Архивы: по дате | по разделам | по авторам

Утопия, которой не будет

Архив

автор : Лев Никитин 17.10.2003

Скажем сразу: в данной статье мы не будем рассматривать конкретные управленческие ИС, математические алгоритмы, методы оценки альтернатив и принятия решений.

Две в одной

Если бывают темы номера с трудной судьбой, то перед вами — одна из них. Идея поговорить о том, насколько хорошо подходит машинная логика для автоматизации процессов управления, пришла в голову Льву Никитину вскоре после публикации его статьи в «КТ» #495. Мы договорились, что попробуем сделать тему номера, но вопрос поставим гораздо шире: насколько вообще подходят компьютеры для работы с объектами реального мира. Сделано это было по двум причинам. Во-первых, проблемы внедрения ИС на предприятии мы обсуждали уже не раз, хотя, нужно признать, в несколько ином ракурсе. Во-вторых, небольшой реверанс в сторону близких каждому читателю «КТ» применений поможет сделать тему более интересной.
Потом наступила пора отпусков, во время которой я и Лев безуспешно пытались связаться друг с другом. И вот, наконец, в сентябре звезды совпали, и у меня на руках три статьи, которые, как мне казалось вначале, об одном и том же, но с разных позиций. Однако при ближайшем рассмотрении получается, что тема номера разделилась на две части. Проблемы оцифровки изображений и звука, описанные Александром Филоновым и Александром Радзишевским, временные. Когда-нибудь они будут решены окончательно с помощью количественного технологического скачка.
Проблема, описанная в статье Льва Никитина, фундаментальна и никакого количественного решения не предполагает. Сколько барана ни корми, а волком он не станет. Дело даже не в том, что компьютер не может управиться с ситуацией, число исходов которой стремится к бесконечности, а в том, что правильно выбрать и оценить параметры, влияющие на решение задачи, пока может только человек. Наглядно эту проблему можно представить, если посмотреть на аналитическое ПО для биржевых трейдеров. Все существующие программы основаны на техническом анализе и делают предсказания исходя из предыдущей истории курса (по сути, это data-mining с последующей экстраполяцией). Тогда как на реальный курс акций, безусловно, влияет и информация из внешнего мира. Между тем компьютер ничего о ней не знает и, как честная машина, должен бы сообщить пользователю, что для решения поставленной задачи ему выдано недостаточное количество условий.
Правда, компьютер точно так же не умеет выстраивать кадр или писать музыку. Способность к творчеству — неотъемлемое человеческое качество, с которым мы согласимся расстаться, пожалуй, в последнюю очередь. А вот повесить на компьютеры хотя бы часть ответственности менеджеров среднего звена были бы рады, наверное, и сами менеджеры, и их начальники. Однако на сегодняшний день это абсолютно непосильная задача. Потому что она неразрывно связана с вопросом, как функционирует человеческий мозг, и в конечном счете сводится к задаче построения искусственного интеллекта.
Очевидно, что, как только улыбчивых молодых людей в костюмах заменят новенькие ПК, остальным бастионам нашего превосходства над машинами тоже несдобровать. Рано или поздно компьютеры научатся писать стихи, рисовать картины и сочинять музыку. Боюсь, что на высшем этапе своего развития они смогут даже писать статьи в «Компьютерру». И мы окажемся в положении мальчика, который продал способность смеяться господину в клетчатом, с той лишь разницей, что у нас не будет никакой возможности вернуть свое назад. Впрочем, до этого еще очень далеко. А пока вы можете насладиться (по крайней мере, я надеюсь на это) чтением статей о несовершенстве высоких технологий.

Владимир Гуриев
[vguriev@computerra.ru]

— Ваша электронная машина «Модель пять» выполняет любую математическую операцию над числами, вплоть до десятизначных. <…> Вы переделаете выходные цепи, как мы вас просим, и машина будет печатать слова, а не числа.
— Мне не совсем ясно…
— Речь идет о проблеме, над которой мы трудимся уже три столетия, со дня основания нашего монастыря.
В сущности, это очень просто. Мы составляем список, который включит в себя все возможные имена Бога.
А. Кларк. «Девять миллиардов имен»

За время, прошедшее с момента выхода моей статьи на тему возможности компьютеров участвовать в управленческой деятельности и принятии решений [6], мне довелось получить немало замечательных отзывов. Больше всего в глаза бросалось то, что почти все мои собеседники, независимо от профессии, отношения к компьютеризации и непосредственной вовлеченности в этот процесс, так или иначе затрагивали тезис, суть которого сводится к следующему: «Компьютеры, конечно, хороши для выполнения рутины, но не более того. ЛПР¹ всегда было, есть и будет человеком». Однако обосновать это, казалось бы, очевидное утверждение, не прибегая только лишь к эмоциональным и интуитивным аргументам, достаточно сложно.

