#изменение_систем

Земмельвейс: врач, которого не слушали 30 лет (1/4)

Сложные системы меняются, когда они готовы к изменениям. Врач нашел способ спасать десятки тысяч женщин и оставался непонятым еще 30 лет из-за инерции системы.

Когда мы узнаем драматическую судьбу Игнаца Земмельвейса, сейчас нам очевидно — он герой. О нем снят фильм, написаны книги, его упоминает и Альтшуллер как пример выдающейся творческой личности. Но при жизни его не хотели слышать. Почему?

Он пробовал изменить слишком сложную и консервативную систему. Я писал недавно, как меняются такие системы. Думаю, что изложил слишком концентрированно и тема осталась непонятой. Поэтому перед тем, как ее развивать, приглашаю обсудить чуть детальней с примерами. Начну с истории врача, опередившего свое время, а потом поразмышляю, как он мог действовать иначе, если бы понимал инерцию системы, которую пытался изменить.

***

РОЖАТЬ НА УЛИЦЕ, ЛИШЬ БЫ НЕ В БОЛЬНИЦЕ

Сегодня мы воспринимаем возвращение матери с ребенком домой как что-то естественное. Но так было не всегда.

19 век. В роддомах Европы лютует «родильная лихорадка». Женщины предпочитают рожать в поездах и на улицах, лишь бы не попасть в больницу, а ложась туда, прощаются с родными так, будто идут на плаху.

Смертность в 10% считалась в Пруссии нормальной. От родильной лихорадки умерло больше, чем за то же время от оспы и холеры, вместе взятых.

В Вене самым ужасным был 1842 год — например, в декабре умерла 1/3 рожениц. В Праге обстановка была куда хуже — от родильной лихорадки умерло:
– в 1848 году – 37% рожениц,
– в 1849 – 46% рожениц,
– в 1850 – 53% рожениц.
И это заниженные данные, потому что многих рожениц с осложнениями, напоминавшими родильную лихорадку, переводили в другие отделения, и они не включались в статистику.

Существовало около тридцати теорий происхождения болезни. Ее связывали и с изменением состояния атмосферы, и с расположением клиник, а лечить пытались всем, вплоть до слабительного.

Казалось, что любой, кто откроет тайну страшной болезни, будет встречен овациями и прославлен навеки. Но реальность оказалась иной.

ОТКРЫТИЕ

В 1847 году 29-летний врач из Вены Игнац Земмельвейс открыл тайну родильной лихорадки. Сравнивая данные в двух различных клиниках, где в одной показатель смертности был 10-30%, а во второй — 2-4%, он искал отличия. В первой на занятиях студенты препарировали трупы, во второй акушерки занимались на муляжах. В остальном они были одинаковы. Но почему это отличие может влиять на смерти?.. Окончательным толчком к открытию стала смерть друга, Якоба Коллетшки, который случайно поранился скальпелем во время вскрытия и чьи симптомы болезни и смерти совпали с симптомами родильной лихорадки.

Земмельвейс соединил факты и понял, что нечто из трупа через скальпель или руки врача может попасть в кровь и привести к смерти. Он ввёл обязательное обмывание рук 4% раствором хлорной извести. Смертность в обеих клиниках упала до одного уровня в 1-2%.

Казалось бы, причина обнаружена. Решение найдено. Доказательство на практике есть. Впереди внедрение и слава, верно?

СОПРОТИВЛЕНИЕ

При жизни Земмельвейс так и не дождался внедрения своего изобретения. Он умер в 1865 году, а повсеместное внедрение антисептики в акушерстве началось только в конце 1870-х-1880-х годах. То есть спустя 25-30 лет.

Здесь хочется кричать от ужаса и непонимания: почему? Неужели они не видели и не понимали, сколько это смертей? Почему так долго?!

Вспоминаем, что система была сложной. Она состояла из врачей и их подготовки, из отношений с пациентами и их родственниками, из зданий и материальных активов, из способов финансирования и юридических аспектов. Самая инертная часть в этой системе была психология врачей.

Идея Земмельвейса, казалось им, оскорбляла честь врача: как руки врача, благородного спасителя, могут быть грязными и нести смерть? Она была воспринята как личное оскорбление. Врачи не могли принять, что они сами являются убийцами своих пациенток.
Идея требовала также признаться в некомпетентности авторитетных врачей тех времен, чьи теории шли вразрез с открытием Земмельвейса.

(см. продолжение)

Гайд ролей BI разработчиков в Amazon

Качество - это траектория

Недавно мы подкручивали промпт в нашем проекте. После изменений система стала работать лучше, но пользователи начали жаловаться. Поправили там, но сломалось где-то ещё.

