44:نوآوری غیر منتظره

اسم فایزر و واکسنشون رو خیلیامون شنیدیم. اسم مدرنا رو هم شاید شنیده باشیم. خیلی ها فکر میکنن که واکسن این دوتا شرکت که از تکنولوژی MRNAدرست شده، یه فرصتی بود که مردم رو موش آزمایشگاهی فرض کنن و یه تکنولوژیی رو یهویی روشون تست کنن. چیزی که اکثر ما نمیدونیم اینه که تکنولوژی MRNA، 10 سال بوده که توی مدرنا داشته روش کار میشده. توی این اپیزود میخوایم به قلم مدیرعامل مدرنا و یک استاد دانشگاه هاروارد ببینیم که سیستم نوآوری شرکت فلگ شیپ که اصلا اونجاییه که مدرنا و خیلی استارتاپ های دیگه ی دارویی رو درست کرده چطوری کار میکنه؟ قبل از اینکه بریم توی اپیزود توی یه جمله بگم، که ایده ی پشتش تکامل داروینه!

نوشته‌ای که می‌خونید، متن اپیزود چهل وچهارم پادکست کارکست هست. این قسمت و اپیزودهای جدید کارکست رو می‌تونید از وبسایتمون ،کست باکس،اپل،گوگل،اسپاتیفای،ناملیک گوش کنید.

تا اینجا، توی کارکست، وقتی حرف از نوآوری زدیم، حرف از مشتری و مشکل زدیم. گفتیم که باید نوآوری روی یک مشکل خاص از یک مشتری خاص متمرکز باشه. توی نوآوری برهم زننده گفتیم که نوآوری های برهم زننده، اون نوآوری هایی هستن که یه تکنولوژی پیچیده رو ارزون قیمت میکنن یا اینکه یه فرآیند پیچیده ی استفاده از تکنولوژی رو ساده میکنن، و اون تکنولوژی رو در دسترس آدمها میذارن، تا بتونن ازش استفاده کنن. آدمایی که تا قبل از اون یا پول نداشتن که از تکنولوژی استفاده کنن، یا دانش و توانایی رو نداشتن. حالا سوالی که پیش میاد اینه که اگه ما بخوایم اصلا یه تکنولوژی جدید تولید کنیم چی؟ اگه بخوایم یه کاری رو بکنیم که با تکنولوژی امروز نمیشه، باید چیکار کنیم؟ چطوری نوآوری کنیم. توی این اپیزود و اپیزود بعدی، میخوایم دوتا متد متفاوت رو ببینیم. چیزی که اینجا میبینیم نگاه مدرنا به تکامل و نوآوری با استفاده از نگاه تکاملیه. چیزی که توی اپیزود بعدی میبینیم، نگاه آژانس پروژه های تحقیقات پیشرفته ی دفاعی آمریکا یا همون DARPAست. نگاه این دوتا شرکت به مسئله بسیار با هم دیگه متفاوته و هردوشون 10ها تکنولوژی جدید تا امروز ایجاد کردن که دنیا رو تکون داده.

اون چیزی که شخص من رو نسبت به این دوتا ارگان و نوآوری هاشون کنجکاو میکنه، همین فرآیندیه که میشه توش تکنولوژی جدید ساخت. چیزی که ما نه توی دانشگاه دیدیم، نه توی صنعتمون دیدیم، نه من به شخصه هیچ جای دیگه ای دیدم. اینکه اصلا چطوری باید به دنیا نگاه کنیم، که خروجیش بشه یه تکنولوژی جدید که بسیار برای بشر کاربردیه!

دیگه حرفای خودم رو کوتاه کنم، بریم سراغ داستان مدرنا و دو هفته ی دیگه هم میریم سراغ داستان DARPA.

