Почему никто не рассказал мне это в 20? - Тина Силиг

Некоторые компании стали настоящими профессионалами в выявлении ценности продуктов, которые все остальные считают неудачными. Марисса Майер, возглавляющая отдел развития продуктов в Google, считает, что крайне важно не убивать проекты слишком рано, а попытаться вместо этого их видоизменить43. Иными словами, нужно понять, что именно в них получается и что нужно улучшить, а не просто отбрасывать их в сторону. Марисса верит, что из любого, даже неработающего проекта можно извлечь ценность.

Google и другие компании, работающие в Сети, активно используют метод «A-B»-тестирования. Иными словами, компании одновременно выпускают две версии какой-либо программы, а затем быстро получают обратную связь о том, какая из версий оказывается более успешной. Эти компании уже неоднократно убеждались в том, что даже небольшие модификации (изменение цвета кнопки, добавление одного слова к сообщению и перемещение картинки в другое место на странице) способны значительно повлиять на ответную реакцию посетителей. Некоторые связанные с сетью компании выпускают десятки версий одного и того же продукта в день (причем каждая версия имеет незначительные отличия) и оценивают ответную реакцию клиентов на каждую из них.

Компания, основанная двумя бывшими студентами Стэнфорда Джеффом Зайбертом и Кимбером Локхартом, по­стоянно использует этот подход. Их сайт GetBackboard.com используется для сбора обратной связи по определенным форматам различных документов. На сайте они продолжают экспериментировать с разнообразными «призывами к дей­ствию» и оценивать, какой подход приводит к наилучшим результатам. Когда на сайте был размещен зеленый пузырь с надписью «Зарегистрируйтесь cегодня», прирост регистраций составил 8 процентов. Когда же сообщение было изменено на «Легкая и быстрая регистрация», отклик вырос на 11 процентов. А в ответ на сообщение «Бесплатное 30-дневное пробное обслуживание» отклик подскочил до 14 процентов. Такие эксперименты позволяют превратить неудачу в успех или сделать достигнутый успех еще более значимым.

Эксперименты требуют готовности взять на себя риск. Однако это не такой простой вопрос, как поначалу может показаться. Наверняка вы сами готовы брать на себя определенные типы рисков, а другие кажутся вам слишком серьезными. Порой вы даже склонны недооценивать риски или, напротив, считать более рискованными вещи, вызывающие у вас беспокойство. К примеру, для вас могут быть вполне комфортными катание с огромной скоростью на горных лыжах или прыжки с парашютом, и вы не будете считать эти занятия рискованными. В этом случае вы упускаете из виду тот факт, что они несут в себе элемент физического риска. Другие, вроде меня, не готовы брать на себя физические риски: мы предпочитаем пить горячий шоколад в баре на склоне горы или сидеть в удобном кресле самолетного салона, не нацепляя на себя горнолыжные ботинки или парашют. С другой стороны, вы можете вполне уживаться с социальными рисками, связанными, к примеру, с публичным выступлением. Лично мне это вообще не кажется рискованным делом. Однако многие другие, может, и не боящиеся выпрыгнуть из самолета, порой не в состоянии произнести тост на вечеринке.

При здравом размышлении можно выделить пять основных типов риска: физический, социальный, эмоциональный, финансовый и интеллектуальный. К примеру, я знаю, что могу ужиться с социальными рисками, но не переношу физических. Иными словами, я без проблем заговорю с незнакомцем, но ни за что не соглашусь прыгнуть в воду с высокого моста. Я охотно принимаю на себя и интеллектуальные риски, позволяющие расширить мои аналитические способности, но при этом не готова к финансовым. Отправляясь в Лас-Вегас, я возьму с собой лишь небольшую сумму денег, чтобы гарантированно не проиграть слишком много.

Я часто прошу людей создать собственную карту для профиля риска. Поразмышляв совсем немного, каждый человек способен понять, какие риски готов взять на себя. Он довольно быстро осознает, что риски нельзя считать чем-то универсальным. Интересно отметить, что большинство предпринимателей не считают себя людьми, склонными к чрезмерному риску. После анализа ландшафта, создания отличной команды и формулирования детального плана они чувствуют, что уменьшили степень рискованности своей идеи настолько, насколько это вообще возможно. В сущности, они тратят основную часть своих усилий как раз на то, чтобы снизить рискованность своих проектов.

