Текст книги "В работу с головой. Паттерны успеха от IT-специалиста"

* * *

Эту книгу будет правильнее всего определить как попытку формализовать и объяснить, чем так привлекательно для меня погружение на глубину в противоположность поверхностному подходу, а также описать конкретные техники, помогавшие мне действовать в соответствии с этой моей приверженностью. Я изложил свои соображения в словах частично для того, чтобы помочь вам перестроить вслед за мной свою жизнь, взяв за основу углубленную работу, – но это еще не все. Мне хотелось вычленить и прояснить эти идеи для самого себя, чтобы усовершенствовать собственную практику. Открытие «теоремы углубленной работы» помогло мне добиться жизненного успеха, но я убежден в том, что еще не исчерпал свой потенциал. Сражаясь и в конечном счете торжествуя благодаря изложенным в дальнейших главах идеям и правилам, вы можете быть уверены, что я занимаюсь тем же самым – беспощадно отсеиваю все поверхностное и усердно культивирую способность к интенсивному погружению. (Насколько мне это удалось, вы сможете узнать из заключительной главы этой книги.)

Когда Карл Юнг захотел устроить революцию в области психиатрии, он построил себе убежище в лесу. Башня Юнга в Боллингене оказалась местом, где он мог сохранять свою способность к сосредоточенному мышлению, и именно благодаря этому умению он затем сумел выдать работу настолько изумительную по своей оригинальности, что она изменила весь мир. В последующих главах я постараюсь убедить вас присоединиться ко мне в попытке построить свою собственную боллингенскую башню – выработать в себе способность производить настоящие ценности в мире, все больше подверженном отвлечениям, и признать истину, которую разделяли самые творчески плодовитые и известные личности прошлых поколений: «Сосредоточенная жизнь – хорошая жизнь».

Часть I
Идея

Глава 1
Углубленная работа имеет ценность

По мере приближения дня выборов 2012 года количество посещений веб-сайта New York Times быстро росло, как это обычно бывает, когда в стране происходит что-то важное. Однако этот случай оказался особенным. Непропорционально большая доля трафика – по некоторым данным, более 70 % – приходилась на посещения одной-единственной страницы во всем огромном домене. И это не была заглавная страница с изложением последних новостей или комментарии одного из газетных обозревателей – лауреатов Пулитцеровской премии. Это был обычный блог, который вел некий компьютерщик по имени Нейт Силвер, раньше занимавшийся бейсбольной статистикой, а затем переключившийся на предсказания результатов выборов. Прошло меньше года, и агентства ESPN я ABC News переманили Силвера из Times (газета пыталась его удержать, обещая штат более чем в дюжину авторов); согласно заключенному соглашению, Силвер мог участвовать во всех новостных разделах – от спорта до погоды, от сетевых новостей до, представьте себе, трансляций присуждения премии «Оскар». И хотя методологическая точность силверовских доработанных вручную моделей порой оспаривается, лишь немногие могут отрицать, что в 2012 году этот тридцатипятилетний статистик-вундеркинд сорвал большой куш.

Другим таким победителем стал Давид Хейнемейер Ханссон, блестящий программист, создавший веб-фреймворк Ruby on Rails, на котором в настоящее время основываются многие из наиболее популярных веб-сервисов, включая Twitter и Hulu. Ханссон является партнером влиятельной компании по разработке программного обеспечения Basecamp (до 2014 года она носила название 37signals). Ханссон предпочитает не обсуждать размеры своей доли от продаж Basecamp или другие источники своего дохода, однако можно предположить, что они достаточно прибыльны, учитывая, что он делит свое время между Чикаго, Малибу и испанским городом Марбелья, где участвует в непрофессиональных автогонках.

Нашим третьим и последним примером явного победителя в национальной экономике является Джон Доэрр, главный партнер знаменитой в Кремниевой долине венчурной компании Kleiner Perkins Caufield & Byers. Доэрр помогал финансировать многие ключевые компании, возглавившие современную технологическую революцию, включая Twitter, Google, Amazon, Netscape и Sun Microsystems. Прибыль от капиталовложений была астрономической: капитал Доэрра на момент написания этой книги составлял более 3 млрд долларов.

* * *

Что же помогло Силверу, Ханссону и Доэрру добиться такого успеха? Ответы на этот вопрос можно разделить на два типа, исходя из масштаба. Первые мы назовем «микро»: в них уделяется внимание в первую очередь чертам характера наших трех героев и тактическим приемам, которые помогли им в продвижении. Второй тип – скорее «макро»; они меньше концентрируются на самих личностях и больше на характере выполняемой ими работы. Хотя для нас важны оба подхода к этому ключевому вопросу, «макро»-ответы весомее, поскольку лучше объясняют, какие именно качества позволяют добиться успеха в современных экономических условиях.