کرونا

30 نوامبر 2020 مدرنا اعلام کرد توی فاز سوم تحقیقات بالینی واکسنش 95% کارایی داشته. ویروسی که تا اون روز، روزی 1.5 میلیون نفر رو توی دنیا کشته بود. اونم فقط ظرف مدت 10 ماه. کسایی که بعد از اومدن کرونا شروع به پیگیری اخبار پیشرفت های پزشکی کردن، ممکنه فکر کنن که مدرنا یه شبه موفق شد واکسن کروناش رو بر پایه ی تکنولوژی MRNA بسازه. ولی از این خبرا نیست. این داستان موفقیت 10 سالی طول کشیده تا به ثمر برسه. واکسن مدرنا حاصل یه پروسه ای بود که بارها و بارها تکرار شد تا بالاخره بتونه چالش های مربوط به تکنولوژی MRNA رو حل کنه. یه شرکتی هست به اسم Flagship Pioneering. این شرکت کارش اینه که شرکت‌های پر ریسک بسازه. شرکتایی که ریسک شکستشون بالاست ولی کارهای بزرگ میکنن. توی حوزه ی تکنولوژی از این شرکتا زیاد داریم. ولی این شرکت خاص، مال حوزه ی داروئه. کار این شرکت فلگ شیپ اینه که بیاد روی فضاهایی کار کنه که کمتر کسی توی دنیا روش کار کرده، معمولا حتی هیچ کس روش کار نکرده. بعد توی این فضا ها ایده پردازی کنه، محصول بسازه و محصول رو تجاری کنه. محصولی که از نظر تکنولوژی غیرممکن بوده وقتی پروژه شروع شده. اینکه آدمها فکر میکنن تکنولوژی مدرنا یه شبه به وجود اومده، چیزیه که معمولا در مورد تکنولوژی‌های غیرمنتظره (در واقع Breakthrough به انگلیسی) تصور میشه. اکثر آدما فکر میکنن این تکنولوژی حاصل یه فرآیند شانسی درهم و برهمه که قابل مدیریت هم نیست. در واقع حاصل نبوغ و بینش یه آدم خیلی خاص. قبلتر گفتیم که این نگاه چرا دقیق و درست نیست دیگه. توی اپیزودهای مختلف گفتیم، مخصوصا اپیزود 1! اتفاقا به نظر میاد این نوآوری های غیرمنتظره حاصل یه چارچوب مشخصین که افراد مختلفی توی 20-30 سال گذشته به صورت عمیق بررسی کردن این فرآیند ها رو. خود نویسنده های مقاله 30 سالی رو توی همین حوزه تحقیقات کردن تا بفهمن اصلا چطوری میشه به این نوآوری ها دست پیدا کرد. مدلی که نویسنده ها متوجهش شدن، مدل تولید انواعه. همون اتفاقی که توی طبیعت باعث پیشرفت میشه. تعدادی گونه ی زیستی درست میشه، روشون فشار وجود داره برای اینکه زنده بمونن و در نهایت اونهایی که از بقیه مناسب ترن زنده میمونن و تولید مثل میکنن. انتخاب طبیعی داروین دیگه. البته همه ی مدل های نوآوری تا حدی این شکلی هستن، فرق نویسنده های این مقاله اینه که میگن، بقیه یه بخشی از انتخاب طبیعی رو دقیق نفهمیدن، برای همین، این تولید انواع و ایجاد فشار برای بقا رو به درستی انجام نمیدن. ایده ی پشت سرمایه گذاری خطرپذیر یا acceleratorها یا چیزهای شبیه اینها همین مدله. اسم مدلشون رو میذارن emergent discovery. یعنی کشف رو به بیرون. یه طوری انگار میگه میخوام دنیای ناشناخته ی بیرون از علم فعلی رو کشف کنم. همون امرجنت دیسکاوری میگیم از این بعد بهش. البته که نویسنده ها تاکید میکنن که برای این متد نیاز به آدمهای بسیار توانمند هست ولی لازم نیست آدما داوینچی باشن، با همین آدمهای توانمند دنیای امروزی میشه کار رو انجام داد.

اولین قدم این متد اینه که سوال های "چه میشود اگر" بسازیم توی جایی که یا تکنولوژی وجود نداره، یا بازاری برای محصول وجود نداره یا اصلا از نظر علمی هنوز علم بشر بهش نرسیده. این سوال میشه پایه ی مدل داروینی برای ساختن نوآوری. با استفاده از این سوال، مراحل انتخابمون رو میسازیم، درستی ایده های بهتر رو بررسی میکنیم و اون کانسپتی که به وجود اومده رو تبدیل به یه راه حل کاربردی بهتر از راه های موجود میکنیم. مهمترین چیزی که لازمه برای اینکه این مدل کار کنه یه فرهنگ سازمانیه که توش ایده هایی که کامل نیستن یا نقص دارن، شبیه بن بست نباشن، آدما حاضر باشن ریسک شروع یه ایده ی ناقص رو قبول کنن، با ایده برن جلو، و توی مسیر اون چیزهایی که نمیدونن رو بفهمن.

منظورمون از نوآوری غیرمنتظره چیه؟

قبل از اینکه عمیق بشیم توی متد، اول باید توضیح بدیم منظورمون از نوآوری غیرمنتظره چیه؟ همون breakthrough innovationدیگه. ما مثلا قبلا نوآوری برهم زننده رو تعریف کردیم دیگه، disruptive innovation. توی اپیزود 31. اسماشون هم شبیه همه، آدم گیج میشه، تعریف کنیم بهتر میفهمیم در مورد چی داریم حرف میزنیم. نوآوری غیرمنتظره به چیزی گفته میشه که 2 تا خاصیت داشته باشه. خاصیت اول اینه که ادامه ی کارهای قبلی نیست. باید یه پرشی توی لبه های علم، تکنولوژی، طراحی، اقتصاد یا بقیه ی حوزه ی علمی اتفاق بیفته. این پرش میشه پایه ی نوآوری های بعدی، یکی از انواع نوآوری‌های بعدی همون نوآوری برهم زننده است. نوآوریی که میاد تکنولوژی گرون یا پیچیده رو ارزون یا ساده میکنه. مثلا موتور جت روی بال هوندا یکی از این نوآوری های غیرمنتظره است. تا قبل از اینکه هندا بیاد هواپیماهایی با این مدل قرارگیری موتور رو بسازه، باور دنیای آکادمیک این بود که همچین ساختاری از نظر آیرودینامیک برای هواپیماهای کوچیک اصلا پایدار نیست و امکانش وجود نداره که همچین هواپیمایی ساخته بشه. یا مثلا مدل درآمدی گوگل از تبلیغات به ازای کلیک یه همچین نوآوریی بود. توی صنعت تبلیغات همچین نگاهی اصلا به تبلیغ وجود نداشت. اینکه قیمت گذاری غیرقطعی باشه و برمبنای کلیک شدن روی یه چیزی اتفاق بیفته. الان دنیای دور ما پر این نوع از تبلیغه، ولی گوگل وقتی این مدل درآمدی رو درست کرد، نگاه دنیا رو به تبلیغات کلا عوض کرد. پس خاصیت اول شد اینکه یه پرش علمی توی یه حوزه ای ایجاد میشه. خاصیت دوم اینه که ارزش تولید بشه. نوآوری‌های غیرمنتظره یا یک مسئله ی مهمی رو حل میکنن که حل نشده بوده، که از این مسیر ارزش مالی ایجاد میکنن، یا اینکه اصلا یه بازاری میسازن که تا قبل از این نوآوری وجود نداشته. مثلا دوربین های دیجیتال اومدن تعداد عکس گرفته شده رو خیلی خیلی زیاد کردن. چیزی که اصلا با دوربین هایی قدیمی که فیلم توشون میذاشتن امکان پذیر نبود. یعنی اصلا بازار بزرگ شد، ارزش تولید شده توی بازار زیاد شد. دیگه الان از موبایل دستمون، تا دوربین مدار بسته ی خونمون تا دستگاه حضور غیاب ادارات، دارن از دوربین دیجیتال استفاده میکنن. بازار جدید تولید شد. بعد این عکسای دیجیتال اومدن شدن پایه ی شبکه های اجتماعی، اینستاگرام و فیس بوک و اسنپ چت و دیگران اکثرا بر پایه ی عکس کار میکنن. یعنی اصلا یه فضای جدید برای تولید ارزش به وجود اومد با درست شدن دوربین دیجیتال.

