U dinamičnom i složenom poslovnom okruženju često je teško pronaći vreme za temeljnu i promišljenu analizu. Lideri možda shvataju da bolja pitanja vode do boljih odluka, ali nisu sigurni šta tačno da pitaju. Ovih pet pitanja može im pomoći: 1. Šta bi se desilo ako ne bismo ništa preduzeli? 2. Šta bi moglo da nas natera da zažalimo zbog odluke? 3. Koje smo alternative prevideli? 4. Kako ćemo znati da li je ovo bila prava odluka? 5. Da li je ova odluka reverzibilna?

Bez obzira na to da li razmatrate promenu karijere ili birate poslovnu strategiju, odluke koje danas donosite imaju i kratkoročne i dugoročne posledice po vas, vaš tim i vašu organizaciju. One ne mogu biti donete prebrzo, ali ni odložene. Ipak, u brzom i složenom poslovnom okruženju teško je izdvojiti vreme za dubinsku analizu koja vodi do jasnih odgovora o najboljem pravcu delovanja. Možda prepoznajemo da bolja pitanja donose bolje odluke, ali nismo sigurni koja tačno pitanja da postavimo.
U mom radu pomažem liderima da se izbore s ovim izazovom tako što ih vodim kroz jednostavan okvir od pet pitanja, dizajniran da usmeri njihovu pažnju i poboljša njihove procese odlučivanja. Korišćenjem nekih ili svih ovih pitanja, steći ćete jasniji uvid, smanjiti rizike i postaviti temelje za bolje odluke i ishode.

Šta bi se desilo ako ne bismo ništa preduzeli?

Kada se ukaže prilika ili dođe do promena u industriji, nepreduzimanje akcije može imati visoku cenu. Međutim, u nekim slučajevima – na primer, kada nemate potpune informacije – mudrije je ostati pri trenutnom kursu.

Ovo pitanje vas tera da procenite srednjoročne i dugoročne troškove i koristi nečinjenja. Zamislite budućnost u kojoj niste ništa promenili – da li ste i dalje uspešni? Kako su ključni učesnici, poput članova porodice u slučaju karijernih odluka, ili kupaca, zaposlenih i investitora u poslovnim odlukama, pogođeni? Da li je pritisak da se nešto preduzme zasnovan na potpunim podacima i stvarnoj potrebi ili je vođen kratkoročnim razmišljanjem i emocijama?

Šta bi moglo da nas natera da zažalimo zbog odluke?

Kako objašnjava autor Danijel Pink u svojoj knjizi The Power of Regret, većina žaljenja spada u jednu od četiri kategorije: Osnovne greške (loši izbori u obrazovanju, zdravlju ili finansijama), Nedostatak hrabrosti (propuštene prilike ili izostanak preuzimanja rizika), Moralne dileme (kompromitovanje naših vrednosti ili etike), Odnosi (rizik od narušavanja ili gubitka veza s drugima).

Ovo pitanje nas primoravaju da razmotrimo potencijalno negativne posledice odluke. Postavite dodatna pitanja poput: Da li je ovo dobar dugoročni izbor za vaše fizičko, mentalno i finansijsko zdravlje? Kolika je verovatnoća da ćete zažaliti što niste bili hrabriji? Da li bi moralni kompromis doveo do dugotrajnog nezadovoljstva? Da li dovodite u opasnost važne odnose? Ako ova odluka pođe po zlu, zbog čega biste najviše zažalili?

Možete se takođe osvrnuti na prošle odluke koje su dovele do žaljenja, identifikovati obrasce i učiti iz njih.

Koje smo alternative prevideli?

Koliko god da smo svesni sebe, naši mozgovi su skloni kognitivnoj pristrasnosti potvrde – favorizujemo informacije koje podržavaju naša uverenja, što može dovesti do zanemarivanja drugih izvodljivih opcija. Kada timovi donose odluke, lako mogu upasti u grupno razmišljanje (groupthink) ili se zadovoljiti nekim pravcem delovanja bez temeljne analize alternativnih rešenja. Druge uobičajene kognitivne pristrasnosti uključuju: Usidravanje (anchoring bias) – kada nas prvi dobijeni podatak previše usmerava u donošenju odluke. Zabludu nenadoknadivih troškova (sunk cost fallacy) – kada nastavljamo s pogrešnom odlukom samo zato što smo već uložili resurse. Preterano samopouzdanje (overconfidence bias) – kada smatramo da već imamo pravi odgovor i ne preispitujemo ga dalje.

Ovo pitanje pomaže da se suzbiju pomenute pristrasnosti i podstiče radoznalost. Razmislite o dodatnim mogućim rešenjima i zapitajte se da li bi mogla dati bolje rezultate. Preispitajte ranije odbačene opcije i proverite da li su razlozi za njihovo odbacivanje i dalje opravdani. Pitajte sebe i svoj tim da li su svi relevantni pogledi uzeti u obzir i da li su potencijalne slepe tačke identifikovane.

Kako ćemo znati da li je ovo bila prava odluka?

Nemoguće je doneti dobru odluku ako vi ili vaš tim nemate jasan kriterijum uspeha. Potrebno vam je jasno definisano viđenje idealnog ishoda i precizni metrički pokazatelji učinka, bilo da se oslanjate na: Ciljeve i ključne rezultate (OKRs), Uravnoteženu kontrolnu tablu, koji meri finansijske rezultate, reakcije kupaca, efikasnost procesa i rast, Ključne indikatore učinka (KPIs), SMART ciljeve (specifični, merljivi, dostižni, relevantni i vremenski ograničeni)

Zamislite rezultate koje očekujete od ove odluke. Postavite sistem merenja napretka koji uzima u obzir i kratkoročne i dugoročne efekte. Definišite jasne prekretnice i osmislite plan za periodičnu evaluaciju kako biste procenili koliko brzo i efikasno napredujete ka svojim ciljevima.

Da li je ova odluka reverzibilna?

Razmatranje reverzibilnosti odluke može smanjiti pritisak da donesete „savršenu“ odluku. U dinamičnim okruženjima i složenim projektima, često je moguće iterativno donositi odluke, testirati ih i prilagođavati ih prema potrebama.

Postavite sebi ili svom timu sledeća pitanja: Koji su finansijski i reputacioni troškovi ukoliko odluku bude potrebno poništiti? Koliko bi bilo lako ili teško promeniti pravac? Možemo li odluku podeliti na manje korake kako bismo testirali opcije i prikupili povratne informacije? Koji signali, podaci ili metrički pokazatelji bi nam ukazali da je vreme za preispitivanje odluke? Šta nam instinkt govori o ovoj odluci?

Praktična primena ovih pitanja

Jedna finansijska kompanija s kojom sarađujem razmatrala je da li da proširi poslovanje na fintech rešenja ili da nastavi sa svojim trenutnim servisnim modelom. Prvo smo analizirali posledice nečinjenja – dva ključna rizika su bila gubitak tehnološki osvešćenih klijenata i zaostajanje za konkurencijom. Zatim smo razmotrili potencijalna žaljenja, uključujući propuštene prilike na tržištu i troškove ulaganja u pogrešnu tehnologiju. Nakon toga smo istražili različite alternative, uključujući razvoj hibridnog modela koji kombinuje tehnologiju i servis, kao i nastavak rada isključivo po servisnom modelu. Zatim smo definisali metrike uspeha pomoću OKRs, uključujući potencijal rasta prihoda, odnos troškova i prihoda, kao i vrednost klijenta tokom životnog veka (customer lifetime value) u oba modela. Takođe smo analizirali KPI-je, poput stepena zadržavanja klijenata, troškova akvizicije novih kupaca, i matrice zadovoljstva korisnika. Ova metodologija im je omogućila da donesu informisaniju i strateški promišljeniju odluku. Na kraju, razmotrili smo kako da primenimo agilan pristup razvoju tehnologije i njenom uvođenju, deleći potencijalni projekat na niz manjih odluka u formi go/no-go kriterijuma.

Dve godine kasnije, finansijska kompanija je lansirala beta verziju svoje fintech platforme. Rezultati su pokazali rast broja novih klijenata, dok je stopa zadržavanja postojećih korisnika ostala stabilna i pozitivna.

Drugi primer dolazi od direktorke koju savetujem, koja je dobila ponudu za značajno unapređenje u jednoj Fortune 100 kompaniji, upravo u trenutku kada je razmišljala o napuštanju korporativnog sveta kako bi započela karijeru u pisanju i konsultantskim uslugama. Kroz niz coaching sesija, primenili smo okvir od pet pitanja. Fokusirala se pre svega na pitanje žaljenja, zajedno sa njegovim pratećim pitanjima, kako bi procenila kako bi se osećala ako odluči da ostane u firmi, umesto da krene u nešto novo. Da li bi se za pet ili deset godina osvrnula unazad i poželela da je iskoristila tu priliku? Da li bi se stalno pitala šta je moglo da bude? Ili bi joj stabilnost i prestiž nove pozicije doneli dovoljno zadovoljstva?

Takođe smo razmotrili reverzibilnost odluke o odlasku. Ako njen preduzetnički put ne bi prošao onako kako je očekivala, koliko bi joj bilo lako ili teško da se vrati u korporativni sektor? Koje profesionalne odnose bi mogla da održi kao sigurnosnu mrežu i potencijalnu prednost u budućnosti? Da li bi mogla da pregovara o konsultantskoj saradnji sa svojim bivšim poslodavcem, kako bi imala finansijsku sigurnost dok razvija sopstveni biznis? Ovaj proces joj je doneo jasnoću i samopouzdanje da odbije unapređenje i napusti posao. Sada je već godinu dana u preduzetničkim i autorskim vodama – potpisala je ugovore sa agencijom za govorništvo i izdavanje knjige, nadmašila početne finansijske ciljeve, a najvažnije od svega, živi ispunjenijim i zadovoljnijim načinom života.

Ovih pet pitanja ne mogu garantovati pravu odluku, ali mogu poboljšati vaš proces donošenja odluka, bilo da je reč o ličnim pitanjima ili poslovnim strategijama. Kako ih budete primenjivali sami i sa svojim timom, pomoći će vam da razvijete navike neophodne za dugoročni rast i uspeh.

Kao ljudi, skloni smo da tumačimo informacije na način koji potvrđuje naša postojeća uverenja i služi našem sopstvenom interesu. U situacijama kojima nedostaje jasnoća, često pravimo pretpostavke koje služe za jačanje našeg ega i samopoštovanja. Selektivno tumačimo informacije da bismo podržali svoju poziciju, a previđamo ili odbacujemo informacije koje su u suprotnosti sa našim stavovima. Ovo je poznato kao pristrasnost u korist sebi i može dovesti do neoptimalnog donošenja odluka ili čak doprineti sukobu, jer postajemo sve više ukorenjeni u sopstvenim pozicijama i manje voljni da razmatramo alternativne perspektive. Autor nudi tri strategije koje će pomoći u borbi protiv ove pristrasnosti: 1) Razmotrite izvor informacija na koji se oslanjate; 2) Razmišljajte suprotno o prethodnim odlukama koje ste doneli; i 3) Potražite informacije koje osporavaju vaše pretpostavke.

