I am ready for a long road flight for work with a week- or months-long projects.
1. УЧАСТНИК ИННОВАЦИОННОГО ПРОЕКТА
1.1. Название проекта. Создание автоматизированной системы проблемно – ориентированного анализа развития навыков и компетенций у сотрудников, с возможностью таргетированного профилирования этих сотрудников в целевые группы с построением индивидуальных траекторий развития и учебных активностей.
2. НАУЧНАЯ СОСТАВЛЯЮЩАЯ ИННОВАЦИОННОГО ПРОЕКТА
2.1 Обоснование необходимости проведения НИОКР. Современное состояние исследований по данному направлению.
Исследования и проектные работы в рамках проекта преследуют достижение цели – создание автоматизированной системы проблемно – ориентированного анализа развития навыков и компетенций у сотрудников, с возможностью таргетированного профилирования этих сотрудников в целевые группы с построением индивидуальных траекторий развития и учебных активностей, для предоставления возможности проведения глубокого анализа проблем и рисков в бизнес – процессах среднего и крупного корпоративного сегмента. Исследования в процессе выполнения проекта решают проблемы:
- Недостатка анализа проблем и рисков в бизнес – процессах компаний связанных с недостаточным развитием навыков и компетенций сотрудников.
- Точного профилирования сотрудников в рамках компетенций и занимаемых позиций в компании.
- Поддержки экспертов в построении учебных программ на основе глубокого анализа навыков сотрудников, основанных на реальных результатах деятельности.
- Автоматизации подбора учебных материалов и мероприятий.
2.1.1. Обоснование необходимости проведения НИОКР.
В современных реалиях корпоративного образования, как смешанного, так и дистанционного, крупный и средний бизнес сталкивается с недостатком информированности о реальных потребностях в назначении обучения для целевых групп сотрудников.
Недостаток информированности возникает по следующим причинам:
Для решения этих проблем существует ряд методик, но для их корректной реализации компаниям необходимо привлекать большое количество специалистов и экспертов, обладающих уникальными знаниями и способных проводить регулярную аналитику образовательных процессов. Разумеется, такой подход накладывает на компании дополнительные издержки как финансовые, так и временные и отсутствует элемент дополнительного контроля решений, принятых экспертами.
Благодаря современным технологиям, развитию искусственного интеллекта, нейросетей и методов машинного обучения, появляется эффективная возможность соединить методики информированности о реальных потребностях в обучении и создать программную оболочку способную решать следующие задачи:
1. Получать данные от сторонних систем аналитики об эффективности работы сотрудников.
2. Создавать рекомендательную систему по учебным материалам для точечного назначения по сегментам для разных учебных групп.
3. Индивидуально и гибко подстраивать обучение под определённые сегменты.
4. Совместить анализ успешности обучения с реальными показателями эффективности до обучения и после него и сформировать объективный показатель успешности образовательных мероприятий.
5. Мотивировать сотрудников к обучению через осознанное понимание индивидуальных недостатков в рабочих процессах.
6. Сделать сегментированное и точное распределение пользователей по профилям исходя из компетенций, показателей, изначальных знаний и опыта.
2.1.2. Современное состояние исследований по данному направлению.
В настоящий момент на рынке преобладает влияние двух методик корпоративного обучения, которые нашли своё отражение в двух принципиально различных программных решениях – это LMS системы и LXP системы.
LMS системы – фокусируются на потребностях корпоративных отделов компаний и завязаны на соблюдение внутренних регламентов и требований к образовательному процессу.
LXP системы пропагандируют принципиально иной подход, а именно декларируют переход от вертикального, управляемого руководством стиля систем управления обучения к более независимому и самоуправляемому обучению.
Оба этих решения имеют существенный минус – отсутствие возможности считывания метрик способных обосновать потребность обучения целевых групп беспристрастно, максимально исключая ошибки человеческого фактора.
Таким образом ни одно из существующих решений не обладает функционалом отвечающий запросам как корпоративных отделов компаний, в отношении соблюдения внутренних регламентов по отношению к образовательному процессу, так и сотрудников, в отношении обоснованного, независимого и самоуправляемого обучения.
2.2. Научная новизна предлагаемых в инновационном проекте решений. Основные характеристики продукта, создаваемого в рамках реализации проекта (функциональное назначение, основные потребительские качества и параметры продукта).
