Задача постоянного поддержания конкурентоспособности и непрерывного улучшения качества производимой продукции или поставляемых сервисов приводит коммерческие компании, государственные структуры и некоммерческие организации к необходимости развивать менеджмент знаний. Для поддержания эффективности и скорости работы со знаниями требуется не просто выстроить процессы и процедуры управления знаний, но и обеспечить их участников необходимыми информационными ресурсами, средствами и инструментами. Цифровая экономика является экономикой знаний и одновременно экономикой, которая интенсивно использует для различных целей информационно-коммуникационные технологии. Что объективно создает предпосылки для развития и применения в сфере управления знаниями соответствующих автоматизированных инструментов, информационных систем, платформенных решений.
Задачи и процессы по управлению знаниями могут быть поддержаны как простыми средствами автоматизации, так и высокоуровневыми автоматизированными информационными системами. В этой связи можно рассматривать следующие варианты (перечислены в порядке возрастания степени и глубины автоматизации).
- Хранилище файлов (простое или облачное) – обеспечивает хранение файлов с целевым содержанием и техническими метаданными. Доступны: каталогизация, простой поиск по содержанию, гиперссылки между файлами. Существенным ограничением является необходимость оперировать целыми физическими файлами при обработке знаний, что существенно влияет на эффективность совместной работы и работы с семантической моделью.
- Информационно-справочная система – система, в которой помимо хранения знаний и метаданных, каталогизации и простого поиска, реализуются: индексация (включая полнотекстовую), управление классификаторами, контекстные и специализированные поиски, формирование связей и гиперссылок. Обычно создается на системе управления базой данных и опирается на её функционал при определении формата описания знаний и их поиска. Для определения семантической модели требуется дополнительный функционал, как правило не типовой для СУБД.
- Корпоративная система управления знаниями – в сравнении с информационно-справочной системой, расширяет возможность работы с метаданными и определением семантической модели, поддерживает семантический поиск и интеграцию с другими корпоративными системами на уровне семантических единиц, предполагает улучшенные возможности классификации (по задачам с учетом специфики знаний), обеспечивает взаимодействие группы экспертов в процессе работы со знаниями и их семантической моделью.
- Экосистемная платформа управления знаниями – реализуется в платформенной логике и обладает существенно расширенным функционалом в части семантических классификаторов и обработки семантических связей, анализа метаданных и формирования метаклассификаторов, интеграции со сторонними информационными ресурсами, формирования и развития сообщества экспертов и модераторов. Ключевой особенностью является способность интегрироваться с другими платформами и системами управления знаниями, как на уровне данных и алгоритмов, так и на уровне семантических моделей.
Автоматизированная система управления знаниями (Knowledge Management System – KMS) представляет собой специализированную систему управления контентом (Content Management System – CMS). Допустимо рассматривать знания как контент, обладающий рядом особых характеристик. Именно наличие таких характеристик дает основания практически дополнять базовый функционал CMS набором возможностей по управлению контентом как знаниями.
Знания – контент, обладающей особой ценностью, используемый для установленных целей, по определённым правилам, в соответствии с заданными процедурами и с учётом отношения к нему использующих экспертов и специалистов (понимание, одобрение, игнорирование, согласие, отрицание). В отличии от просто контента, знание является основой для практического решения определенного класса задач в соответствующей предметной области. И следовательно знания – это контент ценность которого в том, что он помогает решать задачи на практике наращивая или развивая компетенции, а не просто информирует или представляет сведения о чем-либо.
По отношению к практическому решению задач, знания можно разделить на три уровня:
- Концептуальное знание – общая осведомленность или базовое понимание целевой предметной области, его элементного состава и связей элементов, в том числе связей с другими предметными областями. Концептуальное знание дает общее понимание как устроена предметная область и какие процессы, события, явления в ней происходят.
- Прикладное знание – осведомленность или понимание того, что из себя представляет та или иная задача (или класс задач) и как возможно её решить. Прикладное знание дает практически-значимое понимание с какой задачей мы имеем дело и какие пути её решения существуют, при этом часто интегрируя концептуальные знания из нескольких предметных областей.
- Операционное (контекстное) знание – осведомленность или понимание того, как проанализировать текущую рабочую ситуацию (операцию, проблему, событие, процесс и т.п.) и что следует фактически сделать для достижения требуемого результата. Операционное знание дает понимание того, что делать при каждом конкретном исполнении элементарной операции (работы) для того, чтобы получить требуемый результат.
