Фреймворк Cynefin: быстрое введение

Фреймворк Cynefin – это результат непростой эволюции и нескольких нетривиальных идей (подробнее см. статью «Истоки и история рождения фреймворка Cynefin»). Но если вы хотите максимально быстро составить о нем первое впечатление, при этом не сильно погружаясь в детали (пусть и важные), то эта статья для вас.

Три типа систем

Социальные системы, состоящие их живых людей, можно разделить на три принципиально различных типа:

• упорядоченные;
• сложные;
• хаотические.

Основные характеристики этих систем показаны на рисунке 1 и, думаю, каждый из читателей легко приведет примеры таких систем из своего опыта. Подробнее различия между этими системами обсуждаются в статьях «Упорядоченные и не упорядоченные элементы фреймворка Cynefin» и «Сложные и хаотические элементы фреймворка Cynefin».

Именно это базовая классификация систем заложена в основу фреймворка Cynefin. Однако, упорядоченные системы, в свою очередь, бывают достаточно разными. Как минимум их можно разделить на два подтипа:

• которые представляются упорядоченными для всех и по поводу которых мы не спорим, т.к. это очевидно (например, правила дорожного движения);
• которые представляются упорядоченными для более узкого круга людей, экспертов в конкретной области (например, поведение волчка упорядочено и предсказуемо, но только для тех, кто умеет описывать такое сложное вращение).

И это несколько разные системы, хотя и не так принципиально, как упорядоченные и сложные. Подробнее различия между этими системами обсуждаются в статье «Очевидные и усложненные элементы фреймворка Cynefin».

Четыре основных домена фреймворка Cynefin

Таким образом, мы приходим к разделению всех ситуаций и систем на четыре домена, как их назвал Дэйв Сноуден:

• ясные (clear) или очевидные (obvious);
• усложненные (complicated);
• сложные (complex);
• хаотичные (chaotic).

Распределив элементы управленческих ситуаций по доменам с помощью метода Cynefin, мы получим образ ситуации в пространстве фреймворка Cynefin, который выглядит как показано на рисунке 2.  

Область в центре называется «Cмущающей/озадачивающей» (confused/aporetic) и рассматривается как пятый основной домен. В нем находятся элементы ситуации, которые мы не можем отнести ни к одному из четырех основных доменов, по которым группе не удается договориться. Такие элементы могут быть в любой ситуации и этот домен важен как стартовый, а также для понимания конфликтов, возникающих среди тех, кто принимает решения (подробнее об этом в статье о методе Cynefin).

В интернете можно встретить варианты фреймворка Cynefin с другими названиями доменов. Это не ошибка, Дейв Сноуден менял названия доменов, ища более точное их название. Так, домен ясных систем он первоначально назвал известным (known). Позже, чтобы подчеркнуть, что речь идет не о познании (гносеологии), а о природе и сущности системы и элемента (онтологии), он переименовал их в простые (simple). Однако, это название оказалось не очень подходящим, и этот домен был переименован в сначала в очевидные (obvious), а еще позже – в ясные (clear). Усложненные системы первоначально были названы познаваемыми (knowable). Наконец, область в центре первоначально называлась «беспорядочной» (disorder).

Отмечу еще, что это лишь основные домены. В 2017 году появилась версия Cynefin, которая пяти основных доменов включает еще два пограничных (подробнее о ней читайте в статье «Пограничная (liminal) версия фреймворка Cynefin». В зависимости от ситуации, которую вы осмысляете можно использовать обычную и пограничную версию фреймворка Cynefin.

Чем различаются системы в разных доменах Cynefin?

На фреймворке Cynefin можно объяснить, почему знания о системах (или их элементах) настолько различны. Причина – причинно-следственные связи, на основе которых мы строим модель системы и их конфигурация в каждом домене существенно отличается (рисунок 3 и таблица 1).

Тип системы	Причинно-следственные связи, на основе которых мы строим модель системы
Ясные или очевидные системы	Причинно-следственные связи между элементами четко определяются, хорошо структурируются и линейны
Усложненные системы	Причинно-следственные связи между элементами более-менее известны, однако не полностью, часть связей скрыта от нас (они разделены во времени и пространстве), их трудно полностью распознать, а также есть обратные связи, затрудняющие понимание
Сложные системы	Причинно-следственные связи между элементами запутаны большим количеством обратных связей, практически невозможно разобраться, где причина, а где следствие, они взаимно влияют друг на друга, а кроме того, значительная часть связей просто не видна
Хаотичные системы	Все настолько непонятно и размыто, что говорить о причинно-следственных связях крайне сложно, все смешалось и не удается выделить причины и следствия из них

Такие конфигурации причинно-следственных связей и приводят к тому, что мы по-разному видим поведение системы и ее элементов, обладаем разными знаниям о системе или ситуации, по-разному понимаем ее поведение, а также к ограничению возможностей нашего познания. В результате мы получаем разную предсказуемость развития системы или ситуации (рисунок 4, таблица 2).

