Системное мышление для руководителей: Практика решения бизнес-проблем

Очень хочется ответить на этот вопрос «да». И на то есть три причины.

Первая кроется в природе людей. Иногда мы не желаем видеть сложное, потому что нам гораздо комфортнее жить в простом мире. Мы предпочитаем верить в то, что наши действия приведут именно к тем результатам, к которым мы стремимся, как бы ни были убедительны доводы против.

Вторая причина прагматична: естественно, легче понять часть, чем пытаться проникнуть в суть сложного целого.

Третья причина – в том невероятном успехе, которым вот уже несколько веков пользуется у ученых аналитический подход, который можно назвать «понимание по частям». Суть этого метода заключается в наблюдении результатов тщательно подготовленных экспериментов, условия которых специально разработаны так, чтобы сосредоточиться на основных интересующих ученого элементах и исключить все остальное. В науке процесс вычленения отдельных аспектов предмета интереса для подробного изучения работает хорошо, и нам хочется использовать этот подход для решения любой проблемы, даже когда она касается поведения непостоянного и изменчивого окружающего мира.

Однако существует множество ситуаций, в которых этот подход не работает. Питер Сенге очень образно выразил эту мысль в своей книге «Пятая дисциплина»: «Если вы разрежете слона пополам, то не получите двух слонят». Если вы захотите понять, как работает система слона, и решите расчленить его, чтобы изучить свойства частей, вы будете разочарованы, так как связи между частями будут разрушены, и отлично работавшая система превратится в неработающие подсистемы. Поэтому, если вы хотите понять систему и получить возможность влиять на ее поведение и даже контролировать его, вы должны стремиться к целостному ее пониманию. Знания отдельных частей недостаточно для понимания целого, а в некоторых случаях оно может привести и к обратному результату.

Это основная проблема управления. Отдел, которым вы руководите, является частью сложной системы. Вы хорошо понимаете его работу и с уверенностью принимаете решения. Тем не менее решение, абсолютно правильное для вашего отдела, может быть неоптимальным для организации в целом, и ваши действия в отношении вашей части системы могут привести к негативным результатам.

Предположим, вы решили повысить зарплаты основных сотрудников, чтобы удержать их. Может быть, все будет нормально, но, может быть, команда, работающая над крупным конкурсным предложением, начнет завидовать им, работать не так хорошо, как прежде, и конкурс будет проигран.

Еще одна причина, по которой «понимание по частям» не работает, когда применяется к системам, кроется в том, что последние демонстрируют характеристики, присущие системе в целом, но не свойственные ее частям. Поскольку эти характеристики существуют только на уровне системы, их невозможно выявить при изучении частей. Давайте рассмотрим две из этих особых характеристик: эмерджентность (системный эффект) и самоорганизацию.

Во всех известных мне организациях командная работа считается одной из основных ценностей, и не быть членом команды – смертный грех. Настоящая командная работа является характеристикой хорошо функционирующей, тесно взаимосвязанной системы – системы, которую мы называем командой. Она состоит из отдельных частей, членов команды. Как мы знаем, производительность команды нельзя предсказать на основании знаний о производительности отдельных ее членов. Высокопроизводительная командная работа – характеристика, возникающая в правильных условиях, когда команда действительно ведет себя как команда. Это лишь один пример эмерджентности, когда целое становится больше, чем сумма его частей.

Иногда появление эмерджентности связано со структурой сложной системы. Например, представьте себе стаю птиц, летящих клином. Как поддерживаются эти сложные птичьи системы? Может быть, вожак сообщает членам стаи, что им делать? Или же очертания формируются естественным образом? Птицы могут общаться, поэтому передача инструкций в какой-то форме вполне возможна. Однако такое объяснение совершенно невозможно для других систем, таких как ураганы, которые демонстрируют высокую степень связности, хотя и состоят из отдельных элементов. Ураганы формируются из молекул воды, испаряющихся с поверхности океана и смешивающихся с воздухом. Молекулы не могут общаться друг с другом, тем не менее ураганы образуют гигантские воронки, в которых отдельные субмикроскопические молекулы каким-то образом взаимодействуют и образуют связанные и чрезвычайно мощные макроскопические структуры.

