Страница 12 из 16
Таким образом, разработка национального проекта (его паспорта и рабочего плана) – это только начало пути. В национальном проектировании все же разумно ставить вопрос в более широком и долгосрочном смысле и говорить больше о стратегическом управлении, чем об инкрементальном. Вместе с тем, стратегическое управление, помимо процесса планирования, включает в себя также процессы организации, мотивации и контроля деятельности, где инкрементальные особенности управления также могут быть важны.
В частности, в настоящее время формируется организационное обеспечение национальных проектов, приняты соответствующие постановления правительства России. Например, управление проектом по Цифровой экономике[32] предусматривает многоуровневую систему, состоящую из 18 (восемнадцати) инстанций. С точки зрения теории катастроф[33]– это катастрофа. В работе[26] нами уже отмечалось, что, согласно этой теории, с увеличением числа уровней управления более 3 (трех), система управления начинает терять свою устойчивость развития.
Самой устойчивой является проектная конструкция управления – она 2-уровневая. Этим, собственно, и отличается проектный подход от других. В нем предусмотрены уровни: владельца проекта (ответственного) и исполнителей, задействованных в рискованном проектном процессе. То есть, проектный подход с бо́льшим числом уровней управления, это не проектный подход.
Однако социально-гуманитарные системы управления, к которым относится системы национального проектирования, их рефлексивно-активная среда, по-видимому, нуждается в дополнительном теоретическом исследовании и поиске научного обоснования методологического и технологического инструментария поддержки решений, которые обеспечат устойчивость развития и безусловность достижения поставленных Майским указом 2018 года Президента России целей. Весомую роль в этом обеспечении должны, по-видимому, сыграть ситуационные центры развития с имплантированным в их функционирование переплетением различных подходов к управлению, включая инкрементальный и стратегический.
2.2. Прорывное ситуационное управление в условиях катаклизмов и катастроф
Классический, традиционный, подход к ситуационному управлению (СУ) опирается на возможности логико-лингвистических моделей, детерминированного (логико-ориентированного) искусственного интеллекта, индуктивного и дедуктивного и вывода, нейронных сетей и экспертных систем. Вместе с тем, особую актуальность в решении задач СУ все больше приобретают вопросы социально-гуманитарного характера. Становится необходимым все быстрее согласовывать коллективные решения. Например, ранее стратегические планы могли согласовываться месяцами, а теперь это процесс сокращается до нескольких дней и даже часов. Потребовался учет коллективного бессознательного в самоорганизующихся среде, что связано с идеей активизации формирования инсайтов и повышения мотивации участников принятия решений в построении и реализации планов действий. Последовательная демократизация общества все больше заставляет заниматься построением интеллектуальных систем поддержки процессов гражданского и экспертного участия. А это приводит к необходимости в СУ осваивать новые, более высокие, уровни сложности семантик компьютерных моделей, на которые раньше исследователи просто закрывали глаза. Причем сложность этих семантик континуально возрастают не в разы, а на десятки порядков. Необходимость управления ситуацией в условиях катаклизмов и катастроф не оставляет шансов ручному управлению, поскольку процессы управления нуждаются в принципиальном ускорении решений, что невозможно осуществить без обновления СУ.
Таким образом, требуется новая парадигма СУ. В этой парадигме экстенсивное совершенствование заменяется интенсивным, многие задачи приобретают обратный характер, субъект становится неотъемлемой частью систем поддержки принятия решений, что, в свою очередь, на упомянутые выше десятки порядков (а в отдельных случаях – до бесконечности) повышает сложность системы управления. Система распределенных ситуационных центров развития становится основной институциональной и цифровой платформой для поддержки коллективных процессов консолидации участников на всех уровнях управления.
Классический подход к ситуационному управлению имеет длинную историю, соизмеримую с историей развития кибернетики, а значит исчисляемую несколькими тысячами лет. Вместе с тем научный разрез этого подхода можно датировать второй половиной прошлого века. Его появление связано, скорее всего, с появлением компьютеров и началом становления дисциплины искусственного интеллекта (ИИ). Сначала все родимые пятна ИИ принадлежали и ситуационному управлению. Акцент в его развитии в основном делался на представлении знаний об объекте управления и способах управления на уровне логико-лингвистических моделей, применении логического вывода в процессах построения многошаговых решений и распознавании ситуаций[34][35].
