Методологические основы формирования маркетинговой экосистемы искусственного интеллекта в вузе
Автор: Шубаева В.Г., Наумов В.Н., Сущева Н.В.
Журнал: Известия Санкт-Петербургского государственного экономического университета @izvestia-spgeu
Рубрика: Методология и инструментарий управления
Статья в выпуске: 6-1 (144), 2023 года.
Бесплатный доступ
В статье изложено научно-методологическое обоснование внедрения технологии искусственного интеллекта в вузе. Предложена модель экосистемы искусственного интеллекта, определены базовые функции, необходимые для создания информационно-образовательной цифровой среды университета.
Экосистема, методология, образовательные организации высшего образования, искусственный интеллект, цифровая экономика
Короткий адрес: https://sciup.org/148328128
IDR: 148328128
Текст научной статьи Методологические основы формирования маркетинговой экосистемы искусственного интеллекта в вузе
Президент РФ указом от 10.10.2019 г. № 490 утвердил Национальную стратегию развития искусственного интеллекта (ИИ) на период до 2030 года [1], которая является основой для разработки программ для государственных организаций различного профиля в части, касающейся внедрения технологии искусственного интеллекта. В этом же документе дано определение искусственного интеллекта, как «комплекса технологических решений, позволяющих имитировать когнитивные функции человека (включая самообучение и поиск решений без заранее заданного алгоритма) и получать при выполнении конкретных задач результаты, сопоставимые, как минимум, с результатами интеллектуальной деятельности человека». Данное определение может быть положено в основу разработки методологии внедрения ИИ в информационно-образовательную среду образовательной организации высшего образования.
ГРНТИ 14.35.07
EDN OUAUCB
Вероника Георгиевна Шубаева – доктор экономических наук, профессор, проректор по образовательной деятельности, профессор кафедры маркетинга Санкт-Петербургского государственного экономического университета.
Владимир Николаевич Наумов – доктор экономических наук, профессор, профессор кафедры маркетинга Санкт-Петербургского государственного экономического университета.
Наталья Вячеславовна Сущёва – кандидат экономических наук, доцент, проректор по цифровому развитию, доцент кафедры проектного менеджмента и управления качеством Санкт-Петербургского государственного экономического университета.
По предварительным оценкам Сбера, внедрение искусственного интеллекта в различных отраслях российской экономки может дать дополнительный прирост ВВП страны на 1% уже в 2025 году [3]. По словам первого заместителя Председателя Правления Сбербанка А. Ведяхина, внедрение ИИ в ключевых отраслях экономики ведёт к увеличению таких показателей, как скорость, качество, персонализация, экономическая эффективность, в 5-7 раз, а около 60% от всех запросов юридических лиц на кредитные продукты обрабатываются с помощью ИИ.
В 2021 году Министерство науки и высшего образования РФ поддержало 24 проекта в области искусственного интеллекта на сумму более 1,5 млрд рублей с целью повышения качества образования [4]. Для создания технической базы искусственного интеллекта планируется использовать нейротехноло-гический комплекс, который позволит тестировать обучающихся для определения уровня мотивации, компетенций, выстраивать образовательную программу в соответствии с индивидуальными психофизиологическими особенностями и состоянием обучающегося (уровень внимания, заинтересованность и др.). По существу, речь идёт о применении нейронных сетей, которые являются одним из направлений искусственного интеллекта. Они способны моделировать аналитические процессы, осуществляемые мыслительной деятельностью человека. Нейронные сети позволяют распознать движущие и неподвижные объекты, генерировать изображения, а также могут самостоятельно обучаться и развиваться. К другим техническим направлениям, которые используются в технологии ИИ, относятся: машинное обучение, чат-боты, виртуальные помощники, виртуальная и дополненная реальности.
В то же время, внедрение технологии ИИ в образовательную деятельность вуза связано рядом проблем, как технического характера, так и с сохранением персональных данных административных сотрудников, преподавателей и обучающихся. Ряд учёных отмечают, что искусственный интеллект обязательно должен включать в себя такие элементы, как неприкосновенность частной жизни, человеческое достоинство, социальные блага, в том числе безопасность, а также доброкачественное доверие и стабильность в широком смысле [14].