Pre nekoliko godina, savetovao sam prodajni tim čiji je posao uključivao „hladne pozive“. Članovi tima bi često pripisivali uspešnu prodaju sopstvenoj veštini i stručnosti, dok bi za bilo kakve neuspehe krivili spoljne faktore kao što su loši potencijalni klijenti ili loš tajming. Ovo je samo jedan od mnogih primera kojih se mogu setiti iz svog iskustva u radu sa liderima u organizacijama i industrijama koji ilustruju uobičajenu ljudsku pristrasnost.

Pristrasnost prema sebi je sklonost tumačenju informacija na način koji potvrđuje naša postojeća uverenja i služi našem sopstvenom interesu. U situacijama kojima nedostaje jasnoća, često pravimo pretpostavke koje služe za jačanje našeg ega i samopoštovanja. Selektivno tumačimo informacije da bismo podržali svoju poziciju, a previđamo ili odbacujemo informacije koje su u suprotnosti sa našim stavovima. U stvari, u gornjem primeru, pogled na podatke otkrio je da je stopa konverzije tima bila mnogo niža nego što je tim očekivao. Kada su im predstavljeni ovi podaci, neki članovi tima su bili defanzivni i nerado priznaju realnost situacije.

Pristrasnost koja služi sebi može dovesti do neoptimalnog donošenja odluka ili čak doprineti sukobu, jer postajemo sve više ukorenjeni u sopstvenim pozicijama i manje voljni da razmatramo alternativne perspektive. Ovo, zauzvrat, može otežati saradnju na rešenjima složenih problema.

Evo kako da se borite protiv pristrasnosti u sebi i da donesete bolje, dugotrajnije odluke:

Razmotrite izvor informacija na koji se oslanjate

Ovo će verovatno dovesti do toga da preispitate podatke na koje se oslanjate da biste doneli svoje odluke. Kao što sam napisao u svojoj knjizi Sidetracked, jednom sam radio sa lancem maloprodajnih objekata koji su pokušavali da motivišu svoje zaposlene. Zbunjeni nakon nekoliko neuspešnih pokušaja, konačno su videli obećavajuće rezultate kada su uveli jasne smernice za učinak, ciljeve prodaje i mesečne bonuse. Produktivnost je porasla, većina zaposlenih je ispunila svoje ciljeve, a menadžeri su počeli da koriste ove pozitivne rezultate u evaluaciji učinka zaposlenih.

Međutim, nakon detaljnijeg ispitivanja, menadžment kompanije je primetio uznemirujući trend. Zaposleni su ostvarivali svoje prodajne ciljeve prvenstveno poslednje nedelje svakog meseca, a došlo je do naglog porasta vraćene robe nedelju dana nakon što je bonus isplaćen. U suštini, motivisani novim smernicama, radnici su kupovali robu na veliko do kraja meseca kako bi ispunili svoje ciljeve i vraćali je ubrzo nakon što su dobili bonus. Menadžeri su ocenjivali svoje zaposlene na osnovu nepotpunih informacija o njihovom ponašanju i učinku.

Uzimajući u obzir izvor informacija na koje se oslanjate, možete postati sigurniji da prilikom odlučivanja o narednim koracima koristite relevantne informacije da biste odmerili razmišljanja i postupke drugih, kao i svoje sopstvene.

Razmislite suprotno o prethodnim odlukama koje ste doneli

Kontračinjenično razmišljanje poziva da razmislite o različitim pravcima delovanja koje ste mogli da preduzmete da biste bolje razumeli faktore koji su uticali na izbor. Na primer, ako ste propustili veliki rok za ž projekat, mogli biste da razmislite o tome kako su naporniji rad, traženje pomoći ili ponovno pregovaranje o roku mogli da utiču na ishod. Ovo razmišljanje može pomoći da prepoznate koji faktori su igrali značajnu ulogu u procesu donošenja odluka – na primer, vrednovanje da sami završite projekat u odnosu na to da ga završite na vreme – i da identifikujete promene koje biste možda želeli da napravite kada je u pitanju budućnost.

Film Klizna vrata iz 1998. nudi odličan primer kako nam kontračinjenično razmišljanje može pomoći da razumemo sile koje oblikuju naše odluke. Film istražuje dve alternativne priče za glavni lik, Helen (koju glumi Gvinet Paltrou), na osnovu toga da li ona uhvati predstojeći voz podzemne železnice ili ga propusti. Dok gledamo kako se odvijaju obe priče, stičemo uvid u različite faktore koji utiču na Helenine životne izbore.

Slično tome, bavljenje kontračinjeničnim razmišljanjem može pomoći da razmislite o izborima koje ste napravili tako što će pomoći da proširite svoj fokus na razmatranje više referentnih okvira izvan sadašnjeg ishoda. Ovaj tip razmišljanje podstiče da uzmete u obzir različite perspektive i postignete uravnoteženiji pogled na svoje izbore. Razmišljajući suprotno činjenicama, možete osigurati da gledate na postojeće podatke na nepristrasniji način.

Izazovite svoje pretpostavke

Takođe možete da se borite protiv sebičnih predrasuda aktivnim traženjem informacija koje osporavaju uverenja i pretpostavke. Ovo može biti neprijatno, jer može ugroziti identitet i pogled na svet, ali je ključni korak u razvoju nijansirane i informisanije perspektive.

Jedan od načina da to uradite je da se namerno izložite različitim perspektivama kako biste proširili svoje razumevanje problema. Uzmimo Satiju Nadelu, generalnog direktora Majkrosofta. Kada je preuzeo tu ulogu 2014. godine, prepoznao je da fokus kompanije na Windows i Office ograničava njen potencijal rasta. Ne samo da je kompaniji bila potrebna nova strategija, on je prepoznao da i kultura treba da se razvija.

Da bi proširila horizonte kompanije, Nadela je tražio talente iz različitih sredina i industrija, koji su sa sobom doneli raznolik spektar perspektiva. Takođe je podstakao zaposlene u Microsoftu da eksperimentišu i rizikuju, čak i ako je to značilo neuspeh na putu. Namerno izlažući sebe i svoj tim različitim perspektivama i novim idejama, Nadela je uspeo da transformiše Microsoft u inovativniju kompaniju koja je fokusirana na kupce, sa obnovljenim fokusom na računarstvo u oblaku i veštačku inteligenciju.

Istraživanja su otkrila da su ljudi koji aktivno traže informacije koje osporavaju njihova predubeđenja bolje u stanju da ažuriraju svoja uverenja kao odgovor na nove dokaze. Aktivnim traženjem različitih perspektiva i dokaza, možete prevazići ograničenja sebičnih pristrasnosti i donositi bolje informisane odluke.

. . .

Ako postanemo žrtve sebičnih predrasuda, to samo znači da smo ljudska bića. Prevazilaženje takvih predrasuda u našem radu i životu nije samo ključno za postizanje boljih odluka – to je takođe vrlo moguće. Možemo donositi bolje, informisanije odluke — i otključati svoj puni potencijal na poslu i šire — ako postanemo redovne navike gorenavedene tri strategije.

Silicijumska dolina često promoviše brzo skaliranje kao najbolju strategiju za postizanje uspeha startapa. Međutim, nova istraživanja otkrivaju da rano skaliranje, posebno u prvih 12 meseci, značajno povećava rizik od neuspeha startapa, naročito za dvostrane platforme. Ključna poruka za preduzetnike: Budite oprezni s ranim skaliranjem i dajte prednost kulturi eksperimentisanja. Pristup „polako i stabilno“ skaliranju može pružiti održiviji put ka dugoročnom uspehu.

U svetu preduzetništva, gde se sve brzo odvija, uspeh se često oslanja na znanje kada iskoristiti priliku za širenje, a kada pričekati. Pitanje je: Da li je pristup „brzo i besno“ ili „polako i stabilno“ bolji za postizanje uspeha startapa?

U krugovima Silicijumske doline, mnogi zagovaraju brzo širenje poslovanja kao jednu od najefikasnijih strategija za sticanje globalne popularnosti i uspostavljanje jake pozicije na tržištu. U svojoj knjizi iz 2018. godine „Blitzscaling“, Reid Hoffman i Chris Yeh tvrde da je brzina najvažnija prednost u današnjoj ekonomiji, a kompanije poput Facebooka i Ubera pružaju uspešne primere startapa koji su se brzo širili i savladali konkurenciju kako bi dominirali tržištem.

Nažalost, ovaj pristup „brzo i besno“ takođe je doveo brojne kompanije do neuspeha. Na primer, brzi rast Groupona nije omogućio kritičku procenu dugoročne održivosti njihovih ponuda, što je na kraju rezultiralo velikim problemima. Kompanije poput Homejoya i Baroo-a zanemarile su neophodno eksperimentisanje s novim tržištima i previđale ključni proces usklađivanja svojih proizvoda sa potrebama kupaca, što je na kraju dovelo do njihovog propadanja.

Alternativni pristup je „polako i stabilno“. Iako neki tvrde da sporije kretanje omogućava konkurentima da steknu prednost, neke kompanije su postigle ogroman uspeh zahvaljujući strpljenju i strateškom tempiranju svog rasta. Na primer, PillPack, online apotekarski startap osnovan 2013. godine, a kasnije kupljen od strane Amazona 2018. godine, postigao je uspeh pažljivim eksperimentisanjem i strateškim rastom. Nakon opsežnog eksperimentisanja, uključujući učešće u akceleratoru Techstars i saradnju sa IDEO-om za dizajn proizvoda, počeli su značajno da se šire 2016. godine, zapošljavajući širom zemlje, lansirajući PharmacyOS i dostigavši prihod od 100 miliona dolara. Tako je uspeh PillPack-a bio zasnovan na pažljivom tempiranju i sistematskom eksperimentisanju.

S obzirom na ove suprotstavljene podatke, jasno je da je vreme za skaliranje ključno, ali teško za razumevanje i proučavanje. Ovo nas je dovelo do intrigantnog pitanja: Kada startapi treba da skaliraju?

Rizici ranog skaliranja

U našem nedavnom istraživanju analizirali smo obimne podatke iz Burning Glass Technologies i Crunchbase. Ovi podaci uključuju 6,3 miliona oglasa za posao od 2010. do 2019. godine, koje je objavilo 38.217 startapa iz SAD-a. Otkrili smo da, kada startapi počnu da se šire, obično zapošljavaju svog prvog menadžera i prodavca kako bi koordinisali rastuću radnu snagu i proširili bazu kupaca.

Koristeći ovo saznanje, iskoristili smo prve oglase za posao za ove dve uloge kako bismo utvrdili vreme kada startap počinje da se širi. Naše analize su pokazale da rano skaliranje (u prvih 12 meseci od osnivanja) povećava rizik od neuspeha za 20 do 40%. Nadalje, ovaj rizik od neuspeha posebno je izražen za kompanije s dvostranim platformama. Međutim, takođe smo otkrili da, kada startapi inkorporiraju eksperimentisanje putem A/B testiranja, negativni efekat ranog skaliranja na verovatnoću neuspeha opada.

