Эволюция понятия стратегического актива в управлении

Введение

Концепция стратегического актива занимает ключевое положение в современной теории стратегического менеджмента, являясь основным конструктом для объяснения источников устойчивого конкурентного преимущества организаций. С момента зарождения ресурсного подхода в исследованиях Вернерфельта и Барни понимание стратегических активов претерпело значительные трансформации. Изначально акцент размещался на статических материальных и нематериальных ресурсах, предоставляющих экономические преимущества благодаря их уникальности и сложности имитации. Однако эволюция экономических парадигм, обусловленная переходом к экономике знаний, цифровизацией и развитием искусственного интеллекта, выявила ограничения традиционных интерпретаций, прежде всего их статичность и недостаточную адаптивность к турбулентным условиям.

Актуальность темы обусловлена необходимостью теоретического осмысления данных трансформаций в парадигме современной экономики данных и искусственного интеллекта, где традиционные подходы проявляют ограниченную объяснительную и прогностическую эффективность. В условиях VUCA-среды (volatility - изменчивость, uncertainty - неопределенность, complexity - сложность и ambiguity - неоднозначность) предприятия все чаще ориентируются не на изолированные ресурсы, а на динамичные, активные и конвергентные конструкции, порождающие ценность посредством непрерывных циклов обучения и взаимодействий в экосистемах. Целью исследования является систематизация эволюции концепции стратегического актива путем анализа литературы и разработка оригинальной модели, адаптированной к реалиям цифровой экономики. Научная новизна заключается в представлении гибридной модели эволюции в формате пятиуровневой пирамиды, корректировке классического критерия оценки устойчивого конкурентного преимущества с учетом динамики данных и экосистемных связей, а также в уточнении понятия конвергентного актива. Эти положения формируют основу для последующего эмпирического подтверждения в предпринимательских фирмах.

Исследование выполнено в рамках теоретико-концептуального подхода и опирается на методы критического анализа и синтеза научной литературы. Материалами послужили фундаментальные работы по стратегическому менеджменту, включая источники ресурсного подхода, знаниевого подхода, теории динамических способностей и публикации по цифровому предпринимательству. Анализ проводился поэтапно: обзор литературы, критика подходов и синтез с разработкой авторских конструктов (модель пирамиды, адаптированный критерий оценки, конвергентный актив).

Литературный обзор

Развитие понятия стратегического актива в теории менеджмента тесно связано с эволюцией ресурсного подхода и его последующими расширениями. Основу заложил Б. Вернерфельт [20], рассматривавший внутренние ресурсы фирмы как ключевой фактор стратегического позиционирования. Дж.Б. Барни [6] формализовал условия устойчивого конкурентного преимущества через критерий, включающий ценность, редкость, трудноимитируемость и незаменимость ресурсов. Э.Т. Пенроуз [15] и И. Дириккс, К. Кул [8] дополнили эту линию, акцентируя траектории накопления активов и их устойчивость к имитации за счет временных и эрозионных факторов.

Эти концепции получили дальнейшее развитие в исследованиях, ориентированных на нематериальные ресурсы и знания. К.К. Прахалад и Г. Хэмел [17] ввели понятие ключевых компетенций как коллективного организационного обучения, интегрирующего технологии и процессы для их применения в производстве множества продуктов. М.А. Петераф [16] уточнила механизм формирования экономических рент, подчеркнув значение межфирменных различий в активах, позволяющих компаниям извлекать дополнительную прибыль. В российской литературе эти идеи нашли отражение в рамках системной экономики предприятия Г.Б. Клейнера, где нематериальные элементы — культура, нормы, знания — обеспечивают воспроизводство системной устойчивости.

Теория динамических способностей преодолевает ограничения статичного ресурсного подхода. Тис и соавторы определяют динамические способности как механизмы рекомбинации ресурсов в изменяющейся среде посредством процессов распознавания возможностей, захвата идей и трансформации рутин. C.E. Хелфат [11] акцентировала эволюционный характер этих рутин, подчеркивая баланс между эксплуатацией существующих активов и исследованием новых возможностей.

Современные научные исследования переносят акцент на цифровые активы. С. Намбисан [13] определяет данные и искусственный интеллект как динамичные ресурсы, стимулирующие сетевые эффекты. Ю. Сюй [21] и соавторы разработали трехэтапную модель данных как активов, подчеркивая их неконкурирующую природу и экспоненциальный рост ценности. Риски предвзятости и устаревания данных выделены в исследовании З. Обермейера с соавторами [14]. В отечественной литературе Н.В. Смородинская анализировала платформенную экономику [5], В.Г. Буданов — интеграцию нано-, био-, информационных и когнитивных технологий [1], С.Ю. Глазьев — технологические уклады с искусственным интеллектом в ядре [2].