Вместе с тем необходимо признать очевидным факт, что компьютеризация и информатизация бизнеса идут полным ходом. Да, проблем в этой области хватает, причем далеко не все они проистекают из несовершенства существующих алгоритмов. Зачастую информационные системы (ИС) не используют уже доступный математический аппарат, упорядочению и информатизации бизнес-процессов мешают некомпетентность сотрудников и неготовность управленцев к изменениям (более подробно см. мнение Александра Самыловского во врезке). Да и квалификация самих внедренцев, их способность подгонять ИС к реальной деятельности организации, а не наоборот, также нередко оставляет желать лучшего.

Скажем сразу: в данной статье мы не будем рассматривать конкретные управленческие ИС, математические алгоритмы, методы оценки альтернатив и принятия решений. Мы сконцентрируемся на самой проблеме налаживания эффективной связи между объективной реальностью, с которой сталкивается «живая» организация, и математической моделью, призванной оптимизировать и в идеале взять на себя выполнение части управленческих функций. Иными словами, мы попытаемся разобраться, что в организации может и должно быть автоматизировано, а что нет, и почему. И, естественно, затронем вопрос о том, нужна ли алгоритмизация в организации вообще, и до каких пределов она должна и может распространяться.

Поскольку далее мы будем говорить о проблемах автоматизации управленческой деятельности в организации, то имеет смысл начать с рассмотрения собственно организации как объекта, субъекта и одновременно среды целедостижения, а неопределенности — как непременного атрибута любой деятельности, в том числе и бизнеса.

1 (назад) Лицо, принимающее решения.

Типология неопределенностей по Р. Джарковичу

Благодарим Ольгу Белоусову, сотрудницу кафедры высшей математики ГУ-ВШЭ, за содействие в подготовке материала.

Как действовать в условиях неопределенности?
Прежде чем начинать работать, мы должны устранить недостатки, связанные с некомпетентностью людей. Можно создать невероятно сложную систему для обеспечения высококлассных результатов и контроля. Но есть более простой и естественный способ борьбы с плохими результатами: не брать плохих работников. Здесь уместно вспомнить прекрасный принцип современного менеджмента, пришедший из древнекитайской философии: «Поручи дело специалисту и жди результат». Поясню на примере преподавания какой-либо вузовской дисциплины. Как это сделано на Западе? Там часто отсутствует привычная нам кафедральная структура. Есть учебные дисциплины, и по каждой из них есть коллектив, возглавляемый общепризнанным специалистом. Он заведомо не может составить неудовлетворительную программу курса. Все, что выпускает такой сотрудник, по определению называется хорошей программой. Забота же руководства состоит в том, чтобы возглавляли ту или иную деятельность специалисты. А вот как с имеющимися сотрудниками получить хорошие результаты — это уже совершенно другая задача. Не стоит тратить силы на ее решение, нужно найти хороших специалистов. Ощущение, что в управлении необходим какой-то методологический прорыв, появляется из-за того, что существует чересчур много субъективного беспорядка. Проблемы не решаются, потому что слишком много личностных ограничений: кто-то будет недоволен тем, что его отодвинули в сторону. И получается, что мы хотим организовать работу современными методами в рамках устаревших межличностных отношений. А зачем изобретать изощренные технологии, если проблема лежит совсем в другой плоскости и при этом решается гораздо проще?
Если же говорить о системах планирования ресурсов, то для них существует вполне достаточный математический аппарат. Можно все посчитать, определить узкие места, в которых действительно сосредоточена неопределенность, и следить за ними. Но мне кажется, что не стоит выдвигать на первый план именно математические методы.
Это не означает, что нет новых научных идей. Наука развивается, в ней возникает та же концепция нейронных сетей. Не могу сказать, что эта алгоритмическая область уже адекватна действительности. Но это некоторая идеология, с которой полезно быть знакомым, чтобы более успешно решать свои задачи. Мы ведь говорим не только о том, как устроить систему, но и о том, как подготовить человека, чтобы он эффективно эту систему внедрял, а затем сопровождал. То есть практическая деятельность — это одно, а образование — нечто другое. Оно должно готовить человека не только к профессиональной деятельности, но и к жизни, умению самому готовиться к чему угодно. Тогда он сможет работать в условиях неопределенности, и, как следствие, не понадобится перекладывать эти задачи на плечи математических методов и компьютеров.
С другой стороны, когда технология может быть успешной? Когда в организации нет беспорядка. А когда он есть, технология становится бессмысленной. Отсюда основная задача управленца — обеспечить порядок, а не придумывать новые технологии. То есть человек, с одной стороны, является главным источником неопределенности в организации, а с другой — единственным субъектом, который способен с нею справиться. Задача, на мой взгляд, не в том, как решить проблему передачи управленческих функций компьютеру, а в том, как изменить ее контекст, чтобы осталось как можно меньше вопросов. Таким образом, задача человека — максимально расчистить предметное поле от всего того, что можно решить не решая. И, в конце концов, останутся только действительно уникальные, нерутинизируемые задачи. Но на это есть творческая деятельность, доступная человеку.
Математика непосредственно здесь ни при чем, но один из важнейших аспектов ее изучения — это то, что она учит мыслить, учит понимать, что такое причинно-следственная связь, доказательство, аргументация, распределение ресурсов, наконец. Есть такой жизненный тезис: с человеком, имеющим приличное математическое образование, можно решить любой практический деловой вопрос. Потому что он понимает, о чем идет речь, он обладает тем, что называется профессиональной культурой.
Таким образом, острота проблемы неэффективности применения информационных технологий в бизнесе может быть снижена несколькими путями. Прежде всего на образовательном уровне нужно придавать большее значение вопросам формирования менталитета, в практической деятельности уделить внимание устранению неразберихи и беспорядка. Ну и, наконец, развивать соответствующие научные направления в математике.