Сталкивались с таким, когда допиливали своего агента, копилота или продукт с LLM под капотом?

Как я уже рассказывал, на этой неделе я был на саммите AI For Good ООН в Женеве. Через многие доклады и мастер классы красной линией проходила такая мысль:

Невозможность контролировать качество продукта - это одна из самых частых причин, по которой эти самые AI продукты проваливаются.

Эту статистику подтверждает и Asmaa EL Andaloussi
(Lead Enterprise Strategist & Architect из Леново) и Julien Weissenberg (AI Advisor в World Economic Forum).

Качество - это траектория. Инвесторов и пользователей волнует не столько точность ответов сегодня, сколько гарантии улучшения системы в следующие месяцы.

Я постоянно повторяю командам - прежде чем браться за разработку системы с LLM под капотом - придумайте, как вы будете оценивать качество и точность этой системы. Соберите первый тестовый датасет - качество прототипа на нем станет вашей базовой линией. Сделайте такую архитектуру, где можно будет измерять точность разных блоков, системно собирать отзывы пользователей и интегрировать их в датасет для улучшения качества всей системы.

Когда Asmaa рассказывала про внутреннюю кухню Perplexity (вы все знаете этот мультиагентный поисковик) она подчеркивала, что они сделали не просто работающую систему, а систему, которая может становиться лучше от релиза к релизу.

В общем, продуктов с LLM под капотом есть тьма. Любой студент может навайбкодить что-то правдоподобное на LangChain, векторной БД или паре промптов. Иногда оно даже будет работать.

Что отличает реально работающие продукты от поделок - возможность оценивать качество и планомерно его улучшать. Ведь quality is a trajectory.

Ваш, @llm_under_hood 🤗

MCP for Beginners

Бесплатный курс по MCP для начинающих от Microsoft.

В курсе есть актуальный перевод на русский язык.

Так же в примерах используются разные языки программирования.

Дашбордов — море, решений — ноль. Почему аналитика не работает?

Еще одна крайность – Data Driven-религия. В компании десятки дашбордов, сотни метрик, Looker, Power BI, Superset. А решения всё равно принимаются «на глаз».

Рассказываю реальный кейс
На демо обсуждают показатель отказов, CTR ретаргета и обновления на лендинге у конкурентов. Иногда даже открывают дашборды. Чаще нет.

Проблема?
Цифры есть — действий нет.Аналитика превращается в декорацию: показали, покивали, закрыли. BI-среда работает, но маркетинг — по чуйке.

Я своими глазами видел дашборд с 15+ графиками и нулём конкретных решений. Почему так?

Потому что:
Нет вопроса → нет решения → нет пользы от отчета. И никто не понимает, зачем нужна половина этих графиков.

Что делать:
1. Начинать с вопроса, а не с графика. Не «CTR ретаргета», а «Какие решения мы планируем принимать?».
2. Удалять метрики, которые не понятны и не используются. Безжалостно,
3. Смотреть на встречах только те отчёты, по которым можно что-то предпринять. Остальные – в топку.
4. Делить дашборды на:
– стратегические (для условных OKR),
– операционные (для процессов),
– тревожные (для аномалий).
Не можете отнести отчет к одной из категорий? В топку.
5. Фиксировать решение по каждому отчёту в пояснительной записке или meeting-review. Нет предполагаемых решений — нет необходимости в таком репорте.

Зрелость аналитики — это не количество графиков, а то, что каждый из них ведёт к действиям.

Подумайте прямо сейчас, какие из ваших дашбордов вы можете отправить в топку?

Если вы хотите научиться работать с отчетами, я подготовил подробный гайд по сквозной аналитике за 1 месяц. Он бесплатен и доступен по ссылке.

@marketing_analysis

Котятки🐱,
Сегодня грустно размышляла, что поставки аналитики just-in-time для создания ценности уже недостаточно. Запросы моих пользователей растут, а проекты становятся все сложнее.
Три группы стейкхолдеров на проекте отчетности -уже почти норма, а датавиз-ограничения BI-платформы больше вообще никого не волнуют.
Сегодня я вчитываюсь в очень приятную статью про психологию принятия решений, столкновению опыта и суждений и погружаюсь в модели решений, которые поддерживаемы BI:
https://ilwllc.com/2025/04/beyond-dashboards-the-psychology-of-decision-driven-bi-ba/

📊 Title: Kevin and Ken Doing Cool Stuff in Tableau

🗂️ Description: Kevin and Ken Doing Cool Stuff in Tableau

✍️ Author: Rosh Khan
🏛 Organization: Data Analytics Consultant The Information Lab

🔗 Open Dashboard - Tableau Public