Экономика на стыке дисциплин
Профессор Петр Паршаков начинал с финансовой экономики, затем изучал интеллектуальный капитал и киберспорт, а сегодня Международная лаборатория экономики нематериальных активов НИУ ВШЭ в Перми работает на пересечении экономики, анализа данных и искусственного интеллекта. В интервью он рассказывает, как из студенческого кружка вырос международный научный коллектив, почему в экономике так важна причинно-следственная связь и как новые источники данных — от вакансий до соцсетей — помогают понять поведение людей. А еще — о том, что ждет экономическое образование с приходом ИИ.
.jpg)
— Как складывалась ваша академическая карьера?
— Изначально я не планировал строить академическую карьеру. Во время учебы в Высшей школе экономики я скорее рассматривал возможности работы в бизнесе, чем в университете. При этом меня всегда интересовали дисциплины, связанные с количественными методами, математикой и анализом данных.
Во многом моя карьера определилась благодаря людям, которых я встретил в университете. Прежде всего это Елена Шакина, которая на последнем курсе предложила мне остаться работать в Вышке. Я тогда не представлял, как устроена научная работа, но мне было интересно работать с данными, искать в них закономерности и объяснять полученные результаты. Я решил попробовать, поскольку такие предложения поступают нечасто.
Вторым важным обстоятельством стало формирование исследовательской команды в пермском кампусе. Елена Шакина и Мария Молодчик первоначально объединили группу студентов, заинтересованных в исследованиях интеллектуального капитала, нематериальных активов и эффективности компаний. Постепенно вокруг этой тематики сформировался научный коллектив, из которого впоследствии выросла Международная лаборатория экономики нематериальных активов.
Создание лаборатории стало важным событием для развития исследовательской среды в кампусе. Одна из сильных сторон Вышки заключается в том, что университет умеет поддерживать научные инициативы и создавать на их основе устойчивые исследовательские коллективы. Это позволяет привлекать внешних коллег, вовлекать студентов, организовывать семинары и развивать совместные проекты.
В лаборатории я получил возможность учиться исследовательской работе непосредственно у коллег. Большую роль сыграло сотрудничество с зарубежными учеными, в частности Деннисом Коутсом и Анхелем Барахасом, которые впоследствии стали научными руководителями моей PhD-диссертации. Работа с ними помогла понять требования международного академического сообщества к постановке исследовательских вопросов, методологии и публикациям.
В 2015 году я под руководством Сергея Курочкина защитил кандидатскую диссертацию, посвященную оценке эффективности управления активами российских паевых инвестиционных фондов. В 2019 году получил степень PhD по экономике в Университете Виго в Испании. Моя диссертация была посвящена экономике киберспорта и факторам, определяющим результаты игроков и команд. В 2022 году я возглавил Международную лабораторию экономики нематериальных активов.
За это время менялись и мои исследовательские интересы. В начале карьеры я занимался финансовой экономикой, затем исследованиями интеллектуального капитала, экономикой спорта и киберспорта. Сейчас значительная часть нашей работы находится на пересечении экономики, анализа данных и искусственного интеллекта. Эти направления объединяет общий подход: использование количественных методов для изучения экономического поведения людей и организаций.
Отдельно отмечу возможность строить академическую карьеру в региональном кампусе. Благодаря системе Вышки мы можем, находясь в Перми, участвовать в общеуниверситетских проектах, взаимодействовать с коллегами из других кампусов, пользоваться инструментами поддержки исследований и публиковаться в ведущих международных журналах.
— В чем специфика академического сообщества экономистов?
— Одна из особенностей экономической науки — высокие требования к обоснованию результатов эмпирических исследований. Экономистов интересует не только наличие статистической связи между показателями, но и возможность установить причинно-следственную зависимость.
Предположим, мы обнаружили, что компании, использующие искусственный интеллект, демонстрируют более высокую производительность. Это еще не означает, что именно внедрение ИИ привело к росту производительности. Возможно, более успешные компании изначально обладают большими ресурсами и поэтому чаще внедряют новые технологии. В таком случае наблюдаемая связь объясняется другими факторами.
Поэтому в экономических исследованиях значительное внимание уделяется исследовательскому дизайну, выбору методов и проверке устойчивости результатов. Используются естественные эксперименты, инструментальные переменные, метод разности разностей[1] и другие подходы, позволяющие оценивать причинные эффекты. Конечно, не все экономические исследования направлены на установление причинности, но если автор утверждает, что определенный фактор влияет на экономический результат, от него ожидают убедительных доказательств.