Несмотря на значительный прогресс в развитии теории стратегических активов, в научной литературе остаются важные пробелы. Классический ресурсный подход часто критикуют за два основных недостатка: статичность (ресурсы рассматриваются как фиксированные, без учета изменений во времени) и тавтологию, проявляющуюся в том, что ценность ресурса обычно оценивается только после успеха фирмы (задним числом): «ресурс ценен, потому что фирма преуспела, а фирма преуспела, потому что ресурс был ценен». Это создает циркулярную логику и ограничивает способность подхода предсказывать будущее преимущество [12, 18]. Знаниевый подход лучше учитывает внутренние процессы обучения, но недостаточно рассматривает внезапные внешние потрясения (шоки), из-за чего переоценивает стабильность знаний. Теория динамических способностей объясняет адаптацию, однако слабо раскрывает механизмы масштабирования этих способностей с помощью больших данных и алгоритмов искусственного интеллекта. Исследования цифровых активов фокусируются на активных ресурсах (данные, платформы), но почти не затрагивают их интеграцию с другими областями — биотехнологиями, квантовыми вычислениями и зелеными технологиями.

Таким образом, выделяются три ключевые пары противоречий: статичность ресурсов по отношению к их динамической трансформации, изоляционизм или концентрация исключительно на внутренних активах в противовес экосистемным взаимодействиям, а также линейное накопление ценности напротив синергетических эффектов от взаимодействия компонентов. Эти пробелы требуют сочетания разных теоретических парадигм, чтобы объяснить источники экономических преимуществ в современной цифровой экономике.

Результаты и обсуждение

На основе литературного обзора предложена авторская систематизация эволюции в пять последовательных этапов, визуализированная как пятиуровневая пирамида: базовый → знаниевый → динамический → цифровой → конвергентный слой (рис. 1). Каждый этап не только расширяет предыдущий, но и преодолевает его ограничения, отражая смену экономических парадигм, аргументируя необходимость перехода к более адаптивным конструктам и подчеркивая эмерджентные свойства на высших уровнях.

Рисунок 1. Пятиуровневая пирамида эволюции стратегического актива

Источник: составлено автором

Первый уровень (период 1950-1980 гг.) определяется преобладанием осязаемых активов — производственных мощностей, финансового капитала, оборудования и физической инфраструктуры — как ключевого источника конкурентных преимуществ на стабильных индустриальных рынках с предсказуемыми траекториями развития. Э.Т. Пенроуз [15] обосновывала их вклад в рост фирмы посредством оптимизации производственных масштабов и снижения издержек, трактуя ресурсы как пассивные элементы балансового отчета. И. Диркекс и К. Кул [7] развили концепцию траекторий ресурсного накопления, продемонстрировав возникновение экономических рент из последовательных инвестиций, невосприимчивых к имитации в силу временных лагов, эрозии альтернативных путей и причинной неоднозначности. В российской литературе эти идеи коррелируют с теорией длинных циклов Кондратьева и технологическими укладами С.Ю. Глазьева [2], где материальные активы определяли конкурентоспособность в системных волнах развития, связывая эффективность с технологической базой.

Второй уровень (1980-200-е гг.) характеризуется переходом к парадигме, ориентированной на знания, бренды, организационную культуру и человеческие компетенции как на основные источники конкурентных преимуществ, преодолев материализм предшествующего этапа. Так, К.К. Прахалад и Г. Хэмел [17] предложили концепцию ключевых компетенций как коллективного организационного обучения, позволяющего мультипродуктовое применение технологий, интеграцию процессов и формирование барьеров имитации за счет неявных знаний. Барни сформулировал критерий VRIN (valuable — ценный, rare — редкий, inimitable — трудноимитируемый, non-substitutable — незаменимый) для оценки устойчивости преимуществ. Переход обусловлен статичностью подхода: знаниевая парадигма успешно интерпретировала уникальность, но игнорировала динамику внешней среды и потребность в непрерывной рекомбинации ресурсов, что способствовало эволюции адаптационных механизмов.

