Тонкие сигналы

Во Введении мы говорили о том, что будущее всегда подает сигналы, но мы редко их слышим — потому что настроены на шум, потому что наш мозг фильтрует аномалии, потому что организации устроены так, чтобы глушить неудобную информацию.

Теперь давайте разберемся, как именно устроена эта слепота.

Прежде чем учиться замечать, стоит понять, почему мы так часто пропускаем важное. Это не вопрос недостатка данных — их сегодня больше, чем когда-либо. И не вопрос интеллекта — среди тех, кто оказывался застигнутым врасплох, было много умных людей.

Это вопрос конструкции. Конструкции нашего восприятия. Конструкции организационных систем. Конструкции информационной среды, в которой мы принимаем решения.

В этой части мы пройдем три шага.

Первый шаг — разберемся, почему привычка экстраполировать прошлое на будущее перестала работать. Увидим, что форсайт — это не предсказание, а навигация, и что у этой навигации есть свои инструменты.

Второй шаг — познакомимся с понятийным аппаратом. Научимся различать шум, тренд, слабый сигнал и «черного лебедя». Увидим, как устроены слабые сигналы, какими они бывают и как не перепутать сигнал со случайным артефактом.

Третий шаг — заглянем внутрь себя и своих организаций. Узнаем, какие когнитивные механизмы делают нас слепыми к аномалиям. Поймем, как иерархия, показатели эффективности и корпоративная культура работают как мощные фильтры, отсекающие важную информацию.

И на каждом шаге мы будем не просто слушать, а делать. Вас ждут короткие упражнения и вопросы для размышления. А в конце части — диагностический инструмент, который поможет вам понять, какие именно фильтры работают в вашем случае.

К концу части у вас будет не только понимание проблемы, но и конкретная «карта слепоты» — ваша собственная и вашей организации. А это — первый шаг к тому, чтобы начать видеть.

Глава 1. Миф о предсказуемости: почему прошлое больше не указывает путь

Мы привыкли думать, что будущее можно предсказать, экстраполируя прошлые тренды. Но в мире структурных сдвигов этот метод перестает работать. Форсайт — это не предсказание, а навигация.

В середине 2010-х годов крупные российские торговые сети строили стратегии развития, исходя из экстраполяции роста офлайн-потребления. Годовые отчеты, презентации для инвесторов, планы открытия новых гипермаркетов — всё говорило о том, что будущее за «большими коробками» в городах-миллионниках.

При этом уже существовали сигналы, которые указывали в другую сторону. В малых городах росли пункты выдачи заказов интернет-магазинов. Логистические компании фиксировали увеличение объемов мелких отправок. Появлялись первые истории о том, как жители отдаленных районов заказывают товары с доставкой. Эти сигналы не были секретными. Они были видны. Но их списали на «временные колебания», на «маргинальное явление», на «не наш сегмент». Через несколько лет те, кто их проигнорировал, оказались в положении догоняющих. А некоторые ушли с рынка.

Почему экстраполяция подводит? Она работает, когда система стабильна. Когда меняются структурные параметры — технологии, регуляторика, потребительские привычки, демография, — прошлое перестает быть надежным проводником в будущее.

Возьмем российский рынок труда. Еще в конце 2010-х годов многие компании строили кадровые стратегии, исходя из «бесконечного» притока молодых специалистов. Сигналы о демографической яме, изменении ценностей, росте самозанятости были. Но они казались далекими и незначительными. А потом оказалось, что «внезапно» некому работать. Экстраполяция не предсказала этого, потому что изменились структурные параметры. Те, кто заметил сигналы раньше, успели перестроиться: начали работать с самозанятыми, инвестировать в автоматизацию, пересматривать условия труда. Остальные догоняют до сих пор.

То же самое происходит в науке и технологиях. Вспомним историю открытия графена. Андрей Гейм и Константин Новосёлов заметили, что обычный канцелярский скотч позволяет отделять слои графита толщиной в один атом. Это было настолько просто, что многие исследователи списывали результат на «курьез» или «артефакт». Экстраполяция говорила: получение двумерных материалов невозможно, они должны быть нестабильны. Но сигнал был. Те, кто его заметил и проверил, получили Нобелевскую премию. Те, кто списал на шум, пропустили открытие новой области физики.

Вот метафора, которая поможет нам на протяжении всей книги. Прогнозирование — это движение по карте, где все уже нанесено. Вы знаете, где берег, где мели, где течение. Ваша задача — проложить оптимальный маршрут. Форсайт — это навигация в открытом море, где карты нет. У вас есть компас, опыт, умение читать ветер и волны. Вы не знаете точно, где окажетесь через месяц, но вы можете корректировать курс, замечать изменения, готовиться к разным вариантам.

Прогнозирование ищет один ответ: «что будет?». Форсайт работает с множеством возможных будущих и задает другие вопросы: «Что может произойти?», «Как мы поймем, что происходит именно это?», «Что мы будем делать в каждом из сценариев?»

