CC BY
157
ИННОВАЦИИ № 10 (97), 2006
Прогноз
научно-технологического развития: состояние, проблемы и перспективы
В. В. Ивантер,
д. э. н., профессор, академик РАН, директор Института народнохозяйственного прогнозирования РАН, профессор кафедры макроэкономического регулирования и планирования экономического факультета МГУ им. М. В. Ломоносова, зав. кафедрами национальной экономики в МФТИ, ГУУ, МЭУ им. Г. В. Плеханова
Н. И. Комков,
д. э. н., профессор, лауреат Государственной премии СССР, академик Российской академии естественных наук, заведующий лабораторией Организационноэкономических проблем управления научно-техническим развитием Института народнохозяйственного прогнозирования РАН
Роль интенсивных факторов на современном этапе развития экономики
Сформировавшаяся после дефолта 1998 года устойчиво положительная экономическая динамика в России основана на ряде факторов и условий. К благоприятным условиям содействия росту экономики России относятся исключительно высокие мировые цены на углеводороды (нефть и газ), политическая стабильность в стране, последовательный рост доходов населения, ограниченные темпы инфляции и др. Среди основных факторов, благоприятствовавших положительной экономической динамике, можно отметить значительный на конец 1990-х годов потенциал простаивающих производственных мощностей, наличие высококвалифицированной рабочей силы, достаточное ресурсное обеспечение, емкий внутренний рынок и др. Если условия, содействующие экономическому росту, стабильны, то многие факторы роста исчерпали себя либо близки к исчерпанию. Практически освоен потенциал простаивавших мощностей, а многие еще незадействованные мощности невозможно использовать без значительных инвестиций и перепрофилирования, близки к исчерпанию легко извлекаемые запасы нефти и газа в освоенных районах добычи, отдельные предприятия испытывают недостаток в рабочей силе средней квалификации, формируется дефицит мощностей в электроэнергетике и др. Все это свидетельствует о близости полного использования экстенсивных факторов роста и необходимости перехода к активному использованию интенсивных факторов развития для удержания сложившихся темпов роста ВВП (5-8% годовых).
Как известно, к интенсивным факторам развития экономики относится использование технологий новых поколений, способных не только создавать с меньшими затратами новые продукты и услуги, но и повышать добавленную стоимость при одновременной экономии трудовых затрат. Эффект от использования новых технологий еще больше усиливается при рациональной реструктуризации экономики. Ее суть в
масштабном освоении перерабатывающими и обрабатывающими комплексами отраслей новых технологий [8], а также насыщении ими конечных переделов добывающих и перерабатывающих отраслей [14].
Назначение и роль инновационнотехнологических прогнозов
Тесная взаимосвязь экономики, науки и технологий всегда существовала как в планово-директивной экономике бывшего СССР, так и в промышленно развитых странах. Эта взаимосвязь разнообразна и мно-гопланова, но важным и определяющим всегда была потребность в новых технологиях и инновациях. «Заказ» науке формировало руководство планово-директивной экономики сначала в виде долгосрочных планов, а затем через систему народнохозяйственных и научно-технических программ. Такой механизм хотя и работал, но с большими сбоями и потерями ценных инноваций, времени их освоения и упущенной при этом экономической выгоды. Несколько запоздалые меры по усилению эффективности долгосрочных планов и программ были связаны с разработкой Комплексной программы научно-технического прогресса СССР на двадцатилетний период (по пятилетиям).
Прогнозирование технологического развития в масштабах всей страны сформировалось в самостоятельную научно-общественную дисциплину в начале 70-х годов ХХ столетия и в планово-директивной экономике рассматривалось как составная часть долгосрочного комплексного прогноза, включавшего прогнозирование социально-экономического развития и прогноз научно-технического прогресса. Организационной формой такого прогноза служила Комплексная программа научно-технического прогресса (КП НТП) СССР на двадцать лет. Периодичность прогноза соответствовала пяти годам, а с начала разработки КП НТП в 1973 году всего было подготовлено 4 комплексных прогноза: в 1973, 1978, 1983 и в 1988 годах.
Начатая в 1970-х годах разработка Комплексной программы научно-технического прогресса КП НТП СССР завершила формирование планово-директивной системы управления, создав таким образом «вершину пирамиды» централизованного управления развитием экономики и общества в бывшем СССР. Причины начала разработки КП НТП носили, прежде всего, политический характер: в 1970-е годы резко сократились темпы экономического роста в бывшем СССР, усилилось противостояние с ведущими странами капиталистического мира и, прежде всего с США, как следствие этого — возросли расходы бюджета на оборонные цели. Кроме того, руководством страны осознавалась необходимость коренной перестройки промышленно-технологической структуры экономики, заложенной в послевоенные годы, и важность роста жизненного уровня населения.
Организационно в подготовке КП НТП участвовало более 100 министерств, ведомств и комитетов на государственном уровне, а также министерства всех 15 союзных республик. Непосредственное участие в подготовке КП НТП принимали тысячи инновационно-исследовательских организаций и исследовательских центров, а также несколько десятков тысяч исследователей и экспертов. Материалы КП НТП использовались при обосновании и принятии решений на государственном, республиканском и отраслевом уровнях.
В конце 1980-х годов практика разработки КП НТП на 20 лет в России прекратилась. Принятие в 1995 году Федерального закона «О государственном прогнозировании и программах социально-экономического развития Российской Федерации» возродило определенные надежды на возобновление работ по научно-технологическому прогнозированию, но коренных сдвигов в этом направлении пока не произошло.
К достоинствам КП НТП можно отнести: н масштабность и полноту охвата различных отраслей экономики и сфер общественного развития; н достаточно подробный и достоверный анализ состояния развития прогнозируемых объектов и отраслей, включая «узкие места» и проблемные ситуации;
н участие большого числа экспертов и исследователей из разных областей науки и техники, различных регионов и отраслей обеспечивало полноту отражения возможных точек зрения и стратегий развития отдельных объектов; н обеспечение ориентации инновационно-технического и производственного потенциала на достижение долгосрочных целей социально-экономического развития.