Для того чтобы исследовать эту «макро»-перспективу обратимся к паре экономистов из Массачусетского технологического института, которых зовут Эрик Бриньйолфссон и Эндрю Макафи. В своей нашумевшей книге 2011 года «Наперегонки с машиной» (Race Against the Machine) они высказывают интригующую мысль, что среди других разнообразных сил, участвующих в игре, именно развитие цифровых технологий в первую очередь способно неожиданным образом трансформировать рынок труда. «Мы находимся на ранней стадии „Великого преобразования“, – разъясняют Бриньйолфссон и Макафи в начале своей книги. – Технология стремительно развивается, но многие из наших умений и организационных навыков не поспевают за ней». Для бесчисленных работников такое отставание не сулит ничего хорошего. По мере усовершенствования умных машин сокращается расстояние между возможностями машины и человека, и работодатели все чаще предпочитают поручать задачи «новым машинам», а не «новым людям». А там, где человеческий труд незаменим, усовершенствование средств связи и технологий сотрудничества делает все более простой и удобной удаленную работу, что побуждает компании передавать ключевые позиции «звездам» со стороны, оставляя местные таланты без рабочих мест.

Описываемая авторами реальность, однако, не так уж абсолютно безжалостна. Как подчеркивают Бриньйолфссон и Макафи, грядущее «Великое преобразование» не уничтожит все рабочие места, но лишь разграничит их. Хотя многие люди пострадают от этой новой экономики, поскольку их работа достанется машинам или сторонним специалистам, найдутся и другие, которые не только выживут, но и будут процветать – их труд станет еще более востребованным (а следовательно, и более высокооплачиваемым), чем прежде. Подобную бифуркацию в экономике будущего предсказывают не только Бриньйолфссон и Макафи. Так, например, в 2013 году экономист Тайлер Коуэн из Университета Джорджа Мейсона выпустил книгу «Среднего более не дано» (Average Is Over), где развивал тот же тезис о цифровом разделении будущего. Однако анализ, предложенный Бриньйолфссоном и Макафи, особенно ценен тем, что вслед за вышеизложенным они выделяют три конкретные группы людей, которые выиграют в результате такого разделения и пожнут большую часть благ, дарованных Эрой умных машин. Стоит ли удивляться тому, что именно к этим трем группам принадлежат Силвер, Ханссон и Доэрр? Давайте же по очереди рассмотрим каждую из них, чтобы лучше понять, почему они внезапно оказались столь востребованными.

Группа, которую представляет Нейт Силвер, у Бриньйолфссона и Макафи носит название «высококвалифицированные работники». Такие достижения прогресса, как робототехника и распознавание речи, позволяют автоматизировать многие низкоквалифицированные рабочие обязанности, однако, как подчеркивают цитируемые экономисты, «другие технологии – визуализация данных, аналитика, скоростные способы связи и быстрое построение моделей – увеличили потребность в абстрактном мышлении и умении работать с данными, тем самым повысив ценность таких работ». Другими словами, те, кто умеет работать со сложными машинами и добиваться от них значительных результатов, смогут достичь успеха в новом мире. Тайлер Коуэн еще более жестко высказывается о грядущей реальности: «Ключевым вопросом станет – умеете вы эффективно работать с умными машинами или нет».

Разумеется, Нейт Силвер, при той легкости, с которой он собирает сведения в огромные базы данных, а затем выводит из них свои загадочные модели по методу Монте-Карло, являет собой идеальный образчик такого высококвалифицированного работника. Умные машины не препятствие его успеху – напротив, они его необходимое условие.

Гений-программист Давид Хейнемейер Ханссон может служить примером второй группы работников, которые, по предсказаниям Бриньйолфссона и Макафи, смогут добиться успеха в новой экономике – группы «суперзвезд». Высокоскоростные сети передачи данных и новые инструменты для совместной работы, такие как электронная почта и программы для виртуальных совещаний, уничтожили региональный подход во многих областях интеллектуального труда. Больше нет смысла, например, нанимать штатного программиста на полный рабочий день, не говоря уже об аренде офиса и выплате страховых пособий, когда есть возможность вместо этого поручить задачу одному из лучших программистов в мире – например, Ханссону – оплатив лишь то время, которое у него уйдет на завершение проекта. Такой подход позволит вам получить лучший результат за меньшие деньги, в то время как сам Ханссон сможет обслуживать в год большее количество заказчиков, а следовательно, тоже окажется в выигрыше.