Эта метафора работает и в бизнесе, и в науке. Исследователь, который уверен, что его гипотеза единственно верна, перестает замечать аномалии. Исследователь, который работает в режиме форсайта, строит веер гипотез, ищет подтверждения и опровержения, готов изменить направление.

Вот пример из кейса «Лаборатория», который подробно разбирается в Приложении. В лаборатории физики конденсированного состояния молодой аспирант заметил аномалию: в некоторых экспериментах новый материал показывал аномально высокую емкость, но результаты не воспроизводились стабильно. Старшие коллеги списывали это на «погрешность измерений» или «брак образцов». Они экстраполировали свой прошлый опыт: если результаты не воспроизводятся, значит, это шум. Но аспирант задал другие вопросы: «А что, если это не шум? Что, если это указывает на неизвестный механизм? Как мы можем это проверить?» Он не стал ждать полной ясности. Он начал фиксировать аномалии, искать связи, строить гипотезы. Это был переход от прогнозирования к форсайту — от уверенности в том, что «всё понятно», к открытости перед неопределенностью.

Теперь попробуйте выполнить небольшое упражнение. Вспомните ситуацию, когда вы были уверены в своем прогнозе, а реальность оказалась иной. Это может быть бизнес-решение, карьерный шаг, научная гипотеза, технологический прогноз. Ответьте себе на вопросы: на чем основывалась ваша уверенность? Какие сигналы противоречили вашему прогнозу? Вы их заметили? Почему не придали значения? Если бы вы могли вернуться в прошлое, что вы сделали бы иначе, чтобы заметить эти сигналы раньше? Не ждите, что вы найдете «правильный» ответ. Цель упражнения — заметить, как легко мы попадаем в ловушку экстраполяции.

Подумайте также над такими вопросами. Вспомните случай из вашей практики, когда экстраполяция прошлого подвела вас. Что вы тогда чувствовали? Почему даже опытные специалисты часто попадают в эту ловушку? И главное: в каких ситуациях экстраполяция все еще работает, а в каких — перестает? Как отличить одно от другого?

Мы разобрались, почему экстраполяция прошлого перестала быть надежным компасом. Но если прогнозирование не работает, на что тогда опираться? Как ориентироваться в информационном потоке, где шума больше, чем сигналов? В следующей главе мы познакомимся с понятийным аппаратом, который поможет нам различать шум, тренд, слабый сигнал и «черного лебедя». Это будет первый шаг к настройке нашего приемника.

Глава 2. Четыре слоя информационной среды и анатомия слабого сигнала

Не всякая информация одинаково полезна, когда мы пытаемся разглядеть будущее. Более того — большая часть того, что ежедневно обрушивается на нас, только мешает. Чтобы научиться замечать слабые сигналы, нужно сначала понять, как устроен тот информационный ландшафт, в котором мы существуем. Его можно разделить на четыре слоя: шум, тренд, слабый сигнал и «черный лебедь». Каждый слой требует разного типа внимания и разного типа реакции.

Начнем с того, что сегодняшняя информационная среда в России — это десятки телеграм-каналов, новостные агрегаторы, экспертные паблики, профессиональные чаты. Каждый день — сотни сообщений, заголовков, прогнозов. В этом потоке легко потерять ориентиры и перестать различать, что действительно важно.

Самый внешний, самый объемный слой — это шум. Шум — случайные флуктуации, сенсации, «информационные вбросы». Это то, что требует реакции «здесь и сейчас», но не несет структурного значения. Пример из повседневности: ежедневные телеграм-паники — «завтра запретят», «завтра подорожает», «завтра отключат». Через неделю о них никто не помнит. Если вы работаете с данными, шум — это выбросы, которые не повторяются и не вписываются в паттерн. Если вы исследователь — это единичные аномалии в эксперименте, которые исчезают при повторении. Как работать с шумом? Если нет подтверждения из нескольких независимых источников и если явление не нарастает со временем — скорее всего, это шум. Не тратьте на него внимание.

Следующий слой — тренд. Тренд — это направленное долгосрочное движение, видимое большинству участников рынка или научного сообщества. Тренд уже «схвачен» аналитиками, описан в отчетах, обсуждается на конференциях. Пример из недавнего прошлого: переход к цифровым каналам продаж к 2021 году. К этому моменту все уже понимали, что это важно. Как работать с трендами? Следить, но не ждать от них конкурентного преимущества — они доступны всем. Реальная ценность — не в следовании за трендом, а в том, чтобы заметить его зарождение раньше других. А для этого нужно смотреть на следующий слой.

Третий слой — самый важный для нашей книги — слабый сигнал. Это раннее проявление возможного будущего, часто маргинальное, аномальное, неочевидное. Слабый сигнал может быть едва заметным, противоречить доминирующей логике, не иметь подтвержденных данных. Пример из российской практики: появление в 2017—2018 годах небольших телеграм-каналов, где обсуждалась «экономика внимания» и феномен блогеров как каналов продаж. Тогда это казалось нишевым явлением для маргинальной аудитории. Сегодня это индустрия с многомиллиардными оборотами. Как работать со слабыми сигналами? Фиксировать, искать подтверждения, проверять гипотезы маленькими ставками, не требовать немедленной ясности. Этому посвящены следующие части книги.

