Artykuł jest drugą częścią zakończenia książki pt. „Gospodarka Cyfrowa. Jak nowe technologie zmieniają świat”, którą w odcinkach publikowaliśmy w Bazie Wiedzy portalu Platformy Przemysłu Przyszłości.
Istnieje jeszcze jeden powód, dla którego warto uważnie przyglądać się procesom cyfryzacji gospodarki. Stworzony na zlecenie Komisji Europejskiej indeks DESI (Digital Economy and Society Index) pokazuje, że w niemal wszystkich obszarach transformacji cyfrowej Polska odstaje od innych państw członkowskich Unii Europejskiej.
Najgorzej sytuacja wygląda w obszarze integracji technologii cyfrowej przez firmy. Polskie firmy, w szczególności małe i średnie (a jest ich w naszym kraju ok. 54 tys.), rzadziej niż statystyczne europejskie przedsiębiorstwo dysponują systemami pozwalającymi na elektroniczną wymianę informacji czy e-fakturowanie, rzadziej korzystają z usług chmurowych i dużo rzadziej wykorzystują media społecznościowe jako narzędzia marketingowe i kanał komunikacji z klientami. Polskie MŚP mniej chętnie sprzedają przez internet, również za granicę.
Podobną zachowawczością w zakresie wdrożeń nowych technologii wspierających rozwój przemysłu 4.0 cechują się polskie firmy produkcyjne. Badanie zaprojektowane przez DELab UW na zlecenie Ministerstwa Przedsiębiorczości pokazało, że zdecydowana większość polskich firm produkcyjnych nie dysponuje strategią transformacji cyfrowej. Polskie przedsiębiorstwa przemysłowe plasują się w środku unijnej stawki w obszarze użycia robotów przemysłowych czy wykorzystania drukarek 3D do prototypowania produktów, jednak znacznie wolniej wdrażają technologie służące integracji i analizie danych.
Jednak główną przyczyną opóźnień we wprowadzaniu technologii cyfrowych w polskich firmach jest brak pracowników o odpowiednich kwalifikacjach. Aż 14% Polaków w wieku produkcyjnym nie ma żadnych kompetencji cyfrowych. Jedynie co czwarty ma ponadpodstawowe, czyli potrafi bez trudu znaleźć w internecie rozwiązanie problemu napotkanego przy wykonywaniu zadań za pomocą internetu lub napisać proste oprogramowanie. Dla porównania takimi umiejętnościami może się pochwalić połowa Duńczyków.
Lukę cyfrową widać nawet w elementarnych wskaźnikach, takich jak korzystanie z internetu: średnia dla całej UE wynosi 81%, tymczasem w Polsce internetu używa średnio 73% populacji. Nasz system edukacji produkuje stosunkowo wielu absolwentów na kierunkach ścisłych, technicznych i matematycznych (Science, Technology, Engineering, Mathematics, STEM) – lokujemy się na 8. miejscu w UE, jednak już pod względem liczby specjalistów w dziedzinie ICT zatrudnionych w firmach lokujemy się pod koniec unijnej stawki – na 20. miejscu.
Kompetencje cyfrowe to nie wszystko. Funkcjonowanie w środowisku pracy przesyconym technologiami, w kontekście coraz bardziej elastycznego rynku pracy, będzie wymagało także kompetencji innego typu – poznawczych i społecznych. System edukacyjny – od przedszkola po studia – powinien je wzmacniać i kształtować. W wielu krajach – w tym w Polsce – nauczanie nadal jednak skupia się na wpajaniu podręcznikowej wiedzy, sprawdzanej za pośrednictwem testów. Na przełomie 2018 i 2019 r. miałyśmy okazję poznać opinię blisko 1128 studentów i absolwentów uczelni różnego typu, biorących udział w warsztatach z Design Thinking, organizowanych przez Google we współpracy z Polskim Funduszem Rozwoju. Nie były to badania reprezentatywne – studenci, którzy zdecydowali się na udział w warsztatach, stanowili specyficzną grupę, charakteryzującą się większą rzutkością – pozwoliły jednak przyjrzeć się postawom osób wchodzących na rynek pracy lub od niedawna na nim funkcjonującym. Co trzeci uczestnik warsztatów stwierdził, że jego uczelnia w ogóle nie uczyła kompetencji cyfrowych. Nie lepiej sytuacja wyglądała w odniesieniu do wybranych kompetencji poznawczych (co czwarty student uznał, że studia nie rozwijały krytycznego myślenia), a jeszcze gorzej – w odniesieniu do kompetencji społecznych, takich jak przedsiębiorczość czy zarządzanie ludźmi.
