 |
4. Система поддержки принятия решений о межотраслевой кооперации (МОСУЗ как цифровая платформа)
|
|
|
|
Построение межотраслевой системы управления знаниями, описанной в главе 3, требует выявления как актуальных межотраслевых задач, так и носителей знаний, наиболее подходящих для их разрешения. Интеграция же компетенций и квалификаций требует взаимодействия этих носителей разных знаний в рамках единой среды — эта среда является необходимым условием схождения в единую систему ранее рассеянных знаний и практик. Говоря о единой среде, мы говорим о программно-аппаратной части межотраслевой системы управления знаниями. В современных условиях существует возможность организовывать эту программно-аппаратную часть как цифровую платформу. Сейчас мы объясним, как мы ее видим.
Такая цифровая платформа предназначена для организации разрешения задач, которые требуют коллективного принятия решений (бизнес-советы, стратегические сессии, мозговые штурмы, обсуждения, поиск нового решения и т. п. ) когда требуются участие специалистов с различными компетенциями, опытом, установками восприятия, профессионального уровня, управленческого уровня, из разных отраслей. Современные средства информационных технологий позволяют не просто модерировать такие мероприятия, но и делать это в распределенных группах с использованием критерия экономии затрат у потербителя с превращением рабочего времени в свободное (то есть используя то, что мы назвали ТПС-оптимизацией). Это можно назвать цифровой платформой нейросетевой поддержки принятия коллективных решений распределенных групп пользователей.
Развитие технологий, рост междисциплинарной составляющей в современных проектах, географическая распределённость участников проектов — всё это создаёт не только возможности, но и проблемы:
|
|
|
- уменьшается управляемость и прозрачность за счет зашумленности информационных каналов;
- затрудняется формирование команд, эффективно работающих на стыках разных областей знаний;
- коммуникации через общепринятые каналы связи — социальные сети, электронную почту, видеоконференцсвязь, мессенджеры, личные встречи — не решают всех этих проблем.
Следовательно, необходима открытая информационная среда, которая снижает информационный шум, помогает правильнее друг друга понимать и за счет этого позволяющая разнородным и распределённым командам находить и вырабатывать решения стоящих перед ними задач. Данная среда должна быть доступной через смартфон и интернет, позволять вести полноценный смысловой обмен в удалённом формате, помогать находить междисциплинарные решения на стыке разных областей знаний. Она должна воплощать приёмы медиации междисциплинарной дискуссии, поддерживать разработку онтологий междисциплинарных проблемных областей путем создания сетевых смысловых полей (понятийных графов) по обсуждаемой теме. Эти семантические поля и онтологии должны накапливаться в базе данных и использоваться в дальшейшем, по сути являясь уже интегральным продуктом работы межотраслевой системы управления знаниями. Нейросеть в этом процессе призвана помогать повысить качество и эффективность использования накапливаемых таким образом знаний. Работая в одном из двух режимов — автономном или по запросу администратора рабочей группы — нейросеть должна:
- проводить понятийную классификацию созданных смысловых полей;
- находить поля, в которых встречаются равнозначные и/или близкие понятия;
- находить поля, в которых встречаются равнозначные и/или близкие кластеры понятий;
- по результатам поиска предлагать администраторам групп списки смысловых полей из разных обсуждений (и из работ разных групп) к обозрению и принятию решений на предмет того, появляются ли новые смыслы и идеи из этих совпадений, а если это совпадения из баз знаний разных групп, то предлагает администраторам этих групп обсудить эти совпадения и найти возможности для сотрудничества.
|
|
|
Общий алгоритм онтологического нейросетевого поиска представляет следующую последовательность операций:
- выделение базовых понятий данной предметной области;
- определение «высоты дерева онтологий» — числа уровней абстракции;
- распределение понятий по уровням и их классификация;
- построение связей между понятиями — определение отношений и взаимодействия базовых понятий.
Помимо задач классификации и поиска совпадений, нейросеть должна проводить интерполяцию между смысловыми полями разных групп экспертов с целью поиска междисциплинарных областей сотрудничества и предлагать соответствующим группам провести совместную коллективную смысловую сессию для возможного создания совместного проекта.
По мере развития базы знаний нейросеть будет проводить автоматическую кластеризацию накопленных знаний с целью поддержания классификации в актуальном состоянии. Области применения платформы:
- стратегические сессии;
- бизнес-советы;
- форсайты;
- мозговые штурмы;
- другие подходы, методы и приёмы коллективного принятия решений.
Описанный подход заменяет традиционные подходы к коллективному принятию решений. Основное преимущество в том, что он позволяет создать человеко-машинную систему, в которой за человеком остаётся творческий элемент, а за машиной — функция контроля протокола коммуникации и черновой обработки базы знаний (онтологический нейросетевой поиск).
Прочие преимущества:
1. Простота и интуитивная понятность использования экспертами.
2. Согласованность между экспертами полученного результата (все участники согласны с полученным результатом, что гарантируется методикой продукта).
3. Командообразование экспертов вокруг обсуждаемой темы.
4. Автоматизированное рейтингование и классификация экспертов, автоматическое создание базы экспертов по компетенциям и результатам сессий.
|
|
|
5. Большая вероятность получения нестандартных, творческих, неожиданных (даже для самих участников) выводов и результатов.
6. Возможность открытого проведения стратегических сессий при сохранении закрытости темы.
7. Возможность полноценного удалённого участия экспертов в обсуждении (у эксперта должен быть лишь компьютер либо смартфон и выход в Интернет).
8. Выращивание сообщества экспертов, организующееся вокруг методологии.
9. Выявление имеющихся проблем за счет познания их в адекватных им понятиях и благодаря этому — выработке эффективных решений.
Подводя итог раздела, поясним, что данная система способна вырасти в программно-аппаратную часть межотраслевой системы управления знаниями, вполне использующей возможности современных математических методов в экономике. Поскольку речь идет о новом направлении применения метода оптимизации по критерию минимума ошибки (именно к этому методу относится онтологический нейросетевой поиск), мы снова говорим о сопряжении и значит взаимном усилении этого метода с оптимизацией межотраслевого динамического баланса по критерию превращения рабочего времени в свободное.
|
|
|
