بسته به اینکه آینده چگونه پیش خواهد رفت، پیشرفت های امروز در تحقیقات بیوتکنولوژی پتانسیل بیشتر یا کمتری برای پایه گذاری نوآوری های آینده دارند.
ردیابی پیشرفت در مقایسه با شاخص ها برای سناریوهای مختلف آینده به تمرکز، تاکید یا عدم تاکید بر تحقیقات اکتشافی به موقع و به حداکثر رساندن شانس برای نوآوری موفق کمک می کند. در این مقاله نشان می دهیم که چگونه سناریوهای یادگیری با افق زمانی ۲۰۵۰ به شناخت پیامدهای تحولات سیاسی و اجتماعی بر روی پتانسل نوآوری تحقیقات بیوتکنولوژی در حال انجام کمک می کنند. همچنین مدلی برای افزایش بیشتر نوآوری باز میان آکادمی و زنجیره ارزش بیوتکنولوژی پیشنهاد می کنیم که به تحقیقات بنیادی در کاوش زمینه های اکتشافی که شانس بیشتری برای سودمندی در تحقیقات کاربردی دارند، کمک می کند.
توسعه سناریوهای بیوتکنولوژی در سیستم های اجتماعی پیچیده
علم زیست شناسی مرزهای دانش خود را با سرعتی روزافزون گسترش می دهد. بینش های رو به پیشرفت در فرآیندهای بیولوژیکی، طیف وسیعی از گزینه ها را برای توسعه نوآوری های تدریجی و متمایز در بخش های بیوتکنولوژی پزشکی، کشاورزی و صنعتی ارائه می دهد.
از آنجا که مدت بازه های زمانی از درک فرآیندهای پایه بیولوژیکی تا تشکیل مفهوم یک نوآوری و توسعه محصولی قابل فروش ممکن است از ۱۰ تا ۲۵ سال باشد، یکی از سوالات اصلی تحقیقات اکتشافی بیوتکنولوژی کنونی این است که “این نوآوری برای چه جور آینده ای به کار می آید؟”
به این منظور، در سال ۲۰۱۹ اولین تحلیل سناریویی در نوع خود را با افق زمانی ۲۰۵۰ برای درک فضای آپشن بیوتکنولوژی کشاورزی انجام دادیم. چهل و پنج ترند و ۲۲ ابهام مربوط به کل سیستم اجتماعی-اقتصادی کشاورزی برای ترسیم طیف مسیرهایی که آینده ممکن است در پیش گیرد و تعیین اینکه بیوتکنولوژی کشاورزی چگونه می تواند به بهترین وجه امنیت غذایی، تغذیه و سلامت آینده را تضمین کند، بررسی شد. ترندها از مصرف کننده و اطلاعات جمعیتی، کشاورزی و فناوری گرفته تا سیاست، اقتصاد، و تحولات اجتماعی متغیر بودند و ابهامات شناسایی شده حول سه زمینه دسته بندی شده بودند: نیاز به انطباق، اولویت ها در زنجیره ارزش و نقش علم.
برای تشخیص اینکه دنیای امروز به سمت کدام سناریو حرکت می کند، شاخص های مربوطه باید ایجاد شوند. برای این کار تحولات یا رویدادهای حیاتی که برای به وجود آمدن سناریو ضروری خواهند بود باید نام گذاری شده، از طریق روایت ها به ترتیب زمانی تنظیم شده و ارزش اطلاعاتی آن ها بررسی شود. سناریوهای یادگیری قابل استفاده مجدد هستند و دامنه شاخص های شناسایی شده به تنوع تخصص در تیمی که از سناریوهای یادگیری استفاده می کند بستگی دارد.
از نمونه های بارز شاخص ها، تحولات پیرامون قوانین مربوط به ویرایش ژن در سناریوی Bio-Innovation و REJECTech یا مقررات حفاظت از داده های شخصی در سناریوی My Choice است، در حالی که برای مثال، تحولات در دسترس بودن آب در یک کشور خاص می‌تواند شاخصی برای Food Emergency و همچنین برای Bio-Innovation یا REJECTech باشد.
