«Шпионские страсти»: как китайский стартап превращает открытые данные в военную аналитику

Китайская компания MizarVision, также известная как Meentropy Technology Hangzhou Co Ltd, работает в сфере дистанционного зондирования и геопространственной аналитики.

В 2026 году стартап привлек международное внимание публикациями о размещении и перемещениях американских сил на Ближнем Востоке. На спутниковых снимках были отмечены авиабазы, самолёты, системы противовоздушной обороны и пр. Для анализа стартап сопоставил эти изображения с открытыми данными о движении воздушных и морских объектов, а затем использовал ИИ для их обработки.

«Разведка» без разведки

Сам по себе анализ спутниковых снимков с помощью ИИ не нов: подобные технологии давно используют крупные оборонные платформы вроде Palantir Gotham. Но порог входа на наших глазах снижается: «заниматься разведкой» теперь могут даже небольшие частные компании. Растёт количество доступных источников, а ИИ позволяет быстрее анализировать их и находить связи между отдельными наблюдениями.

В результате скрыть отдельный объект или событие становится всё сложнее: даже если один источник ничего не сообщает, цифровые следы могут обнаружиться в нескольких других. И чем больше становится таких информационных «слоёв», тем больше можно узнать, сопоставляя их между собой.

Разумеется, итоговые выводы всё равно требуют проверки специалистами.

Фраза «Кто владеет информацией, тот владеет миром» слегка устарела. Преимущество у тех, кто быстрее поймет, о чем говорят данные.

#O2Consulting_weekend
👋 Подписаться на Max
🌐Ваш O2Consulting

Будущее по сценарию: разбираем методологию ISF от RAND

Американский аналитический центр RAND десятилетиями разрабатывает и систематизирует методы стратегического анализа, которые затем получают применение далеко за пределами самой организации — в том числе и в нашей работе в O2Consulting.

RAND выросла из проекта, созданного в 1946 году для ВВС США. Именно здесь в 1950-х был разработан метод Дельфи для работы с экспертными оценками, развивались подходы к системному анализу и сопоставлению затрат и эффективности.

Недавно RAND представила методику Integrated Strategic Forecasting (ISF) — интегрированного стратегического прогнозирования, где каждый следующий шаг связан с предыдущим.

Как это работает

🛑 Определить проблему, горизонт планирования и решения, которые предстоит принять.
🛑 Разобрать сценарии на ключевые факторы и наблюдаемые признаки, сформулировать проверяемые вопросы.
🛑 Построить карту прогнозирования, связывающую вопросы с факторами и сценариями.
🛑 Включить вероятностные оценки и их обоснования в сценарный анализ и регулярно обновлять картину.
🛑 По мере получения фактических результатов проверять прогнозы и повторять цикл.
 
Мнение эксперта

Руководитель проектов O2Consulting Сергей Дранев обращает внимание на важное различие между желаемым и вероятным будущим: привлекательный сценарий не обязательно окажется наиболее реалистичным, а неблагоприятные варианты нельзя исключать лишь потому, что они не соответствуют нашим ожиданиям.

«В форсайте нужно определить как само будущее, так и путь к нему. Если в процессе выяснится, что будущее недостижимо, то его и сам путь нужно снова менять, получается такая, в некотором смысле, цикличная работа. Образ желаемого будущего приходится многократно уточнять, пока он не станет одновременно привлекательным и достижимым с учётом реальных возможностей.

Например, при анализе развития ИИ есть риск сокращения занятости и концентрации благ при преимущественной ориентации на прибыль. Тогда сценарный анализ должен отвечать уже на вполне конкретные вопросы: кто получит выгоды от автоматизации, какие новые задачи появятся у работников, как перераспределятся доходы и как на траекторию повлияют решения государства и бизнеса?»

Особенность методики

В целом ISF, мягко говоря, нельзя назвать революционным подходом: сценарии, факторы, влияющие на их реализацию, и вероятностные оценки давно используются в стратегическом прогнозировании. Более того, сами авторы ISF опираются на два хорошо известных подхода — сценарное планирование и краудсорсинговое прогнозирование.

Сценарное планирование помогает представить несколько правдоподобных вариантов будущего и проверить, как в каждом из них будут работать управленческие решения. При этом сценариям необязательно присваивать численные вероятности.

Краудсорсинговое прогнозирование, напротив, позволяет получать вероятностные оценки конкретных событий на основе прогнозов множества участников. Но отдельный вопрос вроде «произойдёт ли событие X к определённой дате?» сам по себе ещё мало говорит о том, как его наступление изменит стратегическую картину.

