الفرضيات والافتراضات وفرز الفرصة

حوّل الافتراض إلى فرضية يمكن أن تخسر

الافتراض اعتقاد نستخدمه في القرار قبل أن يثبت بما يكفي، مثل «المدرسون يرون تغيير الموعد مشكلة مهمة». الفرضية تجعل الاعتقاد أكثر قابلية للفحص: تحدد لمن وفي أي سياق وما السلوك المتوقع وما الاختبار وما النتيجة التي ستقوي أو تضعف الاعتقاد. الفرضية الجيدة لا تُكتب بحيث تنجح أي نتيجة؛ يجب أن تسمح بإمكانية واضحة أن نتعلم أننا مخطئون.

صيغة عملية يمكن استخدامها: «لدى [شريحة] في [سياق] هذا الاعتقاد: [سلوك أو نتيجة متوقعة]. سنفحصه بواسطة [اختبار]، وسنستخدم [حد قرار محدد مسبقًا] لتحديد ما إذا كنا سنستمر أو نعدل أو نتوقف». حد القرار هنا ليس حقيقة علمية عالمية؛ هو قاعدة قرار مرحلية يجب تبريرها قبل رؤية النتيجة حتى لا نغيّر المرمى بعد الاختبار.

اختبر الافتراض الأكثر خطورة، لا الأسهل فقط

ليست كل الافتراضات متساوية. يمكن فرزها بعدستين عمليتين: أثر الخطأ وعدم اليقين. إذا كان الافتراض خاطئًا وسيجعل المشروع غير منطقي، وكان الدليل عليه ضعيفًا، فهو مرشح قوي للاختبار المبكر. أما افتراض منخفض الأثر ومنخفض عدم اليقين فقد ينتظر. هذه مصفوفة تفكير وليست معادلة علمية؛ المهم أن نوضح لماذا قد يغيّر خطأ معين القرار بدل اختبار تفاصيل مريحة لا تؤثر في المسار.

طابق الدليل مع الادعاء

السؤال «هل توجد المشكلة؟» قد يستفيد من مقابلات عن أحداث سابقة. السؤال «هل سيكمل المستخدم عملية معينة؟» قد يحتاج نموذجًا أوليًا أو تجربة استخدام. السؤال «هل سيلتزم العميل فعليًا؟» قد يحتاج إشارة أقوى مثل حجز وقت، إدخال بيانات فعلية غير حساسة، طلب تجريبي، أو خطوة شراء حقيقية عندما يكون ذلك مناسبًا أخلاقيًا. لا يوجد نوع دليل واحد أفضل لكل الادعاءات؛ قوة الدليل تأتي من قربه من السلوك أو النتيجة التي نريد الحكم عليها.

تساعد مناهج مثل Lean Startup على جعل التعلم التكراري والتجارب أكثر وضوحًا، لكنها أدوات وليست ضمان نجاح أو حقيقة علمية مكتملة. بحث محكّم يناقش كيف يمكن للتجريب أن يخفض عدم اليقين، وفي الوقت نفسه يوثق حدودًا تتعلق بتوليد الفرضيات، والتعلم من ملاحظات العملاء، واحتمال دفع التجارب إلى تحسينات تدريجية بدل ابتكارات أوسع. لذلك نستخدم دورة «فرضية — اختبار — تعلم — قرار» مع حكم سياقي، لا كطقس يجب اتباعه بحرفيته.