4 دسامبر 2025
نووبار آفیان میگوید نوآوری جهشی با بهبودهای کوچک فرق دارد؛ این نوع نوآوری از آینده به حال نگاه میکند، غیرقابل پیشبینی است و معمولاً در ابتدا ارزشش دیده نمیشود، اما میتواند مزیت رقابتی پایدار بسازد. شرکتها باید هم نوآوری تدریجی داشته باشند و هم فضایی محدود اما جدی برای جهشهای ناپیوسته، چون تمرکز صرف بر بهبودهای کوچک باعث قابلکپیشدن میشود. او نوآوری را شبیه تکامل طبیعت میداند: تنوع ایدهها، انتخاب از طریق بازخورد، و تکرار مداوم. هوش مصنوعی را «هوش و تخیل افزوده» میداند که به انسان کمک میکند هزاران ایده را سریعتر تولید و بررسی کند، نه اینکه جای انسان را بگیرد. به نظر او نوآوری بزرگ بیشتر نتیجه آزمایش، ذهن باز، فرصتطلبی و تکرار است تا نبوغ فردی. در نهایت تأکید میکند علم، مهاجرت و پذیرش عدم قطعیت پایههای اصلی پیشرفت پایدار هستند.
متن پادکست:
آلیسون بیرد: من آلیسون بیرد هستم و این پادکست HBR هست
امروز سومین مصاحبهمون با مدیرعامل شرکتهای بزرگه که توی رویداد اخیر «آینده کسبوکار» ضبط کردیم. نووبار آفیان بنیانگذار و مدیرعامل «فلگشیپ پایونیرینگ» و یکی از بنیانگذاران و رئیس شرکت «مُدرنا»، همون شرکت سازنده واکسن مدرنای کرونا. اون خیلی عمیق فکر میکنه که انسان و ماشین چطور میتونن با هم کار کنن تا بعضی از بزرگترین مشکلات جهان رو حل کنن، چه تو دنیای علم باشه، چه کسبوکار یاجامعه.
ما قبلاً هم باهاش تو این پادکست صحبت کرده بودیم، سال ۲۰۲۱، و اون موقع به طور خاص درباره رهبری و درسهای نوآوری که تو توسعه واکسن کووید مودرنا گرفته شده بود، حرف زد، اما الان دنیای کسبوکار خیلی سریع حرکت میکنه و تفکرش هم مطابق با اون پیش رفته. اون مهندس بیوشیمی آموزش دیده، کارآفرین و مدیر اجراییه که به راهاندازی بیش از ۱۰۰ استارتاپ در حوزه علوم زیستی و فناوری کمک کرده. نگاه ویژهای داره نسبت به اینکه واقعاً چه چیزی برای نوآوری مؤثر جواب میده.
آلیسون بیرد: اول میخوام بپرسم، شما نوآوری پیشرفته یا «نوآوری جهشی» رو چطور تعریف میکنید، نه فقط تو علم، بلکه تو همه صنایع؟
نووبار آفیان: من فکر میکنم بیشتر نوآوریها روی چیزای نزدیک به هم تمرکز دارن و بهش میگن «نوآوری مداوم»، یعنی اون چیزی که روش کار میکنید، یه نسخه بهبود یافته از چیزی هست که قبلاً وجود داشته. ولی گاهی وقتها یه «نوآوری ناپیوسته» داریم که وصل کردنش به کارای قبلی خیلی سخت یا غیرممکنه. این خیلی سختتره و پیشبینیش کمتر ممکنه، ولی معمولاً بهش «نوآوری جهشی» میگن چون مردم نه انتظارش رو داشتن و نه در اول کار میتونستن ارزشش رو بسنجن. پس فکر میکنم این مفهوم واقعاً برای هر صنعتی کاربرد داره. سوال اینه که آیا میتونید «نوآوری جهشی» رو پیشبینی کنید یا میتونید یه فرآیند دنبال کنید تا اونها اتفاق بیفتن؟
آلیسون بیرد: با توجه به اینکه الان محیط کسبوکار خیلی سریع داره تغییر میکنه، فکر میکنید همه شرکتها باید دنبال «نوآوری جهشی» باشن یا نوآوری تدریجی برای خیلیها کافیه؟
