هنری فورد چگونه با ترکیب هوشمندانه نوآوری‏‌های قبلی به موفقیت رسید؟

نوآوری با ترکیب ایده‏‌های قدیمی

یک شنبه 1404/03/18 04:54 دسته بندی: مدیران کد خبر: 45935

۱- خطوط جداسازی متحرک در کشتارگاه‌‌های شیکاگو (اواخر ۱۸۰۰)

۲- لاک نیتروسلولزی سریع‌‌خشک که در فرآیندی به نام «ژاپن‌‌کاری» (Japanning) استفاده می‌شود

۳- طرح مشارکت کارکنان در سود (سال ۱۸۸۷)

۴- شبکه فروشندگان محلی آیزاک سینگر برای فروش چرخ خیاطی (قرن نوزدهم)

حتی درخشان‌‌ترین ذهن‌‌های دنیای کسب و کار و استارت‌آپ‌‌ها هم به‌‌ندرت پاسخ درست را حدس می‌‌زنند، اما وقتی جواب فاش می‌شود، بدیهی به نظر می‌‌رسد: «هنری فورد.»

فورد با الهام از کشتارگاه‌‌ها، خط مونتاژ متحرک را ابداع کرد، برای سرعت‌‌بخشیدن به تولید مدل T فورد، از «ژاپن‌‌کاری» استفاده کرد و سیاست معروف «هر رنگی که بخواهید به شرط اینکه سیاه باشد» را بنا نهاد (چون لاک نیتروسلولزی مشکی است). از طرف دیگر برای انگیزه‌‌دهی به کارگران و کمک به خرید خودرو طرح مشارکت در سود را اجرا کرد و با الگوبرداری از شبکه فروش سینگر، جلوی هزینه‌‌های سنگین نیروی فروش گسترده را گرفت. فورد با ترکیب این ایده‌‌ها، شرکت بحران‌‌زده خود را به رهبر بازار تبدیل کرد. خودش هم بعدها گفت: «من چیزی اختراع نکردم، فقط کشفیات دیگران را کنار هم گذاشتم.»

خلق یک چیز کاملا جدید دشوار به نظر می‌‌رسد، اما حقیقت این است که نوآوری اغلب، ترکیب خلاقانه ایده‌‌های موجود است. نمونه‌‌های زیادی هم در تایید این مساله وجود دارند. رید هستینگز، یکی از بنیان‌گذاران نتفلیکس، صنعت اجاره فیلم را با ترکیب مدل اشتراک ماهانه باشگاه‌‌های ورزشی محلی‌‌اش، سیستم سفارش و پرداخت آنلاین آمازون، فرمت DVD تازه‌‌ اختراع‌‌شده ژاپن و انبارداری متمرکز متحول کرد. وارن بافت نیز برکشایر هاتاوی را با ترکیب سه ایده متحول ساخت: خرید شرکت‌های کم‌‌ارزش اما باپتانسیل، سرمایه‌گذاری در کسب و کارهای عالی با قیمت منصفانه و استفاده از نقدینگی شرکت‌های بیمه به‌‌عنوان سرمایه «رایگان.»

فورد، هستینگز و بافت، همگی با ترکیب هوشمندانه نوآوری‌‌های قبلی به موفقیت رسیدند. ما بر اساس تجربه‌‌مان در راه‌‌اندازی استارت‌آپ‌‌ها و کمک به مدیران، روشی را برای آزادسازی این منبع قدرتمند نوآوری، بهینه و آماده کرده‌‌ایم که «تفکر بر مبنای سوابق» نام دارد. این روش شامل سه مرحله است:

۱- تعریف چالش و عناصر کلیدی آن

۲- یافتن نوآوری‌‌های پیشین مرتبط

۳- ترکیب آنها برای خلق بهترین ایده

آلبرت اینشتین این رویکرد را «بازی ترکیبی» می‌‌نامید. این فرآیند چرخشی و تکرارپذیر است، یعنی می‌توان هر مرحله را با توجه به آموخته‌‌های جدید سایر مراحل اصلاح کرد تا به پیشرفت واقعی رسید.

سه مرحله

دوره کارآفرینی استارت‌آپ گاراژ (Startup Garage) دانشگاه استنفورد بیش از ۱۰۰ استارت‌آپ راه‌‌اندازی و بیش از ۳ میلیارد دلار سرمایه جذب کرده است. یکی از این استارت‌آپ‌‌ها، تحویل غذای DoorDash بود. چهار دانشجوی بنیان‌گذار این شرکت می‌‌خواستند به رشد درآمد کسب و کارهای کوچک کمک کنند. آنها ایده خود را با استفاده از تفکر بر مبنای سوابق توسعه دادند.

