Дефицит кадров — одна из главных проблем современного рынка труда — отчасти следствие его быстрого развития: только за последнее десятилетие 30% востребованных рабочих навыков сменились другими, а с появлением генеративного искусственного интеллекта этот процесс может ускориться в разы. Требования к специалистам и сами профессии постоянно трансформируются, а система образования не успевает подстроиться под меняющиеся запросы рынка. Цикл внедрения изменений в классическом высшем и среднем специальном образовании занимает несколько лет, а за это время тенденции и технологии снова успевают измениться. В такой ситуации особенно важной становится роль предиктивной аналитики рынка труда.
Зачем нужна прогнозная аналитика
В отличие от стандартной аналитики, которая оценивает состояние рынка труда в текущий момент, предиктивная предсказывает, что будет со спросом и предложением в разных профессиях и сферах деятельности в разрезе ближайших лет, какие компетенции и специальности будут востребованы, а какие потеряют актуальность.
Для чего это нужно? Первое и самое очевидное — так люди смогут более рационально выбирать направление обучения, оценивать свои перспективы в текущей профессии, принимать решение о переквалификации. Но это лишь один из эффектов прогнозной аналитики. Более глобальные ее возможности позволяют менять рынок труда и систему образования с учетом будущих трендов.
- Образование. Зная, на какие компетенции и профессии вырастет спрос через несколько лет, образовательные учреждения смогут расширять и сокращать программы, вносить в них коррективы, менять контент, чтобы дать студентам те навыки, которые будут востребованы к моменту их выпуска.
- Государство. Понимание тенденций в экономике региона дает властям возможность корректировать стратегию, открывать новые вузы и ссузы, создавать рабочие места, формировать программы по привлечению тех или иных специалистов.
- Бизнес. На основе предиктивной аналитики компания может прогнозировать дефицит/профицит специалистов и адаптировать свою HR-стратегию под эти вводные.
Развитие предиктивной аналитики
Классическая аналитика рынка труда, которая оценивает его текущее состояние, начала развиваться довольно давно. Пожалуй, один из самых ярких примеров — американский проект O*NET, созданный в 1990-х, который проводит регулярные исследования профессионального ландшафта всех США и в отдельных штатах.
Первые data-driven решения, анализирующие большие объемы данных на основе машинного обучения, стали появляться на рубеже веков, когда, с одной стороны, накопилось достаточные объемы информации, а с другой — появилась возможность их компьютеризировать. Так возникли такие структуры, как американский The Burning Glass Institute, сингапурский SkillsFuture, австралийский Faethm и другие.
В России в 2023 году появилось сообщение о планах разработать систему для вузов, которая позволят анализировать кадровую ситуацию в разрезе специальностей и строить прогнозы о развитии рынка труда на пять лет вперед. Предполагается, что это поможет снизить разрыв меняющихся требований рынка с компетенциями, которые получают студенты.
Российские IT-решения для предиктивной аналитики на основе big data и машинного обучения уже существуют: одно из них уже несколько лет развиваем мы в «Профилум» на базе направления Data Lab.
Как это работает
Основной источник информации для многих систем предиктивной аналитики — работные сайты и другие ресурсы, где размещаются вакансии и объявления о трудоустройстве. Алгоритмы собирают данные об опубликованных вакансиях, резюме и их содержании: уровне зарплат, требованиях к навыкам, запросах на компетенции, а затем обрабатывают эту информацию, объединяя похожие вакансии, группы профессий и навыки. В результате анализа алгоритмы выдают наглядные выводы об изменении спроса и предложения на рынке труда.
По такому принципу, например, работают решения института The Burning Glass — мирового бенчмарка, результаты исследований которого используются на Всемирном экономическом форуме. Организация собирает открытые данные о рынке труда на сайтах и хабах, где представлена информация о спросе на специалистов и резюме соискателей, и пропускает их через машинный анализ. На выходе формируется понимание, какие компетенции пользуются спросом и как это будет меняться со временем. Кроме того, The Burning Glass делает много проектов для образовательной сферы и помогает адаптировать программы под меняющиеся требования рынка.
