Инновационный подход к сценарному планированию в условиях пандемии COVID-19

Никитинс И.1
1 Российский университет дружбы народов

Статья в журнале

Вопросы инновационной экономики
Том 12, Номер 2 (Апрель-июнь 2022)

Цитировать:
Никитинс И. Инновационный подход к сценарному планированию в условиях пандемии COVID-19 // Вопросы инновационной экономики. – 2022. – Том 12. – № 2. – doi: 10.18334/vinec.12.2.114444.

Аннотация:
Кризис, вызванный пандемией Covid-19 привел деловую среду в уникальное состояние, в котором что-либо планировать стало чрезвычайно затруднительно. В данной статье рассмотрена классификация типов неопределенности и оценена степень неопределенности начального этапа пандемии Covid-19. Также были выявлены методические проблемы применения сценарного планирования в современных реалиях и предложены пути их решения. Данная статья будет интересна специалистам в области стратегического планирования, которые смогут применить в своей деятельности предложенные инициативы.

Ключевые слова: сценарное планирование, неопределенность, Covid-19, искусственный интеллект, машинное обучение

JEL-классификация: O31, O32, O33



Введение

Еще до кризиса, связанного с Covid-19, быстрые технологические изменения, растущая экономическая взаимозависимость и усиливающаяся геополитическая нестабильность приводили к тому, что будущее становилось все более турбулентным и неопределенным. Неопределенность была настолько всеобъемлющей, что для полного отражения аспектов проблемы исследователи придумали сложные аббревиатуры, такие как VUCA (волатильность, неопределенность, сложность, неоднозначность), TUNA (турбулентный, неопределенный, новаторский, неоднозначный), BANI (хрупкий, тревожный, нелинейный, непостижимый). [10] Начало пандемии COVID-19 вызвало новый всплеск неопределенности. [15]

Наиболее узнаваемым инструментом борьбы с неопределенностью в контексте бизнеса является сценарное планирование. Оно включает в себя ряд этапов, среди которых следует выделить следующие: определение движущих сил, которые будут определять будущие рыночные и операционные условия; изучение того, как эти факторы могут взаимодействовать; написание сценариев – возможных вариантов будущего. [14]

Однако, при неопределенности, называемой «истинная неоднозначность» (true ambiguity), где почти все находится под вопросом, сценарное планирование в своем классическом виде неработоспособно. Нет достаточного количества данных, чтобы определить даже диапазон потенциальных результатов, не говоря уже об одном или нескольких, которые могут произойти с наибольшей вероятностью. Фактически, может даже не быть возможности определить все данные, необходимые для анализа, стратегического планирования и принятия решений. [8] Именно такого уровня неопределенности достигла деловая среда в марте 2020 года, когда была объявлена пандемия коронавируса. Данные факты указывают на несомненную актуальность данной темы.

Таким образом, цель исследования заключается в том, чтобы найти способы совершенствования сценарного планирования в условиях «истинной неоднозначности». Гипотеза заключается в том, что интеграция искусственного интеллекта (ИИ), в частности машинного обучения, в сценарное планирование повысит его эффективность в современных реалиях пандемии.

Неопределенность деловой среды в условиях пандемии Covid-19

В марте 2020 Всемирная организация здравоохранения объявила пандемию нового коронавируса под названием COVID-19. Пандемию действительно можно считать одним из самых непредсказуемых событий 21 века, если не самым непредсказуемым. [5] Высокая контагиозность вируса побудила правительства по всему миру ограничить скопление людей и их контакты, отменив различные мероприятия и введя частичные или полные локдауны. [12]

Пандемия длится уже 2 года, однако неопределенность не снижается, контекст будущего даже в среднесрочной перспективе представляется недетерминированным, так как помимо пандемии еще множество факторов создают ту самую «истинную неоднозначность».

Еще 25 лет назад была изложена новая стратегия работы с четырьмя типами неопределенности в бизнесе. Чтобы определить риск, связанный с неопределенностью, и возможности, которые она несет, необходимо понимание того, сколько информации на самом деле присутствует даже в условиях высокой неопределенности, включая: известные данные; информацию, которая не является легкодоступной, но может быть получена в результате анализа и изучения данных; остаточную неопределенность. [8]

Это позволяет выделить четыре типа неопределенности в бизнесе-среде: достаточно ясное будущее (a clear enough future), альтернативное будущее (alternate futures), диапазон вариантов будущего (a range of futures), «истинная неодназначность» (true ambiguity).

В условиях достаточно ясного будущего уровень неопределенности низкий, что позволяет детерминировать контекст будущего. (Рисунок 1)

Рисунок 1 – Достаточно ясное будущее [8]

Альтернативное будущее подразумевает, что на этом уровне неопределенность достаточно велика, что не позволяет свести будущее к одному вероятному исходу. (Рисунок 2)

Рисунок 2 – Альтернативное будущее [8]

Необходимо иметь представление об относительной вероятности двух или более потенциальных исходов. Это позволяет разработать набор потенциальных стратегий, основанных на наиболее вероятном из этих сценариев.