Важной особенностью всех этих систем является отсутствие статичности и присутствие динамики. А динамические системы могут демонстрировать удивительные свойства. Возьмем, к примеру, систему «велосипед и велосипедист». Ни велосипед сам по себе, ни система велосипеда и велосипедиста в неподвижном состоянии балансировать не может. Но когда система становится динамической, когда велосипедист вливает в нее энергию движения, велосипед и велосипедист внезапно обретают эту способность. Таким образом, динамические системы демонстрируют стабильные структуры без явного внешнего вмешательства. Это происходит естественным образом, когда сама система находит стабильное динамическое состояние: движение велосипеда, воронка урагана, стая птиц, летящих клином.

Возникновение стабильной динамической структуры известно как самоорганизация, и это еще одна важная характеристика многих сложных систем.

Для внешнего наблюдателя одна из наиболее очевидных характеристик самоорганизующейся системы – это очень высокая степень упорядоченности. Стая птиц является упорядоченной группой, а не случайной толпой; воронка, образованная ураганом, имеет конкретную, а не произвольную структуру; движущийся вместе с велосипедистом велосипед сохраняет вертикальное положение, а не заваливается на землю. Часто эти строго упорядоченные структуры сохраняются в течение длительных периодов времени. Например, ваше сердцебиение также является строго упорядоченной, самоорганизующейся системой, которая продолжает свое существование в течение всей вашей жизни.

Самоорганизующиеся системы сохраняют свое строго упорядоченное состояние потому, что все они обладают еще одной общей характеристикой: через них проходит поток энергии, соединяющий каждую систему с подходящей для нее окружающей средой. Когда вы едете на велосипеде, вы с помощью своих ног поставляете в систему энергию, полученную путем вдыхания кислорода из воздуха. Ураган сохраняет свою структуру с помощью горячих потоков, циркулирующих между ним и окружающей средой. Птицы в стае реагируют на воздушные течения, создаваемые движениями их соседей. Все самоорганизующиеся системы обмениваются энергией с окружающей их средой и попадают в класс, называемый «открытыми» системами.

Следовательно, если вы хотите создать систему, сохраняющую некоторую степень упорядоченности и не распадающуюся на отдельные элементы, она должна быть открытой. Для этого в свою очередь требуется, чтобы энергия постоянно восполнялась, подпитывалась и протекала через систему, иначе, если поток прекратится, последняя деградирует. Именно поэтому велосипед падает, когда вы перестаете крутить педали. В постоянной подкачке энергии в организацию кроется суть лидерства.

Возникновение и самоорганизация – свойства систем, видимые стороннему наблюдателю. Но как они появляются? Этот вопрос сейчас активно изучается, и как результат всеми признано фундаментальное значение обратной связи.

Давайте вернемся к примеру спортивной команды, например футбольной. Обычно команда высшей лиги состоит из 11 великолепно подготовленных, своевольных, эгоистичных «звезд», и все они не прочь «потянуть одеяло на себя». Но если каждый спортсмен будет стараться привлечь внимание зрителей к себе, команда потерпит поражение. Чтобы она демонстрировала высокопродуктивное поведение, поведение ее отдельных членов должно быть ограничено, и из всех вариантов, возможных в каждый момент времени («Что лучше – прорываться сквозь линию защиты или отдать пас?»), игрок должен выбирать наиболее подходящий с точки зрения командной игры («Отдам пас»).

Чтобы это было возможно, каждый игрок должен постоянно получать и обрабатывать поток информации о расположении противника и товарищей по команде. Если бы футболисты действовали вслепую, не видя, кто где находится, из игры ничего бы не вышло. Именно процесс обработки информации в сочетании с личной готовностью каждого игрока ограничивать свои действия позволяет команде демонстрировать высокопродуктивное поведение, то есть создавать великолепные игровые моменты.

Поток информации внутри системы называется обратной связью, и этот термин следует понимать довольно широко. Функция обратной связи не всегда связана с контролем, ограничением или сдерживанием; иногда она вызывает количественные изменения. В качестве примера можно привести поведение толпы – и фондовых рынков, – которые при определенных обстоятельствах охватывает бешенство или паника.