نکات مهم
شناسایی کاربردی ترین ترندهای اجتماعی، اقتصادی و فناوری می تواند به ما در درک جهت توسعه دنیای آینده کمک کند.
تعمیم تاثیر درازمدت تحولات کنونی بر شیوه زندگی مان ممکن است راه هایی را برای تحقیقات اکتشافی بیوتکنولوژی باز کند که پایه و اساس تحقیق و نوآوری برای رفع نیازهای آینده را فراهم می کند.
به حداکثر رساندن خروجی نوآوری در بیوتکنولوژی مستلزم تعامل مستمر بین سهامداران برای به اشتراک گذاشتن به موقع دانش به دست آمده از تحقیقات اکتشافی در قالب های متناسب با الزامات استفاده ذینفعان است.
نحوه تکامل جهان به تحولات بی شماری بستگی دارد. به عنوان مثال، انتقال به انرژی های تجدیدپذیر و ذخیره سازی غیرمتمرکز، رویکرد سیاست جهانی برای امکان استفاده از فناوری های جدید ژنومی، استقبال بیماران از درمان های جدید، باور جامعه به داروهای پیشگیرانه یا تقاضای شفافیت در مورد خواص مواد غذایی، تغییر رژیم غذایی، توسعه مواد جدید با تکنولوژی بالا، تغییر در سبک زندگی و پیشرفت در رباتیک و هوش مصنوعی. دنبال کردن چنین پیشرفت هایی و بررسی تاثیر طولانی مدت آن ها بر شیوه زندگی مان، ممکن است به دانشمندان الهام ببخشد تا گامی انتقالی برداشته و راه هایی را برای تحقیقات اکتشافی بیوتکنولوژی بگشایند که مبنای آغاز تحقیق و نوآوری (R&I) برای رسیدگی به نیازهای آینده را فراهم می کند.
تحقیقات اکتشافی بیوتکنولوژی بدون شک هسته اصلی نوآوری های متعددی خواهد بود که تا سال ۲۰۵۰ وارد جامعه می شوند. با این حال، بسته به اینکه آینده چگونه پیش خواهد رفت، پیشرفت امروز در تحقیقات بیوتکنولوژی دارای پتانسیل کمتر یا بیشتری برای پایه گذاری نوآوری های آینده است. علاوه بر این، فقدان فرهنگ متداول نوآوری باز در صنعت و آکادمی خطر از دست رفتن نوآوری هایی را که از نظر ترندی می توانند تقاضای صنایع یا مصرف کنندگان را برآورده کنند، افزایش می دهد.
به عنوان مثال، این امر واضح است که تقاضا برای نوآوری های بیوتکنولوژی مرتبط با تغییرات آب و هوایی بالا بوده و توسط سیاست گذاران حمایت می شود. با این حال، نیازهای برآورده نشده برای گروه های مختلف ذینفع هنوز مشخص نیست. تاثیرات مرتبط با تغییرات و نوسانات آب و هوا و شرایط محیطی جدید ناشی از آن، از جمله آفات و بیماری های جدید روی شهرها، باغ ها، پارک ها، دریاچه ها و کشتزارها هنوز به طور کامل درک نشده. در نتیجه، مرحله انتقالی از فرصت نوآوری به دانش جدید مورد نیاز، به راحتی قابل درک نیست. به همین ترتیب، نحوه ادغام نوآوری در محصولات نیز مشخص نیست. ممکن است از ویرایش ژن گرفته تا گردش های کاری جدید مبتنی بر دانش و پذیرفته شده در جامعه که هنوز بر قرار نشده اند، متغیر باشد. اولین فعالیت، یعنی توسعه دانش تغییرات اقلیمی، ریسک پایینی در رابطه با درجه اهمیت دارد. دومین مورد، توسعه نوآوری های بیوتکنولوژی در رابطه با تغییرات اقلیمی، به نحوه پیشبرد سیاست ها در سراسر جهان بستگی دارد و بنابراین ریسک بیشتری را به همراه دارد. برای مثال، در حالی که در دنیای نوآوری زیستی امکان جایگزینی گسترده مواد مصنوعی مبتنی بر فسیل با جایگزین های زیستی در جامعه قابل تصور است، احتمال رخداد چنین تحولی در محیط REJECTech کمتر است، زیرا حتی اگر دانش فنی انجام این کار وجود داشته باشد از عملی ساختن آن پشتیبانی نمی شود.
