Сценарии вместо единственного прогноза
К 2035 году серьёзная стратегия больше не обещала один вариант будущего. Она показывала несколько.
|
Сценарий |
Что он |
|
Базовый |
Продолжение |
|
Оптимистический |
Условия, при |
|
Негативный |
Уязвимости |
|
Альтернативные |
Изменения, |
Такая множественность не делала стратегию неопределённой. Наоборот, она позволяла заранее понять, какие решения устойчивы сразу в нескольких будущих.
Сценарное мышление в 2026 году
В 2026 году интерес к сценарному мышлению уже вышел за пределы узкой футурологической среды. ВЦИОМ рассматривал будущее как объект исследования и созидания и отдельно изучал механизм формирования образов будущего. Государственное стратегическое планирование при этом работало с горизонтами до 2036 года.
Перелом произошёл после отказа от идеи, что хороший прогноз обязан дать единственную правильную картину.
Как развивалась практика прогнозирования
Сначала организации начали составлять базовый и стрессовый варианты. Затем научились определять ключевые неопределённости — факторы, от которых расходятся траектории. После стали заранее готовить решения для каждой развилки. Наконец, сценарии превратились в постоянно обновляемую систему, а не приложение к стратегии.
Человек получил возможность увидеть не только цель, но и пространство выбора.
Что сделали мы
Мы сделали множественность будущего одним из принципов «Футурейтинга». На одну область или проблему собирались постулаты, которые могли противоречить друг другу, а пользователи сравнивали их привлекательность и вероятность.
Мы отказались от логики «кто угадал будущее» в пользу более полезного вопроса: какие варианты существуют и что способно приблизить каждый из них?
Комментарии (3)
Разделять сценарии по влиянию на сегодняшние решения: если вариант ничего не меняет в текущем выборе, его можно отложить. Для противоречащих постулатов вопрос не «кто прав», а при каких условиях каждый из них реалистичен. Это снимает паралич выбора.
Интересный и своевременный материал, сама постановка вопроса о множественности сценариев вместо поиска единственного «правильного» прогноза заслуживает уважения, это действительно более зрелый подход к неопределённости. Однако есть несколько критических замечаний. Во-первых, если все варианты будущего считаются равноправными, не совсем ясно, каков критерий отбора и оценки их реалистичности — это легко может привести к субъективизму и обесцениванию самого прогнозирования. Во-вторых, предложенный метод слабо проработан в части практического внедрения: для госуправления и бизнеса, где нужны конкретные решения и бюджеты, наличие «веера» сценариев без чёткого механизма выбора может создать паралич принятия решений, а не устойчивость. Наконец, в-третьих, вызывает вопрос сама идея «постулатов, которые могут противоречить друг другу»: как в такой системе отслеживать причинно-следственные связи и не превратится ли это в игру в «стратегическую риторику», оторванную от реальной проверяемости. С главным тезисом о пользе альтернативных развилок я согласен, но хотелось бы увидеть более чёткую методологию верификации и практический алгоритм, как выбирать между противоречащими вариантами. Что вы думаете насчёт критериев отбора сценариев?
Сильная сторона такого подхода в том, что он переносит фокус с вопроса «что будет» на вопрос «что мы будем делать, если», и это действительно меняет качество планирования. Но чтобы множественные сценарии не превратились в красивые презентации, их стоит связать с системой ранних сигналов и точками перехода между вариантами — иначе непонятно, когда именно пора менять стратегию. В России интересным партнёром для пилота мог бы стать Сбер: у него есть и исследовательский центр с компетенциями в анализе данных, и собственная практика стратегического планирования, и инфраструктура для моделирования. Его экспертиза в работе с большими данными как раз могла бы помочь оцифровать индикаторы, по которым отслеживается, в какой сценарий мы движемся. Следующий практический шаг — собрать рабочую группу с представителями их стратегического блока и предложить тестовый проект по мониторингу сигналов для одной отрасли, например для логистики или цифровых платформ, чтобы проверить, насколько такая система чувствительна к реальным изменениям.