1月12日,全球性技术咨询公司Thoughtworks重磅发布了《变革设计》白皮书,期望让更多的变革设计者们加入进来,和更多正在经历数字化重塑的产业和行业一起,在探寻数字化发展和创新的同时,持续提升大家的时代认知!
“There are few if any context-free solutions, but many valid context-specific ones.”
—— Dave Snowden, Cynefin创始人
数字化正在冲击各行各业,叩开了第四次工业革命的大门。以技术应用为手段的产品和服务创新成为了时代主旋律,曾经被创新者奉为神明的硅谷创新方法和文化,渐渐融入到了很多企业的数字化转型之旅中。由著名孵化器YC和斯坦福d.school所推崇的设计思维(Design Thinking),成为了广受认可的科学创新方法,一系列的实践由此诞生,聚焦如何启发不同专业背景和思考方式的人群进行有效碰撞,在跨学科的交叉口探寻创新的契机。
随着业务数字化的深化,企业创新本身不再关注于某个触点上的体验惊喜,也不仅仅局限于提升某条特定的用户旅程。企业的全面数字化创新需要直面业务系统本身的复杂度,正视市场和客户的未知,找到可持续发展的新范式。而这种范式的变化对于任何一个业务和团队来说,都将是一次深入的变革。
面对这样的变革,设计成为了首当其冲的问题,我们如何才能找到正确的变革方向 —— 既考虑当下的约束,又不过度限制未来的可能;既考虑客户价值,又能够顾及整个服务生态;既考虑给用户带来惊喜,又保证业务的商业成功。显然,这样的变革设计不会有银弹,仍然需要我们抱着开放的心态去探索和发现,保持那份可贵的好奇心。
在产业数字化浪潮下,Thoughtworks的规划者们正在帮助不少来自于金融、零售、汽车领域的头部企业,设计和实施这样的变革。实战过程中的不断历练、反思和调整,最终促成了一套针对性的变革设计方法,结合了关注全局复杂度的系统思维,洞察发展趋势的未来思维,以及落地创新的设计思维,提炼和呈现于这本《变革设计》白皮书中。
以下是白皮书正文内容部分节选:
01 未来不似昨日:设计思维的魔法失效了吗?
2000年1月23日,著名物理学家史蒂芬·霍金(Stephen Hawking)在接受《圣荷西信使新闻报》(San Jose Mercury News)的采访时被问到以下问题:有人说 20 世纪是物理学的世纪,而我们现在正进入生物学的世纪。对此您有何看法?他的回答是,下个世纪(21 世纪)将是“复杂性”的世纪。
诚如霍金所言,当下的诸多极具挑战性的棘手难题(Wicked Problem)拉扯出复杂性的表征,诸如战争、疾病、气候变化、贫困、性别歧视、生物多样性丧失等自然、社会的“系统问题”亟需解决。在商业领域,这种持续的、不确定的变化更加明显。早在1980年,彼得·德鲁克(Peter F. Drucker)就在《动荡年代的管理》中第一次明确提出变化对商业社会的冲击。而现在商业社会的动荡程度比当时高了不止一个量级——看看你的身边,电商直播、新能源、智慧中台、数字化转型、NFT、元宇宙….一个个的热词概念,诸多的“风口”层出不穷。
就个体而言,我们也可以明显感受到外部世界愈发扑朔迷离。在一个不断加速的社会中,随着我们所面对问题的复杂性和不确定性在不断递增,越发感受到上一代的生活经验和成功路径也不再奏效,而过去无往不利的理念、方法在新问题面前也显得捉襟见肘。这种剧烈的不确定性和越发繁杂的问题引发人们的不安全感和反思,不论是个人还是商业组织,都在迫切寻找解决问题的新方法和新思路。
在1980年被提出的设计思维(Design Thinking),经过30余载的发展,俨然已经成为创新领域极具代表性的思维范式。虽然其在供大于求的消费社会中得到了极大的发展,而在复杂性的背景下,设计思维也在多维不确定性递增的商业环境下暴露出其局限性。设计思维这一创新范式,也到了变革的时刻。
1.1 - 设计思维的局限
局限一:设计思维的静态呈现
回想平日里我们利用设计思维方法对用户需求挖掘的过程:对现有的客户旅程做一遍梳理,围绕当下的服务情形,询问用户此刻关于体验的相关痛点。这样的方法可以帮设计相关从业人员对服务体验当下的现状有清晰理解和认知。
但我们很少会进一步思考:现在挖掘到的需求在未来会发生变化吗?假设你在为一个2-3年后才能面世的产品(比如汽车)做需求挖掘,你如何判断现在挖掘到的需求在3年后仍是主流?
抽象来看,倘若我们加入时间的维度,设计思维中并未过多强调对未来需求趋势的把握,更多关注在产品和服务体验过程中给用户带来的当下的感受。
严谨地说,我们对于用户需求的挖掘,更像是在基于以往体验的基础上,针对当下现状的需求切片。在这样的逻辑下审视那些常用方法:用户画像、客户旅程、服务蓝图等方式都是针对当下现状的需求剖面,无法表现出未来趋势。
我们把这样的特点,叫做设计思维的静态呈现。其实不仅设计思维,很多聚焦问题域的分析思考,都是围绕当下展开的。
这样的静态呈现会潜意识中让人们在做决策时认为此时此刻所面临的危机和机会比未来的更重要,进而放弃更长远的考量,而选择重复短期思考的模式。能源分析师和教育家理查德·海恩伯格(Richard Heinberg)称之为贴现未来(Discounting the Future),就像柯达在1975年研发了第一台数码相机,却为了眼前的底片生意而放弃了引领数字革命的机会。
正如前文所提及,当社会处在新旧秩序的巨变、行业动荡和机遇并存时,企业和组织如何才能看清所处环境、市场、客户的易变性?又怎么在竞争者频出的新环境下抓住客户摇摆不定的需求,面向未来做设计和提前布局?