2.2.1. Научная новизна предлагаемых в инновационном проекте решений.
Научная новизна заключается в проработке алгоритмов и моделей ИИ способных на основании полученных данных из сторонних систем создавать рекомендательный механизм формата проблема = решение, где проблема – это совокупность отрицательных метрик эффективности работы определённой целевой группы, а решение – это рекомендация темы учебного материала или группы учебных материалов и настройка условий для построения индивидуальных траекторий. В свою очередь сформирована методологическая основа программного решения (далее ПР), которая базируется на следующих постулатах:
1. ПР открыто для взаимодействия с любыми системами. Именно данные и их обработка являются ключом к формированию объективных траекторий развития отдельных сотрудников, групп и профилей.
2. ПР не конкурирует, а взаимодействует и дополняет существующий корпоративный софт формируя решения исключительно на анализе данных.
3. Методика определения проблем, влияющих на эффективность, формируется на основе анализа факторов, влияющих на снижение эффективности сотрудников организации, которые представляют материальные, репутационные и технологические риски, связанные с недостаточной осведомлённостью сотрудников.
Сама методология работы ПР будет основываться на применение следующих инновационных технологий:
a) Для анализа данных будут применяться современные механизмы управления большими данными, такие как data extraction, что позволит извлекать, загружать и преобразовывать данные в удобный измеряемый формат проблемно-ориентированной модели рисков для бизнес-процессов.
b) Для разработки рекомендательной системы будут применяться искусственные нейронные сети, построенные на самообучающихся языковых моделях, которые помогут в подборе образовательных решений.
c) Для предупреждения повторения возможных проблем будут применяться методы предсказательной аналитики, построенные на методах интеллектуального анализа и теории игр, которые будут оценивать исторические риски путём смешения и интеграции данных, таких как рейтинги пользователей, вовлечённость, интенсивность участия в образовательном процессе и наставничество совмещённые с реальными показателями эффективности сотрудников.
d) Новая отдельная графическая среда, которая будет выступать основным визуальным интерфейсом для удобства управления вышеуказанными механиками.
Перечисленные новые решения, полученные в ходе проведения НИОКР по проекту, составляют его научную новизну.
2.2.2. Основные характеристики продукта, создаваемого в рамках реализации проекта.
В рамках проекта планируется разработать систему анализа развития навыков и компетенций у сотрудников, с возможностью таргетированного профилирования этих сотрудников в целевые группы с построением индивидуальных траекторий развития и учебных активностей. Данная системы будет взаимодействовать с информационно вычислительной средой организации и позволит формировать аналитику об общем уровне навыков сотрудников в компании, что поможет формировать индивидуальный подход к учебному процессу и развитию навыков и/или возможных угроз в работе сотрудников, связанных с недостаточным развитием компетенций или недостатком информированности пользователей в тематических вопросах.
Функциональные характеристики системы и её основные потребительские качества:
· Автоматизированная рекомендательная система по потребностям в развитии навыков сотрудников на основе ИИ.
· Интеграция с бизнес – процессами организации.
· Автоматизированное получение данных необходимых для построения индивидуальных треков развития.
· Гибкая настройка условий и сценариев развития для усовершенствования подхода к индивидуализации учебных процессов.
· Мотивация к обучению, построенная на открытости и огласке реальных проблем и недостатков, выявленных на основе данных.
· Возможность построения саморазвивающихся сообществ в рамках системы благодаря рейтинговой модели взаимодействия пользователей между собой.
· Более качественный подход к выявлению лидеров мнений и наиболее вовлечённых сотрудников для более точного фокуса к их развитию.
Работа системы будет строиться по следующим принципам. В процессе внедрения формируется структура компании в соответствии с её оргструктурой и штатными позициями, затем выделяются сегменты, которые необходимо контролировать. Так же на этапе внедрения формируется блок внутренних корпоративных систем, необходимый каждому сегменту для получения актуальных данных об эффективности сотрудников, в последствии производится первоначальное профилирование сотрудников и проверка первоначальных навыков. В процессе работы, система, по мере получения данных формирует приоритезацию рисков связанных с эффективностью сотрудников и даёт рекомендации по развитию навыков, которые снизят влияние этих рисков на эффективность работы.
