Usikkerhet må håndteres, men hvordan virksomheter forholder seg til det varierer

Den første observasjonen min er at usikkerhet sjeldent håndteres like systematisk som den påvirker beslutningene våre. Usikkerhet preger de fleste valg, og spørsmålet er ikke om den finnes, men hvordan man forholder seg til den. Ettersom jeg nylig fullførte masteren, så jeg hvor tydelig moderne finans vektlegger noe annet enn å spå én riktig fremtid. Derimot å:

• beskrive flere mulige fremtider
• forstå hvordan utfallet endrer seg når forutsetningene endrer seg
• ta valg som tåler at verden ikke blir som planlagt

Masteroppgaven min var en stokastisk modell for optimal slaktetid i norsk lakseoppdrett, der vi koblet sammen temperatur, dødelighet, vekst, lus, klimaendringer og andre usikre faktorer. Formålet var enkelt: Hvordan tar du gode beslutninger når alle rammebetingelsene rundt deg er usikre?

Jeg fikk ikke sjokk da jeg oppdaget at bio-økonomiske realopsjoner med fouriertransformasjoner og Lévy-prosesser ikke var allment brukt i norske organisasjoner. Det hadde nesten vært litt rart. Men det er likevel et merkbart sprang i hvordan man forholder seg til usikkerhet. I utdanningen var usikkerheten fokus, der vi antar at ting svinger og endrer seg. I arbeidslivet håndteres usikkerhet ofte mer indirekte, ofte fordi det er krevende å operasjonalisere gode prosesser rundt. Noen ganger håndteres den tidlig gjennom å planlegge etter et "basis-scenario" eller legge på risikopåslag i budsjettet, og så anses risiko som håndtert.

Det jeg lærte, er at god beslutningstaking under usikkerhet handler mindre om å være genial på dag 1, og mer om å ha et system som tåler å ta feil, og lærer av det. I oppgaven viste vi hvordan en forretningseier som tar løpende avgjørelser basert på faktorenes utvikling får opp til 10,55% høyere avkastning enn en som ikke gjør det.

I teknologiutvikling er usikkerheten forsterket, da både behovet og løsningen er ukjent

Teknologi skaper også typer av usikkerhet som få andre områder gjør. Det er relativt sikkert at folk vil ha laks om en måned, at det ikke finnes en bedre art om ett år, og vi vet hvordan den ser ut de neste 2 årene. Med teknologi er det ikke sikkert at folk vil ha den om en måned, at det ikke finnes en bedre løsning om ett år, og vi vet ikke hva vi utvikler og ender opp med allerede fra start. Du kan ikke gjøre eksterne faktorer forutsigbare, men du kan følge utviklingen og justere raskt når forutsetningene endrer seg.

Når usikkerhet behandles tidlig, ender vi ofte med å anta mer enn vi vet. I praksis betyr det at risikoen vokser videre i prosjektet. Produktteam jobber derfor ikke med usikkerhet som et engangsproblem, men som noe som håndteres løpende. De tester hypoteser, gjør antagelser eksplisitte og reduserer risiko steg for steg.

Hvis verden hadde vært stabil og forutsigbar, ville store statiske fossefallsprosjekter, detaljplaner og roadmaps funket. Men når marked, teknologi, reguleringer og brukere hele tiden flytter på seg, trenger vi en annen måte å jobbe på. Dette er bakgrunnen for Marty Cagans spørsmål i boken Transformed: «Hvordan vet vi at løsningene vi bygger vil virke?». Svaret er at vi ikke vet det på forhånd, vi finner ut av det gjennom systematisk læring.

Produktmodellen er en strukturert måte å ta beslutninger under usikkerhet på. Cagan beskriver 4 typer usikkerheter i produktarbeid:

• får dette verdi for brukeren? (Verdirisiko)
• vil folk klare å bruke det? (Brukbarhetsrisiko)
• kan vi bygge det? (teknisk risiko)
• tåler virksomheten det? (forretningsrisiko)

Disse vurderes og håndteres løpende, og istedenfor å skyve risiko oppover får teamet ansvar og frihet til å redusere dem gjennom eksperimenter og innsikt. Poenget er at usikkerhet ikke er noe du "rydder unna" med bedre planlegging. Det er noe du jobber systematisk med, steg for steg. Derfor tenker jeg at produktutvikling ikke bare er en metodikk, men en naturlig måte å strukturere organisasjonen på når man tar usikkerhet på alvor. Hvis du vet at verden er uforutsigbar, er det rart å organisere seg som om den ikke er det.