Практическая ценность такой схемы — в дисциплине работы с неопределённостью: каждый из пяти этапов проверяет и дополняет предыдущий. Если один из них выпадает, связь между сценариями, прогнозами и управленческими решениями становится слабее.

👋 Подписаться на Max
🌐Ваш O2Consulting

Новая точка для идей и проектов: о назначении Павла Потеева советником генерального директора Леонтьевского центра и конкурсе «Пространство решений»

Павел Потеев, ассоциированный партнёр, руководитель Центра цифровой и ИИ-трансформации O2Consulting, стал советником генерального директора Леонтьевского центра.

Леонтьевский центр в Санкт-Петербурге более 30 лет занимается исследованиями, стратегическим и территориальным планированием, а также разработкой управленческих решений для органов власти, бизнеса и общества. Для Павла новое направление работы во многом продолжает его профессиональную специализацию — организационную и цифровую трансформацию, стратегическое и проектное управление.

«Пространство решений»: новый конкурс Леонтьевского центра для молодых специалистов

Один из первых проектов с участием Павла в качестве члена жюри — конкурс научно-исследовательских и прикладных проектов «Пространство решений».

Кто может принять участие?

Индивидуальные исследователи и команды с научно-исследовательскими и прикладными проектами, направленными на решение актуальных задач страны, региона или города и предполагающими конкретный практический результат — методику, стратегию или управленческий инструмент, готовые к внедрению и масштабированию (подробнее о критериях успеха читайте на сайте конкурса).

Направления:

— цифровая трансформация и ИИ в управлении;
— управление развитием территорий;
— экономика и институты развития;
— социальные процессы и человеческий капитал;
— пространственная экономика и урбанистика.

Что получат победители?

Победители смогут в течение шести месяцев реализовывать свои проекты в команде Леонтьевского центра, а с наиболее перспективными авторами планируется продолжить сотрудничество.

❗️ Заявки принимаются до 27 сентября.

📌 Узнать о конкурсе «Пространство решений» и условиях участия

👋 Подписаться на Max
🌐Ваш O2Consulting

ИИ против прогнозистов: машина впервые выиграла Metaculus Cup

В сентябре впервые в истории сезонного Metaculus Cup первое место занял ИИ-прогнозист. Причём победил бот, созданный независимым разработчиком из Техаса. По его оценке, на разработку ушло менее 150 часов и несколько тысяч долларов на вычисления и данные. Его система обошла четыре стартапа, которые вместе привлекли более $15 млн инвестиций, а сейчас лидирует ещё и в отдельном ИИ-турнире Metaculus с призовым фондом $50 тыс. ИИ занял также второе и пятое места, тогда как третье и четвёртое достались людям.

ИИ уже впереди?

Ранее мы уже писали об ИИ прогнозировании в контексте синтетических респондентов и цифровых двойников, которые достаточно точно могут в некоторых случаях моделировать поведение людей и групп, например в опросах или на выборах.

Но в Metaculus логика иная: ИИ выступает как аналитик-прогнозист и напрямую оценивает вероятность будущих событий: введут ли отдельные штаты США или страны ЕС ограничения на строительство дата-центров, распространится ли вспышка хантавируса за пределы пассажиров судна MV Hondius, сколько будет стоить нефть Brent и др. Чем точнее и устойчивее был прогноз, тем больше баллов получал участник.

Интересно, что в основе моделей ИИ-конкурсантов лежали обычные большие языковые модели (БЯМ), которые искали новости, сопоставляли источники и анализировали данные, но делали это быстрее и в большем объеме, чем человек-прогнозист.

Конечно, результат Metaculus не означает, что ИИ уже превосходит лучших человеческих прогнозистов вообще. Всё-таки кубок длился четыре месяца и в основном проверял сравнительно короткий горизонт, тогда как для бизнеса и государства часто важны прогнозы на годы вперёд. Да и участники турнира не обязательно представляют мировую элиту прогнозистов. Тем не менее ИИ всё ближе к паритету с прогнозистами, что фиксирует и Forecasting Research Institute с помощью ForecastBench — бенчмарка, который сравнивает точность прогнозов языковых моделей и людей. Некоторые ИИ-системы уже статистически неотличимы от уровня суперпрогнозистов.

За счёт чего ИИ становится точнее в прогнозах (некоторые факторы)

Fusion-подход. Несколько моделей или агентов независимо исследуют разные стороны вопроса, проверяют и дополняют друг друга, после чего их оценки объединяются в итоговый прогноз.