پس نوآوری غیرمنتظره یه نوآورییه که هم از نظر علمی در ادامه ی نوآوری های قبلی نیست، پرش داره، هم از نظر اقتصادی ارزشمنده، یعنی یا مشکل اساسی قدیمی رو حل میکنه یا بازار جدید ایجاد میکنه.

این تا اینجا شد پایه ی نوآوری غیر منتظره. بریم ببینیم این حرفایی که در مورد تکامل و اینها زدیم چه ربطی داره به چیزایی که گفتیم؟

شوت به دروازه

خب ما قبلا توی کارکست گفته بودیم که 80-90% استارتاپ ها شکست میخورن. استراتژی اکثر شرکتای سرمایه گذاری که میخوان یه تعدادی از این شرکت ها رو داشته باشن، معمولا اینه که بیان تعداد رو ببرن بالا و امیدوار باشن دست تقدیر براشون اون 10-20% شرکت عالی رو فراهم کنه. البته خب از این باهوش ترن قطعا، داریم ساده سازی میکنیم. نویسنده ها اسم این نگاه رو میذارن تناقض شوت به دروازه. Shots on goal fallacy. ایده اینه که اگه توی پروژه های به اندازه ی کافی زیادی سرمایه گذاری کنیم، بالاخره یه سریشون موفق میشن. ولی خب معلومه که این نگاه چقدر تلفات توش داره. کلی از پول و انرژی داره به باد میره. بعد برای بهبود این روش میان توی همون مراحل اولیه، شرکت هایی رو که به نظر از بقیه بدتر میان، از بین میبرن. اونایی که انگار ضعیف ترن. توی نگاه اول شاید این مسئله اشتباه به نظر نیاد، همه چی سر جای خودش باشه. ولی واقعیت اینه که اوضاع اینطوری نیست. چیزی که این مدل فکر کردن در نظر نمیگیره، اینه که چیزایی که قراره دنیا رو شدیدا تکون بدن، چیزایی نیستن که توی نگاه اول بدیهی و مشخص باشن. اصلا این ایده ها معمولا پر از ایراد و اشکال و اشتباهن. مسئله این نیستش که توی مرحله ی اول یه ایده یا کسب و کار بی نقص داشته باشیم. مثلا خب مثال رایج همیشگی کسب و کار، آیفون. ملت میگن نوآوری غیرمنتظره بود. تا حدی هم درست میگن. ولی نمیگن قبلش پروژه ی نیوتن اپل یا چندتا پروژه ی دیگه همه شکست خورده بودن. داروی کریکسیوان یه دارویی برای درمان ایدزه، ولی کسی نمیگه که همین دارو توی مراحل اولیه ی تست بالینی داشت کلا حذف میشد، چون نتایجش فاجعه بود. وقتی توی مدل شوت به دروازه برنامه اینه که زود و به صورت همیشگی پروژه های ضعیفتر رو حذف کنیم، نتیجه میشه اینکه به اندازه ی کافی فضا نمیدیم به ایده های غیرمنتظره که اصلا فرصت پیشرفت داشته باشن. قبل پیشرفت میکشیمشون.

این مسئله ی کشته شدن، تنها ایراد هم نیست. یه ایراد بزرگ دیگه ی فشار اینطوری اینه که وقتی این فشار رو ایجاد میکنیم روی آدما، موسس های استارتاپی مجبور میشن به سرمایه گذار ها نشون بدن که دارن موفق میشن، تیم ها به موسس ها. نتیجه میشه این که اخبار بد، دیگه منتقل نمیشه، همه میخوان سعی کنن نشون بدن که کارشون داره به نتیجه میرسه. این باعث میشه اصلا تصمیم گیری ها اشتباه بشه، چون انتقال تجربه ی اشتباه کردن بین آدما از بین میره. تیم دیگه از اشتباهاتش چیزی یاد نمیگیره. این خیلی وحشتناکه. اون تجربه و دانشی که داره ایجاد میشه، با این اتفاق خیلی خیلی کمتر ایجاد میشه. علاوه بر همه ی اینها، انگیزه ی آدما برای انجام دادن اون آزمایش های چالش برانگیز اولیه که اصلا ممکنه نشون بده که کلا فضا باید عوض شه، از بین میره. چون همه میترسن که نشون بدن که کارشون خوب پیش نمیره و حذف بشن.