Среди недостатков в сложившейся методологии и практике организации КП НТП можно выделить: н преобладание жесткой отраслевой структуры экономики с межведомственными барьерами и приоритетами, учитывающими корпоративные интересы отраслевых министерств и ведомств; н стремление к однозначности прогнозов и прогнозных оценок, что практически исключало отражение в прогнозах альтернативных сценариев и многовариантных оценок;
н чрезмерно централизованная система организации прогнозов, затруднявшая привлечение конкурирующих организаций и независимых экспертов к подготовке прогнозов; н отсутствие эффективных способов учета влияния новых технологий и инноваций на экономический рост и развитие общества.
За период, прошедший с момента разработки последнего прогноза в рамках КП НТП в 1988 году, многое изменилось. Прежде всего, изменился сам заказчик программы — другим стало само государство. В нем изменился политический строй (отказ от однопартийной системы), хозяйственное устройство (широкое введение частной собственности) и внешняя ориентация (отказ от военного противостояния с ведущими капиталистическими странами). Вместе с тем, система национальных целей и приоритетов еще не построена.
Также изменились и потребители результатов научно-технических прогнозов — министерства, ведомства, предприятия и организации. Изменения в большей степени коснулись предприятий и организаций и в меньшей — министерств и ведомств.
Вместе с тем, утратила свою силу централизация и директивность управления экономическими субъектами, хотя в полной мере эти свойства не выполнялись и в планово-директивной экономике бывшего СССР. Все это придает прогнозам в условиях рыночной экономики иное значение: служить ориентирами для «настройки» системы регулирования экономикой, включая ее дополнение введением в отдельных сферах (отраслях) элементов централизованного управления (например, с помощью федеральных целевых программ).
Инновационно-технологические прогнозы, тесно взаимодействуя с социально-экономическими, значительно различаются используемой методологией. Так, если на макро- и мезоуровнях одним из главных параметров прогнозируемых социально-экономических событий является время их свершения, а также необходимые инвестиции (ресурсы), то для инновационно-технологических прогнозов первоначальны сами события и их характеристики. Иначе говоря, сначала необходимо спрогнозировать сами технологии и их компоненты, установить их характеристики и оценить параметры, а затем оценить ожидаемое время свершения и требующиеся для этого инвестиции (ресурсы). Поэтому научно-технологические прогнозы прежде всего предполагают получение качественной, содержательной информации. Для таких прогнозов разработаны разнообразные структурноинформационные модели, морфологический анализ [17], «дерево целей» [17] и информационно-логические модели [2, 9], используемые при информационном описании целевых управляемых процессов.
Технологии и их закономерности
Во второй половине ХХ в. было разработано более 100 методов прогнозирования технологий, экономических и социальных процессов, а также методов оценки возможностей осуществления и послед-
ИННОВАЦИИ № 10 (97), 2006
ИННОВАЦИИ № 10 (97), 2006
ствии политических решении, совершенствование которых продолжается и в настоящее время. Интерес к прогнозированию различных процессов начал формироваться после окончания ВтороИ мировой войны, когда после восстановления разрушенного и истощенного воинои промышленного потенциала появились (прежде всего для европейских стран) многочисленные возможности и перспективы развития технологий, экономики и общества. Острота проблемы правильного выбора была обусловлена соперничеством социалистического и капиталистического блоков, а также высокой ценой ошибочных решений.
Постепенно проблемы прогнозирования, обоснования, постановки и выбора решения как четко обозначенных, так и слабо структуризованных проблем стали концентрироваться на способах их решения, к числу которых относились, прежде всего, технологии. Сейчас не все из известных методов прогнозирования относятся к числу технологических, хотя большинство имеет отношение либо ко всему технологическому комплексу народного хозяйства, либо к его отдельным составным частям.
Среди возможных направлений разработки методов прогнозирования наиболее значимыми оказались методы, ориентированные на оценку перспектив экономического, социального развития и научно-технического прогресса (НТП). В США, Японии и промышленно развитых странах Европы основное внимание при прогнозировании уделялось научным и технологическим прогнозам. В западной литературе «технология» (в отличие от отечественной практики, где технология рассматривалась на микроуровне — на уровне технологических процессов) означала совокупность способов преобразования ресурсов, материалов с помощью техники и систем управления в полезные продукты и услуги. Поэтому «технология» нашла свое применение не столько на микро-, сколько на мезо- и макроуровнях, а большинство прогнозов в промышленно развитых странах стали относиться к технологическим. В странах ЕС наибольшее распространение получили прогнозы типа Foresight, ориентированные на изучение перспектив развития рынков и обоснование решений, предлагаемых руководству и обществу на макро- и мезоуровнях.
Technology Assessment развивается сегодня в большей степени в направлении выявления социального и политического выбора, связанного с технологическим развитием, а не определения эффекта или негативных последствий принимаемых решений. Методика Technology Assessment предусматривает комбинацию классического мониторинга технологического развития и перспективных оценок. В свою очередь, Technology Foresight являет собой широкомасштабный процесс, опережающий и формирующий принятие решений главным образом на национальном и региональном уровнях.
