Разработка управленческих решений в условиях неопределенности: современные концепции, методы и этические аспекты

В условиях беспрецедентной глобальной турбулентности, когда каждый новый день приносит вызовы, непохожие на вчерашние, способность принимать эффективные управленческие решения становится не просто преимуществом, а жизненной необходимостью для любой организации. В мире, где информация неполна, будущее непредсказуемо, а события развиваются с головокружительной скоростью, традиционные подходы к управлению теряют свою актуальность. Эта курсовая работа посвящена всестороннему анализу разработки управленческих решений в условиях неопределенности, охватывая как фундаментальные концепции, так и передовые методы, психологические аспекты и этические дилеммы.

Мы поставим перед собой цель — пролить свет на сложный процесс принятия решений, предложив студентам и молодым специалистам не только теоретическую базу, но и практические инструменты для навигации в условиях постоянно меняющейся среды. Работа структурирована таким образом, чтобы последовательно раскрыть:

• Современные концепции и модели принятия управленческих решений в условиях высокой неопределенности.
• Методы и инструменты для оценки и управления неопределенностью.
• Роль когнитивных искажений и эмоциональных факторов, а также способы их минимизации.
• Практический опыт российских и зарубежных компаний в адаптации к неопределенности.
• Этические аспекты и социальную ответственность при принятии решений в контексте устойчивого развития и влияния цифровых технологий.

Мы стремимся создать всеобъемлющий и актуальный академический материал, который поможет будущим управленцам принимать взвешенные и ответственные решения в условиях, когда «традиционные» ответы перестают работать, а «единственно верный» путь часто скрыт за завесой неопределенности.

Теоретические основы управленческих решений и неопределенности

Понятие управленческого решения и его роль в менеджменте

В самом сердце любой организации лежит процесс принятия решений, который пронизывает все уровни управления и определяет вектор развития. Управленческое решение – это не просто выбор из нескольких вариантов, а, по сути, творческий акт субъекта управления, направленный на устранение проблем, возникших в объекте управления. Оно представляет собой фиксированный управленческий акт, который может быть выражен как в письменной, так и в устной форме, и призван разрешить возникшую проблемную ситуацию.

Более глубокий взгляд показывает, что управленческое решение является кульминацией сложного цикла, включающего анализ, прогнозирование, оптимизацию, экономическое обоснование и, наконец, выбор наиболее подходящей альтернативы из множества доступных вариантов для достижения поставленных целей в рамках социальной системы. Глобальная цель каждого такого решения – обеспечить наиболее реализуемый и эффективный путь к организационным целям. Из этого следует, что принятие решения – это не одномоментное действие, а комплексный процесс, требующий системного подхода и глубокого понимания всех взаимосвязей.

Особое место в этом контексте занимает стратегическое решение. В отличие от тактических или операционных решений, стратегические решения имеют долгосрочный характер, охватывают ключевые направления деятельности организации и требуют значительных ресурсов. Они определяют будущее компании, её позицию на рынке, конкурентные преимущества и способность адаптироваться к изменяющимся условиям. Если операционное решение может касаться ежедневных производственных задач, то стратегическое – выбора нового рынка, разработки инновационного продукта или слияния с другой компанией.

Теория принятия решений, являясь неотъемлемой частью науки управления, предоставляет системный каркас для понимания этого процесса. Она включает в себя основные идеи, описывающие закономерности принятия решений, определяет методы и технологии, а также формулирует важнейшие практические рекомендации. Именно через призму этой теории мы можем глубже понять, как менеджеры справляются с вызовами неопределенности, и почему процесс принятия решений является краеугольным камнем успешного управления.

Сущность и природа неопределенности в управлении

Если управленческое решение – это ответ на проблему, то неопределенность – это сама среда, в которой эта проблема возникает и решается. В контексте управления, неопределенность определяется как ситуация, при которой полностью или частично отсутствует информация о вероятных будущих событиях. Это состояние, когда исход действия или развития ситуации не может быть однозначно предсказан, а вероятности различных исходов неизвестны или не поддаются точному измерению.

Неопределенность может проявляться двояко:

1. Как явление: это набор нечетких ситуаций, взаимоисключающей или недостаточной информации, а также форс-мажорные события, которые возникают независимо от воли и действий руководителя. Примерами могут служить внезапные изменения в законодательстве, природные катаклизмы или резкие колебания мировых цен на сырье.
2. Как процесс: это деятельность некомпетентного работника, принимающего ошибочные решения, или общая организационная неэффективность. В этом случае источник неопределенности находится внутри или вне организации, но на него можно воздействовать через улучшение компетенций, процессов или коммуникаций.

Одним из фундаментальных понятий, помогающих осмыслить природу неопределенности, является концепция энтропии. В термодинамике энтропия является мерой беспорядка или хаоса в системе. В контексте управления, концепция энтропии выступает как мера неопределенности и «вариативности» системы. Она указывает на то, что в изолированных системах энтропия возрастает со временем, что поддерживает представление о возрастающей неопределенности по мере удаления предполагаемого события во времени. Это означает, что чем дальше в будущее мы пытаемся заглянуть, тем менее предсказуемыми становятся события, и тем больше факторов может повлиять на исход. Неопределенность возрастает в геометрической прогрессии по мере удаления предполагаемого события во времени, что придает ей исключительно важное значение для стратегических решений, требующих долгосрочного планирования. Какой важный нюанс здесь упускается? То, что понимание энтропии позволяет не просто констатировать факт возрастания неопределенности, но и активно искать способы её снижения, например, через сбор дополнительной информации или создание адаптивных систем управления.

Понимание этой динамики является критически важным для управленцев, поскольку оно диктует необходимость гибких стратегий, постоянного мониторинга внешней среды и готовности к корректировке планов по мере поступления новой информации.

Модели принятия решений: рациональный, интуитивный и поведенческий подходы

Процесс принятия решений, особенно в условиях неопределенности, может быть осмыслен по-разному, и академическая мысль предлагает несколько ключевых моделей, каждая из которых имеет свои предпосылки и область применения. Рассмотрим три основные модели: рациональную, интуитивную и поведенческую.

1. Рациональная модель принятия решений

Эта модель, также известная как классическая или синоптическая, представляет собой идеализированный подход к принятию решений. Она базируется на предположении о логичном и предсказуемом поведении человека, который, обладая полной, точной и релевантной информацией, способен провести исчерпывающий анализ всех альтернатив и прийти к логическому выводу относительно решения с желаемым, оптимальным результатом.

Процесс принятия решений в данной модели включает в себя ряд последовательных и логических шагов:

• Определение проблемы: Точная идентификация и формулирование проблемы, требующей решения.
• Выяснение целей: Четкое определение желаемых результатов и критериев успеха.
• Формирование альтернатив: Генерация максимально полного списка возможных вариантов решения проблемы.
• Оценка альтернатив: Анализ каждой альтернативы с точки зрения её потенциальных выгод, издержек и рисков.
• Сравнение прогнозируемых результатов: Сопоставление оценок различных альтернатив для выявления наиболее подходящей.
• Выбор наиболее подходящей альтернативы: Принятие решения, которое максимизирует достижение поставленных целей.

Рациональная модель применяется, когда имеется достаточно времени и ресурсов для тщательной оценки нескольких возможных решений, и основывается на строгом логическом подходе к оценке вариантов и расстановке приоритетов. Однако её применение в условиях высокой неопределенности часто затруднено из-за невозможности собрать полную информацию и предсказать все последствия.

2. Интуитивная модель принятия решений

Эта модель диаметрально противоположна рациональной и базируется на инстинктах, предчувствиях и личном опыте лица, принимающего решение. Интуиция не является иррациональностью в чистом виде; скорее, это способность быстро, часто неосознанно, обрабатывать большой объем информации и выявлять паттерны, основываясь на накопленных знаниях и опыте. Использование интуитивной модели особенно рекомендуется в командах, обладающих глубокими знаниями в конкретной области, но не имеющих достаточных ресурсов (времени, данных) для тщательного формального анализа. Опытные специалисты могут быстро «почувствовать» правильное решение, даже если не могут логически обосновать каждый шаг.

3. Поведенческая модель принятия решений

Эта модель предлагает более реалистичный взгляд на процесс принятия решений, признавая, что человеческая рациональность ограничена. Она тесно связана с концепцией Герберта Саймона, который ввел понятие ограниченной рациональности. Саймон утверждал, что лицо, принимающее решение, не имеет полной информации и не всегда способно или склонно предвидеть все последствия реализации каждой альтернативы. Вместо того чтобы искать абсолютно оптимальное решение (что практически невозможно), люди склонны выбирать первый удовлетворительный вариант, который отвечает их минимальным требованиям – так называемое «удовлетворительное» решение. Что из этого следует? Для управленца это означает, что совершенство недостижимо, и важнее не найти «идеальное» решение, а выбрать достаточно хорошее, которое будет эффективно в текущих условиях и позволит двигаться вперёд.

Поведенческая теория рассматривает процесс принятия решений как специфическое взаимодействие людей, сориентированное на описание разнообразных факторов, влияющих на решение в конкретной ситуации. Эти факторы включают в себя:

• Когнитивные ограничения: Человеческий мозг имеет ограниченные возможности по обработке информации, что приводит к упрощению сложных проблем.
• Эмоциональные факторы: Настроение, стресс, личные предпочтения и предубеждения могут существенно влиять на выбор.
• Социальное влияние: Давление группы, организационная культура и нормы могут формировать предпочтения лица, принимающего решения.
• Неполнота информации: В реальном мире информация всегда неполна, а её сбор и обработка требуют времени и ресурсов.

