Làm thế nào để tìm thấy thị trường tăng trưởng? Phương pháp dự báo thị trường tăng trưởng dựa trên nghiên cứu mới nhất

Lời mở đầu

Các công ty và quốc gia đạt được tăng trưởng lịch sử đã thực hiện các khoản đầu tư lớn và những thử thách trong lĩnh vực tăng trưởng từ trước khi nhiều người nhận ra. Tuy nhiên, làm thế nào chúng ta có thể tìm thấy những thị trường tăng trưởng như vậy? Tại đây, chúng tôi sắp xếp các phương pháp để xác định những thị trường tăng trưởng như vậy.

Tính mới của bài viết này nằm trong 3 điểm sau.

• Chúng tôi đã sắp xếp nguồn gốc của các lĩnh vực tăng trưởng thành 4 sự thay đổi của môi trường bên ngoài và thể hiện qua nghiên cứu thực nghiệm rằng nó không chỉ thúc đẩy thị trường mà còn thay đổi hướng của các chủ đề nghiên cứu và phát minh.
• Chúng tôi đã phân loại các phương pháp dự báo thành 5 dòng và chỉ ra mối quan hệ tương ứng với nguồn gốc.
• Chúng tôi đã sắp xếp xu hướng nghiên cứu sau năm 2020.

Các yếu tố của thị trường tăng trưởng

Nguồn gốc của các lĩnh vực tăng trưởng, kể từ các công trình cổ điển của nghiên cứu quét môi trường (một lĩnh vực nghiên cứu phân tích môi trường bên ngoài như chính trị, kinh tế, xã hội, công nghệ, v.v. và áp dụng vào quản lý), đã được sắp xếp thành 4 sự thay đổi của chính trị, kinh tế, xã hội và công nghệ (PEST) (Aguilar, 1967). Dưới đây, chúng tôi sắp xếp theo từng sự thay đổi.

Sự thay đổi chính trị

Nó ảnh hưởng đến thị trường như thế nào

• Tạo và cấm nhu cầu：Quy định tạo ra và xóa nhu cầu trực tiếp bằng cách bắt buộc hoặc cấm các sản phẩm và công nghệ cụ thể. Quy định được thiết kế đúng cách được thảo luận kích thích sự đổi mới của các công ty và tạo ra các thị trường mới mà các công ty hiện tại đã bỏ qua (Porter & van der Linde, 1995). Dữ liệu bằng sáng chế xác nhận rằng các phát minh tuân thủ quy định được tập trung sinh ra ở các quốc gia và thời kỳ quy định được tăng cường (Lee, Veloso & Hounshell, 2011)
• Dẫn hướng nghiên cứu thông qua phân bổ vốn：Các quỹ nghiên cứu công khai với mục đích sử dụng được chỉ định sẽ chuyển hướng quan tâm của các nhà nghiên cứu đến chủ đề đó. Dữ liệu từ NIH Hoa Kỳ chứng minh rằng khi tài trợ cho một lĩnh vực cụ thể tăng lên, các nhà nghiên cứu sẽ thay đổi chủ đề khi nộp đơn, và hướng nghiên cứu được thúc đẩy bởi chính sách (Myers, 2020)

Các ví dụ cụ thể

• Luật năng lượng tái tạo Đức và thị trường năng lượng mặt trời：Luật năng lượng tái tạo (EEG) có hiệu lực năm 2000 đảm bảo mua điện với giá cố định trong 20 năm, đưa Đức lên vị trí thị trường năng lượng mặt trời lớn nhất thế giới, và kích thích đầu tư sản xuất hàng loạt bảng điều khiển trên toàn cầu. Luật này đã được thảo luận từ những năm 1990, và các dấu hiệu có thể được quan sát trước khi được thông qua (Jacobsson & Lauber, 2006)
• Quy định xe không khí thải zero của California và thị trường xe điện：Quy định ZEV được giới thiệu năm 1990 bắt buộc các nhà sản xuất bán một tỷ lệ nhất định các phương tiện không phát thải, và thông qua các sự gia tăng sau đó, nó dẫn hướng nghiên cứu phát triển điện khí hóa. Một trong những điểm khởi đầu của thị trường xe điện không phải là nhu cầu mà là quy định (Collantes & Sperling, 2008)
• Quy định khí thải và bộ chuyển đổi xúc tác：Sự tăng cường quy định khí thải theo Luật không khí sạch của Hoa Kỳ đã làm tăng đơn xin cấp bằng sáng chế công nghệ lọc khí thải của các nhà sản xuất ô tô và nhà cung cấp phù hợp với thời gian quy định. Quy định quyết định thời gian và hướng của phát minh (Lee, Veloso & Hounshell, 2011)

Sự thay đổi kinh tế

Nó ảnh hưởng đến thị trường như thế nào

• Ngưỡng sức mua：Khi mức thu nhập tăng lên và giá của một sản phẩm nằm dưới mức có khả năng trả của hộ gia đình, thị trường sẽ tăng lên không liên tục. Sự mở rộng của tầng lớp trung lưu ở các quốc gia mới nổi đã tăng dân số vượt qua ngưỡng này hàng năm từng chục triệu người (Kharas, 2017)
• Giải phóng công dụng bằng sự sụp đổ chi phí：Khi chi phí công nghệ giảm, các ứng dụng lần lượt trở nên khả thi về kinh tế từ "có thể về mặt kỹ thuật nhưng quá đắt", và thị trường thay đổi. Quy tắc kinh nghiệm rằng chi phí giảm đi một tỷ lệ nhất định mỗi khi số lượng sản xuất lũy tích tăng gấp đôi đã được xác nhận cho nhiều công nghệ, và giao điểm của đường chi phí giảm và ngưỡng khả thi của ứng dụng trở thành ước tính về thời gian phát triển thị trường (Nagy et al., 2013; Farmer & Lafond, 2016)
• Dẫn hướng phát minh bằng giá tương đối：Khi giá của các nguồn lực đầu vào tăng lên, phát minh sẽ tăng lên đối với các công nghệ tiết kiệm tài nguyên đó. Cơ chế được biết đến như "Đổi mới được gợi ý" này cho thấy rằng tín hiệu kinh tế thúc đẩy hướng phát minh (Schmookler, 1966; Popp, 2002)

Các ví dụ cụ thể

• Tầng lớp trung lưu ở các quốc gia mới nổi và thanh toán di động：Dân số tầng lớp trung lưu thế giới đã mở rộng nhanh chóng trong những năm 2010 và phần lớn trong số đó là châu Á (Kharas, 2017). Khi những người không có tài khoản ngân hàng bắt đầu sở hữu smartphone, các thị trường không tồn tại ở các nước phát triển đã xuất hiện, chẳng hạn như thanh toán di động Trung Quốc hoặc các nền tảng gọi xe và thanh toán của Đông Nam Á.
• Sự sụp đổ chi phí giải mã bộ gen và xét nghiệm gen cá nhân：Chi phí giải mã bộ gen của một người từ khoảng 100 triệu đô la vào năm 2001 đã giảm xuống dưới 1,000 đô la vào giữa những năm 2010 (Wetterstrand, 2023). Sự sụp đổ này đã biến các ứng dụng thành thị trường mà trước đó chỉ khả thi tại các cơ quan nghiên cứu, chẳng hạn như xét nghiệm gen cá nhân, y học bộ gen ung thư, và chọn giống trong nông nghiệp và chăn nuôi.
• Giá năng lượng và bằng sáng chế công nghệ tiết kiệm năng lượng：Sau cuộc khủng hoảng dầu mỏ thập niên 1970, sự tăng giá năng lượng đã làm tăng đơn xin cấp bằng sáng chế công nghệ tiết kiệm năng lượng một cách có ý nghĩa thống kê. Tác động của mức tăng giá xuất hiện trong vòng vài năm, và khi giá giảm, phát minh cũng chậm lại (Popp, 2002). Đây là ví dụ thực nghiệm rõ ràng nhất rằng sự thay đổi giá tương đối thúc đẩy hướng phát minh.

Sự thay đổi xã hội

Nó ảnh hưởng đến thị trường như thế nào

• Tính chắc chắn của cơ cấu dân số：Nhân khẩu học là "tương lai đã xảy ra". Số lượng người sinh ra trong năm nay xác định gần như chắc chắn dân số 20 tuổi 20 năm sau, và có thể dự đoán được nhu cầu tiêu dùng, y tế và nhà ở của từng nhóm tuổi cho đến 10-20 năm tới. Đây là tài liệu dự báo có độ chắc chắn cao nhất trong 4 nguồn gốc (Drucker, 1997)
• Dẫn hướng phát minh bằng cách dự đoán nhu cầu trong tương lai：Quy mô thị trường trong tương lai được dự đoán từ nhân khẩu học thúc đẩy hướng của nghiên cứu và phát triển của các công ty. Nó đã được xác nhận một cách nhân quả rằng nhiều sản phẩm mới được phát triển hơn trong các lĩnh vực có thị trường dự kiến lớn hơn (Acemoglu & Linn, 2004)
• Sự thay đổi giá trị và lối sống：Những thay đổi trong giá trị (môi trường, sức khỏe, cách sử dụng thời gian) và cơ cấu hộ gia đình chuyển nhu cầu từ các danh mục sản phẩm hiện tại sang các danh mục khác. Không giống như nhân khẩu học, nó xuất hiện trên các con số muộn hơn, vì vậy nó chỉ có thể được bắt được sớm bằng cách quan sát người dùng hàng đầu (von Hippel, 1986)

Các ví dụ cụ thể

• Dân số cao tuổi của Nhật Bản và thị trường chăm sóc và chăm sóc sức khỏe：Tỷ lệ dân số từ 65 tuổi trở lên của Nhật Bản đã tăng từ 12% năm 1990 lên 29% năm 2020, và dự kiến sẽ tiếp tục tăng (Viện Nghiên cứu Chính sách xã hội và dân số Quốc gia, 2023). Với sự thay đổi chắc chắn này làm nền tảng, thị trường dịch vụ chăm sóc đã xuất hiện cùng với việc giới thiệu hệ thống bảo hiểm chăm sóc năm 2000, và hiện nay đã mở rộng sang thị trường ứng dụng công nghệ như giám sát, quản lý thuốc và robot chăm sóc.
• Nhân khẩu học và phát triển thuốc mới：Nó được chỉ ra rằng đối với các bệnh trong đó số bệnh nhân trong tương lai có thể được dự đoán từ sự thay đổi dân số của mỗi nhóm tuổi ở Hoa Kỳ, phát triển và phê duyệt thuốc mới đều tăng lên. Ước tính rằng nếu quy mô thị trường dự kiến lớn hơn 1%, sự tham gia thuốc mới sẽ tăng khoảng 4-6%, một ví dụ thực nghiệm chứng minh rằng dự đoán nhu cầu trong tương lai quyết định hướng phát minh (Acemoglu & Linn, 2004)
• Sự mở rộng việc làm của phụ nữ và thị trường dịch vụ tiết kiệm thời gian và chăm sóc trẻ em：Sự mở rộng việc làm và xây dựng sự nghiệp của phụ nữ vào nửa sau thế kỷ 20 được gọi là "cuộc cách mạng âm thầm", một sự thay đổi cơ bản về cấu trúc (Goldin, 2006), và thông qua sự tăng lên của các hộ gia đình có hai Thu nhập, nó đã đẩy mạnh thị trường dịch vụ tiết kiệm thời gian như chăm sóc trẻ em, thức ăn nhanh và giao hàng thực phẩm, và dịch vụ làm việc nhà ở các quốc gia. Đây là một ví dụ về sự kết hợp của nhân khẩu học và sự thay đổi giá trị.

Sự thay đổi công nghệ

Là nguồn gốc sinh ra những thay đổi không liên tục nhất trong số 4 điều, và được xử lý một cách rộng rãi nhất.

Nó ảnh hưởng đến thị trường như thế nào

• Chuỗi lĩnh vực ứng dụng bằng công nghệ mục đích chung：Các công nghệ mục đích chung như động cơ hơi nước, điện và công nghệ thông tin (General Purpose Technology) không tạo giá trị bởi chính nó, mà tạo ra vô số lĩnh vực ứng dụng thông qua chuỗi các đổi mới bổ sung (Bresnahan & Trajtenberg, 1995). Chuỗi này được quan sát lặp đi lặp lại ở các cấp độ Cơ sở hạ tầng → Nền tảng → Ứng dụng, và nếu có thể xác nhận sự xuất hiện của công nghệ mục đích chung, có thể đưa ra dự báo cấu trúc rằng "điều tiếp theo sẽ là lớp ứng dụng của nó, và điều sẽ mở ra tiếp theo là chủ đề nghiên cứu của lớp ứng dụng" (Andreessen, 2011)
• Cấu trúc thời gian dài：Để công nghệ mục đích chung được phản ánh trong năng suất, cần phải có những phát minh bổ sung được thiết kế lại quy trình kinh doanh và tổ chức, điều này mất hàng chục năm. Độ trễ từ phát minh đến phổ biến trung bình lên đến 45 năm về mặt lịch sử, và sự khác biệt về độ trễ giải thích được khoảng 1/4 của chênh lệch thu nhập giữa các quốc gia (Comin & Hobijn, 2010). Nó được chỉ ra rằng cuộc cách mạng công nghệ đi theo mô hình chung "giai đoạn giới thiệu → cơn sốt và bong bóng → điểm chuyển đổi → giai đoạn triển khai" trong 5 làn sóng kể từ cuộc cách mạng công nghiệp (Perez, 2002)
• Giải phóng thị trường tuần tự bằng đường cong chi phí：Quy tắc kinh nghiệm rằng "mỗi khi số lượng sản xuất lũy tích tăng gấp đôi, chi phí sẽ giảm đi một tỷ lệ nhất định" (Luật của Wright) đã được xác nhận có độ dự báo cao trong xác minh 62 công nghệ (Wright, 1936; Nagy et al., 2013). Mỗi khi chi phí giảm, một ứng dụng mới sẽ sống được về mặt kinh tế, và thị trường sẽ mở ra theo từng bước.

Các ví dụ cụ thể

• Điện và năng suất của nhà máy (khoảng 40 năm độ trễ)：Điện được thực hành vào những năm 1880, nhưng nó được phản ánh trong năng suất của nhà máy vào những năm 1920. Điều này là do mất khoảng 40 năm để thiết kế lại bố cục nhà máy và thiết kế công việc được giả định với công cơ tương tự được giả định với động cơ điện, một phát minh bổ sung (David, 1990). Đây là một ví dụ gốc rễ cho thấy rằng thị trường của công nghệ mục đích chung không xuất hiện khi công nghệ được giới thiệu mà khi tài sản bổ sung được trang bị.
• Internet, đám mây và tầng ứng dụng：Trên hạ tầng Internet là thương mại điện tử, tìm kiếm và SaaS, trên nền tảng smartphone là nền kinh tế ứng dụng, trên đám mây là nền kinh tế API, mỗi cái đều xuất hiện với khoảng 10 năm độ trễ. Quan sát "phần mềm ăn thế giới" năm 2011 là bản dịch của cấu trúc tầng này thành luận điểm đầu tư (Andreessen, 2011)
• GPU và học sâu sang AI đa năng, rồi đến AI Agent đặc hóa：Năm 2009, nó được chỉ ra rằng GPU tăng tốc độ huấn luyện học sâu gấp hàng chục lần (Raina, Madhavan & Ng, 2009), và năm 2012, mạng thần kinh được huấn luyện với GPU đã áp đảo trong nhận dạng hình ảnh và sự bùng nổ học sâu bắt đầu (Krizhevsky, Sutskever & Hinton, 2012). Sự sụp đổ chi phí của tính toán song song đã làm cho các mô hình cơ sở (AI đa năng) khả thi, và khi lớp ứng dụng, thị trường của AI Agent đặc hóa đang mở ra. Khoản đầu tư CUDA của NVIDIA vào năm 2006 là quyết định đánh cược vào thượng nguồn nhất của chuỗi này (Witt, 2025)
• Đường cong chi phí năng lượng mặt trời và pin: Chi phí phát điện mặt trời giảm khoảng 20% cứ sau mỗi lần sản lượng tích lũy tăng gấp đôi trong khoảng 40 năm, và đã thấp hơn các nguồn điện hiện có ở nhiều khu vực vào những năm 2010 (Farmer & Lafond, 2016). Pin lithium-ion cũng theo cùng quy luật và đã vượt qua ngưỡng kinh tế khả thi của xe điện (Ziegler & Trancik, 2021). Nếu ngoại suy đường cong chi phí, cả hai thị trường này đều có thể được ước tính thời kỳ khởi động hơn 10 năm trước.

Bốn thay đổi môi trường bên ngoài này không độc lập mà có liên kết với nhau. Thị trường xe điện khởi động từ phép nhân: giảm chi phí pin (công nghệ) × quy định khí thải (chính trị) × giá trị quan điểm khử carbon (xã hội) × nhu cầu của các nước đang phát triển (kinh tế). Thị trường năng lượng mặt trời cũng là kết quả của việc đường cong chi phí (công nghệ · kinh tế), chính sách mua điện (chính trị), và tiêu chuẩn môi trường (xã hội) cùng hướng. Khi nhiều nguồn cùng hướng, tăng trưởng của lĩnh vực đạt độ chính xác cao nhất.

