В конце сентября в нижегородском кампусе НИУ ВШЭ состоялась открытая лекция «Приручить неопределенность: тренды, джокеры, сценарии — как думать о будущем системно». Юлия Мильшина, заместитель директора Международного форсайт-центра, рассказала об эффективных подходах к управлению неопределенностью и о слабых и сильных сторонах использования ИИ в стратегических исследованиях.
В условиях замедления глобального роста, фрагментации цепочек создания стоимости и беспрецедентной технологической гонки линейная экстраполяция («тренд шел так пять лет, значит, продолжится так же») больше не работает. Соответственно, задача бизнеса смещается от модели угадывания единственного будущего к системной навигации в пространстве множественных вариантов, рассказала Юлия Мильшина.
Современный форсайт предлагает несколько инструментов для работы с неопределенностью. Один из них — это сканирование горизонтов (horizon scanning), состоящее в непрерывном мониторинге больших массивов данных для выявления специфических индикаторов будущих изменений, так называемых слабых сигналов.
Слабыми сигналами в форсайте называют фрагментарные индикаторы, которые еще не оформились в устойчивый статистический паттерн. Системное сканирование сотни миллионов документов — научных публикаций, патентных баз, вакансий на рынке труда, чатов нишевых форумов и профессиональных сообществ — позволяет выявлять такие сигналы, устанавливая в них признаки будущих трендов, которые определят развитие технологий и общества на следующие десятилетия.
Современный форсайт исходит из того, что неопределенность — это объективное свойство сложных систем, а не недостаток информации. Кейсы Kodak, BlackBerry и Nokia доказывают, что у катастроф почти всегда есть скрытые сигналы и публичные предвестники. Главный риск для компаний заключается не в незнании, а в когнитивном нежелании видеть сигналы, противоречащие текущей успешной стратегии.
Для поиска и интерпретации слабых сигналов эксперты Форсайт-центра используют интеллектуальную систему iFORA, разработанную в ИСИЭЗ НИУ ВШЭ.
Искусственный интеллект, считает Юлия Мильшина, это мощный ускоритель рутинной работы с данными. Он способен быстро и качественно резюмировать будущие тренды. Единственная его слабость, которая зашита в его структуру, состоит в том, что ИИ не в состоянии самостоятельно обнаруживать по-настоящему новые, еще никем не отрефлексированные слабые сигналы, которых нет в тех данных, на которых обучалась модель.
Таким образом, хотя ИИ и помогает обрабатывать миллионы текстов в поисках слабых сигналов, реальное выявление редких, контринтуитивных наблюдений, идущих вразрез с общим информационным потоком, почти всегда остается задачей исключительно человеческого внимания, направленного на нишевые и непопулярные источники.