Роль коллективного разума в механизме генерации знаний в современной экономике Текст научной статьи по специальности «Экономика и бизнес»

ЭКОНОМИКА И УПРАВЛЕНИЕ НАРОДНЫМ ХОЗЯЙСТВОМ

УДК 330 341 Н.А. Атапина

РОЛЬ КОЛЛЕКТИВНОГО РАЗУМА В МЕХАНИЗМЕ ГЕНЕРАЦИИ ЗНАНИЙ В СОВРЕМЕННОЙ ЭКОНОМИКЕ

В данной статье рассматривается процесс генерации знаний в качестве основного двигателя современной экономики и выделяется роль краудсорсинга как нового механизма данного процесса. Анализируются особенности и проблемы использования краудсорсинга в сравнении с аутсорсингом и ноосорсингом на макро-, мезо- и микроуровнях. Особо акцентируется основная идея краудсорсинга, выражающаяся не только в снижении затрат компании, но и получении доступа к огромному человеческому потенциалу. Данная статья резюмирует значимость процесса внедрения систем коллективного интеллекта, который на микроуровне в ближайшие годы станет зоной быстрого развития и острой конкуренции для крупных компаний и организаций, а на макроуровне является необходимым для формирования инновационной культуры, эффективной инновационной среды.

Ключевые слова: экономика, основанная на знаниях, краудсорсинг, ноосорсинг, аутсорсинг, социосеманти-ческая сеть.

N.A. Atapina

ROLE OF WISDOM OF CROWDS IN THE MECHANISM OF KNOWLEDGE GENERATION IN CONTEMPORARY ECONOMY

The paper focuses on the generation of knowledge as the main driving force of modern economy and highlights the role of crowdsourcing as a new mechanism of the process. The special features and problems of using crowdsourcing as compared to outsourcing and noosoursing at macro, meso and micro levels are analyzed. Particular emphasis is given to the basic idea of crowdsourcing which manifests itself not only in reducing costs of the company but also access to huge human potential. The paper summarizes the importance of the implementation of collective intelligence process which at micro level will be in the coming years a sector of rapid development and intense competition for large companies and organizations, and at macro level be essential for development of innovative culture, efficient innovative environment.

Key words: knowledge-based economy, crowdsourcing, autsourcing, noosourcing, sociosemantic net.

В условиях постиндустриального развития, новым знаниях, процессы генерации знаний осуществляются фазисом которого является экономика, основанная на как институтами собственно научной сферы, образова-

0921017403030527071008110613030427070505110607030409070303090613

♦

♦

тельными структурами, так и фирмами и организациями. Проводником данного процесса выступают новые механизмы производства знаний, такие как аутсорсинг, ноо-сорсинг и краудсорсинг.

Если при аутсорсинге для решения поставленных задач приглашается определенный круг сторонних специалистов, при ноосорсинге (от греч. noos - разум) управление знаниями осуществляется экспертными профессиональными («практическими») сообществами в виде сервисов (Knowledge as a Service - KaaS) [5, с. 10], то при краудсорсинге производство новых знаний осуществляется путем привлечения к решению проблемы любого члена социума, заинтересованного в этом и желающего проявить себя.

Считается, что впервые термин «краудсорсинг» (от англ. crowd - толпа) использовал в 2006 г. Джеф Хау для обозначения сетевых технологий, позволяющих привлекать пользователей Интернет («народных экспертов») для участия в совместном творческом процессе на принципах открытого входа (open call) [5, с. 10]. В связи с этим Интернет становится инструментом краудсорсинга, так как, в свою очередь, предоставляет инструменты посредничества между той или иной группой людей или организацией, которые преследуют ту или иную цель, и непосредственно широкой публикой, которая может помочь достичь этой цели. Интернет позволяет создавать платформы, на которых эти цели обозначаются, работают механизмы вовлечения, через которые люди организуются, а дальше механизмы координации, благодаря которым люди работают вместе над достижением этой цели.