نووبار آفیان: من فکر میکنم باید هر دو رو در نظر گرفت و دید چطور همدیگه رو کامل میکنن. من واقعاً «نوآوری جهشی» رو اینطوری میبینم که باید از آینده به حال فکر کنید، در حالی که «نوآوری مداوم» و نزدیک به هم باید از حال به آینده فکر بشه. و باید فضا رو از هر دو جهت بررسی کنید، هم نیازهایی که امروز میشناسید و هم راههایی که میتونید، مؤثرتر باشید و ارزش بهتری به مشتریها بدید. ولی همزمان باید وضعیتهای آینده رو تصور کنید بدون اینکه حتماً بدونید از اینجا چطور به اونجا میرسید و اگه چیزی جذاب پیدا کردید، برگردید عقب و بگید «چه چیزایی باید درست باشه و امروز چی میتونم انجام بدم تا اون آینده زودتر ممکن بشه؟» و دلیل اینکه باید این کارو کنید، و شما پرسیدید، اینه که فکر میکنم مشکلِ «نوآوری نزدیک به هم» اینه که خیلی سریع میتونه عادی و قابل کپی شدن بشه. همه دارن به دنبال فرصتهای نزدیک، پول خرج میکنن و این یه مزیت داره که ارزیابی ریسک و پاداشش نسبتاً راحته. میتونید از کارشناسا تأیید بگیرید که کدومها احتمال موفقیتشون بیشتره. همه اینها دلایلیه که آدم سراغ چیزای نزدیک بره، ولی مشکل اینه که بقیه هم دارن همین کارو میکنن. پس ایجاد یه مزیت پایدار تو اون فضاها سخته. ولی اگه حاضرید به سمت امکانات جدید و واقعیتهای تازه جهش کنید، حداقل تنهایی اولیهتون میتونه با مالکیت اون فضا جبران بشه.
آلیسون بیرد: چه پیشنهادی به مدیران سازمانها میدید، حتی خارج از تکنولوژی یا علوم زیستی، برای ساختاردهی به این نوع نوآوری که شما میگید؟ یه بخش جدا درست کنن؟ یه نفر کلیدی تو هر حوزه مسئول باشه؟ یا باید یه فرهنگ بسازن که همه دنبال «نوآوری جهشی» باشن؟
نووبار آفیان: آره. من نمیگم همه دنبال «نوآوری جهشی» باشن. اول اینکه ممکن نیست و پایدار نیست، دوم اینکه کار روزانهشون رو خیلی مختل میکنه. سوال اینه که چه نسبتی از توجه و ارزش آیندهای که انتظار دارید از بهبود مداوم، میاد و چه نسبتی، از پرشهای ناپیوسته و مختلکننده؟ فکر میکنم راههایی هست که میشه بهش فکر کرد. ما طبیعتاً این کارو برای زندگی خودمون انجام میدیم، پس مسئله ساختار یه کم کمتره. همون کاریه که همیشه میکنیم. اگه من یه شرکت داشتم که تو یه حوزه پیشرو بود، ولی نمیخواستم از ورود غیرمنتظره بازیکنای جدید غافلگیر بشم، احتمالاً یه گروه داشتم که انگیزهها، ترکیب و پاداشش با سازمان تحقیق و توسعه سنتی فرق داشته باشه. این گاهی سخته چون همه تو تحقیق و توسعه میخوان فکر کنن دارن کارای خیلی دوردست انجام میدن، ولی واقعیت اینه که تعریف یه کار دوردست یعنی چیزی غیرقابل پیشبینی و گرفتن بودجه برای چیزای واقعاً غیرقابل پیشبینی، سخته.
پس باید با محدودیتها فکر کنید. باید مطمئن بشید که مسیرها و گزینههای متفاوت به اندازه کافی دنبال میشن، چون این حوزه بیشتر درباره عدم قطعیت هست تا ریسک. عدم قطعیت یعنی احتمالهای ناشناخته، ریسک یعنی احتمالهای شناخته شده، چه زیاد چه کم. این حوزه عدم قطعیت هست و خیلی سخته اون رو کاهش یا مدیریت کرد چون سیگنال مشخصی وجود نداره. کاری که باید بکنید اینه که چندین رویکرد داشته باشید و به اندازه کافی پایدار بمونید تا ببینید میتونید واقعیش کنید، و اگه شد، خودتون محافظتش کنید تا یه ارزش جدید بسازید. این ایده، که همه میتونیم نظریهپردازی کنیم، میشه عملاً راهاندازی و صنعتیش کرد. و این چیزی هست که ما طی ۲۵ سال گذشته تجربه کردیم.