Таким образом, поведенческая модель признает, что решения часто принимаются на основе упрощенных представлений о реальности, где не всегда достигается абсолютная оптимальность, но стремится к достижению достаточно хорошего результата.

Эти три модели не исключают, а дополняют друг друга, предлагая комплексный взгляд на процесс принятия решений. В зависимости от ситуации, доступности информации, временных ограничений и уровня опыта менеджера, может быть применен тот или иной подход, или их комбинация.

Классификация и уровни неопределенности и риска

Объективная и субъективная неопределенность

Понимание природы неопределенности критически важно для разработки эффективных управленческих стратегий. Одно из фундаментальных разграничений в этой области – это разделение неопределенности на объективную и субъективную.

Объективная неопределенность – это та часть неизвестности, которая не зависит от руководителя или организации. Её источники находятся вне пределов контроля субъекта управления. Это макроэкономические колебания, политические изменения, природные явления, технологические прорывы конкурентов или социокультурные сдвиги, которые невозможно предсказать или повлиять на них. Например, внезапное ужесточение санкционного режима, глобальный экономический кризис или появление революционной технологии на рынке – всё это проявления объективной неопределенности. Руководитель может лишь адаптироваться к таким условиям, разрабатывая гибкие стратегии и минимизируя потенциальный ущерб.

Субъективная неопределенность, напротив, возникает из-за факторов, которые в той или иной степени находятся под контролем или влиянием субъекта управления. Её источниками могут быть:

• Профессиональные ошибки и упущения: Недостаточная квалификация, неверный анализ данных, поспешные выводы или отсутствие должного опыта у лица, принимающего решение.
• Несогласованность и неэффективная коммуникация: Отсутствие четких целей, противоречивые указания, неэффективное взаимодействие между отделами или сотрудниками.
• Нехватка времени и ресурсов: Ограничения, которые не позволяют провести полный анализ или рассмотреть все возможные альтернативы.
• Личностные факторы: Субъективное восприятие рисков, предвзятость, эмоциональное состояние руководителя, влияющие на процесс принятия решения.

Примером субъективной неопределенности может быть ситуация, когда компания выходит на новый рынок без должного маркетингового исследования, полагаясь на интуицию одного менеджера, или когда внутренние конфликты между подразделениями приводят к задержкам в реализации проекта и потере конкурентных преимуществ.

Влияние на процесс принятия решений различается: при объективной неопределенности акцент делается на разработке адаптивных стратегий и создании «подушек безопасности», тогда как при субъективной – на улучшении внутренних процессов, повышении квалификации персонала и совершенствовании механизмов координации. Понимание этих различий позволяет организациям более целенаправленно управлять рисками и неопределенностью.

Виды неопределенности по источникам и природе

Для более детального понимания неопределенности, исследователи предлагают различные классификации. Например, Кравченко Т.К., Бабкин А.Е. и Голов Н.И. выделяют классификации факторов неопределенности по источникам и природе, которые существенно влияют на процесс принятия экономических решений.

По источнику неопределенности различают:

• Неопределенность среды: Это наиболее широкий и часто встречающийся вид. Она связана с нехваткой информации о состоянии как внутренней, так и внешней среды.
  • Внешняя среда: включает в себя целенаправленные действия других экономических агентов (конкурентов, партнеров), природные катаклизмы, политические сдвиги, социокультурные изменения, экономические кризисы или другие объективные явления (например, пандемии).
  • Внутренняя среда: может быть вызвана непредсказуемостью поведения сотрудников, сбоями оборудования, изменениями в корпоративной культуре или неэффективностью внутренних процессов.
• Личностная неопределенность: Этот вид тесно связан с человеческим фактором. Она возникает из-за непоследовательности и противоречивости действий лица, принимающего решения, а также из-за субъективного характера восприятия информации и различий в интерпретации событий. Личностные предубеждения, страхи, амбиции или даже усталость могут стать источником неопределенности.

Помимо этого, в контексте принятия решений выделяются такие виды неопределенности, как:

• «Неопределенность уверенности»: Этот термин относится к ситуациям, когда вероятности исходов неизвестны или не могут быть объективно оценены. Примером может быть запуск абсолютно нового продукта на неизведанный рынок, где невозможно собрать статистику или построить прогнозные модели. В таких случаях влияние неслучайных факторов не обладает свойством статистической устойчивости.
• «Неопределенность вероятности исхода»: В отличие от предыдущего вида, здесь альтернативы выбора и их вероятности описаны, но существует элемент случайности в конечном результате. Например, изменения потребительского спроса, колебания курсов валют, отказы технических систем или климатические условия, которые могут быть описаны вероятностными распределениями. В этом случае мы говорим о риске, где можно оценить вероятность того или иного исхода.

Таблица 1: Классификация видов неопределенности

Критерий классификации	Тип неопределенности	Описание	Примеры
По источнику	Объективная	Возникает из внешних факторов, не зависящих от воли и действий субъекта управления. Информация отсутствует или непредсказуема.	Макроэкономические кризисы, изменения в геополитике, природные катаклизмы, технологические прорывы конкурентов, новые законы.
	Субъективная	Возникает из-за внутренних факторов, связанных с человеческим фактором или неэффективностью организационных процессов.	Ошибки менеджеров, недостаток квалификации, внутренние конфликты, неполный анализ информации, личные предубеждения руководителя, неэффективная коммуникация.
По природе информации	Неопределенность среды	Нехватка информации о состоянии внутренней или внешней среды, а также целенаправленные действия других экономических агентов.	Неизвестность реакции конкурентов на вывод нового продукта, отсутствие данных о предпочтениях потребителей на новом рынке, изменения в законодательстве, непредсказуемые действия поставщиков, стихийные бедствия, политическая нестабильность.
	Личностная неопределенность	Непоследовательность действий лица, принимающего решения, субъективный характер восприятия, различия в интерпретации данных.	Недостаток опыта у руководителя, его эмоциональное состояние, склонность к риску, когнитивные искажения (например, подтверждение своих убеждений), неправильная оценка ситуации из-за личных предубеждений.
По оценке вероятности	«Неопределенность уверенности»	Вероятности исходов неизвестны; невозможно оценить шансы различных событий. Влияние неслучайных факторов, не обладающих статистической устойчивостью.	Запуск инновационного продукта на совершенно новый рынок (нет аналогов, нет статистики), первые шаги в совершенно новой отрасли, оценка последствий глобального климатического сдвига, который никогда не происходил ранее.
	«Неопределенность вероятности исхода»	Альтернативы выбора и их вероятности известны или могут быть оценены (на основе исторических данных, экспертных оценок). Случайные факторы, которые могут быть описаны статистически.	Изменения потребительского спроса (можно оценить тренды), колебания курсов валют (есть исторические данные), отказы технических систем (есть статистика надёжности), климатические условия (есть метеорологические данные), лотереи, страховые риски.

Четкое разграничение этих видов неопределенности позволяет управленцам выбирать адекватные методы анализа и разработки стратегий, а также фокусироваться на тех аспектах, которые поддаются управлению или минимизации.

Уровни неопределенности и их влияние на стратегии управления

Помимо классификации по источникам и природе, неопределенность также может быть систематизирована по уровням, каждый из которых требует особого подхода к управлению и принятию решений. Эти уровни отражают степень ясности будущего и доступности информации для прогнозирования. Выделяются четыре основных уровня неопределенности:

1. Низкий уровень неопределенности («достаточно ясное будущее»): На этом уровне будущее с высокой вероятностью развивается по одному сценарию. Имеющаяся информация достаточна для создания точного прогноза, и отклонения от него минимальны. Стратегия управления разрабатывается на основе единственного, наиболее вероятного прогноза развития событий. Неопределенность здесь не влияет на типовые процедуры, и управление осуществляется в рамках рутинных процессов.
2. Средний уровень неопределенности: Здесь существует несколько возможных сценариев развития событий, но их вероятности могут быть оценены. Неопределенность требует пересмотра существующих процедур и адаптации к возможным изменениям. Компания может использовать сценарное планирование для подготовки к нескольким наиболее вероятным вариантам будущего.
3. Высокий уровень неопределенности: На этом уровне будущее крайне непредсказуемо, существует множество возможных сценариев, и их вероятности трудно или невозможно оценить. Требуется разработка совершенно новых процедур и гибких, адаптивных стратегий. Организации на этом уровне часто вынуждены работать в режиме экспериментов, быстро тестируя гипотезы и корректируя курс.
4. Сверхвысокий уровень неопределенности: Это состояние «полной неясности», когда будущие события находятся вне понимания специалистов, а их последствия могут быть катастрофическими. Информация крайне скудна или противоречива, и даже построение сценариев становится практически невозможным. В таких условиях организации вынуждены полагаться на интуицию, опыт и способность к быстрой мобилизации ресурсов, часто переходя в режим антикризисного управления.

Влияние этих уровней на стратегические решения колоссально. Например, стратегические решения, принимаемые в условиях низкого уровня неопределенности, могут быть детализированы и долгосрочны, тогда как при высоком уровне неопределенности они должны быть максимально гибкими, адаптивными и предусматривать множество «точек выхода» или переключения на альтернативные сценарии.