Третий тип неопределенности также подразумевает несколько потенциальных исходов. В отличие от альтернативного будущего, эти результаты не являются дискретными, и поэтому попадают в широкий диапазон, а не в набор конкретных вариантов. (Рисунок 3)

Рисунок 3 – Диапазон возможных сценариев [8]

При «истинной неоднозначности» почти все находится под вопросом. Нет достаточных данных, чтобы определить даже диапазон потенциальных результатов, не говоря уже об одном или нескольких, которые могут произойти с наибольшей вероятностью. (Рисунок 4)

Рисунок 4 – «Истинная неоднозначность» [8]

Этот уровень неопределенности является самым редким и самым кратковременным, поскольку дополнительная информация и анализ могут позволить хотя бы создать диапазон возможных вариантов будущего.

Именно начало пандемии Covid-19 можно охарактеризовать как «истинную неоднозначность», когда не было информации, что это за заболевание, какие могут быть симптомы, какие последствия. Постепенно началась накапливаться база знаний, которая позволила действительно создать хотя бы диапазон возможных вариантов будущего.

Однако, конкретизировать возможные альтернативы будущего в таких реалиях, где помимо эффекта пандемии имеются геополитические риски, экономические проблемы, технологические изменения и множество других факторов, представляется затруднительным.

Повышение частоты критических событий и явлений во внешней среде напоминает нам о необходимости переосмысления практики сценарного планирования.

Методические проблемы сценарного планирования в современных реалиях и пути их решения

Планирование на основе сценариев представляется наиболее эффективным инструментом в условиях, когда наблюдается существенное преобладание неопределенности над предсказуемостью деловой среды. [6]

Коростелева Е.М. под сценарным планированием понимает инструмент или технологию стратегического планирования, которые помогают управлять неопределенностью будущего. [4] Однако, представляется невозможным управлять неопределенностью, ее можно определенным образом снизить при помощи сценарного подхода.

Наиболее интересным для исследования этапом сценарного планирования является установка факторов неопределенности и их взаимосвязи. Именно на базе этих результатов и пишутся сценарии. Однако, классические подходы представляются неэффективными в современных реалиях.

Так, например, один из подходов заключается в том, чтобы выделить 2 фактора неопределенности и на их базе разработать 4 сценария. [9] (Рисунок 5)

Рисунок 5 – Матрица 2x2 [13]

При своей несомненной простоте данный подход имеет множество недостатков. Во-первых, в современных условиях выделить только два фактора неопределенности представляется невозможным, их значительно больше. Во-вторых, такой подход ставит рамки, подразумевая, что может быть только 4 варианта развития будущего. Это ведет к тому, что исчезает творческая составляющая сценарного подхода.

Еще одним популярным инструментом является матрица перекрестного воздействия. В 1968 году была предложена концепция, согласно которой наступление события изменяет вероятность наступления других событий. Коэффициенты, в соответствии с которыми событие X повышает или понижает вероятность наступления события Y, были названы перекрестным влиянием, которое должно определяться экспертным путем. [16]

Матрица перекрестного влияния позволяет провести качественный анализ взаимосвязи переменных, которые формируют определенную систему в компании, стране, в обществе в целом. [1]

Однако, и этот подход представляется малоэффективным, так как, в первую очередь, является достаточно субъективным. Каждый эксперт может трактовать взаимосвязь переменных по-разному. С другой стороны, наиболее авторитетные эксперты могут навязывать свое мнение другим в силу своего статуса.

Данные факты указывают на то, что в условиях «истинной неоднозначности» человек не в состоянии определить все факторы неопределенности, более того установить их взаимосвязь и сгенерировать на основе этого возможные варианты развития будущего.

В таких реалиях перспективным представляется использование искусственного интеллекта (ИИ), в частности такого метода, как машинное обучение. Под машинным обучением понимают метод, описывающий вычислительную модель, которая использует алгоритмы для обучения на основе больших данных. [3] Машинное обучение является технологией, открывающей большие возможности для повышения эффективности, в том числе и сценарного планирования. [7]

Благодаря аналитическим возможностям больших данных и искусственного интеллекта, становится возможным осуществлять сценарное планирование «в реальном времени». Мониторинг на основе ИИ способствует быстрому анализу больших данных, в том числе новостных событий, постов в социальных сетях, тем самым выявляя решающие признаки, которые сигнализируют о том, какие варианты будущего могут быть.

