Какие вещи продают разработчики ИТ-продуктов? (3/3)

Новый тренд, который ещё не отыгран до конца (не исчерпал свой потенциал, в отличие от предыдущих) – это искать "вещь" в предметной области вашего клиента. То есть, по умолчанию считать, что "вещь" изготавливаете не вы одни, и вы вообще можете быть далеко в цепочке создания.

"Вещь далеко от нас, и мы можем с ней ВООБЩЕ не взаимодействовать непосредственно" (и даже, скорее всего, В ПРИНЦИПЕ не взаимодействуете непосредственно).

– это ваше рассуждение.

Как же найти эту вещь? С физическим экземпляром программы уже разобрались; сеансы/сессии работы сделали для клиентов удобными. Пришла пора делать следующий шаг – разбираться в предметной области клиента. Для этого придётся задать себе вопрос: "что описывают данные, содержащиеся в нашем продукте? Какие объекты физического мира они описывают (или какие объекты физического мира должны по итогу появиться)?"

Вернёмся к ERP-системе для фармацевтов. Какие данные содержатся в ней? Какие ключевые объекты внимания описываются? На какие объекты обращают внимание исполнители разных ролей с разных сторон/viewpoints?
Ключевой объект внимания в ней – это, конечно, лекарства, наполняющие аптеку. Точнее, целый поток лекарств, который проходит через аптеку и идёт до покупателя (желательно) или на утилизацию (нежелательно).

С этим потоком лекарств и разбирается фармацевт в аптеке. А ещё кладовщик Семён на складе или логист Катя, планирующая поставку. И теперь надо поддержать ERP-системой как экзкортексом методы работы фармацевта, а затем кладовщика и логиста (в необходимом объёме). А значит – придётся разобраться, какими способами/методами работает фармацевт реально (а потом может потребоваться разобраться в методах работы кладовщика, логиста и так далее).
Потому что все они участвуют в перемещении этого потока лекарств, а ваша ERP-система описывает этот поток и помогает провести его быстрее, ни о чём не забыть. А ещё, может быть, подсказывает удачные варианты сочетания товаров на продажу. Например, если женщина-покупатель берёт детские товары для младенцев, может иметь смысл предложить ей не "просто какой-то товар по акции", а салфетки для детей или ланолиновый крем от трещин (и ваша ERP-система может подсказать это).

Модель превращения вещей в деньги тут совершенно особая. Jacco van der Kooji, автор Revenue Architecture, называет эту модель монетизации Consumption – "оплата за потреблённую ценность/пользу/value".

В самом простом варианте это модель Pay Per Use (плати за объём потреблённого блага). Pay Per Use используют компании в отраслях, в которых единицы потребляемого блага достаточно просто измерить: потреблённые минуты разговора для телеком-операторов, километры, которые вы проехали в более оживлённые ("пиковые") часы с высоким спросом, и так далее.

Чуть более сложный случай – это pay per action (плати за совершённое действие). Часто эта модель используется в MarketTech: например, маркетологи активно используют модель оплаты "плати за клик"/pay per click (отсюда все эти cost per click и прочие). Сайты-отзовики могут платить своим авторам бонусы за написанный отзыв. Всё это разновидности pay per action.

Наконец, самый сложный вариант – pay per outcome (оплата только за результат). Это самый сложный, но и самый прибыльный вариант – если компания может его реализовать. Чтобы воспользоваться этой моделью монетизации, надо ооочень хорошо разбираться в предметной области, оооочень хорошо разобраться со своей вещью и позиционированием на рынке (продуктовый/стратегический маркетинг) и применять ценообразование по ценности/value-based pricing. В целом, из публичных личностей самый яркий амбассадор такой модели монетизации – Алекс Хормози / Alex Hormozi. Он это всё уловил.

Вообще, возможно, pay per outcome придётся вынести в отдельный класс/категорию – потому что для полноценного применения этой модели монетизации может потребоваться... вновь сменить вещь, добраться до конечной вещи, которая потребляется конечным покупателем ("благо первого порядка").

Теперь вы думаете не о потоке лекарств, который проходит через аптеку. Теперь вы думаете как минимум о наборе лекарств, которым лечится пациент (а дальше вы вообще можете замахнуться на здоровое состояние его тушки). Пациенты вылечиваются благодаря грамотно подобранным лекарствам и рабочим схемам лечения, по которым они лечатся. Все по цепочке получают оплату за вылеченного пациента (а впоследствии – и за незаболевшего благодаря профилактике, которой займется аптека тоже). Аптека получает оплату за лекарства, поставщики софта за рекомендации и тп.
Это очень, очень, ОЧЕНЬ сложно реализовать. Но в этом сценарии можно зарабатывать даже больше: устранена принципиальная неопределённость "это полезно или нет" (да, полезно), а значит, за то же самое можно взять больше денег, чем за подписку, например, а удерживать клиента не годами, а десятилетиями.

