شش طرز فکر حل مسئله برای زمان های بسیار نامشخص

15 سپتامبر 2020  -توسط چارلز کان و رابرت مک لی

حل کننده های بزرگ مشکلات ، ساخته می شوند،  متولد نمی شوند. این چیزی است که ما پس از دهه‌ها حل مشکل با رهبران در بخش‌های تجاری، غیرانتفاعی و سیاست‌گذاری دریافتیم. این رهبران یاد می گیرند که یک طرز فکر باز و کنجکاو خاص اتخاذ کنند و به یک فرآیند سیستماتیک برای رفع حتی غیرقابل درک ترین مشکلات پایبند باشند. آنها تحت هر شرایطی حل کننده مشکلات فوق العاده ای هستند.  زمانی که شرایط عدم اطمینان در اوج است، در بهترین حالت خود قرار دارند.

شش رویکرد تقویت کننده متقابل زمینه موفقیت آنها را تشکیل می دهند: (1) کنجکاو بودن در مورد هر عنصر یک مشکل. (2)  با تحمل بالا در برابر ابهام. (3) داشتن دید “چشم سنجاقک” از جهان، برای دیدن از طریق عدسی های متعدد. (4) دنبال کردن رفتارهای اتفاقی و آزمایش بی وقفه. (5) بهره برداری از هوش جمعی، اذعان به اینکه باهوش ترین افراد در اختیار نیستند. و (6) تمرین “نمایش و گفتن” زیرا داستان سرایی باعث عمل می شود . نمودار

در اینجا نحوه انجام این کار آمده است.

1. همیشه کنجکاو باشید

    همانطور که هر پدر و مادری می‌داند، بچه‌های چهار ساله سوال‌کننده‌های بی‌وقفه هستند. به «چرا»های بی پایانی فکر کنید که بچه های کوچک را بسیار لذت بخش و بی قرار می کند. برای افراد بسیار جوان، همه چیز جدید و به شدت نامشخص است. اما آنها در یک ماموریت اکتشافی و مصمم به کشف چیزها هستند. و آنها در آن خوب هستند! این کنجکاوی پر انرژی به همین دلیل است که قفسه های بلند و بطری های مضر برای کودک داریم.

هنگامی که با عدم اطمینان شدید روبرو می شوید، کودک چهار ساله خود را به یاد بیاورید یا کودک چهار ساله را در درون خود هدایت کنید. بی وقفه بپرسید: “چرا اینطور است؟” متأسفانه، جایی بین پیش دبستانی و اتاق هیئت مدیره، ما تمایل داریم که از سوال کردن خودداری کنیم. مغز ما تعداد انبوهی از نقاط داده را با تحمیل الگوهایی که در گذشته برای ما و دیگر انسان‌ها مفید بوده است، درک می‌کند. به همین دلیل است که یک تکنیک ساده که ارزش به کارگیری در ابتدای حل مسئله را دارد، صرفاً مکث و پرسیدن این است که چرا شرایط یا مفروضات چنین هستند تا زمانی که به ریشه مشکل برسید.

سوگیری‌های طبیعی انسان در تصمیم‌گیری، از جمله سوگیری‌های تأیید، در دسترس بودن و لنگر انداختن، اغلب باعث می‌شوند که ما دامنه راه‌حل‌ها را خیلی زود ببندیم.  راه حل های بهتر و خلاقانه تر از کنجکاوی در مورد طیف وسیع تری از پاسخ های بالقوه به دست می آیند.

یک پیشنهاد ساده از نویسنده و اقتصاددان کارولین وب برای ایجاد کنجکاوی بیشتر در حل مسائل تیمی، گذاشتن علامت سوال در پشت فرضیه های اولیه یا پاسخ های اولیه است. این تصنع کوچک به طرز شگفت‌آوری قدرتمند است: می‌خواهد چندین مسیر راه‌حل را تشویق کند و تمرکز را به درستی روی جمع‌آوری شواهد قرار می‌دهد. ما همچنین جلسات پایان نامه یا تیم قرمز/تیم آبی را دوست داریم، که در آن شما یک گروه را به تیم های مخالف تقسیم می کنید که بر خلاف پاسخ های اولیه بحث می کنند – معمولاً نتیجه گیری های سنتی تر که احتمالاً از یک الگوی مرسوم ناشی می شوند. چرا این راه حل بهتر است؟ چرا اون یکی نه؟ ما دریافتیم که نتایج بهتر از پذیرش عدم اطمینان حاصل می شود. کنجکاوی موتور خلاقیت است.

