美国防部(DoD)要求美国采购创新研究中心(AIRC)评估其创新问题。这项工作的起因是美国防部一直在努力有效地参与创新生态系统,以支持改进采购、能力和军事成果。AIRC考虑了现有的方法,这些方法主要侧重于流程解决方案和设立新的办事处。显然,挑战依然存在。因此,AIRC退后一步,明确界定问题、其原因和挑战,以及潜在的补救措施,而不是冒着风险盲目地寻找和追逐快速或简单的解决方案,因为这些解决方案可能无法从根本上解决获取和部署正确的创新国防能力的问题。因此,本报告试图从最初的原则出发来审视这一挑战,并真正理解国防创新问题的本质。

当今所需的创新是在技术环境发生巨大变化的背景下进行的。几十年前,当AIRC的技术组织和采购结构建立起来时,美国国防部对国内和全球的技术发展都产生了巨大的影响,因此是技术变革步伐的主要决定因素。如今,技术领域主要是商业性的、分散的、扩散的,任何政府都无法控制。2019 年,全球每年的研发(R&D)投资约为 2.4 万亿美元,其中 70% 以上来自美国以外,近一半来自美国和中国以外(Sargent,2021 年)。此外,全球范围内的变革步伐是由一个分散的公共和私营参与者网络推动的。

这给AIRC的主要启示是,需要有意识地在国防部内部建立一个更好的创新生态系统,而不是简单地继续改革现有的采购框架或只关注外部社区。这意味着必须培养和保护国防部的组织、实验和人员。这一理念跨越了主要的权力和责任界限,要求国防部在技术快速涌现、广泛扩散的新现实中,培养领导力和员工队伍所需的技能和批判性思维。

AIRC确定了以下建议和下一步措施,这些建议和措施可以使国防部更多地转向授权、创造、识别、评估和采用具有重大业务意义的创新(而不是在资源有限的情况下无法证明和追求的有吸引力的创新)。要实现这一目标,就需要对基本的推动因素给予长期、根本性的关注,包括实验和学习,这不仅适用于国防创新,也适用于获取和部署创新能力的更广泛系统。

实现重大业务创新的建议

1.创建组织,教授并维持红色团队和实验活动,并直接向有权调动资金、影响和支持职能的领导汇报,以实地开展对业务需求至关重要的创新。

2.在这些组织内创造实验和迭代机会,让作战人员直接参与,以扩展新技术和现有技术的使用概念,以及理论、组织、培训、物资、领导、人员、设施和政策(DOTMLPF-P)的补充性变化。

3.开发学习资料库,为创新部门和美国防部建立创新工作的长期企业记忆,使机构更加智能化,同时减少人员频繁轮换带来的负面影响。

4.吸引并留住具备相关技能、激励措施和能力的人员和领导者,以驾驭这个充满活力的新世界。

a.为员工和领导制定并实施教育培训计划和方案

b.对领导者和员工实施与成果相一致的奖励和晋升标准,以激励和促进创新。

c.营造有利于创新、测试、学习、选择和实施关键业务创意的组织环境。

下一步:试点方案

为落实上述建议,下一步的实际工作包括以下试点和研究工作。

i. 创建实验组织并赋予其权力(可能在陆军未来司令部或现有的快速能力办公室)。

ii. 试点建立实验组织的学习资料库(同样,可能在陆军未来司令部或现有的快速能力办公室)。

iii. 培训一批未来的领导者和劳动力(例如,在高级军事研究学院(SAMS)和二十一世纪研讨会课程的基础上,在国防采办大学或战争学院进行培训)。

iv. 在军官或公务员队伍中试行激励措施和晋升标准。

v. 确定有关赋权因素的更多经验教训(从过去的经验中吸取成败教训)。建立模拟器,以测试创新激励政策(即在广泛实施新政策之前进行测试),并制定 政策准备程度,为政策决策提供信息。

成为VIP会员查看完整内容
37

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。
《大国竞争时代的新兴颠覆性技术》72页报告
专知会员服务
75+阅读 · 2023年7月23日
《美军无人系统集成路线图(2017-2042)》58页报告
专知会员服务
191+阅读 · 2023年6月27日
《理解和开发无人驾驶飞机自主性的框架》46页报告
专知会员服务
60+阅读 · 2023年6月26日
《长期自主海事系统的需求探索》112页报告
专知会员服务
31+阅读 · 2023年5月7日
《重建美国军队:美国海军》102页报告
专知会员服务
76+阅读 · 2023年4月2日
人工智能和军备控制,80页pdf
专知
9+阅读 · 2022年11月2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
2+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014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
5+阅读 · 2014年12月31日
国家自然科学基金
48+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
24+阅读 · 2012年12月31日
国家自然科学基金
13+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2023年9月26日
Arxiv
157+阅读 · 2023年4月20日
A Survey of Large Language Models
Arxiv
398+阅读 · 2023年3月31日
Arxiv
66+阅读 · 2023年3月26日
Arxiv
139+阅读 · 2023年3月24日
VIP会员
相关基金
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
2+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014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
5+阅读 · 2014年12月31日
国家自然科学基金
48+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
24+阅读 · 2012年12月31日
国家自然科学基金
13+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员