基于能力的规划(CBP)定义了一个框架,该框架对现有能力和未来需求进行了全方位的审视,以战略性地决定需要什么以及如何有效地实现这些需求。企业和政府采购领域都使用 CBP 来取得财务上的成功或设计一个平衡的防御系统。可以理解的是,这些领域的定义各不相同。本文试图整合这些定义,为 CBP、其潜力及其原则的实际实施提供一个全面的视角。

什么是基于能力的规划(CBP)?

正如能力有不同的定义来描述其多面性一样,CBP 的定义也分为几类,每一类都涉及不同的视角。CBP 的定义涵盖从跨组织到组织规划所需的一整套能力,以及使用情景和故事来预测未来需求,并评估当前和未来的能力如何满足这些需求。CBP 提供了一个灵活的框架,使政府和组织能够从战略角度确定目标,使它们和/或它们所生产的产品取得成功。

一些国家的政府(如美国、加拿大和澳大利亚)开始使用 CBP 来 “设计适当的[军事]力量”,即 “能够充分应对未来挑战的力量”。其重点不在于对手是谁,战争可能在哪里发生,或对手可能如何作战,而是 “目标是规划一支强大、灵活的部队,能够应对各种威胁,而不是一支应对狭隘威胁的‘最佳’部队”。其 “目标是在考虑预算和不确定性的情况下,建立一支灵活、适应性强、强大和可持续(即技术上可控、财政上可承受)的部队结构,以应对与国家战略防御和安全环境相关的所有挑战”。有了 CBP,政府和国防部就能评估 “能力的发展和演变,而不是具体的计划或功能”,从而 “从计划到能力组合”,并 “确定高效和有效的军事力量组合”。能力是一个目标,使我们能够决定特定技术或流程是否有助于实现该目标。总之,CBP 强调了通过超越特定国防组织、军种、计划或职能的限制,培养适应性强的军事能力以应对未来国防挑战的重要性。

虽然以下引文与商业组织实体直接相关,但其相关性可延伸至政府、跨组织或其他不同环境。CBP "不是时间表,不是功能列表,也不是项目管理计划。CBP “不是时间表,不是功能列表,也不是项目管理计划,而是通往目的地的地图,是将业务从传统应用程序转变为基于企业资源规划(ERP)的运营所需的一整套能力”。有了 CBP,“一个组织的规划、投资和交付就能协调一致,提供业务能力,实现战略成功”。总之,对于政府和商业组织来说,"关键的想法是从需要做的事情开始,然后再到能够完成的、负担得起的力量。这与从现有资源入手,想方设法加以改进(或在面临削减时尽可能多地保留现有资源)有着本质区别"。

上述 CBP 的定义表明,政府和组织需要从最广泛或最高的相关层面来审视其能力和目标,而不是狭隘地关注战略成功。下一组定义表达了 CBP 框架的规划方面--同时保持高层次的通用性,以允许创新的解决方案。CBP 最常被引用的定义来自保罗-戴维斯(Paul Davis):基于能力的规划是指在不确定的情况下进行规划,以提供适合现代各种挑战和环境的能力,同时在经济框架内开展工作。

从根本上说,CBP 必须 “面对--而不是折扣--不确定性,以有意义的方式表达风险,并同时权衡成本和效益”。不确定性来自两个方面:描述所需能力的情景和 “这些情景中的假设细节”。此外,CBP 在做出预算所需的选择之前,应考虑多种 “竞争选择和权衡”。换言之,CBP 注重目标和结果,鼓励创新,“避免过早确定设备解决方案”。这 “为比较实现相同能力的不同方案提供了一种手段”。因此,CBP 的目标并不是 “将规划流程设计得非常详细,而是设计一种有效的决策支持机制,定期对规划流程的输出进行严格整合”。为了支持这一高层次、可推广的框架,CBP “通过情景、案例研究或用例,从自上而下的定义开始”,而不征求详细的需求。

因此,要想在战略上做出成功的决策,政府和组织必须以最高和最广泛的视角来评估其理想的和现有的能力,同时避免做出可能忽视不确定性、风险和预算限制的决策。CBP 框架的通用性与能力定义的通用性相对应。CBP 和能力层面的规划旨在提供一个整体和灵活的视角,同时确保成功。

成为VIP会员查看完整内容
36

相关内容

人工智能在军事中可用于多项任务,例如目标识别、大数据处理、作战系统、网络安全、后勤运输、战争医疗、威胁和安全监测以及战斗模拟和训练。
《威胁评估和威胁管理 (TATM) - 多学科小组》
专知会员服务
19+阅读 · 2024年6月1日
《威胁评估与威胁管理(TATM)——评估与管理》
专知会员服务
35+阅读 · 2024年5月31日
《关于军事能力概念及其与系统特性分析相关性的说明》
《团队内部能力的变化如何影响作战动态决策》
专知会员服务
36+阅读 · 2024年1月16日
【干货书】Python高级数据科学分析,424页pdf
专知会员服务
117+阅读 · 2020年8月7日
【硬核书】不完全信息决策理论,467页pdf
专知会员服务
366+阅读 · 2020年6月24日
《多域作战环境下的军事决策过程》
专知
113+阅读 · 2023年4月12日
深度学习目标检测概览
AI研习社
46+阅读 · 2017年10月13日
国家自然科学基金
2+阅读 · 2017年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
13+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
A Survey of Large Language Models
Arxiv
499+阅读 · 2023年3月31日
Arxiv
69+阅读 · 2022年9月7日
Arxiv
57+阅读 · 2022年1月5日
Arxiv
18+阅读 · 2021年3月16日
Augmentation for small object detection
Arxiv
13+阅读 · 2019年2月19日
VIP会员
相关VIP内容
相关基金
国家自然科学基金
2+阅读 · 2017年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
13+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
相关论文
A Survey of Large Language Models
Arxiv
499+阅读 · 2023年3月31日
Arxiv
69+阅读 · 2022年9月7日
Arxiv
57+阅读 · 2022年1月5日
Arxiv
18+阅读 · 2021年3月16日
Augmentation for small object detection
Arxiv
13+阅读 · 2019年2月19日
微信扫码咨询专知VIP会员