Что-то я поняла, что меньше всего мне бы хотелось работать в организации, которая хорошо и эффективно управляется.

В основном, с моими навыками, я могу заниматься на работе двумя видами деятельности:
1) Более-менее теоретические исследования с последующими публикациями - тогда метриками успеха является, как правило, количество публикаций и их цитируемость;
2) Прикладные исследования, направленные на решение конкретной бизнес проблемы - тогда метрикой успеха, как правило, является решение проблемы с хорошим соотношением цена-качество (в качестве "цены" в данном случае выступает время, которое мне понадобилось для удовлетворительного решения).

Оба вида задач выглядят вполне пристойно и интересно (особенно, конечно же, первый) ровно до тех пор, пока менеджеры не начнут зацикливаться на оптимизации целевых метрик. Эта оптимизация способна превратить оба вида деятельности в тупое говно тупого говна:
1) Оптимизация количества публикаций влечет то, что статьи ставятся на поток. Получился какой-то интересный результат или нет, неважно, главное, слепить и протолкнуть N статей в год на конференции из CORE/в определенный список журналов и т.п. Конечно, при такой постановке задачи основной труд будет заключаться не в том, чтобы вдуматься в научную проблему, проникнув внутренним взором в тайны бытия и поняв какое-то явление или изобретя красивое решение какой-нибудь проблемы, а в том, чтобы на скорость получить и обернуть очередной однообразный, ожидаемый результат в красивый фантик. Ведь фантик очень важен для того, чтобы ревьюеры не догадались, что в статье на самом деле описан не эксперимент, а экскремент, а конференция выполняет функции унитаза. Оптимизация цитирований также на самом деле не особо стимулирует к умственной деятельности. Скорее, к тому, чтобы постоянно сидеть в пределах максимально "горячих" трендов, которые максимизируют количество привлеченного внимания со стороны научного сообщества. Ну и, подытожив, оба вида оптимизации заставляют гоняться за низко висящими плодами и мешают углубляться в такие исследования, где есть высокий риск не получить результата. (Для душнил: я НЕ считаю, что заниматься мейнстримными темами обязательно плохо или что хорошо излагать свои мысли и красиво оформлять статьи не нужно, речь о другом).
2) Почему меня не радует оптимизация моего результата для бизнеса, наверное, еще более очевидно. Во-первых, никому не нравится, когда тебя выжимают, как лимон, а когда выгораешь, просто нанимают вместо тебя нового сотрудника. Во-вторых, как очевидно из содержимого этого канала, мне нравится заниматься познавательной деятельностью, в том числе, например, разбираться в инструментах и моделях, с которыми я работаю. Но если цели бизнеса достаточно хорошо оптимизированы, разбираться и экспериментировать с тем, что мне интересно, мне позволят ровно до того предела, который нужен, чтобы выполнить задачу и не больше. Потому что больше - невыгодно. В таких условиях приходится просто нестись галопом от одной задачи к другой, каждый день по десять раз копируя говняшки со stackoverflow, до конца ни в чем не разбираясь и не ведая, что творишь. Проникать в тайны бытия также некогда, как и в варианте со статьями.

Спасибо, но, по-моему, сидеть и заниматься своими задачами как считаешь нужным, не привлекая внимания санитаров менеджеров намного приятнее и интереснее. И пусть весь мир подождет. 😌

P.S. Надеюсь, HRы не прочитают этот пост и не занесут меня навсегда черными-черными маркерами в свои черные-черные списки за отсутствие бизнесового мышления 🎩
P.P.S. На текущей работе я пока не особо сталкиваюсь с данными антиутопичными картинами (именно поэтому и продолжаю тут работать уже почти три года). Они обрисованы на основании некоторой части моего опыта с предыдущих работ и рассказов знакомых из индустрии и академии. ☔️

