Власоеды — это мелкие насекомые из семейства Trichodectidae, которые паразитируют на многих теплокровных животных, включая собак и кошек.
Собачий Власоед (Trichodectes canis).
Внешне власоеды похожи на вшей, но они меньше по размеру — обычно от 1 до 2 миллиметров в длину. У них есть острые коготки на лапках, которые помогают им удерживаться на шерсти хозяина.
Ротовой аппарат власоедов приспособлен для питания отмершими клетками, кожными выделениями и волосами. А ещё они являются промежуточными хозяевами для некоторых видов гельминтов, в частности, огуречного цепня.
Собачий Власоед (Trichodectes canis).
Спасибо, друзья, больше материалов про биологию и микромир Вы можете найти в моём профиле. Подписывайтесь на канал и до скорых встреч.
Сегодня я, Роман Терещенко, хочу поделиться с вами моими мыслями о влиянии искусственного интеллекта (ИИ) на нашу повседневную жизнь и общество в целом. Искусственный интеллект становится неотъемлемой частью нашей рутины, оказывая влияние на различные аспекты нашей деятельности, начиная от работы и заканчивая развлечениями.
В сфере работы и бизнеса, ИИ проявляет свой потенциал в автоматизации процессов и оптимизации ресурсов. Благодаря алгоритмам машинного обучения, я вижу возможность уменьшения времени на выполнение задач и повышения эффективности производства. Также я отмечаю важность использования ИИ в анализе данных и прогнозировании трендов, что помогает предпринимателям принимать обоснованные решения и достигать успеха в динамичном бизнес-мире.
Роман Терещенко, Терещенко Роман, ИИ
В образовании искусственный интеллект открывает новые возможности для персонализированного обучения и развития навыков. Благодаря индивидуальному подходу, ИИ помогает студентам более эффективно усваивать знания и развивать свои сильные стороны. Я подчеркиваю важность интеграции ИИ в образовательные процессы, чтобы подготовить будущее поколение к цифровой экономике и быстро меняющемуся миру.
В области здравоохранения, искусственный интеллект улучшает диагностику и лечение различных заболеваний. Благодаря алгоритмам машинного обучения, я вижу возможность улучшения качества медицинской помощи и сокращения сроков диагностики. Я также подчеркиваю важность применения ИИ в исследованиях и разработках лекарств, что способствует борьбе с различными заболеваниями и улучшению здоровья населения.
Роман Терещенко, Терещенко Роман, ИИ
Однако, помимо всех преимуществ, внедрение искусственного интеллекта вызывает определенные вопросы и вызовы, связанные с этическими и безопасностными аспектами. Я призываю к ответственному использованию технологий ИИ и разработке соответствующих регулирований, чтобы обеспечить эффективное и безопасное взаимодействие между человеком и машиной.
Искусственный интеллект - это не просто технология, это новая эра в развитии человечества. Мы, вместе со мной, должны принимать этот вызов и использовать возможности ИИ для улучшения нашей жизни и создания более благоприятного будущего для всех нас.
Выспаться, провести генеральную уборку, посмотреть все новые сериалы и позаниматься спортом. Потом расстроиться, что время прошло зря. Есть альтернатива: сесть за руль и махнуть в путешествие. Как минимум, его вы всегда будете вспоминать с улыбкой. Собрали несколько нестандартных маршрутов.
Общий хайп вокруг нейросетей и их природы несколько перегрет. Да, нейросети способны быстро создавать контент или искать ответы на вопросы. Но что делает их работу действительно ценной, так это применение для комплексных задач. Нейросеть решающая задачи существования и модификации всего, что имеет отношение к живой материи уже запущена в работу.
Еще 5 лет назад разговоры вокруг анализа генома, CRISPR технологий и нейросетей были чем-то вроде околонаучной фантастики. Чего стоит фильм со Скалой «Рэмпейдж», где завязка сюжета в тестировании потенциала CRISPR. Однако, уже сегодня человеку открыт широкий спектр инструментов для улучшения некоторых своих качеств. О них и рассказывают материалы телеграм канала. Подписывайтесь, чтобы первыми получать свежие статьи!
Нейросеть решающая задачи существования жизни
Статья написана по материалам исследования. Инновационная нейросеть от Google DeepMind генерирует не только структуру белков, лигандов, ДНК, РНК и «молекул всех форм жизни», но и предсказывает принципы их связи. Это обещает радикальное, революционное ускорение во многих областях науки.
Особенности работы с белками в науке
Схематическая демонстрация сложности в работе с аминокислотами и белками
Белки — одно из самых универсальных изобретений природы. Эти важнейшие строительные блоки всех живых организмов, на которых держатся практически все химические реакции в организме. Белки регулируют экспрессию генов, поддерживают иммунную систему, составляют основные структурные элементы всех клеток и образуют основные компоненты мышц.
При этом, самих белков существует невероятно много. Если пытаться наугад синтезировать их в лаборатории, то процесс займет миллиарды лет. Но можно моделировать процессы, если использовать вычислительные системы. Хотя потребуется невероятно огромное количество мощностей для перебора. Тем более, что вычислительная мощность становится сегодня едва ли не мерилом чего-то божественного, если вдаваться в фундамент датаизма.
Сейчас для этого используются суперкомпьютеры, или подпроекты BOINC. Я сам использовал до последнего старый ноут для расчета заданий в Rosetta@home. Однако, даже если все люди мира запустят проект на своих устройствах, эта работа займет достаточно много времени.
