Прибуток:
- Здатність трансформувати неоднозначне запитання клієнта в чітку постановку проблеми, яку можна вирішити, і створити дерево гіпотез MECE (дерево проблем) за допомогою штучного інтелекту
- Здатність використовувати штучний інтелект для створення гіпотез і виявлення сліпих зон, а також вирішувати на власний розсуд, яку гіпотезу перевірити першою.
- Здатність розпізнавати та уникати типових пасток у структуруванні проблеми (конфліктні гілки, припущення рішення наперед, неправильне запитання).
Найдорожча помилка консалтингового проекту – неправильне вирішення питання. Клієнт запитує: "наші продажі падають, що нам робити?" виникає: але справжнє питання полягає в тому, "в якому сегменті, чому і скільки його під нашим контролем?" це може бути. Досвідчений консультант починає з правильного визначення проблеми, а не з пошуку відповідей. Штучний інтелект є ідеальним партнером для мислення на цьому етапі: він генерує десятки можливих причин, підпитань і гіпотез за лічені хвилини. Але для того, щоб вирішити, яке питання є правильним, потрібно судити, і це судження належить вам.
У цьому розділі ми об’єднаємо два інструменти, які є основою консультування зі штучним інтелектом: дерево гіпотез (дерево проблем, деревоподібна діаграма, яка розгалужує проблему на підзапитання) і принцип MECE (взаємовиключний, колективно вичерпний — гілки не накладаються одна на одну й разом охоплюють проблему повністю).
Від невизначеного запитання до розв’язної проблеми
Хороша постановка проблеми включає чотири речі: хто (особа, яка приймає рішення), що (рішення), критерії (чим вимірюється успіх), межі (обсяг і тривалість). «Продажі падають» – скарга; «Які 3 найефективніші важелі підвищать оборот в сегменті B2B на 10% за наступні 12 місяців, при поточному бюджеті?» це формулювання проблеми. Ви можете зробити цю трансформацію штучним інтелектом, але спочатку ви повинні чітко пояснити сиру ситуацію.
Ваша роль: коуч зі структурування проблем для консультанта з менеджменту. Я дам вам чисту скаргу клієнта. Ваше завдання: 1) Перетворіть це на вимірне формулювання проблеми з одного речення (має вказувати особу, яка приймає рішення, рішення, критерії успіху, обсяг, тривалість). 2) Розкрийте 3 неявні припущення, на яких базується це твердження. 3) Запропонуйте 2 альтернативні схеми проблеми, щоб протистояти ризику «вирішення неправильного питання». Груба скарга: "[зі слів клієнта...]"
Порада: прочитайте заяву про проблему клієнту. «Тож успіх для вас — це збільшення товарообігу B2B на 10% за 12 місяців, вірно?» Це єдине речення визначає напрямок проекту та подальші дебати «ми цього не хотіли» з самого початку.
Побудова дерева гіпотез за допомогою штучного інтелекту
Як тільки проблема зрозуміла, ви розгалужуєте її. Корінь дерева - головне питання; гілки можливі осі відповіді; листя є перевіреними гіпотезами. Наприклад, «Чому оборот B2B не зростає?» Питання можна розділити на дві основні гілки: (1) залучення нових клієнтів слабке, (2) дохід від існуючих клієнтів зменшується. Кожна філія поділяється на власні підфілії. Гарне дерево — МЕЦЕ.
Ваша роль: експерт із дерева гіпотез MECE. Основне запитання: «[постановка проблеми]» Завдання: розгалужте це запитання не більше ніж на 2 рівнях. Правила: – Гілки першого рівня мають бути MECE (без перекриття, без прогалин). – Кожен аркуш має бути реченням гіпотези, яке можна перевірити (у формі «... тому що…»). – Біля кожної гіпотези напишіть єдине джерело даних, необхідне для її перевірки. Формат: маркер із відступом. list.Probe: Ризик перекриття/розриву під заголовком «Аудит MECE» позначте гілки.
AI дає вам дерево з 15 гіпотезами за 3 секунди. Але на цьому ваша робота не закінчується, а починається: ви обираєте, які гілки справді є MECE, яку гіпотезу найвірогідніше та найлегше перевірити.
Пріоритезація: яку гіпотезу перевірити першою
Немає часу перевіряти всі гіпотези. Використовуйте дві осі: вплив (наскільки великий внесок у рішення, якщо воно правдиве) і легкість (наскільки швидко/дешево тестувати). На першому місці ті, що мають високий вплив і високу зручність. Це називається «швидка розгортка виграшу».
гіпотеза
Ефект (1-5)
Легкість тестування (1-5)
пріоритет
Ціни відстають від конкурентів
5
4
Раніше
Команда продажів не відповідає B2B
4
3
потім
Існує прогалина в характеристиках продукту
4
2
дослідження
Впізнаваність бренду низька
3
2
утримувати
Цю матрицю можна заповнити штучним інтелектом; але перегляньте показники впливу та зручності, враховуючи власні знання галузі. Модель часто переоцінює простоту тестування.