چارچوب. این چهار دانشجو کار خود را با مصاحبه با ۶۰ صاحب کسب و کار شروع کردند. یکی از آنها، صاحب نانوایی در منلوپارک بود که مجبور بود هفته‌‌ای ۱۰ تا ۱۵ سفارش را رد کند، چون فرصت ارسال ‌‌کردنشان را نداشت. بررسی‌‌های بیشتر نشان داد که این مشکل بین رستوران‌‌های مستقل (به‌‌جز پیتزافروشی‌‌ها و رستوران‌‌های چینی) رایج است. ماحصل این تحقیق رسیدن به این چالش بود: «چگونه می‌توانیم رستوران‌‌ها و نانوایی‌‌های مستقل را توانمند کنیم تا سرویس تحویل مطمئن و مقرون ‌‌به ‌‌صرفه‌‌ای ارائه دهند؟»

جست‌‌وجو. تیم DoorDash برای درک بهتر این چالش، به صورت پاره‌‌وقت به‌‌عنوان راننده در رستوران دومینو مشغول به کار شدند (شرکتی که در ارسال غذا قدیمی و باتجربه است) و دریافتند یکی از مشکلات عمده مدل دومینو نوسان شدید در تقاضاست، یعنی برخی روزها رانندگان بیکار می‌‌ماندند و دستمزد می‌‌گرفتند و در روزهای شلوغ، تاخیر در رساندن سفارش باعث نارضایتی مشتریان می‌‌شد. سپس، برای درک بهتر چالش‌‌های تحویل، در شرکت حمل‌ونقل «فدکس» کار کردند و فهمیدند عامل کلیدی در تحویل اقتصادی بسته‌‌ها در بازه‌‌های زمانی مشخص، بهینه‌‌سازی مسیرهای رانندگی در فدکس است و در گام بعدی مدل کسب و کار اوبر را بررسی کردند. یافته‌‌هایشان کمکشان کرد پنج عامل کلیدی مشکلی را که می‌‌خواستند حل کنند، بشناسند: مدیریت نوسانات تقاضا، اشتراک زیرساخت و شبکه تحویل میان کسب و کارهای کوچک، یکپارچه‌‌سازی سفارش‌‌ و ارسال، کاهش هزینه تحویل و تضمین تحویل به موقع سفارش‌‌ها. حالا نوبت ترکیب نوآوری‌‌های گذشته برای حل جامع مشکل بود.

ترکیب. تیم دوردش سیستم سفارش موبایل را از دومینو (برای سهولت سفارش‌‌گیری و پیگیری ارسال)، مدل شبکه رانندگان را از اوبر (برای انعطاف‌‌پذیری در برابر تغییرات تقاضا) و الگوریتم‌‌های بهینه‌‌سازی مسیر را از فدکس (برای کاهش هزینه‌‌ها و زمان تحویل) الهام گرفت و نتیجه‌‌اش خلق کسب و کاری شد که امروز بیش از ۷۰ میلیارد دلار ارزش دارد.

دستیابی به بهترین نتایج

تفکر بر مبنای سوابق تنها مختص استارت‌آپ‌‌ها نیست و به شرکت‌های بزرگ نیز در حل چالش‌‌های کلیدی کمک کرده است. یکی از مزایای تفکر بر مبنای سوابق این است که برای شرکت‌های بزرگ ریسک کمی به همراه دارد، چون برخلاف نوآوری‌‌های پرریسک، بر ایده‌‌های موفق و امتحان‌‌شده تکیه دارد. ما در همکاری با کارآفرینان و مدیران عامل، ۴ روش کلیدی را شناسایی کرده‌‌ایم که نتیجه حاصل از کاربرد این روش را در هر بستری بهینه می‌کند.

۱- تعریف مساله از زاویه‌‌ای تازه

تقریبا تمام نوآوری‌‌های بزرگ با یک نگاه متفاوت به چالش‌‌ها شروع شده‌‌اند. به عنوان نمونه: هنری فورد با این سوال شروع نکرد که «چگونه می‌توانم ماشین بیشتری بفروشم و ثروتمند شوم؟» بلکه پرسید: «چطور می‌توانم ماشین را برای همه مقرون‌‌به صرفه کنم؟» و به این ترتیب خود را بین همتایانش متمایز کرد.