这样的新挑战,触及到了设计思维的第一个短板——更关注当下静态的现状,并以此为出发点寻找解决方案,但是却忽略了在更长久的时间维度上对变化的理解:理解变化的起因、变化的范围、变换的程度、变化的趋势等等。
而设计思维、或者说我们对问题现状的剖析方式,尚未能够帮助我们更好地厘清“变”的逻辑。
局限二:设计思维的分析性思考
让我们思考一个 Thoughtworks 曾面临的真实问题:如何让自闭症儿童养成独立生活能力,更好地融入社会?
按照设计思维“以人为本”的准则,第一步自然而然是定义用户面临的问题——自闭症儿童更多日常生活的痛点,找到影响其生活的原因。但考虑到针对特殊行为的用户调研的难度,研究方向发生了转换,希望从专家或者家长那里得到更多信息。但随着了解的深入,会发现另外一个巨大的挑战——与“用户”相关联的角色十分庞杂:进行自闭症诊断的大小医院、稂莠不齐的干预机构、挣扎在生存边缘的公益组织、不愿接收的学校、无法提供合适岗位的企业、为了希望倾尽全力的家庭、带有偏见的周围人等等。每一个角色各有诉求,背后的问题都十分棘手,而这些也都与最初的问题有些许关联。那接下来应该如何做呢?
我们通常会分别分析每个角色/或用户所面临的问题,在整理时按照一定优先级维度进行筛选,找到高优先级的问题。进而将最初模糊的、复杂问题拆解成为了N个子问题,打算逐个击破。这个从用户视角进行问题拆解的过程叫做分析性思考,是一种设计思维赖以解决复杂问题的思路。
随着问题的聚焦和拆解,其复杂度也会降低至可以掌控并解决的状态。每种思维背后都有其适用情形和限制条件。分析性思考本身并没有问题,但其背后隐藏着一个最为关键的假设,那就是被拆解的N个简单问题之间相互独立,彼此不会影响。倘若这个假设成立,分析性思考无往不利,但如果这个假设被打破,分析性思考也就不攻自破。
回到刚才提到的与自闭症儿童相关的诸多子问题便是互相影响,彼此制约的:医院的诊断结果影响干预机构的业务,干预机构与公益组织之间理念不同且互相博弈,家庭内部对自闭症的认知影响对机构组织的选择,社会的偏见影响家庭的同时又对学校带来教育压力,缺少正规教育又让企业心怀顾虑….这些问题盘根错节,形成了一个复杂的系统,牵一发而动全身。
在互相勾连的问题下,倘若将问题拆解简化,虽然可能导出局部最优解,却无法得到全局最优,甚至很可能会在全局带来意料之外的副作用(可以搜索历史上有名的眼镜蛇效应)。
随着设计行业的发展和创新在各个领域的渗透,创新的对象也逐渐复杂,从最刚开始设计工业产品实物的样式、单一数字产品的交互界面,
1.2 - 仍待变革的创新范式
到设计线上线下结合的服务,再到设计提供服务的组织和流程。设计对象正在从一个个孤立的产品,转变为复杂的系统。
在历史上,设计的角色也依据所处时代环境、政策经济、文化精神等持续不断的发生演进,前沿的学者和实践人士也都曾提出诸多新的设计思潮如思辨设计、可持续设计等等。
越来越多身在其中的创新者和设计师们,不断反思着设计思维这套看似是创新万能之匙、金科玉律的思维方式。
回顾上文所阐述的21世纪下多维不确定性递增的系统环境,沿袭以往的思路去解决问题势必会遇到思考方式的局限,或许我们也是时候升级一下这个惯用的思维模式了:
静态视角—动态视线:从关注变化的结果,到把控变化的脉络;
问题简化—理解复杂:从线性的模块拆解,到环形的回路梳理;
着眼局部—放眼全局:从单纯的用户视角,到全览系统的关联;
线性因果—相互影响:从对产出质量负责,到对社会影响负责;
这四个维度的转变,可以帮助我们直面复杂、把握变化、全局优化,进而突破设计思维静态呈现和分析性思考这2大局限。为了实现这样的转变,我们也迫切需要新的设计范式和思考框架,对此,MIT媒体实验室总监伊藤穰一(Joi Ito)为此做了贴切的注解:
?“广义上的设计已经从实体和非实体的物件设计发展到了复杂适应性系统的设计。这种根本性的演变正在改变设计师的角色,设计也理应需要一套新的价值观。”
好文章,需要你的鼓励
AMD CIO的职能角色早已超越典型的CIO职务,他积极支持内部产品开发,一切交付其他部门的方案都要先经过他的体验和评判。
医学生在选择专业时,应当考虑到AI将如何改变医生的岗位形态(以及获得的薪酬待遇)。再结合专业培训所对应的大量时间投入和跨专业的高门槛,这一点就更显得至关重要。
我们拥有大量数据,有很多事情要做,然后出现了一种有趣的技术——生成式AI,给他们所有人带来的影响。这种影响是巨大的,我们在这个领域正在做着惊人的工作。