Александр Самыловский, доктор физико-математических наук, заведующий кафедрой высшей математики ГУ-ВШЭ

Организация и неопределенность в теории

Организация как среда совместной деятельности людей по достижению общей цели возникла очень давно. Не думаю, что будет преувеличением назвать ее одним из древнейших общественных институтов. В организациях, их целях и принципах отразилась практически вся история человечества от периода охоты на мамонтов до глобализации. И всегда над любой организацией висел дамоклов меч неэффективности, недостижения цели. В доисторическую эпоху неумелые и плохо организованные сообщества оставались без вожделенного куска мяса на костре, и судьба таких организаций продолжает оставаться столь же незавидной по сей день. Именно стремление к наибольшей эффективности стало одной из основных проблем организационной науки и определило ход развития реальных компаний. Принцип «купить дешевле — продать дороже» может по праву считаться одной из главных движущих сил цивилизации².

Со временем этот лозунг видоизменился и в него добавился компонент «произвести продукт лучше и дешевле». А для этого требовалось развитие производственных и управленческих технологий, их постоянное совершенствование и усложнение. На этом фоне происходил рост рынка, потребителям требовалось все больше товаров и услуг. Именно поэтому коммерческие компании стали сдвигаться в сторону большей трансформации исходного продукта³ и, одновременно, массового производства. Иными словами, если старинный утюг, выпускавшийся в количестве десяти штук в день, состоял всего из нескольких чугунных частей, полученных путем простейших операций, то современный собирается из десятков разнородных компонентов и продается в тысячах магазинов по всему миру. Налицо усложнение продуктов, и, как следствие, количества трансформаций ресурсов, а также рост объемов производства. А за всеми операциями необходимо следить, их необходимо планировать и контролировать.

Естественно, что в этих условиях нагрузка на менеджеров также растет опережающими темпами. Что же делать? Чрезмерное раздувание управленческого штата чревато падением меча неэффективности прямо на голову несчастной организации. Ситуацию спасает одна важная характеристика современных бизнес-процессов. Ведь большинство из них носит постоянный, рутинный характер. Причем это относится не только к производственной деятельности, но и непосредственно к управленческой. Многие функции, относящиеся к операционному уровню принятия решений, могут быть достаточно просто и эффективно автоматизированы. Множество примеров тому можно найти хотя бы в логистике: это и управление запасами, и планирование материальных потоков, и оптимизация затрат на транспортировку.⁴ В силу того что практически все параметры подобной системы по своей природе являются счетными и могут быть достаточно легко измерены, внедрение ИС в этих сферах не представляет труда. Сделать это можно быстро, эффективно и надежно. При этом, скорее всего, значительно снизятся издержки и повысится качество управления. Но не будем забывать, что рутинные, повторяющиеся операции по определению свободны от неопределенности. Риск, безусловно, присутствует в любом случае, но его природа и оценка не вызывают вопросов. Например, на любом складе может случиться пожар или потоп. Но оценить такого рода риск несложно — те же страховые компании владеют достаточно полной статистикой и математическим аппаратом и вдобавок за умеренную плату предлагают минимизировать отрицательные последствия неблагоприятного развития ситуации.

