Небольшие эксперименты

Работа с Adaptable Discipline — итеративный процесс. Вам редко вручают правильный дизайн заранее. Чаще вы обнаруживаете паттерн, формулируете гипотезу, вносите изменение, а затем наблюдаете, что система делает в действительности.

Это не слабость фреймворка. Это часть того, как фреймворк работает.

Почему экспериментирование важно

Практика может ломаться по нескольким причинам, которые снаружи выглядят похоже. То, что ощущается как проблема с мотивацией, может быть friction. То, что выглядит как непоследовательность, может быть несоответствием capacity. То, что ощущается как лень, может на самом деле быть слабой целью, отсутствующими инструментами или drift, набирающим силу через канал, который вы ещё не определили.

Вот почему экспериментирование важно. Оно помогает перейти от расплывчатого подозрения к более обоснованным выводам.

Гипотеза — это рабочее объяснение

В этом фреймворке гипотеза — это рабочее объяснение того, что происходит в системе.

Оно может звучать так:

• гипотеза о friction: «Возвращение продолжает срываться, потому что стоимость настройки слишком высока.»
• гипотеза о capacity: «Система работает только тогда, когда у меня больше энергии, чем обычно.»
• гипотеза о цели: «Практика продолжает рушиться, потому что направление больше недостаточно ясно, чтобы оправдать возвращение.»
• гипотеза о mindset: «Возвращение задерживается, потому что каждый промах превращается в доказательство.»

Гипотеза не обязана быть идеальной. Ей нужно быть лишь достаточно ясной, чтобы направить следующую полезную проверку.

Как выглядит эксперимент

Эксперимент — это намеренное изменение, сделанное для того, чтобы проверить, указывает ли гипотеза на реальное ограничение.

Это может означать:

• уменьшение числа шагов до действия
• уменьшение возвращения на одну неделю
• вынесение следующего шага вовне вместо удержания в рабочей памяти
• изменение метрики
• защиту одной границы, чтобы проверить, станет ли практика более когерентной

Дело не в том, чтобы рандомизировать свою жизнь. Дело в том, чтобы сделать значимое изменение, которое позволяет наблюдать, ведёт ли себя система иначе.

Возможно, drift усилится, прежде чем станет яснее

Иногда экспериментирование создаёт временное увеличение неопределённости. Вы можете видеть больше drift, а не меньше, пока учитесь понимать, где реальное узкое место. Это не значит, что процесс сломан. Это часто означает, что система становится более видимой.

Пока наблюдение остаётся ясным, а гипотеза остаётся проверяемой, эта временная неразбериха может быть оправданной. Цель — не немедленная аккуратность. Цель — найти первопричину или хотя бы изменение с наибольшим рычагом влияния.

За чем следить во время эксперимента

Эксперимент полезен, когда он даёт лучшую информацию. Пока изменение активно, обращайте внимание на:

• становится ли возвращение дешевле или яснее
• меняется ли comeback speed
• лучше ли система держится в более трудных условиях
• становится ли видимым другое узкое место
• решило ли вмешательство одну проблему, создав другую

Здесь наблюдение имеет не меньшее значение, чем вмешательство.

Как читать результат

Не каждый полезный эксперимент заканчивается однозначным успехом или неудачей. Иногда результат носит скорее диагностический характер.

• гипотеза была в основном верна: возвращение стало дешевле там, где вы ожидали, и система держится лучше, чем раньше
• проблема сместилась: одно узкое место улучшилось, но стало видимым другое
• гипотеза была частичной: изменение помогло, но только в хороших условиях, что означает: другое ограничение всё ещё активно
• гипотеза была неверной: вмешательство изменило очень мало, что говорит о том, что вы решали не ту проблему

Это важно, потому что экспериментирование — не только поиск выигрышного хода. Это ещё и избавление от путаницы относительно того, что система реально делает.

Простой пример

Допустим, практика письма продолжает рушиться после трёх хороших дней. Вы формулируете гипотезу о friction: стоимость возвращения слишком высока. Поэтому вы заканчиваете каждую сессию, оставляя следующее предложение и следующий подраздел ждущими в документе.

Если это изменение облегчает четвёртый день — гипотеза была полезной. Если возвращение по-прежнему откладывается, но теперь реальная проблема выглядит больше как стыд после первого промаха — эксперимент всё равно помог. Он показал, что главное узкое место было не только friction. Система стала яснее.

Отдача от итерации

Когда экспериментирование ведётся правильно, результат накапливается. Вы перестаёте делать одни и те же расплывчатые предположения. Вы лучше видите реальную структуру сбоя. Вы с большей вероятностью найдёте изменение с наибольшим рычагом влияния, а не изменение, которое кажется срочным, но направлено на неправильное узкое место.

Это одна из более глубоких отдач от работы с Adaptable Discipline. Со временем вы совершенствуете не только одну практику. Вы совершенствуете свою способность понимать, переосмысливать и стабилизировать системы в реальных условиях.

Попробуйте: сформулируйте гипотезу для изменения, которое вы собираетесь сделать

Возьмите изменение, которое вы рассматриваете для практики, которая не держится.

1. Назовите диагноз. Какого рода этот сбой? Одно предложение, как можно конкретнее.
2. Запишите гипотезу. «Если я [конкретное изменение], то [конкретный результат] должен улучшиться, потому что [ограничение, на которое это направлено].» Держите её проверяемой — вы должны быть способны определить, сработало ли это.
3. Назовите, за чем будете следить. Что засчитывалось бы как доказательство того, что изменение работает? Более дешёвый повторный вход, более быстрое возвращение после промаха, меньше friction на первом шаге, улучшение comeback speed? Выберите один сигнал.
4. Установите временные рамки. Как долго вы будете это делать, прежде чем оцените? Недели обычно достаточно, чтобы увидеть паттерн.

Вы закончили, когда у вас есть гипотеза, которую можно опровергнуть.

К чему это ведёт: Как понять, работает ли это показывает, как читать результат после окончания временного окна.