Cách tiếp cận để dự đoán thị trường tăng trưởng

Phương pháp phát hiện và định lượng những thay đổi trở thành yếu tố của thị trường tăng trưởng có thể được phân loại thành 5 hệ thống · 12 phương pháp. Dưới đây, mỗi phương pháp được giải thích theo cùng các góc độ: tổng quan, bối cảnh xuất hiện, và ví dụ cụ thể.

Hệ thống ngoại suy · mô hình

Đây là hệ thống áp dụng quy luật vào dữ liệu quá khứ và kéo dài vào tương lai. Khi dữ liệu tồn tại, nó là định lượng nhất, và khi không tồn tại, nó sử dụng các trường hợp tương tự.

Đường cong S / Lý thuyết phổ biến

• Tổng quan: Sự phổ biến của công nghệ mới diễn ra theo thứ tự: Người đi tiên phong (2,5%) → Những người chấp nhận sớm (13,5%) → Đa số ban đầu (34%) → Đa số muộn (34%) → Những kẻ lạc hậu (16%), và khi tích lũy sẽ tạo thành hình chữ S. Khi tỷ lệ phổ biến đạt 10~20%, độ dốc của hình chữ S có thể được ước tính, và mức bão hòa cũng như thời gian để đạt được có thể được ngoại suy (Rogers, 1962)
• Bối cảnh xuất hiện: Nguồn gốc là một nghiên cứu xã hội học trong những năm 1930 tại bang Iowa theo dõi quá trình áp dụng ngô lai tổng hợp lan rộng giữa các nông dân. Phân phối thời gian áp dụng gần giống phân phối chuẩn, và việc tích lũy tạo thành hình chữ S đã được phát hiện (Ryan & Gross, 1943). Các nhà kinh tế học đã tái tạo điều này bằng dữ liệu từng tiểu bang và chỉ ra rằng tốc độ phổ biến tỷ lệ thuận với khả năng sinh lợi (Griliches, 1957). Rogers đã tích hợp hơn 500 nghiên cứu về phổ biến và hệ thống hóa nó như một lý thuyết chung
• Ví dụ cụ thể: Tỷ lệ phổ biến của TV màu, điện thoại di động, điện thoại thông minh, và internet đều tạo thành hình chữ S theo tỷ lệ phổ biến hộ gia đình ở Hoa Kỳ. Sai sót trong dự đoán điện thoại di động ở Hoa Kỳ những năm 1980 kém hơn kết quả thực tế hơn 100 lần, xuất phát từ việc kéo dài phần khởi động ban đầu chậm chạp theo đường thẳng (The Economist, 1999). Ngược lại, nếu áp dụng hình chữ S khi tỷ lệ phổ biến vượt quá 10%, mức bão hòa có thể được đọc với độ chính xác khá cao (Rogers, 1962; The Economist, 1999)

Mô hình Bass

• Tổng quan: Đây là mô hình toán học hóa đường cong S bằng hai hệ số: "hệ số đổi mới p (sức mạnh áp dụng tự phát thông qua quảng cáo hoặc thông tin bên ngoài)" và "hệ số bắt chước q (sức mạnh lan rộng thông qua từng miệng những người áp dụng hiện tại)". Từ số lượng người áp dụng tích lũy, có thể tính toán số lượng người áp dụng kỳ tiếp theo, và thời kỳ đạt đỉnh cũng như quy mô thị trường có thể được tìm thấy một cách phân tích. Phân tích tổng hợp của 213 nghiên cứu ứng dụng cho thấy giá trị trung bình của p là khoảng 0,03 và giá trị trung bình của q là khoảng 0,38 (Bass, 1969; Sultan, Farley & Lehmann, 1990)
• Bối cảnh xuất hiện: Trong những năm 1960, các nhà sản xuất thiết bị điện tử cần dự đoán đỉnh doanh số từ dữ liệu vài năm sau khi phát hành để lập kế hoạch sản xuất đối với hàng hóa tiêu dùng bền vững như TV màu. Bass đã xác minh tính phù hợp trên 11 sản phẩm bao gồm tủ lạnh, tủ đông, TV, và thậm chí còn dự đoán trước thời gian đạt đỉnh doanh số của TV màu (Bass, 1969)
• Ví dụ cụ thể: Công ty đồ chơi Mattel đã dự đoán số lượng người đăng ký trong 5 năm của vệ tinh phát sóng DirecTV bằng mô hình Bass trước khi dịch vụ khởi động năm 1994, sử dụng hệ số từ các dịch vụ tương tự như TV cáp, và kết quả gần như trùng khớp với thực tế. Đây là ví dụ tiêu biểu cho thấy mô hình có thể hoạt động ngay cả trước khi phát hành (Bass et al., 2001)

Quy luật Wright (Đường cong kinh nghiệm)

• Tổng quan: Đây là quy tắc kinh nghiệm rằng "mỗi khi sản lượng tích lũy tăng gấp đôi, chi phí đơn vị giảm theo một tỷ lệ cố định (10~30% tùy theo công nghệ)". Nó dự đoán sự khởi động của thị trường từ phía chi phí chứ không phải nhu cầu. Điểm mà đường giảm chi phí gặp ngưỡng mà sử dụng trở nên kinh tế khả thi trở thành ước tính thời gian thị trường mở ra (Wright, 1936)
• Bối cảnh xuất hiện: Năm 1936, kỹ sư hàng không Wright phát hiện ra rằng giờ lao động lắp ráp máy bay giảm theo tỷ lệ cố định khi số lượng máy bay sản xuất tích lũy tăng. Nó được sử dụng trong kế hoạch sản xuất máy bay quân sự trong Thế chiến II, và vào những năm 1960, Boston Consulting Group đưa nó vào chiến lược kinh doanh dưới cái tên "đường cong kinh nghiệm" (Wright, 1936; Boston Consulting Group, 1968). Vào những năm 2010, quy luật này đã được xác minh thống kê rằng nó có sức dự đoán cao hơn các phương pháp dự đoán khác trên dữ liệu 62 công nghệ (Nagy et al., 2013)
• Ví dụ cụ thể: Mô-đun pin mặt trời tiếp tục giảm chi phí khoảng 20% cứ sau mỗi lần sản lượng tích lũy tăng gấp đôi kể từ năm 1976, và đã thấp hơn chi phí phát điện từ nhiên liệu hóa thạch ở nhiều khu vực vào những năm 2010. Pin lithium-ion cũng giảm theo cùng quy luật và đã vượt qua ngưỡng kinh tế khả thi của xe điện (Farmer & Lafond, 2016; Ziegler & Trancik, 2021). Nếu ngoại suy quy luật này vào năm 1980, có thể đã dự đoán được rằng thị trường năng lượng mặt trời sẽ mở ra vào những năm 2010.

Dự đoán lớp tham chiếu

• Tổng quan: Thay vì tích lũy dự đoán về đối tượng "từ trong ra", phương pháp này kiểm tra phân phối thực tế của các trường hợp tiên lệ tương tự (lớp tham chiếu) và định vị đối tượng trong phân phối đó. Đối với dự đoán thị trường mới, nó sử dụng hệ số phổ biến hoặc số năm để đạt đỉnh của công nghệ tương tự (Kahneman & Tversky, 1979; Flyvbjerg, 2006)
• Bối cảnh xuất hiện: Các nhà tâm lý học Kahneman và Tversky chỉ ra rằng con người có xu hướng quá lạc quan khi nhìn kế hoạch của họ từ bên trong (sai lầm lập kế hoạch), và họ đề xuất một quy trình điều chỉnh bằng quan điểm bên ngoài (Kahneman & Tversky, 1979). Flyvbjerg chỉ ra rằng 9 trên 10 dự án cơ sở hạ tầng giao thông vượt quá ngân sách dựa trên dữ liệu 258 dự án (Flyvbjerg, Holm & Buhl, 2002), và đã đưa vào thực tế phương pháp nhận được tỷ lệ điều chỉnh từ phân phối lớp tham chiếu. Bộ Tài chính Anh đã chấp nhận nó thành hướng dẫn chính thức để đánh giá dự án công cộng năm 2004 (Flyvbjerg, 2006)
• Ví dụ cụ thể: Trong dự đoán doanh số của sản phẩm thiết bị điện tử mới, việc tham chiếu đường cong phổ biến của các sản phẩm tương tự cho thấy độ chính xác cao hơn dự đoán chỉ dựa trên phán đoán của các nhà quản lý (Goodwin, Dyussekeneva & Meeran, 2013). Dự đoán trước khi phát hành của DirecTV cũng là một loại dự đoán lớp tham chiếu sử dụng hệ số từ các dịch vụ tương tự (Bass et al., 2001). Để ước tính sự phổ biến của các tác nhân AI chuyên biệt, sự thay đổi tỷ lệ áp dụng của các doanh nghiệp đối với SaaS và điện toán đám mây là những ứng cử viên tiềm năng cho lớp tham chiếu.

Hệ thống phát hiện tín hiệu

Đây là hệ thống lấy những dấu hiệu bước sơ khai, rời rạc trước khi dữ liệu trở thành con số.

Tín hiệu yếu (weak signals)

• Tổng quan: Đây là cách tiếp cận để thu thập và giải thích một cách có tổ chức những dấu hiệu bước sơ khai, rời rạc và mơ hồ (tín hiệu yếu) đi trước những thay đổi lớn. Nó được kết hợp với "phản ứng từng bước" để tăng cường phản ứng theo mức độ chắc chắn của tín hiệu (Ansoff, 1975)
• Bối cảnh xuất hiện: Cú sốc dầu mỏ năm 1973 là động lực, khi kế hoạch kinh doanh dài hạn chủ yếu vào thời điểm đó hoàn toàn không thích ứng với những thay đổi không liên tục. Ansoff, người sáng lập lý thuyết quản lý chiến lược, lập luận rằng chờ đợi cho đến khi thông tin đủ thì sẽ quá muộn, và cần phải bắt đầu hành động từ giai đoạn tín hiệu yếu (Ansoff, 1975). Vào những năm 2000, nó được hệ thống hóa như một nghiên cứu về "tầm nhìn ngoài biên" và những lý do tại sao các tổ chức bỏ lỡ tín hiệu cũng như các giải pháp đã được làm rõ (Day & Schoemaker, 2006; Schoemaker & Day, 2009)
• Ví dụ cụ thể: Công ty đồ chơi Mattel đã bỏ qua trong vài năm những dấu hiệu của doanh số người nổi tiếng của nó Barbie bị xâm lấn bởi đối thủ cạnh tranh Bratz (sự thay đổi sở thích của các bé gái, sự thay đổi cách trưng bày hàng hóa tại các cửa hàng bán lẻ), và mất thị phần đáng kể. Nó được phân tích như một ví dụ về việc các tín hiệu tồn tại nhưng tổ chức không có cơ chế để nhận lấy chúng (Day & Schoemaker, 2006). Ngược lại, trong lĩnh vực quy định, việc nộp dự luật, thảo luận, và bình luận công khai là những ví dụ điển hình của tín hiệu yếu, có thể được quan sát vài năm trước khi được thông qua.

Phân tích định lượng bằng cách sử dụng chỉ số bằng sáng chế · bài báo

• Tổng quan: Phương pháp phát hiện công nghệ mới vài năm trước khi thương mại hóa bằng cách sử dụng các chỉ số như sự tăng tốc trong số đơn xin bằng sáng chế, tỷ lệ tăng trong số bài báo, những thay đổi cấu trúc trong mạng trích dẫn, và sự kết hợp các lĩnh vực khác nhau. Gần đây, nhiều chỉ số được nhập vào học máy để phân loại tự động (Lee et al., 2018)
• Bối cảnh xuất hiện: Năm 1955, chỉ số trích dẫn bài báo được đề xuất (Garfield, 1955), và được thực tế hóa như Science Citation Index vào những năm 1960, điều này cho phép theo dõi định lượng xu hướng của khoa học. Đối với bằng sáng chế, nó đã được chứng minh rằng các bằng sáng chế được trích dẫn nhiều hơn có giá trị kinh tế cao hơn (Hall, Jaffe & Trajtenberg, 2005), và dữ liệu bằng sáng chế trở thành công cụ để đo lường giá trị và hướng của công nghệ.
• Ví dụ cụ thể: Kỹ thuật chỉnh sửa gen CRISPR-Cas9 sau khi xuất bản bài báo năm 2012, số lượng bài báo liên quan và số đơn xin bằng sáng chế tăng vọt trong vài năm, đi trước giải Nobel Hóa học năm 2020 và thành lập nhiều công ty. Nếu theo dõi định lượng bài báo, có thể đã phát hiện sự khởi động của thị trường ứng dụng vài năm trước. Cùng một phương pháp cũng có hiệu quả đối với các nhà nghiên cứu, trở thành công cụ để tìm kiếm các lĩnh vực mới chưa bị tắc nghẽn (Foster, Rzhetsky & Evans, 2015)

Hệ thống trí tuệ tập thể · phán đoán

Khi dữ liệu không tồn tại và phải dựa vào phán đoán của con người, đây là hệ thống nâng cao độ chính xác bằng cách thu thập phán đoán và đào tạo.

Phương pháp Delphi

• Tổng quan: Phương pháp yêu cầu các chuyên gia dự đoán ẩn danh, tổng hợp kết quả và lý do rồi phản hồi lại để trả lời lại nhiều lần, làm hội tụ ý kiến. Tính ẩn danh ngăn chặn sự từng phục với những người có tiếng nói lớn, và việc lặp lại chia sẻ thông tin (Dalkey & Helmer, 1963). Tên gọi xuất phát từ "Delphi (Delphoi)" - nơi có Đền thờ Apollo ở Hy Lạp cổ đại, nơi các nhân dân tìm cầu thần thánh (Delphi) giống như các nhà quản lý quốc gia tìm cầu các nhà tiên tri để dự đoán tương lai khi phải đưa ra những quyết định lớn, tương tự như vậy phương pháp này tập hợp kiến thức và dự đoán của nhiều chuyên gia để dự đoán và quyết định tương lai.
• Bối cảnh ra đời: Vào những năm 1950, trong thời kỳ Chiến tranh Lạnh, Viện RAND đã phát triển phương pháp này cho Không quân Mỹ nhằm tổng hợp phán đoán của các chuyên gia về những câu hỏi quân sự không có dữ liệu (ví dụ: cần bao nhiêu bom nguyên tử để giảm sản xuất quân dụng của Mỹ một lượng nhất định trong trường hợp bị tấn công bởi Liên Xô). Phương pháp này đã khắc phục vấn đề trong hội thảo khi ý kiến của những người có thẩm quyền hoặc nói nhiều chi phối toàn bộ cuộc thảo luận, bằng cách sử dụng vòng lặp ẩn danh (Dalkey & Helmer, 1963). Trong các bài đánh giá nghiên cứu thực nghiệm sau đó, phương pháp Delphi vượt trội hơn nhóm được tổng hợp thống kê trong 12 trên 16 nghiên cứu, và vượt trội hơn nhóm mặt đối mặt thông thường trong 5 trên 5 nghiên cứu (Rowe & Wright, 1999).
• Ví dụ cụ thể: Cuộc khảo sát dự báo khoa học và công nghệ của Nhật Bản đã tiến hành khoảng 5 năm một lần bằng phương pháp Delphi kể từ năm 1971, hỏi hàng nghìn chuyên gia về thời điểm thực hiện các công nghệ khoa học trong tương lai, và cuộc khảo sát lần thứ 11 đã đề cập đến khoảng 700 chủ đề khoa học và công nghệ. Đây là cuộc khảo sát Delphi dài nhất trên thế giới kéo dài nửa thế kỷ (Viện Nghiên cứu Chính sách Khoa học và Công nghệ, 2019).

Thị trường dự báo

• Tổng quan: Đây là phương pháp giao dịch các dự báo như "X sẽ xảy ra vào năm ◯" dưới dạng chứng chỉ, và đọc giá của chúng như các ước tính xác suất. Phương pháp này áp dụng chức năng của thị trường trong việc tích hợp thông tin phân tán vào dự báo (Wolfers & Zitzewitz, 2004).
• Bối cảnh ra đời: Cái nhìn sâu sắc rằng giá tích hợp kiến thức phân tán có nguồn gốc từ các tác phẩm cổ điển trong kinh tế học (Hayek, 1945). Vào năm 1988, Đại học Iowa đã mở một thị trường dự báo cho cuộc bầu cử tổng thống, dự báo tỷ lệ phiếu bầu chính xác hơn các cuộc thăm dò ý kiến công chúng, điều này đã nhận được sự chú ý (Forsythe et al., 1992). Từ những năm 2000, việc ứng dụng bên trong các công ty đã bắt đầu, và các nhà kinh tế học đề xuất việc sử dụng chúng cho các chính sách (Arrow et al., 2008).
• Ví dụ cụ thể: Hewlett-Packard vận hành một thị trường bên trong công ty để nhân viên dự báo doanh số bán hàng máy in, và trong 8 trường hợp thì 6 trường hợp cho kết quả chính xác hơn dự báo doanh số chính thức (Chen & Plott, 2002). Trong phân tích thị trường dự báo nội bộ của Google và Ford, giá cả cũng hoạt động chủ yếu như các xác suất được hiệu chỉnh, và các hiệu ứng bổ chính độ lệch lạc quan có trong dự báo chính thức của công ty cũng đã được xác nhận (Cowgill & Zitzewitz, 2015).

