Введение. В последнее время актуальными становятся задачи обеспечения бурно развивающейся сферы искусственного интеллекта (далее – ИИ) профессиональными кадрами. Из-за недостаточной насыщенности рынка труда такими специалистами, подготовка кадров является основным способом решения поставленной проблемы. Для этого необходимо ответить на вопрос, сколько и по каким профессиям следует готовить специалистов в сфере ИИ, с учетом наличия у этих профессий пересекающихся компетенций. Отсутствие общепризнанной терминологии в наименованиях профессий и компетенций в сфере ИИ не позволяет корректно оценивать кадровую потребность путем прямого мониторинга вакансий работодателей и затрудняет планирование подготовки специалистов для сферы ИИ. Целью исследования является систематизация компетенций и профессий в сфере ИИ на основе сопоставительного анализа профессиональных компетенций соответствующих профессий в ведущих российских ИТ-компаниях с профессиональными компетенциями соответствующих профессий рынка труда Евросоюза и США.
Материалы и методы. Материалами исследования послужили данные Интернет-сайтов для поиска работы об актуальных вакансиях по базовым специализациям ИТ-индустрии. Основой российского перечня профессий и компетенций в сфере Data Science стало семейство из шести специальностей в области ИИ, сформированное «Альянсом» – центром развития искусственного интеллекта в России, объединяющим ведущие российские ИТ-компании. При формировании перечня компетенций для профессий в сфере ИИ в США был использован информационный ресурс Бюро трудовой статистики США; для профессий в Евросоюзе – информационный ресурс «Европейская многоязычная классификация навыков, компетенций и профессий».
Результаты исследования. В рамках проведённых исследований была разработана научно-обоснованная методика сопоставления профессий из разных национальных классификаторов профессий на основе компетентностного подхода. С ее помощью были построены матрицы соответствия профессий Альянса с профессиями США и Евросоюза. Для каждой профессии Альянса были выделены наиболее близкие по компетенциям профессии на рынке труда в сфере ИИ Евросоюза и США. В результате анализа было выявлено, что из шести рассматриваемых Альянсом семейств базовых профессий по названию совпадает с зарубежными только одна профессия «Data Scientist». Для остальных профессий Альянса доля совпадения компетенций третьего уровня в профессиях Евросоюза и США составляет от 0,33 до 1.
Обсуждение и заключение. Результаты сопоставительного анализа профессий и компетенций могут быть использованы для поиска вакансий на сайтах поиска работы. Количественная оценка вакансий позволит построить прогноз кадровой потребности в сфере ИИ. Полученные результаты могут быть полезны при разработке профессиональных стандартов для профессий ИИ, а также образовательных программ подготовки специалистов в сфере ИИ.
Ключевые слова: подготовка специалистов, искусственный интеллект, ИТ-компании, новые профессии, кадровая потребность, профессиональные компетенции, компетентностный подход, сопоставительный анализ
Ссылка для цитирования: Гуртов В. А., Питухин Е. А., Щеголева Л. В. Сопоставительный анализ профессий в сфере искусственного интеллекта на основе компетентностного подхода // Перспективы науки и образования. 2023. № 1 (61). С. 142-160. doi: 10.32744/pse.2023.1.9
Информация об авторах:
Гуртов Валерий Алексеевич (Россия, г. Петрозаводск) - Профессор, доктор физико-математических наук, директор Центра бюджетного мониторинга. Петрозаводский государственный университет. E-mail: vgurt@petrsu.ru. ORCID ID: 0000-0002-2442-7389 Питухин Евгений Александрович (Россия, г. Петрозаводск) - Профессор, доктор технических наук, профессор кафедры прикладной математики и кибернетики. Институт математики и информационных технологий. Петрозаводский государственный университет. E-mail: eugene@petrsu.ru. ORCID ID: 0000-0002-7021-2995. ResearcherID: H-4562-2016 Щеголева Людмила Владимировна (Россия, г. Петрозаводск) - Доцент, доктор технических наук, профессор кафедры прикладной математики и кибернетики. Институт математики и информационных технологий. Петрозаводский государственный университет. E-mail: schegoleva@petrsu.ru. ORCID ID: 0000-0001-5539-9176. Scopus Author ID: 57203136008. ResearcherID: F-4064-2016
Оставить комментарий