Сценарное моделирование и прогнозирование будущего: необходимы новые методы

Эпоха, когда будущее можно было предсказывать, в основном изучая прошлое, закончилась. Мы вступили в период экстремальной неопределенности, где сам ландшафт правил и связей находится в постоянном движении и турбулентности.

Начиная с 2020 года мир столкнулся с серией беспрецедентных и переплетённых кризисов — пандемией, геополитическими разломами, технологическими скачками и климатическими вызовами. Эти события стали не просто стресс-тестом для глобальной экономики, но и обнажили фундаментальную несостоятельность традиционных методов прогнозирования и экономического моделирования. Векторное мышление, основанное на экстраполяции прошлых трендов, оказалось бессильным перед лицом «чёрных лебедей» и системной неопределённости. Сегодня требуется переосмысление самого подхода к предвидению будущего.

Читайте также

Читайте также

ИИ-оборот-Китай

Леонид Горяинов

Новости

Почему старые модели больше не работают?

Классические экономические и прогнозные модели строились на ряде допущений, которые в новой реальности потеряли актуальность:

   1.     Иллюзия линейности и предсказуемости. Традиционная теория предполагала относительно упорядоченные деловые циклы, которые можно сгладить монетарной и фискальной политикой. Реальность 2020-х годов — это наложение друг на друга множества кризисов (здоровье, логистика, энергетика, доверие), что нарушило все привычные схемы и привело к возвращению высокой инфляции при замедлении роста.

   2.     Миф об автоматической пользе технологий. Укоренившаяся «соломоновская парадигма» утверждала, что внедрение инноваций (ИИ, 5G, цифровизация) автоматически ведёт к росту производительности и благосостояния. Однако выявился «парадокс производительности» — несмотря на взрывной рост цифровых технологий, совокупная факторная производительность (СФП) демонстрирует вялую динамику. Выгоды от технологий часто монополизируются крупными корпорациями, усугубляя неравенство, в то время как малый бизнес сталкивается с высокими барьерами внедрения и низкой окупаемостью инвестиций.

   3.     Кризис измеримости. ВВП и национальные счета оказались тусклыми зеркалами в цифровую эпоху. Они не могут адекватно уловить стоимость, создаваемую данными и платформами, оценить качество цифровых благ или учесть истощение природного капитала, которое превратилось в новый сдерживающий фактор роста.

Новые сущности — новые методы

Эти системные сдвиги порождают принципиально новые условия и объекты для прогнозирования. Вот некоторые из них:

  ·        Экономика платформ и сетевая логика. Стоимость создаётся не в линейных цепочках, а в сетях, где доминируют мощные сетевые эффекты. Платформы (от Uber до App Store), часто не владеющие традиционными активами, становятся ключевыми инфраструктурными посредниками. Их динамика, стратегии захвата экосистем и алгоритмическое управление не описываются классическими моделями конкуренции.

  ·        Двойственное воздействие на техносферу. Цифровизация и роботизация, с одной стороны, повышают эффективность, а с другой — создают системные уязвимости: зависимость от импортных чипов, кибератаки, кризисы занятости. Прогнозирование теперь должно учитывать эти риски устойчивости.

  ·        Нелинейность и непредсказуемая взаимозависимость. Эффекты от внедрения технологий не очевидны и могут радикально менять силу и даже «знак» под воздействием внешних шоков (как показала пандемия). Глобальные цепочки поставок, ранее рассматривавшиеся лишь как источник эффективности, теперь видятся как каналы передачи системных рисков.

Контуры нового  прогнозирования

   1.     Отказ от детерминизма в пользу множественности сценариев. Вместо одного «наиболее вероятного» прогноза необходимо строить набор качественно различных сценариев («Зелёный переход», «Технодецентрализация», «Неофеодализм платформ», «Национализация цепочек»), которые охватывают широкий спектр возможностей.

   2.     Учёт неэкономических факторов как системообразующих. Климатические изменения, геополитика, социальное неравенство, доверие к институтам и технологическая суверенность должны быть не внешними переменными, а стержневыми элементами моделей.

   3.     Акцент на устойчивость и адаптивность, а не только на эффективность. Ключевым вопросом становится не «как добиться максимального роста?», а «какие системы, институты и технологии обеспечат устойчивость к неизбежным потрясениям?».

   4.     Междисциплинарность и «гибридное» моделирование. Понимание таких феноменов, как децентрализованные финансы (DeFi), токенизация активов или влияние квантовых вычислений на криптографию, требует синтеза экономики, социологии, политологии, компьютерных наук и теории сетей.

В этих условиях сценарное мышление перестаёт быть инструментом стратегического планирования для избранных и становится необходимым навыком для государств, корпораций и общества в целом.  Задача нового прогнозирования — не предсказать единственный завтрашний день, а подготовить гибкие ответы на множество возможных «послезавтра». Это требует отказа от старых догм и смелости строить новые интеллектуальные инструменты для навигации в неизведанном.