Таблица 2: Уровни неопределенности и подходы к управлению

Уровень неопределенности	Описание	Влияние на типовые процедуры	Подходы к управлению и стратегии
Низкий	Будущее достаточно ясное, развивается по одному сценарию. Высокая предсказуемость.	Не влияет	Разработка стратегии на основе единственного, наиболее вероятного прогноза. Рутинные операции, оптимизация существующих процессов, детальное планирование, контроль исполнения.
Средний	Несколько возможных сценариев развития событий. Вероятности исходов могут быть оценены.	Требует пересмотра	Сценарное планирование (оптимистичный, пессимистичный, базовый). Адаптация процедур, разработка планов «Б» для каждого сценария, гибкость в ресурсах. Управление рисками с использованием вероятностных методов.
Высокий	Будущее крайне непредсказуемо, множество сценариев. Вероятности трудно оценить.	Требует разработки новых	Разработка новых, адаптивных процедур. Гибкие стратегии, режим экспериментов и быстрого прототипирования. Постоянный мониторинг и быстрое реагирование на изменения. Инвестиции в аналитику и раннее предупреждение.
Сверхвысокий	События вне понимания, информация крайне скудна/противоречива. Невозможность прогноза.	Находится вне понимания	Антикризисное управление, опора на интуицию и опыт, максимальная мобилизация ресурсов. Создание резервов, минимизация долгосрочных обязательств. Развитие устойчивости и живучести (resilience) организации.

Понимание этих уровней позволяет менеджерам не только адекватно оценивать ситуацию, но и выбирать соответствующие методы и инструменты для минимизации негативного влияния неопределенности на принимаемые решения.

Понятие и оценка риска в управленческих решениях

В условиях неопределенности, где будущее непредсказуемо, неизбежно возникает категория риска. Риск в контексте управленческих решений определяется как соотношение двух полярных результатов: отрицательного (полное невыполнение запланированного, потери) и положительного (достижение запланированного, выгоды). Это вероятность отклонения от ожидаемого результата, как в сторону ухудшения, так и в сторону улучшения. Таким образом, риск – это мера опасности или возможности, которая связана с принятием того или иного решения.

Важно отметить, что риск отличается от неопределенности: если неопределенность означает отсутствие информации о вероятностях исходов, то при риске эти вероятности известны или могут быть оценены.

Оценка риска является критически важным этапом в процессе принятия решений. Она позволяет количественно или качественно выразить степень потенциального воздействия того или иного события. Риск оценивается различными способами:

• Дискретная оценка: Часто риск выражается как соотношение пары чисел (например, 1:9, что означает один шанс успеха к девяти шансам неудачи; или 20%:80%, где 20% – вероятность успеха, 80% – вероятность неудачи).
• Процент отрицательного исхода: Другой распространенный способ – это указание вероятности неблагоприятного события в процентах (например, 0,01% вероятность отказа системы, что означает низкий, но не нулевой риск).

Например, при запуске нового продукта на рынок компания может оценить риск неудачи в 30%, что означает, что в 3 из 10 случаев продукт не будет принят потребителями. Или при инвестировании в новый проект, вероятность потери всех вложений может быть оценена как 5%.

Оценка риска позволяет:

• Идентифицировать потенциальные угрозы и возможности: Понимание того, что может пойти не так, или какие неожиданные выгоды могут возникнуть.
• Приоритизировать риски: Определить, какие риски требуют немедленного внимания, а какие можно отложить.
• Разработать стратегии смягчения: Создать планы действий для снижения вероятности наступления негативных событий или уменьшения их воздействия.
• Принять обоснованные решения: Интегрировать оценку риска в общий процесс принятия решений, чтобы выбрать наиболее оптимальный путь с учётом потенциальных потерь и выгод.

Таким образом, риск – это неотъемлемая часть любого управленческого решения в условиях неопределенности. Эффективное управление риском требует не только его оценки, но и постоянного мониторинга и готовности к корректировке планов по мере изменения ситуации.

Методы и инструменты для анализа и управления неопределенностью

Методы анализа и оценки неопределенности

В условиях возрастающей сложности и динамичности внешней среды, одной из основных задач управленческого процесса становится снижение уровня неопределенности и, по возможности, её превращение в определенность. Для этого разработан целый арсенал методов и инструментов, которые позволяют анализировать, оценивать и управлять неизвестностью. Среди них особо выделяются сценарный анализ, дерево решений, метод «Value-at-risk» и метод Монте-Карло.

1. Сценарный анализ

Это мощный метод предвидения и оценки возможных вариантов развития событий в условиях неопределенности. Он основан на построении набора альтернативных, но логически непротиворечивых сценариев будущего. Как правило, создаются три основных типа сценариев: оптимистичный, пессимистичный и базовый (наиболее вероятный).

• Сущность: Вместо того чтобы полагаться на один-единственный прогноз, сценарный анализ предлагает исследовать несколько правдоподобных вариантов будущего, которые могут значительно отличаться друг от друга. Это помогает выявить устойчивые и эффективные стратегии, которые будут работать при различных условиях.
• Применение: Сценарный анализ используется для структурирования сложных проблемных ситуаций, анализа возможных последствий выбора и сравнения стратегий в долгосрочной перспективе. Он особенно полезен для стратегического планирования.
• История: Одним из первых, кто успешно применил сценарное планирование, был Пьер Вак (Pierre Wack) из Royal Dutch Shell в 1971 году. Его работа помогла компании предвидеть и подготовиться к нефтяному кризису 1973 года, что дало ей значительное конкурентное преимущество.

2. Дерево решений

Это визуальный и аналитический инструмент поддержки принятия решений, представляющий собой иерархическую древовидную структуру.

• Сущность: Дерево состоит из узлов (вопросы или условия, например, «инвестировать ли в проект А?») и ветвей (возможные ответы или исходы, например, «да» или «нет», «успех» или «неудача»). Каждая ветвь ведет к следующему узлу или конечному решению (листу). На каждом узле решения оцениваются вероятности различных исходов и их экономические последствия.
• Применение: Метод применяется для систематизации вариантов, оценки рисков, выбора проектов, а также в задачах классификации и регрессии в машинном обучении. Он позволяет наглядно представить последовательность решений, их возможные исходы и вероятности, а также рассчитать ожидаемую ценность каждого пути.

3. Метод «Value-at-risk» (VaR)

Это стоимостная мера финансового риска, широко используемая в финансовой индустрии.

• Сущность: VaR оценивает максимальную величину ожидаемых потерь, которые не будут превышены в течение заданного периода времени с определенной вероятностью (доверительным уровнем). Он характеризуется тремя параметрами: временным горизонтом (например, 1 день, 10 дней), доверительным уровнем (например, 95% или 99%) и базовой валютой. Например, «1-дневный VaR портфеля составляет 1 млн долларов с доверительным уровнем 99%» означает, что с вероятностью 99% потери за один день не превысят 1 млн долларов.
• Применение: VaR используется для оценки достаточности банковского капитала (например, Bank of International Settlements устанавливает вероятность на уровне 99% и период в 10 дней), управления инвестиционными портфелями, а также для оценки риска в различных финансовых операциях.

4. Метод Монте-Карло

Это метод имитационного моделирования, используемый для анализа вероятностных процессов и систем, когда получение аналитических решений затруднено или невозможно.

• Сущность: Он основан на многократном случайном генерировании сценариев (тысячи или миллионы раз) для оценки вероятностей различных исходов или поведения сложных систем. Для каждого сценария случайным образом генерируются значения входных параметров (например, цены акций, процентные ставки, спрос), а затем рассчитывается результат. Повторение этого процесса многократно позволяет получить распределение возможных результатов и оценить их вероятности.
• Применение: Метод Монте-Карло применяется в риск-менеджменте для моделирования финансовых процессов (например, оценки стоимости опционов, анализа кредитного риска), оценки распределения возможных результатов проектов, прогнозирования спроса, а также в физике и инженерии.

Эти методы, применяемые как по отдельности, так и в комбинации, позволяют менеджерам принимать более обоснованные решения, даже когда будущее остаётся туманным. Для принятия решений в условиях неизвестности, основанной на вероятностном характере информации, также эффективно используются методы теории вероятности и математической статистики, позволяющие работать с неопределенностью, выраженной в форме риска.

Критерии выбора оптимальной стратегии в условиях неопределенности и риска

Когда неопределенность превращается в риск, то есть, когда вероятности исходов могут быть оценены (хотя бы приблизительно), возникает задача выбора оптимальной стратегии. Разработано несколько критериев, каждый из которых отражает определенную философию отношения к риску и неопределенности. Рассмотрим наиболее распространенные из них.

Предположим, у нас есть таблица выигрышей (или полезностей) E_ij, где i – это выбранная стратегия, а j – это возможное состояние внешней среды.

1. Критерий Лапласа (Критерий равных вероятностей)

• Логика: Применяется, если все варианты внешних условий предполагаются одинаково вероятными (то есть, нет оснований считать одно состояние более вероятным, чем другое). В таком случае, выбирается решение, которое имеет максимальную среднюю оценку по всем возможным вариантам. Это подход «усредненного оптимизма».
• Формула:
  Z = maxi (1/N ∑j=1N Eij)
  где:
  • E_ij – выигрыш (или полезность) при выборе стратегии i и наступлении состояния j.
  • N – количество возможных состояний внешней среды.
  • max_i означает выбор стратегии i, которая максимизирует средний выигрыш.
• Пример: Если у вас есть три стратегии с выигрышами в трех состояниях:
  • Стратегия 1: [10, 20, 30]
  • Стратегия 2: [15, 15, 15]
  • Стратегия 3: [5, 25, 25]

  Средние выигрыши: С1 = (10+20+30)/3 = 20; С2 = (15+15+15)/3 = 15; С3 = (5+25+25)/3 = 18.33. По критерию Лапласа, выбирается Стратегия 1.

2. Критерий Вальда (Критерий крайнего пессимизма, максиминный критерий)

• Логика: Ориентирован на максимизацию минимального возможного результата. Он выбирает решение, которое гарантирует наилучший исход в наихудших возможных внешних условиях. Это подход для крайне осторожных лиц, принимающих решения, которые стремятся избежать наибольших потерь.
• Формула:
  Z = maxi (minj Eij)
  где:
  • min_j E_ij – минимальный выигрыш для каждой стратегии i по всем состояниям j.
  • max_i означает выбор стратегии i, которая максимизирует этот минимальный выигрыш.
• Пример: Используя те же данные:
  • Стратегия 1: min = 10
  • Стратегия 2: min = 15
  • Стратегия 3: min = 5

  По критерию Вальда, выбирается Стратегия 2 (максимум из минимальных: max(10, 15, 5) = 15).

