Кроме того, необходимо создать классификацию профессиональных компетенций в различных областях знаний на основе недублирующейся терминологии. Автоматизация процесса присвоения тегов для идентификации пользователей и их персональных характеристик поможет выиграть в скорости, но может отрицательно сказаться на точности, в особенности если целью классификации является описание навыков и практических знаний, а не составление перечня квалификационных документов.
Эффективность созданной модели будет определяться не только детальностью информации, подробнейшим образом введенной экспертами в определенных предметных областях, но и качеством программ-каталогизаторов, а также логикой метауровней организации информации, – задача, которую предстоит решать специалистам в области интернет-технологий, обработки и анализа данных. Пока еще не существует устоявшихся определений для многих навыков: например, может ли таковым являться «хороший водопроводчик», «эффективный специалист по информационной безопасности» или «„черный пояс“ по обработке и анализу данных». Однако увеличение числа «нано-степеней», «микросертификатов» и новых возможностей получать знания в нетрадиционных учебных заведениях вполне может поставить вопрос о расширении «лексического фонда языка» для описания подобных навыков, позволяя рационализировать новую систему аккредитации.
На сайте Американской федеральной базы видов занятости O*NET приводятся описания навыков и задач, связанных с конкретными профессиями. Однако ее необходимо совершенствовать, обновлять и сделать доступной в машиночитаемой форме, чтобы появляющиеся цифровые сертификаты могли соотноситься с теми навыками, которые в ней описаны
[551]. Создание подобной классификации, в свою очередь, поможет демократизировать спектр предложений от потенциальных кандидатов: предложения будет проще представить в виде описания навыков, понятных работодателю.
Очень непросто разработать удобный интерфейс, легкий в использовании и отражающий необходимый объем информации. Особенно сложно решить, какую именно информацию о пользователе нужно отразить. Представим, что государственный чиновник ищет специалиста в области обработки и анализа данных, чтобы получить консультацию по использованию больших данных в системе государственного управления. Ему нужен не просто список имен. Система должна предоставить пояснения, на каком основании были отобраны те или иные имена, при этом информации не должно быть слишком много или слишком мало.
У всех этих проблем нет готовых решений. Необходимо тщательное, целенаправленное тестирование того, насколько удачным получилось соответствие, с обратной связью от всех задействованных сторон, возможно в формате ранжирования уровней удовлетворенности. Постоянное и активное участие в работе системы могло бы стать наилучшим критерием. Однако для развития таких систем требуется улучшение взаимодействия между ее потенциальными пользователями.
Еще одним ключевым вопросом является понимание того, как эффективнее настраивать функцию поиска. Человек, принимающий решения, должен точно знать, что он ищет: например, гарантии созидательного участия, объективные критерии профессиональной компетенции, подтверждение навыков и/или официальный диплом. Разработка правильного процесса не менее важна, чем создание базы данных.
Современные интернет-технологии трансформируют нашу способность выявлять, кто какими знаниями владеет, и при необходимости вовлекать их в управление. Новые технологии также позволяют по-новому организовывать людей для совместной онлайн-деятельности. Ученые из Российской академии наук предложили термин «мультисеть» (multinetwork) для обозначения более разнообразного онлайн-сообщества, стимулирующего коллективную деятельность для создания практически применимых и полезных знаний.
Благодаря использованию мультисети мы можем начать задумываться о том, чтобы привлекать больше граждан к процессу решения сложных проблем. На фоне растущего недовольства моделями обучения по принципу «сверху вниз», оторванного от реальной жизни, и управлением «за закрытыми дверями» было бы большой глупостью не воспользоваться в полной мере новой возможностью, ставшей результатом развития технологий, не демократизировать определение, выражение и измерение профессионализма. Только от нас зависит создание более эффективной системы обучения, более гибкого рынка труда и, самое главное, более эффективной и умной системы управления.
Глава 5
Эксперименты с умным государственным управлением
С расширением административного аппарата в Америке возросла ответственность за политику, услуги и решения, от которых зависит здоровье, безопасность и финансовое благосостояние нации. Провалы в системе государственного управления могут иметь ужасающие последствия.
Сьюзан Л. Моффитт, «Превращение политики в общественный институт»
[552], 2014 год
[553] Командование военно-воздушных сил США не знало, к кому обратиться за оперативной помощью, когда столкнулось с гибелью своих пилотов и гражданских лиц при выполнении заданий в Афганистане. Проблема была вызвана структурой почвы и пыли в этой стране
[554]. Частицы грунта поднимались винтами вертолетов Sikorsky UH-60 и, создавая, как говорят военные, «условия недостаточной видимости», мешали обзору. Служащий Министерства обороны США, которому было поручено решение этой проблемы, понятия не имел, что сидящий напротив него в офисе коллега обладал девятилетним опытом управления таким вертолетом в полевых условиях.
Осенью 2008 года Исследовательская лаборатория ВВС США запустила первую в своем роде правительственную платформу для поиска экспертов «Аристотель». Эта платформа имела много общего с системами выявления компетенций, которые обсуждались в главе 4. Платформа использует компьютерные алгоритмы, которые облегчают классификацию и отбор людей по таким критериям, как профессиональная репутация, документы об образовании, членство в профессиональных ассоциациях, навыки и опыт.