Для решения практических задач с высоким качеством исполнения и результата требуются предметно-ориентированные знания, связанные на всех трех уровнях. Причем наиболее эффективным оказывается организация знаний путем установки отношений между единицами знаний:
- по существу – с применением терминологии, атрибутов, описательных фактов, проявлений, метаданных;
- по контексту – с применением тематических разделов, определения ценности, классификации, выявлением мотивации, установкой целесообразности.
Подобный подход связывания единиц знаний позволяет специалистам предметно переключаться между разными уровнями и областями, уточняя практические детали или общие концептуальные понятия и модели. Необходимость управлять знаниями на указанных трех уровнях, а также необходимость множественно упорядочивать единицы знаний между собой, объясняют специализированные требования к хранилищу, функционалу, формату, форме, интерфейсам, режимам доступа и подсистемам KMS.
Семантическая модель (или семантическая сеть предметной области) —способ представления и связывания знаний, который ориентирован на автоматизированную обработку. Семантика в языкознании изучает смысл единиц языка. Сеть в математике представляет собой разновидность графа — набора вершин, соединённых дугами (рёбрами), которым присвоено некоторое число. Семантическая модель отражает семантику предметной области в виде понятий и отношений, выделяя смысловые единицы в знаниях и связывая их между собой, в том числе и обнаруживая отношения между тремя уровнями знаний применимо к практическому решению определенного класса задач. Формальное и явное описание смысловых единиц и их связей помогает перейти к автоматизированной обработке знаний, к контрольным и аналитическим вычислениям, к поисковым запросам и расчетам с применением компьютерных систем.
Функционал по управлению семантической моделью, включая организацию взаимодействия экспертов при работе с семантикой знаний, можно считать принципиальным и важным отличием систем управления знаниями от систем управления контентом. Именно наличие подобного функционала позволяет четко выделить KMS как подкласс CMS.
В целом в рамках задачи автоматизации управления знаниями целесообразно выделять базовый функционал KMS, который не зависит от целевой предметной области и обеспечивает решение общих задач по сбору, обработке, анализу, контролю качества и публикации знаний. Но для ряда предметных областей, описание знаний настолько специфично, что базовый функционал приходится расширять. Часто это особые семантические модели, схемы и форматы данных, сложные настроенные алгоритмы обработки и анализа.
В 2017 году эксперты компании Gartner выделили особый класс автоматизированных информационных систем – это контент-сервисные платформы (Content-Services Platform – CSP) [https://www.gartner.com/reviews/market/content-services-platforms].
CSP – это интегрированные платформы, которые объединяют ориентированные на управление содержанием сервисы, репозитории, API-интерфейсы, решения и инструменты обработки бизнес-данных для поддержки цифрового бизнеса и трансформации. Типовые варианты использования CSP включают управление документами, бэк-офисные процессы, приложения бизнес-процессов, управление записями и производительность команды. CSP обладают собственным репозиторием контента. Службы и данные CSP могут интегрироваться с внешними, неродными репозиториями и приложениями с помощью предварительно созданных соединителей, API или готовых настроенных интеграций. У CSP есть веб-интерфейсы, интерфейсы для настольных компьютеров и мобильных приложений, которые позволяют пользователям перемещаться по различным контент-сервисам и работать с ними. Платформы предлагают готовые решения для вертикальных и горизонтальных процессов обработки контента, таких как управление делами, управление юридическими вопросами, управление контрактами. CSP доступны локально, в виде размещенных сервисов, в облаке (SaaS и/или PaaS) или в гибридных архитектурах, сочетающих облачное и локальное хранилище и/или сервисы.
CSP могут рассматриваться как особый класс систем управления контентом, выполненных в платформенной логике. Но аналогично можно говорить и о перспективе развития особого класса систем управления знаниями, архитектурно и функционально реализованных в виде цифровых платформ. Цифровая платформа сервисов управления знаниями (Knowledge-Services Platform – KSP), в расширение возможностей CSP, должна дополнительно позволять экспертам и модераторам совместно управлять семантической моделью в динамике, объединяя и предоставляя для этого отдельные специализированные сервисы. KSP может основываться на микросервисной архитектуре или предлагать инфраструктуру подключения новых сервисов по управлению знаниями и их пакетного и индивидуального конфигурирования. Особый интерес представляет направление развития совместного использования семантических моделей.
Автор: Владислав Тюрин, эксперт по цифровой трансформации.