3. Критерий Сэвиджа (Критерий минимаксного сожаления)

• Логика: Этот критерий направлен на минимизацию максимального «сожаления» (потери выигрыша) о принятии неверного решения. Оценка базируется на разнице между оптимальным результатом (максимальным выигрышем, который можно было бы получить в данном состоянии среды) и фактическим результатом, полученным от выбранной стратегии. Лицо, принимающее решение, стремится выбрать стратегию, которая минимизирует потенциальное сожаление, если бы оно знало будущее.
• Формула:
  Z = mini (maxj (maxk Ekj - Eij))
  где:
  • max_k E_kj – максимальный выигрыш, который можно получить в состоянии j при выборе любой стратегии k.
  • max_k E_kj — E_ij – это «сожаление» о выборе стратегии i в состоянии j.
  • max_j выбирает максимальное сожаление для каждой стратегии.
  • min_i выбирает стратегию, которая имеет минимальное максимальное сожаление.
• Пример: Для выигрышей [10, 20, 30], [15, 15, 15], [5, 25, 25]:
  1. Находим максимальные выигрыши для каждого состояния:
     • Состояние 1: max(10, 15, 5) = 15
     • Состояние 2: max(20, 15, 25) = 25
     • Состояние 3: max(30, 15, 25) = 30
  2. Строим матрицу сожалений (max по состоянию — E_ij):
     • Стратегия 1: [15-10, 25-20, 30-30] = [5, 5, 0]
     • Стратегия 2: [15-15, 25-15, 30-15] = [0, 10, 15]
     • Стратегия 3: [15-5, 25-25, 30-25] = [10, 0, 5]
  3. Находим максимальное сожаление для каждой стратегии:
     • Стратегия 1: max(5, 5, 0) = 5
     • Стратегия 2: max(0, 10, 15) = 15
     • Стратегия 3: max(10, 0, 5) = 10
  4. Выбираем стратегию с минимальным максимальным сожалением: min(5, 15, 10) = 5. По критерию Сэвиджа, выбирается Стратегия 1.

4. Критерий Гурвица (Критерий оптимизма-пессимизма)

• Логика: Представляет собой компромисс между крайним оптимизмом и крайним пессимизмом. Выбор определяется с использованием коэффициента пессимизма (α) в диапазоне от 0 до 1, который субъективно оценивает возможность неблагоприятных условий. α = 0 соответствует полному оптимизму (выбирается максимальный из максимумов), α = 1 – полному пессимизму (то же, что и критерий Вальда).
• Формула:
  Z = maxi (α ⋅ minj Eij + (1 - α) ⋅ maxj Eij)
  где:
  • min_j E_ij – минимальный выигрыш для стратегии i.
  • max_j E_ij – максимальный выигрыш для стратегии i.
  • α – коэффициент пессимизма (от 0 до 1).
• Пример: Пусть α = 0.5 (нейтральный взгляд).
  • Стратегия 1: min=10, max=30. Z = 0.5 ⋅ 10 + 0.5 ⋅ 30 = 5 + 15 = 20
  • Стратегия 2: min=15, max=15. Z = 0.5 ⋅ 15 + 0.5 ⋅ 15 = 7.5 + 7.5 = 15
  • Стратегия 3: min=5, max=25. Z = 0.5 ⋅ 5 + 0.5 ⋅ 25 = 2.5 + 12.5 = 15

  По критерию Гурвица (α = 0.5), выбирается Стратегия 1.

5. Критерий Байеса (Критерий ожидаемого значения)

• Логика: Основывается на максимизации ожидаемого результата с учетом известных или оцененных вероятностей исходов (p_j). Он предполагает выбор стратегии, которая максимизирует средний выигрыш или минимизирует средний риск, используя априорные вероятности событий и обновляя их с учетом новой информации (если применимо).
• Формула:
  B(X*) = maxi ∑j=1n (aij ⋅ pj)
  где:
  • a_ij – выигрыш (полезность) при выборе i-й стратегии и наступлении j-го состояния природы.
  • p_j – вероятность j-го состояния природы.
  • n – число состояний природы.
• Пример: Пусть вероятности состояний: P(Состояние 1) = 0.3, P(Состояние 2) = 0.5, P(Состояние 3) = 0.2.
  • Стратегия 1: Ожидаемый выигрыш = 10 ⋅ 0.3 + 20 ⋅ 0.5 + 30 ⋅ 0.2 = 3 + 10 + 6 = 19
  • Стратегия 2: Ожидаемый выигрыш = 15 ⋅ 0.3 + 15 ⋅ 0.5 + 15 ⋅ 0.2 = 4.5 + 7.5 + 3 = 15
  • Стратегия 3: Ожидаемый выигрыш = 5 ⋅ 0.3 + 25 ⋅ 0.5 + 25 ⋅ 0.2 = 1.5 + 12.5 + 5 = 19

  По критерию Байеса, выбираются Стратегия 1 или Стратегия 3 (с одинаковым ожидаемым выигрышем).

Выбор конкретного критерия зависит от отношения лица, принимающего решение, к риску (склонность к риску, неприятие риска, нейтральность), его опыта, а также от специфики самой ситуации и доступности информации о вероятностях. Эти критерии предоставляют менеджерам структурированный подход к оценке и выбору стратегий в условиях, когда будущее не определено, но могут быть оценены риски.

Психологические аспекты: когнитивные искажения и эмоциональные факторы

Природа и классификация когнитивных искажений

В идеальном мире управленческие решения принимались бы исключительно на основе рационального анализа всех доступных данных. Однако реальность гораздо сложнее: человеческий мозг, будучи удивительным инструментом, подвержен систематическим «сбоям» – так называемым когнитивным искажениям. Когнитивные искажения – это специфические ошибки, которые люди допускают в типичных ситуациях принятия решений в условиях неопределенности. Они представляют собой систематические отклонения в мышлении, способные приводить к искажению восприятия реальности, неоптимальному принятию решений и формированию нерелевантных эмоций.

Эти искажения не являются признаком глупости или некомпетентности; скорее, они возникают в результате автоматических, часто неосознаваемых мыслительных процессов и служат своеобразным механизмом защиты. Мозг использует «эвристики» – упрощенные правила и «короткие пути» мышления – чтобы справляться с огромным объемом информации и снижать когнитивную нагрузку, особенно в условиях стресса или нехватки времени. Это позволяет человеку быстро реагировать на внешние факторы, но ценой может стать снижение точности и объективности суждений.

Основные причины возникновения когнитивных искажений:

1. «Сбои» в обработке информации (эвристика): Мозг стремится экономить ресурсы, используя ментальные ярлыки и стереотипы. Это может привести к поспешным выводам, основанным на неполных данных.
2. «Ментальный шум»: Избыток информации, отвлекающие факторы, стресс или усталость могут ухудшать способность к объективному анализу.
3. Ограниченные возможности мозга по обработке информации: Человек не может одновременно учитывать все факторы и альтернативы, что приводит к фокусировке на ограниченном наборе данных.
4. Эмоциональные и моральные причины: Личные убеждения, страхи, надежды, а также стремление к самооправданию или поддержанию самооценки могут влиять на восприятие информации.
5. Социальное влияние: Давление группы, стремление соответствовать ожиданиям других, конформизм.

Пионерами в изучении когнитивных искажений и их влияния на экономические решения стали израильские психологи Даниэль Канеман и Амос Тверски. Они сформулировали понятие эвристических методов, связанных с когнитивными искажениями, приводящими к так называемым «эвристикам репрезентативности». В 2002 году Даниэль Канеман был удостоен Нобелевской премии по экономике (совместно с В. Смитом) «за применение психологической методики в экономической науке, в особенности — при исследовании формирования суждений и принятия решений в условиях неопределённости». Их работа заложила основы поведенческой экономики, показав, что человек далеко не всегда ведёт себя рационально, как это предполагалось в классической экономической теории.

Понимание природы и механизмов когнитивных искажений – это первый шаг к их минимизации и повышению качества управленческих решений. Ведь если мы осознаём, как наш мозг может нас обманывать, разве это не даёт нам шанс принять более взвешенные решения?