Чем нейросеть решающая задачи отличается от перебора вариантов?
И почему новая нейросеть называется AlphaFold? Суть в том, что белки представляют собой цепочки аминокислот, которые спонтанно складываются, образуя трехмерную структуру. Важны не только компоненты, но и то, как они складываются и связываются друг с другом. В этом случае, форма напрямую влияет на биологические функции белка.
Говоря о белках, можно анализировать их компоненты и последовательность на бумаге, но если вы не знаете их трехмерную форму, вы не сможете предсказать, что белки будут делать и как они будут взаимодействовать с другими молекулами.
Если говорить цифрами, то на сегодня известно про существование более 200 миллионов белков. И только 170 000 белков разобрано до понимания базовых принципов. Зная аминокислотный состав и способы формирования структур, имеет смысл использовать продукт прогресса, по крайней мере за это ратуют идеи датаизма. Здесь на свет и выходит нейросеть решающая задачи существования жизни, чтобы ускорить этот процесс. Ведь до появления AlphaFold программы не могли предсказывать структуру белка так же точно, как экспериментальные методы, основанные на использовании человека.
Небольшой экскурс в историю. Как развивалась нейросеть решающая задачи фундаментальных жизненных процессов?
Здесь смоделирован белок шипа вируса простуды
AlphaFold 2, выпущенный в 2021 году, стал прорывом, изменившим методологию. Нейросеть предсказала трехмерные структуры почти каждого белка в человеческом организме и помогла в реализации научных исследований. Менее чем за три года нейросеть использовалась исследователями во всем мире для ускорения открытий в области лечения рака, вакцин против малярии , создания ферментов, разъедающих пластик, и бесчисленного множества других проектов. На сегодня Alphafold 2 насчитывает более 14 000 упоминаний в научных статьях.
Итак, чем лучше AlphaFold 3? Новая версия выходит за рамки простого предсказания структуры и характера взаимодействия белков и включает в себя все базовые элементы живых организмов: от множества белков до ДНК, РНК и низкомолекулярных лигандов.
Большинство лекарств это лиганды, которые связываются с белками, меняя принципы их работы.
Нейросеть решающая задачи всестороннего моделирования становится по сути беспрецедентным ресурсом для моделирования того, как конкретные белки в организме будут взаимодействовать с конкретными молекулами лекарств. Датаизм в чистом виде.
Природа данных и архитектура
Розовым и синим показано смоделированное воздействие белка на ДНК. А серым показано то, как это происходит в жизни
Чтобы достичь таких возможностей, AlphaFold 3 был обучен на глобальных данных о молекулярной структуре, хранящихся в банке данных белков. Представители компании Deepmind утверждают, что нейросеть может обрабатывать более 99% всех известных биомолекулярных комплексов из упомянутой базы данных. Кроме того, был улучшен модуль Evoformer — архитектура, которая лежала в основе AlphaFold 2.
Вот как работает нейросеть решающая задачи трехмерного моделирования простыми словами.
AlphaFold 2 берет введенную аминокислотную последовательность.
Ищет в базах данных аналогичные последовательности, уже идентифицированные в других живых организмах.
Извлекает всю необходимую информацию с помощью преобразователя Evoformer. Воплотившего в себе философию датаизма.
Передает эту информацию нейронной сети, которая создает трехмерную структуру — длинный список координат, представляющих положение каждого атома белка, включая боковые цепи.
Новый и улучшенный Evoformer собирает свои структурные прогнозы с использованием диффузионной сети, подобной той, на которой работают нейросетевые генераторы изображений.
Все начинается с облака атомов и через призму многих шагов процесс сводится к своей окончательной, наиболее точной молекулярной структуре.
В недавнем интервью Тому Маккензи из Bloomberg генеральный директор и соучредитель Google DeepMind, а также генеральный директор и основатель Isomorphic Labs, Демис Хассабис обсудил последствия использования AlphaFold 3 в разработке лекарств.
Святой Грааль открытия лекарств — это не просто знание структуры белка, что и делал AlphaFold 2, но и фактическая разработка лекарственных соединений, называемых лигандами, которые связываются с поверхностью белка. Важно знать, где лиганд связывается и насколько сильна новая связь, чтобы разработать правильный тип лекарственного соединения. Таким образом, AlphaFold 3 — это большой шаг в этом направлении предсказания связывания белка с лигандом и того, как это взаимодействие будет работать.
Потенциал AlphaFold 3
В январе 2024 года Isomorphic Labs объявила о стратегическом партнерстве с фармацевтическими гигантами Eli Lilly и Novartis общей стоимостью около 3 миллиардов долларов США. Но что удивительно, так это сроки производства лекарств, которые, как ожидается, станут результатом этого партнерства.
Итак, мы уже работаем над реальными программами. И я ожидаю, что, возможно, в ближайшие пару лет в клиниках появятся первые лекарства, разработанные с помощью нейросетей. Если вы спросите меня, что самое важное, что может создать нейросеть для человека, так по мне – это лекарство для избавления от сотен ужасных болезней. Я не могу представить лучшего варианта использования нейросетей. Так что отчасти это и есть Мотивация Isomorphic и AlphaFold, а также всей нашей научной работы. Смысл того, что мы делаем.
В ходе испытаний AlphaFold 3 продемонстрировал современную точность в прогнозировании лекарственных взаимодействий, включая белки, связанные с лигандами, и антитела, связанные с белками-мишенями.