Кто это затащит – тот молодец.

Пойду думать, как бы мне оказаться молодцом 🤓

Я прямо ударник контентного труда в последнее время

К вопросу о том, зачем искать вещь:

Поставки мелкими партиями при работе над разными типами вещей и их описаний, или MVP бывает сложным.
Часть 1: вводная

Я много пишу и говорю о пользе "поставок мелкими партиями": вы делаете как можно быстрее ту работу, которую можете выполнить и которую имеет смысл показывать другим, показываете, получаете обратную связь и дорабатываете. Постоянное выполнение работ в таком режиме позволяет вам одновременно обеспечить высокую скорость работы и достаточно быстро повышающуюся точность.

Но "наладить работу по принципу мелких партий" только звучит просто. На самом деле полноценная реализация достаточно трудоёмкая и полна неочевидных "подводных камней".

Например, что такое минимальный продукт/minimun viable product? Чётких однозначных критериев, которые были бы верны для каждого случая – нет! Есть только набор принципов, которыми стоит руководствоваться, и сигналов, на которых нужно ориентироваться.

Сначала о принципах, которыми надо руководствоваться.

Поставки мелкими партиями при работе над разными типами вещей и их описаний, или MVP бывает сложным.
Часть 2: думаем об эксплуатации объекта

Принцип 1. Обращаем внимание на то, как будет использоваться вещь (какие сценарии эксплуатации есть). Аналогично при создании MVP рабочих продуктов в вашей повседневной деятельности. "Как пользователь (или адресат, если речь об описании) сможет сделать что-то сам?".
Сначала – не как Я могу это сделать, а как ОНИ смогут это использовать. А затем вопрос "как я могу что-то сделать сейчас (и могу ли, и какие промежуточные действия надо выполнить и промежуточные рабочие продукты получить, чтобы смочь)?".

Например, как я сама рассуждаю, когда выбираю, что попадёт в следующий релиз руководства, а что нет? Я думаю о том, как этот материал поможет инженерам-менеджерам что-то допонять/доразъяснить для себя – и пойти сделать нужное. Скажем, разделы "Игра "Назови вещь", "Зачем нужна игра" и "О вещах и ситуациях их эксплуатации" можно было публиковать (в составе руководства) почти сразу после их составления и вычитки. Это материал, который помогает сосредоточить внимание инженеров-менеджеров на вещи/целевой системы.

(Кстати, после публикации этих разделов вскрылись еще и проблемы подачи материала: когда мы только начинаем разговор о "вещах", мы понимаем, что пользователи руководства, впервые столкнувшиеся с материалом, будут думать в рамках аристотелевской онтологии с его "сущностями/entities", "свойствами/attributes" и так далее. И часть ошибок с выявлением вещи будет связана с этим. Но потом мы должны обеспечить смену онтологии в головах пользователей руководства, а не в тексте. И эту смену мы сейчас не вполне обеспечиваем. И нет, пары фраз или даже абзацев в "онтологических" кусочках текста недостаточно, чтобы смена произошла.

Нужно только в тексте написать больше: например, в онтологических кусочках текста подробнее объяснить, почему нужен 4Д экстенсионализм на базе набора типов/системы типов BORO и какие невидимые, но существенные проблемы переход к такому экстенсионализму решаем. А в кусочках по собранности и работе добавить объяснение того, что такое время (наметки в отдельном посте), после этого еще раз вернуться ко введённым в онтологических кусочках "темпоральные части физических объектов" и, наконец, расписать подробнее, почему мы запрещаем называть вещами "процессы" (к моменту начала объяснения в тексте в голове пользователя руководства уже должны быть основы, из которых он может додумать объяснение сам, вот поэтому все эти подготовительные танцы). И вот это вот всё надо сделать, чтобы в головах пользователей (а значит, и в их действиях) начали проявляться изменения (в ходе выделения вещей), которые можно заметить и по которым можно судить о начале появления мастерства.

Но в следующий релиз всё это не попадёт. В следующий релиз пойдет в очередной раз обновлённое "Введение" с 5 или 6 новыми подразделами сразу. Выдавать во "Введение" меньше не имеет смысла: даже в текущей версии "Введение" уже позволяет как-то настроиться на стажировку, так что насущной необходимости резать поставку до 1 подраздела нет. Кроме того, эти 5 или 6 подразделов тесно связаны по смыслу + позволяют наконец убрать подразделы про "Собранность как прикладное мастерство" и пр из раздела 1 (где запланированы другие изменения). Так что тут сокращать поставку до 1 подраздела (описания) в релизе не вижу смысла.