Тип системы	Поведение системы и ее элементов	Знание, понимание и предсказуемость
Ясные или очевидные системы	Поведение системы (и ее элементов) ясно видно, паттерны поведения повторяются	Мы понимаем и знаем поведение системы и оно предсказуемо
Усложненные системы	Поведение системы (и ее элементов) более-менее видно, паттерны поведения слабо меняются со временем	Поведение системы понятно не всем, а только опытным экспертам, которые и могут его спрогнозировать
Сложные системы	Поведение системы (и ее элементов) видно лишь частично, мы понимаем, что видим не все, есть некоторая повторяемость поведения (паттерны), однако и это изменяется	Мы не понимаем поведение системы, существующих знаний недостаточно. Однако мы можем исследовать повторяющиеся паттерны поведения. Система, возможно, станет понятной, но лишь в ретроспективе
Хаотичные системы	Поведение системы (и ее элементов) видно плохо, мы понимаем, что видим очень малую часть, система (и ее элементы) слишком сильно меняются со временем, нет повторяемости поведения	Мы не понимаем поведение системы, существующих знаний недостаточно. И исследовать систему мы не можем, нет повторяющихся паттернов поведения. Система принципиально непредсказуема

Фреймворк Cynefin и действия

Разная природа четырех доменов требует разных действий в них. Важнейший результат использования фреймворка Cynefin – понимание действий, которые адекватны условиям различных доменов. Применимость любых практик ограничена, нет инструментов, применимых во всех ситуациях. И описание условий применимости тех или иных практик и инструментов – важнейшее достижение Дейва Сноудена. На рисунке 5 и в таблице 3 показана логика действий, которая корректна и адекватна условиям различных доменов, а также практики, используемые или создаваемые нами.

Домен	Логика действий	Практики
Ясные или очевидные системы	Получаем данные о ситуации – категоризируем их на основе существующего знания – применяем соответствующую лучшую практику (мы предполагаем, что знания и практики общеизвестны)	Работа по «лучшим» и формализованным практикам
Усложненные системы	Получаем данные о ситуации – анализируем их на основе специального экспертного знания – адаптируем соответствующую «хорошую» практику к нашей ситуации и применяем ее (мы предполагаем, что знания экспертов для этого достаточно)	Анализ и экспертная адаптация «хороших» практик
Сложные системы	Пробуем или прощупываем ситуацию, чтобы вызвать реакцию системы – получаем данные и ощущения о ситуации – поддерживаем паттерны поведения системы, которые приближают нас к желающему будущему, ослабляем те, которые нам нежелательны	Исследование и «выращивание» из системы новых (эмерджентных) практик
Хаотичные системы	Действуем, чтобы ограничить степень хаотичности системы – получаем данные и ощущения о ситуации – ориентируемся в ситуации, осмысляем ее и придумываем новые действия	Прорывные (радикальные) решения и абсолютно инновационные практики

Ошибиться в оценке того, какая система перед нами, значит ошибиться в том, как надо действовать. Дэйв Сноуден приводит пример тех предположений, которые лежат в основе большинства инструментов и практик менеджмента и последствий этого: 

…ошибочно предположение упорядоченности, которое мы сделали по поводу причинно-следственных отношений при взаимодействии людей, а также на рынках …. Как следствие, появилась возможность создавать предписывающие и прогнозирующие модели и разрабатывать вмешательства, которые позволяют нам достичь цели. Подразумевается, что понимание причинно-следственных связей в прошлом, позволяют нам определить «лучшую практику» для будущего. [Kurtz, Snowden, 2003]

Однако, если посмотреть на ситуацию глубже, как нам предлагает фреймворк Cynefin, станет ясно, что понимание причинно-следственных связей в прошлом, далеко не всегда позволяет нам определить «лучшую практику» для будущего.

Для начала достаточно. Замечу, что это лишь краткое и достаточно поверхностное введение в фреймворк Cynefin. Его достаточно для первого знакомства и понимания, однако для более-менее осмысленного использования и работы с ним, я настоятельно рекомендую прочитать все статьи раздела Фреймворк Cynefin и особенно статьи «Сложные и хаотические элементы фреймворка Cynefin», «Пограничная (liminal) версия фреймворка Cynefin» и «Фреймворк Cynefin: о чем он?» (скоро появится на сайте).