Цифровая трансформация экономики наших дней подразумевает внедрение технологических новшеств, порождающих качественно новую синергию, создающих условия для эмерджентности и дающих прорывной, подрывной (disruptive) эффект. Этот эффект является необходимым условием быстрого роста конкурентоспособности продукции на мировых и отечественных рынках, принципиальным улучшением качества жизни людей, созданием неведомых ранее устройств и утилизацией старых и пр. Новые технологии и бизнес-модели перелицовывают промышленность, сервисы и сектора экономики, сквозные цифровые технологии ломают границы между отраслями и компаниями, научные исследования становится все более междисциплинарными. Сквозные цифровые процессы дают практически неограниченные возможности для развития бизнеса. Например, транспортные компании развивают программные приложения для совместной реализации поездок, системы управления интеллектуальной собственностью делают опору на блокчейн, банки переходят на финтех, прогнозирование рынка делается с учетом его непредсказуемых флюктуирующих изменений, порождаемых девиацией неформализуемой мечты[36].
Явно меняются подходы к проведению научных исследований. Так, все больше проявляются такие явления, как «наука данных», в науку вмешивается краудсорсинг. Весомые научные результаты получаются на основе анализа больших данных в определенной предметной области. Для этого накапливаются соответствующие массивы данных в геологии, здравоохранении, астрономии, физике, энергетике[37], биоинформатике, мониторинге климата, в исследованиях на основе численного моделирования и др.[38]. Вместе с тем есть риск, что анализ больших данных не позволит найти оригинального решения, ведь изобретение является продуктом инсайта человека или группы людей[39]. А инсайт происходит, как правило, в иной ситуации, даже не смежной. Анализ больших данных загоняет процесс поиска в экстраполяционном направлении, ведь нейронные структуры и статистические подходы свои прогнозы строят на основе предыдущей истории, и, как правило, в шорах сложившегося конечного базиса факторов. На получение же прорывного результата прошлый опыт может накладывать существенные ограничения.
Основные причины проявления таких ограничений лежат в инерционности логического склада мышления, диктате имеющихся нормативов, невозможности устранения междисциплинарных барьеров, потребности формирования новых институтов на основе разрушения старых, необходимости сокращения рабочих мест и набором сотрудников с новыми компетенциями и многом другом. Примерами появления принципиально новых решений служат давние прорывы с созданием радио, самолета и трактора, а сейчас – социальные сети, смартфоны, туманные вычисления, блокчейн, квантовые семантики, оптические компьютеры, голографические процессоры и др. Некоторые из новых технологий пока только очень избирательно обсуждаются в узких научных кругах, а некоторые вообще не обсуждаются и находятся на уровне фантазий середины прошлого века, например, Айзека Азимова.
32
Постановление Правительства РФ от 2 марта 019 г. № 234 «О системе управления национальным проектом «Цифровая экономика Российской Федерации»
33
Арнольд В. И. «Жесткие» и «мягкие» математические модели. – М.: МЦНМО, 2004. – 32 с.
34
Поспелов Д. А. Ситуационное управление: теория и практика – М.: Наука, 1986. – 288 с.
35
Попов Э. В. Экспертные системы: Решение неформализованных задач в диалоге с ЭВМ. – М.: Наука, 1987. – 288 с.
36
Райков А. Н. Метафизика мечты// Экономические стратегии. – 2006. № 3 (С. 16–23) и № 4 (С. 22–25)
37
Воропай Н. И., Губко М. В., Ковалев С. П., Массель Л. В., Новиков Д. А., Райков А. Н., Сендеров С. М., Стенников В.А… Проблемы развития цифровой энергетики в России. № 1. 2019, – С. 2–14. doi: http://doi.org/10.25728/pu.2019.1.1
38
Зацаринный А. А., Колин К. К. Методологические основы системного подхода к созданию информационных систем в условиях глобализации общества // Стратегические приоритеты. – 2018. – № 1. – С. 38–62.
39
Raikov A. Convergent networked decision-making using group insights. Complex & Intelligent Systems. December 2015, Volume 1, Issue 1, pp 57–68 (DOI 10.1007/s40747-016-0005-9). doi: 10.3182/20080706-5-KR-1001.0644