Siêu dự báo (Superforecasting)

• Tổng quan: Đây là phương pháp coi dự báo là một kỹ năng có thể đào tạo, và tăng độ chính xác thông qua các bước sau: (1) chia nhỏ các câu hỏi lớn thành các câu hỏi nhỏ có thể trả lời, (2) bắt đầu từ tỷ lệ cơ bản (tỷ lệ xảy ra trong quá khứ của các trường hợp tương tự) và sau đó điều chỉnh theo hoàn cảnh riêng biệt, (3) biểu thị xác suất ở mức độ chi tiết hơn và cập nhật từng chút một bằng thông tin mới, (4) thảo luận trong nhóm, và (5) ghi lại hiệu suất và xem lại (Tetlock & Gardner, 2015).
• Bối cảnh ra đời: Sau kết quả 20 năm nghiên cứu cho thấy dự báo của các chuyên gia ngang bằng với tinh tinh (Tetlock, 2005), Cơ quan IARPA của Mỹ đã tổ chức một cuộc thi dự báo địa chính trị từ năm 2011 đến 2015, trong đó các nhóm nghiên cứu khác nhau cạnh tranh với nhau. Nhóm của Tetlock đã đào tạo những tình nguyện viên thường dân, lựa chọn những "siêu dự báo gia" ở top 2% và tổ chức thành đội, và bằng cách này họ đã vượt xa các nhóm khác (Mellers et al., 2014).
• Ví dụ cụ thể: Câu hỏi "trong 5 năm, các đại lý AI chuyên biệt sẽ được triển khai ở ◯% của các công ty quy mô vừa?" không thể trả lời trực tiếp như vậy. Theo các bước của siêu dự báo, nó được chia nhỏ thành: (a) tỷ lệ cơ bản - công nghệ tương tự (SaaS, RPA) đã đạt được ◯% trong việc áp dụng doanh nghiệp trong 5 năm, (b) các điều kiện tiên quyết để triển khai (chuẩn bị API, quy định, giá cả) sẽ hoàn chỉnh trong bao năm, (c) các chỉ số dẫn đầu (số lượng công bố về triển khai thử nghiệm, số lượng tuyển dụng) đang thay đổi như thế nào, và sau đó đặt xác suất cho từng phần để tổng hợp lại. Việc chỉ khởi đầu từ tỷ lệ cơ bản đã cho thấy độ chính xác cao hơn intuition của các chuyên gia (Tetlock & Gardner, 2015).

Hệ thống tìm kiếm từ phía nhu cầu

Đây là hệ thống khám phá nhu cầu mà chưa xuất hiện trong các nghiên cứu thị trường thông qua quan sát người.

Phương pháp người dùng tiên phong

• Tổng quan: Phương pháp này tìm kiếm những người dùng tiên phong (người dùng cuối) mà gặp phải các thách thức cách đây vài năm so với người dùng trung bình, và không thể giải quyết bằng các sản phẩm hiện có nên tự tạo ra các giải pháp, sau đó đọc thị trường tương lai từ các giải pháp đó. Yếu tố chính là tìm kiếm những người dùng tiên phong bên ngoài thị trường của chính mình, trong các ngành lân cận nơi các thách thức tương tự tồn tại ở dạng cực đoan hơn (von Hippel, 1986).
• Bối cảnh ra đời: Nguồn gốc của phương pháp này là phát hiện rằng 77% các đổi mới quan trọng trong lĩnh vực các công cụ khoa học được tạo ra bởi người dùng (nhà nghiên cứu) chứ không phải nhà sản xuất (von Hippel, 1976). Khi các nhà sản xuất hỏi người dùng trung bình trong các cuộc khảo sát thị trường, họ không thấy nhu cầu mới là vì những người này chưa gặp phải các vấn đề, vì vậy phương pháp học trực tiếp từ những người dùng tiên phong đã được định hình trong năm 1986 (von Hippel, 1986).
• Ví dụ cụ thể: Bộ phận chăm sóc y tế của 3M, về vấn đề phòng ngừa nhiễm trùng trong phẫu thuật, thay vì chỉ hỏi các bác sĩ phẫu thuật (khách hàng của chính mình), đã tìm kiếm những người dùng tiên phong mà gặp phải cùng vấn đề ở những điều kiện cực đoan hơn: thú y (bệnh nhân có lông), họa sĩ trang điểm ở Hollywood (độ dính lâu dài của màng), và bác sĩ phẫu thuật ở các nước đang phát triển (các biện pháp phòng ngừa nhiễm trùng trong môi trường không có thiết bị), và lấy được các khái niệm sản phẩm phòng ngừa nhiễm trùng mới (von Hippel, Thomke & Sonnack, 1999). Các ý tưởng được tạo ra bằng phương pháp người dùng tiên phong đã cho thấy tiềm năng doanh số khoảng 8 lần cao hơn phương pháp thông thường (Lilien et al., 2002).

Lý thuyết Công việc

• Tổng quan: Phương pháp này coi khách hàng không mua sản phẩm mà "thuê" sản phẩm để hoàn thành "những việc cần làm (công việc)" mà họ muốn hoàn thành, xác định lại thị trường không phải theo danh mục sản phẩm hoặc thuộc tính khách hàng hiện có mà theo đơn vị của công việc. Khi nhìn theo đơn vị công việc, quy mô thị trường cũng như cuộc cạnh tranh sẽ thay đổi (Christensen et al., 2016).
• Bối cảnh ra đời: Cái nhìn sâu sắc cổ điển của tiếp thị "khách hàng không muốn mua khoan, họ muốn muốn lỗ" (Levitt, 1983) đã được Christensen lý thuyết hóa trong nghiên cứu về đổi mới phá vỡ. Nó sinh ra từ phân tích thất bại của các công ty hiện có trong việc chia sẻ thị trường theo thuộc tính khách hàng (tuổi, thu nhập), làm họ bỏ lỡ nhu cầu mới (Christensen, 1997; Christensen et al., 2016).
• Ví dụ cụ thể: Khi một chuỗi thức ăn nhanh cố gắng tăng doanh số bán sữa lắc bằng cách cải thiện hương vị hoặc giá cả nhưng không có hiệu quả, những quan sát cho thấy rằng nhiều khách hàng mua vào buổi sáng thực ra là để "chống buồn bã trong suốt chuyến đi sáng dài và ngăn chặn cảm giác đói cho đến trưa". Cuộc cạnh tranh của công việc này là chuối và bánh donut, và quy mô thị trường của sữa lắc nên được đo lường không phải theo "thị trường tráng miệng" mà theo "thị trường thời gian đi làm" - đây là ví dụ minh họa (Christensen et al., 2016).

Hệ thống cấu trúc và kịch bản

Đây là hệ thống mô tả nhiều tương lai khác nhau để chuẩn bị khi một dự báo đơn lẻ vô nghĩa vì mức độ không chắc chắn quá cao.

Lập kế hoạch kịch bản

• Tổng quan: Phương pháp này không cố gắng ghim một dự báo duy nhất, mà thay vào đó phân biệt các yếu tố chắc chắn (nhân khẩu học, v.v.) và những không chắc chắn quan trọng (quy định, bước đột phá công nghệ, v.v.), và mô tả 2 đến 4 hình ảnh tương lai nhất quán thông qua các kết hợp không chắc chắn, đồng thời theo dõi các chỉ báo dẫn đầu của mỗi kịch bản. Mục đích không phải là dự đoán chính xác mà là chuẩn bị những quyết định có thể ứng phó dù kịch bản nào xảy ra (Schoemaker, 1995).
• Bối cảnh ra đời: Từ những năm 1950 đến 1960, Herman Kahn tại Viện RAND đã phát triển kỹ thuật mô tả sự phát triển của cuộc chiến tranh hạt nhân dưới dạng các kịch bản khác nhau (Kahn & Wiener, 1967). Shell đã đưa kỹ thuật này vào quản lý doanh nghiệp, và vào đầu những năm 1970, đã trình bày kịch bản "giá dầu tăng vọt và các nước sản dầu nắm lấy quyền lực" cho ban lãnh đạo, và ứng phó với cuộc khủng hoảng dầu năm 1973 sớm hơn các công ty cạnh tranh. Wack, người chịu trách nhiệm, đã lý thuyết hóa trải nghiệm này trong một bài báo năm 1985 (Wack, 1985).
• Ví dụ cụ thể: Shell cũng mô tả các kịch bản về sự thay đổi chế độ Liên Xô và sự sụp đổ giá dầu vào những năm 1980, và được cho là đã chuẩn bị cho cuộc sụp đổ giá dầu thô năm 1986 (Schwartz, 1991). Khi áp dụng vào dự báo thị trường tăng trưởng, ví dụ với các đại lý AI chuyên biệt, người ta có thể mô tả 4 kịch bản với 2 trục: "cường độ quy định AI (mạnh / yếu)" và "giảm chi phí mô hình nền tảng (nhanh / chậm)", sau đó rõ ràng các lĩnh vực ứng dụng và thời kỳ khác nhau sẽ được thiết lập trong mỗi kịch bản, và theo dõi tình trạng xem xét dự án quy định và sự thay đổi chi phí suy luận như các chỉ báo dẫn đầu (Schoemaker, 1995).

Sự tương ứng giữa nguồn và phương pháp

Năm hệ thống này, khi tương ứng với 4 nguồn ở chương trước, sẽ làm cho các trường hợp sử dụng trở nên rõ ràng.

• Sự thay đổi chính trị: Hệ thống cấu trúc và kịch bản (lập kịch bản cho từng nhánh quy định và ngân sách, theo dõi các chỉ báo dẫn đầu)
• Sự thay đổi kinh tế: Hệ thống ngoại suy và mô hình (đường cong chi phí, giá tương đối, chỉ số vĩ mô)
• Sự thay đổi xã hội: Hệ thống ngoại suy và mô hình (nhân khẩu học) + hệ thống tìm kiếm từ phía nhu cầu (thay đổi giá trị)
• Sự thay đổi công nghệ: Hệ thống phát hiện tín hiệu + hệ thống ngoại suy và mô hình (bằng sáng chế, bài báo → đường cong S, đường cong chi phí)

Ví dụ của các chuyên gia thực tiễn

Ngoài học viện, các nhà nghiên cứu, nhà đầu tư, công ty và quốc gia xuất sắc cũng thực hành các phương pháp có cùng loại hình với các phương pháp trên. Ở đây chúng tôi tổng hợp những phương pháp và hành động nào trong mỗi hạng mục để dự báo thị trường tăng trưởng.

Nhà đầu tư

Nhà đầu tư là chủ thể chuyển đổi trực tiếp nhất các dự đoán về thị trường tăng trưởng thành lợi nhuận. Tuy nhiên, thời gian và phương pháp khác nhau rất lớn giữa vốn đầu tư mạo hiểm (VC), nhà đầu tư cổ phiếu tăng trưởng, quỹ phòng hộ và nhà đầu tư tổ chức.

• Vốn đầu tư mạo hiểm (Sequoia Capital): Don Valentine, người đã đầu tư ban đầu vào Apple, Cisco và Google, đặt tiêu chí đầu tiên của quyết định đầu tư là "quy mô thị trường". Ông nói "tôi đầu tư vào thị trường lớn chứ không phải người", và liên tục nhấn mạnh rằng dù là một người quản lý xuất sắc cũng không thể tạo thành một công ty lớn trên một thị trường nhỏ (Valentine, 2010).
• Vốn đầu tư mạo hiểm (Y Combinator, Andreessen Horowitz, Founders Fund): Paul Graham của Y Combinator nói "sống trong tương lai, tạo ra những thứ còn thiếu", và tin rằng những bất tiện mà những người sống ở môi trường tiên tiến nhất cảm nhận chính là thị trường trong tương lai - đây là phiên bản thực tiễn của phương pháp người dùng tiên phong (Graham, 2012). Luận điểm "phần mềm đang ăn thế giới" của Andreessen Horowitz là bản dịch của lý thuyết công nghệ chung thành luận điểm đầu tư, và công ty này đặt trước một luận điểm cụ thể (đám mây, di động, AI), công khai và sau đó thực hiện một phiên bản thực tiễn của hệ thống cấu trúc và kịch bản bằng cách đầu tư theo đó (Andreessen, 2011). Câu hỏi của Peter Thiel từ Founders Fund "sự thật quan trọng nào mà gần như không ai đồng ý?" cho thấy rằng chỉ những dự báo khác biệt với sự đồng thuận mới có thể tạo ra lợi nhuận vượt quá (Thiel & Masters, 2014).
• Nhà đầu tư dài hạn cổ phiếu tăng trưởng (Baillie Gifford)：Công ty quản lý đầu tư của Scotland Baillie Gifford đã đầu tư vào Amazon và Tesla ở giai đoạn sớm sau khi niêm yết và tiếp tục nắm giữ trong hơn 10 năm. Cơ sở của họ là nghiên cứu thực nghiệm cho thấy lợi suất cổ phiếu bị phân bố cực kỳ lệch. Phân tích cổ phiếu Mỹ từ năm 1926 cho thấy toàn bộ tài sản được tạo ra bởi 4% cổ phiếu hàng đầu, trong khi 96% còn lại có lợi suất bằng hoặc thấp hơn tín phiếu kho bạc ngắn hạn (Bessembinder, 2018). Chiến lược này—thay vì dự đoán toàn bộ thị trường, xác định một số ít công ty có thể trở thành những người chiến thắng áp đảo trong thị trường tăng trưởng, tập trung vào họ và nắm giữ lâu dài—được rút ra từ phân bố này.
• Quản lý chủ động theo chủ đề (ARK Invest)：ARK Invest sử dụng Định luật Wright (giảm chi phí với mỗi lần đôi lên của sản lượng tích lũy) một cách rõ ràng để ngoại suy các đường cong chi phí của công nghệ như pin, giải mã bộ gen, AI, v.v., và dự đoán thời kỳ khởi động của thị trường ứng dụng để tiến hành đầu tư (ARK Invest, 2024). Đây là ví dụ về việc áp dụng trực tiếp phương pháp ngoại suy và mô hình từ bài viết này vào hoạt động quản lý, nhưng sự sụt giảm lớn của tài sản được quản lý kể từ năm 2021 cũng cho thấy giới hạn rằng ngay cả khi dự đoán đúng về hướng công nghệ, nếu giá nhập vào và thời kỳ sai thì sẽ gây ra tổn thất (Perez, 2002; Siegel, 2005).
• Quỹ phòng hộ vĩ mô (Bridgewater Associates)：Bridgewater do Ray Dalio lãnh đạo sử dụng phương pháp sắp xếp một cách có hệ thống các trường hợp khủng hoảng nợ, khủng hoảng tiền tệ và sự thay đổi quyền lực trong vài trăm năm qua, sau đó đán xét tình hình hiện tại giống với giai đoạn nào trong quá khứ (Dalio, 2018). Đây là phiên bản thực tế của dự đoán lớp tham khảo được áp dụng cho thị trường tài chính. Mặt khác, George Soros đã lý thuyết hóa "tính đệ quy"—rằng dự đoán của những người tham gia thị trường làm thay đổi giá cả, và giá cả làm thay đổi thực tế—và đặt giới hạn tự tham chiếu rằng dự đoán làm thay đổi đối tượng của nó vào tâm điểm của chiến lược đầu tư của mình (Soros, 1987). Đây là ví dụ về việc sử dụng bản thân các giới hạn của dự đoán làm nguồn lợi nhuận.
• Quỹ phòng hộ hệ thống lượng (Renaissance Technologies)：Renaissance Technologies, được thành lập bởi nhà toán học James Simons, không dự đoán sự tăng trưởng của thị trường hay tương lai của công ty. Công ty này giới hạn giao dịch trong việc nắm bắt các mô hình thống kê trong dữ liệu giá ngắn hạn (trong vài ngày), từ bỏ dự đoán dài hạn để duy trì hiệu suất cao (Zuckerman, 2019). Đây có thể được coi là sự công nhận giới hạn từ hướng ngược lại với bài viết này—"phân biệt giữa những gì có thể dự đoán được (tính quy luật thống kê ngắn hạn) và những gì không thể dự đoán được (hướng dài hạn của thị trường), chỉ đặt cược vào cái trước".
• Nhà đầu tư giá trị (Berkshire Hathaway)：Warren Buffett rõ ràng đã tránh dự đoán thị trường tăng trưởng và tiến hành đầu tư. Trong thư gửi cổ đông năm 2007, ông viết "Sự kinh doanh tồi tệ nhất là sự kinh doanh tăng trưởng nhanh chóng, cần đầu tư vốn lớn cho sự tăng trưởng, nhưng lại sinh ra rất ít lợi nhuận. Hãy nghĩ về ngành hàng không" (Buffett, 2008). Chiến lược của ông là tách biệt sự tăng trưởng của thị trường khỏi lợi suất đầu tư, chỉ lựa chọn các công ty có lợi thế cạnh tranh bền vững trong phạm vi mà anh ta hiểu được (vòng tròn năng lực của mình). Đây là ví dụ về việc đặt sự khó khăn trong việc dự đoán chính xác thị trường tăng trưởng và giới hạn rằng sự tăng trưởng không nhất thiết dẫn đến lợi nhuận vào nền tảng của triết lý đầu tư.
• Nhà đầu tư tổ chức (Temasek, Quỹ Đại học Yale)：Temasek, công ty đầu tư của chính phủ Singapore, đã đặt ra bốn xu hướng cấu trúc—"số hóa", "cuộc sống bền vững", "tương lai tiêu dùng" và "tuổi thọ dài hạn"—và tái sắp xếp danh mục đầu tư theo những chủ đề này (Temasek, 2023). Đây là ví dụ về việc dịch bốn nguồn (công nghệ, xã hội, kinh tế, nhân khẩu học) từ bài viết này thành phân bổ tài sản của nhà đầu tư tổ chức. David Swensen, người lãnh đạo Quỹ Đại học Yale, đã chuyển phân bổ sang các lớp tài sản như vốn mạo hiểm và cổ phiếu tư nhân—những lĩnh vực có tính bất đối xứng thông tin lớn và kỹ thuật dự đoán được đền bù bằng lợi suất vượt trội—từ những năm 1980, hoàn toàn thay đổi mô hình quản lý tài chính của quỹ đại học (Swensen, 2009). Đây là ví dụ về việc không chỉ lựa chọn "thị trường nào sẽ tăng trưởng" mà còn "thị trường nào mà kỹ thuật nhận diện sẽ trở thành lợi suất vượt trội".
• Những gì nghiên cứu thực nghiệm cho thấy về phán đoán của nhà đầu tư：Khảo sát 885 nhà đầu tư VC cho thấy yếu tố được coi trọng nhất trong lựa chọn công ty đầu tư là nhóm quản lý, tiếp theo là thị trường và mô hình kinh doanh (Gompers et al., 2020). Mặt khác, phân tích hậu kỳ hơn 200 công ty cho thấy thời kỳ là yếu tố giải thích thành công tốt nhất (Gross, 2015). Lợi suất của VC có phân bố cực kỳ lệch được hỗ trợ bởi một số ít những thành công lớn (Kerr, Nanda & Rhodes-Kropf, 2014), và cổ phiếu niêm yết có sự lệch lạc tương tự (Bessembinder, 2018), nên việc nhận diện thị trường không chỉ hoạt động dưới dạng câu hỏi "đầu tư vào dự án nào" mà còn "phân tán các cược nhỏ trên nhiều lĩnh vực nào và làm thế nào để tập trung vào người thắng", tức là thiết kế danh mục đầu tư. Trong quản lý chủ động cổ phiếu niêm yết, chỉ một số ít quản lý đã vượt quá mức trung bình của thị trường sau khi khấu trừ phí (Fama & French, 2010), và mối tương quan giữa tốc độ tăng trưởng kinh tế của các quốc gia và lợi suất cổ phiếu gần như bằng không hoặc âm (Ritter, 2005). Khả năng dự đoán thị trường tăng trưởng và việc dự đoán đó trở thành lợi suất đầu tư là những vấn đề riêng biệt cả từ góc độ thực nghiệm.

