§ 2. Практика прогнозирования начно-технического прогресса на уровне корпораций

Первые попытки американских корпораций заглянуть в завтрашний день науки и техники (и соответствующим образом строить свою техническую и коммерческую политику) относятся еще к периоду 20-х годов, когда к нему начали прибегать такие фирмы, оперировавшие в наиболее динамичных отраслях техники того времени, как "Дженерал моторе", "Дюпон" и особенно "Рэдио корпорейшн оф Америка" (чей долголетний президент Д. Сарнов может рассматриваться как первый прогнозист-менеджер в современном смысле этого слова).

В нынешних же условиях научно-техническое прогнозирование на уровне фирм завоевало всеобщее признание, ибо пренебрежение к научно-техническим прогнозам в эпоху научно-технической революции все чаще начало оборачиваться для них ощутимыми поражениями в конкурентной борьбе¹. И наоборот, "Ксерокс", ИБМ и некоторые другие корпорации, удачно освоив методы сочетания прогнозирования и внутрифирменного планирования, сумели только за последние 5 лет поднять уровень рентабельности своей деятельности на 21 - 39%². По некоторым оценкам, расходы корпораций США на прогнозные работы достигли на рубеже 70-х годов около 150 млн. долл. в год, а из 5900 крупнейших корпораций страны, опрошенных американскими исследователями М. Сетроном и X. Ральф, прогнозирование практиковалось по крайней мере в 1114³.

¹(Так, непродуманно отказавшись от работ над ракетным двигателем, фирма "Пратт энд Уитни" превратилась в итоге из лидера в аутсайдера авиакосмического двигателестроения; "Тиокол" отказалась от работ над ракетным поясом для автономного маневрирования в космосе и затем уже не смогла конкурировать в этой области с "Белл аэросистем"; американские производители фотоаппаратуры в свое время не оценили по достоинству преимущества одностадийного (поляроидного) фотопроцесса и в итоге потеряли значительную часть рынка фотоаппаратов, захваченную фирмой "Поляроид", и т. д.)

²(Исследования и разработки в США. М., 1972, с. 7.)

³(М. Сеtгon, Ch. Ralph. Op. cit., p. 46.)

Целевая направленность и типология разрабатываемых корпорациями прогнозов весьма разнообразны. Однако в большинстве случаев фирмы предпочитают отраслевые прогнозы развития техники, причем для более точного целевого ориентирования отдельных их подразделений эти прогнозы расщепляются на прогнозы перспективного уровня исследований и разработок, используемые как ориентиры при планировании НИОКР, и прогнозы перспективного уровня промышленно освоенной технологии, используемые как ориентиры при внедрении.

При этом прогнозы, естественно, составляются не только для узкотехнических целей, но и в связи с перспективными целями корпорации в целом, будучи призванными оказывать помощь в решении всего спектра стоящих перед ней задач. О целевом использовании научно-технических прогнозов в корпорациях США свидетельствуют следующие цифры (в %)¹:

¹ (М. Сеtгоn. Ch. Rаlрh. Op. cit., p. 208.)

Более того, будучи в массе своей исследовательскими (индикативными), т. е. описывающими возможные направления и облик техники будущего, фирменные прогнозы в половине случаев дополняются в той или иной форме еще и элементами нормативного прогнозирования, т. е. связывают эту картину с конкретными путями достижения количественных и качественных целей корпорации на перспективу и с соответствующим распределением ее ресурсов.

О том, как часто используются научно-технические прогнозы для различных сфер управления корпорациями, можно судить по следующим данным (в %)¹.

¹(Ibidem.)

Нетрудно видеть, что в такой постановке прогнозирование на фирмах США выполняет хотя и важные, но чисто прикладные служебные функции, намечая пути использования капиталом будущих технических достижений в сугубо частнокапиталистических целях. Это привносит в неопозитивистскую общую методологию такого прогнозирования еще и очевидный прагматизм. Вместе с тем именно прикладной характер прогнозирования обеспечивает, хотя и в противоречивой форме, его тесную связь с внутрифирменным планированием и программированием, залогом успеха которых прогнозирование становится все более явно и недвусмысленно.