Strategic Intelligence может рассматриваться как инструмент формирования решений, основанных на экономике знаний. Он может обеспечивать существенную поддержку этого процесса, но только при условии адекватного отношения к нему со стороны политических субъектов. На современном уровне
1 — этапы жизненного цикла:
1.1 — становление;
1.2 — расцвет;
1.3 — завершение цикла;
2 — этапы поколения технологии:
2.1 — подъем;
2.2 — стабильное развитие;
2.3 — завершение развития;
3 — «продукт - технология»:
3.1 — начальные виды продуктов;
3.2 — базовые виды продуктов;
3.3 — завершающие виды
продуктов;
4 — иерархия технологий:
4.1 — метатехнологии;
4.2 — мезотехнологии;
4.3 — микротехнологии;
5 — компоненты технологии:
5.1 — собственно технология;
5.2 — техника и оборудование;
5.3 — организованный труд;
5.4 — системы и механизмы
управления;
6 — технологические уклады:
6.1 — 1-й «уклад пара»;
6.2 — 2-й «уклад электро-
энергии»;
6.3 — 3-й «уклад нефти»;
6.4 — 4-й «уклад газа»;
6.5 — 5-й «уклад компьютеров»;
6.6 — 6-й «уклад нанотехнологии
и возобновляемая энергетика»;
7 — сопряженность технологий:
7.1 — сопряженные технологии;
7.2 — несопряженные технологии;
8 — завершенность технологий:
8.1 — системная;
8.2 — базовая;
8.3 — комплектующая;
9 — вид технологии:
9.1 — технология производства;
9.2 — технология потребления;
10 — конкурентоспособность
технологии:
10.1 — лидеры;
10.2 — в числе лидеров;
10.3 — аутсайдеры;
11 — стадия технологического цикла:
11.1 — ресурсодобывающие
отрасли;
11.2 — перерабатывающие отрасли;
11.3 — обрабатывающие отрасли;
11.4 — отрасли, производящие
объекты инфраструктуры и конечные продукты.
Рис. 1. Классификатор технологий
своего развития этот аппарат, как показывает опыт ЕС, позволяет существенно продвинуться в решении проблем расширения интеграционного пространства, формирования европейского исследовательского пространства, а также поиска новых моделей управления и повышения экономической отдачи от НТП.
Традиционное прогнозирование технологий (Technology Forecasting) преобладает среди профессионалов: исследователей, аналитиков и экспертов. Однако результаты Technology Forecasting имеют широкое применение и как исходная информационная база в других видах прогнозов.
Технологии имеют множество признаков и обладают рядом устойчивых характеристик. Их упорядочение дает возможность представить классификатор технологий (рис. 1).
Конкурентоспособность технологии является важнейшим показателем, влияющим и на конкурентоспособность создаваемых на ее основе продуктов (оказываемых услуг). Потенциал конкурентоспособности технологии определяется составом (вектором) показателей качества, характеризующих потребительские свойства производимых на их основе продуктов, их себестоимость, цену, уровень новизны и др. в сравнении с продуктами-аналогами.
Соотношение качества и цены (например, как отношения произведения нормированных оценок
качества к цене) между разными технологиями (продуктами) определяет их конкурентные преимущества. Сравнение конкурентных преимуществ происходит на множестве показателей, характеризующих внешние факторы, потребительские свойства (качество) и стоимость (цену) технологий (продукта).
Продукт, превосходящий и по качеству, и по цене (т. е. имеющий меньшую цену) при равноценных внешних факторах, имеет явные конкурентные преимущества над сравниваемым аналогом. Когда сравниваемые технологии (продукты) имеют превосходство по одним показателям и уступают по другим, тогда их оценка определяется на основе принципа оптимальности по Парето, а выбор лучшего, естественно, остается за покупателем.
Основные базовые значения ценовых показателей и потребительских свойств определяются уровнем совершенства используемых технологий и лишь в ограниченной степени могут изменяться при текущем управлении на основе модернизации производства. Так, на внешних рынках отечественные продукты имеют преимущества над конкурентами за счет ценовых скидок (нередко и ценового демпинга), формирование которых основано на низкой доле оплаты труда, меньшей стоимости используемых ресурсов и энергоносителей. Однако конкурентные преимущества, базирующиеся только на ценовых скидках, как правило, недолговечны, а с их помощью можно кратковременно занимать лишь небольшие ниши на мировых рынках. Следовательно, основные конкурентные преимущества формируются за счет базового уровня совершенства используемых технологий.
Поэтому конкуренция продуктов на мировых рынках все в большей степени определяется уровнем конкурентоспособности используемых технологий. Уникальная продукция, «сделанная на коленке», без использования бизнес-технологии, способна удивить на какой-либо выставке, но она не имеет масштабной рыночной перспективы.
Значительный общий спад, а также сокращение экспортных объемов продукции обрабатывающих отраслей после перехода к рыночной экономике в РФ связан не только с их технологическим отставанием от промышленно развитых стран, но и с отсутствием государственной и корпоративной поддержки отечественной продукции не только на внешних, но и на внутренних рынках. Даже наличие определенных конкурентных преимуществ без достаточной государственной и корпоративной поддержки не спасло отечественных производителей металлорежущих станков и обрабатывающих центров от банкротства и разорения, а поставки отечественных боевых вертолетов, имеющих явные не только ценовые, но и значительные потребительские (боевые) преимущества над американским конкурентом, оказались невозможными в третьи страны из-за политического и корпоративного давления на них со стороны страны-конкурента.
Следовательно, выход на более устойчивые позиции на внешних рынках связан прежде всего с технологическим (продуктовым) совершенством, поскольку ценовые уступки нередко рассматриваются как демпинг и подрывают имидж страны-экспортера.
Полный технологический цикл на макроуровне (т. е. на уровне экономики в целом) представляет собой последовательность состояний первичных ресурсов и энергоносителей при переходе от их поисков и разведки до превращения в машины, оборудование, здания, сооружения, в конечные продукты, потребляемые человеком. Наиболее общими составными частями полного технологического цикла является деление цикла на четыре последовательных комплекса отраслей: ресурсодобывающие, перерабатывающие, обрабатывающие, производящие конечные продукты и объекты инфраструктуры. Внутри каждого комплекса в рамках отрасли могут быть выделены технологические переделы, т. е. последовательные совокупности однородных технологий. Обычно выделяют три или более технологических передела. Важность такого аспекта рассмотрения технологий обусловлена тем, что, как правило, эти переделы контролируют отраслевой рынок, и наибольшая рентабельность достигается на конечных технологических переделах, а многие российские компании на этапе перехода к рынку терпели и терпят серьезные поражения от западных конкурентов именно на конечных переделах, что ведет к утрате «продуктовой линейки». Удержание длинных технологических цепочек (последовательности переделов) является важнейшей задачей как отечественных компаний, так и государственной промышленной политики.
