Стратегия, AI и организационный дизайн
前往频道在 Telegram
🧠Стратегия, AI и организационный дизайн 📊Продуктовая разработка. 💪Стритлифтинг. Книга "Дизайн Agile-организаций" www.piter.com/product/dizayn-agile-organizatsiy www.agile-organizations.ru Для связи - @fancydev
显示更多2 970
订阅者
+2524 小时
+857 天
+66830 天
数据加载中...
相似频道
标签云
进出提及
---
---
---
---
---
---
吸引订阅者
九月 '26
九月 '26
+104
在0个频道中
八月 '26
+791
在26个频道中
Get PRO
七月 '26
+446
在11个频道中
Get PRO
六月 '26
+275
在0个频道中
Get PRO
五月 '26
+253
在4个频道中
Get PRO
四月 '26
+231
在5个频道中
Get PRO
三月 '26
+253
在15个频道中
Get PRO
二月 '26
+191
在1个频道中
Get PRO
一月 '26
+51
在4个频道中
Get PRO
十二月 '25
+30
在1个频道中
Get PRO
十一月 '25
+58
在2个频道中
Get PRO
十月 '25
+124
在1个频道中
Get PRO
九月 '25
+80
在2个频道中
Get PRO
八月 '25
+85
在3个频道中
Get PRO
七月 '25
+58
在4个频道中
Get PRO
六月 '25
+70
在2个频道中
Get PRO
五月 '25
+58
在1个频道中
Get PRO
四月 '25
+152
在6个频道中
Get PRO
三月 '25
+89
在3个频道中
Get PRO
二月 '25
+272
在9个频道中
Get PRO
一月 '250
在3个频道中
Get PRO
十二月 '24
+1
在1个频道中
Get PRO
十一月 '24
+2
在0个频道中
Get PRO
十月 '24
+8
在0个频道中
Get PRO
九月 '24
+205
在1个频道中
| 日期 | 订阅者增长 | 提及 | 频道 | |
| 05 九月 | 0 | |||
| 04 九月 | +27 | |||
| 03 九月 | +13 | |||
| 02 九月 | +64 | |||
| 01 九月 | 0 |
频道帖子
⚡️ AI ускоряет людей. Компанию — нет
В свежем исследовании McKinsey есть интересное противоречие. 80% респондентов говорят, что AI повысил их личную продуктивность. Но только 37% видят вклад AI в EBIT компании — и эта доля почти не изменилась за год.
Для системного мышления здесь нет ничего удивительного. Рассел Эйкофф формулировал эту мысль примерно так:
«Эффективность системы определяется взаимодействием ее частей, а не эффективностью каждой части по отдельности».AI сегодня отлично ускоряет отдельные части организации: разработку, аналитику, маркетинг, работу менеджеров. Но это классическая локальная оптимизация. Если работа потом ждет другую команду, согласование или решение руководителя, выигрыш растворяется в очередях. Более того, ускорение отдельных частей может ухудшить эффективность целого. Одна функция начинает производить работу быстрее, следующие этапы не успевают ее принимать, растут очереди, незавершенная работа и координационная нагрузка. И данные McKinsey хорошо это показывают: почти три четверти AI high performers фундаментально перепроектируют workflows, тогда как среди остальных организаций это делает примерно четверть. Отсюда мой prediction: маленькие компании и предприниматели могут получить от AI непропорционально большой выигрыш. Им проще менять весь поток работы. Большим организациям придется перепроектировать процессы, границы команд и структуры власти. А на такие изменения они идут гораздо тяжелее. Как вам такой вывод? DAO — обучение оргдизайну | DAO Практикум — проектирование своей организации
| 2 |  ⚡️ RenDanHeYi: каждый становится предпринимателем
С удовольствием прочитал Start-up Factory — книгу Joost Minnaar и Pim de Morree о модели RenDanHeYi в Haier. Это одна из самых радикальных моделей организации работы.
Идея RenDanHeYi — заменить значительную часть иерархии сетью предпринимательских единиц, связанных рынком, контрактами и экономическими результатами.
Вместо привычных функций и департаментов — тысячи microenterprises со своим P&L и широкими правами на решения. Одни работают напрямую с внешним клиентом, другие продают им внутренние сервисы. Отношения между ними строятся через контракты.