Šta onda pokreće dinamiku između brzine skaliranja, eksperimentisanja i neuspeha? Smatramo da se sve svodi na jednu ključnu silu s kojom se svaki startap mora nositi: rizik od opredeljivanja. Skaliranje zahteva opredeljivanje za ideju, strategiju ili proizvod, čak i ako nije u potpunosti razvijen. Rizik povezan s ovim opredeljivanjem je pojačan kada se startapi prerano šire, jer se „zaključavaju“ u određenom pravcu pre nego što u potpunosti razviju svoj koncept.

Nasuprot tome, kada startapi odvoje vreme za skaliranje, izbegavaju rizik preuranjenog opredeljivanja. Ovaj pristup im omogućava fleksibilnost za eksperimentisanje, usavršavanje svoje ideje i pravljenje poboljšanja tokom vremena. Iako mogu naići na izazove poput konkurencije ili imitacije, dobijaju mogućnost prilagođavanja svojih ideja i strategija. Na osnovu naših saznanja, jasno je da rizik od preuranjenog opredeljivanja nadmašuje potencijalne prednosti brzog rasta.

Posebno za kompanije s platformama, prerano skaliranje može biti štetno za njihov uspeh, uprkos njihovoj potrebi za mrežnim efektima. Ove firme često trebaju više vremena za eksperimentisanje, učenje i razumevanje složenih međuzavisnosti na obe strane svog tržišta. Dodatno, mnoge platforme (poput Amazona, Facebooka ili Ubera) posluju unutar strogo regulisanih tržišta gde je ključno potpuno razumeti regulatorne rizike i politike pre nego što se obavežu.

Uzmimo za primer Olive AI, koji je zatvoren u novembru 2023. godine. Njihovo brzo skaliranje dovelo je do raznolike klijentele, od malih preduzeća do velikih bolnica, što je rezultiralo neusaglašenim korisničkim iskustvom jer su različiti klijenti imali različite potrebe. Umesto da izgrade lojalnu bazu klijenata, Olive AI je prioritet dao pridobijanju što većeg broja klijenata bilo koje veličine kako bi impresionirali investitore svojim rastom. Promišljeniji pristup koji bi uključivao eksperimentisanje i A/B testiranje unutar specifičnih segmenata kupaca pre pune ekspanzije mogao je postaviti temelje za fokusiraniju strategiju i veći uspeh.

Slično tome, uzimo za primer Convoy, koji je prestao s radom u oktobru 2023. godine. Popusti i podsticaji koje su nudili tokom pokušaja da dominiraju tržištem rezultirali su nelojalnim kupcima kada su se tržišne dinamike promenile. Strpljiviji pristup fokusiran na održivu cenu, umesto na uspostavljanje dominacije na tržištu, mogao je potencijalno dovesti do većeg uspeha.

Šta preduzetnici treba da razmotre

Analizirajući kako vreme skaliranja utiče na uspeh startapa, naše istraživanje pruža uvid u ono što preduzetnici treba da prioritizuju prilikom formulisanja strategije za skaliranje:

1. Nemojte žuriti s ranim skaliranjem. Pre svega, startapi treba da budu oprezni s ranim skaliranjem. Uprkos privlačnosti brzog rasta i prevladavajućem narativu da je „brzo i besno“ najbolji put do uspeha startapa, ključno je pristupiti ranom skaliranju s obazrivošću. Izbegavajte širenje poslovanja i opredeljivanje za koncept dok ne postignete podudarnost proizvoda i tržišta. Preuranjeno skaliranje može značajno ugroziti šanse vašeg startapa za uspeh.

2. Prihvatite eksperimentisanje. Drugo, važno je prihvatiti kulturu eksperimentisanja i strateški koristiti A/B testiranje. U dinamičnom okruženju rasta startapa, eksperimentisanje s različitim konceptima, strategijama i segmentima kupaca omogućava preduzetnicima da prikupe dragocene uvide i potvrde pretpostavke pre nego što se obavežu na skup proces skaliranja.

Ograničenje našeg istraživanja je to što ispituje samo jednu dimenziju skaliranja — tačnije, njegovu vremensku dimenziju — i kako ova dimenzija utiče na uspeh i neuspeh startapa. Ostale dimenzije, poput načina (tj. da li se startapi šire organski, putem akvizicija ili putem strateških saveza) ili geografije (tj. koja tržišta ili regione proširuju) takođe mogu značajno uticati na uspeh startapa. Stoga, ostaje mnogo dragocenih uvida u dinamiku skaliranja startapa koje treba otkriti.

. . .

Iako se može činiti manje uzbudljivo i glamurozno u eri kada se slavi brzi rast, strpljenje može osigurati obećavajuću dugoročnu putanju za nove startape. Na kraju, „polako i stabilno“ zaista pobeđuje u trci.

Kako organizacije stiču više „inteligencije“ pomoću alata veštačke inteligencije, lideri bivaju odviknuti od same sposobnosti koja stvara konkurentsku prednost — originalnog prosuđivanja. Dve međusobno povezane sposobnosti oblikuju sposobnost lidera da proizvede originalno razmišljanje: širina percepcije (uočavanje slabih signala i susednih obrazaca izvan očiglednog) i nezavisnost interpretacije (formiranje sopstvenog stava umesto povinovanja modelu ili grupi). Organizacije mogu zaštititi prosuđivanje usvajanjem dve prakse: strukturisane radoznalosti i svesnog neslaganja.

Nedavni izveštaj istraživača sa Harvarda koji proučavaju inovacije ukazao je na zabrinjavajući obrazac. Kako bi testirali kako veštačka inteligencija utiče na ljudsko prosuđivanje, istraživači su sproveli terenski eksperiment, tražeći od 228 iskusnih ocenjivača da procene 48 prijava za globalni izazov socijalnih inovacija na MIT-u. Istraživači su testirali tri uslova: 1) procene isključivo od strane ljudi; 2) procene pomoću LLM-a uz narativno objašnjenje donošenja odluke; i 3) procene pomoću LLM-a bez dodatnog konteksta. Zatim su uporedili odluke ocenjivača sa odlukama koje su donela četiri stručnjaka povezana sa inovacionim izazovom.

Ono što su otkrili bilo je zapanjujuće: kada je AI alat podsticao ljudske ocenjivače da odbace prijave koje je stručni panel odobrio, ljudi su uglavnom prihvatali te preporuke, eliminišući inovacije visokog potencijala. Štaviše, bila je manja verovatnoća da će poništiti netačnu preporuku veštačke inteligencije kada im je ponuđeno narativno objašnjenje. Umesto da poboljša prosuđivanje ocenjivača, narativno objašnjenje ga je pogoršalo.

Ovaj nalaz nije izolovan. Nedavna istraživanja velikih razmera pokazuju da inteligentni alati namenjeni unapređenju prosuđivanja u nekim slučajevima urušavaju upravo onu sposobnost koju bi trebalo da podrže.

U trenutku kada prosuđivanje postaje sve važniji faktor konkurentske diferencijacije, to bi trebalo da navede lidere na razmišljanje. Evo šta mogu da učine kako bi ga zaštitili.

Paradoks originalnog prosuđivanja

Već čitavu deceniju organizacije masovno ulažu u infrastrukturu za podršku odlučivanju koja obećava sve bolje odluke. Ipak, pojavljuje se paradoks: kako organizacije stiču više „inteligencije“, njihovi lideri se odvikavaju od same sposobnosti koja stvara konkurentsku prednost — originalnog prosuđivanja. Pod originalnim prosuđivanjem podrazumevamo jedinstvenu ljudsku sposobnost da se vidi izvan dominantnog narativa i donesu izbori koji odražavaju vaše vrednosti u uslovima neizvesnosti. Ono se nalazi u osnovi gotovo svake priče o konkurentskoj prednosti — od Sema Voltona koji je ignorisao opšteprihvaćeni stav da se diskontni lanac ne može izgraditi u gradu sa manje od 50.000 stanovnika, preko Stiva Džobsa koji je integrisao kaligrafiju u personalni računar, do Džensena Huanga koji se kladio na nedokazanu hardversku emulaciju kako bi radikalno ubrzao izradu prototipova u kompaniji Nvidia.

Dve međusobno povezane sposobnosti oblikuju kapacitet lidera da proizvede originalno razmišljanje: širina percepcije (uočavanje slabih signala i susednih obrazaca izvan očiglednog) i nezavisnost interpretacije (formiranje sopstvenog stava umesto povinovanja modelu ili grupi). U našem radu na prosuđivanju lidera, počeli smo da posmatramo ove faktore ne kao crte ličnosti ili bljeske genijalnosti, već kao merljive mehanizme koji objašnjavaju zašto pojedini lideri uočavaju prelomne tačke i deluju sa ubeđenjem, dok se drugi, jednako inteligentni, po inerciji povinuju pravilima.

Ukratko, originalno prosuđivanje je ono što razdvaja strateške proboje od operativne efikasnosti — a kako se inteligentni sistemi šire kroz upravne odbore, ta sposobnost erodira upravo tamo gde je najvažnija.

Oslanjajući se na nova istraživanja o kognitivnom rasterećenju i pristrasnosti automatizacije, uočavamo da originalno prosuđivanje erodira kroz trostepeni proces. Počinje kognitivnim rasterećenjem dok se lideri sve više oslanjaju na inpute vođene podacima — što je promena koja je sada vidljiva čak i na neuronskom nivou, gde snažno oslanjanje na generativne alate korelira sa merljivo slabijim kognitivnim angažovanjem, a što može prerasti u prihvatanje odgovora veštačke inteligencije bez ozbiljnog preispitivanja. Ono što sledi jeste povinovanje alatima, jer se ljudi oslanjaju na „algoritamski autoritet“ koji u potpunosti ne razumeju, verujući rezultatima čiju logiku ne mogu da vide. Istraživanja profesionalaca koji rade sa analitičkim tehnologijama pokazala su da to može isprazniti samu stručnost koju su ti alati trebali da prošire. Ovo povinovanje zauzvrat stvara organizacionu monokulturu poduprtu istim metrikama, modelima i narativima koji potiču iz samih alata.

Pitanje nije da li lideri treba da koriste veštačku inteligenciju i podatke — treba da ih koriste. Međutim, sofisticirani sistemi za podršku odlučivanju treniraju lidere da se povinuju, a ne da stvaraju originalne ideje.

Pored literature o dizajnu u nastajanju koja postavlja pitanje kako izgraditi veštačku inteligenciju koja podstiče bolje razmišljanje, mi otvaramo prethodno pitanje: kako lideri razvijaju prosuđivanje koje nijedan interfejs ne može da pruži. Oslanjajući se na to kako su istorijski naučni proboji prevazišli ukorenjeni konsenzus svog vremena — slično povinovanju sa kojim se danas suočavamo pred inteligentnim sistemima — izdvojili smo dve prakse koje lideri mogu svesno da izgrade: strukturisanu radoznalost i svesno neslaganje.

Strukturisana radoznalost

Do kasnih 1960-ih, malarija je razvila otpornost na hlorokin, a zapadni farmaceutski programi — nakon testiranja stotina hiljada jedinjenja — iscrpeli su verovatne kandidate. Tu Juju, hemičarka bez doktorske titule na Akademiji tradicionalne kineske medicine, odlučila je da pogleda tamo gde niko drugi nije gledao. Pregledala je 2.000 drevnih tekstova, identifikovala slatki pelin i, nakon što su rani eksperimenti razočarali, primetila detalj u rukopisu iz četvrtog veka: ekstrahovati na sobnoj temperaturi umesto ključanja biljke. Taj izbor doveo je do artemizinina, koji je danas temelj globalnog lečenja malarije.