Методы инновационно-технологического прогнозирования и их анализ
Получение качественной информации о будущих технологиях и инновациях существенно упрощается при использовании поэтапных и иерархических информационно-логических моделей, поскольку требования к содержанию ожидаемых промежуточных и конечных результатов разрабатываемых технологий задаются устойчивыми к изменению содержания результатов внешними признаками. Эти признаки, в основном, определяются свойствами технологий, которые устанавливаются заранее.
В основу информационно-логических моделей (ИЛМ) положены поэтапные и иерархические модели [2, 9]. Поэтапные модели предполагают построение последовательности состояний (этапов) прогнозируемого объекта при переходе из начального состояния в конечное, определяемое целью развития объекта. Характерным отличием поэтапных ИЛМ является наличие типовых ИЛМ и настраиваемых, адаптивных ИЛМ. В типовых ИЛМ выделяются семь обязательных этапов:
1 — исходные предпосылки;
2 — подход к постановке;
3 — постановка;
4 — подход к выполнению;
5 — способ выполнения;
6 — ожидаемый результат прогнозирования;
7 — конечный результат.
Эти этапы формируются на основе введения компонент, которые характеризуют обязательные, регулярно повторяющие свойства управляемых целевых
ИННОВАЦИИ № 10 (97), 2006
ИННОВАЦИИ № 10 (97), 2006
Классификационные признаки методов инновацинно-технологического прогнозирования
Назначение и использование прогнозной информации
О
Информирование руководителей (государства, регионов, бизнеса, науки) о возможных направлениях инновационнотехнологического развития (мезо- и микроуровень) ------------------------®
Обоснование принимаемых стратегических решений руководством (мезо-и макроуровень)
'2.1
Информирование общества о возможных направлениях инновационно-технологического развития (мезо-и макроуровень)
----------------------(13
Виды прогнозной информации
Качественная (содержательная) информация __
--------——Сну
Номинально упорядоченная информация ___
-------------------О
Интервально упорядоченная информация
-------------------(ЗЛ'
Линейно упорядоченная информация
Количественно заданная информация
Детерминированная
L5.I1
Способы (методы) получения прогнозной информации
Формы организации прогнозной информации
Нормативные (целевые)
Индивидуальные (авторские) прогнозы
Изыскательские (эволюционные, исследовательские)___
------------—---------
Современные (циклические, итеративные)
------------.----------
Экспертные
Вероятностная
Институциональные (на постоянной основе)
-<4Л^
Рис. 2. Классификация методов инновационно-технологического прогнозирования
процессов. К их числу относятся: исходное состояние, способ выполнения, результат, требование к результату, цель. Установление между этими компонентами устойчивых для определенной внешней среды условий позволяет однозначно определить наиболее предпочтительную, а в случае типовых ИЛМ — единственную последовательность этапов. Применение поэтапных ИЛМ для технологического прогнозирования дает возможность исследователю, прогнозисту использовать внешнюю «оболочку», внешние требования установленного содержания прогнозируемых состояний рассматриваемого объекта.
Поэтапные ИЛМ дополняются иерархическими ИЛМ, в которых рассмотрение перспектив развития производится на разных уровнях детальности. Наиболее часто такие модели представляются в виде «дерева целей».
Универсальность свойств целевых ИЛМ и технологий позволяет получать достаточно надежные содержательные оценки прогнозируемых технологий и инноваций. Более того, существует возможность первоначального нормативного прогноза ожидаемых результатов на основе внешних требований в виде поэтапных и иерархических ИЛМ, задающих информационные матрицы ожидаемых результатов. Такой прогноз может быть составлен на основе результатов социально-экономических прогнозов либо анализа проблемных ситуаций и «узких мест» в технологической структуре экономики, крупной компании и др.
Это дает возможность властным структурам и бизнесу сформировать «заказ» науке на новые технологии и инновационные решения.
Полученные содержательные результаты прогнозирования подвергаются логическому анализу с применением компьютерных технологий, а также используются для получения количественных оценок технико-экономических параметров, ожидаемых временных оценок свершения событий и необходимых для этого инвестиций (ресурсов).
Формирование на основе ИЛМ структурно-логических информационных матриц, упорядочивающих ожидаемые результаты новых технологий и инновационных решений, позволяет не только использовать нормативный подход к прогнозированию, но и до определенной степени снизить требования к квалификации экспертов и прогнозистов-исследовате-лей. Это также дает возможность избежать возникших в последнее время трудностей при получении прогнозных оценок от специалистов компаний, ограниченных условиями нераспространения конфиденциальной информации.
Классификационные признаки методов инновационно-технологического прогнозирования представлены на рис. 2.
В основу классификации методов технологического прогнозирования положены следующие признаки: назначение и использование прогнозной информации, виды прогнозной информации; способы
получения прогнозной информации; форма организации участников процесса прогнозирования.
Принципиальное различие существует между изыскательским и нормативным технологическим прогнозированием.
Содержательные (качественные) методы завоевали прочное место в прогнозах с использованием метода Дельфи. Эти методы делают в принципе возможным «случайный доступ» ко всем уровням прогнозирования. В частности, только с ними связывается возможность найти совокупность обоснованных отправных пунктов для нормативных методов на самых высоких уровнях («социальные цели»).
Альтернативный путь — достижение этих уровней с помощью изыскательских методов — дает возможность формировать перспективные цели путем трудоемких итеративных подходов, но он недостаточно универсален.
Изыскательские методы могут быть подразделены на два класса, указывающие на их потенциальное применение:
1) методы, с помощью которых порождается новая технологическая информация: экстраполяция тенденций изменения технических параметров и функциональных возможностей, «кривые обучения», экстраполяция контекстуального картографирования, морфологическое исследование, информационно-логические модели, формирование сценариев;
2) методы, с помощью которых упорядочивается и перерабатывается наличная технологическая информация: историческая аналогия, написание сценариев и синоптическая итерация, вероятностные методы преобразований, экономический анализ, операционные модели и др.