Особенно интересно это работает с shared services. В обычной компании HR, Finance, IT, закупки — монополисты. Нужен сервис — выбора нет. В Haier microenterprise может расторгнуть контракт с внутренним поставщиком, выбрать другого или купить услугу на внешнем рынке. Если внутреннюю функцию нельзя заменить, это монополия.
Внутренний рынок касается и денег конкретного человека. Есть базовый доход, своего рода safety net, а существенная часть заработка зависит от того, какую ценность создала microenterprise. Достигли результата — появляется дополнительный пул. Создали больше ценности — пул растет. Дополнительный profit команда распределяет внутри себя.
Поэтому принцип Haier «каждый становится предпринимателем» — не метафора. Система напрямую связывает каждого участника microenterprise с клиентом и экономическим результатом: получил ли клиент ценность, выполнен ли контракт, заработала ли microenterprise.
И здесь интересна связь с проблемой вовлеченности, engagement. Обычно компании пытаются лечить ее опросами, программами вовлеченности и работой менеджеров. Haier меняет экономическую систему, чтобы у человека была прямая связь между клиентом, результатом и собственным выигрышем.
Что интересно, сама идея не новая. Еще Russell Ackoff в Re-Creating the Corporation описывал мультиразмерную организацию и внутреннюю рыночную экономику: клиентские, продуктовые и сервисные единицы взаимодействуют как покупатели и поставщики, а внутренние функции лишаются гарантированной монополии.
Haier довел эту логику до радикальной практики: контракты вместо распоряжений, рынок вместо внутренних монополий, profit sharing вместо фиксированной зарплаты, предприниматели вместо сотрудников.
А вы смогли бы работать в такой системе? Что в ней кажется сильным, а что опасным? | 522 |
| 3 |  ⚡️ Как раскрыть потенциал организации и ускориться в 2-3 раза
Последние 15 лет я помогаю организациям ускоряться — от стартапов до больших банков и телекомов.
По мере роста часто происходит одно и то же: людей и ресурсов больше, а работа движется медленнее. Растут очереди и согласования, зависимости, конфликты целей и Time-to-Market.
Мой опыт подтверждает: у любой организации есть потенциал ускориться в 2–3 раза.
Самое сложное — найти, где именно спрятан этот потенциал. Поэтому я записал серию видео о том, как находить эти ограничения.
Переходите по ссылке.
А вы догадываетесь, где спрятан потенциал вашей организации? | 1 090 |
| 4 |  ⚡️ Собирайте свой набор навыков
Дочитал Скотта Адамса «Как потерпеть неудачу почти во всем и все-таки выиграть по-крупному». Книгу пересказывать не буду, но одна идея меня зацепила.
Адамс называет ее talent stack — набор навыков. Его мысль простая: не обязательно становиться лучшим в мире в чем-то одном. Можно стать достаточно хорошим в нескольких вещах, которые усиливают друг друга.
Сам Адамс приводит себя в пример. Он не лучший художник, не лучший писатель и не лучший публичный спикер. Но к этому добавились бизнес-образование, MBA и опыт работы в корпорациях. В итоге получилась довольно редкая комбинация навыков.
Мне эта идея очень отзывается, потому что я, кажется, интуитивно всегда делал примерно так же. Постоянно учился чему-то новому, добавлял новые навыки и соединял их с тем, что уже умею.
И чем дальше, тем больше мне нравится сама логика: ценность создает комбинация навыков, а не один отдельно взятый навык.
Какой стек собираете вы? | 705 |
| 5 | Паттерны промптинга-v2.1.pdf | 757 |
| 6 |  ⚡️ 30 паттернов вместо 16
У меня давно была библиотека из 16 паттернов промптинга. Из них можно собирать хорошие промпты и инструкции для AI-ассистентов и агентов.
Я решил ее серьезно обновить и довольно сильно заморочился с The Prompt Report — большим научным обзором, где авторы собрали 58 техник промптинга для текстовых LLM. Если хочется заморочиться еще сильнее, можно открыть исследование и читать его целиком.
Тащить все 58 к себе я не стал. Прошелся по всему списку, посмотрел на пересечения и практическую полезность и в итоге расширил библиотеку с 16 до 30 паттернов.