2.4. Методы и способы решения поставленных задач для получения ожидаемых характеристик.
В ходе работы будет проведён детальный конкурентный анализ присутствующих на рынке аналогов, перспективных разработок и инноваций в области обучения персонала. Предусмотрено сравнение экономических показателей существующих систем с разрабатываемой системой и определены оптимальные функциональные особенности продукта. Будут выбраны и протестированы текущие технологии работы с большими данными и искусственным интеллектом для выбора оптимальных методов работы и оперативного внедрения в разрабатываемую систему.
В ходе проведения НИОКР будут использоваться следующие основные способы:
1.Применение существующих методик смешанного обучения для создания первоначальных сценариев учебных программ.
2. Применение уже работающих механизмов и математических моделей из других областей, а именно предсказательной аналитики и теории игр для совершенствования рекомендательной модели, построенной на анализе больших данных.
3.Сегментация и профилирование пользователей на уровне гипотез для совершенствования методологической основы проблемно – ориентированного подхода в обучении для его оцифровки и автоматизации.
4. Проведение интервью с представителями ЦА, экспертами и лидерами мнений для максимально точной первоначальной выборки корпоративных систем для интеграций с конечным продуктом.
2.5. Соответствие применяемых в инновационном продукте решений направлениям развития высокотехнологичных областей и результатам дорожной карты по направлениям развития высокотехнологичных областей.
Приоритетное направление поддержки разработки отечественного программного обеспечения – «Поддержка коммерциализации проектов по предсказательному моделированию результатов работы/обучения без тестирования в реальной среде (оценка качества работы)». В рамках работы будет разработана автоматизированная система, которая на основе алгоритмов искусственного интеллекта будет формировать рекомендательную систему учебных активностей на основе анализа проблем.
1.1. Название проекта. Создание автоматизированной системы проблемно – ориентированного анализа развития навыков и компетенций у сотрудников, с возможностью таргетированного профилирования этих сотрудников в целевые группы с построением индивидуальных траекторий развития и учебных активностей.
2. НАУЧНАЯ СОСТАВЛЯЮЩАЯ ИННОВАЦИОННОГО ПРОЕКТА
2.1 Обоснование необходимости проведения НИОКР. Современное состояние исследований по данному направлению.
Исследования и проектные работы в рамках проекта преследуют достижение цели – создание автоматизированной системы проблемно – ориентированного анализа развития навыков и компетенций у сотрудников, с возможностью таргетированного профилирования этих сотрудников в целевые группы с построением индивидуальных траекторий развития и учебных активностей, для предоставления возможности проведения глубокого анализа проблем и рисков в бизнес – процессах среднего и крупного корпоративного сегмента. Исследования в процессе выполнения проекта решают проблемы:
- Недостатка анализа проблем и рисков в бизнес – процессах компаний связанных с недостаточным развитием навыков и компетенций сотрудников.
- Точного профилирования сотрудников в рамках компетенций и занимаемых позиций в компании.
- Поддержки экспертов в построении учебных программ на основе глубокого анализа навыков сотрудников, основанных на реальных результатах деятельности.
- Автоматизации подбора учебных материалов и мероприятий.
2.1.1. Обоснование необходимости проведения НИОКР.
В современных реалиях корпоративного образования, как смешанного, так и дистанционного, крупный и средний бизнес сталкивается с недостатком информированности о реальных потребностях в назначении обучения для целевых групп сотрудников.
Недостаток информированности возникает по следующим причинам:
- Отсутствие глубокого анализа реальных проблем в бизнес - процессах, которые можно закрыть обучением.
- Отсутствие аналитики успешности образовательных процессов направленных на решение задач в существующих бизнес – процессах.
- Отсутствие методик и механизмов снятия реальных потребностей с целевых групп в обучении.
- Не всегда корректная оценка эффективности методической основы учебных материалов и мероприятий из-за недостаточной оцифровки показателей и получения обратной связи от целевых групп.
- Низкое или недостаточное вовлечение целевых групп обучающихся в учебные процессы. Часто обучение проходится для галочки или по рекомендации руководства. Итог – отсутствие мотивации и отсутствие понимания первопричин у целевых групп для обучения.