Тот факт, что Ханссон будет работать удаленно, находясь в испанском городе Марбелья, в то время как ваш офис расположен в Де-Мойне, штат Айова, никак не скажется на работе вашей компании, поскольку последние достижения в области средств связи и технологий сотрудничества позволяют выполнять такие процессы практически без задержки. (Однако ощутимо скажется на жизни местных, менее искусных программистов в Де-Мойне, которые нуждаются в постоянном заработке.) Тот же самый тренд наблюдается во многих областях, где технологические достижения сделали возможной продуктивную удаленную работу – консалтинга, маркетинга, написания текстов, дизайна и так далее. Когда доступ к рынку талантов открыт из любой точки мира, те, кто находится на вершине этого рынка, процветают, в то время как остальные оказываются в убытке.

Экономист Шервин Розен в своей программной статье 1981 года исследовал математическую подоплеку подобных рынков, где победителю достается все, а остальным ничего. Одной из его ключевых идей было детальное моделирование таланта – качества, которое Розен в своих формулах обозначил переменной q как фактор, обладающий свойством «неполного замещения». Экономист объясняет это правило следующим образом: «Если вы прослушаете ряд номеров, исполняемых посредственными певцами, это никогда не станет одним выдающимся концертом». Другими словами, талант – не товар, который можно закупать оптом и комбинировать для достижения необходимого уровня, – награду получают самые лучшие. Следовательно, если потребитель имеет доступ ко всем исполнителям на рынке и их значение q не скрыто, потребитель всегда будет выбирать самых лучших. Даже если разница в величине таланта у них и у тех, кто стоит ступенью ниже, невелика, суперзвезды всегда смогут завоевать основной объем рынка.

В 1980-х годах Розен изучал этот эффект в первую очередь на таких примерах, как киноиндустрия и музыкальный бизнес, где существовали прозрачные рынки – музыкальные магазины и кинотеатры, в которых аудитория имела доступ к различным исполнителям и возможность точно оценить степень их таланта прежде, чем принять покупательское решение. Быстрое развитие средств связи и технологий сотрудничества превратило многие из прежних локальных рынков в такой же общемировой гипермаркет. Небольшая компания, ищущая программиста или консультанта по связям с общественностью, теперь имеет доступ к международному рынку талантов. Точно так же некогда появление грампластинок позволило меломанам даже в глубинке покупать альбомы лучших мировых исполнителей, в обход местных музыкантов. Иными словами, «эффект суперзвезд» распространился гораздо шире, чем мог бы предсказать Розен тридцать лет назад. В нынешней экономике исполнителям все чаще приходится соревноваться с «рок-звездами» в своих отраслях.

И наконец, символом последней группы людей, которых ждет процветание в новой экономической модели, может служить Джон Доэрр. Эта группа состоит из владельцев капитала, инвестируемого в новые технологии, которые и служат двигателем «Великого преобразования». Со времен Маркса мы знаем, что доступ к капиталу дает немалые преимущества. Однако не менее справедливо и то, что в некоторые периоды эти преимущества могут оказываться куда значительнее, нежели в другие. Как указывают Бриньйолфссон и Макафи, послевоенная Европа могла послужить примером времени, когда сидеть на куче денег было совершенно невыгодно, поскольку сочетание стремительной инфляции и агрессивного налогообложения уничтожало старые состояния с невероятной скоростью (то, что мы могли бы назвать «эффектом аббатства Даунтон»).

В отличие от послевоенного периода «Великое преобразование» дает отличный шанс тем, кто имеет доступ к капиталу. Чтобы понять, почему это так, прежде всего следует вспомнить один из тезисов теории переговоров, основополагающей для стандартного экономического мышления. Если прибыль поступает благодаря сочетанию инвестиций капитала и труда, вознаграждение выплачивается, грубо говоря, пропорционально вкладу каждой из сторон. Поскольку цифровые технологии снижают запрос на труд во многих отраслях, вознаграждение, возвращаемое владельцам умных машин, пропорционально возрастает. В сегодняшней экономике венчурный капиталист может финансировать такую компанию, как Instagram, которая в итоге была продана за миллиард долларов, – имея в штате всего лишь тринадцать человек. Был ли в истории хоть один момент, когда столь ничтожно малое количество работников позволило создать столь крупную стоимость? При таком небольшом трудовом вкладе пропорциональное количество дохода, получаемого владельцами машин – в данном случае венчурными инвесторами, – оказывается беспрецедентным. Стоит ли удивляться, что один из венчурных капиталистов во время интервью для моей последней книги признался мне с некоторой озабоченностью: «Каждый хочет получить мою работу».