Công ty

• Amazon (Working Backwards, AWS)：Phương pháp "Working Backwards"—viết thư báo chí về tương lai trước tiên và phát triển ngược từ giá trị khách hàng—là sự thể chế hóa khám phá từ phía nhu cầu. Bằng phương pháp này, công ty đã phát hiện ra vào đầu những năm 2000 rằng "nếu công ty của chúng tôi có vấn đề này, các công ty khác cũng sẽ có" từ các vấn đề vận hành cơ sở hạ tầng nội bộ, và đã khởi động dịch vụ đám mây AWS vào năm 2006. Đây là ví dụ về việc phát hiện thị trường bên ngoài từ các vấn đề của người dùng đưa đầu (nhóm phát triển của công ty) nội bộ (Bryar & Carr, 2021).
• NVIDIA (CUDA)：Vào năm 2006, vài năm trước làn sóng học sâu, NVIDIA bắt đầu đầu tư vào nền tảng tính toán đa năng của GPU—CUDA. Ban đầu không có thị trường tồn tại và công ty bị các nhà đầu tư chỉ trích, nhưng đã đặt cược vào sự sụp đổ chi phí của tính toán song song, một thay đổi công nghệ, và tiếp tục đầu tư trong khi xác nhận các tín hiệu rằng các nhà nghiên cứu bắt đầu sử dụng GPU (Raina, Madhavan & Ng, 2009; Krizhevsky, Sutskever & Hinton, 2012), chờ đợi sự xuất hiện của các lĩnh vực ứng dụng (Witt, 2025). Đây là ví dụ điển hình của dự đoán khởi nguồn từ công nghệ và cập nhật từng bước.
• Intel (Điểm chuyển đổi chiến lược)：Vào năm 1985, CEO Andy Grove đọc tín hiệu rằng lợi nhuận từ sự kinh doanh bộ nhớ chính—công việc nơi công ty được thành lập—đang biến mất do sự xâm nhập của các nhà sản xuất Nhật Bản, và quyết định bỏ lại sự kinh doanh thành lập để tập trung vào bộ xử lý vi. Từ kinh nghiệm này, Grove gọi các dấu hiệu trước tiên của sự thay đổi cấu trúc công nghiệp là "điểm chuyển đổi chiến lược" và đã hệ thống hóa phương pháp để phát hiện chúng (Grove, 1996). Đây là ví dụ cho thấy quyết định rút lui cũng là một kết quả của dự đoán thị trường.
• Netflix (Truyền phát trực tuyến)：Khi thành lập năm 1997, Netflix bắt đầu với cho thuê DVD qua thư nhưng đã đặt "Net" vào tên công ty và dự kiến rằng với sự phổ biến của băng thông rộng và giảm chi phí truyền thông, tương lai sẽ là phát trực tuyến. Công ty khởi động dịch vụ phát trực tuyến vào năm 2007 và tự thay thế sự kinh doanh chính của mình (Keating, 2012). Đây là ví dụ về ngoại suy đường cong chi phí và quyết định tự mình đi trước vào cuộc cách mạng phá vỡ.
• Shell (Lập kế hoạch kịch bản)：Như đã đề cập trước, vào đầu những năm 1970, công ty đã chuẩn bị các kịch bản khủng hoảng dầu và đã đáp ứng nhanh hơn các đối thủ cạnh tranh đối với cú sốc dầu năm 1973 (Wack, 1985). Đây là nguyên mẫu của dự báo doanh nghiệp—công ty duy trì bộ phận kịch bản trong nửa thế kỷ.
• Những gì nghiên cứu thực nghiệm cho thấy về hiệu quả dự báo doanh nghiệp：Một nghiên cứu theo dõi 83 công ty Châu Âu trong 7 năm cho thấy các công ty có chức năng chuẩn bị cho tương lai (chức năng dự báo) hoàn chỉnh có tỷ suất lợi nhuận cao hơn 33% so với các công ty không có, và tốc độ tăng trưởng giá trị thị trường cao gấp khoảng 2 lần (Rohrbeck & Kum, 2018). Đây là bằng chứng rằng có chức năng khám phá thường xuyên chứ không phải dự đoán một lần duy nhất dẫn đến hiệu suất kinh doanh.

Nhà nghiên cứu

• Richard Hamming (Bell Labs)：Hamming đã chỉ ra rằng các nhà nghiên cứu đạt được kết quả lớn có điểm chung là "chọn các vấn đề quan trọng" và "làm việc với cửa mở (cởi mở với thông tin xung quanh)". Hamming dành mỗi chiều thứ Năm để suy nghĩ "vấn đề quan trọng là gì, tại sao tôi không giải quyết vấn đề đó" và khuyên các nhà nghiên cứu nên vào sớm vào các lĩnh vực đang mở ra (Hamming, 1986). Đây là phiên bản thực tế của chạy phát hiện tín hiệu liên tục và tham gia sớm.
• Katalin Karikó (mRNA Research)：Từ những năm 1990, Karikó đã tiếp tục làm việc trên các ứng dụng trị liệu mRNA, lĩnh vực hầu như không nhận được tài trợ vào thời điểm đó. Mặc dù trải qua việc giáng chức tại đại học nơi cô làm việc và từ chối tài trợ nghiên cứu, năm 2005 cô công bố phương pháp hạt nhân tính chất sửa đổi để chế tạo các nucleoside miễn dịch của mRNA, điều này đã trở thành cơ sở của vắcxin mRNA vào năm 2020, dẫn đến Giải Nobel Sinh lý học hoặc Y học năm 2023 (Karikó et al., 2005). Đây là ví dụ về việc "tham gia quá sớm" vào một lĩnh vực nghiên cứu có mục đích thời gian khác biệt so với "tham gia quá sớm" vào sự kinh doanh, và khoảng cách từ phát minh đến phổ biến có thể kéo dài hàng chục năm (Comin & Hobijn, 2010).
• Các nhà nghiên cứu GPU và học sâu：Năm 2009, một nhóm tại Đại học Stanford đã chỉ ra rằng nếu sử dụng GPU, có thể tăng tốc độ huấn luyện học sâu gấp hàng chục lần (Raina, Madhavan & Ng, 2009). Vào năm 2012, một nhóm tại Đại học Toronto đã huấn luyện mạng nơ-ron bằng hai GPU và thắng áp đảo cuộc thi nhận dạng hình ảnh, trở thành điểm bắt đầu của làn sóng học sâu (Krizhevsky, Sutskever & Hinton, 2012). Đây là ví dụ về việc chuyển đổi tín hiệu công nghệ về sự sụp đổ chi phí của tính toán song song thành chủ đề nghiên cứu ở giai đoạn mà nhiều nhà nghiên cứu khác chưa chú ý.
• Những gì nghiên cứu thực nghiệm cho thấy về cách lựa chọn：Một nghiên cứu phân tích 17,9 triệu bài báo cho thấy các bài báo có tác động lớn nhất có cấu trúc "hầu hết là các kết hợp của kiến thức tiêu chuẩn, với một kết hợp bất thường duy nhất" (Uzzi et al., 2013). Kết hợp với hiểu biết rằng đặt cược vào các lĩnh vực mới tạo ra tác động cao nhưng cũng có tỷ lệ thất bại cao (Foster, Rzhetsky & Evans, 2015), có thể sắp xếp lại rằng các nhà nghiên cứu xuất sắc tiến hành tham gia sớm bằng cách "lấy tích lũy của mình làm nền tảng, bước một bước vào lĩnh vực kề cận đang tăng trưởng".

Quốc gia

• Singapore (RAHS)：Từ năm 2004, Singapore đã thể chế hóa RAHS (Đánh giá rủi ro & Quét chân trời) như một chức năng thường xuyên của chính phủ, phát hiện tín hiệu yếu được hệ thống hóa. Hơn nữa, vào năm 2009, công ty đã thành lập Trung tâm tương lai chiến lược tại Phòng Thủ tướng, quản lý lập kế hoạch kịch bản của các bộ (Habegger, 2010). Đây là ví dụ về chạy khám phá tín hiệu liên tục ở quy mô quốc gia.
• Nhật Bản (Khảo sát dự báo khoa học công nghệ): Có sự tích lũy từ các cuộc khảo sát Delphi kéo dài khoảng 5 năm một lần từ năm 1971, trong cuộc khảo sát lần thứ 11, hàng ngàn chuyên gia đã dự báo thời gian thực hiện cho khoảng 700 chủ đề khoa học công nghệ. Đây là cuộc khảo sát Delphi dài nhất trên thế giới kéo dài nửa thế kỷ (Viện Nghiên cứu Chính sách Khoa học Công nghệ và Học thuật, 2019)
• Anh (Chương trình Foresight): Được khởi động năm 1994 dưới sự quản lý của Cục Khoa học của Chính phủ, các hội đồng chuyên gia đa lĩnh vực xem xét những thay đổi về công nghệ và xã hội trong 10-20 năm tới và phản ánh những thay đổi này vào chính sách (Habegger, 2010)
• Hoa Kỳ (DARPA): Năm 1958, Cơ quan Dự án Nghiên cứu Quốc phòng Tiên tiến được thành lập để ứng phó với vệ tinh nhân tạo Sputnik của Liên Xô, đã đầu tư vào các lĩnh vực công nghệ ở giai đoạn không có thị trường, tạo ra nền tảng cho các thị trường khổng lồ sau này như mô hình nguyên thủy của Internet (ARPANET), GPS, xe tự hành (Grand Challenge năm 2004) (Fuchs, 2010). Người ta cũng chỉ ra rằng nhiều công nghệ chính cấu thành iPhone có nguồn gốc từ nguồn vốn nghiên cứu công cộng (Mazzucato, 2013). Đây là ví dụ về việc quốc gia chịu trách nhiệm cho khoảng thời gian "nhập cảnh quá sớm"
• Đài Loan (ITRI và TSMC): Những năm 1970, Viện Kỹ thuật Công nghiệp (ITRI) của chính phủ đã nhập khẩu công nghệ bán dẫn từ Hoa Kỳ, và năm 1987 TSMC được thành lập từ sự tách biệt của ITRI. Đây là ví dụ về việc đọc được sự tăng trưởng dài hạn của thị trường bán dẫn và sự thay đổi trong cấu trúc ngành công nghiệp theo hướng phân chia lao động giữa thiết kế và sản xuất, khi quốc gia đặt cược vào một tầng chuyên sản xuất (foundry) chưa từng tồn tại trước đó (Mathews, 1997)

Các điểm chung cắt ngang 4 danh mục trên như sau.

• Không thực hiện dự báo một lần: Buổi chiều thứ Sáu của Hamming, tiêu chuẩn thị trường của Sequoia, bộ phận kịch bản của Shell, và RAHS của Singapore đều có các cơ chế thường xuyên để bắt tín hiệu liên tục
• Phản ứng nhanh chóng với các tín hiệu công nghệ và quy định: NVIDIA, Netflix, DARPA và Đài Loan đều hoạt động trước khi các thay đổi trong đường cong chi phí hoặc cấu trúc ngành công nghiệp xuất hiện trong con số thống kê
• Tiếp tục theo dõi và cập nhật sau khi đặt cược: Việc NVIDIA tiếp tục đầu tư trong khi xác nhận việc sử dụng GPU của các nhà nghiên cứu, việc Intel quyết định rút lui đều là những thực hành xác minh và cập nhật dự báo sau khi đưa ra dự báo
• Sử dụng linh hoạt khoảng thời gian tùy theo vai trò: Các nhà nghiên cứu và quốc gia phản ứng với các tín hiệu giống nhau trong khoảng thời gian hàng chục năm, các nhà đầu tư mạo hiểm trong 10 năm, các doanh nghiệp trong 5-10 năm, và những người vào sớm hơn chịu đựng sự chậm trễ dài hơn (Comin & Hobijn, 2010)

Xu hướng nghiên cứu mới nhất về dự báo thị trường tăng trưởng

Chủ yếu sắp xếp các nghiên cứu được công bố từ cuối những năm 2010 đến năm 2026. Cách nhìn của các nghiên cứu về dự báo thị trường tăng trưởng đã thay đổi theo những cách sau trong 10 năm này.

3 bối cảnh thay đổi cách nhìn

• Tiến bộ trong dữ liệu và phương pháp tính toán: Các bài viết, bằng sáng chế, thông tin tuyển dụng, bản ghi kỹ thuật của cuộc gọi giải trình thành quả đã trở nên có thể đọc được bằng máy, và có thể được xử lý quy mô lớn thông qua học sâu. Những câu hỏi như "Các lĩnh vực mới sẽ mở ra ở đâu" từng phụ thuộc vào sự phán xét của các chuyên gia hoặc các nghiên cứu trường hợp số ít đã chuyển sang khoa học thực nghiệm được xác minh bằng hàng triệu dữ liệu (Bloom et al., 2021; Ebadi, Auger & Gauthier, 2022)
• Cơ sở thực nghiệm từ các giải đấu dự báo: Giải đấu dự báo địa chính trị được thực hiện bởi IARPA của cơ quan tình báo Hoa Kỳ từ năm 2011 đã tạo ra dữ liệu quy mô lớn đầu tiên đo lường và so sánh độ chính xác của hàng ngàn người dự báo với cùng một câu hỏi, trở thành nền tảng để xác minh thống kê "ai, bằng phương pháp nào, và với độ chính xác như thế nào có thể dự báo được" (Mellers et al., 2014; Tetlock, Mellers & Scoblic, 2017)
• Hai cuộc chuyển đổi công nghệ: chuyển đổi năng lượng và AI đa năng: Chi phí của năng lượng mặt trời và pin liên tục giảm với tốc độ vượt quá dự báo của các cơ quan chính, cung cấp một lượng lớn tài liệu để xác minh hậu định các phương pháp dự báo (Meng et al., 2021). Đồng thời, sự xuất hiện của các mô hình ngôn ngữ lớn đã làm tăng nhu cầu về dự báo tiếp nhận "công nghệ đa năng này sẽ bao trùm các ngành công nghiệp nào và khi nào", điều này tự nó trở thành đối tượng nghiên cứu (Eloundou et al., 2024)

Dưới đây, chúng tôi sẽ tổng quan về xu hướng nghiên cứu theo từng chủ đề.