Вместе с тем в организации, помимо операционного, есть еще тактический и стратегический уровни. Отличительной их чертой является необходимость работы в условиях высокого управленческого риска и неопределенности.

Здесь следует сделать небольшую ремарку относительно того, как понимается неопределенность в теории организации. Вообще, классическое определение неопределенности звучит как «ситуация, учесть все исходы которой не представляется возможным»⁵, в отличие от риска, в котором варианты являются заданными, а неизвестны лишь вероятности.

Основоположники ситуационного подхода Дж. Томпсон, Дж. Лорш и П. Лоуренс выделяли два источника организационной неопределенности:

- изменчивость внешней среды,
- изменения в технологии.

Уже на этом этапе мы можем заметить, что неопределенность в организацию привносит не только окружающая, внешняя среда. Часть ее сокрыта внутри, и, значит, может быть минимизирована чисто управленческими методами. Иными словами, менеджмент может и должен совершенствовать технологию, добиваться ясности и стандартизации бизнес-процессов и за счет этого снижать «внутреннюю» неопределенность.

2 (назад) Здесь мы не будем говорить об этичности такого подхода, но вряд ли стоит оспаривать факт, что существующая цивилизация развилась и приняла свой вид не в последнюю очередь из-за тяги человека к получению материальных благ.
3 (назад) В последнее время все большее распространение получает принцип аутсорсинга, то есть передачи фирмой выполнения части своих бизнес-процессов специализированным партнерам. Однако это касается в первую очередь производства, а не управленческих функций.
4 (назад) Этими примерами список, естественно, не исчерпывается.
5 (назад) Классическое определение несколько полнее. Здесь мы отразили суть понятия, необходимую для дальнейших рассуждений.

Data mining — не панацея

Мы понимаем data mining как звено в процессе извлечения из операционных данных информации, используемой для принятия управленческих решений. Вообще, занимаясь организационной деятельностью, люди постоянно создавали инфраструктуру сбора данных. На операционном уровне сведения все время накапливались, и с ростом их объемов возник вопрос: что с ними делать дальше? Было очевидно, что из этих сведений могут быть выделены важные тенденции, закономерности и связи. Такого рода информация бесценна для управленца, который сможет опираться на нее при планировании производства, бюджетировании, управлении рисками и т. д. Когда это стало ясно, начали появляться СУБД, а затем была разработана концепция хранилищ данных, которые позволяли накапливать историческую память компании: как она жила, как она функционировала, с какими параметрами.
Вместе с тем было непонятно, как все-таки выделить из огромного потока бизнес-данных то ценное, что может реально помочь управленцу принимать верные и своевременные решения. Рынки развивались, конкуренция ужесточалась, компаниям нужно было повышать свою конкурентоспособность, и потребность в автоматизированных технологиях обработки первичных операционных данных переросла в острую необходимость. В 1990-х годах стали появляться первые программные продукты, позволявшие обрабатывать большие объемы исторических данных с целью извлечения из них ранее неизвестных, нетривиальных, практически полезных знаний, помогающих принимать правильные решения. Эти технологии углубленного анализа данных получили название data mining. Интересно, что к моменту их появления уже был наработан почти весь необходимый математический аппарат. Data mining является синтетической областью, и в его основе лежат как статистика, так и принципы самообучающихся программ, эвристики. Все эти компоненты связаны в единое целое, дабы избавить людей от трудоемких расчетов. Data mining предполагает значительную автоматизацию вычислений и передачу бизнес-аналитикам лишь тех тактических и стратегических вопросов, которые не могут быть решены без вмешательства человека.
Но решения всегда принимает человек, и иную ситуацию просто невозможно представить. Вылечить может только врач, и серьезные решения может принять только человек. Причем в бизнесе даже нет потребности передавать этот процесс компьютерам. Зато есть потребность обеспечить менеджеру постоянный доступ к самым полным и точным сведениям об организации и окружающей среде.
Потенциально data mining может стать основой для получения работающих, адекватных действительности моделей. Ведь если к элегантному математическому аппарату того же когнитивного моделирования добавить параметры и предпосылки, отражающие действительность и добытые из сведений о реальном мире методами data mining, возможно, мы получим гораздо более эффективную систему. Это будет переход от абстракции к связи с реальностью. Потому что в данных есть описание нашей жизни, нашей ситуации. Прямое или косвенное, но есть.
Конечно, нельзя утверждать, что технологии data mining и его разновидностей полностью отвечают требованиям современного бизнеса. Вместе с тем data mining — очень динамичная, быстро развивающаяся отрасль индустрии ИТ. Совершенствуются сами технологии, и, что гораздо важнее, в России начинается подготовка специалистов, способных эффективно их применять. Ведь такой человек должен знать бизнес, уметь работать с данными, формулировать задачи и владеть техническим инструментарием.
Основное условие успеха data mining — наличие адекватных данных для решения поставленной задачи. Зачастую человек работает со средствами data mining, но ничего ценного и достоверного не обнаруживает. Все реальные зависимости довольно слабы. Настоящая цель data mining — поиск неочевидных закономерностей, которые человек просто так не видит. При этом безусловно важным является дополнение внутренних сведений о компании какими-то данными о внешней среде.
Но автоматическое объяснение причин тех или иных закономерностей вряд ли возможно. Это, как и принятие решений, подвластно только человеку.

