ВНИМАНИЕ КАК СЫРЬЁ: АНАТОМИЯ СИСТЕМЫ, КОТОРАЯ ЧИТАЕТ ОБЩЕСТВО, ЧТОБЫ ИМ УПРАВЛЯТЬ. ЧАСТЬ II.

ОТ КАРТЫ ВНИМАНИЯ К КАРТЕ РИСКОВ: ИИ-МОДЕЛИРОВАНИЕ ОБЩЕСТВЕННОГО ПОВЕДЕНИЯ КАК ИНСТРУМЕНТ УПРАВЛЕНИЯ

2.1. Смена потребителя: от рекламодателя к центру принятия решений

Если в первом контуре конечным потребителем сигналов был рекламный рынок, то во втором контуре потребитель меняется. Это уже не брокер данных, продающий сегмент, а аналитическая структура, которой нужен прогноз. И этот прогноз формулируется не в терминах кликов, а в терминах вероятности: вероятность эскалации конфликта, вероятность всплеска протестной активности, вероятность изменения общественного мнения после объявления политики, вероятность того, что конкретное решение вызовет непредвиденную реакцию.

Именно здесь данные, произведённые в первом контуре, обретают политический вес. Они становятся не товаром, а сырьём для моделирования.

2.2. Технологический стек: как устроены системы прогнозирования социальных рисков

Современные системы прогнозирования социально-политических рисков не являются монолитными. Они представляют собой многослойный стек, каждый уровень которого решает свою задачу.

Уровень сбора и мониторинга. Платформы вроде Primer Command предназначены для того, чтобы «обнаруживать тонкие, быстро развивающиеся сигналы угроз на открытых платформах до того, как они эскалируют», отслеживая нарративы и изменения тональности в глобальных новостях и социальных медиа. Primer, по данным 2026 года, привлёк 237 миллионов долларов венчурного капитала и обслуживает разведывательное сообщество, оборонные и гражданские ведомства. Это не экспериментальная разработка, а зрелый коммерческий продукт.

Уровень прогнозирования. Здесь работают модели, обученные на исторических данных о конфликтах, протестах и миграции. Проект AICAP, финансируемый Европейским исследовательским советом, ставит целью «революционизировать прогнозирование конфликтов и оценку рисков», используя многошкальный временной анализ для прогнозирования эскалации с точностью, превосходящей существующие методы. Модели этого класса анализируют паттерны на разных временных горизонтах и в разных регионах, прогнозируя летальные исходы конфликтов, протесты и миграцию.

Уровень объяснения и интерфейса. Прогноз сам по себе недостаточен для принятия решений. Поэтому системы включают инструменты объяснения и визуализации. AICAP разрабатывает «интерактивные дашборды и автоматизированные отчёты, обеспечивающие раннее предупреждение для правительств, НКО, компаний и медиаорганизаций». Всемирный банк в отчёте 2026 года описывает «концептуальную структуру моделирования социальных рисков», включая «потенциальную живую визуализацию прогнозов насилия».

Уровень валидации и обратной связи. Наиболее чувствительный элемент. Модели, прогнозирующие социальные риски, должны проверяться на исторических данных, но их применение к будущему всегда содержит неустранимую неопределённость. Исследование 2026 года, опубликованное в npj Urban Sustainability, документирует феномен «accuracy illusion»: «впечатляющие показатели производительности маскируют фундаментальные провалы» — например, система ShotSpotter демонстрировала 97% акустической точности, но лишь 9,1% оповещений приводили к доказательствам преступлений, связанных с оружием. Точность модели и её политическая эффективность — не одно и то же.

2.3. Китайский и глобальный контексты: разные акценты, одна логика

В 2026 году появились сообщения о создании в Китае ИИ-системы для «прогнозирования недовольства граждан и своевременного реагирования на подобные сигналы со стороны чиновников». Эта система, по описаниям, фиксирует «очаги социальной напряжённости», включая такие конкретные показатели, как «состояние дорог в условном небольшом городке». Логика здесь та же, что и в глобальных системах: сбор разрозненных сигналов, агрегация в модель, прогнозирование риска, интерфейс для реагирования. Различие — в институциональном контексте и в том, кто именно получает доступ к прогнозу и какие действия за ним следуют.

Аналогично, модели, подобные Dynamic Global Conflict Risk Index, используют ИИ и систему раннего предупреждения для «сигнализации об аномальных социальных волнениях», прогнозируя «материализацию конфликта на месячной основе». Это уже не академическое упражнение, а операционный инструмент.

2.4. Кто платит и кто решает: институциональная карта потребителей

Конечные потребители этих систем образуют иерархию, соответствующую иерархии решений, которые они принимают.

Правительства и ведомства. Это основной заказчик. AICAP прямо перечисляет «системы раннего предупреждения для правительств, позволяющие вести упреждающую дипломатию и стратегическое распределение ресурсов». Платформа Agora AI, по сообщениям, создана для государственного сектора и «автоматической диагностики сдвигов в настроениях до и после реализации политики», что позволяет «заблаговременно прогнозировать риски».

Структуры национальной безопасности и разведки. Primer напрямую нацелен на «команды по национальной безопасности и внешней политике», помогая аналитикам «информировать руководство и оценивать геополитический риск».

Наднациональные структуры и НКО. Модели используются для прогнозирования уязвимости в зонах конфликтов, оптимизации гуманитарной помощи и разрешения конфликтов. Технология CulturePulse, по сообщениям, применялась ООН для оценки потенциального воздействия государственной политики до её реализации в регионах с высокой нестабильностью.

Корпоративный сектор. Политический риск-анализ используется страховыми компаниями для «улучшения моделирования рисков и стратегий ценообразования», а многонациональными корпорациями — для «минимизации подверженности геополитической неопределённости».