Юрген Аппело - Agile-менеджмент. Лидерство и управление командами

• Обсудите, как сформулировать требования к качеству создаваемых продуктов, чтобы они выполнялись вашими самоорганизующимися командами. Что нужно, чтобы эта система заработала?

• Подумайте о том, чтобы заключить со своей командой общественный договор. У вас есть ожидания по отношению к членам команды. На что они могут рассчитывать с вашей стороны? Вы готовы зафиксировать это в письменном виде?

Люди часто пытаются предотвратить будущие проблемы, вводя в организации правила примерно в таком виде: «Когда возникает ситуация X, надо делать Y» . Я с готовностью признаю, что и сам был виновен в подобных попытках. Сейчас же я уверен, что создание правил менеджерами – далеко не идеальный способ обеспечить устойчивость организации.

В предыдущих главах мы видели, что лучше всего, когда компания способна на самоорганизацию и в результате сдвигается в зону «на кромке хаоса», а создание правил делегировано членам команды, в то время как менеджменту остается в основном задавать направление движения команд и настройку ограничений. Но вполне очевидно, что многие команды все равно не смогут добиться успеха, если входящие в их состав люди недостаточно компетентны.

В этой главе обсуждается первая часть темы развития компетенций (четвертого компонента модели Менеджмента 3.0). Здесь мы также более глубоко рассмотрим процесс создания правил. В результате мы увидим, что все не так просто, как полагают те, кто склонен мыслить линейно. Впрочем, нас это не должно удивлять, ведь мы с вами уже давно рассуждаем в категориях сложных систем.

В своей книге «Невидимый порядок: Как адаптация создает сложность» (Hidden Order: How Adaptation Builds Complexity) Джон Холланд, психолог и специалист в области информатики, таким образом описывает идею, лежащую в основе исследований самообучающихся классифицирующих систем: способность сложных адаптивных систем к самообучению имеет общие закономерности [Holland 1995: 42–80].

Холланд называет первый компонент самообучающихся систем интерпретатором. Он представляет собой потенциально многочисленный набор правил, управляющих циклами «стимул – реакция». Эти правила применяются к анализу сообщений, поступающих в систему из внешней среды (или сформированных при помощи других правил). В результате система порождает новые сообщения, адресованные либо во внешнюю среду, либо другим правилам.

Поскольку я разработчик софта, моя голова набита правилами, используемыми при создании программных продуктов. Из внешней среды в нее поступает информация о том, чем занимаются (или говорят, что занимаются) мои коллеги, о коде, над которым я в данный момент работаю, о клиентских требованиях, о необходимых функциональных возможностях продукта, ограничениях, накладываемых средой, в которой осуществляется разработка данного продукта, и так далее. Множество сообщений, поступающих извне, осознанно и неосознанно подвергаются одновременной оценке с использованием сотен, если не тысяч, правил, хранящихся в моей голове. Результатом становятся определенные новые действия, например решение написать дополнительный кусок кода, внести изменения в имеющийся код, обсудить возникшие вопросы с коллегами или с клиентом.

Я знаю, что все это звучит вполне очевидно. Но самое важное здесь – то, что интерпретатор состоит из множества правил, потенциально находящихся в конфликте друг с другом , причем разные правила срабатывают в разных обстоятельствах при получении разных сообщений из внешней среды. Интерпретатор можно сравнить с экосистемой, населенной правилами, которые одновременно конкурируют и сотрудничают друг с другом. При этом идет постоянный отбор тех, которые внесут наибольший вклад в развитие данной сложной адаптивной системы.

Второй компонент самообучающихся классифицирующих систем – процесс, называемый присвоением коэффициентов доверия. Правилам, при применении которых общая эффективность системы повышается, присваивается больший коэффициент доверия. А у правил, которые не привели к возникновению положительного эффекта или даже нанесли вред системе как целому, коэффициент доверия снижается. Коэффициент доверия определяет вероятность применения правила в следующий раз при получении из внешней среды похожих сообщений.

Происходящий в системе процесс присвоения коэффициентов доверия приводит к повышению роли одних правил и снижению роли других. Формирующийся свод правил представляет собой внутреннюю модельвнешней среды и предписывает способы, которыми система должна реагировать на внешние воздействия. Когда внешняя среда изменяется, сильные на данный момент правила способны приводить к неудачам, а слабые, наоборот, могут оказаться более успешными, чем прежде. В результате происходит перераспределение коэффициентов доверия, что позволяет системе адаптироваться к новым ситуациям и непрерывно подправлять и перенастраивать свою внутреннюю модель.

Последний компонент самообучающихся классифицирующих систем связан с возникновением новых правил. Холланд объясняет, что новые правила могут возникать в результате рекомбинации элементов уже существующих. Примерно так функционирует и ДНК – путем рекомбинации генов и их аллелей.

Холланд считается отцом генетических алгоритмов, поскольку был первым, кто создал эволюционные модели, основанные на применении сложными адаптивными системами определенных наборов правил при принятии решений. Он не только убедительно описал модель самообучения и накопления знаний внутри сложных адаптивных систем, но и показал, что она может быть применена при создании эволюционных алгоритмов, обладающих мощным потенциалом при адаптации систем к внешней среде.

Эксперт по компьютерной графике Крейг Рейнолдс в свое время обнаружил, что поведение птиц в стаях может быть смоделировано на компьютере при помощи простого алгоритма [Reynolds 1987]. Этот тип поведения, широко распространенный в природе среди разных биологических видов, возникает в результате соблюдения трех простых ограничений (рис. 10.1):

• Все особи должны двигаться в одном направлении (согласованность) .

• Нельзя сталкиваться друг с другом (разделение) .

• Нужно держаться вместе с группой (сплоченность) .