Структурирование и обработка огромных потоков данных является одной из основных функций управленческих ИС. Ранее мы говорили, что многие недостатки математических моделей и методов проистекают из того, что собрать и обработать сведения, необходимые для полноценного описания действительности, чрезвычайно сложно. Но прогресс не стоит на месте, и не так давно появилась новая концепция обработки «сырых» первичных данных, получившая название data mining (букв. «добыча, разработка данных»). С вопросом о возможностях этой технологии применительно к построению адекватных действительности алгоритмических моделей мы обратились к Сергею Арсеньеву, кандидату технических наук, генеральному директору компании «Мегапьютер», разработчику пакета PolyAnalyst.

Что касается внешней среды, то ее практически невозможно изменить за счет внутренних сил организации. Однако и здесь мы можем найти некоторые возможности для упорядочения. Так, в частности, Р. Джарковичем была предложена типология, согласно которой ситуации, с которыми сталкивается организация, могут принимать четыре основных состояния (см. таблицу).

При этом чистой неопределенностью может быть названа лишь ситуация высокой изменчивости при нестабильных изменениях. Три других типа так или иначе поддаются анализу, в том числе и математическими методами. Это отнюдь не означает, что можно добиться полной ясности, но численные параметры (такие, как стоимость, количество ресурсов, временные затраты и т.д.) вполне могут быть проанализированы. Для иллюстрации можно привести простой и известный пример. Предположим, компания выбирает финансового партнера. Безусловно, сложно оценить его надежность в целом, соответствие его политики интересам компании, способность в будущем пойти навстречу в тех или иных рабочих вопросах. Но некоторые численно оцениваемые параметры⁶ могут сказать немало и о его стабильности, и о состоянии дел в целом.

6 (назад) Те же простейшие Return on Assets и Return on Equity (одни из основных показателей эффективности функционирования коммерческих учреждений, в первую очередь — финансовых).

Вернемся к вопросу о деятельности управленцев в условиях неопределенности. В терминах теории организации это означает преобладание неструктурированных и слабоструктурированных задач. Иными словами, плохо формализуемых проблем, параметры которых не могут быть измерены и достаточно полно описаны в виде численных моделей. Отсюда вытекает неприменимость к ним алгоритмических методов. В этом случае мы приходим к выводу, что человек с его мышлением, имеющим недизъюнктивную природу (более подробно см. [5]) единственно способен действовать в условиях неопределенности. Однако и здесь не обходится без проблем. Еще в середине прошлого века Г. Саймон отмечал, что ни один человек, будь то специалист или управленец, не способен видеть организацию и ее внешнюю среду во всей их «тотальной целостности». То есть применительно к людям проблема сложности построения работоспособных алгоритмических методов поворачивается другой стороной. Если компьютер невозможно научить мыслить и самостоятельно строить адекватные действительности модели, то человек, напротив, при всех его способностях к обобщению и абстракции, не может обрабатывать огромные массивы данных, чтобы наполнить смыслом получаемые модели.