2. ابهام را تحمل کنید – و فروتن باشید!

وقتی به حلال کننده ‌های مشکل فکر می‌کنیم، بسیاری از ما تمایل داریم یک مهندس متین و باهوش را تصور کنیم. ممکن است مغز متفکری را تصور کنیم که می داند چه کار می کند و هدفمند به مشکل برخورد می کند. با این حال، واقعیت این است که اکثر حل مسائل خوب آزمون و خطاهای زیادی دارد. بیشتر شبیه تصادفی بودن راگبی است تا دقت برنامه ریزی خطی. ما فرضیه‌هایی را تشکیل می‌دهیم، به داده‌ها تبدیل می‌کنیم، و سپس حدس اولیه‌مان را برای پاسخ بررسی می‌کنیم و اصلاح می‌کنیم (یا حذف می‌کنیم). این بیش از هر چیز مستلزم پذیرش نقص و تحمل ابهام – و احساس احتمالات یک قمارباز است.

دنیای واقعی بسیار نامشخص است. واقعیت به عنوان محصول پیچیده رویدادهای تصادفی و واکنش های انسانی آشکار می شود. تأثیر کووید-19 تنها یک مثال است: ما به اثرات بهداشتی و اقتصادی این بیماری و تعاملات پیچیده آنها، تقریباً بدون هیچ دانش قبلی، می پردازیم. ما باید با تخمین احتمالات راحت باشیم تا تصمیمات خوبی بگیریم، حتی زمانی که این حدس ها ناقص هستند. متأسفانه، ما شواهد زیادی داریم که نشان می‌دهد انسان‌ها آماردانان شهودی خوبی نیستند. حدس های مبتنی بر غریزه  می تواند بسیار اشتباه باشد. به همین دلیل است که یکی از کلیدهای کار در محیط های نامطمئن، فروتنی معرفتی است، که اریک آنگنر آن را این گونه تعریف می کند: «درک دانش ما همیشه موقت و ناقص است – و ممکن است نیاز به تجدید نظر در پرتو شواهد جدید داشته باشد».

تحقیقات اخیر نشان می دهد که ما در حل مشکلات بهتر هستیم زمانی که به احتمالات فکر می کنیم تا قطعیت ها. به عنوان مثال، زمانی که سازمان تحقیقاتی استرالیایی سازمان تحقیقات علمی و صنعتی مشترک المنافع (CSIRO)، که دارای حق امتیاز اصلی پروتکل اینترنت بی سیم بود، به دنبال حق امتیاز از شرکت های بزرگ بود، در ابتدا رد شد. CSIRO شرط می‌بندد که می‌تواند برای حفاظت از مالکیت معنوی خود به دادگاه مراجعه کند، زیرا تخمین می‌زند که با توجه به هزینه‌های قانونی و بازده احتمالی، برای این شرط‌بندی به شانس موفقیت فقط ۱۰ درصد نیاز دارد. با انتخاب ضعیف‌ترین ناقضان IP و انتخاب یک حوزه قضایی که به نفع شاکیان باشد، شانس خود را بهبود بخشید. این تفکر احتمالی نتیجه داد و در نهایت منجر به تسویه حساب CSIRO بیش از 500 میلیون دلار شد.  تحمل ابهام و تمایل به بازی با شانس به سازمان کمک کرد راه خود را به سمت یک راه حل خوب احساس کند.

برای پذیرش نقص گرایی با فروتنی معرفتی، با به چالش کشیدن راه حل هایی که حاکی از قطعیت هستند، شروع کنید. شما می توانید با پرسیدن سوالاتی مانند “چه چیزی را باید باور کنیم تا این حقیقت داشته باشد؟” این فرضیات ضمنی در مورد احتمالات را به سطح می‌آورد و ارزیابی گزینه‌ها را آسان‌تر می‌کند. وقتی عدم اطمینان زیاد است، ببینید آیا می‌توانید حرکت‌های کوچکی انجام دهید یا اطلاعاتی را با هزینه معقول به دست آورید تا در مجموعه راه‌حل‌ها قرار بگیرید. دانش کامل به ویژه برای مشکلات پیچیده تجاری و اجتماعی کم است. در آغوش گرفتن نقص می تواند منجر به حل موثرتر مشکل شود. عملاً در شرایط عدم اطمینان بالا، مانند شروع یک فرآیند حل مشکل یا در شرایط اضطراری، ضروری است.

