Книга «Живая организация». Агенты

Агенты – одно из ключевых определений книги «Живая организация». Авторы подразумевают под агентами принимающие решения единицы системы, поведение которых определяется соответствующими правилами.

Атомы, компьютерные программы и людей можно рассматривать как агентов системы.

Меня заинтересовал пример из книги, в котором показано моделирование процесса найма в компании HP. Очень хотел бы посмотреть виртуальные модели корпоративных сред, роль агентов в которых исполняют смоделированные персонажи-инженеры, но… вернемся к нашему определению.

Итак, какой процесс вызвал интерес и беспокойство руководства HP и послужил запускающим механизмом подобного необычного исследования? Обратимся к материалу книги:

«Чака Силоффа, ветерана HP, проработавшего в компании 25 лет, интересовала стоимость компании с точки зрения аккумулированных в ней знаний. В HP прочно укоренилось убеждение, что необходимо оценивать лояльность выпускников колледжей, принимать на работу тех, кто скорее всего захочет остаться в компании надолго, и давать им возможность учиться в процессе развития их карьеры. Однако в конце 90-х в Силиконовой долине стали процветать свободные агенты — люди, которые переходили чуть ли не каждый год из одной компании в другую, продавая свои знания покупателю, предложившему за них самую высокую цену. Силофф хотел знать, во-первых, остается ли актуальным традиционный подход HP и, во-вторых, не позволит ли система свободных агентов получать необходимые знания с меньшими затратами, чем традиционная успешная система «выращивания» кадров.


Кремниевая долина

Обычно подобные вопросы ведут к долгим дискуссиям и периодическим перебранкам между менеджерами, причем расхождения во взглядах здесь основаны не на строгом анализе, а на предубеждениях или на разнице в системах ценностей. Кай Ши из CBI создал компьютерную модель рабочей силы. Она состояла из агентов. Каждый агент имел определенный уровень таланта, лояльности и способностей к обучению. Моделировался выбор агентов для их трудоустройства в течение каждого периода. Кроме того, модель прослеживала, каким образом свободные агенты накапливают знания.

Второй компонент модели представлял HP, по какой цене и какой компетентности рабочая сила доступна в данный момент компании в сложившейся ситуации с кадрами.

Сначала Силофф недооценил смоделированный прогноз относительно продуктивности знаний, но обнаружил, что ее способность сравнивать между собой различные стратегии приводит к настоящим озарениям. Во-первых, модель выявила, что, несмотря на значительные инвестиции HP в индивидуальное обучение, основное внимание необходимо уделять лояльности. Это ведет к уменьшению текучести кадров и снижению затрат на их обучение.

Во-вторых, модель смогла исследовать условия, при которых такая стратегия могла быть целесообразной. Оказалось, что для компании-новичка в области высоких технологий с уровнем роста 25 % система свободных агентов абсолютно необходима, даже несмотря на то, что она ведет к большой стоимости компетентного персонала и высокой текучести кадров.

Но больше всего Силоффа и его коллег впечатлило то, что получилось, когда была изменена политика компании по найму «на переправе» и внедрена система свободных агентов. Сначала уровень компетентности сотрудников компании повысился, но затем произошло его резкое снижение. Это увеличило текучесть кадров, и компания стала терять людей, обладающих ценными знаниями. Как сказал Силофф, «это напомнило нам ситуацию с компанией Apollo Computing (которую HP купила в 80-х годах)... Это был очень разрушительный процесс. Данная модель позволила нам исследовать то, что мы могли сделать по-другому». Например, если бы HP инвестировала в знания персонала сразу же после приобретения Apollo, она смогла бы уменьшить свои убытки, как и смогла бы понять, что лучше более плавно приспосабливать культуру Apollo к культуре HP. «Именно это мы пытаемся делать в недавно приобретенной компании VeriFone», — добавляет Силофф.»

По моему мнению, яркий пример адаптации компании к современным условиям нестабильности.

И еще один пример, который хочу оставить в заметках, чтобы не искать по новой в книге когда потребуется его вспомнить, это модель социологов Джошуа Эпштейна и Роберт Экстелла под названием Sugarscape. Снова обратимся к материалу книги:

«Как повлияет на распределение национального дохода изменение законодательства в области налога на наследство? Как скажется на иммиграции новая структура налогообложения? Как зависит от размера компании качество работы служащих?

Все эти сложные вопросы может исследовать и прояснять основанная на агентах модель, действующая по принципу «снизу вверх». Microsoft Excel — инструмент для создания моделей на основе уравнений, a Sugarscape создает модели на основе трех агентов адаптивных систем: агентов, правил и окружающей среды, в которой происходит направленный отбор агентов.


Агенты виртуальной среды

Чтобы исследовать результаты изменений законодательства по налогу на наследство, Экстелл и Эпштейн взяли последовательность «создавать, связывать, развивать» и сначала создали in silico агентов, которых назвали Sugarfolk.

Эти агенты — красные точки, движущиеся по компьютерному пейзажу: сетке, которая выглядит как примитивная видеоигра. В каждой точке пейзажа растет «сахар» — единственная пища. На карте в разных местах пейзажа — разное количество «сахара», на это количество указывает интенсивность желтого оттенка. Агенты стремятся выжить, двигаясь по «местности» и собирая «сахар». Если им это не удается, они умирают. Они также умирают от старости.

Как и у людей in vivo (в реальности), у каждого агента собственная степень остроты зрения (то, как далеко он может видеть) и собственный метаболизм (как быстро он перерабатывает пищу). Некоторые очень активны (могут преодолевать большие расстояния за один цикл модели), некоторые — апатичны.

В соответствии со своими способностями агенты добывают пищу в игре, следуя трем правилам:

- смотри так далеко вперед, как только позволяет зрение;
- ищи места, где больше всего сахара;
- отправляйся туда и ешь сахар.

Эпштейн исследует модель на различных этапах. Одни агенты добираются до сахара быстрее всех, они как сумасшедшие носятся вокруг самых «сладких» мест, а самые медлительные бродят по пустыне, где совсем нет сахара. И конечно же, первыми умирают агенты, у которых самое слабое зрение в сочетании с самым быстрым метаболизмом. В этой точке Эпштейн применяет технику бридинга (о ней мы уже говорили в контексте John Deere). Два случайно выбранных выживших агента связываются между собой и рекомбинируют свои качества, или, как бы сказали генетики, свои геномы. Через несколько поколений средний уровень метаболизма всей популяции замедляется, а зрение становится более острым. С помощью моделирования естественного отбора популяция эволюционирует.»

Западная социология ушла далеко вперед. Лидерство западной мысли в области политических и социальных вопросов оспаривалось в XX веке Советским Союзом. Борьба закончилась поражением и распадом государства.


Поражение в борьбе окрашивает мир в темные цвета. В случае с Советским Союзом потерпела поражение целая цивилизация.

Современные вычислительные возможности позволяют моделировать виртуальные миры . Это мощный инструмент. Он должен создаваться отечественными специалистами и применяться для решения как социальных, так и других задач.

А вообще, совместить холодный научный расчет и нематериальное…. Это интересно.