Концепция динамических способностей на 3-м уровне (2000-2010-е гг.) преодолела статичность предшествующих подходов, представив их в качестве высших рутин, обеспечивающих рекомбинацию, интеграцию и трансформацию ресурсов с целью адаптации к турбулентной среде. Д. Дж Тис и соавторы [19] идентифицировали три ключевых процесса — выявление возможностей, захват идей и реструктуризацию, — подчеркнув их значение для формирования новых конфигураций активов. C.E. Хелфат [11] уточнила эволюционный характер этих рутин, баланс между эксплуатацией существующих компетенций и выявлением новых возможностей. Подход объяснял устойчивость и развитие фирм в условиях кризисов, преодолевая изоляционизм знаниевого взгляда за счет внешней ориентации. В отечественной литературе Г.Б. Клейнер [3] трактовал динамические способности как сбалансированную трансформацию подсистем предприятия в турбулентных условиях. Следует отметить, что динамические способности гарантируют гибкость, однако их эффективность ограничена из-за отсутствия масштабируемых катализаторов — данных и алгоритмов ИИ — для обработки больших объемов информации в реальном времени.

На четвертом уровне (2010-2020-е гг.) фокус сместился на данные, алгоритмы искусственного интеллекта и платформы в качестве нематериальных ресурсов, способных к самоусилению посредством циклов обучения. С. Намбисан [13] выявил их роль в сетевых эффектах и цифровом предпринимательстве, где данные обеспечивают инновации в экосистемах. Ю. Сюй и соавторы [21] предложили трехэтапную модель, акцентируя неконкурирующий характер данных, низкие предельные издержки и экспоненциальный рост ценности, несмотря на угрозы устаревания, предвзятости и этические вызовы. В российской научной литературе Н.В. Смородинская [5] охарактеризовала платформенную экономику как институциональную среду, в которой данные формируют барьер входа. Это обусловлено необходимостью масштабировать динамические способности через самоусиливающиеся циклы и сетевые эффекты, но выявил пробел в междисциплинарной интеграции разнородных технологий, ограничивающий проявление возникающих преимуществ и синергетических эффектов.

Проведенный анализ научной литературы позволил выделить пятый уровень (2020-2025 гг.) в эволюции понятия стратегических активов. Это мультимодальная интеграция искусственного интеллекта с биотехнологиями, квантовыми вычислениями, «зелеными» технологиями и смежными областями, приводящая к возникновению децентрализованных экосистемных конструкций. Так, С. Гупта [10] акцентирует роль «зеленых» данных в обеспечении устойчивого развития, Ф.А. Часар с соавторами [7] — переход к шумпетерианским преимуществам за счет применения искусственного интеллекта в стратегическом принятии решений, а В.Г. Буданов [1] трактует синтез нано-, био-, информационных и когнитивных технологий как фундаментальную основу формирования новых стратегических активов, отличающихся выраженными синергетическими эффектами. Концепция технологических укладов получила развитие в исследованиях С.Ю. Глазьева. В одном из его последних трудов отмечается, что ядро формирующегося шестого уклада расширяется со скоростью около 35% в год, кардинально повышая производственную эффективность и обрисовывая контуры новой длинной волны экономического роста [2]. Автор интерпретирует данный уклад как конвергентную систему с искусственным интеллектом в центре, устраняющую барьеры входа и демократизирующую доступ к инновационным преимуществам.

Этот завершающий этап эволюции акцентирует необходимость инновационных инструментов оценки стратегических активов, адаптированных к условиям цифровой и конвергентной экономики. Ключевым вкладом стала адаптация классического критерия Дж.Б. Барни [6] для оценки источников устойчивого конкурентного преимущества — критерия ценный — редкий — трудноимитируемый — незаменимый. Несмотря на эффективность применения данного критерия к традиционным ресурсам, он не отражает ключевые особенности цифровой экономики, включая динамический характер ценности данных, алгоритмические механизмы защиты и экосистемные взаимодействия. Предложенная адаптация преодолевает эти ограничения (табл. 1).

Таблица 1. Сравнение классического критерия VRIN (valuable — ценный, rare — редкий, inimitable — трудноимитируемый, non-substitutable — незаменимый) и авторской адаптации

Представленная таблица демонстрирует, каким образом адаптация классического критерия расширяет его аналитическую применимость к цифровым и конвергентным активам, тем самым повышая способность к выявлению и прогнозированию устойчивых конкурентных преимуществ в условиях высокой турбулентности внешней среды.

Для предотвращения концептуальной избыточности и уточнения аналитической применимости целесообразно четко разграничить понятие конвергентного актива с близкими, но не тождественными категориями — экосистемными и платформенными активами, а также определить управленческие механизмы его формирования и контроля. В контексте настоящего исследования конвергентный актив интерпретируется не как общее название любых цифровых или сетевых ресурсов, а как комплексный стратегический конструкт с тремя ключевыми характеристиками: межтехнологическая конвергенция, предполагающая одновременную интеграцию искусственного интеллекта с иными технологиями; алгоритмическое ядро, обеспечивающее циклы непрерывного обучения, рекомбинации знаний и генерации новой ценности; эмерджентный характер преимуществ, обусловленный синергией компонентов и их совместным функционированием.