Элизабет Пейт Корнелл, директор департамента управления научными исследованиями и инжинирингом в Стэнфорде, — признанный эксперт в области управления рисками. Она поясняет, что при анализе рискованной ситуации важно определить все возможные итоги и попытаться рассчитать шансы для каждого из них. После этого необходимо разработать детальный план действий для каждого итога. Элизабет считает, что, если вы готовы смириться со всеми возможными последствиями, вам стоит идти по пути максимального риска и максимальной отдачи. Вы должны полностью подготовиться к будущим проблемам и иметь план действий на этот случай. Я призываю вас прочитать пару последних предложений несколько раз. Эксперты в области управления рисками верят, что вам следует принимать решения, основываясь на вероятности всех возможных исходов, в том числе лучшего и худшего вариантов. Подготовившись к любому развитию событий, вы должны быть готовы взять на себя даже значительные риски.

Важно также помнить, что хорошие решения, основанные на точном анализе сопутствующих рисков, могут все равно привести к негативному исходу. Это связано с тем, что риск никуда не пропадает, как бы много вы ни размышляли о нем. Вот вам простой пример: вскоре после того как я окончила школу, мне была предложена работа, которая, как мне казалось, не вполне соответствовала моей личности. За несколько дней изучив все возможности, я решила отказаться от этого предложения, рассудив, что вскоре смогу найти для себя что-то получше. К сожалению, экономика довольно быстро покатилась к кризису, и в поисках новой работы я провела несколько месяцев. Я немало укоряла себя за то, что не согласилась на предложение, которое со временем начинало казаться мне все более привлекательным. Я приняла верное решение, основываясь на имевшейся в то время информации, но в итоге оказалась не в лучшем положении.

Как и в этой ситуации, чаще всего вам приходится принимать решения, основываясь на неполной информации. Иными словами, вы должны сделать выбор и приступить к действиям, когда в каждом из вариантов имеется значительная доля не­определенности. Каким же образом можно заполнить пробелы в знаниях? Я предлагаю вам обратиться за примером и вдохновением к «Стэнли». Внутренние механизмы «Стэнли», автономно работающего автомобиля, созданного лабораторией искусственного интеллекта Стэнфорда и лабораторией электронных исследований компании Volkswagen для соревнований DARPA Grand Challenge, помогают понять, каким образом можно принимать решения, основываясь на неполной информации. DARPA (Defense Advanced Research Projects Agency) — это агентство правительства США, занимающееся разработкой перспективных технологий для военных целей. В соревнованиях, проводимых под эгидой DARPA, автомобилям без водителей нужно преодолеть по бездорожью около 212 километров. Каждый автомобиль должен преодолеть три узких тоннеля, произвести свыше сотни резких поворотов и проехать по горной тропе, окруженной скалами. Невзирая на достаточно небольшие шансы, созданный в Стэнфорде автомобиль смог выиграть гонку, в основном благодаря своей способности принимать быстрые решения при наличии неполной информации.

«Стэнли» был оснащен рядом мощных технологий, таких как трехмерная карта местности, GPS, гироскопы, акселерометры, видеокамеры и сенсоры на колесах. Программы анализировали и интерпретировали все входящие данные, а также контролировали скорость и направление движения автомобиля. Однако ключ к победе «Стэнли» лежал в способности автомобиля принимать решения в условиях неопределенности. Дизайнеры дали автомобилю способность обучаться новому точно так же, как это делают люди. Они создали базу данных человеческих решений, которые автомобиль использует при определении следующих шагов. Эти данные были включены в обучающую программу, привязанную к контрольным системам автомобиля, что значительно снизило ошибки в суждениях.

Эта история отражает тот факт, что обучение на примерах других людей способно значительно снизить частоту собственных неудач. Вы не должны самостоятельно принимать все решения. Подобно «Стэнли», вам нужно собрать все имеющиеся в окружающей среде данные, а затем положиться на мудрость людей, шедших тем же путем перед вами, и сделать наилучший выбор. Все, что вам необходимо, это посмотреть по сторонам и увидеть сотни, если не тысячи ролевых моделей для каждого из вариантов выбора.