Что касается прогнозных сроков, то фирменное прогнозирование выполняется, как правило, в среднесрочном варианте, обеспечивающем обычно максимум достоверности¹. Прогнозы уровня исследований и разработок выполняются фирмами в среднем на срок в 4 - 7 лет (в химической и фармацевтической промышленности в среднем на 7 лет, военнокосмической - 6, электронике - 5, производстве конструкционных материалов и продовольствия - 4 года и т. д.), а уровня промышленно освоенной технологии - на 3 - 7 лет (военная - 7, производство, пластмасс - 5, электроника, металлургия, авиакосмическая - 4, химическая и фармацевтическая - 3, пищевая - 2 года и т. д.), хотя, конечно, крупные фирмы прибегают к прогнозированию и на более длительные сроки.

¹(Долгосрочные гипотезы развития науки обычно весьма условны, а в краткие периоды времени тенденции развития техники, особенно ее внедрение, могут быть существенно искажены влиянием текущей общехозяйственной конъюнктуры.)

Сама разработка прогноза проходит обычно через ряд логически последовательных этапов, а именно: сбор информации и выбор методики, общеисследовательский анализ (общая картина техники будущего), экстраполяционный анализ (проявление существующих тенденций в будущем и .появление новых тенденций) и, наконец, сопоставительный анализ результатов последних двух этапов (изучение альтернатив). Если прогноз выполняется как нормативный, то указанные этапы дополняются рекомендациями по выбору приоритетов и распределению ресурсов фирмы с учетом результатов прогноза, а также по программированию ее усилий для достижения отдельных целей, после чего прогноз передается руководству для использования во внутрифирменном планировании.

Конкретные способы прогнозирования научно-технического прогресса в практике фирм США крайне разнообразны. Его методология находится еще на раннем этапе своего становления и развития. Отсюда и крайняя многочисленность и разнообразие конкретных методик прогнозов. Еще в 1966 г. Э. Янч, чье исследование положило начало обобщению зарубежной методологии прогнозирования, перечислял около 100 его способов¹, а советский историк науки Г. Добров определял их число более чем в 130². В свою очередь применение каждого из этих методов на практике варьируется в зависимости от возможностей и целей фирмы. Однако, хотя и с достаточной степенью условности, можно выделить следующие методы разработки научно-технических прогнозов, наиболее часто упоминаемые при опросах корпораций³: 1) экспертные оценки, 2) экстраполяционные методы, 3) системный анализ, 4) анализ по параметрам, 5) математические модели, 6) вспомогательные методы прогнозирования, 7) нормативное ранжирование и программирование.

¹(Э. Янч. Прогнозирование научно-технического прогресса. М., 1970, стр. 175.)

²(Г. Добров. Прогнозирование науки и техники. М., 1969, стр. 109.)

³(Подробнее о методологии прогнозирования см.: М. Cetron, Ch. Ralph. Op. cit; Э. Янч. Указ. соч.; Г. Добров. Указ. соч., а также: J. Bright. Technological Forecasting for Industry and Government. N. Y., 1968; US Department of Commerce. Technology Assessement and Forecasts. Wash., 1973; "Management Review", May 1970, p. 4 - 15.)

Метод экспертных оценок наиболее распространен в практике американских корпораций, особенно для средне- и долгосрочного прогнозирования как в силу своей простоты, так и степени достоверности, пока недостижимой при формализованных методах.

Простейшей его формой является индивидуальное интуитивное прогнозирование. Такие прогнозы являются чаще всего отраслевыми и готовятся, как правило, крупными учеными на базе их собственных представлений о перспективах НИОКР и внедрения в области их специализации. Так, ряд долгосрочных прогнозов о развитии техники космических исследований подготовил в свое время Вернер фон Браун. Однако подчас эти прогнозы бывают и общетехническими, как, например, прогноз бывшего президента "Рэдио корпорейшн оф Америка" Д. Сарнова о развитии техники в США до 2000 г. В массовидном порядке такое прогнозирование применяется руководителями отделов НИОКР корпораций при составлении ими проектов средне- и долгосрочных планов НИОКР.