Ваша роль: аналітик пріоритетів. Помістіть наступний список гіпотез у матрицю впливу. Для кожної гіпотези: вплив (1-5), легкість перевірки (1-5), потрібне єдине джерело даних, рекомендація (до/після/дослідити/утримати). Правила: оцінити оптимістично, написати обґрунтування. Виділіть 2 гіпотези з найвищим множником «вплив × легкість». Гіпотези: [список]
три міні-чохла
Випадок 1 — Виправлено неправильне запитання. Торгова мережа запитала: «У нас висока плинність кадрів, чи варто підвищувати зарплати?» — запитує він. Консультант відкриває рамку задачі за допомогою штучного інтелекту; Модель ілюструє три неявні припущення: оплата є проблемою, оборот однаковий у всіх магазинах, а оплата є рішенням. Наведені дані: 70% обороту припадає на 3 магазини і завжди в одних і тих самих двох менеджерів. Справжнє питання полягає в поведінці керівника. Підвищення зарплати на 14 мільйонів TL було б неправильним рішенням.
Випадок 2 — дерево не-MECE. Консультант запитує модель "чому прибуток падає?" Він хоче дерево. Модель дає галузям «дохід низький», «витрати високі», «конкуренція зросла». Перші дві гілки — це MECE (прибуток = дохід − витрати), але «зростання конкуренції» є причиною, а дохід/витрати — наслідком; Рівні гілок змішані. Консультант виправляє дерево: перший рівень – лише доходи та витрати; Конкуренція створює підгалузь доходу.
Випадок 3 — Пріоритезація окупилася. У компанії, що розробляє програмне забезпечення B2B, генерується 12 гіпотез. Матриця «вплив-зручність» ставить гіпотезу «процес адаптації тривалий» у вікно «значний вплив-висока зручність». Підтверджено тижневим аналізом даних: рівень скасування клієнтів, які не були активовані протягом 30 днів, у 3 рази вищий. Незначне втручання (керована установка) зменшує скасування на 22%. Перевірка правильної гіпотези спочатку скорочує проект.
Слабка підказка / Сильна підказка
Слабка підказка:
Складіть мені список того, чому падають прибутки цієї компанії.
Модель перераховує випадкові, дублюючі та необґрунтовані причини; Це не встановлює рамки мислення.
Потужна підказка:
Ваша роль: фахівець зі структурування проблем MECE. Основне питання: «Компанія тільки будується.
Перевірте питання гарної структури проблеми
Коли ви закінчите своє дерево, поставте такі запитання: Ви також можете запитати штучний інтелект, але ви приймаєте остаточне рішення:
- Чи справді головне питання є тим питанням, яке клієнт хоче вирішити? - Чи перекриваються гілки першого рівня? (Взаємовиключні?)- Щось пропущено? (Чи це повно разом?) - Чи можна кожен аркуш перевірити за допомогою даних, чи це думка? - Чи я припустив рішення заздалегідь? (Наприклад, "заробітна плата - це рішення")
Поширені помилки
- Вставте розв'язання в питання. «Ми повинні знизити ціну?» Питання передбачає розв'язку і робить непомітними інші важелі. Спочатку запитайте «чому».
- Перекриття гілок. Якщо «корпоративні клієнти» і «великі клієнти» є окремими філіями, той самий клієнт буде враховуватися в двох місцях; MECE зламано.
- Рівень змішування. Поставлення причини (конкуренції) на один рівень із наслідком (зниженням доходу) робить дерево нераціональним.
- Неперевірені листя. «Погане управління» — це судження, а не гіпотеза. «Час прийняття рішення становить у середньому 40 днів, 12 днів у галузі» — гіпотеза, яку можна перевірити.
- Прийняття дерева моделі таким, яким воно є. AI дає швидкий план; Аудит MECE та встановлення пріоритетів — ваша робота.
Застереження: штучний інтелект представляє дерево гіпотез у дуже переконливий спосіб. Переконання – це не точність. Завжди вручну перевіряйте дерево на MECE; Малювання гілок за допомогою ручки та паперу часто показує перекриття, яке пропустила модель.
Підсумовуючи
У консалтингу цінність полягає в правильному питанні перед правильною відповіддю. ШІ здатний перетворити невизначену скаргу на вимірну постановку проблеми, розкрити неявні припущення та швидко накреслити дерево гіпотез. Але ви вирішуєте, чи є дерево MECE, перевіреність гіпотез і яку з них перевірити першою. Модель створює тягу; Робота консультанта — володіти, контролювати та визначати пріоритети проблеми.
Аплікаційне завдання
Виберіть реальну або уявну скаргу клієнта (одне речення). По-перше, перетворіть це на вимірну постановку проблеми та три неявні припущення з чіткою підказкою щодо формулювання проблеми. Потім побудуйте дворівневе дерево з підказкою дерева гіпотез MECE. Перегляньте дерево вручну, щоб знайти та виправити принаймні один конфлікт чи прогалину. Нарешті, заповніть матрицю «ефект-легкість» і виберіть дві гіпотези для першої перевірки.
контрольний список
- [ ] Я перетворив необроблену скаргу на формулювання проблеми з тим, хто/що/критерії/обсяг/тривалість.
- [ ] Я виявив неявні припущення.
- [ ] Я перевірив перший рівень свого дерева гіпотез як MECE.
- [ ] Я перевірив, що кожен аркуш є гіпотезою, яку можна перевірити.
- [ ] Я переконався, що не заховав рішення в питанні.
- [ ] Я визначив пріоритет за допомогою матриці удару-легкості.
- [ ] Я не прийняв сліпо дерево моделі і виправив його вручну.