Обратная связь также является частью еще одной эмерджентной характеристики многих самоорганизующихся систем – самокоррекции. Если система «велосипед и велосипедист» попадает в выбоину, колесо виляет, но система быстро стабилизируется, так как является самокорректирующейся и стремится, несмотря на внешние факторы, сохранить упорядоченное, самоорганизованное состояние. Этот эффект достигается с помощью обратной связи: велосипедист чувствует, что велосипед заваливается, и слегка перемещает свой вес, чтобы выровнять его. Такой механизм самокоррекции работает для небольших выбоин, но если на дороге будет яма, велосипедист и велосипед упадут. Если говорить на языке систем, то самоорганизующаяся система, находящаяся в состоянии упорядоченного динамического равновесия, испытывает влияние внешнего фактора, с которым ее внутренний механизм самокоррекции справиться не может. Упорядоченное состояние системы сменяется хаотическим (велосипед и велосипедист падают), а затем система достигает другого состояния равновесия, на этот раз скорее статичного, чем динамического (оба лежат на земле).

Как мы увидим далее, концепция обратной связи также важна для понимания систем управления. В главах 9 и 10 будет показано, как обратная связь, эмерджентность и самоорганизация сочетаются и открывают возможности для создания высокопродуктивных команд, разработки эффективных стратегий бизнеса и решения сложных проблем, неизбежных при построении отношений внутри организации.

Системы следует изучать именно как системы, целостно. Но, к сожалению, большинство из нас не обладает знаниями, необходимыми, чтобы смотреть на проблемы «с высоты птичьего полета». Если мы хотим понимать системы, мы должны воспользоваться новым набором инструментов. Если мы хотим принимать разумные решения в свете глубокого понимания системных последствий любого из наших действий, то должны действовать в согласии со своими коллегами. Системное мышление – это сочетание подхода к решению проблемы и набора инструментов, средств и методов, которые дают то, что нам нужно: способы понимания сложных систем и их свойств, а также возможности для более продуктивного взаимодействия с коллегами.

Подход к решению проблем в системном мышлении подразумевает признание того факта, что системы сложны из-за взаимосвязанности составляющих их частей и что их необходимо изучать вкупе. Инструменты, средства и методы разработаны, чтобы помочь понять и зафиксировать, как эти части связаны между собой, и исследовать их коллективное динамическое поведение.

Некоторые из принципов системного мышления известны с давних времен, особенно использование обратной связи для контроля работы машин. Предположим, вы хотите контролировать скорость двигателя, чтобы она оставалась постоянной, независимо от нагрузки, например, когда автомобиль поднимается в гору. Один из способов – следить за скоростью двигателя и использовать эту информацию для контроля подачи топлива. Чем ниже скорость, тем больше топлива должно подаваться, чем выше скорость, тем меньше подача топлива. Если поток информации и корректировка подачи топлива происходят не слишком медленно, двигатель будет работать на постоянной скорости. Именно так работает круиз-контроль в современных автомобилях, и именно так Джеймс Уатт контролировал скорость паровых двигателей, построенных им и Мэтью Болтоном в 1780–1790-х гг.

На протяжении всей промышленной революции и позже инженеры продолжали пользоваться обратной связью для управления машинами, которые становились все сложнее, но лишь в 1930-е и 1940-е гг. системы стали предметом отдельного изучения. Важной вехой стала публикация в 1948 г. Норбертом Винером, профессором Массачусетского технологического института, книги «Кибернетика»[3], в которой рассматриваются основы теории управления и особое внимание уделяется роли потока информации – который мы сейчас называем коммуникациями – в эффективной работе систем управления. В этой книге были заложены основы теории управления, используемые сегодня в вычислительной технике, телекоммуникациях, инженерии и робототехнике.