- Недостаток технических возможностей построить обучение так, чтобы гибко, индивидуально и таргетировано перестраивать обучение в зависимости от реальных показателей, результатов и успехов у целевых групп.
Для решения этих проблем существует ряд методик, но для их корректной реализации компаниям необходимо привлекать большое количество специалистов и экспертов, обладающих уникальными знаниями и способных проводить регулярную аналитику образовательных процессов. Разумеется, такой подход накладывает на компании дополнительные издержки как финансовые, так и временные и отсутствует элемент дополнительного контроля решений, принятых экспертами.
Благодаря современным технологиям, развитию искусственного интеллекта, нейросетей и методов машинного обучения, появляется эффективная возможность соединить методики информированности о реальных потребностях в обучении и создать программную оболочку способную решать следующие задачи:
1. Получать данные от сторонних систем аналитики об эффективности работы сотрудников.
2. Создавать рекомендательную систему по учебным материалам для точечного назначения по сегментам для разных учебных групп.
3. Индивидуально и гибко подстраивать обучение под определённые сегменты.
4. Совместить анализ успешности обучения с реальными показателями эффективности до обучения и после него и сформировать объективный показатель успешности образовательных мероприятий.
5. Мотивировать сотрудников к обучению через осознанное понимание индивидуальных недостатков в рабочих процессах.
6. Сделать сегментированное и точное распределение пользователей по профилям исходя из компетенций, показателей, изначальных знаний и опыта.
2.1.2. Современное состояние исследований по данному направлению.
В настоящий момент на рынке преобладает влияние двух методик корпоративного обучения, которые нашли своё отражение в двух принципиально различных программных решениях – это LMS системы и LXP системы.
LMS системы – фокусируются на потребностях корпоративных отделов компаний и завязаны на соблюдение внутренних регламентов и требований к образовательному процессу.
LXP системы пропагандируют принципиально иной подход, а именно декларируют переход от вертикального, управляемого руководством стиля систем управления обучения к более независимому и самоуправляемому обучению.
Оба этих решения имеют существенный минус – отсутствие возможности считывания метрик способных обосновать потребность обучения целевых групп беспристрастно, максимально исключая ошибки человеческого фактора.
Таким образом ни одно из существующих решений не обладает функционалом отвечающий запросам как корпоративных отделов компаний, в отношении соблюдения внутренних регламентов по отношению к образовательному процессу, так и сотрудников, в отношении обоснованного, независимого и самоуправляемого обучения.
2.2. Научная новизна предлагаемых в инновационном проекте решений. Основные характеристики продукта, создаваемого в рамках реализации проекта (функциональное назначение, основные потребительские качества и параметры продукта).
2.2.1. Научная новизна предлагаемых в инновационном проекте решений.
Научная новизна заключается в проработке алгоритмов и моделей ИИ способных на основании полученных данных из сторонних систем создавать рекомендательный механизм формата проблема = решение, где проблема – это совокупность отрицательных метрик эффективности работы определённой целевой группы, а решение – это рекомендация темы учебного материала или группы учебных материалов и настройка условий для построения индивидуальных траекторий. В свою очередь сформирована методологическая основа программного решения (далее ПР), которая базируется на следующих постулатах:
1. ПР открыто для взаимодействия с любыми системами. Именно данные и их обработка являются ключом к формированию объективных траекторий развития отдельных сотрудников, групп и профилей.
2. ПР не конкурирует, а взаимодействует и дополняет существующий корпоративный софт формируя решения исключительно на анализе данных.
3. Методика определения проблем, влияющих на эффективность, формируется на основе анализа факторов, влияющих на снижение эффективности сотрудников организации, которые представляют материальные, репутационные и технологические риски, связанные с недостаточной осведомлённостью сотрудников.
Сама методология работы ПР будет основываться на применение следующих инновационных технологий:
a) Для анализа данных будут применяться современные механизмы управления большими данными, такие как data extraction, что позволит извлекать, загружать и преобразовывать данные в удобный измеряемый формат проблемно-ориентированной модели рисков для бизнес-процессов.
b) Для разработки рекомендательной системы будут применяться искусственные нейронные сети, построенные на самообучающихся языковых моделях, которые помогут в подборе образовательных решений.
c) Для предупреждения повторения возможных проблем будут применяться методы предсказательной аналитики, построенные на методах интеллектуального анализа и теории игр, которые будут оценивать исторические риски путём смешения и интеграции данных, таких как рейтинги пользователей, вовлечённость, интенсивность участия в образовательном процессе и наставничество совмещённые с реальными показателями эффективности сотрудников.
d) Новая отдельная графическая среда, которая будет выступать основным визуальным интерфейсом для удобства управления вышеуказанными механиками.