А вот когда вернусь к основному материалу, там поставки будут именно партиями по 1 подразделу. И там логика обновлений порой будет не очень очевидной 😃

Поставки мелкими партиями при работе над разными типами вещей и их описаний, или MVP бывает сложным.
Часть 3: серьёзные риски – сложный MVP

Принцип 3. Если создаваемый вами (рабочий) продукт имеет дело с жизнью, здоровью и смертью людей непосредственно, ваш MVP будет сложным.
Например, MVP фемтосекундного лазера, при помощи которого проводят операции лазерной коррекции зрения, будет выглядеть как "зрелый продукт" с точки зрения ИТ-разработчиков, создающих софт для управления проектами.

Но также сложными будут и MVP сложных инфраструктурных объектов. Там дело не только и даже не столько в том, что мы имеем дело с жизнью и смертью, сколько в сроке эксплуатации объекта. Разберём это на примере Крымского моста.

Поставки мелкими партиями при работе над разными типами вещей и их описаний, или MVP бывает сложным.
Часть 4: срок эксплуатации имеет значение (1/2)

Принцип 3. Если создаваемый вами (рабочий) продукт будет эксплуатироваться долго (срок эксплуатации измеряется десятилетиями, может, больше), а стоимость переделок крайне высока, MVP может выглядеть крайне неожиданно – и будет достаточно дорогим и сложным сам по себе. Часто имеют дело с такой ситуацией те, кто участвует в строительстве базовых объектов инфраструктуры.

Скажем, вы строите мост – большой, сложный, который будет эксплуатироваться десятилетиями. Например, Крымский мост. Основной мост – основную вещь – нельзя строить кое-как. Во-первых, такой мост – мост типа "базовый объект инфраструктуры". Он является важной частью межрегиональной транспортной системы, должен обеспечивать перевозку массы грузов и пассажиров (едущих по делам или отдыхать). Мост длинный, строится в непростой геологически, географически и биологически зоне:

Строительству предшествовали масштабные геодезические исследования и кадастровые работы. Из зоны будущей стройки были отселены редкие животные, на другие участки были пересажены растения, занесенные в Красную книгу. Проводились работы по разминированию и археологические раскопки.

– Самый главный мост: как строят мост через Керченский пролив.

Кроме того, вы должны учесть, что мост не единственная часть межрегиональной транспортной системы – и он не должен мешать судоходству в Керченском проливе. А заодно – выдержать непростые погодные условия: первая версия моста, достроенная осенью 1944 года (!), продержалась около 6 месяцев – после чего треть опор была повреждена льдом с Азовского моря. Мост пришлось демонтировать.

А еще, говорят ли вам как строителям или нет, но мост строится с учетом не только гражданских, но и военных сценариев использования: рядом расположена враждебно настроенная страна, которая стремительно катится от состояния "государство" к состоянию "территории / дикое поле", и в такой ситуации с точки зрения безопасности лучше предполагать, что военный конфликт скорее будет, чем нет.

Поэтому строителям и участвующим в строительстве надо учесть, что:
• может потребоваться возить много тяжелых грузов (партия танков, например);
• военные другой страны могут попытаться подорвать или атаковать мост – и вам нужно предполагать, что им чего-то удастся достичь (нет таких средств, которые обеспечивают 100% безопасность, отказоустойчивость и прочие -ости). Значит, должна быть возможность быстро восстановить мост. Это накладывает ограничения на конструкцию (требуется обеспечить хорошую модульность: чтобы при выпадении секции моста её можно было достаточно быстро восстановить, и восстановление не затянулось бы на годы).

То есть, при строительстве нужно закладывать повышенную прочность, обеспечивать быструю ремонтируемость и тп. Это – дорого. Поэтому и MVP в данном случае будет непростой. Точнее, MVP будет много и для разных аудиторий. Для гражданских пассажиров и перевозчиков MVP будет "Керченский паром" (да-да, несмотря на то, что паром открыт еще в 1953 году – намного раньше, чем запущен в эксплуатацию мост).

А еще о мосте в ходе его эксплуатации следует думать примерно так, как описывает Талеб в своих книжках. Когда мост строится, предполагается обычно, что он будет эксплуатироваться десятилетиями. За десятилетия ОБЯЗАТЕЛЬНО прилетит какой-нибудь "лебедь": эпидемия, война, развал и тп. И это тоже следует учитывать, когда закладывается фундамент, в смысле, строится базовый объект инфраструктуры. "Как бы сделать так, чтобы Крымский мост:: вещь было крайне сложно прибить или вывести из эксплуатации, даже если все вокруг будет разваливаться" – примерно так следует рассуждать при строительстве объектов подобного типа.