[1] Difference-in-differences — это статистический инструмент, который позволяет оценить эффект какого-либо вмешательства (например, нового закона), сравнивая изменения показателя во времени в двух группах: на которую повлияло вмешательство и на которую нет. Сначала вычисляется разница «до» и «после» для каждой группы, а затем из изменения в первой группе вычитается изменение во второй. Такой двойной вычет помогает «отфильтровать» общие для обеих групп фоновые тенденции и выделить чистый эффект самого воздействия. Метод опирается на допущение, что без вмешательства обе группы развивались бы параллельно. — Прим. ред.
Другая особенность современной экономики связана с расширением источников данных. Раньше экономисты преимущественно работали со структурированными данными: статистикой предприятий, домохозяйств, регионов и стран. Сегодня исследователи анализируют тексты вакансий, корпоративные отчеты, новости, публикации в социальных сетях, изображения и видео.
Например, чтобы изучить изменение спроса на профессиональные навыки, можно анализировать миллионы вакансий. Для исследования распространения новых технологий среди компаний можно использовать тексты корпоративных отчетов. Для изучения поведения потребителей или болельщиков — комментарии в социальных сетях.
Работа с такими данными требует методов, которые ранее использовались преимущественно в компьютерных науках: машинного обучения, обработки естественного языка, компьютерного зрения. В результате экономисту необходимо сочетать знание экономической теории и эконометрики с современными вычислительными инструментами.
При этом применение сложного алгоритма само по себе не делает исследование качественным. Можно использовать языковые модели, обработать миллионы документов, но так и не ответить на содержательный экономический вопрос. Технология должна помогать решать исследовательскую задачу, а не становиться самоцелью.
Еще одна особенность нашей дисциплины — требования к научным публикациям. В экономике существует устойчивая иерархия академических журналов, а качество публикаций играет важную роль в оценке исследователя. Чтобы опубликовать статью в ведущем международном журнале, недостаточно применить корректную методологию и получить статистически значимые результаты. Необходимо показать свой вклад в научную литературу, объяснить, что нового мы узнали об экономических процессах и почему это важно.
Сам процесс публикации может занимать годы. После отправки статьи начинается рецензирование, и замечания рецензентов нередко требуют переработки исследования. Например, над одной из наших статей по экономике киберспорта мы начали работать в 2014 году. Первоначально исследование было преимущественно эмпирическим, но в процессе работы возникла необходимость разработать теоретическую модель. В итоге статья была опубликована только в 2022 году, спустя восемь лет.
На мой взгляд, специфика современной экономической науки заключается в сочетании трех составляющих: содержательного экономического вопроса, убедительной исследовательской методологии и способности работать с новыми источниками данных.
— Чем измеряется профессиональный успех экономиста сегодня? Какие достижения вы считаете наиболее важными в собственной карьере?
— Я бы выделил три измерения профессионального успеха исследователя: академические публикации, прикладные результаты и развитие исследовательских коллективов.
Первое измерение — публикации. Для академического сообщества имеют значение не только количество статей, но и качество журналов, исследовательский вклад и признание результатов другими учеными. Совместно с коллегами нам удалось опубликовать исследования в таких журналах, как European Journal of Operational Research, Journal of Economic Behavior & Organization и других международных изданиях. Для меня эти публикации важны, поскольку работы прошли рецензирование и получили признание профессионального сообщества.
Наши исследования охватывают несколько направлений. Например, в одной из наших совместных работ с Деннисом Коутсом, опубликованной в European Journal of Operational Research, мы исследовали, насколько коллективные оценки футбольных болельщиков способны отражать рыночную стоимость игроков. В других работах изучали поведение киберспортсменов, влияние психологического давления на результаты соревнований, нематериальные активы компаний и раскрытие нефинансовой информации.
Второе измерение — прикладные исследования. В отличие от академических проектов, их результатом становится не научная статья, а аналитическая система, алгоритм, программный продукт или методика, решающая конкретную задачу заказчика. За последние годы наша команда реализовала ряд проектов для Сбербанка, Газпромбанка и других организаций. В одном из проектов для Сбербанка мы разрабатывали, например, инструменты выявления рисков компаний на основе анализа текстовой информации. Прикладные проекты позволяют использовать исследовательские компетенции для решения задач бизнеса. При этом такое сотрудничество полезно и для академической науки: работа с реальными данными и проблемами компаний помогает находить новые исследовательские вопросы.
