A typology of organisational cultures

Ron Westrum в 2004 году написал интересную статью про типологию организационных культур в медицинском журнале "Qual Saf Health Care". На эту статью ссылаются авторы книги Accelerate, когда говорят про "Westrum organizational culture". Поэтому я решил прочитать оригинальную статью и составить свое мнение.
В начале статьи автор говорит, что его типология организационных культур основана на на стиле обработке информации в медицинских подразделениях. Дальше он определяет культуру как организационный паттерн реакции на проблемы и возможности и выделяет три типа культур
- Патологическую (pathological) - это тип культуры, что ориентирован на влияние
- Бюрократическую (bureaucratic) - это тип культуры, что ориентирован на правила
- Производительную (generative) - это тип культуры, что ориентирован на performance
Дальше он говорит, что эти типу культур обусловлены отношением лидеров подразделений, на которое реагируют их сотрудники. В приложенном изображении есть краткий перечень характеристик каждой из культур, но мне особенно нравится цитата:
When things go wrong, pathological climates encourage finding a scapegoat, bureaucratic organisations seek justice, and the generative organisation tries to discover the basic problems with the system.
Отдельно стоит отметить, что автор отмечает, что его схема захватывает только часть организационной культуры, но ничего не говорит про тренинги, структуру, стиль решения проблем и так далее. Плюс он отмечает, что его выводы про связь типа культур и performance являются статистическими (корреляция), а не детерменированными (causation).
Та часть статьи, что про case study затрагивает глубже тему реакции на аномалии и отмечается 6 вариантов реакций на нее
- Supression - harming or stopping the person bringing the anomaly to light; "shooting the messenger"
- Encapsulation - isolating the messenger, so that the message is not heard
- Public relations - putting the message "in context" to minimise its impact
- Local fix - responding to the presenting case, but ignoring the possibility of others elsewhere
- Global fix - an attempt to respond to the problem wherever it exists. Common in aviation, when a single problem will direct attention to similar ones elsewhere
- Inquiry - attempting to get at the "root causes" of the problem
Кстати, последний вариант реакции принят в хороших IT компаниях в формате культуру постмортемов, про которую я уже как-то рассказывал.

В завершении статьи авторы показывают почему информация так важна для медицинских команд
Because most medical work involves teams, information will provide the glue that keeps the team focused and coordinated. If the glue is weak, so will the team be. The culture, then, represents those habits of thought and action by changing the culture, virtually everything can change—trust, openness, confidence, and even competence
Ну и дальше приводятся выводы для клинической практики и ключевые выводы статьи (их можно почитать на изображениях из следующего поста).

#Culture #Management #Leadership #SRE #Software #Processes #Engineering #Thinking

Изображения из статьи Рона Веструма "A typology of organizational cultures", про которые я рассказывал в прошлом посте.

#Culture #Management #Leadership #SRE #Software #Processes #Engineering #Thinking

Inside Google’s big AI shuffle — and how it plans to stay competitive, with Google DeepMind CEO Demis Hassabis

Интересное интервью Демиса Хассабиса, CEO Google DeepMind, с Nilay Patel в рамках подкаста Decoder от Verge, которое было дано 3 недели назад в начале июля.

В рамках интервью обсуждались вопросы:
- про объединения Deepmind и Google Brain в одну компанию Google Deepmind, которая внутри Google будет заниматься больше продуктовыми историями, чем абстрактными штуками типа Alpha Go (игра в го) или Alpha Fold, которыми был знаменит Deepmind (вот интересная документалка насчет Alpha Go)
- про причину объединения - гипотеза интервьюера была в том, что OpenAI совершила прорыв с LLM и что Google теперь надо сфокусироваться и ускориться будучи в роли догоняющего
- про причину хайпа около LLM - гипотеза в том, что LLM решают задачи, понятные большинству обывателей и решают их неплохо, а предыдущие вещи от Deepmind слишком сложны для понимания обывателей и понятны только специалистам в узких сферах
- про культурные коллизии между двумя подразделениями (Brain и Deepmind), что стали теперь одним целым
- про подход к решению задач, который использует сам Демис - здесь Демис рассказывает про шахматы, которыми он долго занимается, про визуализацию итогового результата и backcasting от целевого решения назад к текущемуу (аля working backwards от Amazon)
- про микс глубоких новых исследований (условно, что придет на смену LLM) и масштабирования текущих решений (больше параметров, больше примеров для обучения, больше мощности)
- про продукты Google в формате Bard и SGE (Search Generative Experience) - эта история про текущие продуктовые вещи с использованием LLM в Google и опыт их использования
- про знаменитую заметку "Google 'We Have No Moat, And Neither Does OpenAI'" - Демис сказал, что думает, что заметка была реальной, но с выводами в этой заметке он не согласен
- про сроки наступления AGI - оценка Демиса ~ 10 лет
- про дообучение моделей при помощи людей, которые рейтингуют ответы LLM как правильные или нет и так далее
- про риски и регуляцию AI, так как Демис подписал письмо от Center for AI Safety
- про комбинацию моделей аля LLM + специфичные модели для решения задач из предметной области - приблизительно об этом же рассказывал Стивен Вольфрам в книге "What Is ChatGPT Doing ... and Why Does It Work?" (подробнее здесь)
- про исследование "Stochastic Parrots" внутри Google, что привело к замедлению LLM в Google и дальнейшему увольнению авторов после буста ChatGPT от OpenAI
- про то, как не попасть в цикл обучения нейросетей на материале, сгенерированным нейросетями, что может привести к ухудшению моделей - тут предлагается создать специальные watermarks, что встроены в сгенерированные материалы, что позволит их распознать при обучении новых моделей

#AI #ML #Engineering #Software #DataScience #SoftwareDevelopment

Четвертый выпуск Code of Architecture по книге "Kubernetes Patterns (2 edition)"

Сегодня в 18:00 по Москве мы закончим обсуждать книгу про паттерны K8s и сфокусируемся на паттернах безопасности и продвинутых паттернах, которые не подошли ни к одной из предыдущих категорий, описанных в книге.

Например, мы обсудим
— какие есть средства в k8s по ограничению сетевого трафика и доступов;
— как безопасно хранить и использовать конфиденциальные данные в конфигурациях;
— каким образом можно настроить аутентификацию с k8s API;
— как k8s справляется с динамическими нагрузками за счет масштабирования;
— почему имеет смысл создавать образы контейнеров внутри кластера;
— какие еще фичи есть в k8s для того, чтобы гибко настраивать его под свои нужды.

Гость эфира — мой коллега Станислав Сычев, руководитель команды Runtime Platform. Его команда строит крупные K8s-кластеры и продумывают, как в них жить множественным потребителям.

P.S.
Если вам интересны эти выпуски, то подписывайтесь на канал Code of Architecture в Youtube и канал Code of Architecture в telegram.

#Kubernetes #Architecture #Software #SoftwareArchitecture #SystemDesign #DistributedSystems