آلیسون بیرد: با پیشرفت سریع هوش مصنوعی، شما دارین ازش استفادههای جدید برای تقویت هوش انسانی تو فرآیند نوآوریتون به عنوان پرچمدار یا فلگشیپ پیدا میکنید؟ من شنیدم درباره چیزی به اسم «چندهوشی» یا polyintelligence صحبت کردید.
نووبار آفیان: آره. ببینید، ما از ۲۰۱۸ شروع کردیم هوش مصنوعی رو به شکل جدیدش تو کارمون استفاده کنیم. چون نسبتاً جسوریم برای امتحان چیزایی که هنوز به بلوغ نرسیدن، منطقیه که حتی با اولین ایدهها شروع کنیم که خب جزو DNA ماست، فکر کنم، و داریم این کارو مدتها انجام میدیم. خب هم امکانات و هم محدودیتها رو یاد گرفتیم، و هم نسبت به غیرقابل پیشبینی بودن جهشهای بزرگ متواضع شدیم، حتی از وقتی عمیقاً درگیر شدیم. من گاهی بهش میگم «هوش مصنوعی به عنوان هوش افزوده». بهش میگم «تخیل افزوده»، چون این توانایی رو داره. توی یه نگاه، خیالپردازی یه نفر میتونه جهش یه نفر دیگه باشه و استفاده ازش تو حوزههای نوآورانه یه روش خیلی جالب برای جستجوی چیزاییه که انسان ممکنه نتونه فکرش رو بکنه. یعنی شما میتونید بخواید، و ما خیلی روتین صدها و صدها ایده جدید تو یه حوزه میگیریم. بعد سوال اینه که چطور اونها رو تحلیل کنیم و ببینیم کدومها منطقیه که امتحان کنیم یا نه؟ گاهی حتی بهش میگم «هوش بیگانه». واقعاً چیزی بود که قبلاً نداشتیم. حس عجیبی داره، انگار از این دنیا نیست، چون ما هیچ وقت توانایی همزمان تولید هزاران، در واقع میلیونها ایده جدید رو نداشتیم. یه مثال میزنم. حدود ۲۵ سال پیش، اولین شرکتی که در این زمینه پرچم داری رو آغاز کرد، بدون اینکه بیشتر مردم بدونن که ما فقط تو بیوتکنولوژی هستیم، در واقع شرکتی بود که از الگوریتمهای تکاملی آنلاین استفاده میکرد تا محصولات جدید بسازه و بعد از پنلهای آنلاین هم برای ارزیابی اونها استفاده میکرد، به شکلی که یه چرخه تکاملی ایجاد میشد برای خلق نوآوری و بهینه کردن راهحلها. این حدود سالهای ۲۰۰۱، ۲۰۰۲ بود. حالا زمانو جلو میبریم. اون شرکت ده سال ادامه داشت و در نهایت با «نیلسن» ادغام شد. الان ما دوباره به اون حوزه برگشتیم، حالا مسلح به هوش مصنوعی تولیدی و سیستمهای مبتنی بر عاملها. و همین اخیراً اعلام کردیم پروژهای به اسم «اکستیتیویو» تشکیل دادیم، که در واقع سعی داره همون کارو انجام بده ولی با پیشرفتهای بسیار زیاد در قابلیتها و واقعاً دیدن ۱۵۰،۰۰۰ عامل که نماینده انسانها هستن و با میلیونها شیء تعامل دارن، صحنه خیلی جالبیه و شما میتونید با هوش مصنوعی این کارو انجام بدید. پس من واقعاً فکر میکنم تقریباً غیرقابل تصور هست که بدون استفاده از این تواناییهای افزایش یافته تو نوآوری و خلق جهشی، رقابت کنید.
آلیسون بیرد: به نظر میاد تو اون توضیح، شما درباره هر دو مرحله نوآوری جهشی که با گری پیزانو تو مقاله HBR نوشتید صحبت داشتید. اولیش «تولید تنوع» هست، یعنی بررسی حوزههای مختلف تحقیق، پرسیدن سوالات «اگر فلان طور بود چه میشد» بر اساس چیزایی که یاد میگیرید. ولی یه قدم عقبتر، تو همون مرحله اول، چطور تصمیم میگیرید کجا نگاه کنید وقتی اینها چیزایی هستن که حتی متخصصها هم قبلاً در نظر نگرفتن، مثل تکنولوژی واکسن مدرنا.