Основные виды когнитивных искажений

Когнитивные искажения проявляются в самых разнообразных формах, влияя на наше восприятие, суждения и решения. Рассмотрим некоторые из наиболее распространенных видов:

1. Эвристика репрезентативности: Сформулированная Д. Канеманом и А. Тверски, эта эвристика представляет собой специфическую ошибку мышления, при которой люди оценивают вероятность события или принадлежность объекта к категории на основе степени их сходства с прототипом или стереотипом, игнорируя при этом априорные вероятности или базовые показатели.
   • Пример: Человек, прочитав описание «умный, но замкнутый, любит читать, работает в библиотеке», с большей вероятностью отнесет его к библиотекарю, чем к продавцу, хотя продавцов в мире значительно больше, чем библиотекарей (игнорирование базовых показателей).
2. Фундаментальная ошибка атрибуции: Тенденция приписывать неудачи других людей их личным качествам (например, «он не справился, потому что ленив»), а свои собственные неудачи – внешним обстоятельствам (например, «я не справился, потому что мне не повезло»). Успехи, напротив, приписываются себе, а успехи других – внешним факторам.
   • Пример в управлении: Менеджер может объяснить низкие результаты подчиненного его «недостатком мотивации», игнорируя проблемы в системе обучения или нехватку ресурсов.
3. Фреймовый эффект: Различное восприятие одной и той же информации в зависимости от того, как она представлена (сформулирована).
   • Пример: Продукт, который «на 90% обезжирен», кажется более привлекательным, чем тот, который «содержит 10% жира», хотя это одно и то же. В управлении, представление проекта как «гарантирующего 70% успеха» или «имеющего 30% риска неудачи» может по-разному повлиять на решение инвесторов.
4. Эвристика доступности: Тенденция переоценивать вероятность событий, которые легче приходят на ум, например, из-за недавнего опыта, яркой информации или эмоциональной значимости.
   • Пример: После авиакатастрофы люди могут переоценивать риск полетов, хотя статистически автомобильные поездки гораздо опаснее. В бизнесе: если компания недавно столкнулась с крупной утечкой данных, менеджеры могут чрезмерно фокусироваться на кибербезопасности, игнорируя другие, более актуальные риски.
5. Эффект якорения (привязки): Склонность полагаться на первую полученную информацию – «якорь» – при принятии последующих решений, даже если этот якорь нерелевантен.
   • Пример: Если на переговорах первая предложенная цена высока, последующие предложения, даже если они объективно выше рыночной, будут казаться более приемлемыми по сравнению с «якорем».
6. Склонность к подтверждению собственных убеждений (confirmation bias): Тенденция искать, интерпретировать и запоминать информацию таким образом, чтобы она подтверждала уже существующие убеждения, игнорируя или преуменьшая значение противоречащих данных.
   • Пример: Менеджер, убежденный в правильности своей стратегии, будет обращать внимание только на данные, подтверждающие её эффективность, и игнорировать индикаторы потенциальных проблем.

Эти искажения, хоть и являются естественными для человеческого мышления, могут стать серьезными препятствиями на пути к принятию рациональных и эффективных управленческих решений, особенно в условиях высокой неопределенности.

Минимизация влияния когнитивных искажений

Признание существования когнитивных искажений – это первый, но не единственный шаг к повышению качества управленческих решений. Для снижения их негативного влияния в условиях неполноты информации необходимо применять целенаправленные стратегии.

1. Опора на априорные вероятности и статистику вместо персонифицированной информации:

• Что это значит: Вместо того чтобы полагаться на яркие, но единичные случаи или стереотипы (как в эвристике репрезентативности или доступности), следует отдавать предпочтение объективным статистическим данным и априорным вероятностям.
• Как реализовать: Развивать культуру принятия решений, основанных на данных (data-driven decision-making). Использовать бенчмаркинг, отраслевую статистику, результаты масштабных исследований. Например, при оценке потенциального сотрудника, вместо того чтобы полагаться на первое впечатление или сходство с «идеальным» кандидатом, следует использовать структурированные интервью, объективные тесты и оценку прошлых достижений.

2. Развитие критического мышления:

• Что это значит: Критическое мышление – это способность анализировать информацию, выявлять скрытые предположения, оценивать аргументы, распознавать логические ошибки и формировать обоснованные выводы.
• Как реализовать: Обучать сотрудников методам критического анализа, проводить тренинги по логическому мышлению. Включать в процесс принятия решений этапы, направленные на оспаривание предположений, поиск альтернативных объяснений и рассмотрение «дьявольских адвокатов» (специалистов, задача которых – найти слабые стороны в предлагаемом решении).

3. Повышение познавательной мотивации:

• Что это значит: Познавательная мотивация – это внутреннее стремление к поиску новой информации, пониманию сложных явлений и глубокому анализу. Она выступает как личностный ресурс, позволяющий повышать гибкость мышления.
• Как реализовать: Создавать в организации среду, стимулирующую любознательность и обучение. Поощрять сотрудников к самообразованию, участию в конференциях, обмену знаниями. Предоставлять доступ к актуальным исследованиям и аналитическим инструментам.

4. Использование разнообразных точек зрения:

• Что это значит: Привлечение к процессу принятия решений людей с разным опытом, специализацией и культурным бэкграундом помогает выявить «слепые зоны» и уменьшить склонность к подтверждению собственных убеждений.
• Как реализовать: Формировать кросс-функциональные команды, проводить мозговые штурмы с участием внешних экспертов, использовать методы Дельфи или «шести шляп мышления», где каждый участник играет определенную роль, выражая разные типы мнений.

5. Структурирование процесса принятия решений:

• Что это значит: Внедрение формализованных процедур и инструментов, которые заставляют лицо, принимающее решение, систематически анализировать информацию.
• Как реализовать: Применять методы, такие как дерево решений, сценарный анализ, SWOT-анализ, PESTEL-анализ, которые помогают структурировать проблему и учитывать множество факторов. Создавать контрольные списки для оценки альтернатив и рисков.

6. Применение техник «дебиасинга» (debiasing):

• Что это значит: Целенаправленные вмешательства, направленные на уменьшение или устранение влияния когнитивных искажений.
• Как реализовать: Проведение ролевых игр, где менеджеры должны аргументировать противоположную точку зрения; «пред-мортем» анализ (pre-mortem analysis), когда до начала проекта команда представляет, что проект провалился, и пытается объяснить почему; обучение распознаванию типичных искажений.

Минимизация влияния когнитивных искажений – это непрерывный процесс, требующий системного подхода, инвестиций в обучение и изменения корпоративной культуры. Однако результаты – более качественные, объективные и эффективные управленческие решения – полностью оправдывают эти усилия.

Роль цифровых технологий в трансформации процесса принятия решений

Искусственный интеллект и большие данные в поддержке решений

В XXI веке, особенно с учетом текущей даты (28.10.2025), стремительное развитие цифровых технологий радикально меняет ландшафт корпоративного управления и процессов принятия управленческих решений. Искусственный интеллект (ИИ), большие данные (Big Data), машинное обучение (ML), облачные вычисления и интернет вещей (IoT) создают новую волну преобразований, охватывающую как макроэкономический уровень, так и контекст отдельных компаний.

1. Обработка больших данных и прогнозная аналитика:

• Сущность: ИИ-инструменты стали незаменимыми для обработки огромных массивов данных (Big Data), которые генерируются ежедневно. Традиционные методы анализа не справляются с таким объемом, скоростью и разнообразием информации. ИИ позволяет выявлять скрытые закономерности, тренды и аномалии, которые невозможно обнаружить человеческим глазом.
• Прогнозная аналитика: На основе обработанных данных ИИ строит прогнозные модели, предсказывая будущие события с высокой степенью точности. Это может касаться прогнозирования потребительского спроса, колебаний рынка, рисков сбоев оборудования, оттока клиентов или даже вероятности успеха новой маркетинговой кампании. Глубинный анализ больших данных (data mining) и ИИ дает возможность обнаруживать полезные знания, необходимые для принятия решений в различных сферах человеческой деятельности.
• Эволюция Big Data: Охватывает все этапы работы с данными: от сбора и импортирования до обработки (ETL-процесс – Extract, Transform, Load), анализа и, наконец, аналитики на базе машинного обучения и глубокого обучения.

2. Рационализация процессов принятия управленческих решений:

• Увеличение прибыли и производительности: Цифровизация системы принятия решений способствует значительному увеличению прибыли и операционной эффективности. Исследования показывают, что цифровая трансформация может привести к росту производительности труда, повышению качества продукции, а также росту доходов и чистой прибыли. Например, компании, использующие цифровые технологии для управления бизнес-процессами, могут сократить производственные затраты до 20%.
• Примеры из практики:
  • JPMorgan Chase (JPMC): Этот финансовый гигант сэкономил 1,5 млрд долларов за счет ИИ-инициатив. ИИ используется для предотвращения мошенничества и повышения операционной эффективности. В системе противодействия отмыванию денег (AML) ИИ-система анализирует транзакции с точностью 98% и на 60% сокращает количество ложных срабатываний, что значительно снижает операционные издержки и повышает безопасность.
  • «Норникель»: Внедрение ИИ в производственные процессы позволило на 2,5% повысить долю извлечения металлов из руды. Экономическая выгода от ИИ в 2023 году достигла 100 млн долларов. Это демонстрирует, как ИИ может оптимизировать сложные промышленные процессы и приносить ощутимые финансовые результаты.

3. Поддержка принятия решений в условиях неопределенности:

• ИИ-системы могут анализировать значительно большее количество переменных и сценариев, чем человек, что особенно ценно в условиях высокой неопределенности. Они способны моделировать различные исходы, оценивать риски и предлагать оптимальные стратегии с учетом множества факторов.
• Автоматизация рутинных решений позволяет менеджерам сосредоточиться на стратегических задачах, требующих человеческой интуиции, креативности и этической оценки.

Таким образом, ИИ и большие данные не просто дополняют, но и трансформируют процесс принятия решений, делая его более рациональным, быстрым и эффективным, позволяя компаниям не только выживать, но и процветать в условиях постоянно меняющейся и непредсказуемой среды.

Этические риски и вызовы цифровизации принятия решений

Хотя цифровые технологии, и особенно искусственный интеллект, открывают беспрецедентные возможности для повышения эффективности управленческих решений, их внедрение сопряжено с серьезными этическими рисками и вызовами. Эти проблемы требуют особого внимания и разработки соответствующих механизмов регулирования.

1. Проблема «черного ящика» (отсутствие прозрачности алгоритмов):

• Сущность: Многие современные ИИ-алгоритмы, особенно основанные на глубоком обучении, являются крайне сложными и непрозрачными. Их внутренние механизмы принятия решений могут быть непонятны даже разработчикам, что делает их похожими на «черный ящик».
• Риски: Если алгоритм принимает критически важное решение (например, о выдаче кредита, найме сотрудника или даже о медицинском диагнозе), но невозможно объяснить, почему он принял именно такое решение, это подрывает доверие, затрудняет аудит и делает невозможным исправление ошибок. Это также создаёт проблемы с подотчетностью: кто несёт ответственность, если алгоритм ошибается?

