Учимся использовать краудсорсинговые платформы

Открытые инновации могут способствовать решению сложных проблем бизнеса, которые компании не могут ре- шить собственными силами. В некоторых случаях препят- ствием становится недостаток опыта, в других – большие расходы. Однако привлечение экспертов со стороны требует тесного взаимодействия со штатными сотрудниками – они должны чувствовать, что это полезно для бизнеса и при этом не грозит им увольнениями. Такое взаимодействие важно и для формулировки проблем, оценки возможностей. Итак, Syngenta попробовала связаться с несколькими онлайновы- ми краудсорсинговыми платформами, чтобы найти квали- фицированных специалистов, которые могли бы помочь по- высить эффективность наших НИОКР.

Но, прежде чем начинать поиски внешних экспертов, мы проинформировали сотрудников о каждой задаче, сложной проблеме или спорной ситуации, чтобы именно они смогли предлагать решения в первую очередь. И даже если им не хватало определенных профессиональных навыков, необхо- димых для решения сложных математических задач, практи- ческий опыт в селекции растений помогал нам точнее сфор- мулировать вопросы. Поэтому они не воспринимали привле- чение сторонних специалистов как угрозу своей работе,  а

видели, что их участие способствует продвижению важного проекта.

Мы старались максимально использовать краудсорсинго- вые платформы, а также исследовали возможность исполь- зования достижений математики в селекции лучших сортов растений. Уже в начале изучения доступных краудсорсин- говых сайтов мы поняли, что для разных задач существу- ют разные типы платформ. Некоторые из них мы опробо- вали. Часть оказалась достаточно простой: вы публикуете в интернете описание проблемы, и отдельные люди предлага- ют вам свои решения. Это хорошо работало при идентифи- кации, например, статистических подходов к вопросам се- лекции растений, когда задачу можно разрешить чисто мате- матическими методами. Однако такие платформы не очень подходят для более сложных, междисциплинарных проблем. В этом случае полезными оказались более сложно организо- ванные ресурсы, позволяющие объединять экспертов разно- го профиля в рабочие группы, подходившие к задаче итера- ционным методом. Например, биологические особенности адаптации какого-то растения к различным географическим поясам не сможет смоделировать специалист, работающий индивидуально и использующий только математические ме- тоды.

Мы решили использовать открытые инновации, чтобы по- лучить возможность анализировать данные для идентифика- ции генетических комбинаций, при которых у растений сои

проявляются оптимальные свойства, в том числе максималь- ная урожайность. Идеального сорта сои не существует. Точ- нее, существуют разные виды этого растения, наиболее под- ходящие для тех или иных климатических зон и условий вы- ращивания. С учетом того, что у сои 46 000 генов, определя- ющих ее потенциал, а число возможных комбинаций прак- тически бесконечно, выбор самых подходящих разновидно- стей становится невероятно сложной задачей. Чтобы опре- делить сорта с наилучшими характеристиками, пришлось бы протестировать их, сравнивая свойства разных сортов се- мян, выращенных в различных регионах по всему миру.

Наша концепция заключалась в необходимости создания комплекса программных средств, способных заменить инту- итивные подходы в селекции растений методами, основан- ными на научных данных34. В качестве основного инстру- мента нам потребовалась система мониторинга информа- ции, которая позволяла бы селекционерам оперативно зна- комиться с характеристиками растений с разных полей и сра- зу определять, как там обстоят дела. Для ее создания мы организовали конкурс на платформе InnoCentive, базирую- щейся в Уолтеме, Массачусетс. В нем приняли участие  спе-

34 Более подробную информацию об использовании аналитических данных можно найти в статье J. Byrum, C. Davis, G. Doonan, T. Doubler, D. Foster, B. Luzzi, R. Mowers, C. Zinselmeier, J. Kloeber, D. Culhane, and S. Mack, “Advanced Analytics for Agricultural Product Development” («Расширенная аналитика для разработки сельскохозяйственной продукции»), Interfaces 46, no. 1 (January/ February 2016): 5–17.