نووبار آفیان: متخصصها تو حوزه خودشون خیلی، خیلی خوب محدودیتهای تنوع رو درک میکنن و میتونن بگن امروز چه چیزایی وجود داره و چه چیزی احتمالاً مرحله بعد ممکنه باشه، ولی معمولاً تو حدس زدن اینکه مرحله بعد بعد و بعد بعد بعد چی میشه، مزیت ندارن، چون احتمالاً اون موقع متخصص نیستن. چیزی که یه نفر رو متخصص میکنه، مالکیت بهترین ایدههای امروز هست و معمولاً اونها موقع ایدههای بعدی نیستن. یه متخصص نادر هست که به اندازه کافی فروتن باشه و امکان اشتباه داشتنش رو بپذیره، و این جوهره یه نوآوری غیرمنتظره و مخربه. پس فکر میکنم کاری که باید بکنید اینه که واقعاً کارتون رو ترکیبی از «جهش» ببینید. جهش یعنی محدود نکردن خودتون به تغییرات کوچک و بعد قبول کردن اینکه سخته بفهمید چی ارزش ایجاد میکنه و چی نه، ولی میتونید امتحان کنید. شما میتونید با آدمهایی تعامل کنید که بازخورد ارزشمند بدن، چه مشتری نهایی، چه کاربر، هر جا که میتونید فشار انتخابی بگیرید یعنی خودتون رو در معرض بازخورد محتوائی قرار داده و بعد چرخههای تکرار رو انجام بدید. تو طبیعت واضحه که «تنوع، انتخاب و تکرار» نوآوری غیرمنتظره ایجاد میکنه، همون زندگی و تمام موجودات زنده. و تو بازارها هم همینو میبینیم. یعنی تاثیر یه موبایل روی موبایل دیگه، یه کفش ورزشی روی ۱۰۰،۰۰۰ کفش دیگه، ماشینها و همه این بازارها دارن مثل طبیعت تکامل پیدا میکنن، فقط تو این مورد، قدرت خرید و بازخورد بازار هست که هدایت میکنه تولیدکنندهها و طراحها چی بسازن. پس همه اینها میتونه تو بازارهای دیجیتال برای این ایدهها نشون داده بشه و ما واقعاً پیشرو هستیم تو تلاش برای اثبات این موضوع، بردن دانشمون از اکوسیستمها، اکولوژی و طبیعت به حوزه اشیاء بیجان، اشیاء طراحی شده، و این یه جهش جالبه.
آلیسون بیرد: الان کمی قبلتر درباره «چندهوشی» پرسیدم. اجازه بدید بگم منظورمون چیه. امروزه جذابیت زیادی هست، البته ۷۵ سال بعد از اینکه هوش مصنوعی اولیه توصیف و تصور شد و انسانها جایی براش باز کردن. ولی جالب اینه که برای اولین بار انسانها مجبور شدن قبول کنن که تنها موجود هوشمند روی کره زمین نیستن. تا حالا اینطوری تعریف میکردیم چون زبان رو کنترل میکردیم و میگفتیم هوش یعنی انسانها.
نووبار آفیان: حالا که ماشینها میتونن هوشمند باشن، حداقل از نظر بعضیها، من حدس میزنم قدم بعدی ساده اینه که بگیم چرا طبیعت نتونه هوشمند باشه و چرا نتونیم همه موجودات زنده، چه سلولهای کبد، چه سلول گیاهی یا ویروسها و حتی اکوسیستمها رو به عنوان هوش در نظر بگیریم؟ و منظورم از هوش، سیستمهایی هست که میتونن خیلی سریع سازگار بشن، پیشبینی کنن و پردازشهای زیادی انجام بدن که ما امروز با شبکههای عصبی یا شبکههای عصبی محاسباتی میشناسیم. من یه مقاله اوایل امسال نوشتم و این واقعاً بخشی از تفکر فعلی ما شده که وقتی شروع به دیدن طبیعت به عنوان مجموعهای از هوشها میکنیم، اگه همچین جمع مفهومی وجود داشته باشه، فهمیدن اونچه تو بیولوژی اتفاق میافته، خیلی متفاوت خواهد بود و پاداشش اینه که فکر میکنم چیزی که تا حالا درباره بیولوژی از روش کاهشگرایانه و تجزیهای یاد گرفتیم، کسری کوچک از چیزیه که درباره بیماریها، غذا و اینکه این سیستمها چطور تحت تاثیر عفونتها قرار میگیرن، میدونیم. همه اینها روی پلتفرمی که سیستمهای هوشمند رو مد نظر داره، خواهد بود. و چالش جالب اینه که ما به عنوان انسانها از یک سیستم که نمیفهمیدیم، یعنی طبیعت، حالا رفتیم به دو سیستم که نمیفهمیم، طبیعت و مدلهای هوش مصنوعی با میلیاردها پارامتر. و دیدن اینکه انسانها چطور با این واقعیت سازگار میشن، جالبه. من اینو تهدید بزرگ نمیبینم چون انسانها مدتها بدون فهمیدن طبیعت اطرافشون، زندگی کردن. و ما عملاً یه بخش جدید به طبیعتمون اضافه میکنیم، فقط یه سیستم پیچیده دیگه که امیدواریم به صورت مثبت ، نه منفی، بتونیم ازش برای حل بزرگترین مشکلات دنیا استفاده کنیم.