Один из моих любимых — Дерево рассуждений (Tree of Thoughts). AI разворачивает несколько веток решения, сравнивает их, отбрасывает слабые и при необходимости может вернуться к тому, что раньше отбросил.
Например:
«Предложи три возможных направления решения. Для каждого оцени плюсы, риски и последствия. Отбрось слабые ветки и развивай наиболее перспективную, при необходимости вернись к альтернативе»
.
Мне эта штука нравится тем, что одной инструкцией можно довольно сильно поменять способ работы AI с задачей. Вместо первого попавшегося ответа он начинает исследовать несколько вариантов и сравнивать их между собой.
Для каждого паттерна в файле есть короткое объяснение и несколько готовых примеров. В конце я оставил большой промпт для подготовки ретроспективы, где разные паттерны уже собраны вместе в одного AI-ассистента.
Получилась версия 2.1. PDF прикладываю к посту.
Как планируете это использовать? | 739 |
| 7 |  ⚡️ Vibe Coding и Vibe Montage
Последние месяцы довольно много приходится заниматься видео: встречи закрытого клуба, модульные программы, тренинги. Обычно я делаю записи, а потом отправляю их участникам в Telegram.
И монтаж каждый раз превращался в отдельную боль. У меня два оператора, плюс иногда московская студия. Файлы передаются, что-то ломается, появляются битые записи, начинается выяснение, на чьей стороне проблема. Один ролик завис почти на две недели. А еще каждый монтаж стоил мне 2–6 тысяч рублей.
В какой-то момент меня это просто задолбало, и я решил попробовать Codex в ChatGPT. Показал ему несколько уже смонтированных роликов в моем стиле, создал проект, поставил плагин Remotion и начал собирать видео сам.
И получилось. Сейчас у меня уже есть настройки и пресеты. Обычно хватает двух-трех проходов: первая версия, несколько правок, еще один прогон. То, что раньше занимало несколько дней, теперь занимает 15–20 минут.
Я называю это Vibe Montage.
Еще недавно я платил за каждый монтаж и ждал несколько дней. Теперь делаю его сам за 15 минут на ChatGPT.
Времена, конечно, шикарные.
Расскажите, как вы экономите время и деньги с помощью AI. | 729 |
| 8 |  ⚡️ Кейс: 58% автономности, 0% поставки
Один мой коллега проджект-менеджер столкнулся с типичной проблемой. Четыре ключевых архитектурных компонента находились за пределами его команды. Из-за этого постоянно возникали зависимости и лишние согласования.
Он и раньше понимал эту проблему. Но она была размазана по десяткам ситуаций: тут ждем одну команду, там нужен чужой компонент, здесь снова зависимость. Все это было известно, но общей картины не было.
Он собрал с командой HeatMap в моем программном обеспечении для диагностики организации. И тут случился хороший aha-момент.
Оказалось, что команда самостоятельно выполняет 58% работы. Вроде немало. Но из 11 элементов беклога самостоятельно доводит до конца 0. То есть команда много чего могла делать сама, но закончить самостоятельно хотя бы один элемент не могла вообще.
Карта показала и причину: почти каждый элемент в какой-то момент упирался во внешний компонент или организационную функцию. И вот тут разговор про оргструктуру резко стал предметным.
«Мы за 2 недели на изи поменяли структуру департамента и втянули 3 компонента внутрь юнита, максимально легко и без сопротивления команд или менеджмента».
По словам участника, менеджмент понял ситуацию с первого раза, и end-to-end команда появилась за один спринт. Особенно зашел автоматический вывод по матрице: «юнит может начать работу, но не может закончить». Очень простая фраза, но она сразу отрезвляет.
Мне нравятся такие инструменты потому, что они делают видимым то, что до этого существовало только кусками в головах людей.
HeatMap — один из модулей моего ПО для диагностики и проектирования организаций. Там есть и другие модули, матрицы и способы посмотреть на организацию с разных сторон.
Мы используем этот инструментарий в двух программах — DAO «Дизайн адаптивных организаций» (ссылка) и DAO Практикум «Проектирование вашей организации» (ссылка).
На Практикуме участники работают со своей реальной организацией: собирают данные, визуализируют устройство системы и проектируют изменения.
Бывало: работаем много, закончить не можем? | 1 421 |
| 9 |  ⚡️ Рабочий поток — единица автоматизации в Uber
В Uber единицей проектирования становится рабочий поток.