مثال دیگر به بهره برداری از میکروبیوم مربوط می شود. از آنجایی که میکروب ها بیشترِ، اگر نگوییم همه ی، سیستم های پیچیده اکولوژیکی را تحت تاثیر قرار می دهند، انتظار می رود بهره برداری از دانش بیولوژیکی گزینه های نوآوری را در طیف گسترده ای از زمینه های بیوتکنولوژی ارائه دهد و هسته اصلی بازارها و مدل های تجاری جدید باشد. اینها ممکن است شامل دارو، مراقبت های بهداشتی، سیستم های غذایی، فرآیندها و مواد صنعتی و خانگی، بازیافت منابع و جذب انرژی باشد. برای به واقعیت پیوستن این امر نیاز است که تحقیقات اکتشافی بیوتکنولوژی گسترده و بنیادی روی میکروبیوم ها به نقطه اوج برسد، به طوری که تحقیق و پژوهش برای فرصت های کوچک و بزرگ در سراسر بخش ها قابل اجرا باشد. این امر مستلزم تلاش عمومی عمده برای پیشبرد دانش پیش رقابتی، و توانمندسازی تا سطحی مناسب برای پذیرش بخش در یک چشم انداز ریسک معقول در مورد بازگشت سرمایه است. به عنوان مثال، رویکردی شاخص در پزشکی بر مبنای تلاش های کلان داده های جاری، مانند پروژه “۱۰۰ هزار ژنوم انسان”، ممکن است به عنوان راهی برای رسیدن به وضعیت مطلوب توانمندسازی در یک بازه زمانی ۵ ساله عمل کند و برای ابتکارات کوچک تر امکان پیشرفت به طور مقرون به صرفه بر این پایه را فراهم کند. با این حال، وجود اکوسیستم کارآفرینی برای تحقق این امر حیاتی است، یعنی احتمال وقوع چنین پیشرفت هایی در سناریوی Bioinnovation یا حتی در سناریویFood Emergency در زمانی که جامعه شروع به اولویت بندی دسترسی به غذا و سلامت کند، بیشتر است.
مثال سوم به تغییر رژیم غذایی به منابع پروتئینی جایگزین اشاره دارد. انتخاب مصرف کننده به شدت به خواص مواد غذایی مانند طعم، بافت، خوش طعمی، رنگ، راحتی و قیمت بستگی دارد. تولید محصولات پروتئینی جایگزین برای رقابت با گوشت نیازمند پیشرفت های عمده در بینش های بیولوژیکی برای ارتقای منابع غذایی است. چالش این است که حامل ها، مانند جلبک ها، حشرات، محصولات زراعی، تخمیر و غیره و خواص دقیق را مشخص کنیم تا سرمایه گذاری های کشف بیوتکنولوژی اثر عملی داشته باشد. نحوه انجام موفقیت آمیز این کار مشخص نیست زیرا در حال حاضر معلوم نیست که کدام محصولات و ویژگی های محصول با تقاضاهای بازار آینده مطابقت دارند. این موضوع مجددا بر اهمیت سناریوهای یادگیری متضاد و نیاز به شناسایی شاخص های مختص سناریو برای دریافت بینش زودهنگام در مورد چگونگی رخداد ترندهای خاص تاکید می کند. این شاخص ها ممکن است به نقاط تصمیم گیری بله/خیر در توسعه سیاست یا استقرار به موقع فناوری های توانمندساز حیاتی یا تقاضاهای قابل توجه مصرف کننده مربوط باشد. بنابراین، ردیابی پیشرفت چندین شاخص مختص سناریو به هدایت تمرکز در تحقیقات اکتشافی و تاکید یا عدم تاکید به موقع برای به حداکثر رساندن شانس نوآوری موفق کمک می کند.