В качестве краудсорсинговых платформ могут использоваться: Google Groups, группы на Facebook, самый известный пример краудсорсингового проекта - Википедия и др. Здесь мы видим, как вокруг краудсорсинговых платформ возникает большое сообщество со своими нормами, институтами и своей идеологией. Постепенно этот гражданский человеческий ресурс структурируется и становится более эффективным, и эффективность краудсорсинга повышается не только за счет расширения сети вовлекаемых и модификации механизмов мобилизации ресурсов, но и за счет того, что уровень профессионализма гражданских ресурсов растет. Кроме того, также очевидна следующая тенденция: краудсор-синговая система постепенно формирует новое сообщество - от потребителей информации к производителям информации [3, с. 36].

Краудсорсинг используется также на макроуровне. Например, в России таким способом выбирали символы для Олимпийских игр в Сочи в 2014 г. Так же недавно был создан текст новой конституции Исландии. Краудсорсинг активно внедряют крупные компании. Например, компания LG с помощью такого метода разработала дизайн одного из своих новых телефонов. Компания Procter & Gamble использовала сетевой ресурс InnoCentive, который дает возможность энтузиастам публиковать свои предложения для решения инновационных задач. Участие в краудсорсинговых проектах для большинства людей чаще всего не представляет коммерческого интереса, и в этом смысле ресурс InnoCentive скорее исключение, поскольку финансово поощряет участников, предложивших наиболее интересные инновационные решения.

В России краудсорсинговые технологии в бизнесе пытается использовать Сбербанк, в частности для разработки своей программы развития, путем использования новой социальной платформы Witology, реализующей уникальную технологию организации коллективной экспертной работы по генерации и селекции идей (используемые методы: специализированная система рейтингов, доступ к подробной информации о каждом участнике, систематизированные критерии отбора идей, рыночные механизмы их оценки на определенных этапах и т.д.) с одновременным отбором лучших участников [1, с. 2].

В крупных компаниях и организациях деятельность сотрудников обычно четко ограничена должностными обязанностями, и поэтому их творческий потенциал недоиспользуется. Креативные функции возлагаются на немногочисленных дорогостоящих специалистов и топ-менеджеров, что становится узким местом для развития инновационного потенциала компании. Коллективный интеллект на базе социосемантической сети как раз и должен снизить дефицит и себестоимость креатива, что позволит задействовать скрытые знания сотрудников и укрепит их лояльность к принимаемым в итоге решениям [2, с. 16]. Сферой приложения коллективного интеллекта является поиск решений для практических задач (problem solving). Это может быть изобретение новых продуктов и выявление новых рынков, выбор приоритетов инноваций с учетом практического опыта большого числа людей, использование скрытого знания для повышения эффективности и масштабирования лучших практик, а также в целом поиск ярких, неожиданных решений, идущих вразрез с устоявшейся институциональной матрицей. Инструменты социосемантической сети позволяют компенсировать лавинообразные сетевые эффекты, контролировать формирование сообществ, пресекать спекулятивную игру, не нацеленную на результат. Заслуженная в ходе работы репутация может служить основой для вознаграждения участников со стороны заказчика, что повышает их мотивацию.

Итак, основная идея краудсорсинга, помимо снижения затрат компании, получение доступа к огромному человеческому потенциалу. Поэтому именно внедрение систем коллективного интеллекта в ближайшие годы станет зоной активного развития и острой конкуренции для крупных компаний и организаций.

Однако использование технологии краудсорсинга содержит ряд проблем:

- низкий КПД коллективной интеллектуальной деятельности (не более 5% предложений в том или ином виде будут полезны для реализации и еще меньше будет реализовано);

- проблема информационного шума и трансакционных издержек поиска информации, когда многие отличные идеи, способные на колоссальную отдачу, так и остаются никому не известными, погребенные под тысячами абсолютно бестолковых предложений;

- «эффект Матфея» - известный социальный феномен, состоящий в том, что преимущества получает, как правило, тот, кто уже ими обладает, а изначально обделенный оказывается обделен еще больше;

- передача функций неопределенному кругу лиц на основании публичной оферты, не подразумевающей заключение трудового договора, по которому соискатель

♦-------------------------------------------------

должен выполнить определенную работу в интересах потенциального работодателя (в ряде случаев подобные конкурсы являются мошенничеством). В связи с этим необходима юридическая защита (например, договор поручения) в том числе интеллектуальной собственности;

- отсутствие контроля и гарантий качества - проблема агентских издержек и необходимость привлечения экспертных сообществ [4, с. 143].