Для этого Uber собирает Agentic Pods: AI-инженер работает вместе с экспертом из финансов, операций, маркетинга, поддержки или другой функции.
Первые дни инженер наблюдает, как работа происходит на самом деле: где люди копируют данные руками, обходят ограничения систем, ждут согласований, переключаются между инструментами.
И тут у меня сильное дежавю из Extreme Programming. В первой версии XP одной из практик был On-Site Customer: разработчик и человек, для которого создаётся система, должны работать рядом. Короткая дистанция между технической компетенцией и знанием реальной работы была встроена прямо в дизайн метода.
Agentic Pods выглядят как современная версия этой идеи. Только теперь рядом с экспертом сидит AI-инженер и вместе с ним перепроектирует уже не отдельные шаги, а весь поток работы.
После этого они вместе перестраивают поток вокруг AI-агента и за десять дней доводят решение до рабочего состояния.
Результаты выглядят впечатляюще. Распределение капитала для 150 городов сократилось с 15 часов до 30 минут. Финансовая отчётность — с двух дней до 10 минут. Проверка маркетинговых страниц — с двух недель до 50 минут.
Но интереснее сам механизм.
Если автоматизировать одну операцию внутри старого процесса, остальные ограничения остаются на месте. Передачи работы, согласования, старые системы и ручные проверки продолжат определять скорость всей системы.
AI это повод заново спроектировать поток работы.
Самые сильные возможности для AI трудно увидеть на процессной схеме. Они становятся заметны рядом с человеком, который делает эту работу каждый день.
Оригинальный пост: https://x.com/VaibhavSisinty/status/2075199615801159974
Разбор кейса: https://www.iqsource.ai/en/blog/uber-agentic-pods-10-day-playbook/
Что теперь считать единицей автоматизации? | 697 |
| 10 |  ⚡️ Kimi K3 — еле успеваю пробовать новинки
AI-инструменты сейчас меняются с такой скоростью, что еле успеваю их пробовать. Вроде слежу за новинками и что-то тестирую, но новых моделей становится всё больше.
Вчера впервые нормально зашёл в Kimi K3. Авторизовался через Google и сразу собрал рабочий вариант сайта в бесплатной версии.
Результат получился лучше, чем на похожих задачах у меня получалось с ChatGPT и Claude: интерфейс аккуратнее, часть деталей Kimi K3 поняла с первого раза, и правок потребовалось меньше.
Потом посмотрел независимые тесты. В Code Arena Kimi K3 Max сейчас занимает второе место по созданию сайтов и интерфейсов, выше Claude Fable 5 и GPT-5.6 Sol.
В AA-Briefcase, где моделям дают большие задачи с документами, таблицами, презентациями и исходными материалами, Kimi K3 тоже заняла второе место и особенно хорошо показала себя в анализе информации и качестве результата.
В целом Kimi K3 сейчас сильна в создании сайтов и интерфейсов, работе с большими объёмами информации и длинных задачах, где AI сам разбивает работу на шаги и использует инструменты.
Сразу же оформил подписку на месяц. Хочу погонять Kimi K3 на реальных задачах и посмотреть, насколько первое впечатление подтвердится. Буду рассказывать о результатах.
Как у вас новинками? | 701 |
| 11 |  ⚡️ Системное мышление: кейс решения организационной проблемы.
Хороший кейс решения организационной проблемы от Вячеслава Сидячкина.
В его компании быстро рос поток обращений в поддержку. Поддержка не справлялась, разработка не успевала подключаться к сложным случаям, а обсуждение постепенно свелось к взаимным претензиям.
Вячеслав поговорил с представителями нескольких команд, собрал паттерны и построил causal loop diagram — CLD.
Диаграмма показала, что рост организации увеличивал количество клиентских сценариев и обращений, нагрузка росла, ответы замедлялись, возникало больше эскалаций.
После этого Вячеслав показал CLD участникам и вовлек людей в обсуждение. Стало видно: все элементы связаны, поэтому искать виноватого бессмысленно. Нужно менять систему. Одним из результатов стало решение усилить логирование и диагностику, чтобы быстрее получать контекст по сложным обращениям.