3. نمای سنجاقکی داشته باشید

درک وضعیت چشم سنجاقک برای حل کننده های بزرگ مشکلات ، رایج است. سنجاقک ها چشم های بزرگ و مرکب دارند و هزاران عدسی و گیرنده های نوری حساس به طول موج های مختلف نور دارند. اگرچه ما دقیقاً نمی دانیم که مغز حشرات چگونه تمام این اطلاعات بصری را پردازش می کند، بر اساس قیاس، آنها چشم اندازهای متعددی را می بینند که در دسترس انسان نیستند. ایده سنجاقک که 360 درجه ادراک را دریافت می کند  یکی از ویژگی های “ابر پیش بینی کنندگان” است – افرادی که اغلب بدون تخصص در حوزه های خاصی هستند و در پیش بینی رویدادها بهترین هستند.

این را به عنوان باز کردن دیافراگم روی یک مشکل یا مشاهده آن از طریق چندین لنز در نظر بگیرید. هدف این است که فراتر از موضوعات آشنا را ببینیم که مغزهای تشخیص دهنده الگوی ما می خواهند ادراکات را در آنها جمع کنند. با باز کردن دیافراگم، می‌توانیم تهدیدها یا فرصت‌ها را فراتر از حاشیه دید شناسایی کنیم.

شیوع HIV در هند در اوایل دهه 1990 را در نظر بگیرید – یک تهدید بزرگ برای سلامت عمومی. آشوک الکساندر، مدیر برنامه کمک های هند بنیاد بیل و ملیندا گیتس، نمونه ای درخشان از دید نه تنها بینایی، بلکه از دید سنجاقک نیز ارائه کرد. در مواجهه با یک نقشه اجتماعی پیچیده با نرخ آلودگی به سرعت در حال افزایش، او تعریف مشکل را از یک مدل سنتی اپیدمیولوژیک انتقال HIV در “نقاط داغ” شناخته شده، به مدلی که در آن کارگران جنسی که با خشونت مواجه می‌شوند، محور اصلی قرار گرفتند، گسترش داد.

این رویکرد منجر به “راه حل آواهان” شد که با گنجاندن زمینه اجتماعی-فرهنگی کار جنسی به مجموعه وسیع تری از نقاط اهرمی پرداخت. این راه حل برای بیش از 600 جامعه ارائه شد و در نهایت منجر به جلوگیری از 600000 عفونت شد. دیدگاه محدود پزشکی معقول و قابل انتظار بود، اما به موضوع مرتبط با خشونت علیه کارگران جنسی که مجموعه راه‌حل‌های غنی‌تری را به همراه داشت، وارد نشد. اغلب، یک راز تنها زمانی خود را باز می کند که فرد به یک مشکل از منظرهای متعدد نگاه کند، از جمله برخی که در ابتدا متعامد به نظر می رسند.

راز ایجاد نمای سنجاقکی این است که در هنگام مواجهه با مشکلات عدم قطعیت و فرصت، به جای درون، «به بیرون لنگر بیاندازید». اکوسیستم گسترده تر را به عنوان نقطه شروع در نظر بگیرید. این شما را تشویق می کند که با مشتریان، تامین کنندگان، یا بهتر از آن، بازیکنان در یک صنعت یا فضای متفاوت اما مرتبط صحبت کنید. گذراندن سفر مشتری با در نظر گرفتن تفکر طراحی، راه قدرتمند دیگری برای دریافت دید 360 درجه از یک مشکل است. اما توجه داشته باشید: زمانی که تصمیم‌گیرندگان با فریم‌های زمانی یا منابع بسیار محدود مواجه می‌شوند، ممکن است مجبور شوند دیافراگم را محدود کرده و پاسخی محکم و معمولی ارائه دهند.