Перечисленные новые решения, полученные в ходе проведения НИОКР по проекту, составляют его научную новизну.
2.2.2. Основные характеристики продукта, создаваемого в рамках реализации проекта.
В рамках проекта планируется разработать систему анализа развития навыков и компетенций у сотрудников, с возможностью таргетированного профилирования этих сотрудников в целевые группы с построением индивидуальных траекторий развития и учебных активностей. Данная системы будет взаимодействовать с информационно вычислительной средой организации и позволит формировать аналитику об общем уровне навыков сотрудников в компании, что поможет формировать индивидуальный подход к учебному процессу и развитию навыков и/или возможных угроз в работе сотрудников, связанных с недостаточным развитием компетенций или недостатком информированности пользователей в тематических вопросах.
Функциональные характеристики системы и её основные потребительские качества:
· Автоматизированная рекомендательная система по потребностям в развитии навыков сотрудников на основе ИИ.
· Интеграция с бизнес – процессами организации.
· Автоматизированное получение данных необходимых для построения индивидуальных треков развития.
· Гибкая настройка условий и сценариев развития для усовершенствования подхода к индивидуализации учебных процессов.
· Мотивация к обучению, построенная на открытости и огласке реальных проблем и недостатков, выявленных на основе данных.
· Возможность построения саморазвивающихся сообществ в рамках системы благодаря рейтинговой модели взаимодействия пользователей между собой.
· Более качественный подход к выявлению лидеров мнений и наиболее вовлечённых сотрудников для более точного фокуса к их развитию.
Работа системы будет строиться по следующим принципам. В процессе внедрения формируется структура компании в соответствии с её оргструктурой и штатными позициями, затем выделяются сегменты, которые необходимо контролировать. Так же на этапе внедрения формируется блок внутренних корпоративных систем, необходимый каждому сегменту для получения актуальных данных об эффективности сотрудников, в последствии производится первоначальное профилирование сотрудников и проверка первоначальных навыков. В процессе работы, система, по мере получения данных формирует приоритезацию рисков связанных с эффективностью сотрудников и даёт рекомендации по развитию навыков, которые снизят влияние этих рисков на эффективность работы.
2.4. Методы и способы решения поставленных задач для получения ожидаемых характеристик.
В ходе работы будет проведён детальный конкурентный анализ присутствующих на рынке аналогов, перспективных разработок и инноваций в области обучения персонала. Предусмотрено сравнение экономических показателей существующих систем с разрабатываемой системой и определены оптимальные функциональные особенности продукта. Будут выбраны и протестированы текущие технологии работы с большими данными и искусственным интеллектом для выбора оптимальных методов работы и оперативного внедрения в разрабатываемую систему.
В ходе проведения НИОКР будут использоваться следующие основные способы:
1.Применение существующих методик смешанного обучения для создания первоначальных сценариев учебных программ.
2. Применение уже работающих механизмов и математических моделей из других областей, а именно предсказательной аналитики и теории игр для совершенствования рекомендательной модели, построенной на анализе больших данных.
3.Сегментация и профилирование пользователей на уровне гипотез для совершенствования методологической основы проблемно – ориентированного подхода в обучении для его оцифровки и автоматизации.
4. Проведение интервью с представителями ЦА, экспертами и лидерами мнений для максимально точной первоначальной выборки корпоративных систем для интеграций с конечным продуктом.
2.5. Соответствие применяемых в инновационном продукте решений направлениям развития высокотехнологичных областей и результатам дорожной карты по направлениям развития высокотехнологичных областей.
Приоритетное направление поддержки разработки отечественного программного обеспечения – «Поддержка коммерциализации проектов по предсказательному моделированию результатов работы/обучения без тестирования в реальной среде (оценка качества работы)». В рамках работы будет разработана автоматизированная система, которая на основе алгоритмов искусственного интеллекта будет формировать рекомендательную систему учебных активностей на основе анализа проблем.