Однако любой, даже высококвалифицированный, ученый неизбежно субъективен в своих оценках, и поэтому фирмы все чаще предпочитают индивидуальным - коллективные экспертные оценки, по методам своей организации подразделяющиеся на "концензус" и "метод Дельфи". При "концензусе" группа экспертов должна выработать и представить корпорации прогноз как свое единое согласованное мнение. Такой метод относительно несложен, однако его эффект во многом зависит от подбора экспертов, а кроме того, они также могут первоначально иметь по данному вопросу полярные точки зрения, и тогда "концензус" превращается в компромисс, отсекающий все особые мнения, как бы обоснованны они ни были.

От этих недостатков относительно свободен "метод Дельфи", при котором окончательный результат коллективной оценки выводится с большей степенью объективности в результате постадийного и формализованного диалога по существу. Так, на первой стадии обсуждения эксперты дают свои индивидуальные и независимые оценки. Затем подсчитывается медиана оценок и их интерквартильная широта, после чего экспертов просят вновь рассмотреть свои предыдущие ответы и скорректировать их на базе полученных усредненных данных. Специалистов, чьи мнения и после этого лежат вне интерквартильной широты, просят особо объяснить свою позицию, и затем процесс усреднения повторяется до тех пор, пока не будет достигнута приемлемая сходимость оценок.

В качестве примеров можно привести прогноз развития технологии производства эластомеров фирмы "Дюпон де Немур", прогноз перспектив биомедицинских НИОКР фирмы "Смит-Клей корпорейшн", около 25 прогнозов по этому методу было разработано в фирме "Монсанто" по ее номенклатуре и т. д.¹

¹("Chemical and Engineering News", February 28, 1972, p. 17.)

Как показывают практические результаты, коллективное мнение оказывается лучше индивидуального, но и оно, тем не менее, остается субъективным. Это заставляет фирмы использовать наряду с интуитивными экспертными оценками, также и объективные фактические данные, воплощающие в себе прошлый опыт. Отсюда - широкое распространение в прогнозировании экстраполяционных методов, суть которых заключается в попытках спроецировать на будущее те тенденции, которые уже сформировались в настоящем и прошлом. Разумеется, инерция параметров развития менее всего характерна для техники, да еще в период научно-технической революции. Тем не менее и экстраполяционные методы, особенно в комбинации с другими, уже зарекомендовали себя в практике корпораций как полезное орудие разработки прогнозов, особенно кратко- и среднесрочных. Например, именно по такой методологии был составлен прогноз фирмы "Гудиир тайер энд раббер" о грядущих технологических изменениях в производстве каучука и корда¹.

¹(Ibidem.)

Простейший в совокупности этих методов - линейная экстраполяция, при которой предполагается, что данное явление в будущем будет развиваться по таким же параметрам, как и в прошлом. Однако такой метод приемлем только для краткосрочных прогнозов, ибо тренды, особенно в области науки и техники, почти никогда не бывают линейными на протяжении сколько-нибудь длительного времени.

Поэтому в эту чисто количественную методологию прогнозирования вводятся качественные коррективы, заключающиеся обычно в изменении весов или коэффициентов параметров прогнозируемого явления по сравнению с прошлым. Этот метод, получивший название "развитие тенденций по кривым" (в отличие от линейного) используется, в частности, для прогнозирования аналитических показателей развития техники (производительность, удельная материалоемкость и пр.).

Более усложненным его вариантом является метод "огибающих кривых", состоящий в поочередном введении в функциональные уравнения, на базе которых рассчитывается кривая будущего развития, максимальных значений отдельных параметров, выведенных качественным путем. Эта методология использовалась, в частности, в электронной промышленности США для предсказания объема памяти и скорости операций ЭВМ.