Dự báo công nghệ

• Thiết lập dự báo xác suất dựa trên đường cong kinh nghiệm: Quan điểm lâu nay là tốc độ cải thiện chi phí và hiệu suất của công nghệ là không thể dự báo được. Từ giữa những năm 2010, đã tích lũy các nghiên cứu xác minh hậu định dự báo xác suất dựa trên đường cong kinh nghiệm (định luật Wright) bằng cách sử dụng lịch sử chi phí của hơn 50 công nghệ, và đã chỉ ra rằng mức độ có thể đưa ra khoảng tin cậy bao gồm phân phối lỗi dự báo (Farmer & Lafond, 2016; Lafond et al., 2018). Yếu tố quyết định là một nghiên cứu so sánh hậu định ước tính của các chuyên gia với dự báo của mô hình thống kê đối với các công nghệ năng lượng, cho thấy mô hình thống kê chính xác hơn các chuyên gia, và các chuyên gia đã đánh giá thấp một cách có hệ thống về sự giảm chi phí (Meng et al., 2021). Sử dụng những hiểu biết này để dự báo một cách xác suất về sự giảm chi phí của năng lượng mặt trời, gió, và pin, kết luận được rút ra là tổng chi phí sẽ giảm khi tăng nhanh chóng sự chuyển đổi năng lượng (Way et al., 2022)
• Mở rộng sang công nghệ không có thị trường: Phạm vi dự báo đã mở rộng từ các công nghệ có lịch sử chi phí sang các công nghệ chưa có thị trường. Các phương pháp ước tính tốc độ cải thiện cho từng lĩnh vực công nghệ từ dữ liệu bằng sáng chế đã được phát triển, và tốc độ cải thiện hàng năm được dự báo cho 1.757 lĩnh vực công nghệ (Singh, Triulzi & Magee, 2021). Một khung công tác được đề xuất để định nghĩa các công nghệ mới nổi thông qua năm thuộc tính: tính mới lạ cơn bão, tăng trưởng tương đối nhanh, tính nhất quán, tác động nổi bật, và độ không chắc chắn (Rotolo, Hicks & Martin, 2015), và dựa trên khung công tác này, các chỉ tiêu bằng sáng chế được áp dụng cho máy học, cho thấy có thể phân loại các công nghệ có phát triển sau đó ở giai đoạn sớm (Lee et al., 2018). Các phương pháp sử dụng học sâu để phát hiện các tín hiệu yếu từ văn bản bài báo, bằng sáng chế, và tin tức cũng phát triển (Zhou et al., 2020; Ebadi, Auger & Gauthier, 2022), và Trung tâm Nghiên cứu Chung của EU đã tích hợp nó vào hoạt động hàng năm (European Commission Joint Research Centre, 2024)
• Điểm đạt được: Là điểm đạt được, các câu hỏi như "công nghệ đó sẽ trở nên khả thi về mặt kinh tế khi nào" và "công nghệ nào sẽ được kích hoạt tiếp theo" giờ đây có thể được trả lời bằng cơ sở thống kê thay vì trực giác của các chuyên gia. Trong số các giới hạn của dự báo thị trường được mô tả sau, cả cái bẫy ngoại suy tuyến tính và việc đánh giá thấp của các chuyên gia đều là những thứ có thể được sửa chữa bằng phương pháp này. Dữ liệu và phương pháp được công khai, cho phép các nhà nghiên cứu cá nhân và các doanh nghiệp nhỏ và vừa cũng có thể thực hiện khám phá ở cùng mức độ

Sự lan truyền và nhu cầu

• Theo dõi sự lan truyền bằng dữ liệu văn bản: Sự lan rộng của công nghệ mới từng được đo lường sau khi doanh số bán hàng hoặc tỷ lệ tiếp nhận xuất hiện trong thống kê. Khi bước vào những năm 2020, các phương pháp đã được phát triển để kết hợp bản ghi kỹ thuật của cuộc họp giải trình thành quả của công ty, bằng sáng chế, và thông tin tuyển dụng, theo dõi 29 công nghệ phá vỡ như đám mây và điện thoại thông minh, xem chúng lan rộng vào công ty và thành phố nào và khi nào. Điều này cho thấy rằng việc tuyển dụng cho các công nghệ mới ban đầu tập trung ở một số thành phố tiên tiến và lan rộng theo thời gian (Bloom et al., 2021). Một nghiên cứu sử dụng thông tin tuyển dụng với máy học để xác minh xem một công nghệ có đáp ứng các điều kiện của "công nghệ đa năng" (cải thiện nhanh chóng, thẩm lợi rộng rãi vào nhiều ngành công nghiệp, kích thích đổi mới bổ sung) hay không cho thấy rằng nó có những đặc tính mạnh mẽ hơn như một công nghệ đa năng so với các công nghệ mới nổi khác (Goldfarb, Taska & Teodoridis, 2023). Đối với các mô hình ngôn ngữ lớn, phạm vi thị trường lao động bị ảnh hưởng được ước tính từ thành phần nhiệm vụ theo nghề, và ước tính khoảng 80% lao động bị ảnh hưởng trong một phần công việc của họ (Eloundou et al., 2024). Dữ liệu công khai về tuyển dụng và giải trình thành quả đã chứng minh rằng chúng hoạt động như các chỉ tiêu dẫn đầu nhiều năm trước so với thống kê thị trường
• Chứng minh nguyên nhân của nhu cầu thúc đẩy phát minh: Từ phía nhu cầu, một câu hỏi "liệu dự báo quy mô thị trường tương lai có thực sự thúc đẩy hướng của phát minh" đã được xác minh một cách nhân quả. Trong ngành dược phẩm, các lĩnh vực bệnh với quy mô thị trường lớn hơn như được dự báo từ nhân khẩu học có tăng phát triển thuốc mới (Acemoglu & Linn, 2004), và elasticity được ước tính là sự mở rộng 1% quy mô thị trường sẽ tăng số lượng thuốc mới khoảng 0,2% (Dubois et al., 2015). Trong ngành ô tô, các nhà sản xuất ở các quốc gia có giá nhiên liệu cao hơn tăng bằng sáng chế cho công nghệ sạch như điện hóa thay vì động cơ đốt trong (Aghion et al., 2016), và bằng chứng cũng được thu thập rằng nhu cầu thúc đẩy thậm chí vị trí sản xuất, với các quốc gia có gánh nặng bệnh tật lớn hơn tăng sản xuất và xuất khẩu thuốc điều trị cho bệnh đó (Costinot et al., 2019). Dự báo thị trường bao gồm không chỉ "liệu nó có chính xác hay không" mà còn "liệu những người khác cũng sẽ có cùng dự báo và tham gia hay không", một vấn đề về cạnh tranh
• Con đường và thời gian từ khoa học đến thị trường: Con đường và thời gian từ khoa học đến thị trường cũng bắt đầu được đo lường. Một nghiên cứu phân tích mạng trích dẫn của 4,8 triệu bằng sáng chế và 32 triệu bài báo cho thấy rằng các bằng sáng chế có giá trị thị trường cao hơn gần khoa học cơ bản, và các bài báo có ảnh hưởng lớn hơn gần với ứng dụng công nghệ (Ahmadpoor & Jones, 2017), cơ sở dữ liệu của các bài báo được trích dẫn bởi bằng sáng chế đã được thiết lập để có thể theo dõi quy mô lớn về khoa học nào từ lĩnh vực nào được sử dụng trong công nghiệp (Marx & Fuegi, 2020). Mặt khác, đã chỉ ra rằng đầu tư vào công nghệ đa năng cần phải có đầu tư vào các tài sản vô hình bổ sung như quy trình kinh doanh, nhân lực, và dữ liệu để phản ánh vào năng suất, và giai đoạn đó trên thống kê mô tả một "đường cong J" nơi năng suất tạm thời giảm (Brynjolfsson, Rock & Syverson, 2021). Đối với AI đa năng, từ dòng nghiên cứu này dự báo rằng các cải tiến quy trình kinh doanh và dữ liệu sẽ trở thành yếu tố giới hạn tốc độ lan truyền hơn so với cải tiến hiệu suất mô hình cơ sở

Biên giới nghiên cứu

• Sự giảm kết quả phá vỡ và cứng nhắc của các lĩnh vực trưởng thành: Câu hỏi về lĩnh vực nghiên cứu mới sẽ mở ra ở đâu và nhà nghiên cứu nên đặt cược ở đâu cũng bắt đầu nhận được câu trả lời từ dữ liệu quy mô lớn. Một nghiên cứu phân tích 45 triệu bài báo và 3,9 triệu bằng sáng chế cho thấy rằng tỷ lệ kết quả "phá vỡ" làm mới kiến thức hiện có tiếp tục giảm ở tất cả các lĩnh vực (Park, Leahey & Funk, 2023), và đã được xác nhận rằng các lĩnh vực lớn hơn trưởng thành hơn càng khó định địa chỉ các ý tưởng mới (Chu & Evans, 2021). Từ phía nhà nghiên cứu, trong khi chiến lược bảo thủ tập trung vào các lĩnh vực thời nay đã được thiết lập là chiếm ưu thế, hàng triệu bài báo cho thấy rằng đặt cược vào các lĩnh vực mới tạo ra ảnh hưởng cao (Foster, Rzhetsky & Evans, 2015)
• Sự chênh lệch thời gian trong đánh giá tính mới：Có sự chênh lệch thời gian trong đánh giá tính mới. Các bài báo có tính mới cao với sự kết hợp bất thường được trích dẫn không nhiều trong ngắn hạn nhưng có ảnh hưởng cao trong dài hạn, thể hiện mô hình "được công nhận muộn" (Wang, Veugelers & Stephan, 2017), và các bài báo có tác động lớn nhất có cấu trúc chứa kết hợp kiến thức truyền thống cộng với chỉ một kết hợp bất thường (Uzzi et al., 2013). Tuy nhiên, "hình phạt Pivot" cũng được xác nhận ở quy mô lớn, trong đó tác động của thành quả giảm khi nhà nghiên cứu chuyển sang chủ đề ngoài chuyên môn (Hill et al., 2025), và việc tham gia vào lĩnh vực mới sẽ hợp lý hơn nếu được thực hiện theo hình thức liền kề với sự tích lũy của chính người đó.
• Điểm đến：Tóm lại, các lĩnh vực mới có xu hướng mở ra không ở trung tâm của các lĩnh vực lớn trưởng thành mà ở ranh giới của các lĩnh vực và các lĩnh vực nhỏ. Điểm đến hiện tại là: "Thị trường tăng trưởng" đối với nhà nghiên cứu và nhà phát minh là các vùng biên giới liền kề với chuyên môn của họ, nơi vẫn chưa bị đông đúc.

Phán đoán của con người và AI

• So sánh các phương pháp tổng hợp：Khi tổng hợp phán đoán của con người để dự đoán, các cuộc thi dự đoán đã xác minh phương pháp tập hợp và phương pháp tổng hợp nào là chính xác nhất. "Khảo sát dự đoán" - trong đó yêu cầu người tham gia trả lời xác suất trực tiếp và tổng hợp thống kê - cho thấy độ chính xác bằng hoặc vượt quá thị trường dự đoán (Atanasov et al., 2017), và cũng được chỉ ra rằng độ chính xác tăng lên khi thêm "cực đoan hóa" - đẩy xác suất trung bình theo hướng 0 hoặc 1 trong quá trình tổng hợp (Satopää et al., 2014). Đối với phương pháp Delphi, một bài đánh giá đã tổng hợp các điều kiện nâng cao độ chính xác (sự đa dạng của người tham gia, chất lượng phản hồi, số lần lặp lại) (Rowe & Wright, 1999). Ý nghĩa thực tiễn là: tập hợp xác suất ẩn danh và tổng hợp thống kê chính xác hơn việc hình thành đồng thuận tại cuộc họp, và có thể đạt được độ chính xác tương đương mà không cần chi phí vận hành thị trường dự đoán.
• Sự ra đời và hạn chế của LLM：Từ năm 2023 trở đi, các mô hình ngôn ngữ lớn (LLM) đã xuất hiện như những người dự đoán. Dự đoán bằng tập hợp 12 loại LLM khác nhau cho thấy độ chính xác không thể phân biệt thống kê với trí tuệ tập thể của 925 người (Schoenegger et al., 2024a), và LLM được cải thiện bằng tìm kiếm thông tin mới nhất và tối ưu hóa quy trình suy luận đang tiến gần đến nhóm dự đoán của con người trong các câu hỏi riêng lẻ (Halawi et al., 2024). Trong các thí nghiệm cho người dự đoán con người một trợ lý LLM, độ chính xác được cải thiện đáng kể với sự có mặt hoặc vắng mặt của trợ lý (Schoenegger et al., 2024b). Mặt khác, so sánh trên các tiêu chuẩn được cập nhật liên tục cho thấy rằng ngay cả các LLM tiên tiến nhất cũng vẫn chưa đạt được người dự đoán siêu lệnh được huấn luyện (Karger et al., 2024), còn cách xa tự động hóa hoàn toàn.
• Điểm đến：Điểm đến là: AI giảm mạnh chi phí của các bước trước dự đoán như khám phá, trình bày tỷ lệ cơ sở và tạo bản nháp kịch bản, trong khi phán đoán xác suất cuối cùng và phán đoán cập nhật chính xác hơn nếu do con người được đào tạo đảm nhận trong thời gian tới. Cấu trúc chia công việc chính xác nhất mà nghiên cứu hiện tại cho thấy là: "AI khám phá, con người phán đoán, AI giám sát, con người cập nhật". Thông qua chia công việc này, mức độ quét thông tin mà trước đây chỉ các quốc gia và VC mới có thể làm được, giờ đây đã trở nên khả thi cho cả nhà nghiên cứu cá nhân và các công ty kinh doanh thông thường.

Hạn chế của dự đoán thị trường tăng trưởng

Cho đến nay, chúng tôi đã tổng hợp các nguồn, phương pháp, thực hành và nghiên cứu mới nhất để nhận biết thị trường tăng trưởng. Cuối cùng, chúng tôi sẽ tổng hợp các hạn chế riêng có của dự đoán thị trường. Các hạn chế được chia thành 4 loại: nhận thức của con người, cấu trúc thị trường, tính tự tham chiếu của dự đoán, và dữ liệu và phương pháp.

Hạn chế nhận thức

• Độ chính xác dự đoán của chuyên gia：Dự đoán của chuyên gia đã được xác minh qua kiểm chứng quy mô lớn trong thời gian dài gần bằng với đoán may mắn. Một nghiên cứu theo dõi khoảng 28.000 dự đoán của 284 chuyên gia trong 20 năm cho thấy tỷ lệ trúng của chuyên gia gần bằng với "tinh tinh ném phi tiêu", loại chuyên gia giải thích tất cả bằng một lý thuyết lớn (kiểu nhím) có kết quả tồi tệ nhất, trong khi loại lựa chọn thông tin đa dạng linh hoạt (kiểu cáo) lại tương đối xuất sắc hơn (Tetlock, 2005). Trong dự đoán thị trường, một cuộc khảo sát được thực hiện theo yêu cầu của AT&T vào đầu những năm 1980 dự đoán rằng số lượng hợp đồng điện thoại di động ở Mỹ vào năm 2000 sẽ vào khoảng 900.000, thấp hơn con số thực tế khoảng 109 triệu hơn 100 lần (The Economist, 1999). Đối với năng lượng mặt trời, dự đoán lượng triển khai của các tổ chức chính hàng năm đều thấp hơn kết quả thực tế, và ngay cả khi kết quả vượt quá dự đoán, năm tiếp theo cũng không tăng dự đoán đủ (Creutzig et al., 2017).
• Quy luật của độ lệch：Có quy luật trong hướng của độ lệch. Thứ nhất, sự phổ biến công nghệ tuân theo đường cong S hoặc hàm mũ, nhưng con người kéo dài xu hướng gần đây theo đường thẳng, dẫn đến sai sót "đánh giá quá cao sự thay đổi sau 2 năm, đánh giá quá thấp sự thay đổi sau 10 năm" (Gates, 1996; Rogers, 1962). Việc các chuyên gia đánh giá quá thấp một cách có hệ thống sự giảm chi phí của công nghệ năng lượng đã được xác nhận bằng so sánh sự kiện với mô hình thống kê (Meng et al., 2021). Thứ hai, các cuộc cách mạng phá hủy có hiệu suất thấp tại thời điểm ra đời và thị trường cũng nhỏ, nên phân tích dựa trên tiếng nói của khách hàng hiện tại và dữ liệu thị trường hiện có sẽ phán định chúng "không đáng kể" (Christensen, 1997). Thứ ba, khi dự đoán bằng cách tích lũy "từ bên trong" dự án của chính mình, sai lầm lập kế hoạch (planning fallacy) sẽ tạo ra độ lệch có hệ thống theo hướng lạc quan. Phân tích 258 dự án công cộng cho thấy 90% chúng đã ước tính chi phí thấp hơn (Kahneman & Tversky, 1979; Flyvbjerg, Holm & Buhl, 2002).
• Tính bảo thủ của nhà nghiên cứu：Nhà nghiên cứu cũng có cùng loại độ lệch. Nhà nghiên cứu có xu hướng áp dụng chiến lược bảo thủ tập trung vào các lĩnh vực xu hướng đã được thiết lập, nhưng việc đặt cược vào các lĩnh vực mới có tỷ lệ thất bại cao trong khi tác động thành công lại lớn lao, và điều đó được chứng minh qua hàng triệu bài báo rằng ở cấp độ tập thể, sự lựa chọn bảo thủ quá mức (Foster, Rzhetsky & Evans, 2015). Trong các lĩnh vực mà sự tăng trưởng đã rõ ràng với mọi người, cạnh tranh sẽ gay gắt và lợi ích tham gia sớm sẽ biến mất, và chỉ dự đoán ngoài sự đồng thuận mới mang lại lợi nhuận vượt quá (Thiel & Masters, 2014).