چند تکنیک می‌تواند خیالتان را راحت کند که زاویه دید شما تا جای ممکن بکر است. اولین تکنیک این است که سعی کنید بی‌‌طرف باشید. یعنی نسبت به راه‌‌حل مشکل پیش‌‌فرضی نداشته باشید. مانند فورد که به دنبال راهی برای کاهش هزینه تولید خودرو بود، نه صرفا بهبود کیفیت آن. تکنیک دیگر این است که مرتب از خود بپرسید «چرا؟» تا به دیدگاه‌‌های تازه‌‌ای دست یابید. تکنیک سوم این است که در تعریف چالش بازنگری کنید و آن را گسترده‌‌تر و کامل کنید، کاری که کارآفرینان موفق و رهبران شرکتی تاثیرگذار اغلب انجام می‌دهند. نمونه‌‌ کاربرد این تکنیک را می‌توان در استارت‌آپ لالا (LALA) مشاهده کرد که یکی دیگر از پروژه‌‌های استارت‌آپ گاراژ است. دیه‌‌گو اونتاندا، یکی از بنیان‌گذاران این شرکت، در ابتدا می‌‌خواست مدل آکادمی رهبری آفریقا (ALA) را در کلمبیا بازسازی کند. چالش او این بود: «چگونه می‌توانم برنامه توسعه رهبری موفقی برای نوجوانان آمریکای لاتین راه‌‌اندازی کنم؟» اما خیلی زود دریافت که مدل ALA که متکی به کمک‌‌های مالی و شهریه‌‌های بالا بود، برای سرمایه‌گذاران آمریکای لاتین جذاب نیست، پس چالش خود را از نو تعریف کرد: «چگونه می‌توانم یک برنامه توسعه رهبری غیرمتمرکز، مقیاس‌‌پذیر و مقرون‌‌به‌‌صرفه ایجاد کنم؟» این تغییر، او را به مدل آموزش مجازی با مراکز کوچک در چند کشور رساند که به سرعت رشد کرد و توانست حمایت پرشور سرمایه‌گذاران را جلب کند. هرچه تعریف مجدد چالش بکرتر و بازتر باشد، احتمال یافتن راه‌حل خلاقانه‌‌ای برای مشکلتان هم بیشتر می‌شود. این همان رویکرد اینشتین است که گفت: «اگر برای حل مشکلی یک ساعت زمان داشته باشم، ۵۵ دقیقه را صرف فکر کردن به خود مشکل می‌‌کنم و فقط ۵ دقیقه را به راه‌‌حل اختصاص می‌‌دهم.»

۲- جست‌وجوی سوابق دور و نزدیک

گاهی راه‌‌حل در حوزه‌‌ای نزدیک است، مانند استارت‌آپ Sweet Nothings (برند محصولات سالم و گیاهی شامل اسموتی و بستنی) که در بازار سوپرمارکت‌‌ها با مشکل فروش مواجه شد، چون در کنار بستنی‌‌ قرار می‌‌گرفت که خوراک سالمی تلقی نمی‌شود. آنها از برند Stacy’s Pita Chips (تولیدکننده چیپس نون پیتا) الهام گرفتند که توانسته بود محصولاتش را از کنار بیسکویت‌‌ها به بخش حمص انتقال دهد. سوییت ناثینگز هم با خرده‌‌فروشان مذاکره کرد و محصولاتش را در بخش میوه‌‌های منجمد قرار داد که باعث افزایش فروش شد.

به تجربه ما، بهترین راه یافتن نوآوری‌‌های خارج از صنعت این است که عوامل مساله را از حوزه تخصصی آن تفکیک کنید و به جای «چگونه» به «چه کسی» برسید. به عنوان نمونه به جای پرسیدن «چگونه می‌توانیم منابع و زیرساخت‌‌ تحویل را بین کسب و کارهای خرد به اشتراک بگذاریم» بپرسید: «چه کسی منابع یا زیرساخت را بین نهادهای مستقل به اشتراک گذاشته است؟» این تغییر زاویه دید، باعث کشف راه‌‌حل‌‌های خلاقانه و نوآورانه می‌شود.