راه حل

نویسنده ها میان یه راه حل جایگزین مشابه پیشنهاد میدن، که توش سعی شده مشکلات این مدلی که گفتیم از بین بره. این مدل رو خود کمپانی فلگ شیپ که گفتیم در واقع مادر کمپانی مدرناست، سالهاست که داره استفاده میکنه و بیش از 100 تا شرکت مختلف توی حوزه ی علوم دارویی ایجاد کرده. ایده همون تکامله. نویسنده ها میگن تکامل حاصل دوتا چیزه. یکی تغییر توی DNA و یکی هم فشار محیط. تغییر توی DNA یا بر اثر یه جهش ژنتیکیه که یه اتفاق رندومی داره تغییر میده DNA رو. یا نتیجه ی بازتلفیقه که داره بخش های DNA با هم جابجا میشن. از اون ور محیط مثلا برای غذا محدودیت ایجاد میکنه. حالا این تغییرات DNA اگر با محیط سازگارتر باشن، مطابق انتخاب طبیعی تعدادشون زیادتر میشه و میشن گونه ی غالب. نویسنده ها میگن فقط ما نیستیم که توی فلگ شیپ این رو دیدیم، توی صنایع مختلف از ماشین سازی تا صنایع غذایی، همین روش باعث ایجاد نوآوری های غیرمنتظره شده.

حالا اینجا میخوایم داستان تولید واکسن کرونای MRNAساخت شرکت مدرنا رو تعریف کنیم، بعد که داستان رو تعریف کردیم، میایم دونه دونه المان های این مدلی از نوآوری رو که نویسنده ها اسمش رو میذارن Emergent Discovery، رو بررسی میکنیم.

واکسن کرونا

داستان واکسن خیلی خیلی قبل تر از شروع همه گیری کرونا شروع شده. بهار 2010 یکی از نویسنده های مقاله با یکی از استاد های هاروارد و یکی از استاد های MIT دور هم جمع میشن، که در مورد ایده ها و کارهایی که همون استاد MIT توی حوزه ی MRNAکرده صحبت کنن. ام آر ان ای یه چیزیه که به دستگاه تولید پروتئین توی سلول میگه که چه پروتئینی تولید کنه. ایده این بوده که یه ام آر ان ایی بسازن که بتونه باعث بشه یه نوع سلول خاص به اسم فایبروبلاست سلول های بنیادی تولید کنه، بعد این سلول های بنیادی رو تبدیل کنن به یه سلول دیگه توی بدن. این ایده از روی کار دوتا استاد دانشگاه پنسیلوانیا در اومده که تلاش کرده بودن MRNA رو به حیوون ها تزریق کنن و پاسخ سیستم ایمنی بدنشون رو ضعیف کنن. نه اینکه تغییر بدن ها، فقط کمی ضعیف کنن. نویسنده ی مقاله میگه اونجا به نظرمن ایده ی جالبی اومد، ولی نه برای ساختن سلول بنیادی، برای اینکه بتونیم کاری کنیم که سلول های بدن برای خود بدن دارو درست کنن. ایده ای که دهه ها بود بشر دنبالش بود، ولی کسی تا اون روز موفق نشده بود که به چیز بدردبخوری برسه.

نتیجه ی این حرفا شد اینکه نویسنده ی مقاله که گفتیم از بنیان گذار های فلگ شیپ هم هست، یه پروژه ی تحقیقاتی 7 ماهه رو استارت زدن توی همون فلگ شیپ که بیان به یه سوال جواب بدن. سوال این بود که: "چی میشه اگه بتونیم یه MRNA رو بسازیم که وقتی به بیمار داده میشه، سلول خود بیمار رو تبدیل به کارخونه های کوچیکی بکنه که داروی زیستی که ما میخوایم رو تولید کنن؟" هیچکس تا اون روز MRNAی نساخته بود که کاربرد دارویی داشته باشه. حتی هیچ اثباتی وجود نداشت که این کار از نظر علمی کلا شدنی باشه! همین موسس ها اول رفتن با متخصص های متفاوتی از حوزه های مختلف در مورد امکان ساختن این MRNAها صحبت کردن. بعد رفتن دوتا محقق جوون رو از یکی از پیشروترین آزمایشگاه های جهان توی حوزه‌ی RNA استخدام کردن که روی مسئله کار کنن. این دوتا جوون قرار بود به این سوال جواب بدن که آیا MRNAمیتونه این امکان رو به بیمار ها بده که بدن خودشون داروشون رو تولید کنه؟

تلاش برای جواب دادن به این سوال کلی معمای جدید درست کرد. قبلتر هم گفتیم یه گروهی تونسته بودن MRNA رو بزن به حیوون ها و مقدار پاسخ دستگاه ایمنی بدنشون رو کم کنن ولی مشکل اینجا بود که پاسخ دستگاه ایمنی به اندازه ی کافی کم نشده بوده که دارو بتونه کار کنه. MRNAرو بدن یه چیز خارجی حس میکرده ، دستگاه ایمنی هم هرچی اون سلول ها تولید میکردن نابود میکرده. راهی پیدا نشده بوده هنوز که بتونن این MRNA رو بذارن توی سلول و این بتونه مداوم داروش رو تولید بکنه. تیم رفت سراغ ساختار شیمیایی تا با عوض کردنش پاسخ دستگاه ایمنی رو کم کنه. اونجا مشکل پایداری پیش اومد. وقتی تغییر میدادن ساختار شیمیایی رو MRNAناپایدار میشد و قبل از اینکه اصلا بره توی جاش قرار بگیره، تجزیه میشد و از بین میرفت. سوال این بود که میشه اصلا یه کاری کرد که MRNA با تغییر شیمایی پایدار بشه؟ برای بقیه ی نوع های RNA شدنی بود. همینجا بگیم نتیجه ی تحقیقات نشون داد اصلا نمیشه MRNA رو پایدار کرد با تغییر شیمیایی. لازمه راه دیگه ای پیدا بشه!