Дальнейшим этапом развития нелинейной экстраполяции было применение в прогностике методов корреляционного и регрессивного анализа для взаимоувязки и определения степени влияния колебаний величины одного из параметров на остальные. В практическом плане этот метод начинает все чаще применяться для прогнозирования побочных эффектов развития техники, например социальных и экологических последствий технического прогресса. Так, прогнозы фирмы "Кайзер" о расширении применения алюминиевых банок в розничной расфасовке пива в связи с изобретением встроенного "лепесткового" приспособления для их вскрытия показали, что, открывая пути к росту продаж, это также повлечет за собой такое замусоривание жилых и рекреационных районов пустыми банками (и этот прогноз подтвердился), которое, возможно, поведет к законодательному ограничению или даже запрету их выпуска.

Варианты нелинейной экстраполяции применяются также и для решения более конкретных прогностических задач. Такова, например, методология определения "порогов" смены технологии, когда сопоставительный анализ различных ее видов позволяет определить время (условия), при котором один из видов окажется абсолютно превосходящим другие с технико-экономической точки зрения. Например, сопоставление уменьшения удельной стоимости прокладки туннелей при увеличении этого показателя для наземных дорог и виадуков в районах плотной городской застройки позволило рассчитать, что в начале 70-х годов прокладка скоростных дорог в туннелях станет выгодней, чем в указанных выше конкурирующих вариантах. Сходным образом рассчитываются и "кривые замещения", которые в формализованной форме позволяют определить доли различных поколений технологии на рынке в их динамике.

Своеобразным способом предсказания событий является также наложение на будущее интервала "опережение - запаздывание", выведенного по данным прошлых лет. Исторически, этот интервал начал применяться для оценки скорости передачи технологических достижений из военнокосмических отраслей в гражданские. Например, так прогнозировался потолок скорости гражданских самолетов, регулярно и на какой-то порядок отстававший от самолетов военных. Однако он применим и для определения возможной хронологии продвижения технических новинок вообще.

В последнее время нелинейная экстраполяция стала все активнее дополняться элементами системного анализа, позволяющего строить прогноз, во-первых, в альтернативном исполнении, а во-вторых, оценивать перспективы развития не только технологической системы в целом, но и ее отдельных элементов индивидуально и во взаимной связи.

Один из таких способов - экспертиза существующего уровня техники, для целей которой этот уровень рассматривается как система с задачей выявить ее слабейшие составные элементы. Например "Юнайтед эркрафт", приступая к разработке сверхскоростного поезда, выявила таким образом, что главная проблема, мешающая общему решению этой технической задачи, - излишне большой вес подвижного состава, и усилия исследователей были сконцентрированы соответственно на поисках путей снижения веса вагонов.

Как вариант, такому анализу может быть подвергнута и технологическая система, спрогнозированная на будущее (метод экспертизы проблем гипотетических систем будущего), что позволяет лучше подготовиться к их решению. Эта методология широко используется, например, в Гудзоновском институте при выполнении заказов промышленности.

Наконец, системный анализ в прогнозировании продолжает упомянутую выше методологию корреляционного и регрессионного анализа в виде "исследований воздействия", цель которых - выявить комплексное воздействие новых технических решений на экономику и окружающую среду. Например, парк автомашин, сдаваемых в аренду, мог быть без больших технических трудностей оборудован автоматами, работающими от монет или жетонов, причем в этом случае они могли бы эксплуатироваться по тарифам вдвое более низким, чем такси. Однако стихийное пользование ими породило бы хаос на городских улицах и соответствующий запрет, что делает нецелесообразной и разработку самого автоматического таксометра¹.

¹(Вообще практика "оценки техники" в США все более выделяется в специфическую ветвь прогностики, цель которой - расширить рамки прогноза за счет включения в него не только характеристик техники грядущего и показателей ее непосредственной эффективности, но и возможных вторичных последствий ее применения, которые могут оказаться неблагоприятными в социальном или биосферном плане. Так, все прогнозы в области автомобильных двигателей неизменно включают в себя оценки степени вредности выброса, что делает некоторые разработки "тупиковыми" с самого начала ввиду несоответствия их результатов нормам охраны окружающей среды. Первоначальные радужные прогнозы об эффективности ядерных электростанций претерпели затем существенную переоценку вследствие создаваемого ими "теплового заражения", т. е. выброса слишком большого количества подогретых вод, способных нарушить тепловой баланс внутренних водоемов.)