Наконец, четвертый слой — «черный лебедь», редкое, непредсказуемое событие с огромными последствиями, термин, введенный Нассимом Талебом. Здесь важно важное уточнение: большинство «черных лебедей» на самом деле были слабыми сигналами, которые никто не захотел замечать. Возьмем пандемию 2020 года. После нее многие говорили: «это было невозможно предсказать». Но существовали сотни исследований о рисках пандемий, десятки предупреждений от эпидемиологов, сценарии от Всемирной организации здравоохранения. Это не было «черным лебедем» в чистом виде — это было игнорирование сигналов. Как работать с этим слоем? Признавать, что полностью непредсказуемые события редки. В большинстве случаев можно подготовиться, если вовремя заметить нарастающие сигналы.

Теперь, когда мы разграничили слои, давайте присмотримся к слабым сигналам внимательнее. Что это за зверь и как его распознать?

У слабых сигналов есть несколько ключевых свойств. Первое — неоднозначность. Сигнал редко приходит с инструкцией «это значит вот то». Он требует интерпретации, и одна и та же аномалия может означать разные вещи. Второе — множественность интерпретаций. Нет единственного «правильного» прочтения. Задача — не найти единственный ответ, а построить веер возможных объяснений. Третье — слабая структурированность. Сигнал не упакован в красивый отчет с графиками. Это может быть случайная реплика клиента, странное поведение конкурента, неформальное наблюдение сотрудника, «лишний» пик на спектрограмме, который не вписывается в теорию. Четвертое — маргинальность. Сигнал часто приходит с периферии — оттуда, куда редко смотрят, от тех, чье мнение не считается авторитетным.

Сигналы различаются и по характеру проявления. Я выделяю три основных типа.

Мерцающие сигналы появляются и исчезают, их трудно уловить, но если они повторяются, это повод обратить внимание. Пример из российской практики — первые фуд-тех стартапы с «темными кухнями» (кухни только для доставки, без залов обслуживания) в 2016—2017 годах. Они появлялись, закрывались, снова появлялись. Большинство рестораторов считали это «баловством». Но повторяемость сигнала указывала на то, что за этим стоит что-то большее.

Нарастающие сигналы — это устойчивый рост на периферии, который можно зафиксировать количественно, но масштаб пока незначителен. Пример — рост числа самозанятых в 2019—2020 годах. В абсолютных цифрах это были единицы процентов от экономически активного населения. Но темпы роста были аномальными. Для тех, кто заметил, это был сигнал о структурном сдвиге на рынке труда.

Диссонантные сигналы противоречат доминирующей логике, «не вписываются» в принятые представления о том, как устроен мир. Пример — молодые специалисты, отказывающиеся от работы в офисе. До пандемии 2020 года это казалось «капризами» или «непрофессионализмом». Компании, которые списали это на «поколенческое», пропустили сигнал о фундаментальном изменении отношения к работе.

Однако важно понимать: не каждая аномалия — сигнал. Некоторые аномалии — это артефакты: случайные совпадения, единичные флуктуации, ошибки измерения. Как отличить одно от другого? По трем признакам.

Первый — повторяемость. Артефакт обычно случается один раз, сигнал имеет тенденцию к повторению. Если вы заметили странное явление один раз — это еще не сигнал. Если оно повторяется — стоит присмотреться. Второй — связность. Артефакт не связан с другими аномалиями, сигнал часто встраивается в кластер. Одинокое наблюдение может быть случайностью. Когда появляются подтверждения из разных источников — это уже не случайность. Третий — объяснимость. Артефакт можно объяснить локальной причиной (ошибка измерения, единичный сбой), сигнал требует более широкого объяснения. Если для объяснения аномалии вам приходится менять представление о том, как устроен рынок или природа, — это сигнал.

Вот как это работало на практике. В середине 2010-х годов один из региональных банков заметил рост числа микропереводов между физическими лицами. Объем был незначительным — доли процента от общего оборота. Но темпы роста были устойчивыми в течение нескольких кварталов. Аналитики банка могли бы списать это на «случайность» или «временное явление». Но они обратили внимание на повторяемость и начали искать объяснения. Оказалось, что клиенты начали использовать банковские переводы для оплаты услуг мелких предпринимателей — репетиторов, мастеров, курьеров. Банк запустил «маленькую ставку»: упростил процедуру таких переводов, сделал их более заметными в интерфейсе. За два года до бума переводов между физическими лицами они заняли лидирующую позицию в этом сегменте в своем регионе. Урок прост: сигнал был слабым, но устойчивым. Те, кто его заметил, получили преимущество. Те, кто списал на шум, оказались в положении догоняющих.