آلیسون بیرد: آره. استفاده و یادگیری ازش، چون مقاله شما با گری پیزانو اساساً استدلال میکنه که رویکرد آزمایش میتونه شبیه انتخاب طبیعی و تکامل باشه. ولی دقیقتر توضیح بده که چطور از طبیعت یاد گرفتید تا فرایند پرچمداری رو به سمت آزمایشگری ببرید یا اصلاً یه فرایند مخصوص آزمایشگری بسازید که با روشهای سازمانهای دیگه فرق داشته باشه.
نووبار آفیان: راههای زیادی هست که ما ایدههای پایهای تکامل داروینی رو تو کارمون استفاده میکنیم. بذار اول دوباره تأکید کنم که ما فکر میکنیم ارزشهای بزرگ فراتر از همجواریهای همین لحظه وجود داره. و ما فکر میکنیم این ارزشها به سختی با روشهای مالی یا تأمین مالی فعلی قابل دستیابی هستن، چون نمیتونید اونها رو تو یه الگوی ریسک-پاداش جا بدید. ارزیابی ریسک سخته چون نمیدونید احتمال موفقیت چیزی که هیچ وقت بهش فکر نشده یا انجام نشده چقدره، و بنابراین گرفتن بازخورد معنیدار در مورد پاداشش هم سخته. ولی اگه راحتید با ابهام کار کنید، و من میگم طبیعت، اساساً همون ابهامه، یعنی هر چیزی که هنوز تکامل پیدا نکرده، واقعا هنوز تکامل پیدا نکرده. شما میتونید بشینید و شرطبندی کنید که چه شرایطی احتمالاً تو هر موقعیت رقابتی در طبیعت برنده میشه، ولی فکر میکنم ثابت شده که این کار خیلی سخته. پس من میگم ما در واقع اون ایده «تنوع، انتخاب و تکرار» رو بازتولید میکنیم که یه جزء مهم هم داره به اسم «نزولی بودن» یا «نسل بعدی». یعنی راهحلهای موفق رو به نسل بعد منتقل میکنیم، چه تو سیستمهای محاسباتی، چه تو طبیعت، که واقعاً نسل سلولها هستن که میتونن راهحلهای مثبت رو به نسل بعد منتقل کنن. در واقع، من روزبهروز بیشتر فکر میکنم که کل کاری که طبیعت انجام میده، یادگیری از محیط اطرافشه، هر سلول یه بار، هر گونه یه بار، هر اکوسیستم یه بار. پس من فکر میکنم چیزهای زیادی هست که نه فقط به شکل استعاری میتونیم یاد بگیریم، بلکه عملی هم میتونیم استفاده کنیم. یه مثال میزنم. مردم ممکنه متوجه نباشن که بدن ما به نوعی تجربه میکنه، مثلاً RNA که ویژگی های ژنتیکی رو منتقل میکنه به طور طبیعی از بیرون میاد، به شکل ویروسها. و بنابراین کاری که ویروس انجام میده وقتی وارد بدن میشه، وارد سلولها میشه و خودش رو تکثیر میکنه، برای مرحله تکثیر، همون کاری رو میکنن که واکسنهای ما انجام میدن. ما اونها رو وارد بدن میکنیم، وارد سلولهای مناسب میکنیم، و RNA در واقع تولید پروتئین رو به عهده میگیره تا یه پروتئین خاص بسازه. در مورد ما، این پروتئین ایمونژنیکه و باعث پاسخ ایمنی میشه. ولی خیلی از اون مسیر مولکولی پیچیده، ویروسها هم استفاده میکنن تا خودشون رو تکثیر کنن. پس هر جایی نگاه کنید، مطمئنم خیلی از آدمهایی که با امنیت سایبری و حفاظت از سیستمها در برابر ویروسهای کامپیوتری کار میکنن، چیزهای زیادی یاد گرفتن از اینکه سیستم ایمنی ما چطور این کارو انجام میده. و هر جایی نگاه کنید، فکر میکنم نمونههای بیشتری از هوش طبیعت پیدا میکنید و اینکه چطور میتونه انسانها یا هوش ماشینی رو الهام بخش باشه و اطلاعات بده.
