Читать книгу "Взрывной рост. Почему экспоненциальные организации в десятки раз продуктивнее вашей (и что с этим делать) - Юри ван Геест"

• Креативность и инновации: существующие сегодня инструменты и платформы позволяют перевести весь процесс генерации новых идей, их разработки и распространения на коллективную основу. Среди наиболее популярных платформ можно назвать IdeaScale, Eyeka, Spigit, InnoCentive, SolutionXchange, Crowdtap и Brightidea.

• Валидация: сегодня у вас есть возможность измерить, насколько ваш эксперимент, продукт или услуга удовлетворяют заранее определенным требованиям. Такие инструменты, как UserVoice, Unbounce и Google AdWords, позволяют это сделать.

• Краудфандинг: растущая тенденция, цель которой – обеспечить финансирование идей и проектов путем привлечения большого количества относительно мелких инвесторов через специальные онлайновые площадки. Краудфандинг хорош тем, что позволяет не только привлечь необходимый капитал для реализации идеи, но и оценить интерес к ней рынка. Две наиболее популярные площадки краудфандинга – Kickstarter и Indiegogo. Вот несколько цифр: в 2012 году объемы коллективного финансирования составили порядка 2,8 млрд долларов. К 2015 году эта цифра должна вырасти до 15 млрд, а к 2015-му, по прогнозам Всемирного банка, до колоссальных 93 млрд.

Краудфандинг не только помогает собирать огромные суммы для финансирования стартапов и новых идей, но и демократизирует доступ к оборотному капиталу для всех компаний. Например, производитель дизайнерских джинсов Gustin использует краудфандинг для всех новых моделей. Люди «голосуют деньгами» за понравившуюся им модель, и, когда набирается нужная сумма, компания запускает эту модель в производство и затем рассылает инвесторам. Таким образом, Gustin не несет никаких рисков, связанных с новыми продуктами, и никаких затрат на создание и хранение товарных запасов.

Уже сегодня ЭксО передают основному и широкому сообществам многие из функций, которые традиционно осуществлялись силами самой организации, в том числе генерацию идей, финансирование, разработку, распространение, маркетинг и продажи. Этот радикальный сдвиг становится возможным благодаря феномену, который университетский профессор и гуру социальных медиа Клэй Ширки называет когнитивным излишком. «У человечества есть больше триллиона часов свободного времени в год, которое оно может посвятить реализации коллективных проектов», – сказал он в радиопрограмме TED. И это только на сегодняшний день. К 2020 году, когда к 2 млрд нынешних пользователей интернета присоединится еще 3 млрд пользователей недорогих смартфонов и планшетов, названная Ширки цифра утроится.

Как точно заметил известный предприниматель, легенда Кремниевой долины Билл Джой, «какой замечательной компанией вы бы ни были, большинство самых умных людей в мире все равно будут работать на кого-то другого». Благодаря ориентированности во внешний мир ЭксО превращают свое основное сообщество с его сотнями и даже тысячами членов, а также широкое сообщество, включающее миллионы и даже миллиарды человек, в продолжение своих организаций.

Использование персонала по требованию, а также активное вовлечение основного и широкого сообществ приводят к тому, что постоянный штат сотрудников ЭксО становится все меньше, а человеческий капитал все больше. Благодаря разнообразию и размеру доступных человеческих ресурсов организации становятся не только гораздо более гибкими, но и значительно повышают способность к обучению. Они также могут гораздо быстрее распространять свои идеи.

Алгоритмы

В 2002 году доходы компании Google составляли меньше 500 млн долларов в год. Десять лет спустя они выросли в 125 раз, и компания начала зарабатывать по 500 млн долларов каждые три дня. Центральную роль в этом головокружительном росте сыграл алгоритм PageRank, оценивающий популярность веб-страниц (разумеется, алгоритм не выбирает лучшие с человеческой точки зрения страницы, а ранжирует их по количеству сгенерированных кликов).

Google – не единственная компания, построившая бизнес на алгоритме. Сегодня очень многое в мире основано на алгоритмах – от антиблокировочной тормозной системы в автомобилях до системы рекомендаций на Amazon, от динамического ценообразования авиакомпаний до прогнозирования успеха будущих голливудских блокбастеров, от написания новостных постов до управления воздушным движением, от выявления случаев мошенничества с кредитными картами до определения того, какие 2 % публикаций будут отображены в ленте типичного пользователя Facebook. Короче говоря, алгоритмы присутствуют в нашей жизни повсюду. По оценкам компании McKinsey, из 700 сквозных банковских процессов (таких как открытие счета или получение кредита на покупку автомобиля) около половины могут быть полностью автоматизированы. Компьютеры начинают выполнять все более и более сложные задачи.

Существует даже специальная площадка под названием Algorithmia, где компании могут купить или заказать алгоритмы для анализа собираемых ими данных. Как и на GitHub (смотрите 7-ю главу), разработчики алгоритмов могут открыть код и предоставить другим возможность его улучшить.

Два типа алгоритмов находятся на переднем крае этого нового мира – алгоритмы машинного и глубинного обучения.

Под машинным обучением понимается способность машины выполнять новые, незнакомые задачи, опираясь на известные паттерны, идентифицированные в результате обучения или анализа прошлых данных, а также на основе прогнозирования. Hadoop и Cloudera – самые известные примеры алгоритмов машинного обучения с открытым кодом. Мы регулярно сталкиваемся с машинным обучением в нашей жизни, например, на популярном видеосервисе Netflix. В 2006 году компания Netflix решила улучшить точность системы рекомендации фильмов. Но вместо того, чтобы полагаться только на штатный персонал, она объявила открытый конкурс, предложив приз в размере 1 млн долларов тому, кто сможет улучшить ее алгоритм на 10 %. 51 тысяча конкурсантов из 186 стран мира получила набор данных, включающий 100 млн оценок фильмов, и пять лет на доработку алгоритма. Конкурс завершился досрочно в сентябре 2009 года, после того как в общей сложности было предложено 44 014 наборов предсказаний и одной из команд-участниц наконец-то удалось достичь поставленной цели.

Глубинное обучение – это новый захватывающий раздел машинного обучения, основанный на технологии искусственных нейронных сетей. Технология глубинного обучения позволяет машинам выявлять новые паттерны без опоры на исторические или обучающие данные. Ведущими стартапами в этой области являются DeepMind, приобретенный Google за 500 млн долларов в начале 2014 года, когда в нем насчитывалось всего 13 сотрудников, и Vicarious, финансируемый из кармана Илона Маска, Джеффа Безоса и Марка Цукерберга. Twitter, Baidu, Microsoft и Facebook также инвестировали значительные средства в эту область. Алгоритмы глубинного обучения опираются на «открытие знаний» и самоиндексацию и действуют во многом так же, как ребенок, который учится произносить первые звуки, затем слова, предложения и наконец овладевает речью. Например, в июне 2012 года команда Google X создала нейронную сеть, состоящую из 16 000 компьютерных процессоров и насчитывающую миллиард соединений. После того как эта система в течение трех дней «просмотрела» 10 млн случайно выбранных видеороликов на YouTube, она научилась самостоятельно распознавать кошек, фактически не зная, что такое «кошка». Важно отметить, что это произошло без какого-либо вмешательства со стороны человека.