4. رفتار اتفاق افتاده را دنبال کنید

رفتار اتفاقی آن چیزی است که واقعاً در یک زمان و مکان اتفاق می‌افتد، نه رفتار بالقوه یا پیش‌بینی‌شده. مشکلات پیچیده اسرار خود را به راحتی رها نمی کنند. اما این نباید حل‌کننده‌های مشکل را از بررسی اینکه آیا شواهدی در مورد جنبه‌های یک راه‌حل می‌توان مشاهده کرد یا انجام آزمایش‌هایی برای آزمایش فرضیه‌ها بازدارد. می‌توانید این رویکرد را به‌عنوان ایجاد داده‌ها به جای جستجوی آنچه قبلاً جمع‌آوری شده است، در نظر بگیرید. برای ورود به بازار جدید – یا ایجاد بازار جدید بسیار مهم است. همچنین اگر متوجه شوید که  تجزیه کردن داده های قدیمی منجر به راه حل های قدیمی می شود، مفید است.

اکثر تیم های حل مسئله که ما با آنها درگیر هستیم، دو معضل عدم قطعیت و پیچیدگی دارند که گاهی به عنوان «مشکلات بد» ترکیب می شوند.  برای شرکت‌هایی که برای برنده شدن در ناشناخته‌های بزرگ در یک بخش نوظهور جاه ‌طلب هستند – مانند خودروهای برقی یا وسایل نقلیه خودران، که بازار به طور کامل تثبیت نشده است – حل مشکلات خوب معمولا شامل طراحی آزمایش‌هایی برای کاهش عدم قطعیت‌های کلیدی است، نه تنها با تکیه بر داده‌های موجود. . هر حرکت (مانند خرید IP یا به دست آوردن یک تامین‌کننده قطعه) و هر آزمایش (از جمله آزمایش‌های جاده) نه تنها اطلاعات اضافی برای تصمیم‌گیری فراهم می‌کند، بلکه قابلیت‌ها و دارایی‌هایی را ایجاد می‌کند که از مراحل بعدی پشتیبانی می‌کند. با گذشت زمان، آزمایش‌های آن‌ها، از جمله اتحادها و کسب‌ها، به پلکان‌هایی شبیه می‌شوند که یا به هدف یا رها کردن هدف منتهی می‌شوند. سازمان‌های حل‌کننده مشکل می‌توانند خود را در فضاهای جدید بسیار نامطمئن، ایجاد اطلاعات، دارایی‌های بنیادی و اعتماد به نفس در حین برداشتن گام‌های رو به جلو، «راه اندازی کنند».

حل‌کننده‌های ریسک‌پذیر با آزمایش مداوم راه حلی را پیدا می‌کنند. آماردانان از مخفف EVPI – مقدار مورد انتظار اطلاعات کامل – برای نشان دادن ارزش به دست آوردن اطلاعات اضافی که معمولاً از نمونه‌ها و آزمایش‌ها می‌آیند، مانند پاسخ به تغییرات قیمت در بازارهای خاص، استفاده می‌کنند. تست A/B ابزاری قدرتمند برای آزمایش قیمت‌ها، تبلیغات و سایر ویژگی‌ها است و به ویژه برای بازارهای دیجیتال و کالاهای مصرفی مفید است. بازارهای آنلاین تست A/B را آسان می کنند. با این حال، بیشتر بازارهای متعارف نیز فرصت هایی را برای تقلید از تقسیم بندی بازار و استفاده از آن برای آزمایش رویکردهای مختلف ارائه می دهند.

طرز فکری که برای آزمایشگر بی قرار بودن لازم است با مفهوم “شکست سریع” در استارت آپ ها سازگار است. این بدان معناست که شما به سرعت از طریق آزمایشات بتا و پیشنهادات آزمایشی تأیید یا رد محصول و مشتری را دریافت می کنید. فقدان داده های خارجی را به عنوان یک مانع تلقی نکنید – ممکن است در واقع یک هدیه باشد، زیرا داده های قابل خرید تقریباً همیشه از یک روش مرسوم برای برآوردن نیازها هستند و برای رقبای شما نیز در دسترس هستند. آزمایشات خود به شما اجازه می دهد داده های خود را تولید کنید. این به شما بینشی می دهد که دیگران ندارند. اگر آزمایش کردن دشوار (یا غیراخلاقی) است، به دنبال “آزمایش های طبیعی” ارائه شده توسط سیاست های مختلف در مکان های مشابه باشید. به عنوان مثال می توان نتایج را در شهرهای دوقلو مقایسه کرد، مانند مینیاپولیس – سنت. پل.