Третье измерение — развитие исследовательских команд и научного сотрудничества. Современные исследования все чаще требуют объединения компетенций экономистов, специалистов по машинному обучению, программистов и экспертов в конкретных предметных областях. Поэтому к профессиональным достижениям я отношу развитие нашей лаборатории и сотрудничество с коллегами из других подразделений Вышки. Мы работаем с московской научно-учебной лабораторией исследований спорта, лабораторией исследований рынка труда и другими научными коллективами университета. Это позволяет реализовывать междисциплинарные проекты, которые было бы сложно выполнить силами одной команды.
Отдельная задача — вовлечение студентов и аспирантов в исследования. Они могут начинать с обработки данных, а затем становиться полноценными участниками проектов и соавторами публикаций. Таким образом, профессиональный успех я бы оценивал не только по публикациям и цитированиям, но и по тому, насколько результаты исследований востребованы в науке и на практике, а также по способности создавать условия для развития других исследователей.
— Какие вопросы относятся к числу наиболее обсуждаемых сегодня в экономическом научном сообществе?
— Одно из наиболее обсуждаемых направлений сегодня — влияние искусственного интеллекта на экономику. Причем ключевой интерес представляют не столько сами технологии, сколько экономические последствия их распространения. Первый большой вопрос связан с рынком труда. Какие задачи могут быть автоматизированы? Как изменится спрос на профессиональные навыки? Приведет ли внедрение ИИ к росту производительности труда? Какие профессии окажутся наиболее подвержены изменениям?
Здесь важно различать профессии и отдельные задачи, выполняемые работниками. Например, работа экономиста включает в себя сбор и анализ данных, построение моделей, интерпретацию результатов, подготовку текстов. Часть этих задач уже можно выполнять с помощью ИИ, однако это не обязательно означает исчезновение профессии. Скорее, меняется содержание работы и требования к специалистам.
Второе направление — влияние искусственного интеллекта на деятельность компаний. Нас интересует, приводит ли внедрение ИИ к росту производительности? Какие организации получают от него конкурентные преимущества? И почему результаты внедрения технологий могут различаться? Это направление связано с исследованиями интеллектуального капитала, которыми наша лаборатория занимается уже много лет. Конкурентные преимущества компании зависят не только от ее материальных активов, но и от знаний сотрудников, организационных процессов, технологий и способности использовать информацию. Сам по себе доступ к современным языковым моделям не гарантирует роста эффективности. Важно, умеют ли сотрудники использовать эти технологии, есть ли у компании необходимые данные и способна ли она перестроить свои процессы. Кроме того, распространение ИИ может менять структуру конкурентных преимуществ: одни технологии становятся общедоступными, а значение уникальных данных и организационных компетенций возрастает.
Третье направление связано с использованием больших языковых моделей для изучения экономического поведения. Традиционно экономисты исследуют принятие решений с помощью экспериментов, опросов и наблюдений. Сейчас появилась возможность проводить эксперименты с агентами на основе языковых моделей и сравнивать их поведение с решениями реальных людей. Например, в экспериментальной экономике существуют игры, позволяющие изучать доверие, кооперацию, отношение к справедливости и склонность к риску. Аналогичные задачи можно предложить языковым моделям и проверить, насколько их решения соответствуют поведению людей. Мы с коллегами тоже работаем в этом направлении. Нас интересует, способны ли языковые модели воспроизводить закономерности экономического поведения, какие различия возникают и насколько результаты зависят от выбора модели и формулировки задания. Это также важно для понимания того, как будут взаимодействовать люди и искусственные агенты по мере распространения ИИ.
Помимо искусственного интеллекта, я продолжаю заниматься экономикой спорта. Спортивные соревнования представляют собой удобную среду для изучения экономического поведения, поскольку позволяют наблюдать результаты людей и команд, их реакцию на конкуренцию, давление и изменение стимулов. Например, в одном из исследований мы анализировали влияние психологического давления на результаты киберспортсменов в онлайн- и офлайн-соревнованиях. Это позволяет изучать более общий вопрос о том, как люди выполняют сложные задачи в условиях стресса и высокой ответственности.
Общая тенденция, которую я бы выделил в современной экономической науке, — появление возможностей измерять и анализировать явления, которые раньше было сложно изучать количественно. Это знания работников, характеристики компаний, поведение людей, распространение технологий. Новые источники данных и методы расширяют круг вопросов, на которые экономисты могут отвечать.

— В чем особенность российского экономического образования и экономических исследований, в частности в Вышке?