دوباره هیچ دیتایی وجود نداشته از اینکه به این سوال ها چجوری میشه جواب داد. هیچکسی تا اون روز نرفته بوده دنبال جواب این سوال ها. مثلا هیچ کسی نمیدونسته وقتی MRNA رو تزریق میکنیم به حیوون، اصلا کجا میره MRNA؟ هیچکس نمیدونست اصلا گیریم جلوی تجزیه‌ی MRNA رو توی جریان خون گرفتیم، اگه رفت توی سلول، اصلا میتونه به اندازه ی کافی دارو تولید کنه که برای بدن فایده داشته باشه؟ گیریم اندازه ی تولید دارو هم کافی بود. این دارو وقتی از سلول میاد بیرون باید یه شکل 3بعدی خاصی رو به خودش بگیره که تاثیرگذار باشه. کسی نمیدونست میشه یه چیزی درست کرد که وقتی از سلول خارج شد، شکل فضایی درست رو بگیره به خودش یا نه؟ داستان اینجا تموم نمیشه، جواب این سوال ها که وجود نداره هیچ. ابزارهایی که لازمه داشته باشیم تا بتونیم باهاشون به این سوال ها جواب بدیم هم ساخته نشده! پس اگه ابزاری هم توی مسیر لازمه باید خودمون بسازیم!

چند ماه که از شروع کار گذشت تیم سوال های خیلی سخت و مهمی داشت و جواب های خیلی کمی رسیده بود. تیم به این باور رسیده بودن که از نظر اقتصادی اگه بتونن این پروژه رو به نتیجه برسونن، سود وحشتناکی میشه درست کرد. مزیت اینکه تحقیقات خیلی کمی هم توی این حوزه وجود داره براشون این بود که میتونستن بخش زیادی از چیزهایی که دارن میسازن رو تبدیل به پتنت کنن. حالا حتما یه پست اینستاگرامی در مورد پتنت ها میذاریم بعدا، اینکه توضیح بدیم اصلا ذات پتنت چیه و به چه درد میخوره. بگذریم. اسم مدرنا سال 2011 اصلا به وجود اومد. قبلش اسم پروژه بود Protoco LS18.تا 2011 کلی پتنت رو شروع کرده بودن به ثبت کردن و یه آزمایشگاه مجزای جدید به تیم داده بودن. 6 ماه اول 2011 به تزریق دارو به موش گذشت، سعی میکردن ساختار شیمیایی MRNA رو تغییر بدن تا همون بحث های سیستم ایمنی و پایداری رو حل کنن. اکثر MRNAها تجزیه میشدن، ولی بعضی هاشون نمیشدن و یه مقدار کمی دارو درست میکردن، بعد مقدار دارو زیاد شد. اواسط 2011 بالاخره داشت نشونه هایی از اینکه اصلا یه همچین کاری از نظر علمی احتمالا شدنیه، پیدا میشد.

از داستان مدرنا میخوایم سه تا خاصیت این فرآیند رو استخراج کنیم. خاصیت اول اینه که هیچ لحظه ی غیرمنتظره ای وجود نداره توی این فرآیند. اون اتفاق بزرگ، نتیجه ی آزمایشهاییه که آروم آروم داریم انجام میدیم، برای اینکه برسیم به اون نقطه ای که باید ممکنه آزمایشها بزرگ یا کوچیک باشن، ولی هیچکدوم اینطوری نیستن که یهو یه راه حل بزرگ رو برامون باز کنن. مثلا یکی از این قدم ها این بود که MRNA رو بدن نابود میکرد چون فکر میکرد یه عامل بیرونیه. اومدن آزمایشهای مختلف انجام دادن که چطوری بیایم بین چیزهای دیگه قایم کنیم MRNA رو که بدن نفهمه و بعد از کلی آزمایش موفق شدن. قدم بزرگ و مهمیه، ولی در نهایت، اینطوری نیست که یک لحظه ی خاص داشته باشه. پروسه اس.

نکته ی دوم که توی این فرآیند وجود داشت و برعکس همه ی چیزهاییه که توی کارکست معمولا تعریف میکنیم، اینه که این فرآیند رو حل کردن یه مشکل خاص متمرکز نبوده. داشته به این سوال جواب میداده شرکت،که آیا MRNAمیتونه ابزار تولید دارو داخل بدن باشه؟ هیچ بیماری مشخصی رو هدف نگرفته بوده، هیچ نیاز مشخصی از کاربر رو نمیخواسته حل کنه. انگار میخواسته به یه کنجکاوی علمی جواب بده. درسته ما مدرنا رو الان به واکسن کروناش میشناسیم، ولی نه واکسن کرونا، نه داروهای ضد سرطانی که ساختن و نه دارو های دیگه شون هدف اولیه ی شرکت نبوده، هدف شرکت تولید یه تکنولوژی ارزشمند بوده. توی اپیزود بعدی که گفتیم در مورد دارپا حرف میزنیم، میخوایم دقیقا مسیر برعکس رو بریم. بگیم دارپا چطوری همین نوع از نوآوری ها رو روی مسائل مشخص انجام میده. تقریبا توی همه ی اجزا فرق میکنه با روش فلگ شیپ.

نکته ی سوم این فرآیند اینه که در لحظه ی اول تقریبا همه چیز حدس و گمانه. اینطوری نیستش که دانش کافی داریم که بدونیم به کدوم سمت قراره بریم. نه، فقط میدونیم خیلی خوبه اگه یه اتفاقی بیفته. همون سوال چی میشه اگه. حالا حرف میزنیم دوباره در موردش. ولی حرف اصلی اینه که ما نمیدونیم از کجا قراره سر در بیاریم. فقط میدونیم یه چیزی اگه بشه، چقدر خوب میشه!

حالا هی گفتیم مدل داروین و emergent discovery و این صحبتا. گفتیم مدل های قبلی شبیهن ولی ایراد دارن. هی نگفتیم تهش مدلی که مقاله پیشنهاد میکنه چیه. حالا میخوایم بریم سراغ مدل پیشنهادی مقاله برای همین بخش آخر که چطوری از حدس و گمان برسیم به راه حل!