Использование теста PoseBusters показало, что AlphaFold 3 на 50% точнее лучших существующих методов — без необходимости ввода какой-либо структурной информации. Справка: PoseBusters проверяет химическую и физическую достоверность молекулярных и белково-лигандных «поз», созданных с помощью модели глубокого обучения.
Нейросеть решающая задачи на уровне форм жизни. Можно ли её использовать?
Также, вы сами можете затестить нейросеть. AlphaFold 3 доступен через AlphaFold Server , который включает в себя базу данных из 200 миллионов белковых структур. Этот феноменальный ресурс доступен бесплатно ученым, проводящим некоммерческие исследования, а также просто любопытным пользователям Интернета по всему миру.
Прогнозирование поведения группы белковых структур без такого инструмента может занять лет десять и обойтись в сотни тысяч долларов. AlphaFold 3 обещает радикально ускорить прогресс в областях биологии и фармацевтики.
Это ступень в дивный новый мир невероятно мощной медицины, или портал в преисподнюю с виртуозно отточенным оружием, способным ориентироваться на генетические маркеры? Сказать сложно. Мы стоим на грани технологической сингулярности и её потенциал велик, а плоды манят разум. Подробнее о них рассказывается в телеграм канале. Подписывайтесь, чтобы не пропустить новые статьи!
Ученые из Калифорнийского университета создали «революционный живой пластик» – благодаря своим необычным свойствам он способен существенно уменьшить загрязнение окружающей среды. Расскажем подробнее об этой уникальной разработке.
Исследователи из Калифорнийского университета в Сан-Диего разработали новую форму биопластика, который представляет собой разлагаемый вариант термопластичного полиуретана (TPU), используемого при создании обуви и много чего еще.
Особенность этого материала состоит в том, что в него встроены споры бактерий, выведенные из особого штамма – Bacillus subtilis. Это абсолютно безопасные бактерии, которых ученые используют в пробиотиках, они безвредны как для людей, так и для животных и растений..
Уникальность этих микробов в том, что они оживают прямо в компосте – и сразу начинают расщеплять пластик! При этом споры способны выживать даже в суровых климатических условиях.
В результате эксперимента исследователи обнаружили, что даже при концентрации микроорганизмов в 1% от всего веса пластика они расщепляют более 90% материала всего за 5 месяцев.
Другим приятным открытием стало то, что биопластик из бактерий на 40% прочнее и на 30% – менее подвержен повреждениям, чем обычный термопластичный полиуретан.
Таким образом, открытие ученых дает человечеству надежду на перспективное решение проблемы пластиковых отходов. В планах у исследователей – запустить крупномасштабное производство.
Думаю, у каждого рисечера есть история про то, как он устроился в новую компанию, казалось бы, большую и успешную, и вдруг обнаружил, что тут продакт-менеджеры глубинными интервью называют праздную болтовню с клиентами, аналитики понятия не имеют, что такое статзначимость, а вся исследовательская работа больше похожа карго-культ папуасов, чем на научный поиск истины. Ты, конечно, ведомый благородным порывом, пытаешься научить неразумных аборигенов правильно работать, но почему-то сталкиваешься с жестким отпором, казалось бы, от образованных и неглупых людей, которые с непонятным упорством отстаивают свое право верить в магию. Такие истории есть и у меня. К сожалению, много.
В какой момент я стал задумываться, что за таким поведением лежит не просто глупость и плохое образование отдельно взятых менеджеров, а что-то большее. Зрелость исследований нельзя рассматривать отдельно от зрелости организации, а любая организация, хотя и существует как результат взаимодействия людей, обретает самостоятельную реальность, которая развивается по своим собственным законам. Ее зачастую уже не контролируют даже собственники бизнеса, а она подталкивает сотрудников действовать так, как они действуют, и даже думать так, как они думают.
В этой статье я попытался показать, как может (и в большинстве скорее всего будет) выглядеть функция исследований на разных этапах развития организации. Я не стал привязываться к какой-то конкретной шкале зрелости бизнеса - Грейнера, Адизеса, Бека и других, но по возможности упоминал их в тексте в качестве отсылок для сопоставления.
Уровень 1. Об исследованиях еще не задумываются
Оно живое
Несколько ребят собрались вместе, чтобы создать бизнес. И получилось. Возможно они долго готовились и просчитывали варианты, возможно рассчитывали только на свою интуицию, но сейчас есть компания, она работает и приносит деньги.
Такая компания воспринимает внешнюю среду, рынок, своих потребителей как что-то постоянное и неизменное. Фактически компания их игнорирует, занимаясь созданием новых свойств своего продукта/сервиса. На этом этапе организация подобна бумажному самолетику, который подхватил ветер. Его полет - это всего лишь затяжное падение, но сейчас-то самолетик летит, поэтому как-то адаптироваться или что-то менять в работе необходимости у компании нет. Если какие-то осмысленные изменения в работе компания и производит, то не системно и случайным образом, а следовательно, и нет необходимости в исследованиях. Типичный аргумент при выборе методов работы: "Мы всегда так делали, и все работало", а позже "исторически так сложилось". В отсутствии серьезных внешних вызовов подобное магическое мышление может использоваться бесконечно долго.