Несмотря на наличие некоторых пересечений с экосистемными и платформенными активами, конвергентный актив принципиально отличается от них на концептуальном уровне по источнику ценности, принципам управления и механизмам конструирования конкурентных преимуществ. Экосистемные активы преимущественно базируются на реляционных и институциональных связях между участниками, в рамках которых ценность формируется коллективно и распределяется согласно установленным нормам взаимодействия. Платформенные активы, напротив, опираются на инфраструктурно-архитектурную роль платформы, обеспечивающую масштабирование сетевых эффектов. Отличительной чертой конвергентного актива выступает внутреннее когнитивно-алгоритмическое ядро, которое активно трансформирует внешние взаимодействия и технологические потоки в устойчивые источники преимуществ. Оно не редуцируется к архитектуре взаимодействий и не исчерпывается реляционными связями. Иными словами, экосистема и платформа функционируют как среда и каналы обмена, тогда как конвергентный актив реализует механизм генерации и закрепления ценности в этой среде.

Формирование конвергентного актива представляет собой целенаправленный и контролируемый процесс, интегрирующий три взаимосвязанных уровня:

- Архитектурный уровень, включающий конструирование технологической и организационной инфраструктуры конвергенции, включая интеграцию искусственного интеллекта с другими областями, разработка стандартов совместимости и интерфейсов обмена.

- Алгоритмический уровень, состоящий из управления циклами обучения моделей, рекомбинацией данных и приспособление алгоритмов к уникальным особенностям и нуждам фирмы для обеспечения максимальной эффективности.

- Институциональный уровень, обеспечивающий разработку правил доступа к активам, распределения прав собственности, ответственности и преимуществ в рамках экосистемных взаимодействий.

Таким образом, конвергентный актив формируется через согласованное управленческое воздействие на архитектуру, алгоритмы и институциональные условия. На этой основе строится и система контроля над активом, которая принципиально отличается от традиционных подходов. Контроль осуществляется не через прямое владение отдельными ресурсами, а через управление точками конвергенции, включая критические наборы данных и алгоритмы обучения, ключевые интерфейсы интеграции технологий и управляемые контуры принятия решений и обратной связи. При этом оценку эффективности конвергентного актива целесообразно осуществлять по ключевым критериям, включая устойчивость возникающих эффектов во времени, степень зависимости конкурентного преимущества от уникального фирменного опыта обучения моделей, а также способность актива к адаптации и масштабированию при сохранении его специфичности. Такой подход позволяет интегрировать конвергентные активы в сферу стратегического анализа без размывания концептуальных границ.

Для ликвидации разрыва между концептуальной моделью и практикой стратегического управления целесообразно реализовать операционализацию циклов обучения искусственного интеллекта и экосистемных взаимодействий посредством системы управленческих инструментов и измеримых индикаторов. Цикл обучения искусственного интеллекта в контексте формирования стратегических активов целесообразно моделировать как итеративную управляемую последовательность из четырех взаимосвязанных фаз (рис. 2).

Рисунок 2. Формирование стратегического актива

Источник: составлено автором

В совокупности данные фазы формируют стратегический актив не как статичный ресурс, а как самоусиливающийся механизм обучения, ценность которого возрастает по мере повторения циклов и расширения экосистемных связей. Экосистемные и реляционные взаимодействия также поддаются количественной оценке и могут интегрироваться в стратегический анализ. Среди ключевых индикаторов выделяются плотность экосистемных связей (число активных партнеров и интеграций), доля совместно генерируемой ценности, степень технологической совместимости стандартов и платформ, а также зависимость качества алгоритмов искусственного интеллекта от экосистемных данных. Эти метрики позволяют оценить устойчивость реляционных преимуществ и глубину интеграции фирмы в экосистему.

Заключение

Проведенное исследование позволило систематизировать эволюцию понятия стратегического актива от традиционных материальных ресурсов индустриальной эпохи к конвергентным цифровым конструктам современной экономики данных и искусственного интеллекта. Выделенные пять уровней эволюции — базовый, знаниевый, динамический, цифровой и конвергентный, которые отражают последовательные сдвиги, каждый из которых преодолевает ограничения предыдущего: от статичности к динамике, от изоляционизма к экосистемности, от линейного накопления ценности к возникающим эффектам синергии. Уточнено понятие конвергентного актива как распределенного конструкта технологической конвергенции со встроенным искусственным интеллектом, генерирующего возникающие преимущества через синергию разнородных компонентов. Перспективы дальнейших исследований целесообразно направить на разработку метрик оценки конвергентных активов и анализ их роли в переходе к новому мирохозяйственному укладу.