آلیسون بیرد: رهبران و سازمانهایی که میخوان این نوآوری جهشی که شما میگید رو دنبال کنن، انتظار دارن این فرایند چقدر طول بکشه؟ و بعد چطور زمان و هزینه رو وقتی که فقط یه آزمایشه توجیه میکنید؟ هیچ تضمینی نیست که کار حتی به یه نوآوری برسه یا بتونه از اون مرحله آزمایشی به اجرای موفق منتقل بشه.
نووبار آفیان: این سوال خیلی مهمه و خیلی، خیلی پیچیدست و خیلی وابسته به مورد و صنعت خاصه. برای مثال، برای سادهسازی میگم که اگه شما تو یه صنعت با حاشیه سود خیلی بالا هستید، میتونید مقدار زیادی از این کارو انجام بدید چون نتیجه درستش یه موفقیت خیلی بزرگه. به همین خاطره که تو صنعت داروسازی اینقدر رایجه. ولی تو صنعتی که خیلی رقابتیه و حاشیهها پایینه، ابهام اضافه یعنی اتکا به نوآوری جهشی تقریباً غیرممکنه. گاهی باید بپذیرید که همیشه احتمال حملات غیرمنتظره از بیرون وجود داره، حملههایی که حتی میتونه کل برندتون رُ نابود کنه. واقعیت اینه که راههای زیادی برای محافظت کامل وجود ندارد. یادم میآید در کتاب «معضل نوآور» ، کلایتون کریستنسن گفته بود: حتی وقتی افراد میدانند ممکن است تهدید شوند، باز هم اقدامی نمیکنند، چون اون تهدید معمولاً در شکل دیگری ظاهر میشود و در نهایت تغییر و تکامل پیدا میکند. بهعلاوه، من میگم بد نیست یهکم هم فرصتطلب باشید و گیر این فکر نیفتید که هر نوآوری حتماً باید جواب یه مشکل مشخص باشه. چون معمولاً میبینیم اگه همزمان دنبال مشکل و راهحل بگردید، ممکنه جاهایی رو پیدا کنید که توش ارزش جدیدی هست. ولی اگه اصرار داشته باشید فقط صاحب فضای «مشکل» یا فقط «راهحل» باشید، خیلی از چیزهایی که تو مسیر میشه کشف کرد از دست میره. پس این درواقع بالاترین و در عین حال ترسناکترین نوع پیشنهاده که بگید:”میخوام برم دنبال ارزش توی یه بازار مشخص، بازاری که خیلی با کارهایی که الان انجام میشه فرق داره. میخوام از چیزهایی که همین الان وجود دارن الهام بگیرم، ولی همزمان یه روش منظم داشته باشم که بتونم فراتر از اطراف رو هم بگردم. میخوام یه تعداد زیادی از مشتریها، چه متخصص چه غیرمتخصص، مسیر ارزیابی رو نشون بدن، ولی بعدش دوباره تکرار میکنم، هی تکرار میکنم تا به چند تا موفقیت برسم و وقتی یه موفقیت پیدا شد، امتحانش میکنم؛ براش نمونه اولیه میسازم. فرض نمیکنم که میتونم فقط با منطق و استدلال به نوآوری برسم.”
این کار احمقانهست. من فکر میکنم بیشتر آدمهایی که نوآوریهای بزرگ انجام میدن، بعداً طوری تعریفش میکنن که انگار همهچیز نتیجه نبوغ بوده. تجربه من ـ و شاید من یهکم فرق داشته باشم ـ اینه که اصلاً اینطور نیست. این موضوع خیلی ربطی به نبوغ نداره؛ بیشتر به فرصتطلبی، تمرکز روی ارزش و حوصله تکرار کردن مربوطه. و گاهی هم به این که یه چیزی رو ببینید که درست جلوی چشمتونه و مدتها هم همونجا بوده، ولی چون با طرز فکر فعلیتون جور درنمیاومده، نادیدهاش گرفتید. همه اینها با هم میتونن به موفقیت برسن، نه فقط کارِ سخت، منطق و متخصصهایی که بهتون میگن چی کار بکنید.