Функция исследований отсутствует
В компании могут быть люди, которые имеют представление и о теории принятия решений, и о кибернетике организаций, и о научном методе исследований, но компания в целом исследованиями не занимается. Она что-то делает и зарабатывает, всем внутри компании очевидно, что тут есть прямая связь, мысль, что деньги могут приходить не благодаря, а вопреки осуществляемым действиям, пока никому не приходит в голову. Функция исследований на этом этапе зрелости бизнеса не может появиться еще и потому, что в компании вообще нет артикулированных функций как таковых. Отделы уже созданы, но все сотрудники занимаются всем сразу, отвечают за все и ни за что одновременно. Границы между подразделениями условны, все делают одно общее дело. Компания с точки зрения теории систем статична и закрыта, она игнорирует внешние условия, полностью сосредоточившись на своих собственных идеях.
Уровень 2. Квазиисследования для подтверждения своей правоты
Создание клана
Рано или поздно внешняя среда компании меняется. Благоприятные факторы, которые раньше воспринимались как само собой разумеющееся и несли компанию вперед, пропали. В ситуации, когда в компании никто никому не подотчетен, никто не отвечает за результат, каждый становится жертвой принимаемых другими решений, а никакие решения не бывают окончательными, проводить долгие основательные исследования причин появления проблем времени нет, даже если компания умела бы их проводить. Поэтому решения нужно принимать быстро, иначе компания умрет. Иными словами, не так важно, куда мы бежим, важно хотя бы бежать вместе. Простейший способ для системы этого добиться - получить единую точку координации, роль, которую на себя берет лидер. В традициях спиральной динамики его часто называют "красным лидером". В большинстве случаев это конкретный человек, но может быть и некий коллективный разум, эдакий ареопаг основателей.
Такой лидер вездесущ и, кажется, может находиться в нескольких местах одновременно. Где бы он не появлялся, он немедленно видит ошибки и сразу же предлагает свои авторские, самобытные решения. Он всегда ругает и редко хвалит. Он много работает и этого же ждет от подчиненных. Подвиг ожидается от всех. Решения принимаются молниеносно и часто просто в курилке, потому что нет времени думать об эффективности: сегодня еще все было тихо, а завтра уже вся компания узнает о запуске новой фичи или целого бизнеса-направления. В компании нет понимания приоритетов, все нужно делать "вчера". У компании нет стратегии, ее заменяет лидер, который сможет объяснить любому сотруднику, что ему нужно делать. Основной метод управления - прямые указания, получив такие указания, любой человек в независимости от должности должен все бросить и начать выполнять распоряжение. Делегирование в компании не используется, все менеджеры в компании номинальные, по факту в компании есть только один менеджер. Планирование в такой ситуации отсутствует, оно бессмысленно, потому что каждое дело должно быть начато тогда, когда лидер дал задание, и завершено как можно быстрее.
Авторитарная модель управления лидера как образец копируется на всех остальных этажах власти. В компании могут быть отделы, проекты, рабочие группы, департаменты, но в большинстве случаев это профанация, оргструктура в компании номинальна и больше похожа на солнечную систему: есть конкретные люди с определенным "весом" и сферой влияния, вокруг которых вращаются проблемы и задачи определенного типа, а все вместе они вращаются вокруг лидера-солнца, вес которого больше чем суммарный вес всех остальных.
Авторитарная система накапливает ошибки
Подобный подход позволяет проходить кризисы с минимальными потерями, но дальнейшее системное развитие в таком стиле затруднено из-за ряда проблем:
Крайняя зависимость компании от лидера, который является клеем для всей организации, без него компания впадает в анабиоз.
Дефицит инициатив со стороны сотрудников, которые привыкли просто исполнять приказы.
Постоянные сбои из-за отсутствия планирования и вечных авралов.
Как правило, "красный лидер" - это опытный предприниматель (иначе он бы не вытащил компанию из кризиса), и он не может не видеть (или как минимум интуитивно чувствовать) эти проблемы и пытается изменить ситуацию. В какой-то момент он задумывается о том, что компания должна меняться, и тогда в компании впервые начинают говорить об исследованиях и системном обучении организации. Но обучение невозможно без двух важнейших вещей:
Повторяемость действий.
Лояльность к ошибкам.
Оба условия на этом этапе зрелости бизнеса не выполняются. Во-первых, в компании нет повторяемых бизнес-процессов, а есть традиции, которые лидер периодически в ручном режиме правит на ходу. Во-вторых, компания, как правило, испытывает дефицит денежных средств, потому не может позволить себе учиться на собственных ошибках. Поэтому все шаги из теории принятия решений, предшествующие реализации решения, на этом этапе зрелости сжимаются в точку, а весь цикл "обучения" сводится к единственному шагу - к реализации. Нет планируемого и фактического результата, а следовательно, системное обучение просто невозможно.
Рис. 1. Сжатие цепочки принятия решения
Попытка обучаться, не совершая ошибок, приводит к тому, что экспериментом в компании называют любое изменение в сервисе/продукте без фиксации ожиданий. Эксперимент считается удачным, если его результаты устраивают лидера, когда "эксперимент" уже произошел.
Проблема того, что такая компания, как и любая авторитарная система, накапливает ошибки со временем, усугубляется тем, что в компании ошибки принято скрывать, выдавая их за форс-мажоры, которые невозможно было предвидеть.