Tu je praktikovala ono što nazivamo strukturisanom radoznalošću: disciplinovano prikupljanje sa marginalnih područja, organizovano slaganje slabih signala i svesno odlaganje preuranjenog donošenja zaključka kada dominantni tok ideja presuši.

U organizacijama, ovo predstavlja razliku između pukog izgovaranja „budite radoznali“ i kreiranja sistema za to. Bez strukture, radoznalost se urušava pod vremenskim pritiskom, sistemom nagrađivanja i monokulturom. Preporučujemo ono što nazivamo metodom CAST kako bi se izgradili mehanizmi koji podržavaju strukturisanu radoznalost.

Prikupljajte sa margina.

Liderima nije potrebno više podataka, već raznovrsniji podaci — ekstremni slučajevi, slabi signali, neobični izvori — jer tačnost predviđanja manje zavisi od obima, a više od raznolikosti. Prikupljanje sa margina podrazumeva projektovanje kanala za neočigledne ulazne podatke — atipične klijente, pritužbe i zamalo izbegnute greške, susedne discipline — tako da anomalije isplivaju na površinu pre nego što ih sistemi svedu na prosek.

Povežite raznorodne signale.

Sirove anomalije izgledaju kao šum sve dok lider ne uspostavi strukturu; najbolji stratezi ne pobeđuju time što znaju više, već organizovanjem onoga što znaju u strukture koje prenose rešenja iz jedne oblasti u drugu. U praksi, povezivanje raznorodnih signala znači pronalaženje jednostavnih, disciplinovanih načina za postavljanje signala jednih pored drugih — tematske mape, dijagrame ponavljajućih incidenata, „biblioteke slučajeva“ ekstremnih primera — tako da lideri preispituju obrasce umesto da reaguju na izolovana iznenađenja.

Odložite prerano donošenje zaključaka.

Pod vremenskim pritiskom, lideri eliminišu dvosmislenost, priklanjajući se poznatim narativima ili preporukama modela. Odlaganje preranog donošenja zaključaka čuva vremenski interval u kome alternative mogu isplivati pre nego što se okvir učvrsti. Prakse poput „ne slaži se, ali se posveti realizaciji“ — očuvanje debate pre zatvaranja rasprave, stavljajući na stranu povinovanje hijerarhiji, konsenzusu ili algoritmu — sprečavaju preuranjeno donošenje zaključaka.

Podstaknite alternativna tumačenja.

Jednostavni planovi tipa „ako-onda“ koji povezuju određeni signal sa reakcijom povećavaju verovatnoću da lideri deluju na osnovu prethodnog promišljanja umesto navike, pretvarajući radoznalost u redovnu praksu čak i pod pritiskom. Za lidere, podsticanje alternativnih tumačenja znači pretvaranje tih signala u nekolicinu konkretnih pravila „ako-onda“ koja se aktiviraju pri stvarnim odlukama, pružajući obrascima šansu da preoblikuju izbore pre nego što dođe do povinovanja.

Organizovanje za strukturisanu radoznalost.

Individualna radoznalost nije dovoljna ako organizaciona arhitektura trenira ljude da se povinuju. Jedna globalna kompanija sa kojom je jedan od nas sarađivao — iskustvo koje je pomoglo u oblikovanju CAST metoda — ugradila je strukturisanu radoznalost u način na koji razvija buduće lidere.

Suočavajući se sa transformacijom iz masovne proizvodnje u ekosistem usmeren na zdravlje, kompanija je sprovela namerno neprijatan program: 15 lidera visokog potencijala raspoređeno je u pet neusklađenih timova od po troje ljudi, pri čemu je svakom timu dodeljen kompleksan izazov van njihove ekspertize, uz obavezu da jedan dan nedeljno tokom devet meseci posvete sprovođenju eksperimenata uživo bez unapred definisanog rešenja. Cilj nisu bili tačni odgovori, već originalan put. Reakcije su bile mešavina uzbuđenja i straha, ali je ta nelagodnost stvorila nesvakidašnje poverenje, i tokom pet godina to je postao prepoznatljiv pristup kompanije za razvoj liderstva.

Svesno neslaganje

Decenijama je naučni konsenzus pripisivao peptičke ulkuse stresu i kiselini; ideja da bakterije mogu preživeti u želucu smatrana je smešnom. Patolog Robin Voren je uporno viđao spiralne bakterije u želudačnim biopsijama. Dok je većina kolega to ignorisala, njegov prvi saveznik bila je njegova supruga Vin, obučena medicinska sestra, koja ga je podstakla da istraje. Kada se Beri Maršal, lekar na specijalizaciji, pridružio Vorenovom istraživačkom timu, izgradili su promišljenu mrežu neslaganja — prateći 100 pacijenata, a zatim se oslanjajući na kritičare iz srodnih oblasti kako bi preispitali njihove metode i plasirajući rane radove u skeptičnim naučnim krugovima.

Ta mreža je postigla dve stvari: učvrstila je dokaze — serija od 100 pacijenata i spoljna metodološka kritika učinile su nalaze teškim za odbacivanje — i, što je presudno, stvorila je zamah u srodnim oblastima koje su bile spremnije da saslušaju nego što je to bilo skeptično jezgro gastroenterologije. Mikrobiolozi i epidemiolozi, manje opterećeni dogmom o stresu i kiselini, mogli su da procene bakterijske dokaze na osnovu njihovih stvarnih argumenata. Njihova rastuća podrška pružila je argumentu kredibilitet koji autori nisu mogli sami da proizvedu.

Tokom jedne decenije, sporedna podrška koju su kultivisali promenila je konsenzus sve dok tela za izradu smernica nisu prihvatila Helicobacter pylori kao primarni uzrok većine čireva.

Lekcija nije samo u tome da neslaganje može biti ispravno; već u tome da neslaganje retko opstaje dovoljno dugo da se dokaže bez svesnog društvenog osnaživanja. Većina neslaganja ne propada zato što je ideja slaba, već zato što njeni autori bivaju izolovani pre nego što se dokazi akumuliraju.

U organizacijama koje oblikuje veštačka inteligencija, problem se produbljuje. Izlazni rezultati sistema dolaze sa velom objektivnosti zbog kojeg neslaganje deluje iracionalno, pa lideri uče da je bezbednije uskladiti se nego postavljati pitanja.

Očuvanje originalnog prosuđivanja znači tretiranje neslaganja kao sposobnosti koju treba negovati kroz tri elementa, što nazivamo RED metodom.

Regrutujte nezavisne perspektive.

Neslaganje se retko spontano javlja unutar homogenih liderskih grupa okupljenih oko funkcionalne ekspertize i kulturološkog uklapanja — osobina koje jačaju usklađenost, ali smanjuju raznolikost interpretacija. Ipak, istraživanja o uticaju manjine pokazuju da čak i jedan nezavisan glas proširuje način na koji grupe obrađuju informacije. Za lidere, regrutovanje nezavisnih perspektiva znači namerno uvođenje ljudi čija se disciplina ili kognitivni stil razlikuju od dominantne grupe. Vi tražite raznolikost tumačenja, a ne samo identiteta.

Uključite se kroz strukturisano preispitivanje.

Regrutovanje različitih glasova je samo prvi korak; bez strukturisanog angažmana, izazivanje postojećih stavova postaje performativno — ritualna uloga „đavoljeg advokata“ koja samo učvršćuje dominantni narativ. U organizacijama, uključivanje kroz strukturisano preispitivanje podrazumeva uvođenje mehanizama kao što su „pre-mortem“ analize odluka, koje ispituju kako bi preovlađujuće pretpostavke mogle da propadnu pre nego što očvrsnu u konsenzus.

Dijalog koji se održava tokom vremena.

Neslaganje je uvežbana socijalna veština, a ne moralni stav. Održavanje neslaganja znači suprotstavljanje uz očuvanje poverenja koje omogućava uticaj. Kada se dobro izvede, dijalog koji se održava tokom vremena pretvara tenziju u poligon za originalnost: lideri uvežbavaju kako da izraze manjinski stav, prilagode ton i vreme i testiraju argumente u prostoru zaštićenom od politike. To znači negovanje malih krugova pouzdanih partnera koji preispituju njihove pretpostavke — i činjenje istog zauzvrat — tako da, kada dođe trenutak odluke, neslaganje deluje manje kao herojski izuzetak, a više kao prirodna navika.

Organizovanje za svesno neslaganje

Dve globalne kompanije sa kojima smo radili izgradile su savetodavne mreže koje funkcionišu kao zaštićena okruženja za neslaganje. Umesto da se oslanjaju na procese upravnog odbora ili izvršnog rukovodstva — gde dinamika moći i karijerni podsticaji sputavaju neslaganje — okupile su male grupe spoljnih stručnjaka izvan linija izveštavanja, čiji zadatak nije bio pružanje gotovih odgovora, već testiranje logike pod pritiskom i iznošenje alternativa pre nego što bi bilo bezbedno pokrenuti ih u salama za sastanke.

Vremenom su ove sesije postale poligon za obuku umesto arene za dokazivanje. Lideri su dolazili sa stvarnim dilemama i iskrenim sumnjama, a savetnici su prešli sa učtivog ispitivanja na direktnu kritiku projekata do kojih je liderima bilo posebno stalo. Jedan generalni direktor divizije zatražio je da dovede čitavu svoju grupu kolega samo da bi bili rigorozno izazvani na mestu gde ih niko ne ocenjuje.

Tako izgleda organizovanje za neslaganje — ne čekate hrabrost na sastanku sa visokim ulozima; gradite društvenu arhitekturu u kojoj lideri uvežbavaju iznošenje oprečnih stavova, tako da konsenzus preživi stvarno trenje umesto veštački stvorene usklađenosti.

Vođenje izvan ere povinovanja

U svakoj eri, prelomni napredak je zavisio od ljudi voljnih da primene originalno prosuđivanje uprkos uvaženim dogmama. Ono što definiše njihove proboje nije buntovništvo, već disciplinovana sposobnost da vide dalje od ponuđenog modela i drže se tog stava sve dok ga stvarnost ne sustigne. Zadatak liderstva nije biranje između ljudi i mašina, već svesna izgradnja praksi — poput strukturisane radoznalosti i svesnog neslaganja — koje održavaju ljudsku originalnost dovoljno snažnom da nadglasa sve ubedljivije sisteme.

Veštačka inteligencija je neka vrsta katalizatora; to je sledeći talas istinski transformativne tehnologije sa potencijalom koji još uvek ne možemo u potpunosti da zamislimo ili cenimo. Kompanije će početi da koriste ovu novu tehnologiju da rade „stare stvari“ pre nego što otkriju nove mogućnosti koje ona stvara. Dakle, kako bi trebalo da se bave ovim procesom? Trebalo bi da: počnu sa eksperimentisanjem, primenu radi produktivnosti, transformišu iskustva, a zatim pokušaju da izgrade nove stvari. Tokom ovog procesa, oni bi trebalo da daju prioritet bezbednosti i odgovornoj upotrebi.