Niemal połowa badanych stwierdziła, że studia są po prostu nudne i nie przygotowują do rynku pracy (tylko co czwarty uczestnik badania był innego zdania). Brakuje na nich zajęć praktycznych, koncentrujących się na rozwiązywaniu konkretnego problemu lub wykonaniu projektu, a przede wszystkim zajęć uczących programowania (54%), wizualizacji danych (44%), wyszukiwania i analizy danych (33%) czy ogólnie obsługi programów komputerowych (32%).
Niedostatków polskiego systemu edukacji pod kątem przygotowywania pracowników do wyzwań gospodarki cyfrowej nie wyrównują też firmy, które dużo rzadziej niż inne firmy europejskie widzą potrzebę organizowania dla swoich pracowników szkoleń z zakresu kompetencji cyfrowych.
Skądinąd chęcią do samokształcenia nie pałają również sami Polacy. Dane OECD (2019) pokazują, że tylko co piąty dorosły Polak (19%) zdecydował się na inwestycję w szkolenia zawodowe. Dla porównania – zdecydował się na to co drugi Grek.
Z przytoczonych dotąd danych wyłania się mało optymistyczny obraz: polskie firmy i polscy pracownicy nie są gotowi na wyzwania związane z gospodarką cyfrową, a system kształcenia ustawicznego nie funkcjonuje dobrze. Niewiele lepiej na tle europejskiej średniej przedstawia się poziom ucyfrowienia polskich instytucji publicznych.
Problemu rozwoju gospodarki cyfrowej w Polsce nie rozwiążą deklaracje budowy polskiego samochodu elektrycznego. Polski rząd wydaje się jednak zdawać sobie sprawę ze skali problemu. W listopadzie 2018 r. polskie Ministerstwo ds. Cyfryzacji przedstawiło Założenia do strategii AI w Polsce, przygotowane przez szerokie grono ekspertów. Z naszej perspektywy kluczowe znaczenie ma również odejście od sztampowego pojmowania innowacji. Zgodnie z definicją zaproponowaną przez OECD innowacje polegają na wprowadzaniu nowych lub znacznie udoskonalonych dóbr (usług, towarów), procesów, metod marketingowych i organizacyjnych, zmian stosunków ze środowiskiem zewnętrznym lub organizacji pracy. W oparciu o tę definicję można wyróżnić innowacje produktowe, procesowe, organizacyjne oraz marketingowe. Tymczasem w takich państwach jak Polska, nieposiadających bogatego ekosystemu inwestycyjnego i rozwiniętej kultury startupów, rozwój gospodarki cyfrowej będzie zależał nie tyle od innowacji produktowych – czyli wprowadzania na rynek nowych lub udoskonalonych dóbr, ile od intensyfikacji wdrażania nowych technologii w przedsiębiorstwach i instytucjach publicznych, nacisku na innowacje procesowe i organizacyjne. Ponownie prowadzi nas to w kierunku edukacji i kwestii kształtowania tzw. kompetencji przyszłości. Powodzenie innowacji procesowych i organizacyjnych zależy bowiem od pracowników, którzy nie boją się zmian i potrafią funkcjonować w przesyconym technologiami środowisku pracy.
Nauka a gospodarka cyfrowa
Rozwój gospodarki cyfrowej – i cyfrowego społeczeństwa, które przewijało się przez strony tej książki, ale raczej jako kontekst niż główny przedmiot analizy – wymaga również zmian w sposobie uprawiania nauki. W książce Big Data: A Revolution that Will Transform how We Live, Work, and Think Victor Mayer-Schönberger i Kenneth Cukier argumentują, że dostęp do dużych zbiorów danych pozwoli zmienić paradygmat nauk społecznych. W miejsce danych wycinkowych i wywołanych, pozyskiwanych za pośrednictwem sondaży, obserwacji czy wywiadów, pojawiają się big data, pochodzące ze śladów cyfrowych zostawianych przez użytkowników internetu i płynących z podłączonych do sieci urządzeń wyposażonych w czujniki. Datafikacja ogarnia kolejne obszary rzeczywistości. Badacze zyskują dostęp do ogromnych zbiorów danych produkowanych w czasie rzeczywistym i pokazujących faktycznie zachowania ludzi (dane behawioralne). W rezultacie możliwy jest całościowy ogląd danego zjawiska lub procesu, a nie tylko wnioskowanie na podstawie mniej lub bardziej reprezentatywnej próbki. Powstają nowe cyfrowe metodologie badania cyfrowej rzeczywistości, ich przeglądu dokonał m.in. Matthew Salganik w Bit by Bit: Social Research in Digital Age, a w Polsce – Dariusz Jemielniak w Socjologii internetu. Nie kwestionują one użyteczności tradycyjnych metod badawczych, ale podkreślają, że badanie nowych zjawisk, w których przenika się rzeczywistość online i offline, w jeszcze bardziej usieciowionym społeczeństwie wymaga niestandardowych podejść, takich jak etnografia cyfrowa, i nowatorskich, choć obciążonych rozmaitymi wadami narzędzi, takich jak scrapowanie.