Вместе с тем в противовес системному подходу прогнозист может быть заинтересован в выборе в качестве объекта для своего анализа и лишь какого-нибудь одного компонента или параметра системы. Такой анализ по параметрам также распадается на несколько методологических вариантов. Одним из них является определение теоретически возможных пределов развития отдельных параметров. Этот метод применяется, в частности, для выявления потенциально возможных значений эффективности или сфер применения технологии, особенно абсолютно новой и не имеющей прецедента (например, голография, лазер и пр.). Иногда такая разновидность анализа приобретает характер определения "контура совершенства", когда в линейно экстраполированную тенденцию на последовательных хронологических этапах вносятся корреляции на базе вероятностного качественного улучшения данной технологии. В итоге получаются хронологические диапазонные ряда значений параметров (например, соотношение собственного веса и мощности двигателя). Наконец, подчас речь идет о выявлении уникальных свойств того или иного товара или технологии, что может сделать их ценными в определенных сферах потребления в будущем при тех или иных специфических сочетаниях других технико-экономических факторов. По аналогии с "порогами смены технологии" такие данные были рассчитаны, например, для ряда цветных и редких металлов в виде "критического уровня" цен, при которых они, несмотря на более высокую себестоимость, становятся конкурентоспособными в отношении ныне преимущественно используемых металлов. Эксперты "Кайзера" рассчитали такие значения для цен алюминия, делающие его конкурентоспособным в отношении меди в бытовой электроарматуре, дерева - в оконных рамах для малоэтажной застройки, белой жести - в консервных банках и т. д.

Развитие методологии прогнозирования идет также и по пути усложнения ее инструментария и расширения применения в нем математических моделей. Хотя практика показала, что математическая формализация по достоверности обычно не превосходит экспертные оценки, а само усложнение методологии отнюдь не равнозначно ее улучшению, корпорации все же прибегают к моделированию, хотя его результаты и рассматриваются скорее как справочные, чем финальные.

Наиболее часто в этой связи применяются матрицы "затраты - выпуск", в рамках которых как бы совмещается техническое и экономическое прогнозирование. Например, этот способ может быть использован для вычисления гипотетических коэффициентов эффективности будущих "слоев" капитала и технологии в зависимости от масштабов инвестиций и прогресса техники. В этом направлении, в частности, пошли эксперты Гарвардского университета. Наоборот, в Институте Баттелла эти матрицы были использованы для оценок объема межотраслевых закупок и расходов на рабочую силу на доллар продаж для "типичного" нового предприятия образца 1975 г. Однако в обоих случаях были получены весьма расплывчатые результаты, и подобная методология в США делает еще только самые первые свои шаги¹.

¹(Technical Forecasting and Technical Changes. N. Y., 1970, p. 331 - 345.)

Относительно лучшие результаты дает применение моделей диффузии нововведений (Э. Мэнсфильд, Ц. Грилихес, Е. Роджерс и др.)¹, позволяющих судить, как быстро новая техника заменит старую и в этом смысле дополняющих методы "опережения - запаздывания" и корреляционно-регрессионного анализа. В частности, модель Э. Мэнсфильда смогла предсказать скорость диффузии нескольких важных нововведений в США, в том числе станков с программным управлением, отдельных химикатов и новых авиадвигателей. Тем не менее, сам автор считает, что его модель еще далеко не дает удовлетворительного объяснения процесса диффузии.

¹("Econometrica", October 1957; October 1961; E. Rogers. Diffusion of Innovations. N. Y., 1962.)

Несколько менее формализованы "историко-генетические" модели научно-технического прогресса и "аналоги биологического роста". Первые исходят из предпосылки, что в развитии техники заложен какой-то внутренний "генетический код", объективно детерминирующий процессы ее устаревания и обновления. Например, исследовательский центр ТЕМКО фирмы "Дженерал электрик" пытался изучать перспективы замены минеральных энергоносителей на ядерные по аналогии с историей замены минеральными энергоносителями силы воды и ветра в XVIII - XIX вв. Сторонники "аналогов" пытаются применить при анализе прогресса науки и техники законы развития биосистем, однако эти попытки пока крайне редки, хотя бы в силу своего явного механицизма.