2. Смещение в данных и алгоритмах (Bias):

• Сущность: ИИ-системы обучаются на данных, которые созданы людьми и отражают существующие в обществе предрассудки, стереотипы и исторические несправедливости. Если входные данные содержат смещения (например, непропорциональное количество данных о мужчинах-специалистах или определенных этнических группах), то алгоритм будет воспроизводить и усиливать эти смещения в своих решениях.
• Риски: Это может привести к дискриминации (например, при отборе кандидатов, определении кредитного рейтинга или распределении социальных льгот), несправедливости и усугублению социального неравенства. Компании могут столкнуться с репутационными потерями, судебными исками и потерей доверия со стороны потребителей и общества.

3. Вопросы интерпретируемости и подотчетности ИИ-алгоритмов:

• Интерпретируемость: Необходимость понимать, как и почему ИИ пришел к определенному выводу, особенно в критических областях. Это не всегда возможно из-за сложности алгоритмов.
• Подотчетность: Возникает вопрос об ответственности. Если алгоритм принимает решение, которое приводит к негативным последствиям, кто несёт ответственность – разработчик, оператор, компания-владелец или сам алгоритм? В России Национальный кодекс этики ИИ прямо указывает, что ответственность за последствия применения систем ИИ всегда несёт человек.

4. Социально-трудовые последствия:

• Автоматизация и рабочие места: Внедрение ИИ может привести к автоматизации многих рутинных задач, что вызывает опасения по поводу сокращения рабочих мест и необходимости переквалификации рабочей силы.
• Изменение характера труда: Даже там, где рабочие места не исчезают, характер труда меняется, требуя новых навыков и адаптации к взаимодействию с ИИ-системами.

5. Риски безопасности и защищенности:

• Киберугрозы: ИИ-системы сами могут быть целью кибератак, а также использоваться для их осуществления.
• Надежность и отказоустойчивость: Ненадежные или ошибочные ИИ-системы могут привести к сбоям в критически важных инфраструктурах.

Для минимизации этих рисков промышленным компаниям целесообразно формировать необходимую нормативную документацию, разрабатывать методики для анализа этических последствий внедрения ИИ, оценивать готовность предприятия к созданию и эксплуатации ИИ-систем, а также анализировать планируемую и реальную эффективность стратегий этичного использования искусственного интеллекта. В России, например, 26 октября 2021 года на первом международном форуме «Этика искусственного интеллекта: начало доверия» был подписан Национальный кодекс этики ИИ, устанавливающий общие принципы и стандарты поведения в этой сфере. Этот кодекс, носящий рекомендательный характер, охватывает принципы человеко-ориентированного подхода, уважения автономии, недискриминации, ответственности и безопасности данных.

Решение этих этических вызовов требует мультидисциплинарного подхода, включающего технические инновации, правовое регулирование, этические стандарты и общественный диалог.

Практический опыт и стратегии адаптации компаний в условиях неопределенности

Стратегии адаптации российских компаний к турбулентной среде

Современная бизнес-среда характеризуется беспрецедентной турбулентностью, обусловленной глобальными экономическими колебаниями, усилением конкуренции и, в случае России, режимом жестких санкционных ограничений. В этих условиях способность компаний к быстрой и эффективной адаптации становится критически важной для выживания и развития. Российские высокотехнологичные компании демонстрируют разнообразные стратегии, которые опосредованы готовностью владельца-руководителя идти на риск и его опытом управления в период кризиса. Что из этого следует? Для успешной адаптации необходимо не только оперативно реагировать на изменения, но и развивать превентивные механизмы, способные предвосхищать вызовы и формировать устойчивость бизнеса.

Основные стратегии адаптации российских компаний:

1. Рестрикционная стратегия:
   • Сущность: Эта стратегия направлена на сокращение издержек и минимизацию рисков. Компании сокращают инвестиции, оптимизируют персонал, снижают объемы производства или ассортимент продукции.
   • Применение: Часто используется в условиях острой нехватки ресурсов или высокой неопределенности, когда главной задачей является сохранение жизнеспособности бизнеса.
2. Сохранение инвестиций с упрощением продукции:
   • Сущность: Компании продолжают инвестировать в ключевые направления, но при этом упрощают свою продукцию или услуги, чтобы снизить затраты на производство и обслуживание, а также адаптироваться к изменяющимся потребностям рынка или доступности компонентов.
   • Применение: Позволяет удерживать долю рынка и лояльность клиентов, при этом оптимизируя затраты.
3. Смена поставщиков и поиск новых источников сырья и комплектующих:
   • Сущность: В условиях санкций и нарушений логистических цепочек, многие компании вынуждены активно искать альтернативных поставщиков и налаживать новые логистические маршруты. Это часто требует изменений в управлении цепочками поставок и диверсификации географии закупок.
   • Применение: Жизненно необходима для сохранения непрерывности производства и поставок.
4. Инновационная стратегия:
   • Сущность: Разработка новых продуктов, внедрение цифровых решений, освоение новых рынков сбыта. Компании инвестируют в исследования и разработки (R&D), автоматизацию и цифровизацию, чтобы создать новые конкурентные преимущества.
   • Применение: Позволяет не только адаптироваться, но и занять лидирующие позиции в изменившихся условиях, создавая новые возможности для роста.

Опыт микро- и малых российских предприятий в период пандемии COVID-19:
Исследование показало, что стратегия диверсификации положительно влияет на прибыльность фирмы во время кризиса. Компании, которые расширяли ассортимент услуг, искали новые рынки или сегменты клиентов, демонстрировали большую устойчивость. При этом важно отметить, что этот эффект не опосредован усилением лояльности или ростом клиентской базы, а скорее способностью бизнеса распределять риски и находить новые источники дохода.
В целом, в 2020 году крупные и средние российские предприятия столкнулись с падением совокупной прибыли на 23,5% (на 3,8 трлн рублей меньше, чем в 2019 году). Однако некоторые отрасли, такие как административная деятельность, сельское хозяйство, недвижимость, строительство, розничная торговля и информация/связь, показали значительный рост прибыли, что свидетельствует о неоднородности влияния кризиса и эффективности адаптационных стратегий в разных секторах.

Меры государственной поддержки:
Для снижения уровня неопределенности для бизнеса и стимулирования его адаптации, в России реализуются различные меры стимулирующей политики. К ним относятся:

• Программы льготного кредитования: Для малого и среднего бизнеса (МСП) по сниженным ставкам.
• Субсидии и гранты: На развитие инноваций, экспортной деятельности, а также для поддержки занятости.
• Налоговые каникулы: Для новых индивидуальных предпринимателей.
• Гарантийная поддержка: Через Национальную гарантийную систему, облегчающая доступ к финансированию.
• Доступ к цифровым платформам: Таким как «Мой бизнес», предоставляющим информационную и консультационную поддержку.
• «Инвестиционный лифт»: Для привлечения капитала в перспективные проекты.

Эти меры призваны создать более благоприятные условия для адаптации и развития бизнеса в условиях турбулентности, снижая финансовые риски и способствуя поиску новых точек роста. Высшая школа бизнеса НИУ ВШЭ активно собирает и анализирует кейсы реальных бизнес-ситуаций российских компаний, предлагая студентам и исследователям ценный материал для изучения формирования корпоративных стратегических альтернатив и их реализации в условиях неопределенности.

Международный опыт и культурные аспекты принятия решений

В современном глобализированном мире международные компании постоянно сталкиваются с необходимостью адаптации своих стратегий к разнообразным культурным средам. Эффективность управленческих решений на глобальном рынке во многом зависит от понимания и учета культурных измерений, которые влияют на все аспекты бизнеса – от стилей лидерства и управления персоналом до процессов принятия решений и маркетинговых подходов.

Важность культурной адаптации:

• Модель Г. Хофстеде: Одним из наиболее влиятельных исследователей в этой области является Герт Хофстеде, который разработал модель культурных измерений. Эти измерения (например, дистанция власти, индивидуализм/коллективизм, маскулинность/фемининность, избегание неопределенности, долгосрочная/краткосрочная ориентация, индульгенция/сдержанность) помогают понять различия в ценностях и нормах между странами и их влияние на поведение людей в организациях.
  • Например, в культурах с высокой дистанцией власти (таких как многие азиатские страны) решения чаще принимаются сверху вниз, а подчиненные ожидают четких указаний. В культурах с низкой дистанцией власти (например, в скандинавских странах) поощряется участие сотрудников в принятии решений и делегирование полномочий.
  • Страны с высоким показателем избегания неопределенности (Япония, Греция) склонны к формализованным процедурам и не любят риски, что влияет на выбор стратегий в условиях неопределенности.
• Влияние на принятие решений: Культурные различия определяют, как информация собирается, обрабатывается и интерпретируется, как формируются альтернативы и как оцениваются риски. Например, в коллективистских культурах решения могут приниматься медленнее, так как требуется достижение консенсуса, но после принятия они реализуются с большей поддержкой. В индивидуалистических культурах решения могут быть более быстрыми, но могут столкнуться с сопротивлением, если не будет достаточной поддержки.