آلیسون بیرد: به نظر میرسه ذهن باز هم یه عنصر کلیدی این وسطه، مثل اینکه میدونی داری روی یه مشکل کار میکنی، ولی در عین حال آمادهای که اگه تحقیقاتت به یه مسیر دیگه رسید، مشکل دیگه ای رو هم حل کنی.
نووبار آفیان: ذهن باز و بدون انتها.
آلیسون بیرد: آره.
نووبار آفیان: این یه چیز دیگه هم هست که مردم بهش میگن تکامل. کاملاً یه پارادایم نوآوری بدون انتهاست. و اگه شما در موردش ذهن باز داشته باشی و آماده باشی که ارزشها رو ببینی، فکر میکنم ترکیب درستی داری.
آلیسون بیرد: عالیه. خب، میخوام برم سراغ چندتا سوال از شنوندگان. کریس برمن میگه گاهی اوقات احساس میکنه یه عدم ارتباط قابل توجه تو سازمانها هست بین پیش برد نوآوری جهشی و تجاریسازی اون. کریس که اصطلاحاً کارآفرین سازمانی نامیده میشه چندتا برنامه کارآفرینی داخل شرکت داره و تلاش میکنه فاصله بین نوآوری و تجاری سازی رو پر کنه ولی آیا واقعاً این بهترین راهه که نوآوری رو پیش ببره و به تجاریسازی و مصرفکننده نهایی برسه، یا راههای بهتری برای سازماندهی موفقیت وجود داره؟
نووبار آفیان: ببین، من ۳۸ سال گذشته درگیر چیزی بودم که بهطور سنتی بهش میگن کارآفرینی، ولی تو ۲۵ سال آخرش یه شرکتی راه انداختم که کل هدفش طراحی و ساخت شرکته. من هر روز بیشتر اینو به شکل «کارآفرینان درونسازمانی» میبینم؛ آدمهایی که کارمند یه شرکت هستن، ولی مثل کارآفرینها، نوآوریهای شرکت رو جلو میبرن و عملی میکنن. ما در محصولات پرچمدار هر سال شش تا هشت شرکت راه میاندازیم.
برخلاف یه بازیگر بزرگ تو یه صنعت که معمولاً کارآفرینی درونسازمانیه یعنی یه بخش کوچیک از کسبوکار که سعی میکنه محصولات و بازارهای جدید بسازه، برای ما این کل کسبوکارمونه. با این حال هنوز «درونسازمانی» حساب میشه، چون ما آدمهای جدا یا تیمهای کوچیکی نیستیم که بریم سرمایه جذب کنیم یا طرح کسبوکار بنویسیم. ما هیچکدوم از این کارها رو نمیکنیم.
من فکر میکنم این مدل ساختن شرکتهای شرکتی، بهعنوان یه راه برای نوآوری، خوب جواب میده چون پاداش کسایی که کار اجرایی انجام میدن رو با خروجیای که تولید میکنن همراستا میکنه؛ چیزی که معمولاً تو سازمانهای سنتی تحقیق و توسعه اینطوری نیست. اونجا بیشتر سعی میکنن آدمها رو از کار کردن روی چیزهای «نامعقول» دور نگه دارن، بهجای اینکه ازشون بخوان توضیح بدن چرا کاری که دارن انجام میدن منطقیه. برای همین هم به نظر من اغلب خیلی جذاب نیست، چون این فیلترِ معقول بودن باعث میشه آدمها برن سراغ چیزهایی که احتمالاً جواب میده، و در نتیجه نمیتونه مخرب یا تحولآفرین باشه.
پس راههایی هست که بشه انگیزه ی درست ایجاد کرد، ولی به نظر من کارآفرینی این اجازه رو میده؛ البته به شرطی که مجبورش نکنید کاملاً با R&D هماهنگ باشه. چون از نظر من این یعنی دنبال ارزشهای مختلف رفتن با روشهای متفاوت، و طبیعتاً باید به شکل گوناگونی هم پاداش داده بشه.