روش قدرتمند دیگری برای یافتن بهترین سابقه ایجاد یک تیم نوآوری با بیشترین تنوع در سبک زندگی و تجربیات زیستی است، چون احتمالش بسیار بیشتر است که فردی با تجربیات متنوع بتواند ایده‌‌ای را خارج از حوزه اصلی مشکل مطرح کند. استفاده از مدل‌‌های زبانی بزرگ روند جست‌‌وجوی نمونه‌‌ها را به شدت سریع‌‌تر می‌کنند. برای این کار ابتدا جزئیات چالشی را که در پی حلش هستید به‌‌دقت برای مدل توضیح دهید تا زمینه را درک کند. بعد، سوالاتی را وارد کنید که جست‌‌وجوی مدل را هدایت کند (حداقل ۳-۲ سوال برای هر عنصر چالش). به عنوان مثال، درخصوص تغییرات حاصل از ورود ماشین‌‌های خودران، یکی از عناصر این چالش این بود که چگونه مصرف‌کنندگان نگران و بدبین را متقاعد کند از آن استفاده کنند. از کوپایلت پرسیده شد: «چه کسی توانسته مصرف‌کنندگان را متقاعد کند یک تکنولوژی جدید را که ناامن تلقی می‌‌شده، بپذیرند؟» پاسخ کوپایلت خودروهای برقی بود که پاسخ مناسبی نبود، پس سوال تغییر کرد: «لطفا نمونه‌‌هایی خارج از صنعت خودرو ارائه کن.» این بار پاسخ مایکروویو، پرداخت با گوشی موبایل و واکسن بود. یکبار دیگر سوال بهتر شد: «چه کسی موفق شده مصرف‌کنندگان را متقاعد کند تا روش‌های جدیدی را که قبلا ناامن تصور می‌‌شدند، بپذیرند؟» که به پزشکی از راه دور (Telemedicine) منجر شد. یعنی بازنویسی هوشمندانه سوالات، مسیر جست‌‌وجوی مدل را هدایت کرده و نتایج ارزشمندتری تولید می‌کند.

۳- پرورش بازی ترکیبی

بازی ترکیبی (Combinatory Play) فرآیندی است که در آن ایده‌‌های مختلف را ترکیب کرده و به بینش‌‌های جدید می‌‌رسیم. در کار ما با استارت‌آپ‌‌ها و شرکت‌های اسطوره‌‌ای، بازی ترکیبی منجر به خلاقیت‌‌هایی شده که شاید بدون آن هرگز اتفاق نمی‌‌افتادند. دو مرحله اول تفکر بر مبنای سوابق (تعریف چالش و جست‌‌وجو) صرفا آماده‌‌سازی برای این مرحله کلیدی است. طبق یافته‌‌های ما بهتر است بازی ترکیبی ابتدا به صورت فردی و بعد گروهی انجام شود. برای پیاده‌سازی گروهی، نیاز به دو مولفه کلیدی داریم: اول هم‌‌سویی کامل اعضا با چالش مورد نظر است، چنان که فورد گفت: «ایده همه جا وجود دارد، فقط باید بدانید دنبال چه هستید.» دومین مولفه هم درک عمیق سوابق قبل از جلسات گروهی است، چون تیم آماده و هماهنگ وارد جلسات می‌‌شوند و فرآیند نوآوری به شکل موثری پیش می‌رود.

۴- استفاده از تفکر بر مبنای سوابق برای هدایت اجرا

تفکر بر مبنای سوابق فقط مختص خلق ایده‌‌های بزرگ نیست، بلکه در اجرای موفق آنها نیز نقش حیاتی دارد. بررسی دقیق سوابق و تاکتیک‌‌های پیاده‌سازی کلیدی‌‌شان فرق بین موفقیت و شکست ایده شما را مشخص می‌کند. به عنوان نمونه جک مک‌‌کارتی، مدیرعامل استارت‌آپ کشاورزی «گلد لیف»، دریافت که کلید آینده کشاورزی کاهش مصرف آب و افزایش بهره‌‌وری است. او از سه منبع الهام گرفت: مدل آبیاری دقیق برخی مزارع، بهینه‌‌سازی مصرف آب در صنعت تولید نیمه‌‌هادی‌‌ها و الگوریتم‌‌های سنجش از دور ناسا. گلد لیف با ترکیب این پیشینه‌‌ها سیستمی هوشمند برای مدیریت منابع آبی ایجاد کرد که به کاهش ۳۰ درصدی مصرف آب منجر شد. یعنی سوابق موفق، نه‌‌تنها الهام‌‌بخش ایده‌‌های بزرگ هستند، بلکه مسیر اجرای آنها را هم هموار می‌کنند.

منبع: HBR