Прибыль:
- Способность преобразовать неоднозначный вопрос клиента в четкую, разрешимую формулировку проблемы и создать дерево гипотез MECE (дерево проблем) с помощью искусственного интеллекта.
- Способность использовать искусственный интеллект для генерации гипотез и обнаружения слепых зон, а также самостоятельно решать, какая гипотеза будет проверена в первую очередь.
- Способность распознавать и избегать распространенных ошибок при структурировании проблемы (конфликтующие ветки, предварительное предположение о решении, неправильный вопрос).
Самая дорогая ошибка консалтингового проекта – решение неправильного вопроса. Клиент спрашивает «у нас падают продажи, что делать?» приходит: но реальный вопрос в том, «в каком сегменте, почему и какая его часть находится под нашим контролем?» это может быть. Опытный консультант начинает с правильного определения проблемы, а не с поиска ответов. Искусственный интеллект — идеальный партнер в мышлении на этом этапе: он генерирует десятки возможных причин, подвопросов и гипотез за считанные минуты. Но решение о том, какой вопрос является правильным, требует суждения, и это суждение принадлежит вам.
В этом модуле мы объединим два инструмента, которые являются основой консультирования с искусственным интеллектом: дерево гипотез (дерево проблем, древовидная диаграмма, которая разбивает проблему на подвопросы) и принцип MECE (взаимоисключающий, коллективно исчерпывающий — ветви не перекрывают друг друга и вместе полностью охватывают проблему).
От неясного вопроса к решаемой проблеме
Хорошая постановка проблемы включает в себя четыре вещи: кто (лицо, принимающее решение), что (решение), критерии (чем измеряется успех), границы (масштаб и продолжительность). «Продажи падают» — жалоба; «Какие 3 наиболее эффективных рычага позволят увеличить оборот в B2B-сегменте на 10% в ближайшие 12 месяцев при нынешнем бюджете?» это постановка проблемы. Вы можете осуществить эту трансформацию с искусственным интеллектом, но сначала вы должны четко объяснить исходную ситуацию.
Ваша роль: тренер по структурированию проблем для консультанта по менеджменту. Я передам вам необработанную жалобу клиента. Ваша задача: 1) Преобразовать это в измеримую формулировку проблемы, состоящую из одного предложения (должно включать лицо, принимающее решение, решение, критерии успеха, масштаб, продолжительность). 2) Выявить 3 неявных предположения, на которых основано это утверждение. 3) Предложить 2 альтернативные схемы проблемы, чтобы противостоять риску «решения неправильного вопроса». Грубая жалоба: «[со слов клиента...]»
Совет: Прочитайте формулировку проблемы клиенту. «Значит, успех для вас — это увеличение оборота B2B на 10% за 12 месяцев, верно?» Это единственное предложение с самого начала определяет направление проекта и последующие дебаты «мы этого не хотели».
Построение дерева гипотез с помощью искусственного интеллекта
Как только проблема станет ясна, вы решите ее. Корень дерева – главный вопрос; ветви – возможные оси реакции; листья — это проверяемые гипотезы. Например: «Почему не растет оборот B2B?» Вопрос можно разделить на две основные части: (1) привлечение новых клиентов слабое, (2) доходы от существующих клиентов уменьшаются. Каждая ветвь делится на свои подветви. Хорошее дерево – МЕСЕ.
Ваша роль: эксперт по дереву гипотез MECE. Основной вопрос: «[постановка задачи]». Задача: разветвить этот вопрос не более чем на 2 уровня. Правила: - Ветви первого уровня должны быть MECE (без перекрытия, без пробелов). - Каждый лист должен представлять собой проверяемое на данных предложение гипотезы (в форме «... потому что ...»). - Рядом с каждой гипотезой напишите один источник данных, необходимый для ее проверки. Формат: маркированный список с отступом. Зонд: существует риск перекрытия/пробела под заголовком. «МЕСЕ аудит» отмечает свои филиалы.
ИИ дает вам дерево с 15 гипотезами за 3 секунды. Но на этом ваша работа не заканчивается, она начинается: вы выбираете, какие отрасли действительно являются MECE, какая гипотеза наиболее вероятна и ее легче всего проверить.
Расстановка приоритетов: какую гипотезу проверять в первую очередь
Времени проверять все гипотезы нет. Используйте две оси: влияние (насколько велик вклад в решение, если оно верно) и простота (насколько быстро/дешево провести тестирование). На первом месте стоят те, у кого высокая эффективность и высокое удобство. Это называется «быстрый выигрыш».
гипотеза
Эффект (1-5)
Легкость тестирования (1-5)
приоритет
Цены отстают от конкурентов
5
4
До
Команда продаж неадекватна в B2B
4
3
тогда
Существует пробел в функциях продукта
4
2
исследование
Узнаваемость бренда низкая
3
2
держать
Вы можете поручить искусственному интеллекту заполнить эту матрицу; но оцените влияние и удобство на основе собственных отраслевых знаний. Модель часто переоценивает простоту тестирования.