مدل پیشنهادی

برخلاف طبیعت، تولید انواع توی نوآوری یه فرآیندیه که بشر به آرومی انجامش میده. مثل طبیعت یهویی نیست. مثلا شما صنعت خودرو رو نگاه کنید. همیشه میخواستن یه ماشینی بسازن که کمتر مصرف کنه و به طبیعت کمتر آسیب بزنه. چند دهه است که دارن نوآوری های کوچیک کوچیک انجام میدن. از اینکه خودرو هارو از نظر مصرف سوخت بهینه کنن بگیر، تا کاتالیست توی اگزوز، تا کم کردن وزن خودرو، تا طراحی بهتر موتور (مثل اضافه کردن توربو شارژ) یا حتی سیستم های کنترل پیشرفته که بیان بهتر موتور رو کنترل کنن. همه ی اینها همون اول کار که موتور احتراق داخلی ساخته شد، پیشبینی شده بودن.

چی پیشبینی نشده بود؟ استفاده کردن از باطری و برق توی ماشین. این اتفاق نمیشد بیفته تا موقعی که باطری های لیتیوم یون انقدر پیشرفت کردن (اونم به لطف موبایل و تبلت و لپتاپ که توشون باطری قوی نیاز بود) که دیگه میشد ماشینی ساخت که از پایه احتراق داخلی نباشه. آدما این بایاس رو دارن که ایده هایی که قبلا کار کرده رو بردارن، یه کمی بهترش کنن، اسمش رو بذارن نوآوری. البته که این کار هم نوآوری هست، ولی از اون چیزایی که دنیا رو تکون میده، نمیشه.

روش فلگ شیپ، اولین کاری که میکنه اینه که میاد کلا جاهایی که شرکت های دیگه به صورت مفصل توش تحقیقات انجام دادن رو میذاره کنار. میدونن که اونجاها اکثر چیزایی که میشه فهمید رو دیگران فهمیدن. بعد یه تیم کوچیک با توانایی های مختلف درست میکنن، که روی اون فضا شروع به تحقیق کنه. چونکه تحقیق قبلی هم توی اون فضا وجود نداره، نمیشه روش معمول تحقیقات علمی رو استفاده کرد که میریم کار دیگران رو میخونیم، فضاهای خالی بین کارهای مختلف رو پیدا میکنیم و در مودشون تحقیق میکنیم. اینجا باید از پایه همه چیز رو خودمون بسازیم.

فضا رو که انتخاب کردیم، از خودمون یه سوال چی میشه اگه میپرسیم. یعنی چی؟ مثلا ما میدونیم که توی بدن آدم کلی قارچ و باکتری و ویروس و اینها وجود داره. میدونیم هم که با خوردن غذا هم قارچ و ویروس و باکتری وارد بدنمون میشه. سوالی که اینجا میشه پرسید اینه که آیا این تک سلولی ها با هم تعامل میکنن؟ آیا باهم ارتباط دارن؟ چطوری تعامل میکنن و با هم ارتباط برقرار میکنن؟ آیا این تک سلولی ها توی فرآیند های اساسی عصبی بدن هم نقش دارن؟ به ارتباطات عصبی خود بدن هم مرتبطن؟ جواب این سوال ها بله بوده. و وقتی جواب بله است، سوالی که میشه پرسید اینه که چی میشه اگه یه دارویی درست کنیم که از این شبکه ی بین تک سلولی ها برای بهبود سلامتی آدما استفاده کنه؟

این سوال چی میشه اگه سوال پایه ای شرکت senda biosciences بود که از سال 2017 تا الان 143 میلیون دلار جذب سرمایه کرده و از شرکت های فلگ شیپه.

این سوال های چی میشه اگه رو از زمان ارسطو بشر داره میپرسه، ولی به عنوان ابزار نوآوری استفاده ازشون سخته. اینجا 3 تا ایراد رو میگیم که آدما معمولا توش میفتن و نمیتونن از این سوالهای چی میشه اگر استفاده کنن تا نوآوری کنن.

اشتباه اول اینه که فکر میکنیم فرضیه ای که مطرح میکنیم رو باید سریع بتونیم جواب بدیم که درسته یا غلطه. همیشه به تیمای نوآوری فشار میاد که بتونن خیلی سریع نشون بدن فرضیاتشون درسته یا غلطه. این فشار باعث میشه یه بایاسی توی آدما به وجود بیاد که جرئت نداشته باشن از فضایی که توش اطلاعات دارن زیاد دور بشن. ما که دوست نداریم حدس غلط بزنیم اول کار، وقتی فشار رومون زیاد میشه، باعث میشه که حدس های خیلی دور از علممون نزنیم که احتمال غلط بودنشون کمتر باشه. توی فضای نوآوری غیرمنتظره ولی داریم خودمون میگیم دیگه، دنبال چیز غیرمنتظره هستیم، پس اصلا اکیه که حدس غلط بزنیم، اتفاقا بعید نیست که اکثر حدس هامون هم غلط باشه اول کار. ازیه فرآیند تکرارشونده برای بررسی حدس هامون استفاده میکنیم، که هی هربار دقیق و دقیقتر بشن. خیلی خیلی بعیده که حدسمون از روز اول کامل و دقیق و درست باشه.