Hạn chế cấu trúc

• Phân biệt rủi ro và không chắc chắn："Rủi ro" có thể dự đoán được và "không chắc chắn" không thể dự đoán được đã được phân biệt. Đối với rủi ro nơi có thể tính xác suất từ tần suất trong quá khứ, không chắc chắn không có quá khứ tham chiếu (không chắc chắn của Knight) không thể định nghĩa xác suất (Knight, 1921). Hơn nữa, trong các khu vực mà phân bố kết quả lệch đáng kể so với phân bố chuẩn, các sự kiện hiếm sẽ quyết định phần lớn kết quả, nên dự đoán trung bình sẽ lệch một cách có hệ thống. Đã được xác nhận thực nghiệm rằng giá trị của đầu tư mạo hiểm và phát minh có chính xác phân bố này (Taleb, 2007; Scherer & Harhoff, 2000; Kerr, Nanda & Rhodes-Kropf, 2014).
• Lợi suất tăng dần và phụ thuộc đường dẫn：Trên thị trường nơi có lợi suất tăng dần và phụ thuộc đường dẫn, những sự kiện may mắn nhỏ ban đầu quyết định người chiến thắng và không thể dự đoán trước. Bởi vì công nghệ phổ biến trước đó tăng cường vị thế của nó thông qua hiệu ứng mạng hoặc hiệu ứng học tập, tiêu chuẩn kỹ thuật tồi tệ hơn cũng có thể chiếm lĩnh thị trường. Quá trình này đã được lập mô hình lý thuyết (Arthur, 1989) và được minh họa bằng lịch sử bố cục bàn phím QWERTY không phải là tối ưu về mặt kỹ thuật nhưng lại cố định (David, 1985). Điều này có nghĩa là: "Thị trường nào sẽ tăng trưởng" có thể được dự đoán, nhưng "ai sẽ chiến thắng trên thị trường đó" lại khó dự đoán một cách cấu trúc.
• Tích hợp có cấu trúc của bong bóng：Sự triển khai công nghệ đa năng có những giai đoạn cuồng nhiệt và bong bóng được tích hợp có cấu trúc. Năm cuộc cách mạng công nghệ kể từ thời công nghiệp hóa đều có vốn tài chính quá mức chảy vào trong giai đoạn giới thiệu, tạo thành bong bóng, và sau khi sụp đổ mới vào giai đoạn triển khai (Perez, 2002). Ngay cả khi dự đoán đúng sự tăng trưởng của thị trường, nếu tham gia hoặc đầu tư trong giai đoạn bong bóng sẽ phải chịu tổn thất. Độ chính xác của dự đoán và độ chính xác của thời gian tham gia/giá cả cần phải được xác minh riêng biệt.

Hạn chế tự tham chiếu

• Tiên tri tự ứng nghiệm：Dự đoán các hiện tượng xã hội bị ảnh hưởng bởi chính việc được dự đoán sẽ thay đổi hành vi của đối tượng. Cấu trúc của "tiên tri tự ứng nghiệm" này là chỉ dẫn cổ điển của xã hội học (Merton, 1948) và áp dụng trực tiếp cho dự đoán thị trường. Khi dự đoán rộng rãi "thị trường này sẽ tăng trưởng" được chia sẻ, sự tham gia tấn công và sự tăng trưởng sẽ được thực hiện, nhưng lợi ích trên một người tham gia sẽ biến mất. Được xác nhận một cách nhân quả trong ngành dược phẩm và ô tô rằng dự đoán về kích thước thị trường trong tương lai thực sự thúc đẩy phát minh và tham gia (Acemoglu & Linn, 2004; Dubois et al., 2015; Aghion et al., 2016).
• Vấn đề đã được tính toán：Trong bối cảnh đầu tư, hạn chế này thể hiện dưới dạng vấn đề "đã được tính toán". Vì dự đoán dựa trên thông tin công khai đã được phản ánh trong giá cả, sự tăng trưởng mà mọi người đều biết sẽ không tạo ra lợi nhuận vượt mức (Fama, 1970). Việc đầu tư vào các ngành tăng trưởng và công ty tăng trưởng dẫn đến lợi nhuận thấp không như kỳ vọng, "cái bẫy tăng trưởng", bắt nguồn từ kỳ vọng tăng trưởng được tính toán vào giá cổ phiếu, khiến người đầu tư phải trả giá quá cao (Siegel, 2005). Nhận biết sự tăng trưởng và tạo ra lợi ích từ sự tăng trưởng đó là những vấn đề khác nhau.
• Luật Goodhart：Khi một chỉ số trở thành mục tiêu, nó sẽ mất đi giá trị của một chỉ số. Luật "khi một thống kê trở thành mục tiêu chính sách, nó sẽ mất đi độ tin cậy như một thống kê" (Goodhart, 1984) cũng áp dụng cho các chỉ số dẫn đầu. Nếu số lượng đơn xin cấp bằng sáng chế hoặc số lượng tuyển dụng được biết đến rộng rãi như một "tín hiệu thị trường tăng trưởng", những đơn xin cấp và tuyển dụng có ý thức sẽ tăng lên, và tín hiệu sẽ biến thành tiếng ồn. Chỉ số dẫn đầu chỉ có sức dự đoán cao nhất trong giai đoạn trước khi nó được công nhận là một chỉ số.

Hạn chế dữ liệu và phương pháp

• Thị trường mới không có dữ liệu：Các phương pháp định lượng yêu cầu dữ liệu quá khứ, nhưng thị trường mới theo định nghĩa không có quá khứ. Các hệ số của mô hình phổ biến không thể được ước tính ổn định cho đến khi tỷ lệ phổ biến đạt 10-20% (Bass, 1969; Sultan, Farley & Lehmann, 1990), và trước đó phải dựa vào dự đoán lớp tham chiếu vay mượn hệ số từ các trường hợp tương tự (Kahneman & Tversky, 1979). Tuy nhiên, lựa chọn những gì được coi là "tương tự" ảnh hưởng đến kết quả, và bản thân lựa chọn đó phụ thuộc vào phán đoán của người dự đoán. Những phát hiện rằng mô hình thống kê vượt quá chuyên gia (Meng et al., 2021) là kết luận về công nghệ có lịch sử chi phí kéo dài nhiều thập kỷ, không thể áp dụng trực tiếp cho công nghệ không có lịch sử.
• Sự yếu kém của học máy đối với sự thay đổi chế độ：Học máy chỉ có thể học từ các mô hình trong quá khứ và có giới hạn trong việc xử lý các tình huống khi cấu trúc thay đổi (thay đổi chế độ). Trong các cuộc thi dự báo quy mô lớn sử dụng chuỗi thời gian 100,000 chuỗi, các phương pháp học máy thuần túy đã kém hơn các phương pháp thống kê đơn giản, và sự kết hợp của nhiều phương pháp là chính xác nhất (Makridakis, Spiliotis & Assimakopoulos, 2018; Makridakis et al., 2020). Đối với các mô hình ngôn ngữ lớn, cùng lúc có báo cáo rằng nó tương đương với trí tuệ tập thể của con người, các mô hình đó vẫn chưa đạt được những dự báo siêu hạng được đào tạo trên các điểm chuẩn được cập nhật liên tục (Schoenegger et al., 2024a; Karger et al., 2024).
• Dương tính giả trong phát hiện tín hiệu：Phát hiện tín hiệu luôn gặp phải vấn đề dương tính giả. Định nghĩa của công nghệ mới chứa đựng sự không chắc chắn (Rotolo, Hicks & Martin, 2015), và không hiếm khi một công nghệ được chú ý lại mất đi sau này – hiện tượng "hyper" này. "Hype cycle" mô tả sự chuyển đổi kỳ vọng của công nghệ được sử dụng rộng rãi trong thực tiễn, nhưng đã chỉ ra rằng bằng chứng nghiên cứu còn yếu về việc liệu hình dạng của nó có thể được khái quát hóa một cách thực nghiệm hay không (Dedehayir & Steinert, 2016). Phần lớn các tín hiệu yếu là những tiếng ồn mà trong góc nhìn hậu kỳ không dẫn đến bất cứ điều gì.

Mức độ đạt được dựa trên những giới hạn

• Xác suất · Cập nhật · Kết hợp：Các giới hạn trên không phải là lý do để từ bỏ dự báo mà là lý do để thay đổi cách sử dụng dự báo. Thứ nhất, đầu ra của dự báo không phải là một điểm mà là một phân bố xác suất, cần được xử lý với chiều rộng. Thứ hai, xác suất là cái được cập nhật mỗi khi có thông tin mới, và việc bám chặt vào một dự báo đã đưa ra là yếu tố thất bại lớn nhất. Sự khác biệt khoảng 30% mà những người dự báo được đào tạo vượt trội hơn các nhà phân tích tình báo đến từ chính thói quen cập nhật này (Mellers et al., 2014; Tetlock & Gardner, 2015). Thứ ba, kết hợp nhiều phương pháp thay vì dựa vào một phương pháp duy nhất là kết luận được hỗ trợ một cách nhất quán bởi cả nửa thế kỷ nghiên cứu dự báo và các cuộc thi mới nhất (Armstrong, 2001; Makridakis et al., 2020).
• Bổ sung bằng Foresight：Sự không chắc chắn mà dự báo (forecasting) không thể xử lý được sẽ được bổ sung bằng foresight. Đối với những tương lai không thể dự đoán, cách hợp lý hơn là mô tả nhiều kịch bản, theo dõi các chỉ báo dẫn đầu, và chuẩn bị quyết định có thể đối phó với bất kỳ kịch bản nào thay vì đặt cược vào một dự báo duy nhất (Schoemaker, 1995; Wack, 1985). Sự thất bại của dự báo là do phương pháp không tốt, và phương pháp có thể được cải thiện. Tuy nhiên, phương pháp được cải thiện cũng có những giới hạn, và thiết kế quyết định trên cơ sở những giới hạn này sẽ trở thành quy trình tiếp theo của dự báo.

Kết luận

Theo cách này, chúng tôi đã hệ thống hóa các cách tiếp cận để tìm kiếm thị trường tăng trưởng. Các phương pháp được hệ thống hóa ở đây không thể dự báo chắc chắn thị trường tăng trưởng, nhưng thông qua cách tiếp cận khoa học, có thể dự báo với xác suất cao nhất có thể. Được cho rằng nó có thể được sử dụng như một cách tiếp cận để dự báo loại thị trường sẽ trở thành như thế nào trong thời đại AI sắp tới.