Problem jednak w tym, że badacze akademiccy często nie mają dostępu do wielkich zbiorów danych, które są monopolizowane i traktowane jak cenna własność intelektualna rozmaitych biznesów. Platformy mediów społecznościowych, takie jak Facebook czy Twitter, od pewnego czasu zaostrzają politykę dostępu do danych użytkowników dla naukowców. Od lipca 2018 r. badacze nie są już w stanie pozyskiwać danych historycznych z Twittera za pośrednictwem własnych aplikacji – muszą poprosić o dostęp do interfejsu programistycznego aplikacji (Application Programming Interface, API), w którym pula danych przypadających na badacza jest ograniczona. Ponadto firma narzuciła wysokie ceny dla przedsiębiorstw, które zajmowały się dotychczas pozyskiwaniem tego rodzaju danych dla celów akademickich. Jak stwierdził Justin Littman ze Stanford University Libraries, „badania przynoszą ogromne korzyści społeczeństwu, ale niekoniecznie bezpośrednio firmom. Łatwiej odmówić niż wypracować właściwe procedury”. W tej logice chodzi też o dalszą monetyzację – źródłem zysku mogą być równie dobrze instytucje badawcze, które będą płacić za możliwość wykorzystania danych. Poręcznym pretekstem do ograniczania dostępu do nich jest przypadek Cambridge Analytica, zresztą nie bez przyczyny – aplikację zbierającą dane użytkowników zbudował profesor psychologii na Cambridge University Aleksandr Kogan. Dostarczył on firmie konsultingowej surowe dane 50 mln profili z Facebooka. Jednak zgodę na zbieranie danych wyraziło tylko 270 tys. użytkowników, być może także dlatego, że poinformowano ich o celach naukowych przedsięwzięcia. Firmy odmawiają również wglądu w konstrukcję algorytmów wykorzystywanych w procesie przetwarzania i analizowania danych użytkowników, traktując je – nie bez przyczyny – jako krytyczną własność intelektualną zapewniającą im przewagę konkurencyjną. W efekcie algorytmy nabierają charakteru czarnych skrzynek, podejmujących zautomatyzowane decyzje na podstawie zasad nieznanych tym, których dotyczą. Cyfryzujące się firmy będą w coraz większym stopniu doceniać wartość wiedzy płynącej z analizy danych do kontroli wszystkich etapów produkcji i sprzedaży oraz mogą też być coraz mniej chętne, by się nią dzielić. Dobrym przykładem jest cyfryzacja łańcuchów dostaw – firmy zyskują coraz lepszą wiedzę o procesach i dostawcach, jednak niekoniecznie chętnie dzielą się nią z badaczami zajmującymi się analizą przestrzegania praw pracowniczych w krajach rozwijających się.
Przed badaczami próbującymi uchwycić istotę transformacji cyfrowej piętrzą się wyzwania. To nie tylko brak dostępu do danych. To także pozostawanie w tyle za nowymi trendami metodologicznymi, poniekąd wynikłe z braku znajomości nowych cyfrowych metod i narzędzi badawczych. To wreszcie niedostosowanie samych pojęć używanych dotychczas do opisywania zmian (najlepszym przykładem jest tutaj pojęcie produktywności czy wykorzystywanie PKB jako podstawowego miernika rozwoju gospodarki). Tymczasem rola eksperta zakotwiczonego w niezależnej instytucji (takiej jak uniwersytet) w analizowaniu i interpretowaniu procesów i zjawisk gospodarczych, społecznych i politycznych chyba jeszcze nigdy nie była równie ważna. Wyjaśnienie i zrozumienie tych procesów może pomóc walczyć z rozmaitymi zagrożeniami związanymi z rozwojem gospodarki cyfrowej, rozwiązywać dylematy wiążące się z datafikacją praktyk życia codziennego i rosnącym zastosowaniem sztucznej inteligencji. Taki był też cel tej książki – starałyśmy się dostarczyć pierwszego, jeszcze szkicowego schematu dla rozumienia zachodzącej zmiany. To tylko punkt wyjścia do dalszych badań nad fascynującą, ale szybko zmieniającą się cyfrową rzeczywistością.