U prethodnom članku razgovarali smo o opasnostima preterane optimizacije — kako opsesija inkrementalnim poboljšanjima može dovesti do stagnacije i irelevantnosti. Sada ćemo tu ideju razviti dalje, koristeći snažnu metaforu iz sveta mašinskog učenja: algoritam gradijentnog uspona.
U našoj nemilosrdnoj potrazi za savršenstvom, da li smo zaboravili umetnost istraživanja? Dok zaranjamo dublje u eru AI-ja i mašinskog učenja, vreme je da naučimo da ne treba samo koristiti algoritme za rešavanje problema, već primeniti njihove osnovne principe na sam posao. Danas ćemo govoriti o gradijentnom usponu i njegovoj iznenađujućoj lekciji za inovacije u poslovanju.
Gradijentni uspon
Za one koji nisu upoznati, gradijentni uspon je optimizacioni algoritam koji se često koristi u AI-ju i mašinskom učenju. Njegov cilj? Pronaći najvišu tačku (ili globalni maksimum) u složenom pejzažu mogućnosti.
Gradijentni uspon je poput penjanja na planinu u magli — ne možete videti vrh, ali možete ponavljati korake uvek u smeru koji se najstrmije penje, dok više ne možete ići naviše.
Izazov? Možete stići do malog vrha (lokalnog maksimuma) misleći da je to vrh planine, dok je pravi vrh (globalni maksimum) skriven u magli. U poslovnom smislu, možete optimizovati svoju trenutnu strategiju do njenog maksimuma, propuštajući potpuno drugačiji, uspešniji pristup, jer ste previše fokusirani na neprestano kretanje uzbrdo da biste ga pronašli. Zvuči poznato? Trebalo bi — nije mnogo drugačije od kompanije koja traži optimalnu poslovnu strategiju.
Moć suboptimalnih koraka
Kompanije često upadaju u zamku lokalnog maksimuma. Optimizuju i optimizuju, uvek jureći sledeće malo poboljšanje, sledeću meru za povećanje profita, sledeće manje dodavanje funkcionalnosti. Zaglavljene su u lokalnom maksimumu, ubeđene da su na vrhu uspeha. Ali šta ako pravi vrh, globalni maksimum potencijala, leži iza doline privremenih zastoja i rizika?
Evo gde postaje zanimljivo. Da bi pobegao iz lokalnog maksimuma, napredne verzije gradijentnog uspona ponekad rade nešto kontraintuitivno: prihvataju korake koji u početku deluju lošije. Spremne su da se spuste, da se privremeno udalje od prividnog optimuma, u nadi da će pronaći nešto bolje.
To je skok vere koji poslovanje treba da prihvati.
Ovo su neki od pristupa koje algoritmi koriste:
-
Nasumični restartovi: Povremeno počnite ispočetka sa različitih nasumičnih tačaka. U poslovanju, to je kao isprobavanje potpuno novih strategija ili tržišta.
-
Simulirano kaljenje: Počnite “vrelo”, prihvatajući mnoge korake naniže. Postepeno se “hladite”, postajući manje skloni prihvatanju gorih pozicija. Na početku, to je kao fleksibilan startap otvoren za drastične promene. Kako se “hladi”, više liči na etabliranu kompaniju, još uvek otvorenu za povremene rizike ali sve više fokusiranu na inkrementalna poboljšanja. Ovaj pristup omogućava temeljno istraživanje na početku, a zatim fino podešavanje.
-
Stohastički gradijentni uspon: Koristi nasumične podskupove podataka za svaki korak, unoseći određen šum. Za poslovanje, to može značiti donošenje odluka na osnovu raznovrsnih, ponekad nekonvencionalnih izvora podataka.
-
Prilagođavanje stope učenja: Dinamički menjajte veličinu koraka. U poslovnom smislu, radi se o fleksibilnosti u tome koliko drastično menjate svoju strategiju na osnovu trenutnih rezultata i tržišnih uslova.
Sve ove metode uvode elemente istraživanja i nasumičnosti, pomažući da se izbegne zaglavljivanje u suboptimalnim rešenjima. U poslovnom kontekstu, one predstavljaju različite načine balansiranja između eksploatacije poznatih strategija i istraživanja novih mogućnosti.
Stvaranje novog: mehanizam za bekstvo vašeg poslovanja
U svetu biznisa, ovi istraživački, “suboptimalni koraci” su ono što nazivamo stvaranjem novog — traganje za svežim idejama i novim pristupima koji možda neće odmah pokazati pozitivne rezultate na standardnim metrikama.
To je električna sijalica u svetu optimizovanih sveća. To je automobil u pejzažu bržih konja. To je pametni telefon u eri sve efikasnijih fiksnih telefona.
Negovanje gradijentnog bekstva vaše kompanije
Dakle, kako primeniti ovu lekciju? Evo nekoliko strategija za razmatranje:
-
Prihvatite kontrolisani haos: Odvojite resurse — vreme, novac, talenat — za projekte koji ne moraju odmah da dokažu svoju vrednost. Napravite igralište za svoje inovatore.
-
Redefinišite metrike uspeha: Kratkoročni povraćaj investicije nije sve. Razvijte nove načine za evaluaciju inovativnih ideja koje možda neće pokazati trenutne rezultate.
-
Slavite “inteligentne neuspehe”: Kada rizičan poduhvat ne uspe, tretirajte ga kao iskustvo učenja. Šta vas je naučio o pejzažu mogućnosti?
-
Ukrštajte ideje: Podsticajte saradnju između različitih odeljenja, ili čak sa drugim industrijama. Sveže perspektive mogu vam pomoći da uočite doline koje vredi preći.
-
Trenirajte za istraživanje: Razvijajte kreativne mišiće vašeg tima. Učite ih da preispituju pretpostavke, da gledaju izvan neposrednog horizonta.
Budućnost pripada istraživačima
U prethodnoj diskusiji govorili smo o nadolazećoj ekonomiji kreativnosti. Sada vidimo da se ne radi samo o kreativnosti — radi se o hrabrosti da se istražuje, da se preduzimaju naizgled suboptimalni koraci u potrazi za većim visinama.
Kompanije koje će napredovati u budućnosti nisu samo one sa najboljim optimizacionim algoritmima. To su one koje su spremne da se povremeno spuste, da pređu težak teren, u nemilosrdnoj potrazi za pravom inovacijom. Šta bi vaša kompanija mogla da postigne kada bi bila spremna da preduzme više ovih “suboptimalnih” koraka? Kako bi se vaš industrijski pejzaž promenio kada bi više preduzeća usvojilo ovaj istraživački način razmišljanja?
Dakle, poslovnim liderima koji ovo čitaju: Da li ste zaglavljeni u optimizovanju sveća, ili ste spremni da osvetlite nove svetove? Izbor je vaš, ali zapamtite — u velikom algoritmu poslovanja, ponekad je najbolji potez onaj koji na prvi pogled ne izgleda optimalno.
Pobegnimo iz naših lokalnih maksimuma. Prihvatimo stvaranje novog. Globalni maksimum čeka. Koji će biti vaš prvi korak ka pronalaženju pravog vrha vaše kompanije?