Наиболее систематическим подходом к производству новой технологической информации является морфологическое исследование и информационнологическое моделирование, позволяющие на объективной основе получить значительный спектр функциональных технологических систем, подсистем и т. д. Оценке осуществимости, которая сообщает операциональную ценность этому подходу, могут содействовать экстраполяция тенденций и другие методы, с помощью которых порождается информация.
Сетевые методы могут оказаться полезными, когда речь идет о специальных аспектах нормативного прогнозирования, особенно для оценки различных системных концепций. Использование операционных моделей имеет меньшее значение в нормативном, нежели в изыскательском прогнозировании; их применяют главным образом к проблеме выбора среди ряда сложных альтернативных разработок.
Методы с обратной связью формируются из элементов изыскательского и нормативного прогнозирования. Существует возможность объединить эти методы таким образом, чтобы возникла интегрированная система с обратной связью, охватывающая многие уровни и направления перемещения технологии. В настоящее время создаются многоуровневые системы с обратной связью на базе «общения между
человеком и техникой» и частичных систем с обратной связью, охватывающих лишь некоторые направления перемещения технологии.
«Обходные» методы, за исключением интуитивного мышления, устанавливают прямые прогностические отношения между несмежными уровнями. Их применимость до сих пор считается неопределенной. Основная цель «обходных» методов состоит в том, чтобы, начав с одного уровня перемещения технологии, получить «случайный доступ» к любому другому уровню.
Концепция мозговой атаки (штурма) получила широкое распространение как метод систематической тренировки творческого мышления. Все методы, нацеленные на открытие новых идей и достижение согласия группы людей на основе интуитивного мышления, возникли из концепции мозговой атаки.
Прямая мозговая атака может проводиться отдельными лицами или группами. Она основана на гипотезе, что среди множества идей имеется, по меньшей мере, несколько хороших. Спорадические исследования, проведенные в этой области, привели к выводу, что ситуация мозговой атаки может повысить продуктивность мышления ее участников.
В то время как прямая мозговая атака преследует цель собрать множество новых идей, метод «обмена мнениями» направлен на то, чтобы достичь согласия между несколькими экспертами.
Одним из распространенных методов исследований считается метод Дельфи, разработанный в «РЭНД корпорейшн», основанный на прогнозировании с использованием комиссий или групп экспертов [4, 17]. Цель метода — разработка порядка последовательных индивидуальных опросов, связанных обратной связью в виде информации и оценки согласованности мнений, полученных путем обработки на персональных компьютерах. Суть метода в том, что специалисты, входящие в одну группу, могут влиять друг на друга так, чтобы компенсировать ошибки друг друга. Данный метод отличается от обычных методов группового взаимодействия экспертов:
а) анонимностью;
б) использованием результатов предыдущего тура
опроса;
в) статистической оценкой характеристик группового ответа.
В действительности метод Дельфи является интуитивной процедурой, где преобладает прогнозирование по аналогии — путем сравнения прогнозируемой технологии с какой-либо сходной технологией.
Любое технологическое решение, с точки зрения достижения уровня функциональных характеристик, не может улучшаться безгранично. Почти всегда есть верхний предел для функциональных характеристик, достижимый. Прогнозируя будущее развитие технологий (продуктов) одного поколения, нужно установить темп приближения к пределу. Если имеющиеся данные фиксируются в пространстве двух координат, то часто оказывается, что они представляют собой нижнюю часть Б-образной кривой. Прогноз может
ИННОВАЦИИ № 10 (97), 2006
ИННОВАЦИИ № 10 (97), 2006
быть получен восполнением недостающей части этой кривой путем подбора кривой по характерным точкам.
В технологическом прогнозировании, а также при оценке рынка часто используются две кривые роста — Перла и Гомперца [12, 16]. Простые методы подбора кривых позволяют прогнозисту определить их параметры объективным и воспроизводимым путем прямо по совокупности данных. Кривая может быть выявлена, и продление ее в будущее использовано как прогноз.
Преимуществом при применении кривых роста является их большая объективность по сравнению с интуитивными методами прогнозирования, подобными методу Дельфи. Тем не менее, видимость полной объективности может вводить в заблуждение. Альтернатива — применить ли для выравнивания кривую Перла или Гомперца — до сих пор решается субъективным образом, основанным отчасти на субъективной оценке пригодности подобранной кривой к данным прошлого развития. Если выбор базируется только на сравнении сумм квадратов отклонений от данных, соответствующих двум кривым, то и в этом случае нужно признать, что выбор этого критерия остается все же субъективным.
Наиболее часто прогнозные оценки технологий и инноваций получают с помощью экспертных оценок.
Методика экспертного прогнозирования, широко используемая для получения содержательной и количественной информации, включает четыре основных этапа:
1. Сбор предложений по решению научных проблем и формирование исходных списков по различным направлениям.
2. Формирование экспертных комиссий по различным направлениям.
3. Формирование критериев оценки ожидаемых результатов прогнозных решений.
4. Оценивание результатов прогнозирования по выбранным критериям и их ранжирование для последующего обсуждения и принятия окончательного решения.
Следует отметить, что прямых и однозначных способов оценки достоверности качественной экспертной информации не существует. Для этого используются разнообразные косвенные методы, включая строгий отбор экспертов, введение контрольных вопросов, оценку согласованности мнений экспертов и др.
После анализа достоверности содержательной информации используются различные процедуры измерения характеристик ожидаемых результатов в порядковых или (и) в количественных шкалах. Далее переходят к сравнению и упорядочению ожидаемых результатов. Для этого наиболее часто используется метод аддитивной либо мультипликативной свертки с приданием весов разным критериям.
В качестве методического подхода к формированию критериев оценки ожидаемых результатов наиболее часто используется метод аддитивной либо мультипликативной свертки. Подобная структура позволяет на каждом уровне и в каждой группе близ-
ких по смыслу критериев производить отбор, ранжирование и оценку их приоритетности.