Первые разговоры про исследования
Если на этом этапе лидер принимает решение создать группу для проведения исследований, то первая проблема, с которой такой отдел столкнется, - это как объяснить остальной компании, зачем они нужны? Эпистемологически компания существует в парадигме наивного реализма, это значит, что для людей внутри компании есть однозначное "правильно" и "неправильно". Вопросы типа "Правильно с какой точки зрения?", "Правильные для чего?", "Почему именно так правильно?" большинство сотрудников пока не воспринимают, поэтому в компании сложно реализуемы мозговые штурмы или вообще процесс фасилитации как таковой. Сама идея, что что-то можно сделать не для того, чтобы сразу получить результат, а чтобы узнать что-то, что можно использовать позже, чужда. Как следствие, компания онтологически не способна работать через MVP. В такой компании MVP называют, как правило, просто первую часть решения, которую никогда не выбрасывают, а докручивают и доделывают до результата, точнее до понимания, что результата не будет, и так снова и снова, пока случайно не наткнутся на что-то потенциально интересное, что опять же определяет лидер на основании своей интуиции.
Отсутствие возможности системно учиться организация пытается компенсировать покупкой дорогостоящих сотрудников или настройкой сложных систем аналитики. Но высококлассным сотрудникам сложно реализовать свой потенциал в примитивной клановой структуре, а системы аналитики бесполезны без понимания того, какие именно данные в них нужно агрегировать и какие выводы можно делать по ним.
В силу отсутствия рабочей оргструктуры, функции, которые будет выполнять исследовательская команда, напрямую зависят от авторитета их руководителя и того, какой "вес" он сможет получить в этой "солнечной системе". Но в любом случае чистая функция исследований невозможна, отдел будет вынужден взять на себя дополнительные проектные/продуктовые функции, так как роли консультантов, фасилитаторов в этой культуре полноценно не возможны.
Уровень 3. Локальные исследования
Регулярный менеджмент и рождение полноценных отделов
Главная проблема описанной выше схемы работы бизнеса - это даже не неумение учиться, а невозможность достигать повторяемых результатов. Все, что компания производит, - это уникальная кастомная сборка, производимая через сверхусилие и мобилизацию всех доступных ресурсов. Поэтому Адизес называет такие компании "Давай-давай". Результат каждый раз зависит от множества случайных сложно формализуемых и неповторимых факторов. Это можно было бы игнорировать, если бы ресурсы компании были условно бесконечны или рынок статичен. Но, как правило, это не так. На предыдущем этапе проблему меняющихся внешних условий решил лидер-герой, но теперь он не справляется, так как компания выросла, продукт компании стал сложнее - слишком большая когнитивная нагрузка для одного человека. Бизнес-задачи приходится разбивать на части. А чтобы из частей потом можно было сложить нужный результат, нужно планировать заранее результат и для всей задачи, и для ее частей по отдельности. А для этого в свою очередь нужны люди, которые готовы брать на себя ответственность и априорно иметь необходимую квалификацию для ее реализации.
Больше от сотрудников не требуется геройства, но требуются стабильные результаты в той области для работы, в которой они наняты. Области знаний выделяются максимально простым и очевидным способом - по функциям. Важнейшие признаки этого этапа жизни компании:
Персональная ответственность за взятую задачу.
Предварительная фиксация желаемых результатов.
Описание квалификации сотрудников, которая нужна для выполнения задачи.
Контроль исполнения.
Отсутствие наказания и любого порицания за ошибки, но обязательное наказание за проступки.
Накапливая знания и умения, функциональные отделы начинают все более уверенно спорить с "красным лидером". А забирая ответственность за выбор решений в своей области, цементируют это в своих регламентах. Лидер понемногу выдавливается из непосредственного функционального управления и, начиная с какого-то момента, уже не может напрямую влиять на шаги реализации производственных цепочек.
Первая обратная связь в системе
В компании зарождается регулярный менеджмент, в котором вопрос "Вам шашечки или ехать?", не актуален. Правильный ответ: "И то, и то". Компания учится не просто достигать результат, а достигать его конкретным наперед заданным способом. То есть приведенная на рис. 1 цепочка немного разжимается. Перед шагом "Реализация решения" появляется шаг "Планирование реализации решения" (рис. 2). А это в свою очередь означает, что, в компании, хотя в классификации Боулдинга она и остается закрытой системой, появляется обратная связь первого порядка.
Рис. 2. Первая обратная связь в компании
Пока такие обратные связи охватывают всего лишь работу отдельных функциональных подразделений, так как они действуют независимо друг от друга, ориентируясь на свои собственные показатели качества. Поэтому чаще всего функция исследований на этом этапе появляется не как отдельный отдел, а как составная часть какого-то другого отдела. Чаще всего это либо маркетинг, либо разработка (для компаний, создающих цифровые продукты). В компании начинают нанимать продакт-менеджеров, продакт-маркетинг менеджеров.
Если команда исследователей все же вынесена в отдельный отдел, то ее работа может происходить в одном из двух режимов:
Push. Отдел встроен в производственную цепочку, и в конкретных определенных точках контроля другие отделы обязаны получить резолюцию от исследователей, что они действуют правильно. В этом случае исследователи фактически начинают играть роль отдела качества, который ведет себя как служба безопасности.
Pull. Другие отделы могут, но не обязаны обращаться к исследователям за помощью в формулировке гипотез проблем и решений или за оценкой того, что уже было сделано.
