AI-агенты и стратегический форсайт: как симуляция тысяч сценариев меняет прогнозирование системных рисков

30 прогонов. 86–110 последствий. 27–47 уникальных рисков на каждый сценарий. Без единой экспертной панели — только AI-агенты, симулирующие Futures Wheel.

В апреле 2026 года на конференции CHI в Барселоне группа исследователей из GESIS, ETH Zurich и Nokia Bell Labs представила необычный эксперимент. Он переворачивает представление о том, как мы оцениваем долгосрочные риски технологий. Их подход: in-silico агенты, работающие по протоколу Futures Wheel — вместо дорогих экспертных панелей, доминировавших в форсайт-практике последние 50 лет.

Проблема, которую они решают, известна как дилемма Коллингриджа: когда технологию легко контролировать, мы ещё не знаем её последствий; когда последствия становятся очевидны, контролировать её уже поздно. Человеческий мозг плохо оценивает риски на горизонте длиннее 5–10 лет — мы систематически занижаем отдалённые угрозы. Как мы писали в мае, стратегический форсайт перестаёт быть академической дисциплиной и становится операционным инструментом — и это исследование делает следующий шаг.

Авторы взяли четыре AI-продукта на разных уровнях готовности: Chatbot Companion (TRL 9), AI Toy (TRL 7), Griefbot — AI-аватар умершего родственника (TRL 5) и Death App (TRL 2). Для каждого запустили 30 агентных сессий. In-silico агенты по методу Futures Wheel генерировали каскадные последствия первого, второго и третьего порядка — от прямых эффектов до системных сдвигов.

Результат: 86–110 цепочек последствий на каждый use case, сжатых до 27–47 уникальных рисков. Агенты не просто перебирали комбинации — они выявляли системные эффекты: как изменения в одном слое технологии вызывают каскад в социальных нормах, регуляторике и рыночных стимулах.

Затем авторы сравнили результаты с оценками 290 доменных экспертов и 42 обычных пользователей в реальных сессиях Futures Wheel.

Вывод трёхслойный. Эксперты видят меньше рисков, но точнее оценивают их вероятность — их «радар» узкий, но острый. Обычные люди улавливают эмоционально значимые угрозы: потерю работы, социальную изоляцию, утрату идентичности — то, что эксперты часто отфильтровывают. Агенты находят системные риски, которые не замечают ни те, ни другие — эффекты второго и третьего порядка, пересекающие доменные границы.

Авторы предлагают гибридный workflow: AI-агенты обеспечивают широту охвата и скорость, эксперты — верификацию и контекстную привязку, laypeople — эмоциональную валидацию. Это не замена человека, а расширение когнитивного горизонта — в буквальном смысле: горизонт прогнозирования расширяется с 5 до 20+ лет без потери качества.

Метод не лишён ограничений. Агенты работают на основе существующих данных — они не могут предсказать true black swan, событие вне обучающего распределения. Качество результатов зависит от качества промптов. И главное: агенты генерируют правдоподобные, но не обязательно истинные сценарии — верификация остаётся за человеком.

Но как инструмент для систематического картирования рисков на длинном горизонте — это шаг, которого форсайт-сообщество ждало десятилетиями. Futures Wheel, изобретённый Джеромом Гленном в 1971 году, получает второе рождение: из ручного мозгоштурма — в масштабируемый AI-протокол.

Вопрос не в том, заменят ли агенты экспертов. Вопрос в том, как быстро организации, принимающие решения о развитии AI, внедрят такой гибридный подход. Потому что дилемма Коллингриджа никуда не делась — но инструмент для работы с ней стал доступнее.