* * *

Давайте соберем вместе те нити, которые нам удалось проследить до сих пор. Современная экономическая наука, как я уже упоминал, полагает, что беспрецедентный масштаб развития и влияния новых технологий ведет к массовой реструктуризации нашей экономики. В новом мире особым преимуществом будут пользоваться три группы людей: те, кто способны успешно и творчески сотрудничать с умными машинами, те, кто являются лучшими профессионалами в своей области, а также те, кто имеют доступ к капиталу.

Необходимо пояснить, что модель «Великого преобразования», предлагаемая такими экономистами, как Бриньйолфссон, Макафи и Коуэн, – не единственный значительный тренд в современной экономической науке, и группы людей, могущих рассчитывать на успех, не сводятся к трем упомянутым выше; однако в рамках этой книги важно понять, что эти тренды, хоть они и не единственные, тем не менее важны, и такие группы, хоть есть и другие, все же будут иметь успех. А следовательно, если вы сможете присоединиться к одной из этих трех групп – вы будете в выигрыше. Если нет – есть вероятность, что вы все равно будете в выигрыше, но ваше положение окажется менее надежным.

Вопрос, к которому мы теперь подошли, напрашивается сам собой: каким образом можно попасть в число таких победителей? Рискуя угасить ваш растущий энтузиазм, я тем не менее должен первым делом признаться, что не владею секретом того, как быстро сколотить капитал и стать следующим Джоном Доэрром. (Если бы даже я и знал такой секрет, то едва ли стал бы делиться им в книге.) Доступ в две другие группы победителей, однако, остается открытым. Оказаться в числе этих людей – вот задача, к исследованию которой мы теперь приступим.

Выше я определил две группы, обреченные на успех, в которые, по моему мнению, возможно попасть, – это те, кто способен творчески работать с умными машинами, и «звезды» в своей профессиональной области. Каков же секрет попадания в эти прибыльные сектора по ту сторону расширяющейся цифровой пропасти? Я утверждаю, что для этого жизненно необходимы две ключевые способности.

1. Способность быстро овладевать сложными навыками.

2. Способность выдавать продукцию высочайшего уровня, как по качеству, так и по скорости исполнения.

Начнем с первого пункта. Прежде всего необходимо вспомнить о том, что все мы испорчены интуитивно понятным и душераздирающе простым интерфейсом множества продуктов, ориентированных на потребителя, таких как Twitter или iPhone. Однако все эти технологии – товары широкого потребления, а отнюдь не профессиональные инструменты; освоить большинство умных машин, двигающих Великое преобразование, окажется значительно сложнее.

Возьмем Нейта Силвера, которого мы ранее приводили в пример как человека, добившегося успеха благодаря плодотворной работе со сложными технологиями. Если мы пристальнее вглядимся в применяемые им методы, то обнаружим, что прогнозировать результаты выборов на основе баз данных – далеко не то же самое, что впечатать в поисковое окно запрос «Кто наберет больше голосов?». Чтобы получить желаемый результат, ему пришлось собрать большую базу данных по результатам опросов избирателей (тысячи опросов более чем от 250 проводивших опросы), а затем обработать их с помощью программы Stata — популярного программного продукта для статистического анализа данных, производимого компанией StataCorp. Профессионально работать с такими инструментами не так уж просто. Для примера приведем одну из команд, без понимания которых невозможно работать с современными базами данных наподобие тех, что использует Силвер:

CREATE VIEW cities AS SELECT name, population, altitude FROM capitals UNION SELECT name, population, altitude FROM non_capitals;

Базы данных такого типа создаются на языке, называемом SQL. Чтобы получить доступ к информации, вы посылаете им команды наподобие показанной выше. Работа с базами данных требует непростых умений. Так, например, приведенная выше команда создает «представление» (view) – виртуальную БД-таблицу в которую собираются данные из множества существующих таблиц и к которой затем можно обращаться с помощью SQL-команд как к стандартной таблице. Сложность в том, чтобы определить момент, когда именно следует создавать представления и как это делать с наилучшим результатом; и это лишь один из множества трудных пунктов, в которые необходимо глубоко вникнуть, чтобы извлекать из баз реальных данных полезную информацию.

