Особенности формирования технологических ожиданий в России: анализ результатов конъюнктурных обследований цифровой трансформации предприятий обрабатывающей промышленности

Основная задача исследования – анализ формирования технологических ожиданий менеджеров российских предприятий обрабатывающей промышленности в зависимости от изменений внешней экономической конъюнктуры. Для ее решения, во-первых, авторами были рассчитаны специально разработанные «индексы реализуемости» технологических ожиданий, отражающие соотношение между сформированными в предыдущем периоде ожиданиями внедрения цифровых технологий и их реальным приростом. Во-вторых, с помощью регрессионного анализа были исследованы механизмы формирования технологических ожиданий менеджеров в различных условиях: в отсутствие кризиса (2018 г.), накануне кризиса (2019 г.) и во время кризиса (2020 г.). Проверялось влияние трех механизмов во временном контексте: «инерционного», предполагающего сохранение сформированных в прошлом ожиданий в текущем периоде; «адаптационного», характеризующего подстройку ожиданий к текущей динамике внедрения технологий; «предиктивного», отражающего связь ожиданий с будущим уровнем освоения технологий.
В качестве основы для эмпирических расчетов были использованы данные годовых конъюнктурных обследований цифровой активности российских предприятий обрабатывающей промышленности за 2018–2020 гг. Совокупная выборка обследованных за три года организаций включала более 3000 предприятий, представляющих 23 отрасли обрабатывающей промышленности. В работе изучались паттерны внедрения 19 цифровых технологий, большая часть из которых относится специалистами к Индустрии 4.0.
Полученные результаты эмпирического анализа свидетельствуют о том, что в различных внешних условиях принципы формирования ожиданий российских менеджеров качественно различаются. Так, регрессионный анализ показал, что все три обозначенных механизма могут быть задействованы, однако их влияние проявляется в разной степени. В частности, при наступлении кризиса ключевую роль играет адаптационный механизм, а инерционный перестает быть значимым.
По мнению авторов, результаты проведенного исследования свидетельствуют о том, что цифровая трансформация российских предприятий обрабатывающей промышленности находится на начальной или переходной стадиях, осуществляется через «рывки», а не представляет собой устойчивый процесс модернизации. Главный вывод работы состоит в том, что внешняя неопределенность в большой мере влияет на эволюцию технологических ожиданий, разрушая их преемственность с предыдущими планами и негативно сказываясь на прогностических возможностях.

1. Raj A. et al. Barriers to the Adoption of Industry 4.0 Technologies in the Manufacturing Sector: An Inter-Country Comparative Perspective // International Journal of Production Economics. 2020. Vol. 224. Article 107546. doi: https://doi.org/10.1016/j.ijpe.2019.107546.

2. Oztemel E., Gursev S. Literature Review of Industry 4.0 and Related Technologies // Journal of Intelligent Manufacturing. 2020. Vol. 31. Iss. 1. P. 127–182. doi: https://doi.org/10.1007/s10845-018-1433-8.

3. Klingenberg C.O., Borges M.A.V., Antunes J.A.V. Industry 4.0 as a Data-Driven Paradigm: A Systematic Literature Review on Technologies // Journal of Manufacturing Technology Management. 2021. Vol. 32. Iss. 3. P. 570–592. doi: https://doi.org/10.1108/JMTM-09-2018-0325.

4. Frank A.G., Dalenogare L.S., Ayala N.F. Industry 4.0 Technologies: Implementation Patterns in Manufacturing Companies // International Journal of Production Economics. 2019. Vol. 210. P. 15–26. doi: https://doi.org/10.1016/j.ijpe.2019.01.004.

5. Agostini L., Filippini R. Organizational and Managerial Challenges in the Path Toward Industry 4.0 // European Journal of Innovation Management. 2019. Vol. 22. Iss. 3. P. 406–421. doi: https://doi.org/10.1108/EJIM-02-2018-0030.

6. Chiarello F. et al. Extracting and Mapping Industry 4.0 Technologies Using Wikipedia // Computers in Industry. 2018. Vol. 100. P. 244–257. doi: https://doi.org/10.1016/j.compind.2018.04.006.

7. OECD. OECD Digital Economy Outlook 2020. Paris: OECD Publ., 2020. doi: https://doi.org/10.1787/bb167041-en.

8. European Commission. The Joint Harmonised EU Programme of Business and Consumer Surveys – User Guide. 2020. URL: https://ec.europa.eu/info/sites/info/files/bcs_user_guide_2020_02_en.pdf.

9. OECD. Business Tendency Surveys: A Handbook. Paris: OECD Publ., 2003. URL: https://www.oecd.org/sdd/leading-indicators/31837055.pdf.

10. European Commission. International Digital Economy and Society Index 2020 – Final Report. EU, 2020. doi: https://doi.org/10.2759/757411.

11. Pesaran M.H., Weale M.R. Survey Expectations // CESifo Working Paper Series No. 1599. 2006. URL: https://ssrn.com/abstract=796187.

12. IFC. The Impact of COVID-19 on Disruptive Technology Adoption in Emerging Markets. 2020. URL: https://www.ifc.org/wps/wcm/connect/publications_ext_content/ifc_external_publication_site/publications_listing_page/disruptive-tech-adoption-covid-19.