После того как структурированы цели и критерии оценки инновационно-технологического развития, необходимо установить их приоритетность. Для этого на каждом уровне иерархии приоритетность или сравнительная важность элементов относительно элементов более высокого уровня должна быть выражена в количественной форме — в виде весовых коэффициентов («весов»). Здесь нередко используются некорректные методы, в которых необоснованно вводятся арифметические операции над экспертными оценками относительно шкал, в которых они измерены [11]. Примером может служить так называемый метод средних рангов, в котором ранги объектов, назначенные группой экспертов, усредняются и полученные величины считаются искомыми «весами», хотя известно, что в порядковых шкалах операция осреднения некорректна [15].
Существуют подходы, в которых весовые коэффициенты определяются на основе информации о парных сравнениях многомерных объектов и их критериальных оценках [1, 7]. Однако такие процедуры для практических ситуаций трудоемки и требуют решения сложных оптимизационных задач, а полученные «веса» могут быть использованы только для данного конкретного множества объектов, что снижает их практическую ценность.
Большую группу составляют методы, основанные на вероятностной трактовке экспертных суждений. Здесь предполагается, что суждения могут изменяться под действием случайных факторов [4]. Отсюда следует, что оценка важности объекта также является случайной величиной, а эксперт оценивает каждую ее реализацию. Поскольку от одного эксперта нельзя получить набор суждений при независимых повторных испытаниях, то требуемые частоты находятся в результате опроса группы экспертов, которую считают однородной [4]. Таким образом, статистические модели требуют, как минимум, наличия больших экспертных групп и проверки их однородности.
Для решения такой задачи наиболее разработаны процедуры на основе модели Терстоуна, а также методы, использующие матрицы частот предпочтений экспертов [3, 5].
Экспертное оценивание прогнозируемых результатов проводится, когда объективное измерение невозможно. В традиционном представлении проверка состоятельности индивидуального ответа означает его сравнение с некоторым эталоном — «истинной» оценкой или ее приближением. Наиболее часто используется для этого метод сравнения с групповой средней, которая в этом случае принимается за эталон. Чтобы усредненное мнение соответствовало «истинному», основная часть экспертов должна давать правильные ответы. Проверить, так ли это на самом деле в конкретной экспертизе, практически невозможно, а провести предварительное тестирование удается далеко не всегда. Вообще, надежда на использование «истинной» или близкой к ней оценки в анализе экспертных данных, который должен выявить
эту оценку, не всегда оправданы. Упомянутая и аналогичные ей идеи применимы для незначительной корректировки уже известного результата. Более того, в многочисленных экспертизах, предназначенных для нахождения разумного компромисса между заведомо несовпадающими точками зрения, само понятие истинности или эталона теряет смысл.
В общем случае схема построения критерия индивидуальной согласованности эксперта имеет следующий вид:
1) выбор меры согласованности экспертных оценок;
2) задание «эталонной» модели образования противоречивых суждений;
3) расчет распределений меры для принятой модели при некоторых предположениях о распределении модельных параметров [11] .
В подавляющем большинстве работ в качестве «эталонной» модели рассматриваются случайные суждения эксперта. Тогда анализ согласованности состоит в проверке гипотезы о случайном формировании экспертных оценок. В качестве соответствующей статистики, для которой строятся распределения, выступает выбранная мера согласованности.
Главная цель экспертиз — получение некой «объективной» информации о вариантах, причем такая информация не рассматривается как директивная. Исходное соглашение состоит в том, чтобы в качестве «объективной» использовать оценку, которая получена от группы экспертов как равнодействующая их индивидуальных мнений. При этом предполагается, что разумный компромисс между различными точками зрения достижим. В ситуации согласования различных интересов экспертные методы дают возможность построить «проект» соглашения, который в известном смысле наиболее близок к исходным позициям всех участников.
Необходимость получения результата, обобщающего ответы нескольких теоретически равноправных экспертов, делает задачу согласования мнений исключительно важной.
Существуют две возможности согласования: путем последовательного сближения исходных точек зрения или применения некого формального правила, дающего «справедливый» компромисс, когда мнения различны и фиксированы. Так как в реальности полное единство взглядов — скорее исключение, чем закономерность, использование формальных методов часто является вынужденной мерой, на которую идут, когда обсуждение вопроса заходит в тупик. Простейший пример — принятие решения большинством голосов. В то же время во многих экспертизах обмен мнениями между участниками не предусматривается (дорого, бесполезно и т. д.), и формальные методы становятся основным инструментом поиска решений. При этом нагрузка на экспертов снижается, но возрастает трудоемкость сбора и обработки данных. Промежуточное положение между неформальным обсуждением и формальным согласованием (агрегированием) занимают процедуры, которые можно назвать формализованными.
С содержательной точки зрения, существенно, чтобы любая формально построенная равнодейству-
ющая выражала то общее, что содержится в полученных ответах. Понятно, что этого можно добиться только при условии достаточной согласованности (близости) мнений в группе. Если они противоречивы, то агрегирование превращается в бессмысленное усреднение. Следовательно, в каждом конкретном опросе должен решаться вопрос о правомерности использования формальной результирующей как «представителя» группы, то есть должна проверяться согласованность ответов.
Агрегирование экспертных предпочтений предполагает упорядочение или количественную оценку объектов по данным в виде набора индивидуальных ранжировок или матриц парных сравнений.
На вопрос о существовании «разумных» методов построения итогового упорядочения дает анализ, проведенный К. Дж. Эрроу. Им исследовалась совместимость четырех требований к методу агрегирования: универсальность, монотонность, бинарная независимость и транзитивность.
Теорема Эрроу утверждает, что четырем перечисленным условиям удовлетворяют только «диктаторские» правила, т. е. такие методы, в которых итоговое упорядочение всегда совпадает с упорядочением одного из участников, причем этот участник выбирается заранее.
Безусловно, есть ситуации, в которых «диктаторское» правило разумно, но несомненно и то, что во многих случаях решение следует принимать демократическим путем. При этом, как следует из теоремы Эрроу, нужно отказаться хотя бы от одного из четырех перечисленных ограничений.