من قبلاً شرکتهایی رو اداره کردم که فروشندههاش اغلب بیشتر از خودِ من پول درمیآوردن، و من بهعنوان مدیرعامل هیچ مشکلی با این نداشتم. شاید بقیه فکر کنن حتماً باید یه سلسلهمراتب پرداخت وجود داشته باشه، ولی من فکر میکنم حقوق باید متغیر باشه، بسته به اینکه آدمها چه نوع ریسکی میکنن یا چه نوع ارزشی خلق میکنن.
آلیسون بیرد: من فکر میکنم این روند آموزشی رو هم متحول میکنه. بذار یه سوال هم در مورد وضعیت سیاسی فعلی، به خصوص تو آمریکا، بپرسم. ما داریم سخنرانیهای ضد علم شدید و کاهش بودجه تحقیقاتی میبینیم. شما هم مهاجر به آمریکا هستید و ما مواضع ضد مهاجرتی رو تو سیاست فعلی میبینیم. پس دوست دارم نظرتون رو در مورد اینکه این چطور روی پیشرفت علمی و فناوری تو کشور اثر میذاره بدونم، این دو روند دوقلو که داریم میبینیم.
نووبار آفیان: خب، این بالاتر از وظیفه رسمیِ شغلی منه ، ولی به عنوان یه نظر شخصی میگم که هم علم و هم مهاجرت واضحاً روشهایی هستن که وضعیت موجود رو تهدید میکنن. بحث تغییر و پیشرفته. من به آمریکا مهاجرت کردم چون کشور مهاجرهاست و فکر میکنم درست میگم. هیچ کسی از هیچ گوشه آمریکا نیست که فرزند یه مهاجر نباشه، فقط سوال زمانشه که کی اومده؟ بنابراین به نظر من مزیت اصلی این کشور، طبیعت بازسازیکنندهاشه، درست مثل طبیعتی که همه جا حرفش بود، که با پیشرفت و یادگیری از چرخههای تکرار، حرکت میکنه. این کشور یه جای فوقالعاده تکاملی و انطباقیه به خاطر جریان مداوم افکار جدید، تمایل به ریسک، سطح امیدواری افراد جدید که میخوان موفق بشن که باعث جامعه عالی شده. و فکر میکنم این روند ادامه داره چون این مزیت با هیچ منبع طبیعی دیگهای قابل جایگزینی نیست، به نظر من، کشورای دیگه منابع طبیعی بیشتر دارن، کشورای دیگه جمعیت بیشتری دارن، ولی فکر میکنم این جای خاص که خودمون پیدا کردیم، جاییه که عدم قطعیت در علم و دانش رو میپذیریم و درک میکنیم که در هر زمان، ممکنه در مورد چیزهایی که فکر میکردیم مطمئنیم، اشتباه کنیم، ولی در نهایت درستش رو درمیآریم. مشکل دنبال کردن علم امروز اینه که اینها چیزهایی بودن که قرنها بحث روشون بوده که حقیقت چیه، واقعیت چیه، و روش علمی چه کاری میتونه انجام بده تا ناشناختهها رو مسئولانه کشف کنه. ولی اگه واقعیت علمی رو با نظر جایگزین کنید یا نظر رو طوری ارائه بدید که انگار حقیقت علمی هست، خطها واقعاً مبهم میشه. و فکر میکنم ما باید به عنوان یه جامعه درک کنیم که عواقبش داروهای بدتر و خطرات بیشتر تو تصمیمگیریهاست. اگه میخواید اجسام پرنده طراحی کنید و نتونید به علم تثبیتشده تکیه کنید، این جلوی کارو نمیگیره. من به مردم خیلی صریح گفتم، این جلوی ساخت واکسن مدرنا و سایر واکسنها رو نمیگیره. این روی همه داروها و هر چیز جدیدی که سوال ایجاد میکنه، اثر میذاره: چقدر مطمئنیم که علم واقعیه؟ جواب اینه که به همون اندازه که این مؤسسه علمی بزرگ با فرآیند طولانی آزمایش فرضیه، به عنوان داور حقیقت در هر لحظه مطمئنه. و من اطمینان دارم در نهایت مزایای قرنها تجربه ی ما در این کار، همراه با قرنها مهاجرت مهاجرین به این کشور ، ارزشش رو داره که براش بجنگیم.
آلیسون بیرد: نووبار، خیلی ممنون. واقعاً از وقتی که امروز گذاشتید قدردانی میکنم.
نووبار آفیان: ممنون که دعوتم کردید.