Управление как работа с данными, а не только с людьми

Разговоры об управлении чаще всего сводятся к функциям руководителя: планированию, организации, контролю и мотивации. Однако в научной литературе всё заметнее другой ракурс — управление как организация потоков данных и координация инструментов, которые эти данные обрабатывают. Именно в этой плоскости сходятся три разных направления: методология обзоров литературы, применение генеративного искусственного интеллекта (GenAI) в научной работе и подготовка новых руководителей через наставничество.

Объединяет их одно: управление понимается как сознательное проектирование процесса, а не как набор разрозненных действий. Исследователь, автор обзора или начинающий менеджер оказываются в роли того, кто задаёт структуру, распределяет задачи и отвечает за результат.

Данные обзора литературы требуют отдельного управления

Авторы фреймворка C5-DM предлагают рассматривать данные обзора литературы как полноценный объект управления, охватывающий этапы настройки проекта, входные данные, процесс и результат 1. Пять областей — концептуализация, сбор, курирование, контроль и потребление — задают рамку для обсуждения того, как обращаться с этими данными 1.

Ключевая особенность таких данных — их динамичность, недетерминированность и атомарность 1. В отличие от статистических исследований, первичные данные обзора не являются неизменными: они уточняются по мере продвижения работы 1. Отсюда рекомендация хранить результаты поиска отдельно от первичных данных и связывать их через идентификаторы: исходная выдача баз данных сохраняется в неизменном виде, а первичные записи могут редактироваться вручную или программно 1.

Отдельно отмечается, что универсальные подходы к управлению исследовательскими данными и воспроизводимые фреймворки не полностью соответствуют специфике обзоров литературы 1. Среди практических советов — опора на репозиторий с контролем версий, стандартные форматы файлов, недублирующиеся структуры данных с автоматической проверкой, а также документирование покрытия баз данных, особенно при использовании инструментов на основе больших языковых моделей (LLM) 1.

Исследователь как менеджер генеративного ИИ

Второе направление связано с работой P. Tomczyk, в которой систематический обзор литературы в менеджменте предлагается рассматривать как управленческий процесс 2. Исследователь выступает в роли менеджера, а инструменты GenAI — в роли «цифровых сотрудников» 2.

Автор подчёркивает: GenAI не устраняет человеческое суждение, а смещает роль исследователя к планированию, организации, руководству и контролю над задачами, выполняемыми с помощью ИИ 2. Это даёт выигрыш в эффективности и масштабе, но требует внимательного надзора, этической осведомлённости и критической оценки результатов 2. Предложенный фреймворк адаптирует устоявшуюся процедуру систематического обзора так, чтобы включить инструменты GenAI в качестве операционных партнёров, и соотносит классические управленческие функции с этапами обзора 2.

Практический смысл такой постановки в том, что ответственность за методологическую строгость, прозрачность и подотчётность остаётся за человеком 2. «Цифровые сотрудники» не отменяют проверку, а делают её обязательным элементом процесса.

Менторинг при переходе специалиста в руководители

Третье направление ближе к организационной практике. По данным исследования 2019 года, охватившего почти 39 тысяч сотрудников отделов продаж в 131 американской компании, работодатели чаще повышали лучших продавцов, хотя высокие личные результаты не коррелировали с качеством управления 5. Более точным признаком управленческого потенциала оказался опыт совместной работы с коллегами 5.

Исследование 2014 года, в котором участвовали 295 начинающих руководителей, показало: почти 60% назвали главной трудностью управление людьми и утверждение авторитета, особенно в отношениях с бывшими коллегами 5. В качестве ответа предлагается менторинг: например, программа L2L (Leader to Leader) в одной из крупных российских финансовых компаний, где опытные менеджеры делятся опытом с теми, кто получил повышение внутри банка или пришёл извне 5.

Новый руководитель сам выбирает наставника по описанию компетенций, а менторов готовят к роли и снабжают инструкциями для встреч 5. Наставник помогает разобрать конкретный эпизод и подготовить разговор с подчинённым, но решение остаётся за подопечным 5. Отдельно прорабатываются делегирование и границы ответственности, а также правила конфиденциальности: что остаётся внутри пары, а что передаётся вышестоящему руководству 5. Эксперты советуют не допускать, чтобы ментор раздавал поручения команде подопечного 5.

Управленческие функции в программах обучения

В программах повышения квалификации управление также раскладывается на базовые элементы. На первом модуле программы «Управленческая эффективность руководителя» участники разбирали факторы, влияющие на результат деятельности, и базовые функции управления — планирование, организацию, контроль, мотивацию и развитие персонала 4. Отдельное внимание уделялось постановке целей по технологии SMART, алгоритму действий руководителя до постановки задачи, во время неё и после, а также тому, что можно и нельзя делегировать 4. На практике разбиралась матрица стилей руководства — от директивного до поддерживающего — и выбор стиля в зависимости от готовности подчинённого к конкретной задаче 4.

Похожая логика прослеживается в программе «Управление школой: от теории к лидерству», где стартовал модуль «Административно-управленческая регламентация деятельности руководителя образовательной организации» 6. Это показывает, что запрос на структурирование управленческих функций существует в разных секторах — от бизнеса до образования.

Ограничения и что важно учитывать

У перечисленных подходов разные области применимости, и переносить выводы из одной сферы в другую нужно осторожно. Фреймворк C5-DM касается именно данных обзоров литературы и прямо предупреждает, что общие подходы к управлению исследовательскими данными не полностью учитывают их специфику 1. Модель «исследователь как менеджер GenAI» является концептуальной рамкой, а не эмпирическим доказательством эффективности 2.

Данные о менторинге опираются на конкретные исследования и кейс одной компании, поэтому их обобщение на все организации требует дополнительной проверки 5. Материалы о программах обучения описывают содержание модулей и заявленные результаты, но не содержат независимой оценки эффекта 46. Наконец, ни один из источников не даёт оснований считать какой-либо стиль управления или формат наставничества универсально предпочтительным.

Что дальше

Наиболее продуктивным выглядит сближение трёх линий. Управление данными и управление инструментами ИИ уже пересекаются: рекомендация документировать покрытие баз данных при использовании LLM напрямую связана с контролем качества результатов, который авторы модели GenAI относят к зоне ответственности исследователя 12. Со стороны организационной практики остаётся открытым вопрос, как оценивать эффект менторинга и обучающих программ — по изменениям в постановке задач, по способности команды работать без постоянного вмешательства руководителя и по обратной связи сотрудников 5. Именно эти измеримые критерии могут стать основой для следующих исследований.