Поскольку генерация возможных вариантов будущего осуществляется при помощи машинного обучения, то сценарное планирование в этом случае освобождается от человеческой предвзятости, что является несомненным преимуществом этого подхода. Более того, сценарное планирование при помощи машинного обучения способно находить алгоритмы в тех ситуациях, в которых человек не способен проследить связь событий. Данные факты ставят под сомнение умозаключение Бородавиной М.К., считающей, что в эпоху цифровизации залогом генерирования сценариев все еще остается человеческий интеллектуальный потенциал, а не искусственный интеллект. [2]

Однако, хоть и технология машинного обучения используется на протяжении большей части процесса сценарного планирования, разработка первоначальных алгоритмов, а также интерпретация, то есть написание сценариев, и принятие окончательных решений по адаптации стратегии находится в руках человека. ИИ становится ключевым автономным ресурсом, создающим новый уровень взаимодействия человека и компьютера в процессе сценарного планирования. [11]

Заключение

Нынешний момент геополитической напряженности, экономических проблем, глобальной пандемии и многого другого наглядно демонстрирует потребность в способе осмысления мира, потребность в новом методе или инструменте, позволяющем интерпретировать возможные состояния деловой среды в будущем.

В ходе исследования было определено, что классические подходы к сценарному планированию являются неэффективными в современных реалиях. Человек сам по себе не в состоянии отслеживать огромное количество данных, анализировать их взаимосвязь и т.д. Эффективным представляется интеграция ИИ в сценарное планирование, в том числе машинного обучения. Данный аспект подтверждает выдвинутую гипотезу. Однако, на данном этапе и в ближайшем будущем ИИ не сможет полностью заменить человека, он будет служить дополнением и основой для принятия управленческих решений.


Источники:

1. Анзулес-Фалконес Венди, Диас-Маркес Анхела Мария, Падилья Леон, Эрнан-Идальго Даниель, Санчес-Грисалес Давид Форсайт для малых и средних компаний в контексте экономики замкнутого цикла // Форсайт. – 2021. – № 1. – c. 86-96.
2. Бородавина М.К., Рыбакова С.В., Савина А.В., Хахулина А.П. К вопросу о финансовой неопределенности // Правоприменение. – 2020. – № 1.
3. Ерискин В.В. Моделирование требований к системам машинного обучения // Международный журнал прикладных наук и технологий «Integral». – 2021. – № 2-1. – c. 51.
4. Коростелева Е. М. Использование сценарного планирования как инструмента для формирования стратегии // Известия Тульского государственного университета. Экономические и юридические науки. – 2009. – № 2-1. – c. 12-19.
5. Костин К.Б., Хомченко Е.А. Влияние пандемии COVID-19 на мировую экономику // Экономические отношения. – 2020. – № 4. – c. 961-980. – doi: 10.18334/eo.10.4.111372.
6. Никитинс И. Инновационный взгляд на современные способы оценки степени неопределенности деловой среды и инструменты ее снижения // Вопросы инновационной экономики. – 2022. – № 1. – doi: 10.18334/vinec.12.1.114193.
7. Савич А.А., Кравчук А.С. Машинное обучение как инструмент автоматизации бизнес-процессов // The Scientific Heritage. – 2021. – № 75-4. – c. 29-33.
8. Courtney H., Kirkland J., Viguerie P. Strategy under uncertainty // Harvard business review. – 1997. – № 75(6). – p. 66–79.
9. Curry W. Schultz Roads less travelled: different methods, different futures // Journal of Futures Studies. – 2009. – № 13. – p. 35–60.
10. Fergnani A., Song Z. The six scenario archetypes framework: A systematic investigation of science fiction films set in the future // Futures. – 2020. – № 124. – p. 102645.
11. Gidhagen M., Helkkula A., Löbler H., Jonas J., Sörhammar D., Tronvoll B. Human-to-nonhuman value cocreation and resource integration: Parasocial actors in a service ecosystem // Naples Forum on Service. Naples, 2017.
12. Lau H., Khosrawipour V., Kocbach P., et al. The positive impact of lockdown in Wuhan on containing the COVID-19 outbreak in China // J Travel Med. – 2020. – № 27(3).
13. Schwartz P. The Art of the Long View: Planning for the Future in an Uncertain World. - Currency Doubleday, New York, 1996.
14. Schoemaker Paul J.H. Scenario Planning: A Tool for Strategic Thinking. - Sloan Management Review. Winter, 1995. – 25-40 p.
15. Scott R. Bake, Nicholas Bloom, Steven J. Davis, Stephen J. Terry COVID-Induced Economic Uncertainty. / NBER Working Papers 26983. - National Bureau of Economic Research, Inc., 2020.
16. Gordon T.J., Hayward H. Initial experiments with the cross impact matrix method of forecasting // Futures. – 1968. – № 1 (2). – p. 100–116.

Страница обновлена: 19.03.2022 в 14:11:04