Согласно правилу «^-большинства» для любых х, y&X коллектив предпочитает объект x объекту у тогда и только тогда, когда x стоит выше у не менее, чем в k индивидуальных упорядочениях, где k<m — заранее выбранное число. Правило большинства, очевидно, является «^большинством» при ^^/2] + ! Невыполнение условий универсальности для правил «^ большинство» означает, что полученное коллективное предпочтение может быть упорядоченным и, в частности, при k<m в нем возможны нарушения транзитивности.
Несмотря на известные недостатки правила большинства, имеется немало ситуаций, в которых применение его содержательно обосновано. В этих случаях часто возникает задача выбора наилучших объектов при циклических итоговых предпочтениях. Одним из широко известных алгоритмов ее решения является метод, предложенный Д. Блэком, согласно которому «лучшими» признаются объекты, не уступающие ни одному объекту по правилу большинства, а если таковых нет, лучшими объявляются объекты с максимальной строчной суммой.
Правило Блэка соединяет два совершенно различных принципа выбора. Это приводит к нарушению важного условия монотонности, если использовать данное правило для построения коллективного упорядочения, т. е. на каждом шаге выбирать из множества X «лучшие» объекты среди еще не выбранных.
Более корректным методом упорядочения объектов при нарушении транзитивности в правиле боль-
ИННОВАЦИИ № 10 (97), 2006
ИННОВАЦИИ № 10 (97), 2006
шинства является метод Копленда, согласно которому объекты упорядочиваются по убыванию показателя, равного разности числа объектов «худших» к «лучшим» по большинству, чем данный объект.
Стратегии инновационно-технологического развития
Структурно-технологический маневр как средство освоения интенсивных факторов развития экономики обоснован в работах [8, 14]. Такой переход в настоящее время дополняется требованием повышения конкурентоспособности российской экономики в связи со вступлением России в ВТО.
Прогнозы технологического развития мировой экономики свидетельствуют о том, что в ближайшей и отдаленной перспективе основными факторами экономического развития останутся природные ресурсы, энергия, информационные технологии, технологии энерго- и ресурсосбережения, людские ресурсы и территория.
В качестве крупнейших инновационных контуров ХХI столетия прогнозируются. н информационные и телекоммуникационных технологии (в том числе создание глобальных информационных систем, построение нового информационного общества); н медицина и здравоохранение (в том числе проблемы геронтологии, поддержки престарелых, совершенствования управления сферой охраны здоровья населения); н защита окружающей среды (одной из первостепенных задач здесь будет перевод автомобильного транспорта на экологически безопасные топливные элементы); н технологии личной безопасности и противодействия терроризму (разработка датчиков, систем оповещения населения, вакцин, индивидуальных наборов для осуществления тестов на вредность, эффективных средств контроля окружающей среды, методов изучения и использования особенностей психологии и поведения террористических групп и др.); н технологии ресурсно- и энергосбережения.
Несомненной тенденцией перспективного периода будет дальнейшее усиление роли научно-технологического прогресса в развитии мирового сообщества.
Россия обладает достаточным потенциалом для развития национальной экономики, включая все основные факторы развития. Главные среди них — ресурсный и энергетический потенциал, наука и инновационный потенциал, развитый оборонно-промышленный комплекс, образованный кадровый потенциал и значительная, в том числе и мало освоенная, территория. Несмотря на это, в последние годы главным фактором экономического роста России были и остаются природные ресурсы и прежде всего углеводороды (нефть и газ), мировые цены на которые в последние годы достигли своего исторически максимального уровня. Хотя средние темпы роста ВВП с 1999 г. остаются высокими (7,1%), темпы рос-
та промышленного производства остаются низкими и к 2004 г. удалось достичь только 70% уровня 1990 г.
Возможные стратегии развития экономики можно строить на основе преимущественного использования тех или иных факторов. Однако оценка перспективности эволюционно сложившейся ресурсноэкспортной стратегии свидетельствует о возможном низком росте ВВП (2-4% годовых) даже при самых благоприятных условиях. Есть другая альтернатива — ускоренный рост наукоемкого сектора промышленности и наращивание за счет этого объема экспорта. В силу низкой доли этого сектора в настоящее время даже его ускоренный рост (с темпом до 25% годовых) способен через 10 лет обеспечить прирост ВВП не более 10-12%. Остается практически единственный вариант — на основе ресурсно-инновационной стратегии соединить ресурсы и новые технологии. При этом новые технологии в ресурсодобывающих и перерабатывающих отраслях способны выполнить роль мультипликатора, а не примитивного «сумматора» дополнительного экспорта наукоемкой продукции с уменьшающимся экспортом ресурсов. По оценкам, при выполнении необходимых условий возможно удвоение ВВП в сроки, близкие к 10 годам.
Неизбежное приближение к уровню максимальной добычи природных ресурсов и прежде всего невозобновляемых запасов углеводородного сырья ставит перед экономикой страны новые проблемы, включая принятие рациональной стратегии поведения. Но при этом следует обеспечить три главных условия:
1) максимально полное, экономически оправданное и экологически безопасное извлечение всех полезных запасов ресурсов;
2) глубокую, максимально безотходную переработку ресурсов в полезные продукты;
3) энерго- и ресурсосберегающее использование первичных ресурсов, полученных на их основе продуктов, энергоносителей и произведенной энергии. Как обеспечить эти условия?
Основой их поиска являются новые технологии, инвестиции и активная государственная поддержка.
Добыча, транспорт, переработка и использование природных ресурсов традиционно относились к ненаукоемким видам экономической деятельности. Поэтому здесь и сформировались технологии невысокого уровня, способные производить разнокачественные ресурсы, использование которых ведет к их перерасходу и производству неконкурентоспособных продуктов. Мировой опыт и практика ведущих российских компаний свидетельствуют о росте науко-емкости сырьевых и перерабатывающих отраслей, где начинают широко применяться высокие технологии.
