​​Ментальные алгоритмы и управление сложностью Нам свойственн | INPUT / OUTPUT

​​Ментальные алгоритмы и управление сложностью

Нам свойственно искать сложные инструменты решения проблем в простых ситуациях. У этого явления есть множество причин: использование привычных паттернов, иррациональное отторжение к простых методов, неполнота информации и другие. Очевидно: использование неоптимальных инструментов забирает множество ресурсов: время, деньги, энергию. И не приводит к ожидаемым результатам.

Чтобы это исправить можно попробовать внедрить такую практику:
(1) всегда перед выбором инструментов оценивать сложность ситуации (используя один из доступных фреймворков)
(2) исходя из предыдущего пункта: если ситуация позволяет → не изобретать решение, а использовать готовый ментальный алгоритм.

Для быстрой диагностики ситуации/проблемы я обычно использую фреймворк CYNEFIN (читается: Кеневин) — он приведен на картинке↓

CYNEFIN делит все множество ситуации/проблем на 4 домена:

Clear (простая ситуация) / все параметры определены, действия понятны и уже многократно проделаны.
Здесь находятся проблемы, которые вы уже решали (или сводимые к ним). Их проще всего алгоритмизировать и автоматизироать.
Примеры: очередной типовой проект, ежедневная рутина, готовка простых блюд.

Complicated (сложная ситуация)
Много параметров, большинство из них определены. Есть довольно четкие причинно-следственные связи. Их можно выявить с помощью тщательного анализа. Существуют гайдлайны и работающие практики.
Примеры: найм нового сотрудника, обучение команды, внедрение улучшений продуктов / процессов.

Complex (комплексная, нетривиальная)
Тут это уже нелинейные эффекты, высокая неопределенность, каскады и цепочки событий

Chaotic (хаотичная)
Зона VUCA

Последние 2 сегмента в этом посте я пропущу. Если вам интересна левая часть CYNEFIN, то вот посты ее касающиеся:
Нелинейная динамика и пандемия, ​​Толстые хвосты и экспоненты, Экосистемы

Сегодня мы сфокусируемся на правой части.
Предположим, вы убедились, что ваша проблема лежит в секторе Clear или Complicated. Давайте попробуем ее алгоритмизировать.

Ментальные алгоритмы
Или алгоритмы мысли (Algorithms of thought)
Термин ввел создатель Roam Research Коннор Уайт-Салливан. А развил его Лукас Каверау.
В том или ином виде похожие концепции встречаются у разных авторов, например у Рея Далио в книге "Принципы".

Алгоритм — это пошаговый процесс действий в некой ситуации.
Ментальные алгоритмы — по сути прописанные процедуры мышления с целью решения конкретной проблемы или принятия решения. Алгоритмы структурируют типовые шаги.

Тут стоит прояснить разницу между ментальными моделями и алгоритмами. Модель — дискриптивна. Она помогает вам описать и понять поведение некой системы. Например модель LODR помогает понять связь между затрачиваемыми ресурсами и результатом. Но что делать, чтобы этот результат максимизировать?
Тут нам может помочь процедура/алгоритм.

Один из важных для себя инсайтов последних лет я бы сформулировал так: значительная часть решений, размышлений и сомнений можно заменить алгоритмами, политиками и автоматизацией.

Идеальная среда для реализации таких алгоритмов — это система, в которой вы управляете знаниями. Например Roam Research, Obsidian или Notion. Но в принципе подойдет любой редактор с возможностью форматирования Markdown.
Для иллюстрации подхода я поделюсь с вами шаблонами одного из самых полезных и в то же время простых алгоритмов: pre-mortem.

Если подход создания и использования ментальных алгоритмов вам близок — попробуйте внедрить такую практику: на основании значимых для вас книг/курсов/заметок соберите несколько ментальных алгоритмов, превратите их в шаблоны и попробуйте внедрить в свои рутины. Так вы сможете максимизировать практическую пользу от обучения