Поставки мелкими партиями при работе над разными типами вещей и их описаний, или MVP бывает сложным.
Часть 5: сигнал(ы) о том, что объект, над которым вы работаете, уже не MVP

Самый общий сигнал: выпуск сильно замедлился, и сроки выпуска становятся слабопрогнозируемыми (потоковое время/Flow Time растягивается, и перспектив завершения не видно). Почему тут надо прерывать рабочий цикл (слова выбраны не случайно; разработчики знают, что иногда надо прерывать цикл, чтобы подпрограмма не выполнялась бесконечно). Если вы заметили, что вошли в "бесконечный цикл", когда вы делаете одно и то же действие (которое не приводит к результату) – например, бесконечно думаете, но ничего не происходит – вам надо закончить работу и показать "что есть".

Обычно в работе это ощущается так: вы (или ваша команда, или ещё какой агент) "застряли" и почти не продвигаетесь, хотя прилагаете усилия. Например, вам нужно принести описание возможной стратегии продвижения продукта – а вы ничего составить не можете, и опция "добавить времени" больше не помогает: вы просто продолжаете тупить в дополнительно выделенное время, признаков продвижения не видно.

В таком случае рекомендуется... идти общаться! Брать имеющиеся наработки – и идти общаться с людьми, которые понимают в теме, в которой вы застряли (subject matter expert).
Почему с людьми? Потому что предполагается, что к этому моменту вы уже пообщались с LLM-ками и выжали из них что можно (в том числе стребовали с LLM список источников информации, отобрали из них более заслуживающие доверия и пошли навскидку проверили, нет ли явных грубых ошибок в вашем совместном с LLM творческом описании).
Вам нужны теперь люди, которые имеют опыт применения мастерства в реальном мире – которые смогут вам указать на всякое неочевидное, что не знает и/или не учтёт LLM (имейте в виду, что проблема "неявного знания"/tacit knowledge сейчас LLM-ками не вполне решается. И общими LLM-ками вряд ли будет когда-либо решена – нужны узкоспециализированные, которые будут заточены под знание конкретной отрасли/предметной области на базе общего "ИИ-интеллекта").

Обратная связь от других людей-специалистов в предметной области – повышает шанс или найти решение проблемы, или передоговориться (о том, что будете решать другую проблему, а эту пока оставите в покое и/или будете раздумывать о ней не спеша, обсуждать её не спеша в режиме "десятого приоритета" в выделенное время). С точки зрения операционного менеджмента это позволяет уменьшить потоковое время – а заодно не превращать распределение потокового времени в жирнохвостое (где с прогнозированием бооольшие трудности, и средние не работают).

В общем, можно сказать, что базовая идея такая: следите за прогрессом, когда он замедлился сильно, переходите к постоянным циклам критики / обратной связи. Несём сделанное для обсуждения (например, чертежи или 3Д модель Крымского моста) и несём критиковать; кладём балку новым способом и показываем окружающим (и получаем по шапке, это обязательно рано или поздно произойдет в цикле критики).

Критика / обратная связь не всегда будет приятной; но она должна быть полезной. Если неприятная форма критики не мешает её воспринимать и принимать, то всё ок, с формой не стоит заморачиваться слишком сильно. Но если вы переборщите, не удивляйтесь, что вашу критику пропустят мимо ушей, будь хоть 100 раз вы умничка и прав. Так что хорошо подумайте, что вам важнее: быть правым/ самым умным/ красивым, или достичь цели. Это ЧАСТО разные штуки)

ИИ-шки, как и среднестатистический человек:
1. Точно так же несут бред
2. Точно так же экономят ресурсы (токены, точнее, вычислительные мощности датацентров)
3. Точно так же не запоминают, если им не скажешь 5+ раз
4. Точно так же фокусируются на неважном, если их не прерывать (особенно если собираете внутри ИИ-шки экспертную панель)
5. Точно так же [эксперты в рамках экспертной панели/команды внутри ИИ] ссорятся между собой и никак не могут определиться, что говорить
6. Точно так же забывают инструкции (и надо напоминать/контролировать их соблюдение), точно так же надо проверять
7. Точно так же дают не самый плохой результат (не самую плохую версию ответа) не с первого раза
8. Точно так же надо просить прокритиковать свое же рассуждение и предложить способы его улучшения
9. Точно так же сдаются, когда просишь их в десятый раз перегенерировать ответ (и точно так же надо подбодрить, когда они сдаются, чтобы попытались ещё)
10. Точно так же нужна модель собеседника, чтобы общаться.

Главное отличие при общении в другом. Когда ты имеешь дело с человеком, тебе надо открыть/discover этого человека, чтобы составить правильную модель собеседника в своей голове (мы общаемся через модели в головах). Ты изначально не знаешь, какой этот человек на самом деле, поэтому требуется постоянно открывать/discover его, чтобы осуществить delivery – собственно коммуникацию.