В «Профилум» мы тоже пользуемся информацией с работных сайтов за определенный промежуток времени. За годы аналитики накапливаются исторические данные, которые дают представление о тех или иных долговременных трендах в рамках отдельной профессии, региона или страны. Например, в последние несколько лет хорошо видно, как с рынка вымывается профессия кредитного аналитика, функции которого постепенно забирают автоматизированные системы. А с середины 2010-х прослеживается отчетливый тренд на рост популярности новой роли — специалиста по маркетплейсам. По такой динамике можно строить прогноз развития ниши на срок до трех лет, а добавлением дополнительных данных — и значительно дальше.
Не только ИИ
Но все же невозможно построить прогноз, опираясь исключительно на динамику последних лет. Спрос и предложение на рынке труда зависят от множества факторов: появление новых вузов и ссузов, технологические тренды, стратегия развития страны и региона, законодательные инициативы, миграция населения, в том числе внутренняя, и многое другое. Если регион планирует осваивать новое месторождение, скоро у него появится потребность в большом числе рабочих и инженеров. Другой пример: после прошлогоднего указа президента о дополнительных мерах по обеспечению информационной безопасности вырос спрос на специалистов ИБ. А развитие ИИ уже скоро может снизить востребованность линейных специалистов в ряде сфер с очень алгоритмизированной работой.
Поэтому аналитики ищут информацию по технологическим, демографическим, экономическим трендам и накладывают ее на прогноз, сделанный с помощью машинного обучения, — так, в частности, делаем мы. И уже эта новая полная картина требует еще одного экспертного «человеческого» анализа. Возможно, с развитием ИИ алгоритмы смогут взять на себя часть этой работы, но пока сложно судить, какой в принципе будет роль машинного обучения в любых аналитических процессах в разрезе ближайших лет. Скорее всего, мы будем использовать искусственный интеллект как инструмент для помощи в сборе и обработки информации — но ключевая роль в принятий финальных решений и построении прогнозных моделей останется за человеком.
Прогнозы в VUCA-BANI мире
Но здесь мы сталкиваемся с еще одной проблемой. Кризисы с 2020 года наглядно продемонстрировали, насколько хрупки и ненадежны могут быть любые прогнозы под влиянием внешних факторов. Вспомним первый год ковида, который временно «отменил» все офлайн-профессии и выдвинул на первый план медицинские и цифровые специальности. Сильно повлияли на рынок труда и события 2022 года. Насколько вообще возможно строить прогнозы рынка труда в современном нестабильном VUCA-BANI мире?
Вообще ориентация на прошлые тренды похожа на вождение автомобиля с помощью зеркала заднего вида. Если дорога начинает поворачивать, можно предугадать, что дальше поворот продолжится, но если ситуация впереди резко изменится, отражение в зеркале нам мало чем поможет. Поэтому к трендам на рынке труда, особенно сформулированным искусственным интеллектом, нужно относиться аккуратно. А «черного лебедя» вроде того, что мы видели в 2020-м или 2022 году, бывает сложно предсказать даже экспертам.
Но с другой стороны, глобальные тренды, как правило, не меняются по щелчку пальцев. Если на рынке есть потребность в большом количестве каких-то специалистов, вряд ли они одномоментно перестанут быть нужными. Может просто измениться структура их компетенций: к примеру, во время ковида учителя и репетиторы не утратили своей востребованности, просто для них стал важен навык удаленной работы.
Глобальные тренды, такие, как цифровизация, довольно устойчивы. Спрос на диджитал-профессии активно рос и до ковида, — пандемия просто дала этой тенденции мощный толчок. Иначе говоря, рынок труда сохраняет устойчивость трендов, хотя отдельные его элементы могут меняться под влиянием событий. Поэтому строить прогнозы важно точно так же, как важно постоянно обогащать их новыми факторами в связи с меняющейся ситуацией. В России роль таких разработок особенно важна с учетом жесткого дефицита кадров во многих сферах: они позволят сократить дисбаланс спроса и предложения и обеспечить соответствием компетенций специалистов запросам экономики.