Nedavno sam, kao i milioni ljudi, koristio aplikaciju za deljenje vožnje na svom pametnom telefonu. Bilo je prilično bez događaja i nisam mnogo razmišljao. Deljenje vožnje je jednostavno i zgodno, a sada je industrija vredna 80+ milijardi dolara. Ali nije bilo tako davno da ovaj način prevoza nije ni postojao. Imali smo automobile, imali smo jahače, imali smo vozače; ali za rad, za deljenje vožnje su potrebni pametni telefoni. Kada su oni stigli, pojavila se i ogromna raznolikost pogodnosti i novih iskustava – od kojih su neka postala čitava industrija – koja nikada nismo mogli da zamislimo.

Veštačka inteligencija je slična vrsta katalizatora; to je sledeći talas istinski transformativne tehnologije sa potencijalom koji još uvek ne možemo u potpunosti da zamislimo ili cenimo. To je odlučujuća tehnologija našeg vremena, koja menja način na koji živimo i radimo. U celoj svojoj karijeri u tehnologiji, nikada nisam bio uzbuđeniji i optimističniji nego sada. Imam kolegu iz Microsofta koji ovako govori o AI: Morate da koristite „novu stvar“ da biste bolje uradili stare stvari. Zatim koristite novu stvar da ... radite nove stvari. On je u pravu.

Razmotrimo primer iz zdravstvene zaštite. Pejdž je softverska kompanija koja koristi veštačku inteligenciju da promeni način na koji lekari identifikuju, dijagnostikuju i leče rak. Sa pravilno obučenim i podešenim modelima, veštačka inteligencija može da gleda hiljade digitalnih slika patologije, piksel po piksel, i da brže i preciznije detektuje abnormalnosti. Zamislite šta ovi alati mogu otključati ne samo za patologe i doktore, već i za pacijente. To znači ranije otkrivanje bolesti, zdraviji život i više vremena sa voljenima.

Trenutno svaka kompanija, bez obzira na veličinu ili industriju, treba da razmišlja o AI. AI se kreće od svoje auto-pilot faze, koja se odnosila na uske, namenski napravljene alate koji koriste modele mašinskog učenja za predviđanja, preporuke i automatizaciju, na fazu kopilota. Lideri koji sada prihvataju veštačku inteligenciju i preduzimaju mere da je razumeju, eksperimentišu sa njom i zamišljaju kako ona može da reši teške probleme, vodiće kompanije koje napreduju u svetu veštačke inteligencije.

Ali odakle treba da počnu? Skoro svaki dan razgovaram sa poslovnim liderima koji postavljaju važna pitanja o potencijalu veštačke inteligencije. Bez obzira gde se nalazite na svom AI putovanju, svaki lider je dužan da prihvati ovo jedinstveno vreme i iskoristi prednosti ove moćne tehnologije. Ako niste sigurni kako da počnete ili kako da napredujete, niste sami. Kao i svaka vežba poslovnog planiranja, razmislite o svojoj strategiji veštačke inteligencije u fazama. Prihvatite agilnost i promene i zadržite način razmišljanja o kontinuiranom učenju, kalibrišući i prilagođavajući svoj plan igre dok idete.

Započnite eksperimentisanjem

Najbolji način da naučite o AI je da ga koristite. Retko se dešava da nova i disruptivna tehnologija bude odmah dostupna. Ova jeste. Većina lidera sa kojima razgovaram isprobala je popularne AI aplikacije kao što su ChatGPT ili novi Bing. Postoji mnogo drugih opcija, ali poenta je da budete radoznali.

Pokušajte da ga primenite na bilo koji zadatak koji je pred vama i vidite u čemu je dobar, a u čemu nije. Koristite ga da generišete pitanja za intervju, napišete belešku, istražite i rezimirate temu o kojoj želite da saznate više ili da pokrenete razmišljanje o dokumentu. Koristio sam Bing i ChatGPT da mi pomognu da dobijem ideje za govor. Koristio sam Microsoft 365 Copilot, AI integraciju u Microsoftove aplikacije za generisanje slajdova, za pronalaženje i sumiranje dokumenata koji dele istu temu i za rezimiranje razmene e-pošte sa kolegama. Korišćenjem i eksperimentisanjem sa veštačkom inteligencijom, bićete u boljoj poziciji da zamislite kako bi ona mogla da se koristi u vašoj organizaciji – i verovatno znate bolje od bilo koga gde postoje mogućnosti i potencijal.

Primena za produktivnost

Kada je u pitanju produktivnost, kopiloti veštačke inteligencije — od Microsoft-a i drugih — mogu se primeniti ili ugraditi u aplikacije kako bi pomogli ili pojednostavili određene zadatke. Manje od dve godine od svog lansiranja, GitHub-ov Copilot već piše 46% koda u svom spremištu i pomaže programerima da kodiraju do 55% brže. Zamislite šta programeri rade sa tim dodatnim vremenom. Tri od četiri korisnika kažu da im to pomaže da sačuvaju mentalnu energiju i da se fokusiraju na posao koji zadovoljava. Rečeno na drugi način: Stvaranje novih stvari i rešavanje novih problema.

Uzmite u obzir tokove posla i aktivnosti vođene procesima u preduzeću: stvari kao što su platni spisak, prijem u radni odnos ili podrška IT službi za pomoć. Ovo su sve ponovljivi procesi zasnovani na pravilima koji se mogu pojednostaviti AI. Ovo je pokretač čitave nove kategorije AI softvera koji može da se nosi sa ručnim zadacima i preoblikuje niz poslovnih procesa.
Postoji još jedan način da razmišljate o AI za produktivnost: vreme. Ako se bavite otkrivanjem prevara ili ste bezbednosni analitičar, vreme može biti najveća prednost ili najveći izazov. Ako možete da skratite vreme koje je potrebno da se pročešlja mnogo podataka bogatih i vremenski osetljivih informacija, već ste bolji i efikasniji u svom poslu.

Transform Experience

Danas veštačka inteligencija već utiče na to kako preduzeća isporučuju bolje, brže, efikasnije ili potpuno novo iskustvo, od prediktivnog teksta na telefonu do robota za ćaskanje na web lokacijama do predloženih pretraga kada otvorite pregledač.

Na primer, PvC koristi uslugu Azure OpenAI za proširenje i skaliranje sopstvene ponude veštačke inteligencije, dok takođe pomaže klijentima u industrijama kao što su osiguranje ili zdravstvo da preispitaju svoje poslovanje koristeći moć generativne veštačke inteligencije. CarMak ga koristi da analizira stotine hiljada recenzija kupaca i da navede ključne informacije za kupce o svakoj marki, modelu i godini vozila u svom inventaru.

Čak i u svojim ranim fazama, AI takođe poboljšava iskustvo zaposlenih. Nedavno istraživanje kompanije Microsoft otkrilo je da se 89% zaposlenih i onih koji donose poslovne odluke sa pristupom automatizaciji i alatima sa veštačkom inteligencijom osećaju ispunjenije. Kažu da je to zato što mogu da potroše vreme na posao koji je zaista važan. Devet od 10 reklo je da želi priliku da primeni AI rešenja na još više zadataka i aktivnosti.

Vidim da se to već dešava u nekim organizacijama sa kojima radim. Oni teže naprednijoj veštačkoj inteligenciji u slučajevima korišćenja kao što su korisnička podrška, pomoć pri pisanju ili ekstrakcija i klasifikacija podataka. Zajednička nit svakog od njih uključuje korišćenje veštačke inteligencije da bi se iskoristili resursi ili informacije koje već imate za transformaciju iskustava za ljude.

Izgradite nove stvari

Gore navedeni koraci su verzije korišćenja „nove stvari“ da se stare stvari bolje urade, da pozajmim izraz moje kolege. Ali kako možete iskoristiti novu stvar da zaista radite nove stvari? Šta možete učiniti da je potpuno drugačije? Kako možete oduševiti kupce i stvoriti nove linije poslovanja, a sa njima i nove prihode?

Ovo je sada izazov pred poslovnim liderima; i to je teško. Odgovor počinje integracijom AI u organizaciju i ponavljanjem odatle. Jer dok će AI omogućiti ljudima i organizacijama da postignu više, mi smo na samom početku definisanja kako „više“ izgleda. Ali da bismo krenuli napred, moramo da stvorimo uslove koji će nam pomoći da otkrijemo šta sledi.

Jedna od zaista uzbudljivih stvari u korišćenju veštačke inteligencije da bi bila efikasnija – bilo da je to korišćenje generativne veštačke inteligencije za dobijanje ideja ili za sprovođenje istraživanja – je to što vam omogućava da dublje razmislite o konceptu ili problemu koji pokušavate da rešite. Nije veliki skok zamisliti kako će ovaj nivo koncentrisanih napora omogućiti kompanijama da brže razviju zaista nova i inovativna rešenja; a zatim iskoristiti efekat snežne grudve te brzine.

U celini: dajte prioritet bezbednosti i odgovornoj veštačkoj inteligenciji

Pored svih obećanja AI, jedno je sigurno. Nećemo ostvariti puni potencijal veštačke inteligencije bez zaštite. Tehnologija je uvek bila akcelerator i pokretač. AI se ne razlikuje, ali predstavlja potencijalne rizike kojima se mora upravljati.

Za bilo koju kompaniju, uspeh inicijativa odgovorne veštačke inteligencije zavisi od najmanje tri stvari. Prvo, potrebno je posvećeno i uključeno vođstvo. (Microsoftov potpredsednik i predsednik, Bred Smit, i naš glavni tehnološki direktor, Kevin Skot, predsedavaju našim odgovornim savetom za veštačku inteligenciju.) Drugo, kompanije moraju da izgrade inkluzivne modele upravljanja i smernice koje se mogu primeniti, kao što smo i mi uradili. Konačno, oni takođe moraju da investiraju u odgovornu veštačku inteligenciju u vidu novih inženjerskih sistema, inkubacija koje su vođene istraživanjem, i u ljude koji će obezbediti da se principi odgovorne veštačke inteligencije sprovedu u praksi. U Microsoftu imamo stotine ljudi koji rade na ovome, a za mnoge od njih to je posao sa punim radnim vremenom. Osim toga, usvojili smo način razmišljanja da je odgovorno korišćenje veštačke inteligencije odgovornost koju svi delimo, bez obzira na vašu ulogu.

. . .

Mapa puta AI će biti različita za svaku organizaciju i izgleda drugačije u zavisnosti od toga da li ste tehnološka kompanija ili ne. Veća je verovatnoća da su tehnološke kompanije već implementirale neki oblik inteligentnog agenta u svoja softverska iskustva, na primer. Ali za sve, potencijal je ogroman, a vreme za početak je sada.

Baš kao što su pametni telefoni potrebni za deljenje vožnje, postoje još zamišljene industrije kojima će biti potrebna veštačka inteligencija da bi se pokrenula. Većina nas prepoznaje da će AI potpuno promeniti igru. Vidimo praktične primene - ne samo za tehnološki pejzaž već i za čovečanstvo, i to je ono što je zaista duboko u ovome.