Принцип социальной ответственного искусственного интеллекта является, своего рода, «ключом» к построению долгосрочного доверия между ИИ и людьми [11]. Не случайно, в программе «Цифровая экономика РФ» [2] указано на необходимость «создания правовых условий для формирования единой цифровой среды доверия, позволяющей обеспечить участников цифровой экономики средствами доверенных цифровых дистанционных коммуникаций: удалённое подтверждение личности для совершения юридически значимых действий; равный статус различных способов идентификации и аутентификации физических и юридических лиц, иных участников цифровой экономики».
Применение ИИ-технологий в университетах
На данном этапе большинство российских университетов ещё не обладают необходимым набором цифровых компетенций и инструментов для создания маркетинговой экосистемы ИИ. Под маркетинговой экосистемой ИИ будем понимать экосистему, которая позволяет поддерживать и развивать образовательную среду с использованием ИИ с учетом потребностей всех заинтересованных в изменениях субъектах образовательной деятельности. Методология внедрения ИИ в образовательные организации высшего образования с целью формирования его единой маркетинговой экосистемы должна включать решение следующих задач:
-
• быстро адаптировать обучающихся к особенностям образовательной деятельности вуза, к требованиям по освоению учебно-методического материала по каждой дисциплине;
-
• обеспечить доступ обучающихся к учебно-методическим материалам по заданной теме или программе обучения в режиме 24/7;
-
• предоставить возможность мобильного самообучения преподавателей с целью расширения научнопедагогической компетенции;
-
• получать, обрабатывать и анализировать данные студентов и сотрудников вуза;
-
• автоматизировать документооборот в рамках внутренней среды вуза;
-
• собирать и систематизировать данные для объективной оценки качества реализации образовательных программ в разрезе УГСН, конкретных направлений, профилей подготовки и по каждой учебной дисциплине;
-
• осуществлять непрерывный контроль цифрового следа обучающегося для анализа успеваемости и оценки его потенциала при выборе индивидуальной образовательной траектории под его потребности;
-
• выполнять текстовый анализ письменных работ студентов, магистрантов, аспирантов, методических и научных изданий преподавателей;
-
• проектировать образовательные программы с учетом запросов и под потребности рынка, внедрять инструменты симуляции реальных бизнес-процессов предприятий, которые могут быть предоставлены потенциальными работодателями;
-
• формировать цифровой след преподавателей для составления рейтинга путём объективной оценки их научно-педагогического профиля и разработки рекомендаций реализации их профессиональных компетенций;
-
• формировать цифровой след обучающихся, как для составления их рейтинга, так и для мониторинга процесса освоения компетенций в соответствии с направленностью подготовки.
Итоговой целью реализации перечисленных задач, влияющих на формирование маркетинговой экосистемы ИИ, является повышение качества образовательной деятельности в университете в целом и соответствующих направлений подготовки, обеспечивающих востребованность выпускников вуза на рынке труда. Анализ перечисленных выше основных задач показывает, что функциональный ландшафт с использованием ИИ чрезвычайно разнообразен и требует значительных усилий вуза в области цифровой трансформации образовательной деятельности.
Для обработки различных учебных, научных и административных материалов технология ИИ имеет возможность проводить текстовый анализ, включающий компьютерную лингвистику, контент-анализ, поиск информации и обработку естественного языка [12]. Как считают некоторые учёные, технологи и исследователи искусственного интеллекта несут ответственность за разработку заслуживающих доверия систем искусственного интеллекта [13]. Технология ИИ стремительно совершенствуются, что увеличивает производительность операций и снижает уровень возможных ошибок. Так, исследование, проведенное специалистом по информатике из Стэнфорда Дж. Лэндэем и его коллегами, показало, что распознавание речи теперь в среднем примерно в три раза быстрее, чем набор текста на мобильном телефоне. Уровень ошибок, когда-то равнялся 8,5%, а затем снизился до 4,9% [10]. Авторы публикации отмечают и снижение уровня ошибок при распознавании изображений из большой базы данных ImageNet.