Здесь интересен алгоритм работы агента изменений:
- Идите на gemba. Поговорите с людьми из разных частей системы.
- Ищите паттерны. Повторяющиеся события и причинно-следственные цепочки.
- Визуализируйте систему. Постройте CLD.
- Верните картину людям. Покажите диаграмму, подкрепляя связи конкретными наблюдениями.
- Исследуйте систему вместе. Вовлеките людей в обсуждение того, какие связи стоит изменить.
CLD здесь — способ создать общее понимание системы и запустить изменения.
Весь experience report:
👉 https://scrum.ru/tpost/bsn82pbtu1-ot-poiska-vinovatih-k-izmeneniyu-sistemi
Какие фишки вы используете для запуска изменений? | 738 |
| 12 |  ⚡️ Хорошее решение может проиграть
На выходных прочитал Thinking in Bets Энни Дьюк. И там есть мысль, которую многим лидерам и продуктовым командам полезно прибить к стене:
«Хорошим решение делает не хороший результат. Хорошее решение — это результат хорошего процесса, и этот процесс должен включать попытку как можно точнее представить собственное состояние знания».
Мы любим судить задним числом. Хороший результат — значит, решили правильно. Плохой — значит, ошиблись. Это слишком упрощённая логика.
В сложной среде хороший результат может быть удачей. Плохой — следствием вполне разумного решения. Будущее неопределённо, информации всегда не хватает. Отсюда для меня главный вывод:
Качество решений зависит от качества процесса, в котором мы обновляем своё представление о реальности.
И здесь вспоминается старый добрый Скрам. Эмпирический контроль — его центральная концепция. Инспекция проверяет наши предположения реальностью, адаптация меняет следующие решения. Если новые данные не меняют решений, эмпиризма нет.
Хороший процесс не гарантирует хороший результат. Он повышает шанс принять следующее решение лучше.
Как у вас с эмпирическим контролем? | 763 |
| 13 |  ⚡️ Максимальная скорость ограничена структурой
Недавно мне задали хороший вопрос: что быстрее — кросс-функциональная команда или три функциональные группы: аналитики, разработчики и тестировщики, работающие в общей Kanban-системе?
Представим, что каждая функциональная группа установила минимальный WIP-лимит — один. Одна задача у аналитиков, одна у разработчиков, одна у тестировщиков. Минимальный WIP всей системы уже равен трем. Это ограничение создает сама структура.
Кросс-функциональная команда может пойти дальше: одна задача на всю команду, однопоточная работа (ссылка), сворминг или моббинг. Тогда WIP системы может быть равен единице, а это максимальная скорость.
Есть и второй эффект. Анализ, разработка и тестирование постоянно требуют уточнений и исправлений — это взаимные зависимости по Томпсону (пояснение здесь). В кросс-функциональной команде такие циклы могут закрываться почти мгновенно. В функциональной структуре каждый возврат пересекает границы команд и требует дополнительной координации.
Процесс можно улучшать очень долго. Но максимальная потенциальная скорость ограничена структурой. При прочих равных кросс-функциональная команда получает структурное преимущество.
Поделитись вашими структурными ограничениями, которые бесят? | 817 |
| 14 |  ⚡️ Команды в AI-native организации
На днях созвонился с коллегой, которая проектирует подразделение на 50–70 человек. После интервью мы перенесли операционные зависимости в DSM (Design Structure Matrix) и запустили алгоритм оптимизации.
Сразу проявились два плотных кластера — кандидаты на будущие организационные единицы. Функции, которые постоянно зависят друг от друга, имеет смысл держать вместе, снижая координацию через границы команд и подразделений.
Для AI-native организации это особенно важно. AI в разы ускоряет отдельные задачи. Но если результат проходит через пять команд, согласования и очереди, организация быстрее не становится. Локальное ускорение упирается в стоимость координации.
Поэтому мало внедрить AI в существующую структуру. Нужно сокращать внешние зависимости и собирать тесно связанные функции внутри автономных команд и юнитов. Тогда AI ускоряет весь поток создания ценности, а не отдельные операции.
Еще в 1960-х Джеймс Томпсон описал взаимные, последовательные и общие операционные зависимости. DSM делает их видимыми и помогает спроектировать будущую структуру организации.