Все эти разновидности методологии прогнозирования на практике дополняются еще рядом методов и приемов логического, технического или иллюстративного характера (некоторые из них, впрочем, претендуют на роль самостоятельных орудий прогностики), причем они используются для обслуживания как исследовательского (индикативного), так и нормативного прогнозирования.

Для увеличения наглядности исследовательского прогнозирования используется, в частности, прием построения "древа возможностей", каждая из ветвей которого символизирует направления (нередко альтернативные) технического прогресса с указанием хронологии и взаимосвязи ожидаемых достижений.

Для наглядности прогнозирования применяется и так называемый морфологический ящик (основной сферой применения которого является системный анализ существующих проблем). Для его "сколачивания" точно формулируется задача прогноза, выявляются и оцениваются все параметры, от которых зависит ее решение, а затем на этой базе строится многомерная матрица ("ящик"), содержащая все возможности такого решения, что облегчает последующий выбор наиболее приемлемого из них.

Сходными с "ящиком" являются и технологические карты, сводящие в систему различные пути решения данной технической задачи с градуировкой их во времени и с точки зрения прогресса, достигнутого данной фирмой в сравнении с конкурентами.

Приемом "оживления" методов "опережения-запаздывания", "кривых замещения" и сходных методов прогнозирования служит построение графика "жизненного цикла" товара (технологии), хронологически и в масштабе операций предсказывающего периоды его окупаемости, новизны, насыщения рынка и пр. Такие графики особенно часто составляют фирмы фармацевтической промышленности США.

Для тех же целей применяются заимствованный из арсенала маркетинга метод оценки характера ожидаемого спроса на новую технику, динамическое прогнозирование с выработкой алгоритма взаимосвязи параметров, "технологическое слежение" и прочие менее распространенные методы прогностики.

Корпорации обычно пользуются в своей практике не каким-либо отдельным методом прогнозирования, а сочетанием различных методов, наиболее удобным для достижения конкретных целей прогноза. Они отдают предпочтение более простым методам прогнозирования, тем более что достоверность получаемых результатов, как свидетельствует американская практика, не возрастает сколько-нибудь значительно при переходе к методам более сложным (табл. 18).

Таблица 18

Источник: "Management Review", May 1970, p. 8 - 13.

Одновременно для перевода прогнозов на нормативный язык фирмы используют весь арсенал методов нормативного ранжирования и программирования. Здесь применяются балльные методики Моттли-Ньютона, методы оптимизации дисконтированного денежного потока, линейное программирование, модели типа БРАИЛЛ ("стоимость - эффективность"), системы ПАТТЕРН, ПРОФАЙЛ (программированные функциональные индексы для лабораторных оценок), КВЕСТ (двойная матричная методика), ТОРК и МАКРО (полуколичественные методы распределения ресурсов по критериям полезности) и т. д. Анализ сущности каждого из этих методов выходит за рамки данной работы. Здесь же отметим, что, несмотря на применение нормативного прогнозирования, в 54% из 1114 опрошенных фирм США подавляющее их большинство явно предпочитает более упрощенные методы распределения ресурсов, что связано в первую очередь с дороговизной применения упомянутых выше моделей и систем (табл. 19).

Таблица 19

Источник: М. Ceiron, Ch. Ralph. Op. cit., p. 210.

Наконец, что касается надежности прогнозов, то в области техники корпорации понимают ее, разумеется, не в абсолютном смысле (ибо абсолютно точный технический прогноз вообще вряд ли возможен), а оценивают (наряду с другими направлениями инвестиций) с точки зрения того, насколько экономия, в конечном счете полученная от прогноза, перекрывает расходы на него. При этом выгоды от прогнозирования рассматриваются в многоцелевом плане, в зависимости от их влияния на осуществление различных функций планирования и управления НИОКР и корпорацией в целом.