Таким образом, краудсорсинг - это современный инструмент, позволяющий сгенерировать пакет возможных решений самых разнообразных задач в любых областях информационного пространства. Анализ пакета под различными ракурсами и выбор из возможных путей наиболее оптимальных решений конкретной задачи - это область для экспертов, а принятие окончательного решения для реализации задачи - это удел руководителей соответствующего уровня. Методами краудсорсинга можно решать и кадровые вопросы по подбору пакета кандидатов на должности специалистов и экспертов, предоставляя им возможность воспользоваться дополнительным социальным лифтом, а задачей руководителей останется выбрать из них нужного работника под определенный круг задач.

------------------------------------------------♦

Опыт зарубежных стран показывает, что технологии, в конце концов, можно купить, но людские ресурсы, их знания, интеллект и креативность у страны должны быть свои. И от того, какой масштаб людских ресурсов вовлекается в производство знаний и инноваций, в конечном счете зависит уровень постиндустриализации экономики.

Таким образом, на повестке дня пока остается принципиальный вопрос: как создать в России условия для привлечения к производству знаний, инновационной деятельности миллионов российских граждан, что является необходимым для формирования эффективной инновационной среды и культуры.

1. БаловсякН. Что такое краудсорсинг? // Ведомости. 2011. № 10.

2. Манохина Н.В. Институциональный вакуум как атрибут институциональной среды // Вестник СГСЭУ. 2008. № 5 (24). С. 16.

3. Матвеев Ю.В., Степанова Т.Е. Особенности экономики, основанной на знаниях // Вестник СГСЭУ. 2004. № 8. С. 30.

4. Попов Е.В., Власов М.В. Институциональный анализ процессов производства новых знаний // Montenegrin Journal of Economics. 2006. № 4. С. 135.

5. Славин Б. От краудсорсинга к ноосорсингу // Открытые системы. 2012. № 1.

УДК 658.310.9 Х.Я. Галиуллин

МЕТОДИКА АДАПТИВНОГО РЕГРЕССИОННОГО МОДЕЛИРОВАНИЯ ДЛЯ СИСТЕМ УПРАВЛЕНИЯ ЭФФЕКТИВНОСТЬЮ ТРУДА

В работе предложена продуктивная методика адекватного регрессионного моделирования для систем управления эффективностью труда на основе анализа используемых адаптивных моделей регрессии, целью разработки и применения которого является повышение степени адекватности модели, описывающей зависимость производительности труда (ПТ) от ряда социально-производственных факторов (регрессоров), и точности прогнозирования (планирования, оптимизации, управления). При этом вычислительный сценарий реализован в пакете «Система поиска оптимальных регрессий», содержащем процедуры полного и неполного подбора структур, случайного поиска с адаптацией и возвратом, формирование моделей с заданным уровнем значимости.

Ключевые слова: адаптивное регрессионное моделирование, производительность труда (ПТ), множественная регрессия (МР).

Kh.Ya. Galiullin

METHOD OF ADAPTIVE REGRESSION MODELING FOR MANAGEMENT SYSTEMS OF LABOR EFFICIENCY

The paper presents an efficient method of regression modeling for adequate labor efficiency management systems by analyzing the use of the existing adaptive regression models. The purpose of the method is to improve the adequacy of the model describing the dependence of productivity on a number of socio-production factors (regressors) and accuracy of forecasting (planning, optimization, control). The author uses the scenario realized in "System for optimal regression" which contains the procedures for full and partial selection of structures, random search with adaptation and return, formation of models with a given level of significance.

Key words: adaptive regression modeling, labor productivity, multiple regression.

На предприятиях текстильной и легкой промышленности обычно строятся модели планирования производительности труда (ПТ) в виде обобщенных алгебраических полиномов первой степени от исходных факторов или

функций от них (социальных, косвенных, технических и экономических). Так, например, в работе О.И. Саган «Совершенствование управления производительностью труда рабочих на предприятиях текстильной промышлен-