اشتباه دوم اینه که خیلی ها فکر میکنن این سوال چی میشه اگه، باید حتما متمرکز روی یه مشکل خاص باشه. اینجا اونجاییه که فرق بین دارپا و فلگ شیپ واضح میشه. فلگ شیپ این رو اشتباه میدونه، دارپا اصلا این رو جزو اصول مدلش قرار داده. نویسنده ها میگن فرق دارپا و فلگ شیپ توی نوع استراتژیه. هردو هم میتونه موفق باشه. توی اپیزود بعد در مورد دارپا حرف میزنیم، مدل فلگ شیپ ولی بیشتر دنبال شناخته تا حل کردن یه مسئله ی خاص. در واقع انگار میخوان یه علمی تولید کنن، بعد ببینن با این علمه چه مسئله هایی رو میشه حل کرد که تا قبل از اون حل نشدنی بودن.

اشتباه سومی که نویسنده ها ازش حرف میزنن اینه که فکر کنیم بخاطر اینکه امکان غلط بودن وجود داره، میتونیم سوال های چی میشه اگه رو نا دقیق و کلی بپرسیم. نویسنده ها تاکید دارن که سوال باید دقیق و جزئی باشه. دقیق بودن سوال مهمه، نه بخاطر اینکه فکر میکنیم درست حدس میزنیم، بلکه بخاطر اینکه میخوایم بدونیم روی چی باید تمرکز کنیم و همه روی چیزهای درست تمرکز کنیم. وقتی جزئیات رو میاریم توی سوالمون، حالا دیگه میدونیم که چه آزمایشهای اساسی ای رو باید انجام بدیم که به نتیجه برسیم کار رو داریم درست انجام میدیم یا نه؟

مثال بزنیم.

یه سوال میتونه باشه: چی میشه اگه بتونیم یه ماشینی بسازیم که خودش رانندگی کنه؟، یا میشه پرسید: چی میشه اگه یه ماشینی بسازیم که به صورت 100%ی فقط خودش رانندگی کنه، از یه سیستم 360 درجه ی سنسور یا رادار لیزری، مادون قرمز و اولتراسونیک استفاده کنه، جلو، بغل و عقبش دوربین نصب شده باشه و با کامپیوتری که روی خود ماشینه و میتونی 30 هزار میلیارد فولوتینگ پوینت رو پردازش کنه و با هوش مصنوعی کنترل بشه. جی پی اسی داشته باشه که دقتش 1 متره و ماشین بتونه فاصله ی خودش رو با ماشین های دور و بر خودش به صورت real-timeداشته باشه.

البته میدونم مثال دوم خیلی فنیه، ممکنه برای کسی که دانش فنی نداره، گنگ باشه. ولی خب تیمی که دارن این سوال رو میسازن و روش کار میکنن متخصص هستن دیگه. حالا خلاصه. سوال اول رو که میشنویم، میگیم خیلی جالب میشه آره. ولی از اونجا به بعد دیگه نمیدونیم چیکار قراره بکنیم. سوال دوم ولی، کلی فرض علمی بهمون داده که بریم سراغ اثبات کردنشون. مثلا میتونیم بپرسیم 30 هزار میلیارد پردازش فلوتینگ پوینت کافیه؟ چطوری باید ماشین فاصله اش رو با بقیه ی ماشین ها پیدا کنه؟ از این جور سوال ها. نویسنده ها میگن سوال هایی که میپرسیم باید از جنس سوال دوم باشه. دقیق و جزئی. فلگ شیپ میگه، اگه ندونیم که در نهایت میخوایم به کجا برسیم، انتخاب کردن مسیر در حد غیرممکنی سخت میشه.

پس این شد که با یه سوال چی میشه اگه شروع کنیم، و سوال چی میشه اگه چطوری باشه یا نباشه. با این ابزار، تولید انواع میکنیم. ایده های مختلفی که میخوایم روشون کار کنیم رو شناسایی میکنیم. حالا مسئله ی بعدی میشه اون فشار تکاملی که باید ایجاد کنیم تا ایده ها هرس بشن.

اعمال فشار انتخاب طبیعی توی نوآوری های اینشکلی میشه که فرضیاتمون رو به صورت مداوم بررسی و پاک سازی کنیم. راه های مختلف داره انجام دادنش. دیتا جمع کنیم و بررسی کنیم، آزمایش طراحی کنیم و انجام بدیم، حتی از نظر و نقد متخصص های خارج از کارمون کمک بگیریم. حتی اون کسی که میگه این ایده عمرا هیچوقت به نتیجه نمیرسه، میتونه نظرات ارزشمندی بهمون بده. این بحث هایی که اتفاق میفته میتونه کمک کنه که برسیم به اون چیزهایی که از دستمون در رفته و ندیدیمشون. اگه این فشار طبیعی درست کار کنه، به جای حذف کردن ایده ها، بهمون نشون میده کدوم فرضیات غلط بوده و کدوم فرضیات درست بوده. چطوری فرضیات غلط رو جایگزین کنیم که برسیم به اون جایی که میخوایم. یه جاهایی هم حتما ضعف توی فرضیه به شدتیه که دیگه نمیشه این ایده رو ساخت، اون فرضیه ی خیلی پایه ای یه طوری رد شده که دیگه نمیتونیم جایگزینش کنیم، اینجاست که ایده ها میمیرن. ولی وقتی آزمایشی میسازیم که یه فرضیه رو رد میکنه، دوتا فایده ی بزرگ هم داره برامون. یکی اینکه یه چیزی یادمیگیریم که قبلا نمیدونستیم، یکی اینکه ممکنه این شکست بهمون یه ایده ی جدید بده برای اینکه چطوری یه راه کاملا متفاوت پیدا کنیم. حالا برای اینکه اوضاع بهتر هم بشه، فلگ شیپ میاد از چند زاویه ی مختلف سعی میکنه یه سوال چی میشه اگه رو حل کنه. یعنی چندتا تیم مختلف میان با نگاه های مختلف سعی میکنن مسئله رو حل کنن. برخلاف اکثر شرکت ها اینجا هدف این نیست که بازنده رو پیدا کنیم و بندازیم بیرون، هدف اینه که از جنبه های مختلف یه مسئله رو یادبگیریم و اگر یکی از روش ها شکست خورد بازم روش برای رسیدن به هدفمون داشته باشیم. اینجا هم داستان تموم نمیشه حتی، اگه یه ایده ای شکست خورد، تیمش هم دانش دارن، هم تجربه، میرن کنار تیمهای دیگه به اونها کمک میکنن که مسیر رو پیش ببرن، کسی از بین نمیره، کسی بیرون نمیره، همه باهم سعی میکنن با انتخاب طبیعی مسئله رو حل کنن. این اون چیزیه که مهمه توی فرآیند فلگ شیپ.