Мнения менеджеров относительно пользы прогнозирования для руководимых ими корпораций собраны в табл. 20.

Таблица 20

Источник: М. Cetroh, Ch. Ralph. Op. cit., p. 214.

Таким образом, прогнозирование в целом оправдывает поставленные перед ним цели, хотя и не всегда лучшим образом. Вместе с тем, по свидетельству "Менеджемент ревью", достаточно надежными и полезными для менеджеров признаются далеко не все виды прогнозов.

В частности, заслужили положительную оценку более чем ⁴/₅ менеджеров лишь 6 основных методик прогнозирования, а именно (в окобках - % опрошенных, высказавшихся положительно): "развитие тенденций по кривым" (90), корреляционный и регрессионный анализ (89), экспертиза существующего уровня техники (88), историко-генетические модели (87), выявление уникальных свойств (84) и "кривые замещения" (82). Еще семь методик получили оценки свыше 70% - "исследование воздействия" (80), линейная экстраполяция, "огибающие кривые" и "контуры совершенства" (79), экспертиза проблем гипотетических систем будущего (76), "опережение - запаздывание" (75), определение "порогов" смены технологии (71). В свою очередь наихудшие оценки получили определение теоретически возможных пределов (65), модели диффузии технологии (64) и матрицы "затраты - выпуск" (61)¹. Но в стране есть и немало фирм, разочарованных своими первыми прогнозными опытами, в результате чего интерес их руководства к прогнозированию в его современных формах нередко идет на убыль.

¹("Management Review", May 1970, p. 8 - 13.)

Вместе с тем следует учитывать, что эффективность применения различных методов прогнозирования самым теснейшим образом связана с правильным выбором задач, для решения которых они привлекаются как по характеру, так и срокам, а также зависит от степени обеспечения прогнозистов необходимой информацией и уровня их деловой квалификации. Это наглядно явствует, в частности, из совмещенной оценки надежности методов и информационного обеспечения прогнозирования, сделанной экспертами Национального исследовательского совета и Национального консультационного бюро конструкционных материалов США (табл. 21).

Таблица 21

При прогнозировании могут использоваться любые источники технической или экономической информации, включая внутрифирменную, однако из всей этой массы следует выделить патентную информацию, как наиболее ценную при определении будущих тенденций развития техники. Выдаваемые только на новые, неизвестные технические решения, превосходящие уровень техники, существовавший в данной области до этого, патенты содержат в себе в зародыше прообразы будущих технических сдвигов, давая набор конкретных решений для их осуществления, а патентная статистика позволяет точнее определять тенденции развития техники, отражая не только количественные, но и качественные моменты в ее развитии¹.

¹(См. Technology Assessment and Forecast, p. 3 - 10.)

Наконец, ни один прогноз в практике фирм США, как уже указывалось выше, не составляется как чисто технический и рассматривает технику будущего не изолированно, а в рамках будущей "деловой окружающей среды", с точки зрения перспектив рынка, и потому при их составлении обязательно привлекается конъюнктурно-экономическая информация.

Что касается самих прогнозистов, то требования к их деловой квалификации также имеют свою специфику. Тот же большой личный опыт, который необходим прогнозисту, может нести в себе семена технического консерватизма¹. Кроме того, каждый менеджер, участвуя в прогнозировании, вольно или невольно прогнозирует свою собственную карьеру в связи с намечающимися изменениями и потому склонен минимизировать возможный риск, равно как проявлять фаворитизм при оценке и отборе идей и проектов. Отсюда - стремление корпораций поставить прогнозирование на административно независимый базис, сосредоточивая его в рамках специальных аналитических групп или спецбригад экспертов, составленных из представителей исследовательских или сбытовых отделов и независимых специалистов, приглашенных со стороны. В свою очередь в личном качестве от эксперта требуется наличие знаний в нескольких областях техники, эрудиция, гибкость и широта инженерного мышления, техническая интуиция и способность к обобщениям, а также личная незаинтересованность в результате прогноза.