Ваша роль: аналитик по расстановке приоритетов. Поместите следующий список гипотез в матрицу воздействия и легкости. Для каждой гипотезы: влияние (1–5), простота тестирования (1–5), необходим единый источник данных, рекомендации (до/после/исследовать/придержать). Правила: оптимистично дайте оценку легкости, напишите обоснование. Выделите две гипотезы с наибольшим коэффициентом «воздействие × легкость». Гипотезы: [список]
три мини-кейса
Случай 1. Исправлен неправильный вопрос. В розничной сети спросили: «У нас высокая текучесть кадров, стоит ли нам повысить зарплату?» — спрашивает он. Консультант открывает рамку проблемы с помощью искусственного интеллекта; Модель иллюстрирует три неявных допущения: проблема заключается в оплате, оборот одинаков во всех магазинах и оплата является решением. Приведены данные: 70% оборота приходится на 3 магазина и всегда в одну и ту же команду из двух менеджеров. Настоящий вопрос заключается в поведении менеджера. Повышение зарплаты на 14 миллионов турецких лир было бы неправильным решением.
Случай 2 — Дерево, не относящееся к MECE. Консультант спрашивает модель: «Почему прибыль падает?» Он хочет дерево. Модель дает филиалам «доходы низкие», «затраты высокие», «конкуренция возросла». Первые две ветви — это MECE (прибыль = доход — затраты), но «усиление конкуренции» является причиной, а доход/затраты — следствием; Уровни филиалов смешанные. Консультант фиксирует дерево: первый уровень — только доходы и затраты; Конкуренция порождает подотрасль дохода.
Случай 3. Расстановка приоритетов оправдала себя. В компании-разработчике программного обеспечения B2B генерируется 12 гипотез. Матрица «влияние-удобство» помещает гипотезу «процесс адаптации является длительным» в поле «высокое воздействие-высокое удобство». Подтверждено анализом данных за неделю: процент отказов от клиентов, не активированных в течение 30 дней, в 3 раза выше. Небольшое вмешательство (пошаговая установка) снижает количество отказов на 22%. Проверка правильной гипотезы сначала сокращает проект.
Слабая подсказка / Сильная подсказка
Слабая подсказка:
Составьте мне список причин, по которым падает прибыль этой компании.
Модель перечисляет случайные, перекрывающиеся и необоснованные причины; Оно не устанавливает рамки мышления.
Мощная подсказка:
Ваша роль: Специалист по структурированию проблем MECE. Главный вопрос: «Компания только строится.
Проверьте вопросы хорошей структуры задачи.
Когда вы закончите создавать дерево, задайте следующие вопросы: Вы также можете задать вопрос искусственному интеллекту, но окончательное решение примете вы:
- Действительно ли основной вопрос — это вопрос, который хочет решить клиент? - Пересекаются ли ветки первого уровня? (Взаимоисключающие?) - Что-то упущено? (Все вместе?) - Можно ли каждый лист проверить данными, или это мнение? - Предусмотрел ли я решение заранее? (Например, «зарплата — это решение»)
Распространенные ошибки
- Вставьте решение в вопрос. «Должны ли мы снизить цену?» Вопрос предполагает решение и делает невидимыми остальные рычаги. Сначала спросите «почему».
- Перекрытие ветвей. Если «корпоративные клиенты» и «крупные клиенты» являются отдельными филиалами, один и тот же клиент будет учитываться в двух местах; МЕСЕ сломан.
- Уровень смешивания. Помещение причины (конкуренции) на один уровень со следствием (снижением доходов) делает дерево иррациональным.
- Непроверенные листья. «Плохое управление» — это суждение, а не гипотеза. «Время принятия решения в среднем составляет 40 дней, в отрасли — 12 дней» — вот проверяемая гипотеза.
- Принятие дерева модели таким, какое оно есть. ИИ дает краткий обзор; Аудит MECE и определение приоритетов — ваша работа.
Внимание: ИИ представляет дерево гипотез очень убедительно. Убеждение – это не точность. Всегда вручную проверяйте дерево на наличие MECE; При рисовании ветвей ручкой и бумагой часто видно перекрытие, которое модель пропустила.
В заключение
В консалтинге ценность заключается в правильном вопросе перед правильным ответом. ИИ способен превратить расплывчатую жалобу в измеримую формулировку проблемы, выявить неявные предположения и быстро построить дерево гипотез. Но вам решать, является ли дерево MECE, проверяемостью гипотез и какую из них проверять в первую очередь. Модель создает черновик; Задача консультанта – владеть проблемой, контролировать ее и определять ее приоритетность.
Задача приложения
Выберите реальную или воображаемую жалобу клиента (одно предложение). Во-первых, преобразуйте это в измеримую постановку проблемы и три неявных предположения с четкой формулировкой проблемы. Затем постройте двухуровневое дерево с помощью подсказки дерева гипотез MECE. Вручную проверьте дерево, чтобы найти и исправить хотя бы один конфликт или пробел. Наконец, заполните матрицу «эффект-легкость» и выберите две гипотезы для проверки в первую очередь.
контрольный список
- [ ] Я преобразовал необработанную жалобу в формулировку проблемы с указанием кто/что/критерии/объем/продолжительность.
- [ ] Я обнаружил неявные предположения.
- [ ] Я проверил первый уровень моего дерева гипотез как MECE.
- [ ] Я убедился, что каждый лист представляет собой проверяемую гипотезу.
- [ ] Я позаботился о том, чтобы не спрятать решение в вопросе.
- [ ] Я расставил приоритеты с помощью матрицы воздействия и легкости.
- [ ] Я не принял слепо дерево модели и исправил его вручную.