Успешные практики управления культурными различиями:

1. Создание мультикультурных рабочих групп: Формирование команд, состоящих из представителей разных культур, способствует обмену знаниями, пониманию различных точек зрения и разработке более креативных и адаптированных решений. Однако для эффективности таких групп необходима сильная фасилитация и обучение межкультурной коммуникации.
2. Инвестиции в программы межкультурной адаптации и обучения: Компании, работающие на глобальном рынке, инвестируют в тренинги для своих сотрудников, направленные на развитие межкультурной компетентности. Это включает обучение языкам, культурным нормам, этикету и особенностям ведения бизнеса в разных странах. Понимание невербальных сигналов, правил переговоров и ожиданий в различных культурах может значительно повысить эффективность взаимодействия.
3. Локализация продуктов и услуг: Успешные международные компании не просто переводят свои продукты, но адаптируют их к местным культурным предпочтениям, традициям и законодательству. Это может касаться не только внешнего вида или функционала, но и маркетинговых сообщений.
4. Развитие глобальной корпоративной культуры с уважением к локальным особенностям: Создание единой корпоративной культуры, которая при этом ценит и интегрирует разнообразие локальных культур, позволяет сохранить идентичность компании, одновременно обеспечивая гибкость и адаптивность на разных рынках.

Практический опыт показывает, что игнорирование культурных аспектов может привести к серьезным ошибкам, потере рынка и репутационным рискам. Напротив, компании, которые активно управляют культурными различиями, получают конкурентное преимущество, повышают лояльность клиентов и сотрудников, а также демонстрируют большую устойчивость в турбулентной глобальной среде.

Этические аспекты и социальная ответственность в контексте устойчивого развития

В условиях возрастающей неопределенности и быстрого технологического прогресса, особенно в сфере искусственного интеллекта, вопросы этики и социальной ответственности приобретают первостепенное значение для управленческих решений. Современные компании не могут ограничиваться только финансовыми показателями; им необходимо учитывать долгосрочное влияние своей деятельности на общество и окружающую среду.

1. Этика искусственного интеллекта (ИИ):

• Актуальность: Стремительное развитие ИИ поднимает новые этические дилеммы, связанные с автономностью систем, ответственностью за их действия, предвзятостью алгоритмов, конфиденциальностью данных и влиянием на занятость.
• Инициативы: Вопросы этики ИИ активно исследуются как ИТ-гигантами (Microsoft, IBM), так и специализированными организациями, такими как AlgorithmWatch и Институт AI Now. В России эта тема также получила широкий отклик. 26 октября 2021 года прошел первый международный форум «Этика искусственного интеллекта: начало доверия», в рамках которого был подписан Национальный кодекс этики ИИ.
• Национальный кодекс этики ИИ: Этот документ носит рекомендательный характер и устанавливает общие этические принципы и стандарты поведения для гражданских разработок ИИ. Ключевые принципы включают человеко-ориентированный и гуманистический подход, уважение автономии и свободы воли человека, соответствие закону, недискриминацию, оценку рисков, ответственность, предосторожность, непричинение вреда, идентификацию ИИ в общении с человеком, безопасность работы с данными и информационную безопасность. Важно, что Кодекс подчёркивает: ответственность за последствия применения систем ИИ всегда несёт человек. По состоянию на 2025 год, количество подписантов Кодекса превышает 850 российских и 42 иностранные организации, что свидетельствует о растущем осознании важности этического регулирования.
• Специфические для промышленности риски ИИ: включают риски безопасности и защищённости (кибератаки, сбои), проблему «черного ящика» (непрозрачность алгоритмов), смещение в данных и алгоритмах (дискриминация), а также социально-трудовые последствия (автоматизация, изменение квалификации).
• Рекомендации для компаний: Для внедрения базовых этических принципов промышленным компаниям целесообразно формировать необходимую нормативную документацию, разрабатывать методики для анализа этических последствий внедрения ИИ, оценивать готовность предприятия к созданию и эксплуатации ИИ-систем, а также анализировать планируемую и реальную эффективность стратегий этичного использования искусственного интеллекта.

2. Социальная ответственность и устойчивое развитие (ESG):

• Концепция: В условиях неопределенности компании всё чаще интегрируют принципы устойчивого развития в свои стратегии. Это предполагает учёт не только экономических, но и социальных, и экологических аспектов в процессе принятия решений. Концепция ESG (Environmental, Social, Governance) становится ключевым ориентиром.
  • Окружающая среда (Environmental): Влияние деятельности компании на климат, загрязнение, использование ресурсов, биоразнообразие. Решения должны быть направлены на минимизацию негативного воздействия и повышение экологической эффективности.
  • Общество (Social): Отношение компании к сотрудникам, клиентам, поставщикам и местным сообществам. Это включает условия труда, безопасность, равенство, соблюдение прав человека, вклад в развитие сообщества.
  • Корпоративное управление (Governance): Прозрачность, этичность и эффективность управленческих структур, борьба с коррупцией, соблюдение прав акционеров.
• Практики российских компаний: Практики управления устойчивым развитием российских компаний активно рассматриваются в сборниках кейсов Высшей школы бизнеса НИУ ВШЭ, где реальные ситуации анализируются в контексте ESG-измерений. Это позволяет студентам и практикам изучать, как компании интегрируют эти принципы в свои стратегии и управленческие решения.
• Роль Агентства стратегических инициатив (АСИ): АСИ позиционируется как «агент изменений» и площадка для интеграции усилий общества, бизнеса и государства по развитию стратегической конкурентоспособности России. АСИ активно поддерживает технологии и предпринимательство, улучшает качество жизни, сохраняет окружающую среду, продвигает внутренний туризм и развивает креативную экономику, способствуя формированию ответственного подхода к принятию решений.

Интеграция этических аспектов и принципов устойчивого развития в процесс принятия управленческих решений – это не просто дань моде, а стратегическая необходимость. Она позволяет компаниям повысить свою репутацию, привлечь инвестиции, удовлетворить запросы стейкхолдеров, снизить риски и обеспечить долгосрочную конкурентоспособность в условиях постоянно меняющегося мира.

Заключение

В условиях, когда мировая экономика и геополитика переживают период беспрецедентной турбулентности, а технологический прогресс открывает как новые горизонты, так и ранее невиданные вызовы, разработка управленческих решений в условиях неопределенности становится краеугольным камнем успешного функционирования любой организации. Данная курсовая работа предприняла попытку всесторонне раскрыть эту сложную и многогранную тему, предложив академический взгляд на современные концепции, методы и этические аспекты принятия решений.

Мы определили управленческое решение как творческий акт, направленный на разрешение проблемных ситуаций, и подчеркнули его стратегическую роль в достижении организационных целей. Неопределенность была рассмотрена как фундаментальная характеристика современной бизнес-среды, проанализированная через призму объективных и субъективных факторов, а также различных уровней – от «достаточно ясного будущего» до сверхвысокой непредсказуемости.

Анализ теоретических моделей – рациональной, интуитивной и поведенческой (с акцентом на ограниченную рациональность Герберта Саймона) – показал, что идеализированные подходы часто не соответствуют реалиям, где когнитивные искажения и эмоциональные факторы играют значительную роль. Мы подробно рассмотрели природу этих искажений (эвристика репрезентативности, фреймовый эффект, эффект якорения и др.) и предложили практические рекомендации по их минимизации, включая опору на априорные вероятности, развитие критического мышления и использование разнообразных точек зрения.

Особое внимание было уделено методам и инструментам анализа и управления неопределенностью. Сценарный анализ, дерево решений, метод «Value-at-risk» и метод Монте-Карло были представлены как мощные средства для структурирования сложных проблем и оценки рисков. Критерии выбора оптимальной стратегии в условиях неопределенности и риска (Лапласа, Вальда, Сэвиджа, Гурвица, Байеса) продемонстрировали разнообразие подходов к принятию решений в зависимости от отношения к риску.

Наконец, мы изучили трансформирующую роль цифровых технологий, таких как искусственный интеллект и большие данные, в поддержке управленческих решений, приводя впечатляющие примеры их применения в ведущих компаниях. Вместе с тем, были выявлены и этические риски цифровизации, включая проблему «черного ящика» и смещение в алгоритмах, что подчёркивает необходимость разработки этических кодексов и механизмов подотчетности. Практический опыт российских и международных компаний в адаптации к турбулентной среде, включая стратегии диверсификации, инноваций и культурной адаптации, показал, что успешное управление неопределенностью требует гибкости, проактивности и готовности к постоянным изменениям.

Ключевые тенденции и рекомендации:

1. Интеграция человеческого и технологического интеллекта: Будущее за гибридными моделями принятия решений, где ИИ обрабатывает огромные объемы данных и предлагает варианты, а человек использует свою интуицию, критическое мышление и этические принципы для окончательного выбора.
2. Развитие «мягких» навыков (soft skills): В условиях, когда рутинные задачи автоматизируются, критическое мышление, эмоциональный интеллект, умение работать в команде и межкультурная компетентность становятся незаменимыми для менеджеров.
3. Непрерывное обучение и адаптация: Менеджеры должны быть готовы к постоянному обучению и переосмыслению своих подходов к принятию решений, поскольку меняются не только внешние условия, но и инструментарий управления.
4. Усиление этической составляющей: Принятие решений должно быть пронизано принципами социальной ответственности и устойчивого развития (ESG), учитывая долгосрочные последствия для всех стейкхолдеров.
5. Системный подход к управлению рисками: Необходимо развивать комплексные системы риск-менеджмента, которые позволяют не только идентифицировать и оценивать риски, но и эффективно их минимизировать.

Для студентов экономических и управленческих вузов, а также для молодых специалистов, понимание этих аспектов является фундаментом для формирования компетентного и ответственного управленца. Освоение современных методов, осознание психологических ловушек и глубокое понимание этических императивов – это инвестиции в способность эффективно навигировать в мире, где неопределенность стала новой нормой.