یکی از مثال های واقعی کنونی، همه گیری COVID-19 (بیماری کروناویروس ۲۰۱۹) است، رویدادی که پیش بینی نشده بود و به همین دلیل قبل از همه گیری، تنها تلاش های تحقیقاتی نسبتا کوچک و پراکنده ای روی آن انجام شده بود. رقابت R&I کنونی برای ایجاد درمان و واکسن علیه کووید-۱۹ می توانست منفعت بسیاری از دانش پیشرفته در مورد کروناویروس ها که از طریق تحقیقات اکتشافی بیوتکنولوژی به دست آمده است، ببرد.
البته، هنگام نگاه به گذشته، تاکید روی آنچه که باید انجام می شد راحت است. در عمل، چندین میلیون ویروس در جهان وجود دارد که بیش از ۲۰۰ موردشان انسان را آلوده می کند. انجام تحقیقات گسترده همزمان بر روی همه این ویروس ها بسیار کاربر و از نقطه نظر اقتصادی ناپایدار خواهد بود. با این حال، بحران کنونی نشان دهنده مزیتی است که استفاده از شاخص های سناریو می تواند در آینده برای سازمان های بین المللی و محلی که با سلامت عمومی سروکار دارند به ارمغان آورد. چنین شاخص هایی می توانستند به شیوع های قبلی و کوچک تر سایر کروناویروس ها مانند سارس (سندرم حاد تنفسی) و MERS (سندرم تنفسی خاورمیانه) در دو دهه گذشته اشاره کنند. پس از آن، این همه گیری ها ممکن بود بتوانند سناریوهایی را که در آن کروناویروس ها به یک تهدید بزرگ برای سلامت انسان تبدیل می‌شوند را پیش بینی کرده و موجب اختصاص بودجه اختصاصی برای پیشبرد دانش بیوتکنولوژیکی خاص و توسعه استراتژی هایی برای به حداقل رساندن شیوع این نوع بیماری شوند.
در حال حاضر بودجه عمده ای برای کاهش پیامدهای بحران COVID-19 جمع آوری شده است، از جمله ۸ میلیارد دلار که رهبران جهان برای حمایت از R&I اختصاص داده اند. با این حال، نیاز مداوم کنونی به انجام تحقیقات اکتشافی بیوتکنولوژی اساسی به معنای محدودیت زمانی، نه لزوما بودجه به تنهایی، است. در همین راستا، ایجاد سناریوهایی در زمان حال برای درک اتفاقات احتمالی آینده در چارچوب همه گیری کووید-۱۹، می تواند به پیش بینی پیامدهای بلندمدت اقدامات در حال انجام کمک کرده و به کشورها، دولت ها و جوامع امکان برخورد موثرتر با این بحران را بدهد. در زمینه سناریوهای ارائه شده در شکل ۳، همه گیری فعلی به عنوان شاخصی قابل استناد برای سناریوی Food Emergency آمده است. یک بحران اقتصادی جهانی ممکن است زنجیره های تامین حیاتی کشاورزی را در معرض خطر قرار دهد، به طوری که امنیت غذایی در برخی مناطق جهان اهمیتی بیش از پیش پیدا کند.
سوالات برجسته
- چگونه می توان همه ذینفعان مرتبط را تشویق کرد تا همگی باهم به درک مشترکی از سناریوهای یادگیری و تاثیر آن ها برسند؟
- چگونه می توان اطمینان حاصل کرد که سناریوها برای رسیدگی به تحولات خاص در طول زمان، از جمله جنبه هایی که در تمرینات سناریوهای قبلی پوشش داده نشده بودند، به موقع به روز می شوند؟
- چگونه می توان ردیابی شاخص ها و انتشار سیگنال های ضعیف تر و قوی تری را که ممکن است قبل از تحقق کامل هر یک از سناریوها جهتِ تغییر را نشان دهند، سازماندهی کرد؟
- چگونه می توان کیفیت توسعه سناریو و استفاده از آن را با آخرین پیشرفت های دیجیتالی سازی و هوش مصنوعی بهبود بخشید؟
جمع بندی نهایی
مثال های بیوتکنولوژی ذکر شده نشان دهنده خطر خروجی کم نوآوری در هنگامی است که دانش بنیادین به‌دست آمده از تحقیقات اکتشافی به راحتی و در قالب کاربردی در دسترس نباشد. استفاده از سناریوهای یادگیری و ردیابی پیشرفت در برابر شاخص های این سناریوها به در دسترس بودن به موقع دانش بنیادین کمک بسیاری می کند. برای موثر ساختن چنین رویکردی، ابتدا باید به چندین موضوع مهم پرداخته شود (به سوالات برجسته مراجعه کنید).
