четырехдневный график.

Для разработки обычно лучше подходит пятница.

Продажи выбирают день по активности клиентов, часто с дежурным покрытием. Для коммерции более безопасна не жесткая «пятница закрыта для всех», а модель: продавцы работают 4 дня, но клиентское покрытие сохраняется через ротацию.

К круглосуточной технической поддержке по сменам 4х дневная рабочая неделя неприменима.

https://autonomy.work/wp-content/uploads/2023/02/The-results-are-in-The-UKs-four-day-week-pilot.pdf

Что не так с «планом продаж»

Проблема плана продаж не в том, что компания хочет выручку. Проблема начинается там, где план становится личной границей между «получил премию» и «не получил премию».

В этот момент план перестает быть управленческим ориентиром и превращается в игровую ставку.

А CRM — из системы наблюдения за реальностью превращается в систему производства игровой версии реальности.

Вот типовая механика.

У продавца есть сделка, но она еще сырая. С точки зрения управления компанией эту сделку надо видеть: она влияет на прогноз, загрузку пресейла, ожидания внедрения, планирование выручки.

Но с точки зрения продавца возникает другой вопрос:
«Если я сейчас занесу ее в CRM, что со мной будет?»

Если сделка попадет в воронку, ее начнут обсуждать. Руководитель спросит дату закрытия. Финансы положат ее в прогноз. Директор продаж начнет на нее рассчитывать. Потом сделка сдвинется, и продавца обвинят в плохом прогнозе.
Рациональный вывод: не заносить рано.

Так появляется первая трещина: компания больше не видит ранний спрос, реальные возражения, слабые места продукта, зависшие сегменты, длинные циклы, перегруз пресейла и будущие провалы квартала.

Потом наступает конец периода.

Если план горит, сделки начинают заталкивать в квартал: скидками (убивая маржу), обещаниями (портя долгосрочное доверие), ручными исключениями (перегружая производство), давлением на клиента, «давайте подпишем сейчас, а детали потом». Если план уже выполнен, часть сделок наоборот искусственно откладывается на следующий период, чтобы обеспечить себе будущую комиссию.

CRM показывает не естественное движение сделок, а следы бонусной игры.

Прогноз становится не прогнозом, а переговорной позицией.

Продавец занижает вероятность, чтобы не брать на себя обязательства. Руководитель завышает, чтобы показать управляемость наверх. Финансы делают поправочный коэффициент, потому что «мы же знаем, что в CRM все врут». Совет директоров получает красивую таблицу, к которой все участники применили разные скидки на ложь.

В итоге компания управляет не данными, а слухами о данных.

Это не моральная проблема. Это системная.

Майкл Дженсен в статье с названием «Оплата лжи» прямо описывал, что привязка бюджетов и целей к вознаграждению создает стимул искажать информацию: люди начинают не достигать реальности, а договариваться о числах, от которых зависит их оплата.

Стивен Керр называл это «вознаграждать А, надеясь получить Б»: компания хочет качественный прогноз, честную воронку и долгосрочные сделки, но платит за попадание в квартальную цифру. Люди быстро понимают, какое поведение реально вознаграждается.

А закон Гудхарта добавляет финальный гвоздь: когда показатель становится целью, он перестает быть хорошим показателем. Особенно если к нему прикручены деньги.

Поэтому классический план продаж с комиссией портит сразу три вещи.

1. Качество прогноза.
2. Качество аналитики CRM.
3. Качество решений.

Компания планирует на данных, которые многократно прошли через фильтр личной выгоды.

И вот здесь главный парадокс.

Чем сильнее руководство требует «точный прогноз», но одновременно наказывает за промахи и платит за выполнение плана, тем менее точным становится прогноз.

Потому что точный прогноз требует психологической и экономической безопасности: можно рано показать слабую сделку, можно честно сказать «сдвинется на конец года», можно дождаться нормального закрытия, не убивая маржу скидками. Можно выставить счет прямо сейчас, а не откладывать на следующий квартал.

