Растущий массив реализованных Форсайт-проектов в разных секторах, сопровождающийся значительной долей неточных предположений и ошибочной интерпретации возникающих событий, побуждает экспертное сообщество к комплексной и объективной оценке результатов таких исследований. От сценарного планирования ожидают более реалистичных представлений о картинах будущего, уменьшающих степень неопределенности и влияние когнитивных предубеждений при принятии решений. Тема оценки результатов Форсайта особенно актуальна в сфере энергетики, от состояния которой зависит развитие экономики и социальной сферы, качество окружающей среды. В статье анализируются результаты египетского энергетического Форсайта «Egypt LEAPS» с точки зрения перспектив самого сектора, вовлеченности участников в процесс, их восприятие картины будущего и точность предположений. Уделяется внимание важному аспекту — методикам противодействия когнитивным предубеждениям, которые сопутствуют освоению сложности и неопределенности в рамках Форсайт-исследований. Представленная работа будет полезной как для составителей прогностических сценариев, так и для лиц, принимающих решения в более широком контексте
Тема динамических способностей (dynamic capabilities) за последние годы приобрела новое звучание. Как и другие компетенции высшего порядка, такие способности обеспечивают постоянное обновление знаний, гибкую рекомбинацию ресурсов, адаптацию к быстро меняющейся среде. Их ключевым элементом выступает работа с будущим, начиная с базовых навыков грамотности в отношении будущего — futures literacy (FL). Поскольку данная компетенция служит основополагающей для кадрового потенциала организаций, целесообразно начинать ее развитие уже в рамках университетских программ. Удовлетворению этой насущной потребности длительное время препятствовало отсутствие объективных инструментов, позволяющих измерять степень освоения FL. Авторы статьи восполняют описанный пробел, предлагая инновационный подход к выявлению и стандартизации оценки компетенции FL. В работе представлены шесть теоретических аспектов FL в качестве основы для группировки соответствующих метрик, выставления итоговых оценок и их интерпретации. Эти аспекты — субкомпетенции «предвидение», «оценка будущих сценариев» и «принятие решений в условиях неопределенности» — могут быть описаны независимо друг от друга. Возможность измерять исходный уровень FL позволит разрабатывать более эффективные образовательные программы по культивированию данной компетенции.
Продуктивным подходом к интеграции стратегического Форсайта и машинного обучения выступает модель Generalized Strategic Foresight Model embedding MLOps (GSF(M)²) — унифицированная структура управления, сочетающая интерпретационную глубину долгосрочного сценарного Форсайта с адаптивностью процедур машинного обучения в режиме реального времени. Модель устраняет структурные недостатки существующих систем принятия решений, где методы Форсайта генерируют упреждающие идеи, но лишены механизмов операционализации, тогда как алгоритмы машинного обучения автоматизируют процессы, но игнорируют стратегический и партисипативный контекст, а также социально-организационную специфику. Системный обзор литературы по методологии PRISMA (по 16 публикаций в каждом блоке — Форсайт и жизненный цикл машинного обучения) выявил методологические пробелы обоих направлений при сопоставлении с эталонными архитектурами. GSF(M)² синтезирует преимущества обоих подходов, встраивая логику Форсайта в адаптивные процессы машинного обучения, а автоматизированные циклы обратной связи — в сценарное планирование. Результатом стала постоянно обучающаяся экосистема, позволяющая в режиме реального времени осуществлять корректировку сценариев, параметров моделей и стратегических вариантов. Синтез упреждающей аналитики, непрерывного сканирования стратегического горизонта и приоритизации на базе данных обеспечивает повышение эффективности разработки политики и институциональную гибкость в условиях международной и технологической неопределенности. GSF(M)² представляет собой первую двухуровневую структуру коэволюции стратегического Форсайта и адаптивных алгоритмов в единой рефлексивной архитектуре управления