А когда имеешь дело с ИИ, тебе надо смоделировать себе собеседника (иначе тебе будет отвечать собеседник-пересказчик первых 10 страниц гугла, который говорит на языке, понятном среднему пользователю).
Последние сетки вполне себе могут сносно сделать аватар какого-нибудь специалиста в предметной области (можно прямо сразу моделировать конкретного человека, а можно просто задавать портрет, например, врач-терапевт с 20+ годами стажа, входящий в топ 1% в предметной области), смоделировать его коммуникационный стиль, установить ограничения на выдумывание (в частности, выдумывание списков источников информации). Тогда можно получить не совсем плохое описание, которое уже пригодно для человеческой критики (нормальными специалистами, разумеется), и затем проверять "в бою" отредактированное описание.

Человеческая критика необходима, потому что роботу недоступно озарение, он просто генерирует "что-то подходящее к ситуации", его шкура не на кону, он не умрет, если что-то неправильно скажет (и не будет это проверять в реальности). Но робот может сэкономить время на генерировании гипотез и первых версий описаний – при условии, что ты сам:
– умеешь моделировать (есть фундаментальное онтологическое мастерство),
– знаешь предметную область и продолжаешь её непрерывно исследовать,
– знаешь, как именно общаются ИИ-шки и как эволюционируют способы их общения (где как косячат и где соломки подложить).

Почему я приветствую развитие ИИ

Во-первых, если вы хорошо разбираетесь в своей предметной области, вы получаете ускорение в своей предметной области примерно в 10 раз: https://t.me/theworldasaneuralnetworkchat/1364

Во-вторых, вся эта история про ИИ/LLM – это история про экономию ресурсов. Первую версию описания дешевле собрать вместе с командой нежити под кураторством человека, чем бегать за всеми белковыми экспертами и собирать их в одном месте, уговаривать сотрудничать и тп.
Сейчас едва ли не основные траты ресурсов во время работ приходятся именно на координационные акты. "Как сделать" ("как применить метод" и даже "как сформулировать метод") постепенно перестают представлять настоящую проблему. "Как собрать команду и как её уговорить сотрудничать" – куда более весёлый квест.

В-третьих, чем больше распространяется ИИ, чем больше людей его используют, тем больше BS окажется нагенерировано и тем ярче проявится это в работе. Тем больше будет стимулов заниматься развитием личного интеллекта (а не только искусственного) 😉
Умные люди будут ужасаться происходящему и будут стараться спастись от глупости – и спасти окружающих. В общем, нам будет чем заниматься)

Обсуждали недавно в чате нового потока "Рациональной работы" (https://system-school.ru/programs/orgdev – кто не знает, что это такое) "вещь/систему, которую создаёт предприятие". И речь зашла, конечно, о предприятиях, которые продают "воздух", не участвуют толком в создании никакой вещи.

Например, в академической среде изрядное количество людей, которые пишут статьи (те делают описания) ради статей, а точнее – ради "плюшек", которые получают за n напечатанных статей (прибавка к зарплате или даже tenure – пожизненный гарантированный найм для преподавателя).

Есть и коммерческие (на первый взгляд) организации, которые проводят исследования безопасности использования ИИ для политиков: https://systemsworld.club/t/veshh-v-sozdanii-kotoroj-uchastvuet-predpriyatie-zadanie-9-3-iz-kursa-1-1-raczionalnaya-rabota/24031.
Но если результаты работ такой компании используются, чтобы та или иная политическая группировка получила побольше политического (и экономического, и силового) ресурса под крик "ИИ небезопасно, давайте запретим!", то по сути, о существовании какой-то вменяемой/адекватной вещи говорить не приходится. Компания если и участвует в создании, то в создании политической группировки в состоянии "получила власть (прибавку к власти)". О воплощении в жизнь адекватных экономических решений в области ИИ тут говорить не приходится.

Точно так же можно продавать "косметику" (какую-то определённую), а можно – пустые обещания что-то изменить во внешности человека.

Все эти ситуации объединяет одно – создатели, не участвующие в создании какой-то вещи, меняющей мир (и желательно – к лучшему), фактически участвуют в создании очередного "МММ", которое нужно исключительно для обеспечения благосостояния его основателей.

Участвовать ли в очередном изводе МММ – личный выбор каждого. К нам в МИМ/ШСМ обычно приходят люди, которым не интересно создавать МММ, а интересно менять мир к лучшему. Очень приятно работать с такими людьми ❤️

Как вы, возможно, уже знаете, большая стажировка по "Рациональной работе" будет распилена на 4 стажировки поменьше:

1. Распожаризация: как не "тушить пожары" на работе, а избегать их появления.
2. Моделирование как основа коммуникации и лидерства.
3. Рабочее моделирование в инженерии и менеджменте.
4. Причинность, интервенции и контрфактичность в инженерии и менеджменте.

Руководства в интерфейсе AIsystant тоже будут распилены на 4 отдельных руководства. И материал в них будет обновлён!