    5. به هوش و خرد جمعی توجه کنید

کریس بردلی، یکی از نویسندگان Strategy Beyond the Hockey Stick،  مشاهده کرد که «این اشتباه است که فکر کنید در تیم خود باهوش ترین افراد را در اختیار دارید. آنها آنجا نیستند. آنها همیشه در جای دیگری هستند.”  اگر بتوانید از طریق دیگر به هوش آنها دسترسی پیدا کنید، نیازی نیست که در آنجا حضور داشته باشند. در جهانی همیشه در حال تغییر که شرایط می‌تواند به‌طور غیرقابل پیش‌بینی تغییر کند، جمع‌سپاری از باهوش‌ترین افراد جهان دعوت می‌کند تا با شما همکاری کنند. به عنوان مثال، در جستجوی یک الگوریتم یادگیری ماشینی برای شناسایی گونه‌ها و مقادیر صید ماهی در قایق‌های ماهیگیری، سازمان حفاظت از طبیعت (TNC) به Kaggle روی آورد و جایزه 150000 دلاری را برای بهترین الگوریتم در نظر گرفت. این پیشنهاد 2293 تیم از سراسر جهان را جذب کرد. اکنون TNC از الگوریتم برنده برای شناسایی انواع و اندازه ماهی‌های صید شده در قایق‌های ماهیگیری در آسیا برای محافظت از ماهی تن در اقیانوس آرام و سایر گونه‌های در معرض خطر استفاده می‌کند.

حل مسئله با جمع‌سپاری به شکل دیگری آشناست: معیارسنجی. زمانی که سر راد کارنگی مدیر عامل شرکت Conzinc Riotinto استرالیا بود، نگران هزینه‌های توقف برنامه‌ریزی نشده کامیون‌های سنگین، به‌ویژه آنهایی بود که نیاز به تعویض لاستیک دارند. او از تیم مدیریتی خود پرسید که چه کسی در تعویض لاستیک در جهان بهترین است. پاسخ آنها فرمول یک، مسابقات اتومبیل رانی بود. تیمی به بریتانیا سفر کردند تا بهترین روش‌ها را برای تغییر لاستیک‌ها در پیست‌های مسابقه یاد بگیرند و سپس آنچه را که هزاران مایل دورتر آموخته بودند، در منطقه پیلبارا در استرالیای غربی اجرا کردند. باهوش ترین تیم برای این مشکل اصلاً در صنعت معدنی نبود.

البته، در حالی که جمع‌سپاری زمانی می‌تواند مفید باشد که تفکر متعارف راه‌حل‌هایی را ارائه می‌دهد که برای چالش موجود بسیار گران یا ناقص هستند، اما محدودیت‌های خود را دارد. راه اندازی جمع سپاری خوب به زمان نیاز دارد، می تواند گران باشد و ممکن است به رقبای شما نشان دهد که شما در حال انجام چه کاری هستید. مراقب هزینه های پنهان باشید، مانند افشای ناخواسته اطلاعات و نیاز به بررسی حجم عظیمی از پیشنهادات نامربوط و پست برای یافتن گوهر کمیاب راه حل.

بپذیرید که استفاده از تجربیات و تخصص های مختلف غیر از تجربیات خود، اشکالی ندارد. با جلسات طوفان مغزی شروع کنید که افراد خارج از تیم شما را درگیر می کند. برای ایجاد ایده، رقابت های جمع سپاری گسترده تری را امتحان کنید. یا استعدادهای یادگیری عمیق را به ارمغان بیاورید تا ببینید چه بینش هایی در داده های شما وجود دارد که رویکردهای مرسوم آن را آشکار نکرده اند. هرچه دایره اطلاعاتی که به آن دسترسی دارید گسترده تر باشد، احتمال اینکه راه حل های شما جدید و خلاقانه باشد بیشتر است.