Список использованной литературы

1. Литвак Б.Г. Разработка управленческого решения: Учебник. 4-е изд. М.: Дело, 2012. 248 с.
2. Карданская Н.Л. Принятие управленческих решений. М.: ЮНИТИ, 2010.
3. Основы менеджмента: Учебное пособие. 4-е изд. М.: Дашков и К°, 2011. 176 с.
4. Ременников В.Б. Разработка управленческого решения: Учебное пособие для вузов. М.: ЮНИТИ – ДАНА, 2011.
5. Смирнов Э.А. Разработка управленческих решений: Учебник для ВУЗов. М.: ЮНИТИ – ДАНА, 2012. 271 с.
6. Смирнов Э.А. Управленческие решения. М.: ИНФРА-М, 2011. 264 с.
7. Фатхутдинов Р.А. Управленческие решения: Учебник. 5-е изд., перераб. и доп. М.: Инфра – М, 2011. 283 с.
8. Попов А.Ю., Вихман А.А. Когнитивные искажения в процессе принятия решений: научная проблема и гуманитарная технология // КиберЛенинка. 2017. URL: https://cyberleninka.ru/article/n/kognitivnye-iskazheniya-v-protsesse-prinyatiya-resheniy-nauchnaya-problema-i-gumanitarnaya-tehnologiya (дата обращения: 28.10.2025).
9. Хавроничев В.И. Управленческие решения. 3. Критерий Лапласа, Вальда, Сэвиджа, Гурвица. Санкт-Петербургский государственный экономический университет. 2015. URL: https://unecon.ru/sites/default/files/upr_resheniya.doc (дата обращения: 28.10.2025).
10. Макаева К.И., Серверова Э.И., Вефаева П.Р., Годгаев Д.Б., Умкеева Б.В., Очаева Д.Ц., Безрукова О.Г. Сущность рисков и неопределенности в менеджменте // Вестник Алтайской академии экономики и права. 2019. № 7-2. С. 38-47. URL: https://vaael.ru/ru/article/view?id=648 (дата обращения: 28.10.2025).
11. Тычинский А.В. Неопределенность в принятии управленческих решений // Проблемы современной экономики. 2004. № 2 (2). URL: https://cyberleninka.ru/article/n/neopredelennost-v-prinyatii-upravlencheskih-resheniy (дата обращения: 28.10.2025).
12. Харсанов Е.Д. Роль инструментов ИИ в принятии управленческих решений // Вестник Евразийской науки. 2025. Том 17, № 1. С. 81ECVN125. URL: https://esj.today/PDF/81ECVN125.pdf (дата обращения: 28.10.2025).
13. Блягоз З.У., Попова А.Ю. Принятие решений в условиях риска и неопределенности // Вестник Адыгейского государственного университета. 2006. URL: https://cyberleninka.ru/article/n/prinyatie-resheniy-v-usloviyah-riska-i-neopredelennosti (дата обращения: 28.10.2025).
14. Кудина М.В. Цифровые технологии как инструментарий разработки управленческих решений в системе корпоративного управления // Финансовый университет при Правительстве РФ. 2023. URL: https://www.fa.ru/org/div/upr_razv/Documents/Uchebnye-materialy/Kudina.pdf (дата обращения: 28.10.2025).
15. Баклушинский В.В. Теоретические аспекты принятия решений в условиях риска и неопределенности // Вестник Белгородского государственного технологического университета им. В.Г. Шухова. 2016. Том 1, № 9. С. 261-266. URL: https://www.bstu.ru/science/journals/vestnik_bstu/archive/2016/09/article-2516 (дата обращения: 28.10.2025).
16. Минаков В.Ф., Дудко О.Ю., Шепелёв П.Ю. Цифровая трансформация принятия управленческих решений на базе искусственного интеллекта // Проблемы современной экономики. 2023. № 4 (88). С. 50. URL: http://www.m-economy.ru/art.php?nArtId=4705 (дата обращения: 28.10.2025).
17. Кравченко Т.К., Бабкин А.Е., Голов Н.И. Виды неопределенности в процессе принятия экономических решений // Актуальные вопросы современной науки. 2011. URL: https://cyberleninka.ru/article/n/vidy-neopredelennosti-v-protsesse-prinyatiya-ekonomicheskih-resheniy (дата обращения: 28.10.2025).
18. Владимирова А.С., Скоробогатова Ю.А. Влияние когнитивных искажений на поведение индивида в процессе принятия решений в современном мире // Baikal Research Journal. 2023. URL: https://cyberleninka.ru/article/n/vliyanie-kognitivnyh-iskazheniy-na-povedenie-indivda-v-protsesse-prinyatiya-resheniy-v-sovremennom-mire (дата обращения: 28.10.2025).
19. Паращук И.И., Башкирцев А.А., Михайличенко Н.Н. Анализ уровней и видов неопределенности, влияющей на принятие решений по управлению информационными системами // Информация и Космос. 2012. URL: https://elibrary.ru/item.asp?id=25667746 (дата обращения: 28.10.2025).
20. Колпакова И.В., Клюева Е.П., Оганесян В.С. Теория и практика принятия управленческих решений. Учебно-методическое пособие. Москва: ГУУ, 2022. URL: http://elib.mgou.ru/documents/210515_Kolpakova_i_dr_Teoria_i_praktika_priniatia_upravlencheskih_reshenii.pdf (дата обращения: 28.10.2025).
21. Малкина С.А. Когнитивные искажения и эмоциональный интеллект как факторы созависимости: диссертация. 2024. URL: https://www.dissercat.com/content/kognitivnye-iskazheniya-i-emotsionalnyi-intellekt-kak-faktory-sozavisimosti (дата обращения: 28.10.2025).
22. Гречко М.В., Кобина Л.А. Влияние когнитивных искажений, обусловленных ошибками в обработке информации, на принятие решений экономическими агентами // Elibrary. 2017. URL: https://elibrary.ru/item.asp?id=30560737 (дата обращения: 28.10.2025).
23. Мейрияни М., Варганегара Д.Л., Андини В. Большие данные, машинное обучение, искусственный интеллект и блокчейн в корпоративном управлении // КиберЛенинка. 2023. URL: https://cyberleninka.ru/article/n/bolshie-dannye-mashinnoe-obuchenie-iskusstvennyy-intellekt-i-blokcheyn-v-korporativnom-upravlenii (дата обращения: 28.10.2025).
24. Высшая школа бизнеса НИУ ВШЭ. В поисках источников роста. Учебные кейсы на материалах российских компаний. 2022. URL: https://gsb.hse.ru/cases/growth-sources (дата обращения: 28.10.2025).
25. Национальный исследовательский университет «Высшая школа экономики». Коллекция учебных кейсов Высшей школы бизнеса. URL: https://gsb.hse.ru/cases (дата обращения: 28.10.2025).
26. Национальный исследовательский университет «Высшая школа экономики» в Санкт-Петербурге. Стратегии российских высокотехнологичных компаний в условиях жёстких санкционных ограничений. 2023. URL: https://spb.hse.ru/ba/management/students/thesis/883441865.html (дата обращения: 28.10.2025).
27. Национальный исследовательский университет «Высшая школа экономики». Сборники учебных кейсов Высшей школы бизнеса. 2023. URL: https://gsb.hse.ru/cases/collections (дата обращения: 28.10.2025).
28. Зацепина Е.А., Морозова В.В. Влияние неопределенности и риска на поведение предпринимателей, их количество и выбор сферы деятельности // КиберЛенинка. 2016. URL: https://cyberleninka.ru/article/n/vliyanie-neopredelennosti-i-riska-na-povedenie-predprinimateley-ih-kolichestvo-i-vybor-sfery-deyatelnosti (дата обращения: 28.10.2025).
29. Институт комплексных стратегических исследований. «Неопределенность для бизнеса надо снижать». 2021. URL: https://icss.ru/analytics/neopredelennost-dlya-biznesa-nado-snizhat (дата обращения: 28.10.2025).
30. Измайлова М.А. Проблемы адаптации организаций к условиям турбулентной среды // Экономика промышленности / Russian Journal of Industrial Economics. 2021. URL: https://ej.susu.ru/industrial_economy/article/view/1749 (дата обращения: 28.10.2025).
31. Матвеева А.И., Фадеева З.О., Поддубицкий Н.В., Доброродный Д.Р. Адаптация стратегий международных компаний к культурной среде: аспекты повышения эффективности на глобальном рынке // КиберЛенинка. 2023. URL: https://cyberleninka.ru/article/n/adaptatsiya-strategiy-mezhdunarodnyh-kompaniy-k-kulturnoy-srede-aspekty-povysheniya-effektivnosti-na-globalnom-rynke (дата обращения: 28.10.2025).
32. Минасян Э.В. Предпринимательство в условиях неопределенности // Фундаментальные исследования. 2014. № 11-10. С. 1465-1469. URL: https://fundamental-research.ru/ru/article/view?id=35887 (дата обращения: 28.10.2025).
33. Бухонова Ю.В., Кудрявцева С.С., Лаврушина Е.В., Пастухова Е.Д. Адаптация бизнес-практик к пандемии COVID-19: опыт микро- и малых предприятий // Российский журнал менеджмента. 2023. URL: https://rjm.hse.ru/article/view/17886 (дата обращения: 28.10.2025).
34. Радионов С.А., Котельникова Ю.А., Еремкин В.А. Российский опыт адаптации к внешним для экономики шокам (о книге «Ответ российского бизнеса на пандемию COVID-19») // Институт анализа предприятий и рынков НИУ ВШЭ. 2022. URL: https://io.hse.ru/data/2022/04/25/1709492161/WP2_2022_02_R.pdf (дата обращения: 28.10.2025).
35. Агентство стратегических инициатив (АСИ). URL: https://asi.ru/ (дата обращения: 28.10.2025).