¹(Обилие случаев, когда маститые и уважаемые ученые при всем их неоспоримом вкладе в науку допускали явные ошибки при попытках прогнозирования, заставили английского ученого и писателя А. Кларка сформулировать в этой связи даже своеобразный логический закон прогнозирования, который гласит, что когда компетентный, но пожилой ученый говорит о чем-либо "это возможно", то он почти наверняка прав; когда же он говорит "это неосуществимо", то весьма вероятно, что он ошибается. Это вполне согласуется, например, с неподтвердившимися прогнозами о "практической неприменимости" электромагнитных волн (Герц) и атомной энергии (Резерфорд), хотя никто не ставит под сомнение высокую компетенцию этих ученых. Точно так же, оценки многих ведущих экспертов о времени высадки человека на Луну лежали в интерквантильной широте вокруг 1985 г. (в частности, у Вернера фон Брауна - 1978 - 1983 гг.), тогда как наиболее точную дату (1970 г.) предсказал малоизвестный эксперт Дж. Ри.)

В целом 83% опрошенных корпораций сообщили, что они делают прогнозы собственными силами, 7% сдают заказы на их проведение на сторону и 10% формируют смешанные бригады специалистов.

Вместе с тем следует иметь в виду и другую сторону эффективности прогнозов, а именно то, что они эффективны лишь тогда, когда они реально используются в процессе планирования и управления, без чего их разработка вообще теряет смысл. "Прогнозирование, - указывал руководитель группы прогнозистов фирмы "Монсанто" К. Крейвер, - если оно не используется в процессе принятия решений, дает мало пользы или вообще бесцельно, как бы хорошо ни был выполнен прогноз сам по себе"¹.

¹("Chemical and Engineering News", February 28, 1972, p. 12.)

Однако в ряде корпораций прогнозирование все еще рассматривается как вынужденная дань моде, его результаты не принимаются во внимание высшими менеджерами, обесцениваются традициями "волевых решений", фаворизмом при выборе проектов и т. д. С другой стороны, исполнители прогнозов нередко сознательно "корректируют" свои оценки с тем, чтобы выгоднее преподнести проект руководству. Встречаются, наконец, среди прогнозистов и прямые шарлатаны, рассматривающие прогнозирование как род отсроченной ответственности при немедленной оплате их "услуг". Все это, в дополнение к указанным выше принципиальным методологическим изъянам, снижает эффект прогнозирования при капитализме, искусственно сужает возможности его стимулирующего влияния на научно-технический прогресс.

Следует также отметить, что в силу высокой стоимости и длительных сроков разработки наиболее полных прогнозов они доступны только очень крупным корпорациям. Например, прогноз по перспективам развития технологии интегральных схем для "Лонг-Темко-Воут" готовили 57 экспертов из ее персонала и Оклахомского университета, а прогноз для "Дюпон де Немур" по эластомерам - 130 экспертов в течение почти двух лет. В итоге стоимость одного прогноза в среднем составляет около 50 тыс. долл. Еще более дорогостоящей и сложной является "нормативизация" его результатов в программированные проекты. Например, использование методов КВЕСТ и ТОРК ввиду большого объема вычислительной работы может удлинить прогнозное время наполовину. Стоимость однократного использования метода ПАТТЕРН составляет 250 тыс. долл., а поддержание этой системы в рабочем состоянии - около 50 тыс. долл. ежегодно. Однако как раз крупные корпорации подчас с неохотой идут на серьезный технический риск. Прогнозы для них служат зачастую не ориентирами создания подлинно новой техники, а лишь предупреждениями о том, чего следует опасаться в перспективе для их сложившихся доминирующих позиций на том или ином рынке. Отсюда же, кстати, и завеса секретности над результатами прогнозов, из которых сообщается обычно лишь их общая методология при сохранении в тайне существа ("Дюпон де Немур", "Томпсон-Рамо-Вулридж" и др.).

Однако и при всех перечисленных недостатках методология прогнозирования в США, равно как его практика, развиваются довольно быстро, все более становясь неотъемлемой составной частью внутрифирменного планирования и выбора направлений НИОКР.