    6. نمایش دهید و عمل کنید

ما فهرست ذهنیت‌هایمان را با اشاره به کودکان شروع کردیم و اکنون با «نشان دادن و بگو» به کودکان بازمی‌گردیم. همانطور که بدون شک به یاد دارید – زمانی که کنجکاوتر بودید! – نمایش و گفتن یک فعالیت مدرسه ابتدایی است. معمولاً با حل مسئله مرتبط نیست، اما احتمالاً علاقه شما را برانگیخته است. در واقع، این رویکرد برای حل مسئله حیاتی است. نشان دهید و بگویید چگونه مخاطب خود را با مشکل ارتباط می دهید و سپس از ترکیبی از منطق و متقاعدسازی برای انجام عمل استفاده می کنید.

هدف ذهنی نشان دادن و گفتن این است که تصمیم گیرندگان را به حوزه حل مشکلی که شما ایجاد کرده اید وارد کند. برای مثال، تیمی از سازمان حفاظت از طبیعت، در حال ارائه پیشنهادی بود که از یک بنیاد بشردوستانه درخواست می‌کرد تا از بازسازی صخره‌های صدفی حمایت کند. قبل از ارائه، تیم 17 سطل پلاستیکی آب را به اتاق هیئت مدیره آورد و آنها را در اطراف محیط قرار داد. هنگامی که کارکنان بنیاد وارد اتاق شدند، بلافاصله می خواستند بدانند سطل ها برای چیست. این تیم توضیح داد که بازسازی صخره صدف کیفیت آب را به شدت بهبود می بخشد زیرا هر صدف روزانه 17 سطل آب را فیلتر می کند. ذخایر ماهی بهبود می‌یابد، و صدف‌ها را نیز می‌توان برداشت کرد تا به کار اقتصادی کمک کند. تصمیم گیرندگان از طریق نمایش و گفتن وارد حوزه حل مسئله شدند. آنها بودجه درخواستی را تأیید کردند و بعد فیزیکی مشکلی را که بخشی از حل آن بودند دوست داشتند.

حل‌کننده‌های مبتدی فرآیند تحلیلی و ریاضیات خود را به شما نشان می‌دهند تا شما را متقاعد کنند که باهوش هستند. گاهی اوقات به آن APK می گویند، رژه مضطرب دانش. اما حل‌کننده‌های باتجربه چیز دیگری به شما نشان می‌دهند. ظریف ترین حل مسئله آن چیزی است که راه حل را آشکار می کند. هرب سایمون، اقتصاددان فقید، آن را اینگونه بیان می کند: «حل یک مشکل به سادگی به معنای نمایش آن است تا راه حل شفاف شود.»

برای بهتر شدن در نمایش و گفتن، با شفاف بودن در مورد اقداماتی که باید از حل مسئله و یافته‌های شما ناشی شود، شروع کنید: ایده حاکم برای تغییر. سپس راهی برای ارائه منطق خود به صورت بصری پیدا کنید تا راه رسیدن به پاسخ ها قابل بحث و پذیرش باشد. استدلال را به صورت احساسی و منطقی ارائه دهید و نشان دهید که چرا اقدام ترجیحی تعادل جذابی بین خطرات و پاداش ها ایجاد می کند. اما در اینجا متوقف نشوید. خطرات انفعال را که اغلب هزینه بیشتری نسبت به اقدامات ناقص دارند را بیان کنید.

طرز فکر حل‌کنندگان بزرگ به همان اندازه مهم است که روش‌هایی که به کار می‌گیرند. طرز فکری که کنجکاوی را تشویق می‌کند، نقص را در آغوش می‌گیرد، به یک دید سنجاقکی از مشکل پاداش می‌دهد، داده‌های جدیدی را از آزمایش‌ها و هوش جمعی ایجاد می‌کند، و از طریق داستان‌گویی قانع‌کننده نمایش و تعریف کردن، اقدامی را انجام می‌دهد، امکانات جدید رادیکالی را در سطوح بالای غیرقابل پیش‌بینی ایجاد می‌کند. البته، این رویکردها می توانند در طیف وسیعی از شرایط مفید باشند، اما در مواقع عدم اطمینان گسترده، ضروری هستند.