Tài liệu tham khảo

• Acemoglu, D., & Linn, J. (2004). Market size in innovation: Theory and evidence from the pharmaceutical industry. Quarterly Journal of Economics, 119(3), 1049–1090.（Bài báo thực nghiệm rằng quy mô thị trường dự kiến từ nhân khẩu học xác định hướng phát triển thuốc mới）
• Aghion, P., Dechezleprêtre, A., Hémous, D., Martin, R., & Van Reenen, J. (2016). Carbon taxes, path dependency, and directed technical change: Evidence from the auto industry. Journal of Political Economy, 124(1), 1–51.（Bài báo thực nghiệm rằng sự gia tăng giá nhiên liệu làm tăng chuyên li sáng chế công nghệ sạch của các nhà sản xuất ô tô）
• Aguilar, F. J. (1967). Scanning the business environment. Macmillan.（Tác phẩm hệ thống hóa quét môi trường bên ngoài của doanh nghiệp, trở thành mô hình nguyên thủy của phân tích PEST）
• Ahmadpoor, M., & Jones, B. F. (2017). The dual frontier: Patented inventions and prior scientific advance. Science, 357(6351), 583–587.（Bài báo đo khoảng cách giữa khoa học và kỹ thuật từ mạng lưới trích dẫn bằng sáng chế và bài báo, chỉ ra rằng những sáng chế có giá trị thị trường cao gần gũi với khoa học cơ bản）
• Andreessen, M. (2011, August 20). Why software is eating the world. The Wall Street Journal.（Bài luận chỉ ra luận điểm đầu tư rằng phần mềm sắp sửa tái cấu trúc tất cả các ngành công nghiệp）
• Ansoff, H. I. (1975). Managing strategic surprise by response to weak signals. California Management Review, 18(2), 21–33.（Bài báo đề xuất đối phó với "các tín hiệu yếu" đi trước những thay đổi lớn）
• Armstrong, J. S. (Ed.). (2001). Principles of forecasting: A handbook for researchers and practitioners. Kluwer Academic Publishers.（Cẩm nang tập hợp các nguyên tắc của nghiên cứu dự báo và chỉ ra rằng sự kết hợp của các phương pháp tăng độ chính xác）
• Arrow, K. J., Forsythe, R., Gorham, M., Hahn, R., Hanson, R., Ledyard, J. O., Levmore, S., Litan, R., Milgrom, P., Nelson, F. D., Neumann, G. R., Ottaviani, M., Schelling, T. C., Shiller, R. J., Smith, V. L., Snowberg, E., Sunstein, C. R., Tetlock, P. C., Tetlock, P. E., … Zitzewitz, E. (2008). The promise of prediction markets. Science, 320(5878), 877–878.（Bài báo thảo luận về hiệu quả và khả năng chính sách của thị trường dự báo）
• Arthur, W. B. (1989). Competing technologies, increasing returns, and lock-in by historical events. Economic Journal, 99(394), 116–131.（Bài báo lý thuyết hóa rằng dưới sự gia tăng lợi suất, những sự kiện ngẫu nhiên ban đầu quyết định người chiến thắng, khiến dự báo trước trở nên khó khăn）
• Atanasov, P., Rescober, P., Stone, E., Swift, S. A., Servan-Schreiber, E., Tetlock, P., Ungar, L., & Mellers, B. (2017). Distilling the wisdom of crowds: Prediction markets vs. prediction polls. Management Science, 63(3), 691–706.（Bài báo thực nghiệm chỉ ra rằng các cuộc khảo sát dự báo được tập hợp một cách thống kê đạt độ chính xác bằng hoặc cao hơn thị trường dự báo）
• Bass, F. M. (1969). A new product growth for model consumer durables. Management Science, 15(5), 215–227.（Bài báo gốc của mô hình Bass định thức sự tuyên truyền của sản phẩm mới theo hệ số đổi mới và hệ số bắt chước）
• Bass, F. M., Gordon, K., Ferguson, T. L., & Githens, M. L. (2001). DIRECTV: Forecasting diffusion of a new technology prior to product launch. Interfaces, 31(3), S82–S93.（Bài báo báo cáo rằng dự báo số lượng người đăng ký quảng phát vệ tinh bằng mô hình Bass trước khi phát hành sản phẩm đã gần như khớp với kết quả thực tế）
• Bloom, N., Hassan, T. A., Kalyani, A., Lerner, J., & Tahoun, A. (2021). The diffusion of disruptive technologies (NBER Working Paper No. 28999). National Bureau of Economic Research.（Bài báo theo dõi sự phát tán giữa các công ty và giữa các vùng của 29 công nghệ phá vỡ từ văn bản về giải thích quyết định, sáng chế và tuyển dụng）
• Boston Consulting Group. (1968). Perspectives on experience. Boston Consulting Group.（Báo cáo đưa luật của Wright vào chiến lược quản lý dưới dạng "đường cong kinh nghiệm"）
• Bresnahan, T. F., & Trajtenberg, M. (1995). General purpose technologies: 'Engines of growth'? Journal of Econometrics, 65(1), 83–108.（Bài báo chỉ ra rằng công nghệ mục đích chung tạo ra tăng trưởng thông qua chuỗi các đổi mới bổ sung）
• Bryar, C., & Carr, B. (2021). Working backwards: Insights, stories, and secrets from inside Amazon. St. Martin's Press.（Tác phẩm của một người từ bên trong giải thích quy trình tính ngược từ phía khách hàng của Amazon）
• Brynjolfsson, E., Rock, D., & Syverson, C. (2021). The productivity J-curve: How intangibles complement general purpose technologies. American Economic Journal: Macroeconomics, 13(1), 333–372.（Bài báo chỉ ra đường cong J từ khi đầu tư vào công nghệ mục đích chung cho đến khi nó được phản ánh trong năng suất thông qua việc chuẩn bị các tài sản vô hình bổ sung）
• Chen, K.-Y., & Plott, C. R. (2002). Information aggregation mechanisms: Concept, design and implementation for a sales forecasting problem (Social Science Working Paper No. 1131). California Institute of Technology.（Báo cáo về thị trường dự báo nội bộ của HP vượt quá dự báo doanh số chính thức）
• Christensen, C. M. (1997). The innovator's dilemma: When new technologies cause great firms to fail. Harvard Business School Press.（Tác phẩm cho thấy lý do tại sao sự phá vỡ đổi mới không nhìn thấy được từ phân tích thị trường của các công ty hiện có）
• Christensen, C. M., Hall, T., Dillon, K., & Duncan, D. S. (2016). Know your customers' "jobs to be done". Harvard Business Review, 94(9), 54–62.（Báo cáo giải thích lý thuyết công việc xác định lại thị trường từ "công việc mà khách hàng muốn hoàn thành"）
• Chu, J. S. G., & Evans, J. A. (2021). Slowed canonical progress in large fields of science. Proceedings of the National Academy of Sciences, 118(41), e2021636118.（Báo cáo cho thấy rằng trong các lĩnh vực khoa học phát triển lớn, những ý tưởng mới càng khó thiết lập）
• Collantes, G., & Sperling, D. (2008). The origin of California's zero emission vehicle mandate. Transportation Research Part A: Policy and Practice, 42(10), 1302–1313.（Báo cáo phân tích quá trình thành lập quy định ZEV của California năm 1990, cho thấy quy định đã dẫn dắt thị trường xe điện）
• Comin, D., & Hobijn, B. (2010). An exploration of technology diffusion. American Economic Review, 100(5), 2031–2059.（Báo cáo cho thấy rằng độ trễ từ phát minh đến phổ biến lên tới trung bình 45 năm, và sự khác biệt này giải thích chênh lệch thu nhập giữa các quốc gia）
• Costinot, A., Donaldson, D., Kyle, M., & Williams, H. (2019). The more we die, the more we sell? A simple test of the home-market effect. Quarterly Journal of Economics, 134(2), 843–894.（Báo cáo thực chứng cho thấy rằng những quốc gia có gánh nặng bệnh tật lớn hơn sẽ sản xuất và xuất khẩu nhiều thuốc điều trị hơn, chứng minh rằng nhu cầu thúc đẩy vị trí sản xuất）
• Cowgill, B., & Zitzewitz, E. (2015). Corporate prediction markets: Evidence from Google, Ford, and Firm X. Review of Economic Studies, 82(4), 1309–1341.（Báo cáo cho thấy rằng thị trường dự báo nội bộ của Google và Ford hoạt động như xác suất được hiệu chuẩn, sửa chữa độ lệch lạc quan của dự báo chính thức）
• Creutzig, F., Agoston, P., Goldschmidt, J. C., Luderer, G., Nemet, G., & Pietzcker, R. C. (2017). The underestimated potential of solar energy to mitigate climate change. Nature Energy, 2, 17140.（Báo cáo phân tích nguyên nhân vì sao các dự báo về lượng triển khai năng lượng mặt trời của các tổ chức chính tiếp tục được đánh giá thấp một cách có hệ thống）
• Dalkey, N., & Helmer, O. (1963). An experimental application of the Delphi method to the use of experts. Management Science, 9(3), 458–467.（Báo cáo áp dụng thử nghiệm đầu tiên của phương pháp Delphi）
• David, P. A. (1985). Clio and the economics of QWERTY. American Economic Review, 75(2), 332–337.（Báo cáo cho thấy thông qua ví dụ bố cục QWERTY rằng tiêu chuẩn không tối ưu về mặt kỹ thuật có thể thống trị thị trường thông qua phụ thuộc vào con đường）
• David, P. A. (1990). The dynamo and the computer: An historical perspective on the modern productivity paradox. American Economic Review, 80(2), 355–361.（Báo cáo cho thấy cấu trúc thời gian của công nghệ có tính chất phổ quát từ lịch sử hiệu ứng năng suất của điện bị trì hoãn khoảng 40 năm）
• Day, G. S., & Schoemaker, P. J. H. (2006). Peripheral vision: Detecting the weak signals that will make or break your company. Harvard Business School Press.（Tác phẩm cho thấy lý do tại sao các tổ chức bỏ lỡ những tín hiệu yếu và các phương pháp tăng cường tầm nhìn ngoại vi）
• Dedehayir, O., & Steinert, M. (2016). The hype cycle model: A review and future directions. Technological Forecasting and Social Change, 108, 28–41.（Tổng quan cho thấy rằng chứng cứ nghiên cứu yếu kém cho việc liệu hình dạng chu kỳ suy diễn có thể được khái quát hóa một cách thực chứng）
• Drucker, P. F. (1997). The future that has already happened. Harvard Business Review, 75(5), 20–24.（Báo cáo cho thấy cách suy nghĩ sử dụng nhân khẩu học như "tương lai đã xảy ra" cho dự báo）
• Dubois, P., de Mouzon, O., Scott-Morton, F., & Seabright, P. (2015). Market size and pharmaceutical innovation. RAND Journal of Economics, 46(4), 844–871.（Báo cáo ước tính độ co giãn rằng mở rộng thị trường 1% sẽ tăng số lượng thuốc mới khoảng 0,2%）
• Ebadi, A., Auger, A., & Gauthier, Y. (2022). Detecting emerging technologies and their evolution using deep learning and weak signal analysis. Journal of Informetrics, 16(4), 101344.（Báo cáo cho thấy phương pháp phát hiện công nghệ mới nổi và sự tiến hóa của chúng bằng cách sử dụng học sâu và phân tích tín hiệu yếu）
• The Economist. (1999, October 7). Cutting the cord.（Bài báo về tình huống dự báo thị trường điện thoại di động năm 1980 thấp hơn kết quả thực tế hơn 100 lần）
• Eloundou, T., Manning, S., Mishkin, P., & Rock, D. (2024). GPTs are GPTs: Labor market impact potential of LLMs. Science, 384(6702), 1306–1308.（Báo cáo ước tính phạm vi thị trường lao động mà các mô hình ngôn ngữ lớn có thể tác động dựa trên cấu trúc tác vụ của các công việc）
• European Commission Joint Research Centre. (2024). Weak signals in science and technologies 2024. Publications Office of the European Union.（Báo cáo phát hiện tín hiệu yếu đang được EU điều hành hàng năm trong hoạt động thực tế）
• Fama, E. F. (1970). Efficient capital markets: A review of theory and empirical work. Journal of Finance, 25(2), 383–417.（Báo cáo tổng hợp giả thuyết thị trường hiệu quả rằng thông tin công khai đã được phản ánh trong giá cả）
• Farmer, J. D., & Lafond, F. (2016). How predictable is technological progress? Research Policy, 45(3), 647–665.（Báo cáo cho thấy rằng dự báo xác suất chi phí kỹ thuật dựa trên đường cong học tập có độ chính xác thực tiễn）
• Felin, T., & Zenger, T. R. (2017). The theory-based view: Economic actors as theorists. Strategy Science, 2(4), 258–271.（Báo cáo trình bày quan điểm chiến lược dựa trên lý thuyết rằng sự hứa hẹn của thị trường chỉ trở nên thấy được thông qua lý thuyết độc đáo của doanh nghiệp）
• Flyvbjerg, B. (2006). From Nobel Prize to project management: Getting risks right. Project Management Journal, 37(3), 5–15.（Báo cáo áp dụng dự báo lớp tham chiếu trong thực tiễn, cho thấy cách xử lý sai lầm kế hoạch）
• Flyvbjerg, B., Holm, M. S., & Buhl, S. (2002). Underestimating costs in public works projects: Error or lie? Journal of the American Planning Association, 68(3), 279–295.（Báo cáo cho thấy rằng 9 trên 10 dự án cơ sở hạ tầng trong 258 dự án có chi phí vượt quá, hỗ trợ nhu cầu dự báo lớp tham chiếu）
• Forsythe, R., Nelson, F., Neumann, G. R., & Wright, J. (1992). Anatomy of an experimental political stock market. American Economic Review, 82(5), 1142–1161.（Báo cáo về thị trường cổ phiếu chính trị thử nghiệm Iowa dự báo kết quả bầu cử chính xác hơn cuộc thăm dò ý kiến công chúng）
• Foster, J. G., Rzhetsky, A., & Evans, J. A. (2015). Tradition and innovation in scientists' research strategies. American Sociological Review, 80(5), 875–908.（Nghiên cứu với hàng triệu bài báo khoa học cho thấy rằng trong khi các nhà nghiên cứu có xu hướng chọn những chủ đề bảo thủ, việc đặt cược vào các lĩnh vực mới sẽ tạo ra tác động cao）
• Fuchs, E. R. H. (2010). Rethinking the role of the state in technology development: DARPA and the case for embedded network governance. Research Policy, 39(9), 1133–1147.（Bài báo phân tích cơ chế đầu tư của DARPA vào các lĩnh vực công nghệ ở giai đoạn mà thị trường chưa tồn tại）
• Garfield, E. (1955). Citation indexes for science: A new dimension in documentation through association of ideas. Science, 122(3159), 108–111.（Bài báo đề xuất chỉ số trích dẫn của các tài liệu và tạo nên nền tảng của khoa học đo lường）
• Gates, B. (1996). The road ahead (Rev. ed.). Penguin Books.（Tác phẩm chỉ ra xu hướng con người có khuynh hướng đánh giá quá cao những thay đổi trong ngắn hạn và đánh giá quá thấp những thay đổi trong dài hạn）
• Goldfarb, A., Taska, B., & Teodoridis, F. (2023). Could machine learning be a general purpose technology? A comparison of emerging technologies using data from online job postings. Research Policy, 52(1), 104653.（Bài báo sử dụng dữ liệu từ các tin đăng tuyển dụng trực tuyến để xác minh xem máy học có đáp ứng các điều kiện của công nghệ mục đích chung）
• Goldin, C. (2006). The quiet revolution that transformed women's employment, education, and family. American Economic Review, 96(2), 1–21.（Bài báo phân tích sự mở rộng của việc làm và phát triển sự nghiệp của phụ nữ dưới tên gọi "cuộc cách mạng yên tĩnh"）
• Gompers, P. A., Gornall, W., Kaplan, S. N., & Strebulaev, I. A. (2020). How do venture capitalists make decisions? Journal of Financial Economics, 135(1), 169–190.（Bài báo dựa trên khảo sát 885 nhà đầu tư mạo hiểm để làm sáng tỏ các yếu tố và trọng số trong quyết định đầu tư）
• Goodhart, C. A. E. (1984). Monetary theory and practice: The UK experience. Macmillan.（Tác phẩm minh họa "Luật Goodhart" - khi một chỉ số thống kê trở thành mục tiêu chính sách, nó sẽ mất đi độ tin cậy như một chỉ báo）
• Goodwin, P., Dyussekeneva, K., & Meeran, S. (2013). The use of analogies in forecasting the annual sales of new electronics products. IMA Journal of Management Mathematics, 24(4), 407–423.（Bài báo cho thấy dự báo doanh số bán hàng sản phẩm điện tử mới sử dụng phương pháp tương tự từ các sản phẩm tương tự chính xác hơn so với dự báo dựa trên phán đoán）
• Graham, P. (2012). How to get startup ideas. Y Combinator.（Bài tiểu luận trình bày phương pháp khám phá ý tưởng khởi nghiệp: "sống trong tương lai và tạo ra những thứ còn thiếu"）
• Griliches, Z. (1957). Hybrid corn: An exploration in the economics of technological change. Econometrica, 25(4), 501–522.（Bài báo phân tích định lượng đường cong S của sự phổ biến của ngô lai và cho thấy tốc độ phổ biến tỷ lệ thuận với khả năng sinh lời）
• Gross, B. (2015). The single biggest reason why start-ups succeed [Video]. TED Conferences.（Bài giảng dựa trên phân tích hơn 200 công ty cho thấy thời điểm là yếu tố quan trọng nhất đối với sự thành công của công ty khởi nghiệp）
• Grove, A. S. (1996). Only the paranoid survive: How to exploit the crisis points that challenge every company. Currency Doubleday.（Tác phẩm do người tham gia trực tiếp phân tích sự chuyển dịch của lợi nhuận từ tích hợp thẳng đứng sang chia sẻ ngang hàng trong ngành công nghiệp máy tính cá nhân）
• Habegger, B. (2010). Strategic foresight in public policy: Reviewing the experiences of the UK, Singapore, and the Netherlands. Futures, 42(1), 49–58.（Bài báo so sánh các chế độ dự báo chiến lược của các chính phủ, bao gồm cả RAHS của Singapore）
• Halawi, D., Zhang, F., Yueh-Han, C., & Steinhardt, J. (2024). Approaching human-level forecasting with language models. arXiv preprint arXiv:2402.18563.（Bài báo cho thấy rằng các mô hình ngôn ngữ lớn được hỗ trợ thông tin từ tìm kiếm đạt được độ chính xác tiến gần tới mức dự báo của các nhóm con người）
• Hall, B. H., Jaffe, A., & Trajtenberg, M. (2005). Market value and patent citations. RAND Journal of Economics, 36(1), 16–38.（Bài báo chứng minh rằng các bằng sáng chế được trích dẫn nhiều hơn có mức độ đóng góp lớn hơn vào giá trị doanh nghiệp）
• Hamming, R. W. (1986). You and your research [Lecture]. Bell Communications Research Colloquium Seminar.（Bài giảng lập luận rằng các nhà nghiên cứu tạo ra kết quả lớn lao thường chọn các vấn đề quan trọng và vào sớm vào các lĩnh vực đang phát triển）
• Hayek, F. A. (1945). The use of knowledge in society. American Economic Review, 35(4), 519–530.（Bài báo thảo luận về chức năng của giá trong việc tập hợp kiến thức phân tán, trở thành cơ sở lý thuyết cho các thị trường dự báo）
• Hill, R., Yin, Y., Stein, C., Wang, X., Wang, D., & Jones, B. F. (2025). The pivot penalty in research. Nature, 642, 999–1006.（Bài báo cho thấy bằng dữ liệu quy mô lớn rằng khi các nhà nghiên cứu chuyển sang các chủ đề khác xa khỏi chuyên môn, tác động sẽ giảm）
• Jacobsson, S., & Lauber, V. (2006). The politics and policy of energy system transformation—explaining the German diffusion of renewable energy technology. Energy Policy, 34(3), 256–276.（Bài báo phân tích quá trình thông qua Luật Năng lượng tái tạo ở Đức và cách nó đã khởi động thị trường năng lượng mặt trời）
• Kahn, H., & Wiener, A. J. (1967). The year 2000: A framework for speculation on the next thirty-three years. Macmillan.（Tác phẩm gốc của lập kế hoạch theo kịch bản, hệ thống hóa phương pháp kịch bản từ RAND Corporation）