В конце 1940-х гг. в Массачусетском технологическом институте работал также Джей Форрестер, инженер, принимавший участие в создании первых компьютеров. В 1950-х гг. Форрестер заинтересовался применением концепции управления и обратной связи к более широкому спектру вопросов, что привело к изданию трех крупных работ. В книге «Основы кибернетики предприятия»[4] (1961) рассматривается множество коммерческих и управленческих систем, таких как контроль запасов, логистика и принятие решений. В книге «Динамика развития города»[5] (1969) изучаются проблемы бедных районов и перенаселенности мегаполисов. Книга «Мировая динамика»[6] (1971) обращается к проблеме использования компьютерной имитации для изучения развития основных характеристик сложных систем – метода, разработанного Форрестером и названного им динамикой систем.

Еще одной крупной фигурой в области развития системного мышления был австрийский биолог Людвиг фон Берталанфи. Работая в Венском университете, он заинтересовался поведением и развитием живых организмов. Фон Берталанфи рассматривал организмы как открытые системы, работающие не в изоляции, а в тесной связи с окружающей средой и поддерживающие высокую степень упорядоченности благодаря потоку энергии. Эмигрировав в 1949 г. в Канаду, фон Берталанфи продолжил работать над изучением биологических систем и разработал обобщенную концепцию под названием «Общая теория систем», в которой сформулированы многие принципы, описывающие их поведение.

За последние 40 лет системный подход положил начало целому ряду дисциплин, подходов, инструментов, средств и методологий. Основные из них перечислены ниже.

• Системный инжиниринг. Был разработан в США в исследовательском центре RAND и применяется в первую очередь для проектирования и оптимизации работы сложных систем, в частности таких, которые требуются для контроля производства и оборудования, а также военных систем командования и контроля. В системном инжиниринге используются многие из методов операционных исследований. Он также является основой системного анализа, применяемого при разработке компьютерных систем.

• Методология мягких систем. Разработана Питером Чекландом, недавно вышедшим на пенсию преподавателем Ланкастерского университета в Великобритании. Признает, что почти в любой реальной ситуации люди по существу являются частью системы интересов. Согласно методологии мягких систем, поскольку у людей часто имеется множество различных, конкурирующих между собой или просто неясных целей, наиболее удачным подходом является тот, который обогащает знаниями и улучшает понимание ситуации всеми участниками, а не «научный» поиск «лучшего» ответа.

• Теории сложности и хаоса. В настоящее время это две тесно связанные области, которые активно изучаются, например, в междисциплинарном Институте Санта-Фе в Нью-Мексико. Эти теории имеют отношение к изучению сложных адаптивных систем (открытых систем, которые естественным образом меняют свои структуры и поведение согласно изменениям в окружающей среде) и поиску правил, а лучше – математических объяснений, лежащих в основе самоорганизации и возникновения.

• Кибернетика менеджмента. Была разработана в Великобритании Стаффордом Биром. Включает модель жизнеспособных систем, структуру определения устойчивых характеристик системы, целью которой является разработка самоорганизующейся системы.

С момента своего появления в 1950-х гг. динамика систем продолжает процветать, и Группа системной динамики Массачусетского технологического института, основанная Джеем Форрестером в 1956 г. в Школе менеджмента Слоуна, до сих пор считается ведущим мировым центром в области не только компьютерной имитации, но и системного мышления в целом. Именно команда из Массачусетского технологического института проводила исследования, которые легли в основу опубликованной в 1972 г. знаменитой книги «Пределы роста»[7]. Она вызвала активное обсуждение таких важных вопросов, как постепенное истощение природных ресурсов и загрязнение окружающей среды.

Системное мышление – широкое поле, и невозможно охватить в одной книге все его инструменты, средства, методы и подходы. Поэтому я решил подробно остановиться лишь на нескольких, которые кажутся мне наиболее полезными. Они позаимствованы из наследия Массачусетского технологического института и включают два основных инструмента: диаграммы цикличной причинности, используемые для описания сложности реальных систем и выделения взаимосвязанности составляющих их частей, а также компьютерные имитационные модели динамики системы, позволяющие исследовать развитие любой сложной системы во времени.

Тем из вас, кто хотел бы узнать о прочих подходах, поможет следующий список литературы.

Сноски