Технология искусственного интеллекта должна включать функции цифрового персонального онлайн-консультанта не только обучающихся и преподавателей, но и учащихся общеобразовательных и профессиональных образовательных организаций, выбирающих вуз для получения специальности с возможностью последующего трудоустройства. Последнее обстоятельство играет важную роль в профориентационной работе с абитуриентами, поскольку только примерно половина (53%) опрошенных работают по специальности, которую получили в вузе.
Благодаря технологии ИИ, потенциальные студенты могут общаться в чате с интеллектуальным роботом, который способен самообучаться и вести диалог по самым актуальным вопросам, касающимся будущей специальности. Чат-боты могут собирать информацию, представленную в разных каналах коммуникации, систематизировать её и осуществлять анализ полученных данных по определённым ключевым показателям эффективности (KPI).
С помощью ИИ расширяются возможности изучения курсов не только в самом вузе, но и на различных образовательных платформах («Открытое образование», «Универсариум», «Лекториум» и др.), что повышает качество подготовки специалистов за счёт более глубокого освоения универсальных и профессиональных компетенций. Технология искусственного интеллекта особенно необходима при освоении цифровых компетенций, компетенций по математическим дисциплинам, иностранным языкам и пр. Большие перспективы имеют различные игровые механики, онлайн-тренажёры, дополненная реальность (AR), виртуальная реальность (VR), вебинары, образовательные квесты, трекеры и пр. По мере поступления новых данных, ИИ адаптируется и вырабатывает новый алгоритм решения в зависимости от заданных учебно-методических и научных целей.
Специфика формирования маркетинговой экосистемы искусственного интеллекта в вузе
Внедрение ИИ для реализации образовательных функций вуза не может ограничиваться только роботизацией его внутренних процессов, а требует организации маркетинговой экосистемы с коммуникативными связями информационно-образовательной среды с внешними контрагентами, в первую очередь, с работодателями, государственными органами, общеобразовательными и профессиональными образовательными организациями, вузами-партнёрами и пр. (см. рис.).

Рис. Субъекты маркетинговой экосистемы искусственного интеллекта образовательной организации высшего образования.
Из рисунка следует, что формирование маркетинговой экосистемы искусственного интеллекта образовательной организации высшего образования требует «бесшовной» интеграции внешних и внутренних информационных потоков на базе цифровой платформы, обеспечивающей интеллектуальную обработку и анализ поступающей информации, выполнение роботизированных операций и процедур для осуществления образовательной деятельности. С этой целью необходим центр обработки данных – специализированный объект, представляющий собой связанную систему информационно-телекоммуникационной инфраструктуры, инженерной инфраструктуры, оборудования (серверного и сетевого).
Особенность маркетинговой экосистемы заключается в том, каждый её субъект влияет на других и, одновременно, сам подвергается их влиянию, благодаря чему развиваются и совершенствуются многосторонние отношения [13], приводящие к достижению запланированного результата. Это обстоятельство важно для обогащения новыми знаниями, лучшими практиками и компетенциями всех участников маркетинговой экосистемы искусственного интеллекта вуза. Одним из эффективных инструментов оптимизации процесса создания знаний в университете является профилирование [7] участников образовательных, научно-исследовательских, проектных и инновационных процессов.
На основе цифровых технологий сбора данных создаются цифровые профили обучающихся, научнопедагогических работников, сотрудников и партнёров. Сбор данных в профили может быть организован, как автоматически с помощью ИИ путём «подтягивания» информации из разных систем вуза и из интер-нет-ресурсов («пассивный цифровой след»), так и «вручную» самим пользователем («активный цифровой след»). Рассматривая варианты взаимодействия вуза с различными организациями, входящими в экосистему ИИ, необходимо создавать цифровую среду доверия между всеми её участниками не только за счёт обеспечения информационной безопасности техническими средствами, но также учитывать межсубъектные отношения, основанные на межкорпоративных и межличностных коммуникациях.
В этом плане, цифровое доверие является стратегическим ресурсом [5, с. 346], обеспечивающим полноценное безопасное функционирование экосистемы ИИ вуза. Для создания информационно-обра- зовательной среды образовательной организации высшего образования требуется разработать комплексы базовых функций, обеспечивающих обмен информацией с участниками-партнёрами экосистемы ИИ (см. табл.).
