Краудсорсинг: Коллективный разум как инструмент развития бизнеса
Шрифт:
«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.
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
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.