Я уже начала переписку раздела 1 – и перепилила половину подразделов. Подразделы стали покороче и, надеюсь, попонятней, там добавлены алгоритмы, например, алгоритм проверки, не спутали ли вы вещь и действие. Дальше в раздел будет добавлен материал по различению моделей и описаний (чего сейчас не хватает).

Иии разделы по моделированию, которые будут в "Распожаризации", тоже изменятся. Текущий раздел 2 "Что такое онтологическая работа" будет переназван (рабочее название – "Отслеживать трату ресурсов") и начинаться будет с описания точки зрения операционного менеджера. Как думает (или должен думать) операционный менеджер, как связаны трата ресурсов и проход, и так далее.
После чего собственно расскажем, что такое "роль", "viewpoint", "индивид", "категория/класс", "отношения" и тп.

Надеюсь, нашим инженерам-менеджерам понравится такой подход и станет легче применять материал руководств в жизни! ❤️

Хочу показать, как можно моделировать граф создателей (производственные цепочки) на примере цветочного салона.

Моделирование цветочного салона, часть 1

Итак, сначала надо определить вещь. В данном случае всё просто: вещь/целевая система – подаренный букет. Букет – набор цветов, иных растений, упаковки и украшений (например, ленточек), составленный в определённую композицию и выступающий подарком (часто в честь какого-то события). Букет, очевидно, можно подержать в руках, это физический объект, он нужен сам по себе, является конечной вещью. (Разумеется, засохшие цветы ещё можно наклеить на закладку для книги, но это уже за пределами рассмотрения).

Ситуация эксплуатации (на примере): муж дарит жене на День Рождения букет её любимых цветов. Курьер должен привезти букет вовремя (к моменту дарения), букет должен быть красивым и выглядеть свежим, должна быть возможность сделать красивую фотографию с ним и поставить в вазу. Можно рассмотреть и другие ситуации, например, коллеги-мужчины дарят женщинам на 8 марта по цветку / небольшому букету.

Теперь к моделированию графа создателей/производственной цепочки. Здесь уместно вспомнить диаграмму для системного описания (предметов) деятельности предприятия из руководства по системному мышлению (в будущем переедет в руководство по системному моделированию). (см в посте выше)

Сначала отмоделируем воплощение целевой системы – букета. Составляет букет флорист: он должен знать правила сочетания цветов, уметь составить композицию (желательно в стиле салона). Затем есть следующая рабочая станция – упаковщик, который должен упаковать букет, например, в крафтовую бумагу, повесить ленточки и подготовить букет к отправке. Затем (в случае онлайн-доставки) есть курьер/доставщик, который доставляет букет по нужному адресу к нужному времени. Производственная цепочка по воплощению букета довольно простая, в целом. Но дальше начинаются наши любимые нюансы 😃

Во-первых, выше названы только роли:: функциональные объекты, которые должны продемонстрировать некоторое поведение. Но не сказано, какие именно конструктивные/физические объекты будут его реализовывать. Тут возможны варианты: когда вы только-только открываете салон, роль флориста и роль упаковщика будет совмещать один и тот же человек.
При этом, хотя функции выполняет один и тот же человек, это разные рабочие станции. Банально у флориста и у упаковщика разные рабочие места: флористический стол обычно мокрый (над ним работают с цветами, вытащенными из воды) и грязный (на него летят обрезки стеблей, листьев и так далее), упаковывать букет за ним нельзя – можно испачкать его. Поэтому у упаковщика либо отдельный от флористического столик для упаковки, либо под упаковку приспосабливают выдвижную столешницу в столе флориста. Кроме того, конкретно рабочее место упаковщика должно быть рядом с розетками, чтобы можно было, к примеру, проклеить уголки упаковки термоклеем при помощи клеевого пистолета.

Поначалу роли флориста и упаковщика будет исполнять один и тот же человек. Но по мере роста и развития салона вы можете захотеть отделить функцию “составления букетов” от функции “упаковки”: рабочая станция “флорист” обычно является бутылочным горлышком, так что флориста можно по максимуму освободить от “непрофильных” обязанностей. Обычно в такие салоны нанимают “помощника флориста”:: должность, который в том числе выполняет роль упаковщика (для стандартных букетов, которые салон/флористическая студия выпускает пачками). В таком случае упаковщику уже потребуется обеспечить отдельный стол, а не просто выдвижную столешницу в столе флориста.

Роль курьера актуальна, если салон работает с онлайн-доставкой. Конечно, курьером выступает обычно какой-то третий человек, использовать того, кто играет роль флориста, будет дороговато для бизнеса 😃

Итак, с производственной линией по воплощению букета закончили. Ноо не всё так просто! В следующий раз поговорим о том, как составляются описания букета:: вещь/целевая система. Там тоже можно выделить свою “производственную линию”, и ресурсы для неё нужны будут во многом те же, что и для воплощения букета.