13. Zeng Z., Chen P.J., Lew A.A. From High-Touch to High-Tech: COVID-19 Drives Robotics Adoption // Tourism Geographies. 2020. Vol. 22. Iss. 3. P. 724–734. doi: https://doi.org/10.1080/14616688.2020.1762118.

14. WEF. The Global Risks Report 2021. 16th ed. World Economic Forum, 2021. URL: https://www.weforum.org/reports/the-global-risks-report-2021.

15. Rosenberg N. On Technological Expectations // The Economic Journal. 1976. Vol. 86. Iss. 343. P. 523–535. doi: https://doi.org/10.2307/2230797.

16. David P.A., Olsen T.E. Anticipated Automation: A Rational Expectations Model of Technological Diffusion // CEPR Publication No. 2. Stanford, California: Stanford University, 1984. doi: https://doi.org/10.22004/ag.econ.244424.

17. Ireland N., Stoneman P. Technological Diffusion, Expectations and Welfare // Oxford Economic Papers. 1986. Vol. 38. No. 2. P. 283–304. URL: http://www.jstor.org/stable/2663146.

18. Lehmann R., Weyh A. Forecasting Employment in Europe: Are Survey Results Helpful? // Journal of Business Cycle Research. 2016. Vol. 12. Iss. 1. P. 81–117. doi: https://doi.org/10.1007/s41549-016-0002-5.

19. Ang A., Bekaert G., Wei M. Do Macro Variables, Asset Markets, or Surveys Forecast Inflation Better? // Journal of Monetary Economics. 2007. Vol. 54. Iss. 4. P. 1163–1212. doi: https://doi.org/10.1016/j.jmoneco.2006.04.006.

20. Hansson J., Jansson P., Löf M. Business Survey Data: Do They Help in Forecasting GDP Growth? // International Journal of Forecasting. 2005. Vol. 21. Iss. 2. P. 377–389. doi: https://doi.org/10.1016/j.ijforecast.2004.11.003.

21. Antonelli C. Diffusion as a Process of Creative Adoption // The Journal of Technology Transfer. 2006. Vol. 31. Iss. 2. P. 211–226. doi: https://doi.org/10.1007/s10961-005-6107-y.

22. Heslop L.A., McGregor E., Griffith M. Development of a Technology Readiness Assessment Measure: The Cloverleaf Model of Technology Transfer // The Journal of Technology Transfer. 2001. Vol. 26. Iss. 4. P. 369–384. doi: https://doi.org/10.1023/A:1011139021356.

23. Lissoni F. Technological Expectations and the Diffusion of ‘Intermediate’ Technologies // Economics of Innovation and New Technology. 2000. Vol. 9. Iss. 6. P. 487–516. doi: https://doi.org/10.1080/10438590000000020.

24. Wang L., Jiang S., Zhang S. Mapping Technological Trajectories and Exploring Knowledge Sources: A Case Study of 3D Printing Technologies // Technological Forecasting and Social Change. 2020. Vol. 161. Article 120251. doi: https://doi.org/10.1016/j.techfore.2020.120251.

25. Borup M. et al. The Sociology of Expectations in Science and Technology // Technology Analysis & Strategic Management. 2006. Vol. 18. Iss. 3-4. P. 285–298. doi: https://doi.org/10.1080/09537320600777002.

26. Kriechbaum M., Prol J.L., Posch A. Looking Back at the Future: Dynamics of Collective Expectations About Photovoltaic Technology in Germany & Spain // Technological Forecasting and Social Change. 2018. Vol. 129. P. 76–87. doi: https://doi.org/10.1016/j.techfore.2017.12.003.

27. Konrad K. The Social Dynamics of Expectations: The Interaction of Collective and Actor-Specific Expectations on Electronic Commerce and Interactive Television // Technology Analysis & Strategic Management. 2006. Vol. 18. Iss. 3-4. P. 429–444. doi: https://doi.org/10.1080/09537320600777192.

28. Cabral B.P., Derengowski Fonseca M.G., Mota F.B. What Is the Future of Cancer Care? A Technology Foresight Assessment of Experts’ Expectations // Economics of Innovation and New Technology. 2019. Vol. 28. Iss. 6. P. 635–652. doi: https://doi.org/10.1080/10438599.201.1549788.

29. Nissilä H., Lempiälä T., Lovio R. Constructing Expectations for Solar Technology over Multiple Field-Configuring Events: A Narrative Perspective // Science & Technology Studies. 2014. Vol. 27. No. 1. P. 54–75. doi: https://doi.org/10.23987/sts.55334.

30. Alkemade F., Suurs R.A.A. Patterns of Expectations for Emerging Sustainable Technologies // Technological Forecasting and Social Change. 2012. Vol. 79. Iss. 3. P. 448–456. doi: https://doi.org/10.1016/j.techfore.2011.08.014.

31. Závadská Z., Závadský J. Quality Managers and Their Future Technological Expectations Related to Industry 4.0 // Total Quality Management & Business Excellence. 2020. Vol. 31. Iss. 7-8. P. 717–741. doi: https://doi.org/10.1080/14783363.2018.1444474.

32. Seetharaman A. et al. Customer Expectation from Industrial Internet of Things (IIOT) // Journal of Manufacturing Technology Management. 2019. Vol. 30. Iss. 8. P. 1161–1178. doi: https://doi.org/10.1108/JMTM-08-2018-0278.