Взрывной рост. Почему экспоненциальные организации в десятки раз продуктивнее вашей (и что с этим делать)

Кейс-стади: Экспоненциальные инновации в Citigroup

Interest Rates – одно из крупнейших подразделений инвестиционного банка Citigroup. Имея сотни сотрудников по всему миру, более пятидесяти различных бизнес-подгрупп и миллиарды долларов годового дохода, эта крупная организация по любым меркам принадлежит к числу тех, что обычно не ассоциируются с подрывными инновациями.

В подразделении работает много умных людей, на которых обрушиваются лавины данных – движение цен, экономические релизы, данные о клиентах, новости и т. д. – намного больше, чем в состоянии обработать и проанализировать человеческий мозг. Вот почему Энди Мортон, глава этого глобального подразделения, называющий себя «цифровым маньяком» (и известный в финансовом мире как один из трех создателей метода Хита – Джерроу – Мортона для оценки процентных финансовых инструментов), был твердо убежден, что новое поколение продвинутых алгоритмов может экспоненциально повысить продуктивность его организации. В 2014 году он нанял Арджуна Вишванатана, известного трейдера, имеющего за плечами 12-летний опыт алгоритмического трейдинга на рынке процентных опционов, чтобы помочь ему реализовать это видение. Перед Вишванатаном была поставлена задача – найти эффективные способы обработки и использования вышеуказанных потоков данных.

Вишванатан (как и Мортон, математик и инженер-программист по образованию, ставший трейдером) познакомился с концепцией экспоненциальных организаций в 2013 году на конференции, организованной Университетом сингулярности в Будапеште, и теперь решил применить идеи ЭксО в своей новой компании. Вместе с Мортоном он тщательно продумал эксперимент: Вишванатан будет отчитываться непосредственно перед Мортоном и получит доступ ко всем ресурсам и данным Interest Rates. Он также получит мандат на формирование гибких команд с любыми руководителями и сотрудниками подразделения. Ресурсы будут доступны по требованию, а разработанные приложения будут тестироваться и дорабатываться путем быстрых итераций во внутренних группах сотрудников. Приложения должны быть простыми, интуитивно понятными, интересными и наглядными – короче говоря, они должны максимально быстро и эффективно доносить до сотрудников всю необходимую информацию. Интенсивное использование технологий искусственного интеллекта, машинного обучения и анализа данных должно было освободить человеческие интеллектуальные ресурсы для решения более сложных и нестандартных задач. Идея состояла в том, чтобы соединить правильных людей и алгоритмы и посмотреть, к чему это приведет.

А привело это к поистине потрясающим результатам. Всего за три месяца новая система позволила добиться заметного прогресса по ряду ключевых направлений, включая прогнозирование поведения клиентов, движений рынка и ожидаемых экономических релизов, а также классификацию состояний рынка. Кроме того, было решено несколько других заковыристых проблем, которые в прошлом потребовали бы многочисленных команд и не меньше года упорной работы.

Между тем все задачи были решены в пределах нескольких недель, всего за одну двадцатую тех ресурсов, времени и затрат, которые потребовались бы для этого всего пару лет назад, скажем, в 2012 году. Сегодня эти приложения установлены по всему подразделению и почти мгновенно выдают ответы на вопросы, которые раньше потребовали бы нескольких дней исследований или вообще остались бы без ответа. Сами приложения являются очень визуальными и интересными, и сотрудники придумывают все новые творческие способы их использования. Анализ данных может быть очень увлекательным делом! Сегодня этой парадигмой заинтересовались и другие подразделения Citigroup, которые хотят придать аналогичный импульс своим операциям.

Почему новая система дала столь впечатляющие результаты в Interest Rates? Ее успех объясняется комбинацией следующих факторов:

• Поддержка проекта на высшем уровне. Отличительные лидерские качества Мортона – интеллектуальное любопытство и готовность к прорывным изменениям в своей организации.

• Опора на координатора проекта, имеющего богатый опыт в области анализа данных и машинного обучения.

• Сплоченное сообщество людей (сотрудников подразделения), которые приветствуют использование алгоритмов как подспорья для человеческого разума и способны быстро адаптироваться к изменениям.

• Понимание и реализация принципов ЭксО.