Таблица
Базовые функции субъектов маркетинговой экосистемы искусственного интеллекта образовательной организации высшего образования
Субъекты |
Базовые функции |
Примеры |
Профильные компании |
Оценка уровня освоения компетенций студентов и выпускников вуза, соответствующих требованиям работодателей; прогнозирование потребности в специалистах, уровне их подготовке с учётом научно-технического прогресса |
Сбербанк, Газпром, Газпромнефть, РЖД, Водоканал СПб и др. |
Министерства, ведомства, региональная администрация |
Сбор, анализ приказов, постановлений и других распорядительных документов от вышестоящих органов государственной власти; подготовка и распространение по подразделениям вуза внутренней нормативной документации |
Минобрнауки РФ, Рособрнадзор, Правительство СПб и др. |
Общеобразовательные и профессиональные образова тельные организации |
Сбор, систематизация, количественный и качественный анализ потенциальных абитуриентов; прогнозирование количественного и качественного состава абитуриентов в разрезе будущих направлений и профилей подготовки |
Коммуникации со школами, техникумами, колледжами, лицеями |
Отечественные и зарубежные вузы-партнёры |
Сетевое взаимодействие по обмену лучшими образовательными практиками, актуальными научно-методическими, учебными и научными изданиями в разрезе читаемых дисциплин; обмен информацией при проведении научно-образовательных конференций, защиты выпускных и диссертационных работ |
Вузы-партнёры: РАНХиГС при Президенте РФ, РЭУ имени Г.В. Плеханова, Финансовый университет при Правительстве РФ, Университет международного бизнеса и экономики (КНР, Пекин) и др. |
«Центры компетенций», утверждённые приказом Минобрнауки России |
Обмен актуальной информацией в сфере научно-технического прогресса; сбор и анализ статистических данных об экономических, социальных, потребительских тенденциях в стране и мире; выявление трендов и прогнозирование экономико-социальных процессов в стране и мире инструментами предиктивной аналитики |
РАНХиГС при Президенте РФ, РЭУ имени Г.В. Плеханова, Финансовый университет при Правительстве РФ и др. |
Технопарки, бизнес-инкубаторы, центры коммерциализации технологий и пр. |
Сбор и анализ информации о новых перспективных стартапах; организация совместных проектов по внедрению научных идей, патентов, ноу-хау, по выводу новых продуктов на рынок и пр.; финансовый консалтинг и предиктивная бизнес-аналитика |
Национальная технологическая инициатива, Российский венчурный фонд, фонд Сколково и др. |
ИТ-компании для внедрения и технического сопровождения ИИ |
Внедрение и обслуживание ключевых информационных систем и ресурсов ИИ в вузе; обновление ( upgrade ) аппаратных средств и программного обеспечения для функционирования ИИ в вузе |
Выбор партнёров по рекомендации Минобрнауки РФ или по усмотрению вуза |
Общественные объединения, фонды, издательства |
Получение и обработка информации по направлениям и профилям подготовки обучающихся; интеллектуальный анализ научной и учебной литературы для включения в рабочие программы обучения; анализ и подготовка исходных данных для участия в конкурсах социальных проектов, акциях, дебатах на научно-образовательные темы |
Общественная организация «Деловая Россия», Гильдия маркетологов, Совет ректоров вузов СПб и ЛО, издательства ИНФРА-М, ЮРАЙТ и др. |
Окончание табл.