Tržište veštačke inteligencije se brzo kreće, a ciklusi ui oko AI su brži nego što smo ikada videli. Upravo sada, postoji ogromna prilika za poslovanje lideri da prihvate veštačku inteligenciju i prilagode se dubokim promenama koje dolaze. Postoji eksponencijalno veće mogućnosti za preduzeća koja koriste veštačku inteligenciju da vode i pokrenu tu promenu.

Ambiciozni preduzetnici se sve više okreću veštačkoj inteligenciji (AI) kako bi podstakli rast, inovacije i efikasnost. Koristili su AI da bi se takmičili sa velikim igračima, pokazujući da mali timovi mogu postići izvanredan uticaj. Preduzetnici koji nameravaju da zaposle više od 20 ljudi znatno češće smatraju AI ključnom za svoje poslovne modele. Uprkos entuzijazmu, izazovi kao što su troškovi, implementacija i privatnost podataka i dalje postoje. Ali postavljanje strateškog tempa, jačanje saradnje između ljudi i AI, i podsticanje eksperimentisanja koje vode zaposleni može pomoći.

Kada je tim u kompaniji Anysphere 2022. godine pokrenuo Cursor – AI asistenta za kodiranje – oni nisu bili dobro finansirani gigant. Bili su mala grupa programera koja je gradila pametniji način za pisanje koda. U roku od nekoliko meseci, takmičili su se sa alatima kompanija OpenAI i GitHub, dokazujući da čak i najmanji timovi mogu da postignu mnogo više nego što se od njih očekuje kada ih pokreće AI. Ova vrsta skalabilnog, inteligentnog dizajna više nije isključivi domen velikih firmi ili tehnoloških startapova. Iako su Anysphere i drugi slični njima još uvek na početku svog puta, oni pokazuju kako ambiciozni preduzetnici mogu da iskoriste AI za ubrzavanje donošenja odluka, otključavanje novih tržišta i optimizaciju poslovanja. Naše najnovije istraživanje Global Entrepreneurship Monitor (koje je obuhvatilo više od 2.300 američkih preduzetnika) pokazuje da preduzetnici sa ambicijama za rast – ambiciozni preduzetnici – mnogo češće smatraju AI ključnom za svoje poslovne modele i budući uspeh. Kako bismo vodili ove poduhvate, u nastavku predstavljamo praktičan okvir za rast uz pomoć AI.

Važnost ambicioznih preduzetnika

Mala preduzeća čine 99% svih firmi u SAD i skoro polovinu zaposlenih u privatnom sektoru, prema podacima američkog Biroa za statistiku rada (U.S. Bureau of Labor Statistics). Takođe, konstantno nadmašuju veće firme u otvaranju novih radnih mesta (U.S. Census Bureau). Ali mnogo manji podskup – ambiciozni preduzetnici – pokreće najtransformativnije promene. Podaci Global Entrepreneurship Monitora pokazuju da samo 18% američkih preduzetnika očekuje da će zaposliti 20 ili više ljudi u narednih pet godina. Ovi preduzetnici se ističu: imaju preko četiri puta veću verovatnoću da će uvesti nove proizvode ili usluge u poređenju sa onima koji ne predviđaju zapošljavanje, što ih pozicionira kao katalizatore i za otvaranje radnih mesta i za inovacije. Ovi ambiciozni preduzetnici ne teže samo rastu – oni teže da remete, skaliraju i vode. Oni vide AI kao ključnu za postizanje tih ciljeva. I postižući ih, oni nesrazmerno doprinose ekonomskoj obnovi.

Usvajanje AI u preduzetništvu

Lideri velikih firmi se uveliko slažu da AI transformiše industrije, remeti radne tokove i redefiniše poslovne modele sa neviđenom brzinom. U globalnoj anketi kompanije Deloitte, 78% rukovodilaca je izjavilo da planira da poveća svoja ulaganja u AI tokom naredne godine. Ali ovo nije samo priča o disruptivnim promenama na nivou preduzeća. Generativni AI alati demokratizuju sposobnosti koje su nekada bile rezervisane za velike timove i velike budžete.

Ipak, uprkos širenju dostupnih AI aplikacija, postoji relativno malo istraživanja o percepcijama usvajanja AI među malim i srednjim preduzećima. Jedna od retkih dostupnih anketa pokazala je da samo 21% malih preduzeća koristi AI ili planira da ga koristi u naredne dve godine. Međutim, naši GEM podaci otkrivaju jasniju sliku: ambiciozni preduzetnici – oni koji predviđaju zapošljavanje najmanje 20 novih radnika u narednih pet godina – stavljaju mnogo veći naglasak na AI. Preciznije, 87% njih predviđa da će AI biti ključna za njihov poslovni model i strategiju u naredne tri godine. Preko 90% očekuje pozitivne uticaje na prihod i rast, pri čemu većina navodi prednosti kao što su razvoj inovativnih proizvoda i usluga, poboljšana produktivnost i efikasnost, unapređena personalizacija za kupce i bolje upravljanje rizikom i usklađenošću.

Ovo nije samo teorija. Preduzetnici mogu izgledati bolje pozicionirani od velikih firmi za integraciju AI. Novi poduhvati mogu da grade procese vođene veštačkom inteligencijom od prvog dana, a etabliranija mala preduzeća često posluju sa manje od pet zaposlenih – dovoljno agilni da izbegnu birokratiju. Ali mala veličina takođe može biti ograničenje. Ograničeni finansijski i ljudski resursi, posebno za netehnološke firme koje ređe dobijaju rizični kapital, znače da je rast – a ne usvajanje tehnologije – često prioritet. U nedostatku značajnih internih tehničkih timova, mnogi osnivači se suočavaju sa stvarnim izazovima u usvajanju i upravljanju naprednom tehnologijom.

Čak i među ambicioznim preduzetnicima, entuzijazam za AI ne nadjačava zabrinutost. Glavne brige uključuju troškove i prepreke u implementaciji (84%), kao i otpor zaposlenih (72%) i/ili kupaca (81%). Osamdeset osam posto je navelo privatnost podataka kao ključnu brigu. Iako GEM podaci pokazuju da ambiciozni preduzetnici češće posluju u tehnološki intenzivnim sektorima – ili agresivno koriste tehnologiju u svom poslovanju – oni i dalje predstavljaju tek nešto više od 10% ambicioznih preduzetnika koje smo anketirali. To sugeriše da većina možda nema tehnološke veštine ili orijentaciju koja bi omogućila takva ulaganja. AI već dugo pomaže u unapređenju ljudskog rada.

Robotska automatizacija procesa obavlja ponavljajuće pozadinske zadatke, dok analitička AI podržava brže i tačnije donošenje odluka o predviđanju, određivanju cena i ciljanju kupaca. Generativna AI sada omogućava preduzetnicima da testiraju marketinške strategije ili poslovne modele za nekoliko dana umesto nedelja – i da kreiraju sadržaj, od prezentacija za investitore do koda, uz minimalan unos.

AI takođe transformiše industrije koje se tradicionalno ne smatraju tehnološki naprednim. Stuccco, kompanija za virtuelno uređenje nekretnina, sve više dodaje AI mogućnosti svojim renderima uređenih prostora. ImagineInteriors.ai, na primer, je proizvod obučen na dizajnima koje su stvorili ljudi, a koji će profesionalcima u nekretninama pružiti vizualizaciju proizvoda i virtuelno uređenje. Druga ponuda omogućava potrošačima da sami kreiraju uređenja sa proizvodima koji se mogu kupiti. Ono što je nekada zahtevalo nameštaj i nedelje priprema, sada će biti urađeno za nekoliko sati uz fotorealistične AI rendere – omogućavajući malim firmama da se takmiče sa luksuznim agencijama. Ovi alati ne zamenjuju ljudsko rasuđivanje – oni ga proširuju.

Nedavno je uspon agentivne AI – alata koji mogu samostalno obavljati digitalne zadatke – proširio ove mogućnosti. Preduzetnici sada mogu automatizovati izradu veb-sajtova, obradu transakcija, korisničku podršku i istraživanje tržišta. Iako je ljudski nadzor i dalje ključan, ovi agenti značajno povećavaju kapacitet. Ukratko, AI pomaže preduzetnicima da rastu pametnije, a ne samo veće.

Okvir za preduzetnike

Da bismo vodili preduzetnike – posebno one sa visokim ambicijama za rast – razvili smo praktičan, prilagodljiv okvir za usvajanje AI. Koristan je i za one koji podržavaju preduzetničke poduhvate, uključujući investitore, savetnike i partnere u ekosistemu. Ovaj okvir se mora primeniti uz razumevanje resursa, konteksta i težnji svakog poduhvata. Poduhvat sa dubokim tehničkim sposobnostima imaće drugačiji pristup od startapa sa ograničenim finansijskim ili tehničkim resursima. U svim slučajevima, međutim, važi jedan princip: usvajanje AI ne može biti isključivo odozgo-nadole.

Odredite pravac i tempo usvajanja AI.

Prvo pitanje koje preduzetnici moraju postaviti nije samo da li da usvoje AI – već kako i koliko brzo. Dok neke firme pokušavaju sa potpunom implementacijom, većina ima koristi od postepenog usvajanja zasnovanog na učenju iz eksperimentisanja. Kao što preduzetnici često razvijaju minimalno održive proizvode, tako mogu razviti i minimalno održive slučajeve upotrebe AI. Automatizacija ponavljajućih zadataka, bilo pomoću RPA ili sve više AI agenata, retko zahteva velike promene u procesima. Ove rane primene grade zamah i unutrašnju podršku.

Neka preduzeća daju prioritet prilikama visoke vrednosti koje donose prihod, kao što je korišćenje AI za efikasnije lansiranje novih proizvoda ili proširenje dosega do kupaca. Druga počinju sa laganim alatima za uštedu troškova koji su ugrađeni u postojeće sisteme.
I, preduzetnici ne moraju odmah da grade internu stručnost za AI. Mnogi počinju radeći sa kompanijama koje ugrađuju AI u alate dizajnirane za njihovu industriju. Netic, na primer, je dobavljač rešenja za HVAC, vodovodne i električarske poslove. Nudi AI za automatizaciju i predviđanje angažovanja kupaca, zakazivanja i marketinga. Optimizacijom ovih operativnih zadataka, Netic pomaže sebi i svojim klijentima, malim uslužnim firmama, da poboljšaju efikasnost bez dodavanja novih zaposlenih ili tehničke infrastrukture.
Alati poput ovih daju preduzetnicima niskorizičan način da potvrde potencijal AI. Preduzetnicima koji žongliraju sa više uloga, oni oslobađaju vreme da se fokusiraju na rast. Iako oslanjanje na spoljne dobavljače AI možda neće doneti trenutnu konkurentsku prednost, ono gradi organizaciono samopouzdanje i utire put za strateškije, interno eksperimentisanje u budućnosti.

Ojačajte komplementaran odnos sa AI.