— Экономика — международная наука. Несмотря на различия между странами, ее методологические стандарты, теоретические подходы и исследовательские инструменты универсальны. Студенты экономических университетов по всему миру изучают одни и те же фундаментальные теории, читают статьи ведущих международных журналов, работают с сопоставимыми методами и базами данных.
Одним из достижений Вышки стало формирование образовательной и исследовательской среды, ориентированной на эти стандарты. Студенты изучают современную экономическую литературу, осваивают эконометрику, учатся формулировать исследовательские вопросы, работать с данными и проверять гипотезы.
При этом требования к компетенциям экономиста меняются. Если раньше основой подготовки были экономическая теория, математика и статистика, то затем обязательным стало владение эконометрическими пакетами. Сейчас к этому добавляются программирование, методы машинного обучения и работа с большими массивами неструктурированных данных.
Например, если мы хотим изучить востребованность определенных навыков на рынке труда, то можем использовать тексты вакансий. Но для этого недостаточно стандартных эконометрических инструментов. Необходимо собрать и обработать тексты, извлечь из них информацию о навыках, а затем использовать полученные показатели в экономическом анализе. Аналогичные задачи возникают при изучении корпоративных отчетов, новостей, социальных сетей.
Поэтому современное экономическое образование должно сочетать фундаментальную теоретическую подготовку и обучение методам анализа данных. При этом экономист не должен превращаться исключительно в специалиста по программированию. Его основная компетенция — умение поставить экономический вопрос, выбрать подходящую методологию и интерпретировать результаты. Можно хорошо владеть Python и современными библиотеками, но не понимать, почему корреляция не означает причинную связь. И наоборот, можно знать экономическую теорию, но не иметь инструментов для работы с данными, необходимыми для проверки гипотезы. Качественное экономическое образование должно объединять эти компетенции.
Одно из преимуществ Вышки заключается в наличии исследовательских коллективов в области экономики, социальных наук, компьютерных наук и анализа данных. Это создает возможности для междисциплинарных проектов. В нашей лаборатории, например, экономисты и специалисты по машинному обучению совместно разрабатывают методы анализа текстов и используют полученные данные для решения экономических задач.
Если говорить об организации экономических исследований в российских университетах в целом, я бы выделил несколько вызовов. Первый — необходимость поддерживать международные исследовательские стандарты при ограничениях на доступ к данным, вычислительным ресурсам и международному сотрудничеству. Современные исследования требуют соответствующей инфраструктуры, а многие проекты невозможно реализовать без взаимодействия с коллегами из других научных организаций.
Второй вызов — развитие устойчивых исследовательских коллективов. Научная работа требует времени: сбор данных, разработка методологии и публикация результатов могут занимать несколько лет. Поэтому университетам важно поддерживать долгосрочные проекты и создавать условия для формирования команд. В этом отношении опыт Вышки представляется мне показательным. В университете существует система поддержки исследовательских коллективов, научных семинаров, внутренних проектов и публикационной активности. Наша лаборатория выросла из студенческой исследовательской группы и со временем стала коллективом, реализующим академические и прикладные проекты.
Для региональных кампусов такая система имеет особое значение. Она позволяет исследователям участвовать в общеуниверситетских проектах, сотрудничать с коллегами из других кампусов и пользоваться исследовательской инфраструктурой университета. Благодаря этому географическое положение не становится определяющим ограничением.
Третий вызов — вовлечение студентов в научную работу. Исследовательским навыкам сложно научиться исключительно на лекциях. Студенту необходимо участвовать в реальных проектах, работать с данными, обсуждать результаты, сталкиваться с необходимостью пересматривать гипотезы и методологию. В нашей лаборатории мы стараемся вовлекать студентов в исследования уже на ранних этапах обучения.
Наконец, отдельный вызов для экономического образования связан с распространением генеративного искусственного интеллекта. Уже сейчас студенты могут использовать языковые модели для программирования, анализа данных, поиска информации и подготовки текстов. На мой взгляд, задача университета заключается не в запрете этих инструментов, а в обучении их осмысленному использованию. При этом может измениться и структура учебных заданий. Если часть технической работы автоматизируется, то большее значение приобретают постановка задачи, критическая оценка результатов и способность самостоятельно интерпретировать полученные выводы.
В конечном счете задача экономического образования — подготовить специалистов, способных самостоятельно разбираться в новых экономических проблемах. Конкретные технологии и инструменты будут меняться, но умение формулировать исследовательские вопросы, критически оценивать доказательства и понимать экономические механизмы останется основой профессии.