Зрелая система продаж должна разделять три разных объекта:
1. Цель по выручке — куда компания хочет прийти.
2. Прогноз — что, вероятно, произойдет.
3. Вознаграждение — за какие управляемые действия мы платим людям.

Когда все три сшиты в одну цифру, начинается корпоративная игра: из плана пытаются получить прогноз, из прогноза — мотивацию, из мотивации — правду.

А получается ЭКГ квартальной пульсации, перегруженный продакшен, инциденты, финдир без денег на зп и клиенты с невыполненными обещаниями.

https://onlinelibrary.wiley.com/doi/abs/10.1111/1468-036X.00226

Почему после увольнения одного человека всё ломается?

Часто бывает, что и регламент есть, и автоматизация. А вот ушел человек из процесса и все деградировало. Можно налить воды из гипотез, но у нас тут наука! Знакомьтесь: теория организационных рутин.

Рутина — повторяющаяся, узнаваемая последовательность взаимозависимых действий, в которую вовлечены несколько участников. Именно это отличает рутину от индивидуальной привычки.

Именно в рутинах хранится организационная память.

Рутина состоит из двух элементов:
1. Предписанный образец. Регламент, идеальная схема рутины — то, как она должна выполняться в теории.
2. Исполнительское воплощение. Это конкретная реализация рутины «здесь и сейчас» конкретными людьми, с учётом живой ситуации.

Механика изменений
— Ежедневно в исполнительском воплощении накапливаются мелкие отклонения.
— Если отклонение устойчиво решает проблему лучше, оно может быть повторено и со временем войти в регулярную практику.
— Так рутина эволюционирует.

Управленческая задача — не ломать рутины, а настраивать механизм обратной связи, чтобы удачные отклонения не гасились системой, а узаконивались через СМК.

Рутина = “как задумано” + “как реально делают” + “как организация учится”

Поэтому при уходе ключевой команды из компании уходит не только опыт. Уходит часть организационной памяти.

Можно скопировать регламент. Но рутину скопировать сложнее, потому что она распределена между людьми и контекстом. А без этого теряется осмысленность и начинается карго-культ.

Спасибо, кэп, скажете вы. И что с того? Наука дает нам возможность делать предсказания, которые можно проверить.

1. Если изменить регламент, но не изменить фактическую рутину, поведение почти не изменится

2. Если рутина часто повторяется без обратной связи, она станет стабильной, но может закрепить плохую практику

3. Если команда уже вместе проходила похожий цикл, она стартует быстрее новой команды из звёзд (посмотрите на команду Олега Тинькова, которую он забрал из России)

4. Если перенести только артефакты, а не носителей рутины, получится карго-культ

5. Если ключевые носители рутины уходят, процесс деградирует, даже если документы остались

https://www.sciencedirect.com/science/article/pii/S0956522123000027

Лучший фильм про доказательный менеджмент

Чтобы понять что такое профессиональное управление и как тяжело внедрять доказательные практики когда все вокруг «на опыте», посмотрите этот замечательный фильм с Брэдом Питтом. Это реальная история и, пожалуй, лучший художественный фильм про доказательный менеджмент.

Пара слов о концовке (осторожно, спойлеры).

На финальных титрах повторяется слово «неудачник». Это может смутить. Но это не буквальная оценка главного героя, а центральный конфликт всей истории.

Главный критерий успеха для окружающих — победа в World Series. А он ее так и не выиграл.

Но это локальная оптимизация. Вместо этого гг совершил революцию в индустрии.

Повторение идеи «неудачник» нужно, чтобы показать парадокс:
человек может проиграть по формальному KPI, но задать новый стандарт управления для всей отрасли.

“You’re such a loser, Dad…” это ирония судьбы инноватора.

https://www.kinopoisk.ru/film/432791