Я давно пишу статьи, уж точно более 15 лет и некоторым из них решил дать вторую жизнь. Эта статья впервые была опубликована в 2018-м году и ее основная мысль осталась неизменной – архитектура и экономика неразрывно связаны, однако прогресс не стоит на месте и статья потребовала обновления.
Представляю вам обновленный вариант, приятного чтения.
Традиционные представления об экономике
Перечислим традиционные представления об экономике в упрощенном виде:
- Рациональные агенты, действующие в собственных интересах
- Каждый агент обладает достаточной информацией о возможных действиях других агентов
- Каждый обладает возможностью дедуктивного умозаключения
- Поведение агентов и внешняя среда могут быть описаны устойчивым набором правил
Результатом должно стать состояние равновесия, в котором ни одному из агентов невыгодно в одностороннем порядке менять выбранную стратегию.
Это не обязательно лучшее решение для всех агентов в целом, но такое состояние можно описывать и исследовать с помощью аналитических моделей.
Экономика как сложная адаптивная система
Однако начиная примерно с 80-х годов экономика все чаще рассматривается как сложная адаптивная система:
- Агенты с собственным интересом обладают ограниченной рациональностью
- Агенты неоднородны и находятся в разных условиях
- Знания о стратегиях других агентов ограничены или отсутствуют
- Решения принимаются в условиях неполной, запаздывающей и противоречивой информации
- Вместо чисто дедуктивных рассуждений используются эвристики, накопленный опыт и индуктивные умозаключения
- Со временем агенты адаптируются под изменения окружающей среды и поведение друг друга
- Взаимодействия агентов изменяют саму среду, в которой принимаются следующие решения
Агент – нечто, принимающее участие во взаимодействии и изменяющееся в результате этого взаимодействия; например, человек, общество, команда, компания, программная система или ИИ-агент.
От аналитических моделей к симуляциям
Таким образом, в традиционной экономике существует возможность делать предсказания на основе аналитических моделей, предполагая наличие равновесия и относительно устойчивых закономерностей.
Если же рассматривать экономику как сложную систему, то одной аналитической модели становится недостаточно. Требуются агентские модели, сценарное моделирование и компьютерные симуляции с возможностью адаптации.
К 2026 году такие модели уже используются не только в исследовательских целях. Центральные банки и другие экономические институты применяют их как дополнение к традиционным моделям для анализа финансовой устойчивости, климатических рисков, распространения кризисов и последствий решений, принимаемых в условиях неопределенности.
ИИ как новый класс агентов
Развитие генеративного ИИ добавило новый класс агентов. Такие агенты могут работать с неструктурированной информацией, формировать планы, взаимодействовать между собой и менять поведение в зависимости от контекста.
При этом способность агента правдоподобно воспроизводить человеческое поведение еще не означает, что он правильно объясняет это поведение или позволяет надежно предсказывать будущее.
Чем сложнее модель, тем большее значение приобретают наблюдаемость, проверяемость, управление рисками и возможность участия человека.
Информация как условие адаптации
Возможности адаптации системы ограничены интенсивностью, качеством и скоростью обработки потока информации из внешней среды.
Выпуская продуктовые релизы чаще, мы в действительности выстраиваем канал передачи информации с накоплением знаний внутри системы и адаптируемся с учетом этих знаний.
Но частота выпусков сама по себе не является целью.
Если между выпуском и получением достоверной обратной связи проходит много времени, если результат невозможно наблюдать или связать с конкретным изменением, то скорость поставки не превращается в скорость обучения.
Качество выпусков обуславливает качество информационных каналов. Продукты с дефектами создают коллизии в информационных потоках: мы получаем не новую информацию о потребностях и поведении пользователей, а информацию о необходимости корректировки поведения в рамках ранее полученного знания, что замедляет процесс обучения в целом.
Слишком крупные изменения также ухудшают качество информации. Чем больше изменений одновременно попадает в систему, тем сложнее определить, какое из них привело к наблюдаемому результату.
Поэтому важны не просто частые, а небольшие, наблюдаемые и обратимые изменения:
- Автоматизированная поставка
- Наблюдаемость поведения системы
- Постепенное развертывание изменений
- Возможность быстрого отката
- Эксперименты и проверка гипотез
- Короткий путь от изменения до обратной связи
- Возможность отделить полезный сигнал от шума
Генеративный ИИ способен ускорить производство изменений, но не гарантирует ускорения обучения. Он усиливает уже существующие свойства организации: хорошие процессы становятся быстрее, плохие – создают больше изменений, дефектов и информационного шума. Поэтому ограничением все чаще становится не способность создать изменение, а способность организации понять его последствия.
Архитектура как способность к изменению
Архитектура должна поддерживать возможности организации:
- Быстро и качественно получать новые знания
- Проверять гипотезы небольшими изменениями
- Наблюдать последствия этих изменений
- Локализовать ошибки и ограничивать их влияние
- Безопасно отменять неудачные решения
- Сохранять накопленные знания в коде, данных, инструментах и процессах
- Управлять автономностью как человеческих, так и ИИ-агентов
- Быстро адаптироваться и развиваться на основе изменяющегося контекста, в котором она используется
Если рассматривать организацию как сложную экономическую систему, то команды, сервисы, платформы, пользователи и ИИ-агенты становятся участниками постоянного обмена информацией, ресурсами и ограничениями. Каждый из них действует локально, обладает неполной информацией и стремится решить собственную задачу. Результат при этом определяется не только качеством отдельных решений, но и структурой взаимодействий между агентами.
Архитектура задает эту структуру.
Она определяет стоимость взаимодействия, изменения и ошибки. Определяет, какая информация доступна агентам, как быстро она распространяется и насколько свободно они могут реагировать на происходящее.
Сильно связанная архитектура увеличивает стоимость координации. Изменение одного агента требует согласования с другими, локальная ошибка распространяется по всей системе, а скорость адаптации определяется самым медленным участником. Слабая связанность, понятные границы и наблюдаемая обратная связь уменьшают стоимость взаимодействия. Агенты получают возможность принимать локальные решения, проверять их последствия и корректировать поведение, не перестраивая всю систему.
Таким образом, архитектура выполняет ту же функцию, что институты и правила взаимодействия в экономике: она не определяет каждое отдельное решение, но создает среду, в которой эти решения принимаются. В традиционной модели задача заключалась бы в поиске оптимальной архитектуры и достижении устойчивого равновесия. Но для сложной адаптивной системы окончательно оптимальной архитектуры не существует. Пока организация меняется, взаимодействует с внешней средой и получает новую информацию, меняются и требования к ее устройству.
Поэтому хорошая архитектура не предсказывает будущее и не пытается заранее описать все возможные состояния системы. Она снижает стоимость взаимодействия между агентами, стоимость получения нового знания и стоимость изменения решения, когда прежнее знание перестает соответствовать действительности.
В этом смысле архитектура – это экономика изменений внутри организации.
ПОДЕЛИТЬСЯ: