关于 futurist-analyst
futurist-analyst 是一项用于从未来学与战略前瞻视角分析事件的技能，面向战略规划、政策制定和创新分析等工作。它运用情景规划、趋势分析、弱信号扫描和系统思维，探索多种可能的未来，而非给出单一预测。
主要功能
- 01情景规划
- 02趋势与驱动因素分析
- 03弱信号和突发事件识别
- 04三层次变化框架
- 05探索式与规范式预测
适用场景
- 01在不确定性下制定长期战略
- 02评估新兴技术影响
- 03识别风险与机会信号
- 04设计前瞻性政策
安装
复制下面的命令，在终端中运行。
npx skills add https:/安装后在 Claude Code 中输入/futurist-analyst确认已加载。
包含的文件
除 SKILL.md 外，安装时一起下载的参考资料和脚本。
QUICK_REFERENCE.mdREADME.mdtests/quiz.md详细介绍
未来学分析师技能
目的
运用未来学和战略前瞻的学科视角分析事件，应用成熟的预测框架（情景规划、趋势分析、地平线扫描）、前瞻方法和系统思维，理解新兴趋势、识别变革驱动因素、构想多种未来，并制定应对不确定性的战略方案。
何时使用此技能
- 战略规划：在不确定性下进行长期规划
- 趋势分析：识别新兴模式及其影响
- 技术评估：评估新技术可能带来的影响
- 风险预判：识别新兴威胁与机遇
- 情景规划：探索多种可能的未来
- 创新战略：了解未来市场和需求
- 政策制定：制定面向未来的政策
- 颠覆性变革分析：识别可能出现的范式转变
核心理念：未来思维
未来分析基于以下基本原则：
未来并非命中注定：未来存在多种可能。选择和行动会影响最终出现的未来。
未来无法预测：但我们可以识别合理可行的未来、理解不确定性，并为多种情景做好准备。
信号无处不在：今天的弱信号会成为明天的强趋势。关注边缘领域，有助于发现新兴未来。
需要系统思维：万事万物彼此关联。理解未来需要看清各种关系、反馈回路和连锁效应。
心智模型至关重要：我们对未来的假设会影响所见。质疑假设有助于揭示其他可能的未来。
探索胜于预测：目标不是预测那个唯一的未来，而是探索可能的未来，并为多种情景做好准备。
行动塑造未来：未来思维不是被动预测，而是主动塑造。了解可能的未来，能助力采取战略行动。
理论基础（可展开）
框架 1：三重地平线框架
起源：Sharpe、Hodgson、Leicester（国际未来论坛，2004 年）
核心原则：不同时间尺度上的三股变革浪潮相互交叠
三个地平线：
地平线 1：主导系统（当下）
- 当前成熟的系统、机构和实践
- 已趋成熟并经过优化，但已显现衰退迹象
- 适用于当前环境，但无法应对新兴挑战
- 时间范围：当下至近期
- 示例：现有商业模式、主流技术
地平线 2：颠覆性创新（转型期）
- 正在涌现、颠覆 H1 的创新
- 新旧事物之间的过渡空间
- 范式相互竞争，充满不确定性和试验
- 部分会取得成功（发展为 H3），部分会失败
- 时间范围：近期至中期
- 示例：新兴技术、新的商业模式、试点项目
地平线 3：未来系统（新兴）
- 未来系统的萌芽
- 目前处于边缘地位，但可能成为主流
- 今天是弱信号，明天会成为强趋势
- 适应我们正在迈向的未来环境
- 时间范围：中期至长期
- 示例：激进创新、范式转变、变革性愿景
关键见解：
- 三个地平线在任何时候都并存
- H1 走向衰退，H2 开展试验，H3 逐渐涌现
- 转型过程混乱且非线性
- 理解三个地平线有助于揭示战略选择
适用场景：战略规划、创新战略、理解系统性变革
来源：
- Sharpe 等人，Three Horizons: A Pathways Practice for Transformation（2016）
- 三重地平线 - Wikipedia
框架 2：情景规划
起源：Herman Kahn（RAND，20 世纪 50 年代），后由 Royal Dutch Shell（20 世纪 70 年代）完善
核心原则：制定多个合理的未来情景，为不确定性做好准备
Shell 方法（经典方法）：
步骤 1：确定焦点议题
- 我们要应对什么决策、战略或问题？
- 哪个时间范围最重要？
步骤 2：确定驱动因素
- 哪些趋势、力量和不确定性会塑造未来？
- 分类：已确定因素与关键不确定性
步骤 3：选择关键不确定性
- 哪 2-3 项不确定性的影响最大且最难确定？
- 将其作为情景轴
步骤 4：构建情景逻辑
- 根据不确定性的不同组合，创建 2-4 个截然不同的情景
- 每个情景都必须内部一致且合理
步骤 5：充实情景
- 为每个情景撰写丰富的叙述
- 这个世界看起来是什么样的？给人什么感觉？
- 对焦点议题有何影响？
步骤 6：确定影响和选项
- 哪些策略在各种情景下都有效（稳健）？
- 哪些早期指标可以显示正在出现哪种情景？
- 可以采取哪些行动，为每种情景做好准备？
情景类型：
- 照常发展：延续当前趋势
- 最佳情况：乐观但合理
- 最坏情况：悲观但合理
- 黑天鹅情景：概率低、影响大
关键见解：
- 情景不是预测，而是探索
- 目的是挑战假设、拓展思维
- 好的情景应合理、彼此迥异、富有挑战性且切合主题
- 稳健的策略在多个情景下都有效
适用场景：在高度不确定的情况下进行战略规划，为多种未来做好准备
来源：
- Peter Schwartz，《The Art of the Long View》（1991）
- 情景规划 - Wikipedia
框架 3：变革驱动力（STEEP/PESTLE）
目的：用于识别塑造未来的力量的系统性框架
五/六个类别：
社会：
- 人口结构（老龄化、城市化、迁移）
- 价值观和文化变迁
- 社会运动
- 生活方式变化
- 健康与保健趋势
- 教育与技能
技术：
- 新兴技术（AI、生物技术、纳米技术、量子技术）
- 基础设施发展
- 数字化转型
- 自动化与机器人
- 连接能力与算力
经济：
- 增长模式与周期
- 全球化与碎片化
- 不平等与财富分配
- 劳动力市场变化
- 资源短缺或充裕
- 金融体系演变
环境：
- 气候变化及其影响
- 资源枯竭
- 生物多样性丧失
- 污染与生态系统健康
- 可再生能源转型
- 循环经济
政治/法律：
- 治理模式
- 地缘政治变迁
- 监管变化
- 权力分布
- 冲突与合作
- 机构实力强弱
（可选）伦理：
- 新兴伦理问题
- 价值观冲突
- 道德框架
分析方法：
- 扫描各类别，查找当前趋势和新兴变化
- 评估变化的方向、速度和幅度
- 识别各类别之间的相互作用
- 确定对焦点问题的影响
关键见解：
- 一个领域的变化会影响其他领域（系统思维）
- 多种驱动力相互作用，形成复杂的未来
- 有些驱动力相互强化，另一些则彼此冲突
- 全面扫描可减少盲区
适用场景：前瞻扫描、趋势分析、理解情景分析的背景
框架 4：弱信号与黑天鹅事件
弱信号：
- 定义：可能带来变化的早期迹象，目前处于边缘状态或含义模糊
- 特征：可见度低、零散、重要性不确定
- 示例：小众创新、边缘行为、异常现象、意外事件
- 价值：及早发现弱信号，能够主动采取应对措施
识别流程：
- 扫描边缘、外围和圈外群体（而不仅仅是主流）
- 留意异常现象和意外事件
- 跟踪小众创新
- 倾听边缘群体的声音
- 监测相关领域的领先指标
黑天鹅事件：
- 定义：低概率、高影响的事件
- 特征：具有颠覆性、改变范式，往往突然发生
- 示例：疫情、金融危机、突破性发现、政治冲击
- 价值：为黑天鹅事件做好准备，能够增强韧性
应对方法：
- 识别潜在的黑天鹅事件
- 评估概率和影响
- 制定应急计划
- 提升组织敏捷性
关键见解：
- 弱信号会演变为强趋势
- 忽视弱信号会导致战略意外
- 黑天鹅事件虽不可预测，却不可避免
- 韧性比预测更重要
适用场景：预警系统、风险预判、创新跟踪
框架 5：预测方法
探索式预测（可能会发生什么？）：
- 从现在出发，向前推演
- 识别趋势和驱动因素
- 外推未来的各种可能性
- 构建多个情景，而非单一预测
规范式预测（应该发生什么？）：
- 从理想的未来出发，逆向推演
- 明确目标和愿景
- 找出实现目标的路径
- 也称为“反向推演”
德尔菲法：
- 系统地咨询专家
- 通过多轮咨询达成共识
- 采用匿名方式以减少偏见
- 迭代完善预测
趋势外推：
- 识别历史趋势
- 推演趋势的延续或拐点
- 评估 S 曲线（萌芽、增长、成熟、衰退）
- 注意：趋势可能逆转或加速
交叉影响分析：
- 多种趋势／事件如何相互作用？
- 是否会产生增强或抑制效应？
- 是否会引发连锁后果？
- 网络效应
关键见解：
- 不同方法适用于不同目的
- 结合多种方法，提升分析的稳健性
- 预测始终存在不确定性——应接受概率范围
- 随着新信息出现，更新预测
适用场景：战略规划、风险评估、政策制定
核心分析框架（可扩展）
框架 1：FUTURES 锥（Voros）
目的：呈现未来的各种可能范围
结构（从现在向外扩展的锥形）：
潜在未来：物理上所有可能的未来
可信未来：与当前知识相符的未来
可能未来：与当前趋势和认知相符的未来
概率较高的未来：根据当前发展轨迹很可能出现的未来
理想未来：我们希望实现的未来（规范性）
荒诞未来：现在看来似乎不可能，但未必永远不可能的未来
应用：
- 在锥形范围内绘制不同的未来
- 了解不同未来分别属于哪一类别
- 识别理想未来及其实现路径
- 挑战关于可能性的假设
框架 2：趋势分析框架
识别趋势：
- 观察随时间变化的模式
- 区分信号与噪声
- 评估强度和方向
- 评估可持续性
趋势类型：
- 大趋势：规模大、周期长、具有全球性（例如，气候变化、城市化）
- 趋势：周期中等、影响显著（例如，远程办公的普及）
- 潮流：周期短、流于表面（例如，病毒式传播的产品）
S 曲线模式：
- 萌芽：初期增长缓慢
- 增长：迅速加速
- 成熟：趋于平稳
- 衰退：过时或转型
分析问题：
- 这是真正的趋势，还是暂时的波动？
- 是什么推动了这一趋势？
- 目前处于 S 曲线的哪个阶段？
- 什么因素可能加速或减缓这一趋势？
- 会产生哪些二阶效应？
框架 3：因果分层分析（Sohail Inayatullah）
目的：从多个深度层次理解未来
四个层次：
1. 表象（表层）
- 通常认知中的头条新闻、趋势和问题
- 定量数据、可见事件
- 表面层次
2. 系统性原因
- 社会、政治、经济结构
- 机构、政策、激励机制
- 系统如何产生表象
3. 世界观／话语
- 文化叙事、意识形态
- 我们如何框定和理解问题
- 更深层的假设
4. 神话／隐喻（最深层）
- 原型故事和象征
- 无意识模式
- 塑造现实的根本叙事
应用：
- 从所有四个层次分析问题
- 更深层次能揭示替代性未来
- 在不同层次进行干预，杠杆效应各不相同
框架 4：风洞测试（情景测试）
目的：用多个未来情景测试策略
流程：
- 制定替代情景
- 确定战略选项
- 将每项策略置于每个情景中进行“风洞测试”
- 评估表现：策略能否成功？会失败吗？是否需要调整？
- 找出稳健策略（适用于各种情景）
- 找出应变策略（在特定情景出现时适用）
- 建立监测系统，以判断正在显现哪种情景
产出：
- 稳健策略（无悔举措）
- 对冲策略（降低风险）
- 塑造策略（影响哪种未来会显现）
- 适应性策略（灵活应对）
框架 5：地平线扫描
定义：系统性探索新兴问题、趋势和断裂性变化
扫描领域：
- 技术前沿
- 社会／文化转变
- 环境变化
- 经济发展
- 政治／监管动向
- 黑天鹅事件
流程：
- 确定扫描范围和时间跨度
- 找出多元化的信息来源
- 系统性地扫描信号
- 收集并分类调查结果
- 分析影响
- 定期更新
工具：
- 信号追踪数据库
- 专家网络
- 众包扫描
- AI 辅助监测
- 研讨会和对话
方法论路径（可扩展）
方法 1：情景开发研讨会
目的：协作制定未来情景
流程：
阶段 1：准备（研讨会前）
- 明确焦点问题
- 研究趋势和驱动因素
- 找出关键不确定性
阶段 2：发散（第 1 天）
- 展示研究成果
- 集思广益，探讨变革驱动因素
- 找出关键不确定性
- 选择情景坐标轴
阶段 3：制定（第 1–2 天）
- 创建情景框架
- 撰写内容丰富的叙事
- 检验其合理性和一致性
- 为情景取一个易记的名称
阶段 4：探索（第 2 天）
- 沉浸于每个情景中
- 找出影响
- 测试策略
- 找出早期指标
阶段 5：应用（研讨会后）
- 建立监测系统
- 调整策略
- 广泛传播情景
- 定期更新
方法 2：反向推演
定义：从期望的未来倒推至当下
步骤：
- 构想：详细描述理想的未来
- 分析：未来与当下有哪些不同？
- 反向推演：哪些里程碑能引领我们从当下走向愿景？
- 识别：现在和接下来需要采取哪些行动？
- 规划：制定路线图和优先事项
与预测的比较：
- 预测：当下 → 可能的未来
- 反向推演：期望的未来 → 通往未来的路径
适用场景：转型目标（可持续发展、社会变革）、长期规划
方法 3：德尔菲法
目的：就未来发展建立专家共识
流程：
- 第 1 轮：专家独立进行预测
- 第 2 轮：分享汇总结果，专家据此修订预测
- 第 3 轮：进一步达成共识，或找出持续存在的分歧
- 输出：共识预测或专家观点的范围
优势：
- 汇集专家知识
- 匿名机制可减少群体思维
- 通过迭代不断完善
局限性：
- 专家也可能出错
- 仍有可能出现群体思维
- 流程耗时
方法 4：交叉影响分析
目的：了解趋势和事件如何相互影响
矩阵方法：
- 列出关键趋势／事件
- 创建矩阵：每个趋势／事件 × 每个趋势／事件
- 评估：如果 A 发生，会如何影响 B？
- 找出相互强化的循环、抑制效应和连锁反应
示例：
- 趋势 A：AI 取得进展
- 趋势 B：工作自动化
- 交叉影响：AI 进展加速工作自动化（相互强化）
- 趋势 C：普遍基本收入得到推行
- 交叉影响：工作自动化提高了普遍基本收入获得政治支持的可能性
价值：揭示系统动态和二阶效应
方法 5：事前验尸分析
目的：预判策略可能的失败模式
流程：
- 想象策略遭遇灾难性失败
- 倒推原因：它为何失败？
- 集思广益，列出所有可能的失败原因
- 评估发生可能性和严重程度
- 制定缓解策略
价值：揭示隐藏风险，挑战乐观偏见，改进规划
分析评估标准
要考察的内容
当前状态：
- 当前情况如何？
- 哪些系统占据主导地位？
- 基线情况如何？
趋势与驱动因素：
- 哪些力量正在推动变化？
- 哪些趋势正在兴起、成熟或衰退？
- 哪些驱动因素横跨 STEEP 各领域？
不确定性：
- 哪些因素无法预测？
- 哪些关键不确定因素影响重大？
- 哪些假设可能有误？
弱信号：
- 边缘地带正在出现什么？
- 有哪些异常或意外？
- 有哪些小众创新？
替代未来：
- 哪些不同的未来具有合理可能性？
- 最好／最坏的情况是什么？
- 哪些黑天鹅事件可能造成颠覆？
影响与策略：
- 可能的未来对利益相关者意味着什么？
- 哪些策略在不同情景下都稳健？
- 哪些早期指标能表明未来走向？
要提出的问题
趋势问题：
- 正在发生什么变化？
- 变化方向是什么？速度有多快？
- 是什么在推动这种变化？
- 这一趋势处于什么成熟阶段（S 曲线位置）？
- 什么因素可能加速或逆转这一趋势？
不确定性问题：
- 哪些事情无法得知？
- 哪些事情可能出现截然不同的走向？
- 我们正在作出哪些假设？
- 如果我们错了会怎样？
信号问题：
- 边缘地带正在出现什么？
- 有哪些先行指标？
- 哪些创新正在扎根？
- 哪些异常值得关注？
系统问题：
- 各要素如何相互关联？
- 存在哪些反馈循环？
- 有哪些连锁效应？
- 有哪些意料之外的后果？
策略问题：
- 我们应该为哪些未来做好准备？
- 哪些策略在不同情景下都适用？
- 哪些行动能塑造我们期望的未来？
- 哪些指标能告诉我们正在出现哪种未来？
需要考虑的因素
时间跨度：
- 近期（1-3 年）
- 中期（3-10 年）
- 长期（10-30 年）
- 不同尺度下的动态各不相同
不确定性等级：
- 我们已知的内容（事实、已确立的趋势）
- 我们可以估算的内容（概率）
- 高度不确定的内容（存在多种合理结果）
- 无法预知的内容（意外因素）
系统边界：
- 范围是什么？
- 哪些外部力量会产生影响？
- 存在哪些联系？
利益相关者视角：
- 谁关注这一未来？
- 在不同情景下，谁会受益或受损？
- 哪些价值观塑造了理想的未来？
值得参考的未来类比
历史模式：
- 类似的技术转型
- 类似的社会变革
- 以往的颠覆与适应
- 过去对未来的思考带来的经验教训
跨领域类比：
- 其他行业如何应对类似的转变？
- 哪些模式会在不同领域反复出现？
有待探索的影响
战略影响：
- 会出现哪些机遇？
- 会有哪些威胁成为现实？
- 需要具备哪些能力？
- 采取怎样的定位更有利？
风险影响：
- 可能出现哪些问题？
- 存在哪些脆弱之处？
- 需要怎样的韧性？
创新影响：
- 会产生哪些需求？
- 会开拓哪些市场？
- 哪些事物可能被淘汰？
政策影响：
- 需要怎样的治理？
- 哪些干预措施会塑造未来？
- 可能产生哪些意外后果？
逐步分析流程
第 1 步：确定核心问题和时间跨度
操作：
- 清楚说明我们要审视的决策、议题或领域
- 确定相关时间跨度（5 年？20 年？）
- 确定利益相关者及其视角
- 明确范围和边界
产出：
- 明确提出核心问题
- 指定时间跨度
- 确定利益相关者
第 2 步：扫描变化驱动因素（STEEP）
操作：
- 系统扫描社会、技术、经济、环境和政治领域
- 确定当前趋势（强信号）
- 记录新兴变化（弱信号）
- 梳理驱动力
产出：
- STEEP 驱动因素清单
- 趋势目录
- 弱信号记录
第 3 步：确定关键不确定因素
操作：
- 回顾所有驱动因素和趋势
- 评估：哪些影响重大？哪些高度不确定？
- 选出最关键的 2-3 个不确定因素
- 为每个不确定因素定义两极
关键不确定因素的标准：
- 对核心问题影响重大
- 结果高度不确定
- 与其他不确定因素相互独立（理想情况下）
产出：
- 确定关键不确定因素
- 定义情景坐标轴
第 4 步：构建替代情景
操作：
- 根据不确定因素的不同组合创建 2-4 个情景
- 为每个情景编写详实的叙述
- 确保情景内部一致
- 确保每个情景都合理且彼此不同
- 为情景取易记的名称
情景要素：
- 这个世界是什么样的？
- 我们是如何走到这一步的？
- 对利益相关者有何影响？
- 存在哪些机遇和挑战？
产出：
- 2-4 个各具特色且合理的情景
- 每个情景的详实叙述
第 5 步：分析三个视野
操作：
- 确定视野 1 的要素（当前占主导地位的系统）
- 确定视野 2 的要素（颠覆性创新、转型）
- 确定视野 3 的要素（新兴的未来系统、弱信号）
- 评估转型和发展轨迹
问题：
- 什么正在衰退？
- 什么正在兴起？
- 什么处于争议焦点之中？
产出：
- 三个视野图
- 对转型动态的理解
第 6 步：识别弱信号和黑天鹅事件
行动：
- 扫描边缘领域，寻找早期迹象
- 记录异常、意外情况和小众创新
- 识别潜在的黑天鹅事件
- 评估黑天鹅事件：概率和影响
扫描来源：
- 技术前沿
- 文化边缘
- 地理边缘地区
- 局外人视角
输出：
- 弱信号清单
- 附带概率／影响评估的黑天鹅事件清单
第 7 步：在不同情景下测试策略（风洞测试）
行动：
- 识别当前策略或战略选项
- 针对每种情景测试每项策略
- 评估表现：成功？失败？是否需要调整？
- 识别稳健策略（适用于各种情景）
- 识别有条件的策略（适用于特定情景）
输出：
- 策略表现矩阵
- 已识别的稳健策略
- 已识别的有条件策略
- 已制定的适应性应对措施
第 8 步：建立监测系统（早期指标）
行动：
- 为每种情景识别早期指标
- 哪些信号能表明这一情景正在形成？
- 创建仪表板或监测系统
- 定义触发战略调整的节点
指标：
- 领先指标（早期信号）
- 滞后指标（确认趋势方向）
- 触发点（行动阈值）
输出：
- 监测框架
- 指标仪表板
- 已定义的触发点
第 9 步：识别战略选项
行动：
- 制定战略应对方案组合
- 稳健策略：适用于所有情景
- 对冲策略：降低风险
- 塑造策略：影响未来的发展方向
- 适应性策略：灵活、有条件的应对措施
- 根据可行性、影响和紧迫性确定优先级
输出：
- 战略组合
- 优先级和分阶段安排
- 资源分配指导
第 10 步：综合洞见并提出建议
行动：
- 综合所有分析维度
- 总结关键不确定性和合理的未来情景
- 提出战略建议
- 承认局限性并说明更新周期
- 与利益相关者沟通
输出：
- 全面的未来分析
- 战略建议
- 沟通材料
使用示例
示例 1：科技行业——AI 时代的工作未来
核心问题：随着 AI 能力不断提升，未来 15 年的工作将如何演变？
分析：
第 1 步——核心问题：
- 问题：AI 时代的工作未来
- 时间范围：15 年（2025-2040）
- 利益相关者：劳动者、雇主、政策制定者、教育工作者
第 2 步——变革驱动力（STEEP）：
- 技术：AI/ML 进步、自动化、机器人技术、人类能力增强
- 经济：生产力提升、不平等、工作岗位流失／创造、经济重组
- 社会：技能差距、教育演变、社会安全网、工作的意义
- 政治：AI 监管、劳动保护、全民基本收入（UBI）辩论
- 环境：绿色转型创造就业岗位，自动化减少资源使用
第 3 步——关键不确定性：
- 不确定性 1：AI 进步的速度（渐进式发展还是突破式发展）
- 不确定性 2：社会应对方式（适应还是抵制）
情景坐标轴：AI 发展（缓慢／快速）× 社会应对（适应／抵制）
第 4 步——四种情景：
情景 A：“渐进演变”（AI 发展缓慢 + 社会适应）
- AI 渐进发展，社会平稳适应
- 持续再培训，教育改革
- 新岗位的创造速度与旧岗位的自动化速度相当
- 共享繁荣，平稳转型
- 工作仍是身份认同和收入的核心
情景 B：“颠覆与调整”（AI 快速发展 + 社会适应）
-
AI 快速突破，颠覆众多行业
-
社会通过大胆政策作出回应：UBI、大规模再培训
-
通过政策广泛共享经济收益
-
工作与生活的平衡发生变化，部分人群迈入后稀缺时代
-
出现传统工作之外的新型有意义活动 情景 C：“停滞与不平等”（AI 发展缓慢 + 社会抵制）
-
AI 进展缓慢，但社会仍面临困境
-
对自动化的抵制减缓了采用速度
-
受保护的在位岗位维持下来，但竞争力有所下降
-
青年失业、技能错配问题持续存在
-
经济停滞、政治极化
情景 D：“动荡转型”（AI 发展迅速 + 社会抵制）
- AI 快速发展遭遇社会抵制
- 大规模失业，社会保障体系不足
- 极端不平等，AI 带来的收益仅少数人受益
- 社会动荡、政治不稳定
- 技术遭遇反弹，监管滞后
步骤 5 - 三个地平线：
- H1：当前的就业模式（朝九晚五的工作、雇主提供的福利、以资历为依据的招聘）
- H2：零工经济、远程工作、在线学习、AI 助手、对自动化的焦虑
- H3：后工作社会、全民基本收入、终身学习、人类与 AI 协作、工作之外的目标感
步骤 6 - 弱信号：
- AI Agent 执行复杂的认知任务
- 每周工作四天的试点
- 全民基本收入试点
- 以技能而非资历为依据的招聘
- 员工持有的合作平台
- 创意领域的 AI 增强工具
- 专业人士的意义危机
意外事件：
- 通用人工智能（AGI）突然实现
- AI 寒冬（进展意外停滞）
- 全球经济危机迫使政策迅速改变
- 人类增强技术取得突破
步骤 7 - 风洞测试： 测试策略：“大力投资 AI，以最大限度提高生产力”
- 情景 A：✓ 效果良好，获得竞争优势，员工适应变化
- 情景 B：✓ 可行，但需要参与政策制定，确保广泛受益
- 情景 C：✗ 遭遇抵制、监管和反弹
- 情景 D：✗ 加剧不平等，造成社会成本
稳健策略：投资 AI，但优先发展增强能力（人类与 AI 协作），而非取代人类
步骤 8 - 早期指标：
- AI 快速发展：基准测试结果改善、风险投资增加、部署率上升
- AI 发展缓慢：能力停滞、投资减少、技术障碍
- 社会适应力强：政策试验、教育改革、社会保障体系扩展
- 社会抵制：监管限制、自动化税、政治反弹
步骤 9 - 战略选项：
稳健策略（适用于各种情景）：
- 投资终身学习和技能再培训
- 开发 AI 增强工具（而不仅仅是自动化工具）
- 主动参与政策对话
- 提升组织适应能力
应变策略：
- 如果是情景 A：循序渐进，聚焦生产力
- 如果是情景 B：快速转型，与政府合作推动转型
- 如果是情景 C：保护就业、放缓自动化、聚焦韧性
- 如果是情景 D：强调社会责任、支持社会保障体系、为反弹做好准备
步骤 10 - 综合：
- 工作的未来高度不确定，取决于 AI 的发展轨迹和社会应对方式
- 四种合理的情景从渐进演变到动荡转型不等
- 弱信号表明，H2 到 H3 的转型正在进行
- 稳健策略：人类与 AI 协作 + 主动参与政策制定
- 将 AI 基准测试和政策响应作为早期指标加以监测
- 为多种未来做好准备，优先提升适应能力
示例 2：能源行业 - 可再生能源转型路径
核心问题：到 2040 年，可再生能源将以多快的速度、多大程度取代化石燃料？
分析：
步骤 1 - 核心问题：
- 问题：可再生能源转型的速度和规模
- 时间范围：15 年（2025-2040）
- 利益相关方：能源公司、政府、消费者、气候行动者
步骤 2 - 变革驱动因素：
- 技术：电池储能成本、可再生能源效率、电网现代化、核聚变？
- 经济：可再生能源成本下降、化石燃料资产搁浅、绿色融资
- 环境：气候影响加剧、行动压力增大
- 政治：政策支持、化石燃料补贴、国际协议
- 社会：公众要求使用清洁能源、为劳动者实现公正转型
步骤 3 - 关键不确定性：
- 不确定性 1：技术突破（渐进式 vs. 变革式）
- 不确定性 2：政治意愿（强 vs. 弱）
步骤 4 - 四种情景：
情景 A：“稳步进展”（渐进式技术 + 弱政治意愿）
- 可再生能源成本持续稳步下降
- 政治支持不稳定且不足
- 到 2040 年：50-60% 的能源来自可再生能源，化石燃料占比下降但仍然显著
- 未能实现气候目标，但取得进展
- 成果喜忧参半
情景 B：“绿色加速”（渐进式技术 + 强政治意愿）
- 技术稳步进步
- 强烈的政治意愿推动快速部署
- 碳定价、强制要求和补贴相互配合
- 到 2040 年：70-80% 的能源来自可再生能源，逐步淘汰煤炭，天然气占比下降
- 气候目标有望实现
- 公正转型政策为劳动者提供支持
情景 C：“突破停滞”（变革式技术 + 弱政治意愿）
- 取得重大技术突破（例如，核聚变、超低成本储能）
- 政治意愿薄弱，导致部署延迟
- 既得利益方阻挠、监管壁垒
- 到 2040 年：应用不均衡，潜力未能实现
- 虽有突破，但未能规模化应用
情景 D：“快速转型”（变革式技术 + 强政治意愿）
- 技术突破与强有力的政策同时出现
- 在全球范围内快速部署
- 到 2040 年：90% 以上的能源来自可再生能源，几乎彻底淘汰化石燃料
- 气候目标有望实现
- 推动经济转型，并妥善处理搁浅资产
步骤 5 - 三个视界：
- H1：以化石燃料为主导的能源系统（正在衰退，但根深蒂固）
- H2：加速部署可再生能源、电网现代化、电动汽车普及、政策博弈
- H3：完全可再生、分布式、电气化、由储能支撑的系统
步骤 6 - 弱信号：
- 钙钛矿太阳能电池效率提升
- 铁空气电池商业化
- 实现聚变净能量增益
- 企业承诺 100% 使用可再生能源
- 化石燃料公司转向可再生能源
- 社区建设本地微电网
- 青年气候行动主义日益高涨
黑天鹅事件：
- 到 2035 年，核聚变突破实现商业化
- 气候临界点触发紧急动员
- 全球经济危机使廉价能源优先于清洁能源
- 主要可再生能源供应链遭遇中断
步骤 7 - 风洞测试： 测试策略：“立即大力投资可再生能源发电能力”
- 情景 A：✓ 部分成功，确立市场地位，但未占据主导地位
- 情景 B：✓ 大获成功，获得先行者优势
- 情景 C：结果喜忧参半，技术以意料之外的方式改变局面
- 情景 D：✓ 取得重大成功，占据变革性的市场地位
稳健策略：大力投资可再生能源 + 保持技术选择的灵活性
步骤 8 - 早期指标：
- 技术指标：电池成本、太阳能/风能 LCOE、突破性进展公告
- 政治指标：政策力度、碳价、补贴变化、国际合作
- 市场指标：投资流向、撤出化石燃料投资、企业承诺
步骤 9 - 战略选项：
- 稳健型：建设可再生能源发电能力、开发电网解决方案、投资研发
- 对冲型：保留部分化石燃料基础设施，以支持转型
- 塑造型：倡导强有力的气候政策
- 适应型：采用灵活的投资方式，监测指标，迅速调整方向
步骤 10 - 综合分析：
- 可再生能源转型正在发生，但其速度存在很大不确定性
- 取决于技术突破和政治意愿
- 到 2040 年，可再生能源占比可能达到 50% 至 90% 以上，有多种可能路径
- 弱信号表明氢能正在加速发展
- 黑天鹅事件可能大幅加快或减缓这一进程
- 稳健策略：积极投资可再生能源 + 参与政策制定 + 保持技术选择的灵活性
示例 3：医疗保健——精准医疗的未来
核心问题：到 2035 年，精准医疗将如何改变医疗服务？
分析：
步骤 1 - 核心问题：
- 问题：精准医疗的普及与影响
- 时间跨度：10 年（2025-2035）
- 利益相关方：患者、医疗服务提供者、支付方、制药企业、监管机构
步骤 2 - 驱动因素（精选）：
- 基因组测序成本急剧下降
- AI 诊断能力不断提升
- 可穿戴设备监测日益普及
- 数据隐私问题日益突出
- 医疗保健成本不断上升
- 人口老龄化
- 个性化疗法不断涌现
步骤 3 - 关键不确定性：
- 不确定性 1：数据整合与访问（分散还是整合）
- 不确定性 2：成本与公平性（广泛普及还是仅限少数人）
步骤 4 - 四种情景：
情景 A：“精准医疗只惠及部分人”（数据分散 + 访问受限）
- 精准医疗不断发展，但成本仍然高昂
- 只有富裕、有保险、居住在城市的人群能够使用
- 数据孤岛限制了效果
- 双层医疗体系问题加剧
- 结果：不平等加剧，引发公众反弹
情景 B：“全民精准医疗”（数据整合 + 广泛普及）
- 数据平台支持建立全面的患者档案
- 成本下降，保险覆盖精准医疗方案
- 预防性、个性化护理成为常态
- 整体健康状况改善
- 结果：医疗保健转型，公平性提升
情景 C：“数据丰富，获益有限”（数据整合 + 访问受限）
- 实现强大的数据整合
- 隐私问题或成本限制了实际应用
- 研究加速，但临床应用缓慢
- 潜力未能实现
- 结果：令人失望，错失机遇
情景 D：“分散式创新”（数据分散 + 广泛普及）
- 成本下降，许多人都能使用
- 数据孤岛限制了效果
- 结果不一致，令人困惑
- 部分潜力得以实现
- 结果：成效参差不齐，效率低下
步骤 5 - 三个地平线：
- H1：千篇一律的医疗方式、基于症状的治疗、被动式护理
- H2：基因检测日益普及、靶向疗法不断涌现、可穿戴设备日益普及、电子健康记录（EHR）得到应用
- H3：完全个性化、以预防为重点、由 AI 辅助、无缝整合的护理
步骤 6 - 弱信号：
- 100 美元的全基因组测序
- AI 在特定领域的诊断能力超过专科医生
- 面向消费者的基因检测成为主流
- 药物基因组学应用于处方开具
- 非糖尿病患者使用连续血糖监测仪
- 液体活检用于早期癌症检测
黑天鹅事件：
- 重大数据泄露摧毁公众信任
- 基因疗法取得突破，让许多疾病可以治愈
- AI 诊断出错导致死亡，引发强烈反弹
- 全民医疗保健制度的采用改变了激励机制
步骤 7 - 风洞测试： 测试策略：“投资精准医疗能力”
- 情景 A：取得部分成功（高端市场）
- 情景 B：取得显著成功（广阔市场，带来转型）
- 情景 C：取得有限成功（具备能力，但未能部署）
- 情景 D：成效参差不齐（能够使用，但效果不佳）
稳健策略：建设能力 + 倡导数据整合 + 支持公平性
步骤 8 - 早期指标：
- 测序量与成本
- 数据互操作标准的采用情况
- 保险覆盖范围的决定
- 健康结果方面的差异
- 公众对数据使用的信任
步骤 9 - 战略选项：
- 稳健：发展精准医疗能力，支持数据标准
- 对冲：在过渡期间保留传统方法
- 塑造：倡导数据整合，解决公平性问题
- 适应：开展试点项目，监测结果，扩大有效措施的规模
步骤 10 - 综合分析：
- 精准医疗具有变革性潜力
- 能否实现取决于数据整合和公平获取
- 未来有多种可能：从普惠到加剧不平等
- 弱信号表明，技术进步将先于系统整合
- 战略必须同时解决能力建设和系统性障碍
参考资料（可展开）
重要思想家和组织
Herman Kahn（1922-1983）
- 领域：未来学、情景规划
- 组织：RAND Corporation、Hudson Institute
- 贡献：开发了情景规划方法
Peter Schwartz
- 领域：情景规划
- 著作：The Art of the Long View（1991）
- 组织：Global Business Network、Shell 前员工
Sohail Inayatullah
- 领域：未来学
- 贡献：因果分层分析
- 著作：Questioning the Future
Jim Dator
- 原则：「任何关于未来的有用论述，乍听起来都应该显得荒谬」
- 贡献：四种未来框架（增长、崩溃、纪律、转型）
专业组织
World Futures Studies Federation（WFSF）
- 网站：https://wfsf.org/
- 重点：全球未来学家网络
Association of Professional Futurists（APF）
- 网站：https://www.apf.org/
- 资源：专业标准、培训
Institute for the Future（IFTF）
- 网站：https://www.iftf.org/
- 重点：应用未来研究
未来研究方法与出版物
重要方法论（2025）
- Foresight (futures studies) - Wikipedia - 未来研究方法的全面概述
- Scenario Planning for Futures - Mitsui Report 2025 - 当代情景规划方法
- Strategic Foresight - World Economic Forum 2025 - 战略前瞻如何帮助组织做好准备
- New Approach to Scenario Planning - WEF 2025 - 用于应对不确定性的情景游戏
学术与研究资源
- Navigating the Future with Strategic Foresight - BCG 2025 - 关于前瞻研究的咨询视角
- Futures Thinking in Action - UN Futures Lab - 全球南方的见解
- Futures Publications - WFSF - 未来研究期刊
- Futures, Foresight, Scenarios - Learning for Sustainability - 关于未来思维方法的综合资源
- Foresight and Futures Thinking for Development - Wiley 2025 - 国际发展领域的应用
战略规划资源
必备资源
- The Art of the Long View - Peter Schwartz
- Thinking in Time - Richard Neustadt and Ernest May
- The Signals Are Talking - Amy Webb
- The Future - Al Gore
- 未来学期刊与出版物
验证清单
完成未来分析后：
- 明确核心问题和时间范围
- 系统扫描变革驱动因素（STEEP）
- 识别关键不确定性
- 制定合理且各不相同的情景
- 分析三个视野
- 识别弱信号和黑天鹅事件
- 在不同情景下检验策略
- 制定早期指标监测系统
- 识别稳健策略和有条件策略
- 综合洞见并提出建议
应避免的常见陷阱
陷阱 1：预测陷阱
- 问题：试图预测唯一的未来，而不是探索多种未来
- 解决方案：拥抱不确定性，制定情景，为其他可能性做好准备
陷阱 2：趋势外推
- 问题：假设当前趋势会线性延续
- 解决方案：识别拐点、S 曲线和不连续性
陷阱 3：以当下为中心
- 问题：把对当下的假设投射到未来
- 解决方案：质疑假设，设想不同的范式
陷阱 4：单一情景规划
- 问题：只为一种未来做准备
- 解决方案：制定多种情景和稳健策略
陷阱 5：忽视弱信号
- 问题：只关注主流趋势
- 解决方案：扫描边缘领域，留意异常，追踪小众创新
陷阱 6：分析瘫痪
- 问题：无休止地制定情景，却不采取行动
- 解决方案：将情景与决策挂钩，检验策略并采取行动
陷阱 7：技术决定论
- 问题：假设技术单独决定未来
- 解决方案：纳入社会、政治和文化因素
陷阱 8：忽视黑天鹅事件
- 问题：忽视低概率、高影响事件
- 解决方案：识别黑天鹅事件，增强韧性，制定应急预案
成功标准
高质量的未来分析：
- 探索多种合理的未来（而非做出单一预测）
- 识别关键驱动因素和关键不确定性
- 制定内容丰富、各不相同且逻辑连贯的情景
- 扫描弱信号和新兴趋势
- 在不同情景下检验策略
- 识别稳健策略和早期指标
- 质疑假设和思维模式
- 兼顾分析与可执行的洞见
- 承认不确定性和局限性
- 提供应对不确定性的战略指导
与其他分析师的协作
未来分析可补充其他视角：
- 经济学家：经济未来、市场动态、资源分配
- 政治学家：政治未来、治理演变、地缘政治变化
- 历史学家：历史模式、先例、长期周期
- 技术专家：技术发展轨迹、颠覆模式
- 社会学家：社会变迁、文化变化、人口趋势
未来分析尤其擅长：
- 预见和准备
- 情景规划和战略选项
- 弱信号探测
- 长期思考
- 应对不确定性
持续改进
这项技能通过以下方式不断发展：
- 监测预测结果，从意外情况中吸取经验
- 开发新的情景规划方法
- 整合多学科洞见
- 改进弱信号探测
- 培养战略预见能力
技能状态：第 1 轮完成——已建立全面基础 质量等级：高——具备全面的未来分析能力 Token 数量：约 9,200 个 token（达到目标范围）