Субъекты |
Базовые функции |
Примеры |
Информационно-образовательная среда ИИ вуза |
Разработка, внедрение и масштабирование новых технологий ИИ в учебный процесс вуза; организация интеллектуального электронного документооборота вуза; интеграция внутренней информационной среды вуза с внешней средой с помощью «бесшовных» цифровых каналов коммуникации; междисциплинарная интеграция для развития профессиональных компетенций обучающихся, соответствующих требованиям рынка труда; сбор, анализ и доведение информации до заинтересованных лиц (руководство вуза, отделы, деканаты, кафедры, преподаватели, студенты и пр.); анализ учебнометодической документации вуза по каждой учебной дисциплине, включая подбор актуальной учебной литературы; разработка комплексов адаптивных программ переподготовки преподавателей и сотрудников вуза; разработка комплексов адаптивных образовательных программ студентов и магистрантов, в том числе для обучения по индивидуальным траекториям, включённых в экосистему ИИ вуза; подбор электронных учебных видеокурсов для обучающихся по направлениям и профилям подготовки; разработка электронной системы оценки рубежного, текущего и итогового контроля обучающихся |
Ректорат, деканаты, кафедры, административные и учебно-методические подразделения вуза, преподаватели, обучающиеся |
Базовые функции маркетинговой экосистемы ИИ вуза, приведённые в таблице, могут динамически меняться и дополняться новыми в соответствии с информационными запросами ее субъектов и появлением новых цифровых инструментов. Особенностью образовательной деятельности является достаточно большой период времени получения обучающимися компетенций, поэтому подобная экосистема вуза должна быть не только динамической, но и устойчивой. Одним из факторов, обеспечивающих устойчивость данной экосистемы университета, по аналогии с биологическими экосистемами, определяется количеством и разнообразием участников, связностью и производительностью их взаимодействия. Производительность экосистемы оценивается такими интегральными показателями как поток генерируемых знаний, скорость их накопления, показателями обмена данными и знаниями с внешней средой, разнообразием и количеством участников сетевого взаимодействия [6].
Ключевыми вопросами развития маркетинговой экосистемы ИИ университета является первоначальная цифровизация всех образовательных и административно-управленческих процессов и организация систем сбора и обработки данных об объектах управления. Чем большую долю деятельности организации охватывают данные и информационные системы, тем точнее буду разработаны модели процессов и объектов системы, тем полнее будет использоваться предыдущий опыт пользователей (участников образовательных отношений) в решении новых задач, тем большую дополнительную ценность, синергетический эффект сможет создать внедрение искусственного интеллекта, тем полноценнее будут удовлетворены результатом взаимодействия субъекты экосистемы.
Целью внедрения технологий ИИ в образовательную деятельность является формирование компетенций, связанных с умением решать задачи с использованием компьютерного моделирования различных процессов бизнес-аналитики, алгоритмов сбора, систематизации и обработки данных, необходимых для выполнения учебных заданий в соответствии с программой обучения. Информационно-образовательная цифровая среда ИИ вуза состоит из достаточно большого количества направлений, и применение технологии ИИ позволит распознавать типы документов, их классифицировать, строить маршрутные карты от распорядительного органа вуза до исполнителя с последующим интеллектуальным анализом и внесением необходимых изменений.
Технически подобная задача может быть решена с помощью различных программных роботов (Robotic Process Automation, RPA), которые могут выполнять нужные действия круглосуточно и без ошибок, обычно свойственных человеку. Учитывая многочисленность коммуникаций, как с внешними участниками экосистемы вуза, так и внутри самой образовательной организации высшего образования по различным каналам связи, целесообразно применить омниканальный подход, который позволит существенно сократить время коммуникаций по различным научным, учебно-методическим и организационным вопросам.
Безусловным требованием к технологии ИИ вуза является её адаптивность – способность быстро самообучаться и поднастраиваться в соответствии с поступающими новыми данными от всех участников маркетинговой экосистемы ИИ. Технология ИИ должна осуществлять сбор, обработку и анализировать эти данные в режиме «онлайн» не только для решения текущих задач, но и для разработки прогнозов направлений подготовки специалистов высшей квалификации с применением инструментов предиктивной аналитики. При этом, в целях повышения эффективности внедрения искусственного интеллекта в вузе приоритетное значение приобретает конвергентная модель обучения в форме интеграции математического, естественно-научного и социально-гуманитарного образования [1].
Важно отметить, что использование технологии ИИ в образовательной деятельности вуза с акцентом на реализацию исключительно когнитивной функции человека (см. определение ИИ в [1]) может привести к недооценке формирования творческо-коммуникативных навыков обучающихся, которые не будут вовлечены в полной мере в учебный процесс и дальнейшую профессиональную деятельность, как самостоятельные творческие личности [9]. Следовательно, нужно создать холистическую экосистему ИИ, включающую как системно-когнитивные методы обучения, так и творческий потенциал студентов, который необходим для реализации новых инновационных задач, ориентированных на им-портозамещение в различных отраслях народного хозяйства страны.