циалисты из разных областей, в том числе математики, фи- зики, специалисты по информатике и программисты, поже- лавшие проверить свои навыки решения проблем. Конкурс был открыт для всех 375 000 пользователей этой платфор- мы. Мы предложили его участникам создать инструмент об- работки исходных данных полевых испытаний с визуальным представлением результатов и выделением аномалий для их дальнейшего исследования.

Этот инструмент должен был осуществлять так называ- емый остаточный анализ, или анализ остатков. Речь здесь идет о возможности рассчитывать разницу между наблюда- емыми и прогнозируемыми значениями генетического при- знака на базе статистической модели, аккумулирующей дан- ные из множества регионов. А так как мы искали методоло- гию и хотели получить и проверить возможно большее ко- личество творческих идей, то сочли нужным обратиться к максимально широкой сетевой аудитории.

Наибольшее внимание к нашему конкурсу возникло в со- обществе InnoCentive. Примерно за три месяца более 200 специалистов скачали подробное описание проблемы и дан- ные, позволяющие разработать предложения по ее решению. Индивидуальные участники согласились подписать в режи- ме онлайн договор о неразглашении и соблюдать основные условия конкурса. В первом туре мы просили их предста- вить техническое описание с изложением подхода к реше- нию проблемы. Наши штатные сотрудники проанализирова-

ли каждый представленный онлайновый документ, и экспер- ты выделили два поступивших предложения, каждое из ко- торых позволяло решить проблему качества данных. Мы вы- брали тот подход, на основании которого, как нам показа- лось, было проще создать практический инструмент. Работа именно этого участника и была оплачена согласно заранее оговоренным условиям.

Таким образом мы формировали для своей организации великолепную аналитическую базу, причем с весьма малы- ми затратами, ведь решение даже нескольких задач обходи- лось нам дешевле, чем, скажем, услуги принятого в штат профессора математики. Каждая платформа имела свои ти- повые договоры, что заметно снижало стоимость решения проблем, поскольку мы оплачивали только правильные от- веты и помощь в создании эффективного инструмента. Ком- пания сразу четко сформулировала условия конкурса; участ- ники понимали, что их работа будет оплачена, только если они представят именно тот результат, которого ждут органи- заторы.

Получив методику, победившую в первом туре конкурса, мы разместили на той же платформе информацию о второй проблеме. Теперь мы хотели усовершенствовать инструмент так, чтобы ввод данных был быстрым, несложным и интуи- тивно понятным для селекционеров, пользующихся инстру- ментом в полевых условиях. На этот раз участники конкурса придумали систему, которая представляла визуальные дан-

ные об урожайности на основе результатов испытаний на по- лях с разными характеристиками: территории с низкой уро- жайностью были окрашены одним цветом, а участки с вы- сокой урожайностью – другим. С помощью этой технологии ученым будет проще определять проблемные области, неже- ли при просмотре столбцов цифр.

Приведенный ниже пример показывает, как работает этот инструмент. На одном поле результаты не совпадали с ожи- даемыми показателями роста для различных сортов тестиру- емых семян. Оказалось, что это было обусловлено различия- ми не в сортах семян, а в их местоположении на поле: в неко- торых рядах растения были слабыми, на других же резуль- таты соответствовали ожидаемым. Мы захотели выяснить, в чем дело. При помощи вышеописанного инструмента наш менеджер понял, где нужно искать причину обнаруженной аномалии: из-за производственного брака комбайн, который использовался для измерения урожайности на данном участ- ке, был неправильно откалиброван, поэтому с одной сторо- ны поля результаты замеров были искажены. Итак, благодаря новому аналитическому инструменту был обнаружен завод- ской брак, после чего изготовитель оборудования устранил его. Если бы дефект не был исправлен, пользователи этой машины в течение многих лет получали бы искаженные ре- зультаты тестирования, непроизводительно расходуя время и деньги.