Таким образом, мы приходим к важному выводу о том, что алгоритмические методы действительно способны значительно облегчить труд управленца, но не прямо, а косвенно. Речь не идет о том, что, к примеру, на одном и том же рабочем месте до обеда будет трудиться компьютер, а после — вволю выспавшийся и довольный менеджер. Разделение обязанностей происходит по функциональному признаку: человек разрабатывает пространство альтернатив, вырабатывает возможные варианты развития и ставит задачи компьютеру, который, в свою очередь, работает с данными и предоставляет некоторые выводы управленцу. Их анализ, интерпретация и в конечном счете принятие решения — задача менеджера, причем вполне посильная.

Здесь необходимо отметить, что технологический прогресс также движется в сторону использования компьютеров в первую очередь как обработчиков огромных массивов данных в соответствии с задачей, поставленной человеком. Появление алгоритмических технологий data mining и его разновидностей (text mining, web mining и т. д.) — тому подтверждение (см. мнение Сергея Арсеньева во врезке).

Неопределенность управленцам!

Теперь, когда мы разобрались с видами неопределенности, с которыми сталкиваются управленцы и попытались понять, в чем сильные и слабые стороны человеческого мозга и машинного интеллекта, сформулируем некоторые выводы более четко и определенно. Итак, мы выяснили, что неопределенность не так страшна, как может показаться. Достаточно много параметров действительности может быть формализовано и измерено, хотя это и не позволит получать готовые безошибочные решения автоматически. Но не следует забывать, что неопределенность в рамках организации порождается в первую очередь самими людьми, их непрофессионализмом, отсутствием плана действий. А потому совершенно естественно, что только человек может эффективно работать со своим «детищем». При этом борьба с неопределенностью как неблагоприятным фактором может и должна происходить по меньшей мере в двух аспектах: во-первых, создании такого организационного контекста, который бы сам по себе предполагал минимум неопределенности. И только во вторую очередь имеет смысл совершенствовать системы автоматизации, их алгоритмы, механизмы наполнения их данными (см. мнение Александра Самыловского).

Не стоит забывать и о том, что неопределенность — это не только препятствие в планировании, но и новые возможности развития. Представляется, что именно она является полем деятельности для творчества. А значит, пытаться перекладывать деятельность в таких ситуациях на плечи компьютеров не только сложно, но и неэффективно. Ведь только человек, управленец, способен найти в неопределенности ресурсы для роста и изменений. Алгоритмический обсчет параметров такой ситуации, если и будет достоверен, то не принесет новых идей и прогресса. Максимум, что мы получим, — это предложение перегруппировать ресурсы в рамках уже имеющейся и, возможно, давно уже неадекватной структуры. Человек же будет способен увидеть какие-то неординарные, нетривиальные пути решения. Посидеть, поразмышлять и увидеть. А компьютер в это время должен терпеливо заниматься расчетами и предоставлять управленцам информацию для этого размышления…

Мы уже отмечали, что компьютер сможет заменить управленца только тогда, когда будет создан искусственный интеллект. Но чтобы его сконструировать, нужно как минимум понять и изучить принципы человеческого мышления. О невозможности этого познания с научно-технической точки зрения замечательно написано в одной из тем номера «КТ» [5].

С другой стороны, никто из нас не хотел бы попасть в воннегутовскую «Утопию 14», в уродливую действительность, в которой практически весь бизнес был бы автоматизирован, а люди остались лишь на позициях топ-менеджеров. Всем нам необходимо любимое дело, осознание своей незаменимости. А значит, незачем учить компьютеры думать так же, как мы. Да и тайна человеческого мышления, по-видимому, останется последней загадкой науки. И нам остается только пожелать, чтобы она не была разгадана…
А с неопределенностью мы сами справимся. Ау, управленцы!

Литература

[1] Кравченко Т.К., Пресняков В.Ф. Инфокоммуникационные технологии управления предприятием. — М.: ГУ ВШЭ, 2003. — С. 14-105.
[2] Чернышев С.Б. Корпоративное предпринимательство. М.: Молодая гвардия, 2001. — C. 234-528. (www.ckp.ru/biblio/c/chernyshev/kp/index.htm).
[3] Щербина В.В. Социальные теории организации: Словарь. — М.: Инфра-М, 2000. — С. 11, 28, 36, 42, 69-71, 82, 134-135, 155, 166-170.
[4] Simon H. The structure of ill-structured problems//Artificial Intelligence. 1973. V.4. p. 181-201.
[5] «КТ» #504–505, с. 24-33.
[6] Никитин Л. Игра в разум//«КТ» #495, с. 55-57.