Iako AI optimizuje radne tokove i automatizuje zadatke, ona nije potpuna zamena za ljudske veštine. Odlična je u obradi podataka, prepoznavanju obrazaca i izvršavanju ponavljajućih ili zadataka zasnovanih na pravilima. Ljudi donose kritičko razmišljanje, empatiju, rasuđivanje i prilagodljivost – veštine koje mašine ne mogu da repliciraju. Prilika leži u dizajniranju radnih tokova gde ljudi i mašine koriste svoje prednosti.

Razmotrite kako čak i uslužno orijentisana preduzeća unapređuju personalizaciju pomoću AI. Style DNA, na primer, počeo je kao usluga ličnog stilizovanja usmerena na pomaganje korisnicima da maksimalno iskoriste svoju postojeću garderobu. Da bi proširila svoj uticaj i poboljšala personalizaciju, kompanija je kasnije integrisala AI u svoju platformu – koristeći prepoznavanje slika i učenje o preferencijama kako bi predložila odabrane odevne kombinacije na osnovu fotografija koje korisnici postave i njihovih profila stila. Dok aplikacija generiše modne preporuke zasnovane na podacima, korisnici ostaju u kontroli, birajući konačni izgled koji odražava njihov ukus. Ovaj hibridni model spaja ljudsku kreativnost sa mašinskom inteligencijom i takođe podržava održivu modu podstičući ponovnu upotrebu umesto nove potrošnje.

U preduzetničkim poduhvatima gde zaposleni obavljaju mnogo različitih poslova, AI može preusmeriti članove tima sa ponavljajućih zadataka na kreativnije uloge okrenute klijentima. Ova tranzicija produbljuje angažovanje, poboljšava zadržavanje zaposlenih i povećava vrednost ponude kompanije. Preduzetnici bi trebalo da predstave usvajanje AI ne kao pretnju, već kao način za jačanje ljudskog potencijala.

Implementirajte kao inicijativu koju vode zaposleni, inspirisanu kolegama.

Za razliku od velikih firmi, većina preduzetničkih poduhvata ne može da zaposli posvećene AI timove. Ali i dalje mogu biti vodeći u usvajanju osnaživanjem „građana programera“ ili „vibe kodera“ – radoznalih, tehnološki pismenih zaposlenih koji su voljni da eksperimentišu, čak i bez formalne obuke za AI. Ovi članovi tima razumeju radne tokove i kulturu kompanije, što ih čini idealnim ranim usvajačima.

Gotovo svaki jezički model sada može da generiše kod. Postoje i specijalizovani alati koji mogu da koriste AI za kreiranje veb-stranica, prezentacija, poslovnih planova, istraživanja tržišta, dizajna proizvoda, logotipa i skoro svake druge digitalne komponente koja je potrebna malim preduzećima. Ovi alati su obično jeftini ili čak besplatni. U preduzetničkom okruženju, ovakva dostupnost je multiplikator snage.

Ovo usvajanje odozdo-nagore gradi poverenje, a GEM podaci pokazuju da su preduzetnici zabrinuti da se njihovi zaposleni plaše AI. Ali veća je verovatnoća da će oni prihvatiti tehnologiju kada je uvedu kolege, a ne kada je nametnuta sa vrha. Vremenom, ovi rani usvajači postaju interni šampioni koji modeliraju najbolje prakse i grade organizacionu AI pismenost. Preduzetnici bi trebalo da ojačaju ovaj zamah ciljanim razvojem, priznavanjem i jasnim podsticajima. Ako se uradi kako treba, usvajanje AI vođeno zaposlenima ne samo da povećava produktivnost, već i oblikuje agilniju i inovativniju kulturu.

. . .

Veštačka inteligencija više nije isključivi domen tehnoloških giganata. Sa alatima koji su dostupniji i troškovima implementacije nižim nego ikad, preduzetnici orijentisani na rast su u dobroj poziciji da predvode. Kada se primeni promišljeno, AI pomaže malim preduzećima da se brže razvijaju, posluju pametnije i usmere ljudski kapital na kreativnost, angažovanje kupaca i inovacije. Ali otključavanje ovih prednosti zahteva više od eksperimentisanja – zahteva promenu načina razmišljanja.

Najuspešniji preduzetnici će tretirati AI ne samo kao alat, već kao stratešku sposobnost ugrađenu u celo poslovanje. Sledeći talas poslovne transformacije neće doći samo iz upravnih odbora kompanija sa liste Fortune 500. Pokretaće ga odvažni preduzetnici koji kombinuju ambiciju sa pametnom primenom AI kako bi nadmašili, nadmudrili i nadjačali konkurenciju.

U nestabilnom, neizvesnom svetu, uspešne strategije su one zamišljene kao portfolio opcija, a ne kao putokazi. Ali da bi uspešno kreirali i saopštavali takve strategije, menadžeri moraju da prihvate nekompatibilne i neusklađene ideje, da saopštavaju višestruke i konfliktne narative i dele ideje onako kako misle o njima, za razliku od tradicionalnog redosleda razmišljanja, a zatim deljenja. Da bi to omogućili, lideri treba da neguju kulturu u kojoj ljudi mogu da se ne slažu, a da za to ne budu kažnjeni.

U nedavnom članku HBR-a tvrdili smo da u neizvesnom svetu i svetu koji se brzo menja, kompanije moraju da usvoje strategije zasnovane na radikalnoj opcionosti, u kojima neprestano razvijaju nove opcije koje bi mogle da formiraju osnovu budućeg uspeha – u zavisnosti od nepredviđenog stanja sveta. Ali kompanije se bore da shvate radikalnu opcionost, jer je kreiranje opcija skupo: podrazumeva skupo i rizično istraživanje, povećava složenost i može dovesti do prekomerne redundance. Zadiranje u ograničenja resursa, posebno sve veći trošak kapitala, samo otežava izazov.

Pored razbijanja niza tradicionalnih kompromisa u strategiji, kao što je opisano u našem članku, ovo će takođe zahtevati novi pristup razmišljanju, komunikaciji i vođenju strategija. U osnovi, moramo da prihvatimo da strategija više nije jedinstvena, nepromenljiva mapa puta, već pre portfolio mogućnosti koji zahteva potpuno novi pristup. Da bi uspeli u ovom novom svetu radikalnih opcija, menadžeri i lideri moraju da prihvate:

Nekompatibilnost i neusklađenost ideja

Kompanije i pojedinci rade na više inicijativa i zadataka istovremeno. Obično se pretpostavlja da iako ove aktivnosti mogu biti veoma različite, one su suštinski konzistentne sa jednom strategijom i pogledom na budućnost.

Međutim, organizacije koje razvijaju opcije za više država sveta možda će morati istovremeno da traže nekomplementarne ili čak nekompatibilne opcije. Na primer, NVIDIA prodaje svoje grafičke kartice potrošačima, ali takođe gradi pretplatničku uslugu zasnovanu na oblaku koja se može koristiti za daljinski pristup grafičkoj snazi i strimovanje igara ili drugog softvera na uređaje (koji ne podržavaju NVIDIA). U ovom slučaju, rešavanje jednog problema — na primer, smanjenje kašnjenja striminga — moglo bi da poboljša atraktivnost ponude zasnovane na oblaku kompanije NVIDIA, ali potencijalno da smanji onu tradicionalnog hardverskog poslovanja (kanibalizacijom njegove direktne prodaje).

Povećanje opcionosti zahteva prepoznavanje potencijalnih prednosti takvih nekompatibilnih opcija. To uključuje veću otpornost, zbog raznovrsnih budućih izvora prihoda, kao i sposobnost da se stvori uporište u verovatnoj budućnosti koja se u velikoj meri oslanja na centralizovano računarstvo. Štaviše, NVIDIA-in potez omogućava da ima koristi od šireg skupa mogućih budućih inovacija, jer će njena ponuda u oblaku biti poboljšana ne samo prodorima u hardveru, već i poboljšanjima u softveru za striming, između ostalog.

Sutrašnji pobednici treba da selektivno prihvate nekompatibilnost na sličan način prihvatajući različita uverenja u vezi sa budućnošću, istražujući različite grane rezultirajućeg „drveta mogućnosti“ i prebacujući pažnju i resurse između njih kako se budućnost razvija.

Mnoštvo verovanja o budućnosti takođe ima implikacije na usklađivanje među zainteresovanim stranama organizacije. Slike „svi na istom čamcu“ su atraktivne: svi sedimo u istom čamcu, a sinhronizovano veslanje će nam pomoći da brže i efikasnije stignemo do cilja. Ali, u svetu radikalne neizvesnosti, možda ne znamo uvek šta je naše odredište - ili, zaista, da li je određeni čamac naša najbolja opcija da stignemo tamo.

Kao rezultat toga, postizanje potpunog usklađivanja više ne može biti vladajuća maksima. Protiv neizvesne budućnosti, kompanije će morati da neguju raznolikost percepcija (stvarnosti) i perspektiva (na budućnost), koje će, kako se sudaraju unutar firme, otključati nove ideje kroz kombinatornu inovaciju, poboljšavajući buduću održivost organizacije.

Mnoštvo i nedoslednost narativa

Često komuniciramo strategije koristeći priče kao zanimljiva i korisna pojednostavljenja složene stvarnosti. Međutim, ako se traga za različitim, potencijalno nekompatibilnim opcijama za budućnost, više se ne možemo osloniti na jedinstveni, nepromenljivi strateški narativ. Umesto toga, organizacije treba da dele i podržavaju višestruke priče koje se menjaju kako bi olakšale traženje različitih opcija i prebacivanje između njih.

Na primer, oko svoje visoko hvaljene strategije veštačke inteligencije poslednjih meseci, Microsoft je dao izjave u kojima je istakao ulogu svog softvera kao trenera, pomoćnika ili mehanizma za automatizaciju. Neke od ovih priča uočljivo prikazuju čoveka u petlji, dok druge ne. Iako ove priče ne mogu sve biti istinite u isto vreme, u moj kontekst, a za istu publiku, sposobnost Microsofta da kontinuirano razvija svoje narative i ponude u okruženju koje se veoma brzo razvija omogućava mu da ostane relevantan.

U takvom svetu sa više spratova, organizacije treba da odustanu od cilja postizanja pune doslednosti i stabilnosti narativa — što je viđeno kao neka vrsta obeležja integriteta — i umesto toga prigrli raznolikost i promene.

Lou Gerstner daje dobar primer uspešno primenjene nedosledne komunikacije. Kada se pridružio IBM-u kao izvršni direktor u aprilu 1993. godine, čuveno je najavio investitorima i štampi da je „zadnja stvar koju IBM-u sada treba jeste vizija“ i da će umesto toga biti fokusiran na racionalizaciju i izvršenje. Ali on je zapravo pokrenuo rad na novoj viziji: oko omogućavanja kompanijama da iskoriste internet za svoje poslovanje. On ga je javno podelio manje od godinu dana od svog mandata i ubrzo potom pokrenuo reklamnu kampanju od 500 miliona dolara, što je pomoglo IBM-u da postane rani lider u ovoj oblasti.

Narativ kao alat za testiranje

Koliko god da su narativi komunikacioni alati, oni su takođe dragoceni alati za formulisanje i testiranje strategija: iznošenje stvari – čak i ako samo za sebe – pomaže da se strukturišu misli i identifikuju nedostaci u logici. Kao što je pesnik i dramaturg Hajnrih fon Klajst primetio u eseju iz 1805. godine, baš kao l’appetit vient en mangeant – apetit dolazi sa jelom – l’idee vient en parlant – ideja dolazi sa govorom.