Заключение
Представленное исследование позволяет разработать методологию формирования маркетинговой экосистемы искусственного интеллекта образовательной организации высшего образования с учётом требуемых функций, необходимых для реализации коммуникативного взаимодействия, как с внешними организациями-партнёрами, так и во внутренней информационно-образовательной среде. Благодаря внедрению маркетинговой экосистемы ИИ, её участники могут обмениваться информацией между собой, самообучаться и совместно решать разнообразные задачи повышения качества подготовки специалистов высшей квалификации, соответствующее сегодняшним и будущим требованиям рынка труда.
Безусловно, следует отметить, что методология внедрения технологии ИИ в рамках ее маркетинговой экосистемы должна учитывать стратегические направления развития вуза [8] таким образом, чтобы её функционал и размер инвестиций в учебно-методическое и аппаратно-программное обеспечение соответствовал организационно-финансовым возможностям университета.
Список литературы Методологические основы формирования маркетинговой экосистемы искусственного интеллекта в вузе
- Указ Президента Российской Федерации от 10.10.2019 г. № 490 «О развитии искусственного интеллекта в Российской Федерации».
- Программа «Цифровая экономика Российской Федерации» (утв. распоряжением Правительства Российской Федерации от 28 июля 2017 г. № 1632-р).
- Главная технология XXI века. [Электронный ресурс]. Режим доступа: https://sber.pro/publication/glavnaya-tehnologiya-xxi-veka-kak-proshla-mezhdunarodnaya-konferencziya-ai-journey-2022 (дата обращения 02.11.2023).
- Минобрнауки России выделило 1,5 млрд рублей на исследования и разработки в области искусственного интеллекта. [Электронный ресурс]. Режим доступа: https://minobrnauki.gov.ru/press-center/news/nauka-i-obrazovanie/46078 (дата обращения 18.12.2022).
- Наумов В.Н. Формирование доверия как стратегического ресурса маркетинговых digital-коммуникаций // Маркетинг сотворчества и глобальные коммуникации доверия: монография. СПб.: Изд-во СПбГЭУ, 2020.
- Шульженко Т.Г., Сущева Н.В., Царева Е.С. Креатосфера университета в экономике знаний: потенциал развития, концепция, решения: монография. СПб.: Изд-во СПбГЭУ, 2023. 240 с.
- Есин Р.В., Зыкова Т.В., Кустицкая Т.А., Кытманов А.А. Цифровая образовательная история как составляющая цифрового профиля обучающегося в условиях трансформации образования // Перспективы науки и образования. 2022. № 5 (59). С. 566-584
- Шубаева В.Г., Наумов В.Н., Тойвонен Н.Р. Научно-методологическое обоснование формирования стратегии развития высшего учебного заведения // Известия СПбГЭУ. 2018. № 6 (114). С. 94-103.
- Шубаева В.Г., Наумов В.Н. Когнитивно-творческий (холистический) подход к подготовке специалистов высшей квалификации // Известия СПбГЭУ. 2013. № 2 (80). С. 68-75.
- Brynjolfsson Е., McAfee А. The Business of Artificial Intelligence. [Электронный ресурс]. Режим доступа: https://hbr.org/2017/07/the-business-of-artificial-intelligence (дата обращения 18.10.2023).
- Lu C., Varshney K.R., Liu H. Socially Responsible AI Algorithms: Issues, Purposes, and Challenges // Journal of Artificial Intelligence Research. 2021. № 71. Р. 1137-1181.
- Luellen E. An Updated Text Analytics Primer: Key Factors in a Text Analytics Strategy. [Электронный ресурс]. Режим доступа: https://towardsdatascience.com/atext-analytics-primer-keyfactorsin-a-text-analytics-strategy-d24dc84a5576 (дата обращения 13.10.2023).
- Hayes A., Boyle M. What Is a Business Ecosystem and How Does It Work? [Электронный ресурс]. Режим доступа: https://www.investopedia.com/terms/b/business-ecosystem.asp (дата обращения 01.11.2023).
- Shen Yi. The Role of Universities in Building an Artificial Intelligence Ecosystem. [Электронный ресурс]. Режим доступа: https://medium.com/asefedu/the-role-of-universities-in-building-an-artificial-intelligence-ecosystem-insights-from-professor-c2141138866a (дата обращения 01.11.2023).