Данные и качество источников. По мере того как сильные БЯМ становятся общедоступными, преимущество смещается к специализированным данным и умению оценивать их надёжность.

ИИ можно «вернуть в прошлое». Моделям дают только ту информацию, которая была доступна на определённую дату, и смотрят, какой прогноз они сделали бы. Затем меняют инструкции, источники или архитектуру и повторяют эксперимент. Такой backtesting позволяет системно учиться на прошлых ошибках без эффекта знания задним числом.

Пока эффективным способом взаимодействия с ИИ, как правило, остается гибридная модель: например, ИИ используется как участник команды, с которым можно сверять собственные оценки. В дальнейшем развитие ИИ-прогнозирования может не только помочь нам лучше видеть будущее, но и показать границу между тем, чего мы пока не знаем, и тем, что в принципе невозможно надёжно предсказать. И это, возможно, окажется не менее важным результатом, чем сами прогнозы.

👋 Подписаться на Max
🌐Ваш O2Consulting

McKinsey Technology Trends Outlook 2026: мнение эксперта

В отчёте — обзор 14 ключевых технологических трендов. Для каждого тренда McKinsey оценивает уровень инноваций, интереса, инвестиций, спроса на специалистов и степень внедрения в компаниях.

🛑 Агентная разработка ПО
🛑 Агентный ИИ
🛑 ИИ для научных открытий и инженерии
🛑 Инфраструктура ИИ и архитектуры моделей
🛑 Специализированные полупроводники
🛑 Кибербезопасность и доверенные системы
🛑 Передовые технологии связи
🛑 Иммерсивные технологии
🛑 Квантовые технологии
🛑 Робототехника
🛑 Мобильность
🛑 Космические технологии
🛑 Науки о жизни и биоинженерия
🛑 Энергетика и технологии устойчивого развития.

Ключевая мысль — ИИ становится ускорителем почти для всей технологической повестки: он меняет разработку ПО, робототехнику, научные исследования, кибербезопасность и инфраструктуру. При этом авторы подчёркивают, что одного внедрения технологий недостаточно: компаниям приходится перестраивать операционные модели, развивать компетенции сотрудников и решать вопросы инфраструктуры, безопасности, энергии и управления.

Руководитель проектов Сергей Дранев отмечает, что отчёт интересно читать: многие описанные тенденции действительно существуют и заслуживают внимания. Однако использовать его как основу для долгосрочного прогноза стоит с осторожностью — слишком многое сейчас зависит от дальнейшей траектории развития ИИ.

Эксперт обращает внимание на то, что возможности ИИ во многом зависят от качества и масштаба доступных данных. На узких, хорошо описанных участках — например, на конкретном производстве — ИИ уже может давать заметный эффект. Но для более сложных задач нужны сопоставимые и верифицированные данные по множеству аналогичных объектов и процессов.

Иммерсивная реальность выглядит потенциально прорывным направлением: фактически это путь к технологиям полного погружения. Графика, дополненная и виртуальная реальность постепенно становятся лучше, однако настоящего прорыва пока не видно, хотя о нём говорят уже много лет.

Робототехника. Отчёт отмечает движение физического ИИ от производства и логистики к более сложным средам — больницам, строительству, сельскому хозяйству и городской инфраструктуре. Однако и здесь сохраняется проблема качества и полноты данных.

Квантовые технологии также нельзя рассматривать как единое направление. Квантовые коммуникации и квантовые сенсоры — уже вполне рабочие области, в отличие от квантовых вычислений, где прорыв пока только ожидается.

Кроме того, эксперт отмечает, что в технологическом прогнозе стоило бы подробнее рассмотреть собственно энергетические технологии, а не в основном их роль в обеспечении цифровой инфраструктуры. Хотя энергетика выделена в отчёте как отдельный тренд, значительная часть анализа сосредоточена на растущем энергопотреблении ИИ и дата-центров. Аналогичная ситуация с биоинженерией и науками о жизни: направление важно, но и здесь существенная часть повестки связана только с ролью ИИ в ускорении исследований.

Что из этого следует уже сегодня?

Дальнейший эффект от развития ИИ будет зависеть не только от качества моделей, но и от качества доступных им данных. Поэтому уже сегодня необходимо развивать системы сбора, верификации и сопоставления промышленных, финансовых, социальных, демографических и других данных, при необходимости — в обезличенном виде. Это дорогая и долгосрочная задача, но без такой базы возможности всё более сложных ИИ-систем будут существенно ограничены.

#Мнение_эксперта
👋 Подписаться на Max
🌐Ваш O2Consulting