Второй вариант встречается в разы чаще, такие отделы называют как-то вроде "исследовательская лаборатория". Первая проблема, с которой сталкивается лаборатория, - это продать свои услуги другим отделам. Дело в том, что на этом этапе зрелости бизнеса исследователи воспринимаются как лишний шаг, который делает процесс поставки ценности пользователям более длинным. Строго говоря, так оно и есть, полноценную пользу исследования могут принести только после многократного прохода по обратной связи, ведь это и называется обучением. Типичный путь решения этой проблемы для исследователей - это создать некий магический ореол вокруг своей работы, показать, что только они могут делать исследования "правильно". Отдел использует особый софт для исследований, в котором разбираются только они сами, отчеты пишут подчеркнуто наукообразным языком. Все призвано показать, что если кто-то в других отделах и занимался "исследованиями" - то зря они их так называли, только лаборатория умеет проводить настоящие исследования. Партисипаторные исследования или хотя бы исследования с участием коллег на этом этапе невозможны, ведь это может разрушить ощущение сложности исследований, из-за которого и создали лабораторию.
Одновременно с этим отдел исследований действительно накапливает знания, начинает использовать более сложные подходы, которые в большинстве случаев не могли использовать другие отделы, просто прочитав некий гайд в сети или по наитию: непараметрические модели в количественных исследованиях, кодирование и категоризация качественных данных, осознанная явная прикладная концептуализация и т.д. Внутри отдела исследований происходит формирование и более четкое артикулирование своих внутренних процессов - рекрутинг, постановка исследовательских вопросов, формулирование гипотез, валидация, анализ собранных данных и т.д.
Уровень 4. Системные исследования
Рождение матрицы
Описанная выше функциональная структура хороша в условиях, когда работа компании построена вокруг небольшого числа производственных цепочек, которые нечасто меняются. По мере развития компании отделы обрастают своими собственными регламентами, критериями качества, которые позволяют достигать максимальной эффективности реализации задач отдела, но не как не связанные с итоговым продуктом или сервисом компании. Каждый отдел работает как бы на себя и свою эффективность. Собственно это и приводит к тому, что Маркс называл профессиональным кретинизмом, а позже в бизнес-среде станет принято называть "бункерным мышлением". Своеобразная феодальная раздробленность в рамках одной конкретной компании. Внутри каждого производственного колодца не видят итоговой ценности создаваемого продукта/сервиса и поэтому не знают, как лучше выстраивать взаимодействие с другими колодцами. Интерфейсы взаимодействия между подразделениями формируются эволюционно по принципу притирания, осознанно в компании про них еще никто не думает.
Но, если рынок начинает быстро меняться, компании приходится часто менять свой продукт, а следовательно, и точки коннекта между отделами. Поначалу проблему можно пытаться нивелировать, увеличивая количество совещаний и чатов. Но в дальнейшем это только усугубляет ситуацию. Проблему можно решить либо через создание единого центра координации, либо через создание координационных структур для каждой новой секвенциальной цепочки поставки ценности.
Первый вариант на практике обычно выглядит как регулярное мегасовещание для всех менеджеров компании, где обсуждают сразу и стратегические инициативы, и цвет кнопок на сайте. Очевидно, что такой подход не может быть эффективным, но у него есть и другое негативное последствие: в большинстве случаев такой подход ведет компанию обратно ко второму уровню, ведь это мегасовещание должен кто-то модерировать, и не сложно понять, кто берётся за эту задачу и как он это будет делать.
Рассмотрим второй вариант: в компании выделяют отдельных людей, которые должны, создавая временные команды (или команды переменного состава), координировать работу разных функциональных отделов вокруг неких сквозных целей, выполнять роль эдаких "стяжек" для отделов.
В зависимости от масштаба компании такими "стяжками" отделов могут выступать рабочие группы разного уровня абстракции - проекты, продукты или целые бизнес-направления. Для обсуждаемой нами темы это не так важно, а важно, что исследования теперь могут строиться не вокруг функций, а вокруг сквозных бизнес-процессов и, следовательно, бизнес-целей. То есть исследования можно проводить не только для оценки отдельных шагов производственной цепочки, выявляя локальные проблемы, а изучать цепочку целиком. А еще теперь исследователи могут выходить за пределы своего подразделения и "высаживаться" в бизнес-команды, а это дает возможность делать не только свою непосредственную исследовательскую работу, но и вести неявную пропаганду важности исследований (внутри функциональных отделов делать это было бесполезно).
Общие бизнес-цели
Для компании в целом появление бизнес-команд означает, возможность управления приоритетами бизнес-направлений, а следовательно, возможность для создания бизнес-стратегии. Ранее, когда компания управлялась через функциональные отделы, это было невозможно, и стратегией тогда называли некий детальный или не очень детальный список "хотелок", который устаревал раньше, чем был написан. На этом этапе становится очевидным важность синхронизации целей бизнес-команд, компания начинает использовать механизмы каскадирования целей. Таким образом, компания снова начинает централизовываться, но уже не через личность лидера, а через общие бизнес-цели. Компания знает, что окружающая среда сложная и нестабильная, и готовится не только противостоять ей, но даже добиваться успеха в этих условиях. Поэтому ей требуется более глубокое понимание феноменологии поведения пользователей продукта/сервиса компании, понимание трендов на рынке. Причем эта информация собирается до постановки целей и тем более до реализации решения. Поэтому в какой-то момент команда исследователей перестает быть сервисной службой, работающей по запросу других команд, а становится источником исследовательских знаний и умений, которые нужны на всех этапах. Функциональный отдел превращается в стрим исследований и теперь не только объясняет, почему та или иная фича "не взлетела", но и системно может прогнозировать результаты работы компании. Поэтому активно участвует на этапе разработки решения, формулирования бизнес-проблемы и предварительного сбора данных.