#о_себе

В предыдущем посте я писала про такую "оптимизацию" работы организации, которая, хоть и вызывает уныние у сотрудников, но хотя бы реально увеличивает прибыль... например, большое количество статей действительно повышает престиж научного университета и позволяет привлекать больше капитала (в т.ч. человеческого). А если приводить пример про бизнес: создание большой каловой массы донатных игр на смартфон низкого качества - реальная бизнес-стратегия, позволяющая получать реальную прибыль. С ML продуктами тоже бывает похожая история (особенно когда область на хайпе), хотя там это менее заметно и поэтому сложнее подобрать яркий пример.
А как насчет случаев, где организация настолько преисполняется в улучшении собственной эффективности, что работа становится бесполезна и неинтересна не только для сотрудника, но и для самой организации? 😂

Раб. 1. Моей первой работой в офисе была работа инженера по расчетам, где надо было оптимизировать параметры рабочей части некоего промышленного устройства. Пайплайн был такой: сначала по заданным параметрам конструкции (аналог гиперпараметров в ML расчетах) автоматически строилась 3D модель рабочей части устройства; затем эта модель должным образом преобразовывалась и загонялась в программу для физической симуляции (CAE пакет). Там происходила симуляция, после которой выдавались ожидаемые результаты работы устройства на практике. Функцией, которую нужно было максимизировать, был КПД, но при этом нужно было следить и за другими параметрами, чтобы они оставались в допустимых пределах. Например, важной частью было следить за тем, чтобы на рабочих частотах не возник резонанс и все вокруг не разнесло к хуям. По итогам наиболее богоугодная 3D модель отправлялась на завод, где по ней станок вырезал физическое устройство для реальных испытаний.
Ну так вот. Начальник предприятия считал, что раз он потратил миллионы рублей на расчетные сервера, то лучший способ побыстрее аммортизировать их стоимость - максимально утилизировать компьют. В результате мне на всю жизнь запомнились фразы в характерном приказном тоне: "Расчеты должны идти всегда." и "Пока расчет не поставишь, домой не уходишь.". Сейчас я, услышав подобное, просто сразу бы написала заявление на увольнение, но тогда я была молодой, неопытной и покорно оставалась на работе до ночи, если симуляция не запускалась (существуют десятки причин, по которым она может не запуститься, и иногда приходится долго разбираться, как правильно поставить начальные условия).
Надо ли говорить, что симуляция имела конечную погрешность, и после какого-то порога дальнейшая оптимизация становилась бессмысленной? Но чтобы уйти домой, расчет все равно ставить было надо, и мне приходилось жечь электричество ненужными симуляциями, которые не добавляли новой информации, но зато радовали начальника. Теперь я даже немного жалею, что не ставила на тех серверах майнинг. Электричество бы расходовалось так же, зато была бы хотя бы какая-то прибавка к моей тогдашней микро-зарплате 😂

Раб. 2. Второй пример - с работы, на которой нужно было тренировать большое количество маленьких ML-моделек, занимаясь подбором гиперпараметров и feature engineering отдельно для каждой из них. Через пару месяцев этого однообразного занятия я поняла, что наш перебор укладывается в определенные шаблоны, и его несложно автоматизировать. Написав скрипт для такой оптимизации, я гордо показала его тимлиду. Мол, смотри - теперь можно не делать этого вручную, а поставить скрипт. Тимлид был очень рад... тому, что у меня освободилось свободное время, и дал мне больше задач, включая "любимую" всей командой задачу, где надо было по ТЗ вручную прописывать if-ы для экспертной системы (я называла эту задачу "карательное программирование"). 😂 Естественно, коллеги посмотрели на это и продолжили делать все вручную, чтобы, так сказатб, тоже не словить маслину. И вроде бы выходит, что бизнес оптимизирует ресурсы, когда перекидывает людей с освободившимся временем на насущные проблемы, а вроде бы и отбивает какое бы то ни было желание оптимизировать процесс. История стара, как мир 😂

#карьера