• Kahneman, D., & Tversky, A. (1979). Intuitive prediction: Biases and corrective procedures. TIMS Studies in Management Science, 12, 313–327.（Bài báo trình bày sai lệch kế hoạch và quy trình sửa chữa thông qua quan điểm bên ngoài (lớp tham chiếu)）
• Karger, E., Bastani, H., Yueh-Han, C., Jacobs, Z., Halawi, D., Zhang, F., & Tetlock, P. E. (2024). ForecastBench: A dynamic benchmark of AI forecasting capabilities. arXiv preprint arXiv:2409.19839.（Bài báo trên điểm chuẩn được cập nhật liên tục cho thấy rằng các mô hình LLM tiên tiến vẫn chưa đạt được mức độ của các siêu dự báo gia）
• Karikó, K., Buckstein, M., Ni, H., & Weissman, D. (2005). Suppression of RNA recognition by Toll-like receptors: The impact of nucleoside modification and the evolutionary origin of RNA. Immunity, 23(2), 165–175.（Bài báo trình bày phương pháp sửa đổi nucleoside cơ bản của vắc xin mRNA và là đối tượng của Giải Nobel năm 2023）
• Keating, G. (2012). Netflixed: The epic battle for America's eyeballs. Portfolio/Penguin.（Tác phẩm mô tả cách Netflix từ khi thành lập đã dự kiến chuyển dịch sang phát trực tuyến và thay thế hoạt động kinh doanh chính của chính mình）
• Kerr, W. R., Nanda, R., & Rhodes-Kropf, M. (2014). Entrepreneurship as experimentation. Journal of Economic Perspectives, 28(3), 25–48.（Bài báo cho thấy rằng lợi nhuận của nhà đầu tư mạo hiểm có phân bố lệch phụ thuộc vào một số thành công lớn lao, và đầu tư hoạt động như thực nghiệm）
• Kharas, H. (2017). The unprecedented expansion of the global middle class: An update (Global Economy & Development Working Paper No. 100). Brookings Institution.（Bài báo ước tính sự mở rộng chưa từng có của dân số tầng lớp trung bình toàn cầu và sự tập trung vào châu Á）
• Knight, F. H. (1921). Risk, uncertainty and profit. Houghton Mifflin.（Tác phẩm kinh điển kinh tế học phân biệt rủi ro - những cái mà có thể tính xác suất được - và sự không chắc chắn - những cái mà không thể tính được）
• Krizhevsky, A., Sutskever, I., & Hinton, G. E. (2012). ImageNet classification with deep convolutional neural networks. Advances in Neural Information Processing Systems, 25, 1097–1105.（Các mạng nơ-ron tích chập sâu được huấn luyện với GPU đã áp đảo trong nhận dạng hình ảnh và trở thành điểm khởi đầu của làn sóng học sâu）
• Lafond, F., Bailey, A. G., Bakker, J. D., Rebois, D., Zadourian, R., McSharry, P., & Farmer, J. D. (2018). How well do experience curves predict technological progress? A method for making distributional forecasts. Technological Forecasting and Social Change, 128, 104–117.（Bài báo đề xuất phương pháp dự báo phân phối xác suất dựa trên đường cong kinh nghiệm và xác thực trên hơn 50 công nghệ）
• Lee, C., Kwon, O., Kim, M., & Kwon, D. (2018). Early identification of emerging technologies: A machine learning approach using multiple patent indicators. Technological Forecasting and Social Change, 127, 291–303.（Bài báo trình bày phương pháp xác định sớm các công nghệ mới nổi bằng cách sử dụng nhiều chỉ số bằng sáng chế và học máy）
• Lee, J., Veloso, F. M., & Hounshell, D. A. (2011). Linking induced technological change, and environmental regulation: Evidence from patenting in the U.S. auto industry. Research Policy, 40(9), 1240–1252.（Bài báo chứng minh rằng quy định kiểm soát khí thải của Hoa Kỳ đã kích thích các đơn xin bằng sáng chế về công nghệ xử lý khí thải trong ngành công nghiệp ô tô）
• Levitt, T. (1983). The marketing imagination. Free Press.（Tác phẩm đã phổ biến rộng rãi cái nhìn sâu sắc rằng "khách hàng không muốn cái khoan, họ muốn cái lỗ"）
• Lilien, G. L., Morrison, P. D., Searls, K., Sonnack, M., & von Hippel, E. (2002). Performance assessment of the lead user idea-generation process for new product development. Management Science, 48(8), 1042–1059.（Bài báo cho thấy rằng phương pháp người dùng dẫn đầu tại công ty 3M đã tạo ra tiềm năng bán hàng cao gấp khoảng 8 lần so với phương pháp thông thường）
• Makridakis, S., Spiliotis, E., & Assimakopoulos, V. (2018). Statistical and machine learning forecasting methods: Concerns and ways forward. PLoS ONE, 13(3), e0194889.（Bài báo cho thấy rằng các phương pháp học máy thuần túy có hiệu suất kém hơn các phương pháp thống kê đơn giản, làm rõ những hạn chế của học máy trong dự báo）
• Makridakis, S., Spiliotis, E., & Assimakopoulos, V. (2020). The M4 Competition: 100,000 time series and 61 forecasting methods. International Journal of Forecasting, 36(1), 54–74.（Bài báo báo cáo rằng sự kết hợp của nhiều phương pháp đã cho kết quả chính xác nhất trong cuộc thi dự báo với 100.000 chuỗi thời gian）
• Marx, M., & Fuegi, A. (2020). Reliance on science: Worldwide front-page patent citations to scientific articles. Strategic Management Journal, 41(9), 1572–1594.（Bài báo xây dựng cơ sở dữ liệu các bài báo được trích dẫn bởi bằng sáng chế, làm cho việc theo dõi kết nối giữa khoa học và công nghiệp có thể thực hiện được trên quy mô lớn）
• Mathews, J. A. (1997). A Silicon Valley of the East: Creating Taiwan's semiconductor industry. California Management Review, 39(4), 26–54.（Bài báo phân tích quá trình chính phủ Đài Loan tạo ra ngành công nghiệp bán dẫn thông qua ITRI và TSMC）
• Mazzucato, M. (2013). The entrepreneurial state: Debunking public vs. private sector myths. Anthem Press.（Tác phẩm cho thấy rằng nhiều công nghệ chính tạo nên iPhone có nguồn gốc từ quỹ nghiên cứu công cộng, thảo luận về vai trò của đầu tư sơ khai của nhà nước）
• Mellers, B., Ungar, L., Baron, J., Ramos, J., Gurcay, B., Fincher, K., Scott, S. E., Moore, D., Atanasov, P., Swift, S. A., Murray, T., Stone, E., & Tetlock, P. E. (2014). Psychological strategies for winning a geopolitical forecasting tournament. Psychological Science, 25(5), 1106–1115.（Bài báo chứng minh rằng đào tạo, hình thành nhóm và cập nhật xác suất đã làm tăng đáng kể độ chính xác dự báo trong một cuộc thi dự báo）
• Meng, J., Way, R., Verdolini, E., & Diaz Anadon, L. (2021). Comparing expert elicitation and model-based probabilistic technology cost forecasts for the energy transition. Proceedings of the National Academy of Sciences, 118(27), e1917165118.（Bài báo cho thấy rằng các mô hình thống kê vượt trội hơn các ước tính của chuyên gia trong dự báo chi phí công nghệ năng lượng, chứng tỏ rằng các chuyên gia đánh giá thấp mức độ giảm chi phí）
• Merton, R. K. (1948). The self-fulfilling prophecy. Antioch Review, 8(2), 193–210.（Bài báo định hình khái niệm "lời tiên tri tự ứng nghiệm" - một dự báo tự thực hiện bằng cách thay đổi hành vi của các đối tượng được dự báo）
• Myers, K. (2020). The elasticity of science. American Economic Journal: Applied Economics, 12(4), 103–134.（Bài báo chứng minh bằng dữ liệu NIH rằng các nhà nghiên cứu thay đổi chủ đề theo các quỹ nghiên cứu chỉ định mục đích）
• Nagy, B., Farmer, J. D., Bui, Q. M., & Trancik, J. E. (2013). Statistical basis for predicting technological progress. PLoS ONE, 8(2), e52669.（Bài báo xác thực sức dự báo của Định luật Wright trên dữ liệu của 62 công nghệ）
• Park, M., Leahey, E., & Funk, R. J. (2023). Papers and patents are becoming less disruptive over time. Nature, 613, 138–144.（Bài báo cho thấy rằng tỷ lệ các thành quả phá vỡ quy ước đã giảm liên tục trên 45 triệu bài báo và 3,9 triệu bằng sáng chế）
• Perez, C. (2002). Technological revolutions and financial capital: The dynamics of bubbles and golden ages. Edward Elgar.（Tác phẩm cho thấy rằng các cuộc cách mạng công nghệ trải qua các giai đoạn giới thiệu, bong bóng, điểm chuyển tiếp và triển khai thông qua 5 làn sóng）
• Popp, D. (2002). Induced innovation and energy prices. American Economic Review, 92(1), 160–180.（Bài báo chứng minh rằng sự gia tăng giá năng lượng kích thích các đơn xin bằng sáng chế về công nghệ tiết kiệm năng lượng）
• Porter, M. E., & van der Linde, C. (1995). Toward a new conception of the environment-competitiveness relationship. Journal of Economic Perspectives, 9(4), 97–118.（Bài báo thảo luận rằng các quy định được thiết kế hợp lý có thể thúc đẩy sự đổi mới và các thị trường mới）
• Raina, R., Madhavan, A., & Ng, A. Y. (2009). Large-scale deep unsupervised learning using graphics processors. Proceedings of the 26th Annual International Conference on Machine Learning, 873–880.（Bài báo cho thấy rằng GPU đã tăng tốc độ huấn luyện học sâu một cách đáng kể, trở thành tín hiệu tiên lượng cho nhu cầu máy tính GPU）
• Rogers, E. M. (1962). Diffusion of innovations. Free Press.（Tác phẩm gốc của lý thuyết khuếch tán cho thấy rằng sự phổ biến của các đổi mới theo đường cong hình chữ S）
• Rohrbeck, R., & Kum, M. E. (2018). Corporate foresight and its impact on firm performance: A longitudinal analysis. Technological Forecasting and Social Change, 129, 105–116.（Bài báo chứng minh rằng các công ty có chức năng Foresight (dự báo) đã thể hiện tỷ suất lợi nhuận và tốc độ tăng trưởng cao hơn bảy năm sau）
• Rohrbeck, R., Battistella, C., & Huizingh, E. (2015). Corporate foresight: An emerging field with a rich tradition. Technological Forecasting and Social Change, 101, 1–9.（Bài báo tổng chỉnh lĩnh vực nghiên cứu Foresight doanh nghiệp và định vị mối quan hệ của nó với dự báo）
• Rotolo, D., Hicks, D., & Martin, B. R. (2015). What is an emerging technology? Research Policy, 44(10), 1827–1843.（Bài báo đã định nghĩa công nghệ mới nổi thông qua năm thuộc tính và cung cấp khung làm việc chung cho các nghiên cứu tiếp theo）
• Rowe, G., & Wright, G. (1999). The Delphi technique as a forecasting tool: Issues and analysis. International Journal of Forecasting, 15(4), 353–375.（Bài báo đã xác minh độ chính xác dự báo của phương pháp Delphi thông qua tổng hợp các nghiên cứu thực nghiệm）
• Ryan, B., & Gross, N. C. (1943). The diffusion of hybrid seed corn in two Iowa communities. Rural Sociology, 8(1), 15–24.（Bài báo lịch sử của ngành nghiên cứu về sự phổ biến đã lần đầu tiên phát hiện ra rằng việc áp dụng các sáng kiến tạo thành một đường cong hình S）
• Satopää, V. A., Baron, J., Foster, D. P., Mellers, B. A., Tetlock, P. E., & Ungar, L. H. (2014). Combining multiple probability predictions using a simple logit model. International Journal of Forecasting, 30(2), 344–356.（Bài báo đã chỉ ra rằng độ chính xác tăng lên khi tổng hợp các dự báo xác suất của nhóm bằng cách cực đoan hóa chúng）
• Scherer, F. M., & Harhoff, D. (2000). Technology policy for a world of skew-distributed outcomes. Research Policy, 29(4–5), 559–566.（Bài báo đã chỉ ra rằng giá trị kinh tế của phát minh có phân phối cực kỳ lệch, với một số ít chiếm phần lớn giá trị）
• Schmookler, J. (1966). Invention and economic growth. Harvard University Press.（Tác phẩm cổ điển của lý thuyết kéo theo nhu cầu chỉ ra rằng hướng của phát minh phản ứng với quy mô nhu cầu）
• Schoemaker, P. J. H. (1995). Scenario planning: A tool for strategic thinking. Sloan Management Review, 36(2), 25–40.（Bài báo đã tổng hợp các thủ tục và ý nghĩa chiến lược của hoạch định kịch bản）
• Schoemaker, P. J. H., & Day, G. S. (2009). How to make sense of weak signals. MIT Sloan Management Review, 50(3), 81–89.（Bài báo đã chỉ ra cách phát hiện và giải thích một cách có tổ chức các tín hiệu yếu）
• Schoenegger, P., Park, P. S., Karger, E., Trott, S., & Tetlock, P. E. (2024b). AI-augmented predictions: LLM assistants improve human forecasting accuracy. arXiv preprint arXiv:2402.07862.（Bài báo đã chỉ ra rằng độ chính xác dự báo của con người được cải thiện đáng kể khi được hỗ trợ bởi các trợ lý LLM）
• Schoenegger, P., Tuminauskaite, I., Park, P. S., & Tetlock, P. E. (2024a). Wisdom of the silicon crowd: LLM ensemble prediction capabilities rival human crowd accuracy. Science Advances, 10(45), eadp1528.（Bài báo đã chỉ ra rằng độ chính xác dự báo của tập hợp LLM sánh được với trí tuệ tập thể của con người）
• Schwartz, P. (1991). The art of the long view: Planning for the future in an uncertain world. Doubleday.（Tác phẩm đã hệ thống hóa thực tiễn hoạch định kịch bản của công ty Shell, mô tả sự chuẩn bị cho sự sụp đổ giá dầu năm 1986）
• Siegel, J. J. (2005). The future for investors: Why the tried and the true triumph over the bold and the new. Crown Business.（Tác phẩm đã chỉ ra bằng dữ liệu dài hạn "cái bẫy tăng trưởng" trong đó đầu tư vào các ngành công nghiệp tăng trưởng kết thúc với lợi tức thấp）
• Singh, A., Triulzi, G., & Magee, C. L. (2021). Technological improvement rate predictions for all technologies: Use of patent data and an extended domain description. Research Policy, 50(9), 104294.（Bài báo đã dự báo tỷ lệ cải thiện hàng năm của 1.757 lĩnh vực công nghệ từ dữ liệu bằng sáng chế）
• Sultan, F., Farley, J. U., & Lehmann, D. R. (1990). A meta-analysis of applications of diffusion models. Journal of Marketing Research, 27(1), 70–77.（Bài báo đã thực hiện tổng hợp kỹ thuật 213 nghiên cứu ứng dụng mô hình Bass và chỉ ra các giá trị điển hình của hệ số đổi mới và hệ số bắt chước）
• Taleb, N. N. (2007). The black swan: The impact of the highly improbable. Random House.（Tác phẩm đã luận bàn rằng trong các khu vực mà phân phối kết quả lệch khỏi phân phối chuẩn, những sự kiện hiếm hoi chi phối kết quả và dự báo trung bình thất bại）
• Tetlock, P. E. (2005). Expert political judgment: How good is it? How can we know? Princeton University Press.（Tác phẩm đã theo dõi độ chính xác dự báo của các chuyên gia trong 20 năm, chỉ ra những hạn chế và khả năng cải thiện của họ）
• Tetlock, P. E., & Gardner, D. (2015). Superforecasting: The art and science of prediction. Crown.（Tác phẩm đã hệ thống hóa dự báo như một kỹ năng có thể được huấn luyện）
• Tetlock, P. E., Mellers, B. A., & Scoblic, J. P. (2017). Bringing probability judgments into policy debates via forecasting tournaments. Science, 355(6324), 481–483.（Bài báo đã đề xuất các cuộc thi dự báo như một phương tiện đưa tư duy xác suất vào các tranh luận chính sách）
• Thiel, P., & Masters, B. (2014). Zero to one: Notes on startups, or how to build the future. Crown Business.（Tác phẩm đã thảo luận về đầu tư vào "những sự thật ẩn giấu" nằm ngoài sự đồng thuận）
• Uzzi, B., Mukherjee, S., Stringer, M., & Jones, B. (2013). Atypical combinations and scientific impact. Science, 342(6157), 468–472.（Bài báo đã chỉ ra rằng các bài báo có tác động cao có cấu trúc bao gồm kiến thức thông thường cộng với một kết hợp bất thường duy nhất）
• Valentine, D. (2010). View from the top [Lecture]. Stanford Graduate School of Business.（Bài giảng của người sáng lập Sequoia Capital nêu quan điểm coi quy mô thị trường là tiêu chí đầu tiên trong quyết định đầu tư）
• von Hippel, E. (1976). The dominant role of users in the scientific instrument innovation process. Research Policy, 5(3), 212–239.（Bài báo đã chỉ ra rằng 77% sáng kiến tạo trong các dụng cụ khoa học đến từ người dùng, trở thành tiền thân của phương pháp người dùng dẫn đầu）
• von Hippel, E. (1986). Lead users: A source of novel product concepts. Management Science, 32(7), 791–805.（Bài báo gốc của phương pháp người dùng dẫn đầu đã chỉ ra rằng những người dùng tiên tiến sẵn sàng cho nhu cầu tương lai）
• von Hippel, E., Thomke, S., & Sonnack, M. (1999). Creating breakthroughs at 3M. Harvard Business Review, 77(5), 47–57.（Bài báo đã báo cáo quá trình bộ phận y tế của 3M sử dụng phương pháp người dùng dẫn đầu để có được các khái niệm sản phẩm mới）
• Wack, P. (1985). Scenarios: Uncharted waters ahead. Harvard Business Review, 63(5), 72–89.（Bài báo của một người tham gia đã báo cáo thực tiễn hoạch định kịch bản của công ty Shell）
• Wang, J., Veugelers, R., & Stephan, P. (2017). Bias against novelty in science: A cautionary tale for users of bibliometric indicators. Research Policy, 46(8), 1416–1436.（Bài báo đã chỉ ra rằng các bài báo có tính mới cao bị đánh giá thấp trong ngắn hạn nhưng có ảnh hưởng cao trong dài hạn）
• Way, R., Ives, M. C., Mealy, P., & Farmer, J. D. (2022). Empirically grounded technology forecasts and the energy transition. Joule, 6(9), 2057–2082.（Bài báo đã chỉ ra từ dự báo xác suất dựa trên đường cong kinh nghiệm rằng đẩy nhanh quá trình chuyển đổi năng lượng sẽ giảm tổng chi phí）
• Wetterstrand, K. A. (2023). DNA sequencing costs: Data. National Human Genome Research Institute.（Dữ liệu công cộng thể hiện sự thay đổi chi phí giải trình tự toàn bộ bộ gen của con người）
• Witt, S. (2025). The thinking machine: Jensen Huang, Nvidia, and the world's most coveted microchip. Viking.（Tác phẩm đã mô tả quá trình NVIDIA chờ đợi sự xuất hiện của các thị trường ứng dụng thông qua đầu tư trước tiến trong CUDA）
• Wolfers, J., & Zitzewitz, E. (2004). Prediction markets. Journal of Economic Perspectives, 18(2), 107–126.（Bài báo tổng quan lý thuyết và bằng chứng thực nghiệm của thị trường dự báo）
• Wright, T. P. (1936). Factors affecting the cost of airplanes. Journal of the Aeronautical Sciences, 3(4), 122–128.（Bài báo gốc của Quy luật Wright phát hiện mối quan hệ giữa sản lượng tích lũy và giảm chi phí）
• Zhou, Y., Dong, F., Liu, Y., Li, Z., Du, J., & Zhang, L. (2020). Forecasting emerging technologies using data augmentation and deep learning. Scientometrics, 123, 1–29.（Bài báo trình bày phương pháp dự báo công nghệ mới nổi bằng cách sử dụng mở rộng dữ liệu và học sâu）
• Ziegler, M. S., & Trancik, J. E. (2021). Re-examining rates of lithium-ion battery technology improvement and cost decline. Energy & Environmental Science, 14(4), 1635–1651.（Bài báo chỉ ra rằng chi phí pin litium-ion đã giảm theo đường cong kinh nghiệm）
• 国立社会保障・人口問題研究所. (2023). 日本の将来推計人口(令和5年推計). 人口問題研究資料第347号.（Tài liệu công khai cho thấy sự thay đổi và dự báo tỷ lệ già hóa của Nhật Bản）
• 科学技術・学術政策研究所. (2019). 第11回科学技術予測調査. NISTEP REPORT No. 183.（Báo cáo mới nhất của cuộc khảo sát Delphi của Nhật Bản tiếp tục từ năm 1971 khoảng 5 năm một lần）