Уровень 5. Исследовательская культура
Исследования исследований
К этому этапу в компании уже никому не нужно объяснять важность проведения исследований до реализации решений и проведение анализа после реализации. Вся компания живет исследовательским циклом со множеством обратных связей (рис. 3):
Рис. 3. Цикл со множеством обратных связей
Поэтому следующий шаг, который может предпринять команда исследователей, - это отдать право проводить исследования бизнес-командам самим, оставляя за собой функцию методологического сопровождения. То есть теперь команда исследователей не проводит исследования, а обучает проведению исследованиям, подбирает подходящие методы для каждой отдельной команды, становясь своеобразным коуч-центром и самостоятельно делая только самые сложные исследовательские проекты. Этот организационный процесс (его, кстати, принято называть демократизацией исследований) по факту является признаком формирования кибернетической системы второго порядка: организация не только системно управляет процессом исследований, но и постоянно оптимизирует его под текущие потребности.
Что может пойти не так
Иронично, но на предыдущих этапах именно команда исследователей выступала в авангарде взросления бизнеса как кибернетической системы, а на этом этапе именно она может начать тормозить развитие. Дело в том, что на этом этапе команда должна начать отдавать свои функции другим подразделениям, оставляя, как я написал выше, за собой консультационную функцию, а следовательно, чуть более лояльно относиться к тому, как проводят исследования другие менеджеры, с меньшей чванливостью. Если же в отделе взыграют феодальные настроения, если они не смогут снять с себя "белое пальто", не будут делиться задачами, а требовать от руководства расширения своего штата, то в какой-то момент они начнут по факту мимикрировать под стратегический апекс компании, становясь своеобразным распределенным "красным лидером", который является узким горлышком и пропускает все инновации бизнеса через себя.
Компания новой эпохи
Строго говоря, если не ликвидация, то уменьшение влияния функциональных отделов на этом этапе зрелости является общим трендом для компаний и касается не только команды исследований. Дело в том, что любой функциональный отдел выполняет две базовые задачи:
Распределение нагрузки между сотрудниками, исходя из понимания целей бизнеса.
Накопление экспертизы в функции отдела внутри компании.
Если исходить из того, что в компании уже есть бизнес-стратегия с машинерией ее каскадирования на сотрудников, а сами сотрудники имеют высокую квалификацию и постоянно самостоятельно ее актуализируют, то ценность отделов для компании сильно уменьшается. А если к этим двум требованиям добавить еще высокие этические качества всех сотрудников компании (это означает, что нет необходимости стоять ни за чьей спиной, чтобы сотрудник полноценно работал и не отлынивал), то можно поставить под сомнение необходимость не только в начальниках отделов, но и в менеджерах как таковых в этой компании. Так мы приходим к тому, что Тоффлер называл компанией постиндустриального общества - адхократией, а Питер Сенге - самообучающейся организацией. Позже эта концепция легла в основу идей о бирюзовых организациях и аджайле. В такой организации матрица управления распадается на созвездия рабочих групп профессионалов, создаваемых для решения проблем или поиска решений. Рабочие группы легко и быстро создаются и так же легко уничтожаются, подстраиваясь под требования внешних условий. Поэтому организации такого типа максимально приспособлены для поиска решений сложных, плохо структурированных проблем и, следовательно, поиска инноваций. Но, с другой стороны, не имея основы в виде четкой оргструктуры и иерархии менеджеров, компания неустойчива внутренне, склонна неконтролируемо скатываться к политическим играм и дрязгам, как только внутри нее накапливается критическое количество сотрудников, не соответствующих обозначенным выше критериям: профессионализм, мотивация, высокие этические принципы. А если учесть, что внешнюю среду компании в большинстве случаев нельзя назвать постиндустриальной, то скатывание такой инновационной компании в один из предыдущих уровней зрелости можно считать неизбежным.
Альтернативные пути
Существует два способа поднять уровень зрелости функции исследований, не проходя по всем ступенькам последовательно.
Одна вертикаль
Если работа компании построена вокруг одной (или почти одной) технологической вертикали, то построение матрицы и ее последующий демонтаж происходит в разы проще. Например, это характерно для компаний, производящих некий цифровой продукт. В таких компаниях часто вся работа строится вокруг небольшого коллектива двух близких профессий - программист и дизайнер. Поэтому для этой компании рост зрелости не требует серьезных изменений оргструктуры, а происходит как бы в головах людей, которые "сидят, где и сидели" и "просто меняют стулья под собой". То есть рост зрелости бизнеса происходит во многом пропорционально росту профессионализма и осознанности этого небольшого коллектива. И вся кибернетика предприятия сводится к социальной психологии малой группы. Проблема этого кейса состоит в том, что из-за легкости роста уровни часто путают между собой. Например, считать, что у вас аджайл (уровень 5), в то время как на самом деле это хаос, и вы просто еще на первом уровне. Ведь по формальным внешним признакам эти два уровня очень похожи, но внутренне отличаются как импровизация джаз-банды от какофонии школьного оркестра.