Как вы проектируете команды? | 786 |
| 15 |  ⚡️ ChatGPT — океан, NotebookLM — лаборатория
Недавно проводил воркшоп по NotebookLM. Родилась метафора.
Если ChatGPT, Claude или Gemini — это океан, то NotebookLM — лаборатория.
Когда цена ошибки высока, хорошего ответа мало. Важно понимать, на каких источниках он основан. NotebookLM работает только с тем, что вы ему дали: книгами, статьями, интервью, исследованиями или внутренними документами. Он показывает, откуда взят каждый вывод. Поэтому такой подход особенно полезен в медицине, юриспруденции, финансах, исследованиях и консалтинге, где важно быстро проверить обоснованность выводов.
Я использую NotebookLM для проверки результатов других LLM. Например, Claude помогает подготовить отчет по организационной диагностике. Затем я загружаю в NotebookLM интервью, документы и сам отчет и прошу проверить, подтверждаются ли выводы материалами. За несколько минут находятся места, где модель слишком смело интерпретировала данные.
Еще один полезный сценарий — собственная база знаний. Загружаете книги, статьи, материалы курса или исследования и получаете AI, который отвечает только в рамках этой библиотеки.
P.S. Если вы в России и NotebookLM работает нестабильно даже через VPN, поможет настройка DNS: xbox-dns.ru
Если пользуетесь NotebookLM — поделитесь полезными сценариями. Возможно, мы соберем отличную коллекцию идей. | 838 |
| 16 |  ⚡️ Книга, которая меняет угол зрения
Обычно я не рекомендую книгу, пока не дочитаю ее до конца. Но здесь уже через несколько десятков страниц стало понятно: читать стоит.
По ходу чтения выписал для себя около двадцати рефреймов. Вот пять, которые сразу забрал в работу.
• Вместо погони за целями — строить систему, которая сама приводит к результату.
• Вместо управления временем — управлять своей энергией.
• Вместо поиска идеальной идеи — сначала выдать десятки плохих.
• Вместо ожидания, что каждый эксперимент окажется успешным, — считать нормой, если срабатывает один из десяти.
• Вместо попытки стать лучшим в одном навыке — собрать сильную комбинацию взаимодополняющих навыков.
Люблю книги, после которых меняется не объем знаний, а угол зрения. Reframe Your Brain — как раз такая.
Если работаете с продуктами, организационным дизайном, развитием команд или просто любите сильный non-fiction — смело рекомендую.
Какая книга изменила ваше мышление последней? | 924 |
| 17 |  ⚡️ Общие сервисы живут иначе
Вчера консультировал руководителя маркетинга. Она говорит: «Команда сильная, но всё движется медленно». Открываем доску. В работе — десятки задач.
Такое я регулярно вижу в платформах, рисках, HR, лигал и других общих сервисах. К ним проходят запросы от всей организации, и они страдают от расфокуса. В результате сервис становится менее предсказуемым для своих внутренних заказчиков.
Как этого добиться? Например, через явное ограничение незавершенной работы (WIP). На такой контекст хорошо ложится Kanban, потому что он стабилизирует поток, создает фокус и делает работу более предсказуемой.
Несколько лет назад мы с Алексеем Пикулевым проектировали такую систему для функции рисков одного крупного банка. На фотографии — одна из тех рабочих сессий.
Если узнали свою ситуацию — попробуйте найти место, где поток перегружен, и ограничьте незавершённую работу. Этого достаточно, чтобы поток ускорился и стал более предсказуемым.
Где вам стоит ограничить WIP? | 851 |
| 18 |  ⚡️ Спроектируйте организацию, которая выпускает продукты в 2–3 раза быстрее
Практически во всех моих консалтинговых проектах результатом становилось кратное сокращение Time-to-Market. Росбанк, СБП, МТС Касса и другие компании — перепроектирование организации каждый раз позволяло радикально ускорить поставку ценности. Именно поэтому я решил собрать эту методологию, инструменты и многолетнюю практику в новой программе DAO PRO · AI-native.
Если вы CEO, CTO, COO, руководитель PMO, руководитель трансформации, Agile-коуч или отвечаете за развитие компании или юнита, возможно, сейчас перед вами стоит одна из таких задач.
- Сократить Time-to-Market и сделать разработку более предсказуемой.
- Разработать организационный дизайн под новую стратегию компании.