Kada se teži radikalnoj opcionalnosti, prenošenje strateških ideja drugima takođe otvara put za njihovo poboljšanje. Umesto da dolazi posle razmišljanja, govor zapravo može biti način razmišljanja. Možemo testirati i razvijati strategije tako što ćemo ih izgovarati naglas, registrovati odgovore i sarađivati sa našom publikom na trijaži i oblikovanju ideja. U ovom kontekstu, pričanje više, potencijalno nedoslednih priča može biti korisno, jer stvara vredne reakcije koje se mogu posmatrati i iskoristiti. Možemo proširiti čuveni citat E. M. Forstera iz „Kako da znam šta mislim dok ne vidim šta govorim?“ na „Kako da znam šta mislim dok ne vidim kako drugi reaguju na ono što kažem?“

Razmišljanje govorom može se primeniti u praksi unutar firme, da se „probaju“ i razumeju različita uverenja. Na primer, rukovodioci mogu da sprovode radionice na kojima se stavljaju u poziciju industrijskih disidenata  – startapa koji se klade protiv postojećih poslovnih modela– i razgovaraju o tome kako bi njihove ideje mogle uspeti. Ova i druge igre mašte koje smo razvili da bismo olakšali takve radionice su efikasan način za testiranje ideja i ažuriranje načina razmišljanja.

Štaviše, razmišljanje govorom se može vršiti na način okrenut ka spolja, mereći reakcije javnosti tako što će biti „probni balon“, kao kada političaru procuri u štampu nešto o planovima za naredni period, kompanije izlažu prototipove proizvoda ili čak samo najavljuju razvoj ponude... Nedavni dobro objavljeni primer je javna diskusija izvršnog direktora Twittera, Elona Maska, o cenama pretplate na Twitter Blue sa korisnicima platforme.

Prelazak na novu kulturu

„Prva odgovornost lidera je da definiše stvarnost“, napisao je Maks De Pre, guru liderstva i bivši izvršni direktor Hermana Milera. Lideri kompanija, kao „glavni kreatori značenja“, postavljaju ton i uspostavljaju kontekst za ono što se misli ili govori u njihovim organizacijama. Stoga, oni moraju da vode brigu o promenama u načinu razmišljanja i komunikacijskim praksama koje će otključati radikalnu opcionalnost. To će zahtevati da:

• Ponašajte se kao primer: Moraju biti zadovoljni pričanjem više priča i kontradiktornošću kada se pojave novi narativi i postanu relevantniji. Ovo nije podsticaj da se izmišljaju ili iskrivljuju činjenice i temeljne istine, već pre priznanje da činjenice mogu podržati mnoge moguće narative koji nisu nužno kompatibilni jedni s drugima, da se okolnosti menjaju i da naše znanje evoluira.

• Postavite nove norme: Da bi iskoristili moć govorenja razmišljanjem, zaposleni moraju biti uvereni da „testiranje misli“ koje još nisu u potpunosti formirane i proverene sa kolegama ne povlači rizik za karijeru. Naravno, takođe moraju biti postavljene ograde za glasno razmišljanje na javnim forumima, gde su posledice veće ako ideja nije dobro prihvaćena ili na kraju nije realizovana.

• Stvorite bezbedno okruženje: Da bi podstakli i iskoristili koliziju različitih perspektiva, lideri treba da obezbede prostor za igru i obezbede da se zaposleni osećaju bezbedno da eksperimentišu sa novim idejama, procesima i praksama.

. . .

Uspeh u svetu radikalne opcionosti zahtevaće kulturu koja obuhvata eksperimentisanje sa novim i često suprotstavljenim poslovnim i operativnim modelima. Da bi se to postiglo, kompanije će morati da prepoznaju da je strategija portfolio, a ne mapa puta. Menadžeri će morati da se oslone na višestruke i konfliktne narative dok kreiraju strategije i kreiraju poruke u realnom vremenu. Izazov za lidere biće da učine organizaciju bezbednom za zaposlene da razmišljaju i komuniciraju na ove nove načine.

Bilo na sopstvenim platformama prodavaca ili putem usluga praćenja cena trećih strana, današnji potrošači često imaju pristup detaljnim informacijama o promenama cene proizvoda tokom vremena. Ali kako ova vidljivost utiče na njihove odluke o kupovini? Kroz niz studija, autori su otkrili da je veća verovatnoća da će kupci sada kupiti ako vide jedno veliko smanjenje cene ili niz manjih povećanja cena, jer će pretpostaviti da će cena porasti ako čekaju. Nasuprot tome, veća je verovatnoća da će odustati od kupovine ako vide jedno veliko povećanje cene ili niz manjih padova, jer će pretpostaviti da će cena pasti. Kao takvi, oni tvrde da bi prodavci trebalo da uzmu u obzir ovaj efekat kada određuju cene svojih proizvoda, dok bi kupci trebalo da prepoznaju i dovode u pitanje ovu prirodnu tendenciju - da očekuju da se nizovi cena nastave i da će se pojedinačne velike promene preokrenuti - pre nego što postupe u skladu sa tim.

Bez obzira da li želite da kupite avionsku kartu ili par čarapa, sve više platformi za onlajn kupovinu sada nude potrošačima detaljan uvid u istoriju cene proizvoda. Ali kako ove informacije utiču na odluke o kupovini?

Da bismo istražili ovo pitanje, sproveli smo seriju eksperimenata sa ukupno više od 5.000 učenika poslovnih škola i odraslih zaposlenih širom SAD i Evrope. Izmerili smo uticaj različitih vrsta promena cena na interesovanje ljudi za kupovinu proizvoda kao što su avionske karte, novi TV, Bluetooth zvučnici ili flaša za vodu za višekratnu upotrebu. U svakoj studiji, pokazali smo učesnicima identične informacije o proizvodu, ali smo menjali i pravac (tj. da li je cena porasla ili smanjena) i učestalost (tj. broj povećanja ili smanjenja) prethodnih podataka o cenama koje su im prikazivani. Zatim smo ih pitali da li žele da kupe proizvod - i identifikovali smo nekoliko doslednih trendova:

Prvo, kada su potrošači videli da je cena danas niža nego što je bila u prošlosti, veća je verovatnoća da će kupovati sada, jer je trenutna cena izgledala kao dobar posao. Slično tome, kada su potrošači videli da je cena danas viša nego što je bila u prošlosti, bilo je manje verovatno da će sada kupovati, jer je trenutna cena izgledala kao loša ponuda. Na primer, ako je sve ostalo jednako, ako potrošač vidi da je proizvod po trenutnoj ceni od 100 dolara prošle nedelje bio 200 dolara, verovatno će kupiti sada, pošto je trenutna cena mnogo privlačnija od prethodne cene. Nasuprot tome, ako vide da je isti proizvod koštao 50 dolara prošle nedelje, verovatno će odustati od kupovine, pošto je trenutna cena manje privlačna od prethodne.

Međutim, slika postaje komplikovanija kada uzmete u obzir učestalost istorijskih promena cena: U našim studijama smo otkrili da ako su potrošačima prikazane najmanje tri promene u istom pravcu, verovatno će pretpostaviti da će cena nastaviti da se kreće u u istom pravcu, dok ako bi im bila prikazana samo jedna ili dve promene u istom pravcu, očekivali su da će se cena promeniti u suprotnom smeru. Drugim rečima, ako je proizvod čija je cena trenutno 100 dolara bio 200 dolara pre dve nedelje, 150 dolara prošle nedelje i 125 dolara juče, potrošači će očekivati da će cena nastaviti da pada, zbog čega će verovatno odustati od kupovine. Ali ako vide samo da je trenutna cena 100 dolara, a cena pre dve nedelje bila 200 dolara – ili ako vide da je bila 200 dolara pre dve nedelje, 50 dolara prošle nedelje i 200 dolara juče – onda je veća verovatnoća da će potrošači očekivati da će cena će se ponovo vratiti, gurajući ih da sada kupe.

Dakle, šta ovo znači za prodavce? Ako je Vaš cilj da ohrabrite potrošače da sada kupuju, naše istraživanje sugeriše da će ili jedno veliko smanjenje cene ili niz manjih povećanja cena biti najefikasniji. Možda je primamljivo polako snižavati cenu tokom vremena, ali naši podaci pokazuju da to može navesti potrošače da pretpostave da će cena nastaviti da pada, što ih čini neodlučnim da kupuju. Ali ako vide samo jedan pad cene, veća je verovatnoća da će očekivati preokret (tj. jedno veliko povećanje) u bliskoj budućnosti, gurajući ih da kupe proizvod sada. Slično tome, ako samo jednom povećate cenu, potrošači mogu očekivati da će ponovo pasti - ali ako više puta povećavate cenu u manjim koracima (pod pretpostavkom da to možete da uradite bez da u potpunosti smanjite cene kupaca), potrošači će verovatno očekivati cenu da nastavi da raste, pa je veća verovatnoća da će kupovati pre nego što to učini.

Sa druge strane, naši nalazi takođe mogu pomoći kupcima da donesu bolje informisane odluke o tome da li i kada odluče da obave kupovinu. Kao i kod svake iracionalne pristrasnosti, svest o prirodnoj tendenciji da se očekuje da se nizovi nastave i da se pojedinačne velike promene preokrenu može pomoći potrošačima da dovedu u pitanje ovu pretpostavku pre nego što postupe po njoj. Umesto da dozvolite da ovo proizvoljno očekivanje vodi odluke o kupovini, potrošači bi mogli imati koristi od toga što će malo više istražiti osnovne faktore koji utiču na promene cena. Na primer, predvidljivi, jednokratni događaji poput Crnog petka će verovatno uticati na cene drugačije od geopolitičkog događaja kao što je ruska invazija na Ukrajinu prošle zime ili makroekonomski trend kao što je rastuća inflacija. Kupci takođe mogu imati koristi od saznanja više o dugoročnoj istoriji cena proizvoda, fluktuacijama i tipičnim rasponima cena za celu industriju, kako bi izbegli nesrazmeran uticaj kratkoročnih promena cena. Takođe je uvek dobra ideja da razmislite o tome koliko je hitna Vaša potreba za određenim proizvodom i o sopstvenoj toleranciji rizika za potencijalno povećanje cene, jer to može uticati na to da li Vam se isplati da sačekate i vidite da li će cena pasti.

Naravno, postoji bezbroj faktora koji utiču kako na odluke potrošača o tome da li i kada da kupuju, tako i na odluke prodavaca o tome kako da cene svoje proizvode. Ali važno je da obe strane prepoznaju ključnu ulogu koju očekivanja igraju u uticaju na ove odluke. Kako istorijski podaci o cenama postaju sve dostupniji preko sopstvenih platformi prodavaca i usluga za praćenje cena trećih strana, menadžeri i potrošači će podjednako imati koristi od priznavanja kako smer i učestalost istorijskih promena cena utiču na naše pretpostavke o tome kako će se cena verovatno promeniti. idemo dalje — i da li je sada vredno kupovine ili ne.