Карман эффективности
Когда неэффективной, костной системе нужно получить возможность работать эффективно, она может не пытаться измениться целиком, так как это долго, дорого и не всегда возможно, а "огородить участок", который обязуется защищать от самой себя и своей бюрократии. На этом "участке" система обещает не быть самой собой. Типичный пример, когда большая компания 3 уровня зрелости, создает дочернее предприятие уровня 4 или 5 для проведения исследований. Трудности такого подхода наступают, когда материнская компания пытается получить те выгоды, ради которых и создавала дочернюю лабораторию. Дело в том, что лаборатории сложно доводить свои исследования до коммерческого результата, ведь она создает принципиально новые вещи, а материнская компания слишком зациклена на порядке и не понимает, как интегрировать в свою работу полуфабрикаты. В какой-то момент она пытается сделать работу лаборатории более предсказуемой и фактически просто превращая ее в себя. Карман схлопывается.
Заключение
Конечно, описанные мной уровни зрелости, это всего лишь модели, реальные организации сложнее и скорее похожи на смесь из описанного. Любая модель - это теория, а теория обязательно упрощает и, следовательно, редуцирует реальность. В частности, может показаться, что я вообще игнорирую влияние конкретных живых людей на то, как функционируют и развиваются организации, сводя их роль к пассивным винтиками в кибернетических системах. Претензия актуальная для любого структуралистского подхода. Но нет, я лишь хотел показать, что у каждого, самого странного неправильного управленческого решения, которое было принято в компании до вас, есть причина. А еще не каждое “правильное” изменение можно внедрить быстро, не каждое изменение нужно пытаться внедрять сразу, не каждое изменение вообще можно внедрить в той точке, где вы находитесь сейчас.
Пасха: польза шоколада для вашего психического и физического здоровья, согласно науке: ПАСХА - заточение или нет, празднование Пасхи или нет, время обходиться без шоколада еще не наступило. Стимуляция мозга и памяти или даже снижение риска депрессии — это явления, продемонстрированные научными исследованиями. В мае 2016 года исследователи из университетов Аделаиды (Австралия), штата Мэн (США) и Института здравоохранения Люксембурга показали в исследовании, опубликованном в журнале Appetite , что еженедельное употребление шоколада (хотя бы один раз) связано с улучшением когнитивных функций. В 1970-х годах около 1000 человек были опрошены об их предпочтениях в еде и, следовательно, о потреблении шоколада. В период с 2001 по 2006 год исследователи проанализировали данные. В результате те, кто ел шоколад хотя бы раз в неделю, лучше других справлялись с когнитивными тестами. Среди интеллектуальных способностей наблюдаются зрительная память и мышление.
Лучше память: По мнению этих ученых, именно благодаря флавоноидам, присутствующим в какао, можно объяснить связь между шоколадом и когнитивными способностями. Эти молекулы содержатся в кофе или чае. В исследовании это не указано, но чем выше содержание шоколада в какао, тем богаче оно этой молекулой, поэтому следует отдавать предпочтение темному шоколаду. В том же духе исследователи конкретно рассмотрели связь между шоколадом и памятью. Это исследование , опубликованное в журнале Nature в 2014 году, показывает, что и здесь в игру вступают флавоноиды. Здесь одна из двух групп участников в возрасте от 50 до 69 лет пила концентрированный раствор флавонола в течение трех месяцев. В конце периода тестирования кровоток резко увеличился в части мозга, связанной со снижением памяти: зубчатой извилине. Для Скотта Смолла, одного из авторов исследования, это означает, что «если в начале теста у участника были воспоминания о шестидесятилетнем человеке, то через три месяца этот же человек обнаружил воспоминания о ком-то пожилом». между 30 и 40 годами. Однако не стоит слишком волноваться: напиток, выпитый участниками, эквивалентен четырем с половиной плиткам шоколада.
Душевное здоровье: Еще одно исследование, еще один положительный эффект. Опубликованный в августе 2019 года в журнале Depression and Anxiety , он демонстрирует, что риск депрессии снижается при потреблении темного шоколада. Канадские и английские ученые из Университетского колледжа Лондона проанализировали потребление шоколада более чем 13 000 американцев. Их вывод заключался в том, что люди, которые регулярно ели темный шоколад, на 70% реже страдали от депрессии. Другие факторы, такие как курение, физическая активность, вес и т. д., были приняты во внимание, чтобы гарантировать, что они не влияют на симптомы депрессии. Однако для подтверждения этой связи потребуются дальнейшие исследования. Как говорит ведущий автор исследования Сара Джексон : «Возможно, депрессия заставляет людей терять интерес к шоколаду, или другие факторы снижают вероятность употребления темного шоколада и депрессии».
Сердечно-сосудистые заболевания: Польза шоколада не ограничивается мозгом. Некоторые исследователи, например, продемонстрировали корреляцию между его потреблением и снижением сердечно-сосудистых заболеваний. Исследование, опубликованное в журнале Heart (BJM) в 2018 году. Наблюдая за потреблением шоколада 25 000 англичан, исследователи заметили связь между ним и меньшим влиянием сердечно-сосудистых заболеваний. Но поскольку часто есть «но», то это всего лишь корреляция, а не причина и следствие. Другие факторы, такие как возраст или спортивная практика, могут объяснить меньшую склонность к развитию сердечно-сосудистых заболеваний, как подчеркивает Science et Avenir. Наконец, будьте осторожны. Хотя у шоколада есть свои достоинства, злоупотреблять им не следует. Помимо какао, нельзя забывать, что шоколад – сладкий продукт. Таким образом, им можно наслаждаться, но в меру. 8-921-709-97-97 vk.link/HelpMePSKVShalin