Дэвид Буркус - Муза не придет. Правда и мифы о том, как рождаются гениальные идеи

Проект InnoCentive был для Бингхэма последней надеждой. Он не мог тратить больше денег на одни и те же неработающие решения и не представлял, откуда взять ресурсы. Он не знал, получится ли достичь той или иной промежуточной цели или сколько времени на это потребуется, и внутреннее планирование становилось почти невозможным. Но если бы участвовали внешние сотрудники, получающие фиксированную премию за эффективное решение, тогда планирование бюджета и ресурсов упростилось бы. Сначала отклик был вялым, и Бингхэм начал задумываться, стоил ли проект денег, потраченных на разработку сайта. Но постепенно ответы на поставленные вопросы начали поступать. Среди прочих был и вариант Мюллера. Он не только устранил препятствия, с которыми столкнулась работавшая над получением препарата исследовательская группа, но и позволил Бингхэму избавиться от необходимости дорогостоящих разработок и исследований.

В 2003 г. проект InnoCentive отделился от Eli Lilly как независимая компания, а Бингхэм остался у руля в качестве генерального директора. На сайте появляются задачи сотен корпораций (их называют «ищущими»), таких как DuPont, Boeing, Novartis и Procter & Gamble. Спектр этих задач очень широк — от создания литий-ионных батареек до способов производства шоколада с пониженным содержанием жира. Но спектр людей, которые работают над этими задачами (их называют «решающими»), еще разнообразнее. Больше 200 000 человек зарегистрировались на InnoCentive, чтобы попробовать себя в достижении поставленных целей. Бингхэм считает, что поэтому сайт и дает результаты. «Это позволяет получить такое разнообразие взглядов на проблему, что решение часто получается довольно уникальным» [61]. Ответы рождаются из разнообразия. Большинство «решающих» на InnoCentive занимаются там вещами, которые не относятся к их обычной сфере деятельности и часто лишь граничат с ней. Как и в случае с Вернером Мюллером, который был опытным промышленным химиком, но справился с фармацевтическим вопросом, большинство находок исходит от людей, у которых хватает подготовки, чтобы понять сложность проблемы, но не так много опыта, чтобы он мог сузить пространство поиска, когда дело доходит до возможных решений.

InnoCentive — не единственный вариант, который компании используют, желая привлечь креативных неспециалистов. В 2006 г. начался широко разрекламированный конкурс на приз компании Netflix [62]. Эта компания, занимающаяся прокатом DVD и потокового видео, хотела улучшить свою методику рекомендаций. Ее суть в том, что отбор фильмов, которые предлагаются пользователям для последующих просмотров, производится на основании картин, которые те уже посмотрели и оценили. Компания не стала тратить время сотрудников и внутренние ресурсы — она решила, что более эффективным будет использовать потенциал всех желающих, независимо от их опыта или работодателя. Конкурсантов попросили создать новый алгоритм, который повысит качество рекомендаций хотя бы на 10 %. Netflix собиралась проверить этот алгоритм на выборке из своих реальных клиентов и пообещала миллион долларов команде, которая первой сможет перейти необходимый порог. В дополнение к главному призу компания также предложила «призы за прогресс» — $50 000 ежегодно вручались команде с лучшими на текущий момент результатами, чтобы стимулировать продолжение работы и даже сотрудничество между командами.

Через три года, получив проекты от 40 000 команд из 186 стран, Netflix присудила главный приз необычной группе. Команда с оригинальным названием «Прагматический хаос БелКора» (BellKor’s Pragmatic Chaos) представляла собой пестрое собрание статистиков, специалистов по искусственному интеллекту и программистов из США, Канады, Австрии и Израиля. Их алгоритм улучшил тогдашний метод Netflix на 10,06 % и первым оказался на финише. Что интересно, семь человек начали работу как три отдельные команды. За три года они оценили прогресс и идеи друг друга — и решили объединиться, чтобы получить преимущества уникального подхода каждой из команд. Первый раз все члены группы встретились, когда приехали в Netflix, чтобы забрать приз.

Однако случился интересный поворот: Netflix так и не воспользовалась находкой команды-победителя. За время конкурса компания переориентировала свою бизнес-модель с рассылки DVD по почте на показ потокового видео в Интернете, и этот сдвиг требовал другого алгоритма. Хотя может показаться, что миллион — исключительно высокая цена за улучшение, которое так и осталось «на бумаге», разработки, присланные на конкурс, вдохновили Netflix на ряд усовершенствований в дальнейшем. Кроме того, наблюдая, как команды соревнуются и двигаются вперед, компания получила важные уроки, помогающие оптимизировать последующие процессы разработки алгоритмов.