این پروسه ممکنه خیلی پر ریسک و خطرناک به نظر برسه، ولی اگه درست مدیریتش کنیم، میتونه نتایج خارق العاده درست کنه. اول اپیزود اگه یادتون باشه گفتیم فلگ شیپ 100 تا شرکت اینطوری درست کرده، فکر کنید، 100 تا مدرنا! عجیبه واقعا. اونم از سال 2000 تا الان. توی 21 سال 100 تا شرکت. میگن راز موفقیت اینه که بتونیم هر آزمایشو تا جای ممکن ارزون و سریع انجام بدیم. به جای اینکه سعی کنیم همه ی ابعاد فرضیه مون رو با حداکثر دقت یه جا آزمایش کنیم. هدف اینه که بتونیم توی یک سال اول، با صرف کردن 1 تا 2 میلیون دلار به این جمع بندی برسیم که اصلا کاری که میخواد انجام بشه شدنی هست یا نه. شاید الان بگید 1 تا 2 میلیون دلار پول کمی نیست، ولی توی حوزه ی دارو واقعا پول کمیه. سرمایه گذاری ها توی این حوزه معمولا از جنس میلیارد دلاره، نه میلیون دلار. مهم ترین معیار سنجش موفقیت رو فلگ شیپ نسبت یادگیری به پول خرج شده میدونه و این یه نگاه کاملا خاص و متفاوته.

این اپیزودمون نسبت به اکثر اپیزود ها طولانی تر بود. البته که حتی مقاله رو هم تموم نکردیم و بخش های مربوط به پیاده سازی این روش توی مقاله هست که میتونید از توضیحات اپیزود لینکش رو پیدا کنید و برید سراغش. مقاله ی نسبتا طولانی ای بود. حرفایی که زدیم مهم بودن، از یه نگاه دیگه هم توی اپیزود بعدی میبینیمشون ولی باید الان جمع بندیشون کنیم که یادمون نره چی گفتیم، این دفعه حرف زیاد زدیم.

جمع بندی:

از اینجا شروع کردیم که مدرنا زاده ی نگاه تکاملی به فرآیند نوآوریه. گفتیم اسم نوآوری هایی که رفته بودن دنبال نوآوری های غیر منتظره است. نوآوری ای که انگار هم ادامه ی نوآوری های قبلی نیست و یه پرشی توی علم ایجاد میکنه و هم اینکه ارزشمنده از نظر کاربردی و اقتصادی. بعد گفتیم این ایده که هی ایده های مختلف رو راه میندازیم تا یکیش بشه، خیلی بهینه نیست و حتی جلوی رشد ایده های غیرمنتظره رو میگیره. به جاش روش emergent discovery رو پیشنهاد دادیم که شامل دوتا بخش بود. یکی اینکه نمونه های مختلف رو توسط سوال های چی میشه اگه تولید کنیم، بعدش هم با استفاده از فشار انتخاب طبیعی بیایم فرضیه هامون رو بررسی کنیم و بهبود بدیم تا برسیم به اون جایی که میخوایم. توضیح دادیم توی سوال های چی میشه اگر باید 3 تا شرط رو رعایت کنیم. فرضیات لازم نیست خیلی سریع اثبات یا رد بشن، بلکه فرآیندش مهمه، دوما اینکه لازم نیست این سوال ها متمرکز روی یه مشکل خاص باشن، در آخر هم اینکه این سوال ها باید دقیق و مشخص باشن.

خب رسیدیم به آخر طولانی ترین اپیزود کارکست تا امروز. حرفهایی که میخواستیم بزنیم مهم بودن و دلمون نیومد یه بخشیش رو حذف کنیم. این اپیزود، اپیزود یکی مونده به آخر این فصله. فصل قبل رو با حرف هایی در مورد چین تموم کردیم و این فصل رو میخوایم با حرفهایی در مورد نوآوری های نظامی آمریکایی تموم کنیم. همیشه علاقه مون به نوآوری بوده توی کارکست و برامون جذابه که فصل هامون رو با نوآوری بزرگترین قدرت های اقتصادی دنیا ببندیم. مثل فصل قبل، این فصل هم که تموم بشه برمیگردیم به مدرسه ی کارکست و شروع میکنیم به منتشر کردن اپیزود های اون. اگر هم تازه با ما آشنا شدید و نمیدونید مدرسه ی کارکست چیه، باید بهتون بگم که مدرسه یه پادکستیه که توش در مورد این حرف میزنیم که چطوری استارتاپ خودمون رو راه بندازیم و جلو ببریم. از روزی که حتی نمیدونیم میخوایم استارتاپ راه بندازیم یا نه شروع میکنیم و تا رسیدن به یه استارتاپ که جذب سرمایه کرده پیش میریم. اگه این موضوع براتون جذابه، هرجایی که پادکست رو گوش میکنید، سرچ کنید مدرسه ی کارکست، براتون میاره پادکست مارو.