В качестве примера можно назвать прямые методы поиска и разведки запасов углеводородов, трехмерные модели запасов нефти и газа, производство синтетического топлива из каменного угля, технологии переработки отвалов шлама, скопившихся на электростанциях, металлургических предприятиях и т. д. Сейчас и в ближайшей перспективе нанотехнологии, энергосберегающие технологии новых поколений, системное проектирование технологичес-
ких цепочек с ориентацией на перспективные технологии потребления и др. способны резко снизить потери сырья при добыче и его переработке в разнообразные продукты.
Перспективы применения методов инновационнотехнологического развития
Изменение внешних условий для разработки прогнозов инновационно-технологического развития требует для их выполнения не только новой организационной схемы, но также использования новой технологии выполнения прогнозов и разработки комплексных целевых программ.
Известно, что техники и экономисты имеют один и тот же объект, но у каждого из них свой предмет деятельности. Их совместные усилия направлены на создание экономически эффективной техники. В условиях планово-директивной экономики техники всегда имели приоритет: они предлагали технические решения возникающих проблем, а экономисты обеспечивали расчеты их эффективности. В условиях конкурентного рынка экономисты берут полноценный реванш: сначала они на основе прогноза рынка задают техникам условия, при которых разработанная и созданная продукция будет продаваться, а не оставаться на складе. Это приводит к усилению роли экономики и экономических оценок при разработке технологических прогнозов и составлении комплексных целевых программ.
Прогноз и Программа должны быть нацелены не только на развитие высокотехнологичных производств, но и учитывать в инновационном развитии интересы средненаукоемких производств, к которым относятся многие ресурсодобывающие и ресурсоперерабатывающие подотрасли.
Наиболее предпочтителен следующий порядок разработки масштабного технологического прогноза и комплексной целевой программы: н Технологическому прогнозу должен предшествовать тщательный социально-экономический анализ состояния с выделением состава приоритетных национальных интересов (целей). Эти приоритеты задают перспективные направления социально-экономического развития и определяют формируемые нормативно базовые социально-экономические показатели на перспективу.
н Далее системщиками-технологами и экономистами выполняется анализ достигнутого состояния технологического развития на макроуровне и формируются оценки научно-технического потенциала в стране на текущий момент и на перспективу.
н Сопоставление оценок социально-экономического долгосрочного прогноза с оценками достигнутого технологического уровня и оценками научно-технического потенциала страны позволяет сформировать требования к технологическим прогнозам по комплексам отраслей, упорядоченным в рамках технологического цикла, по отдельным отраслям и видам экономической деятельности (в
соответствии с ОКВЭД). На основе этих требований раздельно по комплексам, отраслям и направлениям (подотраслям) проводятся технологические прогнозы с выделением семейств технологий в рамках фактически достигнутого и ожидаемого поколений технологий, обычно характеризуемых с помощью 5-образных кривых.
н Полученные данные о содержании, технических и экономических характеристиках технологий анализируются, уточняются и могут быть при определенных условиях использованы для получения прогнозных оценок необходимых инвестиций.
н С учетом оценок перспективных технологий и оценок социально-экономического развития, полученных ранее, могут проводиться дополнительные исследования по выявлению перспективных технологических кластеров и поиску новых форм интеграции бизнес-технологий. Прогнозные оценки необходимых инвестиций для разработки и освоения новых технологий анализируются и могут служить исходной базой при построении комплексной целевой программы.
Литература
1. Н. И. Александров, Н. И. Комков. Моделирование организации и управления решением научно-технических проблем. М.: Наука, 1988.
2. Г. Г. Балаян, Г. Г. Жарикова, Н. И. Комков. Информационнологические модели научных исследований. М.: Наука, 1978.
3. С. Д. Бешелев, Ф. Г. Гурвич. Математико-статистические методы экспертных оценок. М.: Статистика, 1980.
4. Р. Д. Кини, Х. Райфа. Принятие решений при многих критериях: предпочтения и замещения. М.: Радио и связь, 1981.
5. С. Г. Влэдуц, Е. В. Левнер. Об одном экспертном методе оценивания важности критериев в задачах многокритериальной оптимизации. // Нечисловая статистика, экспертные оценки и смежные вопросы. М.: ВИНИТИ, 1984. С. 65-66.
6. С. Ю. Ерошкин, В. В. Поляков. Анализ подходов к оценке экспертной информации при прогнозировании инновационных решений. М.: Труды ИНП РАН, 2005.
7. О. И. Ларичев. Объективные модели и субъективные решения. М.: Наука, 1987.
8. Б. Г. Литвак. Экспертная информация: методы получения и анализа. М.: Радио и связь. 1982.
9. Н. И. Комков. Модели программно-целевого управления (на примере программ научно-технического развития). М.: Наука, 1981.
10. Инновационно-технологическое развитие экономики России: проблемы, факторы, стратегии, прогнозы. М.: МАКС-Пресс, 2005.
11. Д. И. Батищев, В. Ф. Анучин. Построение коэффициентов важности частных критериев на основе нечисловой информации. // Нечисловая статистика, экспертные оценки и смежные вопросы. М.: ВИНИТИ, 1984. С.188-189.
12. В. В. Подиновский. Что такое коэффициенты важности и как их корректно применять?//Нечисловая статистика, экспертные оценки и смежные вопросы. М.: ВИНИТИ, 1984. С. 163-165.
13. Дж. Мартино. Технологическое прогнозирование. М.: Прогресс, 1977.
14. Обработка нечеткой информации в системах принятия решений. / Под ред. А. Н. Борисова. М.: Радио и связь, 1989.
15. Перспективы преодоления технологического отставания и повышения конкурентоспособности экономики. М.: ИНП РАН, 2006 (препринт).
16. Прогнозирование и экономическое обоснование инновационных проектов. М.: Диалог-МГУ, 1999.
17. Э. Янч. Прогнозирование научно-технического прогресса. М.: Прогресс, 1970.
ИННОВАЦИИ № 10 (97), 2006