ما شدیدا معتقدیم که برای بهبود خروجی نوآوری، باید به مسائلی فراتر از ابزارهای مالی و خلاقیت پرداخته شود. در عوض، توصیه ما این است که به نحوه عملکرد اکوسیستم نوآوری توجه نشان داده شود. برای به حداکثر رساندن فواید پیشرفت ها در دانش فنی، انجام بررسی های گسترده به نفع اصول کار فعلی بین آکادمی، دست اندرکاران زنجیره ارزش و جامعه خواهد بود. علم زیست شناسی برای حرکت موثرتر از کشف به نوآوری، به تعامل متقابل و مستمر میان ذینفعان نیاز دارد. برای هدایت کارآمدتر تحقیق و توسعه بیوتکنولوژیکی، وجود یک مفهوم مدیریت نوآوری باز به منظور رسیدگی به اطلاعات و فعالیت های کلان داده های پیش رقابتی و رقابتی از شرایط لازم است.
بنابراین، پیشنهاد ما این است که گردش های کاری نوآوری مجازی شامل آکادمی و دست اندرکاران زنجیره ارزش را برای رسیدگی به خواسته های اجتماعی به راه اندازیم (شکل ۴). ایده، راه اندازی پایگاه های دانش اختصاصی اکوسیستمی است که به عنوان مثال، به بخش های بیوتکنولوژی پزشکی، کشاورزی، یا صنعتی، یا به حوزه نوآوری گسترده ای مانند میکروبیوم کمک می کنند. این پایگاه های دانش اکوسیستم باید داده های هماهنگ و تنظیم شده را در قالب های متناسب با الزامات استفاده ذینفعان در خود جای دهند. چنین الزاماتی را می توان برای هر یک از زمینه های بیوتکنولوژی در یک فرآیند دو مرحله ای تعریف کرد. ابتدا باید گردش کار عمومی در نقاط واگذاری بین آکادمی و دست اندرکاران زنجیره ارزش، و سپس داده ها و الزامات قالب در این گردش کار عمومی، که برای شروع ضروری است، توضیح داده شود. این فرآیندها باید به طور مطلوب در هر دو جهت توصیف شوند. علاوه بر این، کاربرانی که اطلاعات را با نرم افزار خودشان استخراج می کنند، در صورت خصوصی بودن باید متعهد شوند که نتایجی را که به طور ناشناس به دست آمده بارگذاری کنند تا بتوان در دور بعدی سوالات تجربی، اطلاعات پیشرفته را در نظر گرفته و پایگاه دانش در طول زمان هم از نظر دامنه و هم از نظر قابلیت پیش بینی ارتقا یابد.
برای اینکه این کار قابل اجرا و پایدار باشد، به ایجاد مدل های کسب و کار و مفاهیم مدیریتی مناسبی برای رسیدگی به مالکیت داده ها و مالکیت معنوی و انتصاب تیم های مدیریت داده اختصاصی نیاز است. اجرای این کار احتمالا به چندین دور بهینه سازی نیاز دارد تا بهترین مصالحه بین منافع ذینفعان ایجاد شود. با این حال، این امر موقعیت خوبی برای بهبود جریان کلی نوآوری به بازار و ارائه انعطاف پذیری مطلوب برای مقابله با ترندهای آتی در جهانی همیشه در حال تغییر، دارد.