Virksomheter styrer etter mål, men hvordan de knytter tiltak til effekt varierer

Den andre observasjonen min handler om koblingen mellom det operative og strategiske nivået i organisasjoner. Produktmodellen flytter ansvaret om hvordan og hvilke produkter vi skaper ned til det operative nivået. Dette gjør man fordi de som kjenner teknologien, kundebehovene og domenet er best posisjonert for å svare på hva som akkurat nå er mulig å tilby kundene.

Om vi i en forenkling splitter virksomheten i disse to lagene:

1. Det operative nivået: ansvarlig for utvikling, produkter, m.m.
2. Det strategiske nivået: ansvarlig for større strategi, ressursallokeringer, m.m.

Kan vi visualisere oppbyggingen slik:

For at myndiggjøring på det operative nivået skal drive mot organisasjonens overordnede mål, trenger vi en tydelig kobling mellom det vi utvikler og effekten vi ønsker å oppnå. Uten denne koblingen blir det vanskelig å ta overordnede beslutninger i virksomheten. For å skape sammenheng mellom disse lagene, må vi definere mål på resultater og effekter av produktene vi utvikler. Uten dette vil sammenknytningen mellom det vi gjør, og det vi ønsker å oppnå som organisasjon frafalle. Det blir vanskelig å ta beslutninger som:

• treffer tiltaket faktisk målene våre
• er tiltaket verdt det selv om vi allerede har tiltak X og Y
• burde vi teste mer før vi skalerer
• hvordan prioriterer vi finansieringen vår

Min hypotese er at mange organisasjoner har en vei å gå når det gjelder å gjøre effekter målbare og sammenlignbare på tvers av virksomhetsnivåene. Gjennom arbeid med virksomhetsstyring har jeg sett hvor utfordrende sammenkoblingen mellom det strategiske og operative kan være, spesielt når måling av effekt er utydelig. Det kan finnes rapporter, tall og mye erfaring, men ikke nødvendigvis en tydelig måte å måle og sammenligne effekt gjennom organisasjonen. Dette gjør det vanskelig å videreutvikle, evaluere, prioritere og gjøre større endringer.

Skal produktmodellen fungere, må vi styre etter effekt. Marty Cagan snakker om «Hvordan vi bestemmer hvilke problemer vi løser». Uten et tydelig bilde av effekt mangler vi det viktigste grunnlaget for å prioritere. Da ender vi med å fordele innsats jevnt utover istedenfor å samle den der den betyr mest. Når alt virker viktig, blir ingenting viktig.

Forståelse må bygges gjennom antagelser og læring

Cagan understreker at vi må bruke produktmodellen for å implementere produktmodellen. Med det mener han at virksomheter ikke kan ta den i bruk gjennom planer og struktur alene, men heller operasjonalisere den gjennom de samme prinsippene som ligger til grunn for modellen. Dette kan også appliseres til hvordan enkeltpersoner forstår modellen.

Hvis man skal lære verdien i modellen, holder det ikke å begrave seg i teori. Man må bruke de samme prinsippene i egen læring, gjennom å formulere antagelser, teste dem i virkeligheten, og justere når man lærer noe nytt. Derfor har jeg forsøkt å lage to hypoteser basert på det jeg har observert:

• Usikkerhet må håndteres, men hvordan virksomheter forholder seg til det varierer
• Virksomheter styrer etter mål, men hvordan de knytter tiltak til effekt varierer

Disse hypotesene er et utgangspunkt for noe konkret å se etter i fremtidig arbeid. Hvordan effekt måles og brukes, og hvordan man forholder seg til usikkerhet. Etter hvert som jeg bygger erfaring, håper jeg at hypotesene kan nyanseres og utfordres. Slik kan jeg løpende få en dypere forståelse av hva produktmodellen innebærer, og hvordan den kan gi mening i ulike organisasjoner.

Tilsvarende som jeg selv må bygge erfaring og utfordre etablerte sannheter for å forstå modellen bedre, trenger virksomheter også å bygge erfaring i praksis. Blant annet ved å utforske hvordan effekt kan kobles tydeligere til tiltak, og hvordan usikkerhet kan håndteres mer løpende i arbeidet.