Альтернативный способ отмоделировать альфу "воплощение букета"

При помощи ChatGPT, усиленной FPF, составила более подробное описание производственной линии по составлению букета.


Получилось так:
1. Отборщик стеблей. Когда салон получает заказ, отборщик по карточке заказа выбирает стебли нужных SKU и количества из холодильника, переводит их из запаса в буфер подготовки (приносит к столу флориста). В более крупных салонах эту роль будет выполнять помощник флориста.

2. Подготовщик стеблей. Отобранные стебли надо подготовить к попаданию в букет: обрезать стебель, обработать, удалить увядшие листья. Поскольку следующая рабочая станция будет узким местом/бутылочным горлышком, поэтому при высокой нагрузке имеет смысл немного заранее готовить цветы к компоновке в букет. В более крупных салонах эту роль также будет играть помощник флориста.

3. Компоновщик букета. Теперь отобранные стебли надо скомпоновать в букет, чтобы получилась целостная композиция. Это бутылочное горлышко во всей производственной линии, поэтому перед ней должен быть такой запас подготовленных стеблей, который позволит флористу почти сразу переключиться с компоновки одного букета на следующий. Выполняет эту роль флорист. Компоновка происходит за рабочим столом флориста.

4. Упаковщик букета. Почти готовый букет надо упаковать в обёртку, повязать ленту, заклеить уголки, прикрепить открытку, и так далее. В более крупных салонах эту функцию будет выполнять то человек в должности флориста, то человек в должности помощника флориста за отдельным упаковочным столиком (либо на выдвижной столешнице в столе флориста).

5. Комплектовщик заказа. Букет надо проверить на соответствие описанию букета и соответствие заказу, сфотографировать для соцсетей, а также подготовить букет к передаче курьеру. В том числе дождаться курьера, передать ему букет, поставить отметку о передаче букета в доставку, а потом ещё (желательно) поставить отметку о получении букета клиентом (например, получить от курьера фотографию клиента с букетом).

6. Курьер/доставщик. Курьер должен доставить букет и подтвердить его получение, например, фотографией клиента с цветами. После чего заказ будет считаться исполненным, а букет – перешедшим в ситуацию/контекст эксплуатации.

В принципе, можно ещё детальнее расписать методы и соответственно выделить ещё более мелкие рабочие станции, которые будут выполнять строго одну операцию. Например, будут только фотографировать букеты как фотографы.

Степень детализации описания зависит от вашей цели. Если вы готовите салон к 8 марта и нанимаете дополнительных временных работников (=добавляете ресурс), имеет смысл на этот период времени углублять разделение/специализацию труда. В обычное время роли отборщика, подготовщика стеблей и упаковщика будет совмещать один человек в должности помощника флориста. В период пиковой нагрузки вы делегируете функции трём разным людям и описываете им их функционал соответственно – для этого и нужно более детальное описание. Если сейчас вам этого не требуется, может быть достаточно упрощенного описания производственной линии из всего лишь трёх рабочих станций: флориста, упаковщика, курьера.

Чтобы получить такое описание, я загрузила последнюю версию спецификации FPF, дала команду ChatGPT "Отвечай далее в этом чате с опорой на новую версию FPF в приложении".
После чего подгрузила книжки по Factory Physics, TameFlow, а также несколько книжек о прикладной предметной области (например, Buying and Running the Florist Shop).

Потом составила вот такой запрос:

Опиши мне альфу описания букета как производственную линию в Factory Physics & TameFlow.

Учти, что рабочие станции в производственной линии – это функциональные физические объекты, а не процессы. Например, правильное название рабочей станции – это "флорист", а не "сборка букета". Это пример, а не название рабочей станции, которое нужно использовать, название ты должен придумать сам.
Называй рабочие станции по названию роли, которую должен исполнить оператор на данном рабочем месте.
Не называй рабочие станции по названию места. Например, нельзя называть рабочей станцией "Флористическая сборочная стойка", надо называть рабочую станцию "флорист".

Сделай таблицу, в которой будут перечислены:
– функциональный объект (название роли, которая исполняет работу) – физический объект (конкретный агент-исполнитель работы)
– место, где исполняется работа (физически)
– метод, который применяет рабочая станция
– тип буфера рабочей станции
– расчет пропускной способности станции

Имена объектов давай по паттерну F.18.

Запрос корректировался несколько раз. Я читала выданный ответ и дальше добавляла замечания:

1. рабочая станция – это не "процесс", а "объект, выполняющий процесс" (пытался давать рабочим станциям названия типа "сборка букета", потому что так обычно пишут в книжках по операционному менеджменту; в них очень кривая онтология местами).

2. название рабочей станции – название роли, исполнитель которой будет выполнять работу. После первого замечания LLM попыталась мне называть рабочие станции именами рабочих мест, например, выдала мне в качестве рабочей станции "флористический стол". В принципе, я даже понимаю, откуда это взялось: в операционном менеджменте рабочей станцией могут назвать "станок ЧПУ" (физический/конструктивный объект). Но всё же мы хотим разнести "роль:: функциональный объект" и "исполнителя роли:: физический объект". Это важно, когда мы перестраиваем производственную линию, например, добавляем ресурс: нанимаем сотрудников и делегируем им функции.

Очень помогла ссылка на паттерн F.18 в FPF, который задает правила именования объектов. Очень рекомендую им пользоваться 😃

После я всё же откорректировала выданный результат. Например, отборщика стеблей LLM пыталась назвать "кладовщиком", я посчитала, что это неудачное название. LLM предложила выделить "инспектора/проверяльщика букета" как рабочую станцию отдельно, но я решила, что нет смысла выделять её отдельно, а функцию проверки букета на соответствие техкарте и заказу будут выполнять частично упаковщик букета, частично комплектовщик заказа.

В принципе, отборщика и подготовщика стеблей можно объединить тоже, насколько глубокая специализация труда вряд ли потребуется салону (разве что в исключительных случаях). Тогда количество выделенных рабочих станций сокращается до 5: подготовщик стеблей, компоновщик букета, упаковщик букета, комплектовщик заказа, курьер.

Несколько выводов по использованию ИИ

Тестировала в течение месяца Thinking-версию ChatGPT, перешла теперь на Pro.

1. ChatGPT Pro СИЛЬНО умнее ChatGPT Thinking. Для меня прямо ощутима разница в качестве ответов. В ответах Thinking мне порой приходилось править-выбрасывать 50-70% текста. Pro выдает сразу более качественное описание, пока не более 30% информации отфильтровываю. С бесплатными моделями, даже усиленными FPF, разговаривать вообще бессмысленно, ерунду городят. В общем, умность модели таки имеет значение.

2. ChatGPT Pro в режиме Extended Thinking думает в 5-10 раз медленнее (4 минуты на проверку моего текста vs 40 минут). Но качество ответа лично для меня бьёт все остальное. С ответами Thinking-модели мне потом приходилось возиться ещё несколько часов, чтобы что-то приличное из этого сделать. С Pro я этого времени не трачу, так что с Pro у меня получается результат быстрее ("скорость до результата" выше; на "скорость в процессе" не стоит обращать большое внимание в таком случае).

Наши инженеры-менеджеры говорят, что для большинства задач им хватает Thinking-модели. Она удобнее, потому что меньше теряет контекст и быстрее думает (в дихотомии "скорость vs точность" выбирают скорость). Думаю, всё зависит от ситуации применения LLM.

➡️ Если вам нужно выполнить сложную онтологическую работу, то Pro модель фактически незаменима (лучше всех рассуждает). Например, такую работу выполняет Анатолий, когда составляет FPF. Такую работу придётся проводить тем, кто захочет разработать хороший Second или Third Principles Framework. Но также такую работу придётся проводить тем, кто запускает оргизменения и должен быстро отмоделировать обновлённый кусочек предприятия во время его эксплуатации.

➡️ Если требуется создать прототип какого-то софта, то я бы тоже выбрала Pro модель. Код вам напишет LLM на достаточно неплохом уровне; а вам нужно аккуратно составить онтологию предметной области, для которой создаётся софт. Онтологию вы будете составлять с LLM совместно, и Pro-модель справится лучше.

➡️ Если вы используете LLM для мелких текущих задач вроде "составить план интервью", "пофиксить баг", "написать письмо или отчёт", то Thinking-модели действительно достаточно. Это очень типовые и шаблонные задачи, серьезные рассуждения здесь не нужны, скорость ответа важнее его точности.

➡️ Вам также может быть важнее скорость ответа модели, если вы проводите много мелких тестов в течение дня. Но тут я бы чередовала Thinking и Pro модели: в течение дня выполняла мелкие тесты, а поразмышлять над стратегией тестирования, над ошибками в методе тестирования и подходах я бы отправляла Pro-модель под конец рабочего дня (пусть себе размышляет).

Сама я на подписку Plus не вернусь. Свои $200 Pro-шка у меня отрабатывает на полную катушку 😉

P.S. Чтобы (любая) модель не теряла контекст, напоминайте ей постоянно об этом. Людям требуется 5+ (а лучше 7-9) напоминаний, чтобы они что-то сделали; почему вы считаете, что с LLM-ками всё иначе?

Не могу нарадоваться на ChatGPT Pro (простите)

Онтологические проблемы, коих в дисциплине операционного менеджмента больше, чем собственно операционно-менеджерских расчетов, решать с ним куда удобнее