Продолжая рассматривать пример Нейта Силвера, взглянем на технологический продукт, который он использует, – программу Stata. Это мощный профессиональный инструмент, с которым едва ли можно научиться работать интуитивно, немного в нем покопавшись. Вот, например, как звучит описание новых компонентов, представленных в последней версии программы: «В Stata 13 добавлены многие новые компоненты: эффекты условий обработки данных, многоуровневая библиотека GLM, инструменты величины мощности и объема выборки, генерализованное кодирование данных SEM, прогноз, размер эффекта, „Менеджер проектов“, длинная строка, массивы данных BLOB и многое другое». Силвер использует сложные электронные инструменты – все эти генерализованные SEM'ы и BLOB'ы – для построения многоуровневых моделей со взаимопересекающимися частями, множественных регрессий, опирающихся на заданные параметры, которые затем соотносятся с заданными весовыми функциями, используемыми в вероятностных выражениях, и так далее.

Мы приводим все эти подробности, чтобы подчеркнуть, насколько сложно устроены умные машины и как трудно научиться ими управлять[1]1
  Реальные технологические трудности, которые компаниям приходится преодолевать, чтобы решать поставленные задачи, лишь еще больше подчеркивают абсурдность распространенного в наши дни представления о том, что примитивные, рассчитанные на потребителя продукты, в особенности в учебных заведениях, могут каким-либо образом способствовать успеху людей в условиях высокотехнологичной экономики. Выдавая студентам айпады или позволяя им выполнять домашние задания в виде роликов на YouTube, вы готовите их к жизни в высокотехнологичном обществе не больше, чем игра в машинки могла бы подготовить их к успешной карьере автомеханика.


[Закрыть]. Для того чтобы войти в число тех, кто умеет плодотворно работать с такими машинами, вы должны отточить свою способность справляться со сложными задачами. И поскольку современные технологии постоянно меняются, этот процесс овладевания сложными инструментами не имеет конца – вы должны быть способны решать все новые и новые задачи сразу же, по мере их возникновения.

Разумеется, способность быстро обучаться сложным вещам необходима не только для того, чтобы успешно управлять умными машинами; она также играет ключевую роль в попытках стать суперзвездой практически в любой области, даже не имеющей отношения к высоким технологиям. Так, чтобы стать преподавателем йоги мирового класса, вам необходимо будет освоить множество уровней физического мастерства все повышающейся сложности. Другой пример: чтобы преуспеть в медицине, вы должны быстро схватывать суть последних исследований в той области, на которой специализируетесь. Подводя краткий итог этим соображениям, можно сказать так: вы никогда не добьетесь успеха, если не умеете учиться.

Теперь давайте рассмотрим вторую важнейшую способность, упомянутую в списке выше, а именно способность выдавать продукцию высочайшего уровня. Если вы хотите стать суперзвездой, овладевать нужными умениями необходимо – но этого недостаточно. Вы должны уметь преобразовывать свой дремлющий потенциал в конкретные результаты, ценные для людей. К примеру, многие разработчики умеют хорошо программировать, но один лишь Давид Ханссон сумел воспользоваться этой способностью, чтобы создать Ruby on Rails — проект, который принес ему известность. Для успешного решения задачи Ханссону пришлось развить до предела свои способности и добиться неоспоримо ценных и значимых результатов.

Умение выдавать результаты важно и для тех, кто желает научиться управлять умными машинами. Для Нейта Силвера было недостаточно обучиться обрабатывать большие массивы данных и производить статистический анализ; вслед за этим он должен был показать, что может при помощи своих умений извлекать из машин информацию, важную для большого количества людей. Во времена своей работы в Baseball Prospectus Силвер сотрудничал со многими профессиональными статистиками, однако только он один приложил усилия, чтобы адаптировать свои навыки к новой и более многообещающей области – предсказанию результатов выборов. Таким образом мы пришли к еще одному обобщающему наблюдению, которое поможет вам влиться в ряды победителей в новой экономике: тот, кто не выдает результатов, успеха не добивается – независимо от того, насколько он одарен или искусен в своем деле.

Определив эти два фундаментальных качества, нужных для продвижения вперед в новом, раздираемом технологиями мире, перейдем к следующему вопросу: каким образом можно развить в себе эти ключевые способности? И здесь мы подходим к центральной идее этой книги: два важнейших качества, описанные выше, зависят от вашей способности погружаться в работу с головой.

Если вы не овладели этим ключевым умением, обучение сложным вещам или выполнение задач на высочайшем уровне потребует от вас невероятных усилий.

То, что эти способности зависят от углубленной работы, не сразу становится очевидным – для этого необходимо более внимательно взглянуть на искусство обучаться, сосредоточиваться и выдавать результаты. Последующие разделы предлагают как раз такой внимательный взгляд, с помощью которого вы сможете проследить связь между углубленной работой и экономическим успехом, превратив ее из неожиданной в неоспоримую.