- Защитить организационный дизайн перед руководством и получить поддержку изменений.
- Провести диагностику организации и понять, что именно ограничивает скорость изменений.
DAO PRO · AI-native — профессиональная проектная программа по проектированию скоростных организаций.
Если вы еще не знакомы с методологией DAO, это не проблема. Для новых участников программа начнется с двухдневного интенсивного погружения в методологию проектирования скоростных организаций.
За последние годы сама методология сильно выросла. И, пожалуй, именно эта часть меня сейчас больше всего драйвит. Около 40% того, что мы будем использовать в DAO PRO, пока вообще не описано ни в одной из моих книг. Это новые инструменты, новые модели и новые способы применения уже известных подходов, которые появились в результате многолетней консалтинговой практики.
Программа длится 4–8 недель. Мы будем встречаться раз в неделю, а между встречами работать над организационным дизайном вашей компании или юнита.
Вы разработаете 3–5 вариантов организационного дизайна, сравните их по скорости, стоимости, предсказуемости и ограничениям вашего контекста и выберете решение, которое действительно можно внедрить. Среди них будет и радикальный вариант, способный кратно сократить Time-to-Market.
Мы будем использовать специально разработанное программное обеспечение для организационной диагностики и проектирования, а AI станет полноценной частью работы над вашим проектом.
По итогам программы вы получите завершенный проект организационного дизайна и профессиональный статус DAO PRO.
Первый поток планирую запустить в августе–сентябре.
Это будет небольшая пилотная группа до 8 участников. Хочу поработать с каждым максимально глубоко, поэтому количество мест ограничено.
Если хотите попасть в первый поток — записывайтесь в лист ожидания.
👉 Ссылка | 886 |
| 19 |  ⚡️ Отказ от Спринтов не решает проблему
Давно хотел написать этот пост. Финальной точкой стала статья Нильса Пфлегинга. Нильса я очень уважаю, книги его читал с большим удовольствием. Но здесь, кажется, мы по-разному понимаем, что такое Спринт.
Часто встречаю призывы отказаться от Спринтов и перейти в «настоящий поток». И каждый раз ловлю себя на мысли, что спор идет совсем не о том.
Я много лет подряд рассказываю про one-piece flow. Если вы давно знаете меня, то знаете, что я всегда выступал за максимально маленький размер работы, быстрый поток и отсутствие очередей. Самый известный пример — кейс СБП c 4х кратным ускорением. Команды работали практически без внутренних очередей. По сути, оставалась одна внешняя очередь — Бэклог Продукта. Поток был настолько быстрым, что Канбан был просто не нужен.
Именно поэтому меня удивляют призывы отказаться от Спринтов. Скрам вообще не говорит, как вам организовать поток работы. Хотите выкатывать изменения десять раз в день — отлично. Хотите делать Continuous Delivery — пожалуйста. Хотите работать по одной задаче за раз — тоже прекрасно.
В Руководстве по Скраму говорится, что Спринт — это контейнер для всех остальных событий. Смысл этих событий очень простой: регулярно остановиться и проверить, приближаемся ли мы к Продуктовой цели (Product Goal). Посмотреть на результаты, обсудить обратную связь, скорректировать Бэклог Продукта и решить, что делать дальше. Вот для чего нужен Спринт.
Спринт — механизм эмпирического контроля. А поток — это способ организовать выполнение работы. Это две разные вещи, которые прекрасно сочетаются друг с другом.
Когда я слышу призывы отказаться от Спринтов ради потока, мне кажется, что люди спорят не со Спринтами. Они спорят с батчингом. И батчинг действительно стоит убирать. А вот регулярную инспекцию и адаптацию я бы точно оставил.
Что думаете? | 901 |
| 20 |  ⚡ Как оценить вклад сотрудника?
Как понять, кто из сотрудников сработал лучше? И какая команда показала лучший результат?
Никак.
Любой результат — это сочетание усилий людей и условий, в которых они работают. Процессы, архитектура, зависимости, качество решений, доступные инструменты, помощь коллег, случайности — всё это влияет на итог.
«Невозможно измерить индивидуальную результативность. Вы измеряете лишь совокупный эффект системы и усилий человека. Разделить их невозможно.»
Эдвард Деминг.
А вы что оцениваете — людей или систему? | 880 |
