Побудова організації, орієнтованої на навички: захоплююча, але твереза реальність

Передумова

Почнемо з передумови: ідея, яку просувають офіційні документи, полягає в тому, що ми збираємося створити неупереджену, вільну від політики компанію, де рішення ґрунтуються на навичках, меритократії та результатах роботи. Вендори обіцяють, що ми матимемо глобальну базу даних навичок і завдяки чудесам Talent Intelligence зможемо бачити трендові навички, прогалини в них, а також стати більш науковими в питаннях найму, просування по службі, оплати праці та лідерства.

За цією концепцією ховається ідея, що ми можемо «позначити» або «оцінити» навички кожного з лазерною точністю. І багато інструментів штучного інтелекту, в тому числі ті, які ми використовуємо для нашого дослідження GWI, обіцяють зробити це вже сьогодні. Як вони оцінюють наші навички? Вони використовують магію ШІ, щоб проаналізувати нашу історію роботи, результативність, робочий продукт та інші джерела, щоб зробити умовиводи, змоделювати і спрогнозувати, в чому ми хороші, в чому ми винятково хороші, і чого нам потрібно навчитися далі.

Яка славна візія. І переваг багато: неупереджений найм на основі компетенцій, спрямована мобільність людей на нові ролі, а також інструменти стратегічного планування, які допомагають нам планувати оплату праці, місця для найму та багато іншого.

Реальність

Це не нова ідея: навички завжди були важливими в бізнесі.

Я закінчив коледж у 1978 році за спеціальністю «інженер-механік». Після випуску я проходив співбесіди у Procter and Gamble, Boeing, ВМС США та інших організаціях.

Тоді, 45 років тому, кожна компанія була зацікавлена в моїх навичках. Я складав тести, відповідав на технічні питання, розповідав інтерв’юерам про свої курси та демонстрував свою майстерність. (Адмірал Ріковер, голова атомного флоту, ставив мені конкретні запитання про теплопередачу).

Але ці компанії не були наївними. Вони ставили ці запитання не для того, щоб зрозуміти, чого я навчився в коледжі, а щоб зрозуміти, як я мислю. Пізніше я дізнався, що мої поведінкові інтерв’ю в P&G були розроблені для того, щоб розшифрувати мої особисті цілі, моє мислення, мою здатність мислити і мою здатність спілкуватися. Хоча це можна класифікувати як навички, вони набагато складніші, ніж з’ясування того, чи вмію я кодувати на Java.

Сьогодні, через півстоліття, здається, що ми рухаємося назад. Ми значною мірою зосереджені на інструментах і системах для визначення технічних навичок і загальних бізнес-здібностей. І хоча ці інструменти та системи чудові, ми маємо пам’ятати, що найважливіші навички (PowerSkills, як я їх називаю) все ще залишаються поза увагою.

Іншими словами, компанії досягають успіху завдяки культурі, амбіціям, здатності до навчання та узгодженості. І хоча ми хочемо оцінювати навички для визначення роботи, ролей і розвитку, ми також маємо припускати, що кожна людина може (і повинна) навчатися новим навичкам на постійній основі. А це означає, що нам потрібен більш цілісний (системний) погляд на навички, що виходить за рамки лише технічної майстерності.

Борис Гройсбург (Boris Groysburg), професор Гарвардського університету, вивчав роботу найкращих інвестиційних банкірів світу.

Ці люди мають високу кваліфікацію у фінансових продуктах, угодах і великих транзакціях. І що ж він виявив? Якщо ви візьмете «висококваліфікованого» інвестиційного банкіра в одній компанії і переведете його в іншу, швидше за все, він більше не буде високоефективним.

Його «гіперефективні» навички насправді не були технічними, вони полягали в його унікальній здатності задіювати організацію та знати, як досягти поставлених цілей.

Отже, побудова таксономії навичок може бути складним завданням. Як показало наше дослідження, бізнес-навички поділяються на багато категорій, кожна з яких по-різному оцінюється різними компаніями. І хоча загальні навички, безумовно, мають значення, саме те, як ви використовуєте їх у своїй компанії, визначає їхню цінність.

• Технічні навички (кодування, програмне забезпечення, ІТ-системи, медичні процедури тощо)
• Операційні навички (управління обладнанням, ремонт насосів, техніка безпеки тощо)
• Функціональні навички (маркетингові операції, CRM, управління продуктами, інженерія, дизайн)
• Галузеві навички (розуміння нафтогазової промисловості, хімічної промисловості, бізнесу з розробки ПЗ і т.д.)
• Управлінські та лідерські навички (управління командами, керівництво бізнесом тощо)

Кожна з цих категорій наповнена «навичками» настільки, що такі компанії, як Lightcast, котрі об’єднують уміння для десятків тисяч найменувань посад, створюють динамічні бібліотеки з десятками і сотнями тисяч навичок. І на додачу до цього ми маємо великий новий світ навичок, виведених штучним інтелектом, таких як «обробка заперечень» або «аналіз фінансової звітності», які він знаходить самостійно.

То що тут нового? Багато чого.

Враховуючи всі ці складнощі, що ж насправді нового? Основною зміною є інтерес до створення корпоративної таксономії навичок — єдиної «динамічної бази даних».

Ця таксономія не схожа на моделі компетенцій минулого. Це величезний масив даних (десятки тисяч ієрархічних навичок), і кожне слово в таксономії є предметом дискусій. Чи варто вживати «співпраця» або «командна робота»? Чи слід використовувати «java», «java-програмування» або «мова java»?

Існують сотні готових таксономій, і кожна галузь має свої особливості. Енергетичні компанії володіють навичками переробки, виробництва та дистрибуції. Компанії, що виробляють споживчі товари, мають навички брендингу, продуктового маркетингу та аналізу каналів збуту. А фармацевтичні та хімічні компанії володіють науковими, генетичними та регульованими виробничими навичками.

Деякі навички потрібно перевіряти: цілі платформи, такі як Kahuna, дозволяють вам вирішувати, хто може їх перевіряти і коли їх потрібно повторно підтверджувати. А інші навички потребують оцінки: на основі моделей лідерства, управління та інших моделей м’яких навичок.

Ви бачите, наскільки це складний процес, і пам’ятайте, що кожна компанія особлива. Ваша компанія може цінувати інновації та навички дизайну продукту; ваш конкурент може зосередитися на виробництві та дистрибуції.

Як ми можемо поєднати все це разом? Хіба це не проблема типу «закип’ятити океан»?

Компанії, як правило, йдуть двома шляхами. Шлях 1 — створити команду з таксономії навичок, а потім розпочати тривалий процес роботи з бізнес-підрозділами, щоб узгодити мову та архітектуру таксономії. Це може спрацювати, але, зрештою, має багато недоліків. Без реальної перевірки цих навичок у дії вони, швидше за все, потребуватимуть доопрацювання, тому це часто займає багато часу.

Шлях 2, який ми рекомендуємо, полягає в тому, щоб почати з фокусування на проблемі. Виходячи з цієї проблеми, ви будуєте частину таксономії, створюєте процес дизайну та управління і дізнаєтесь, які інструменти працюють найкраще.

Закоханість у проблему

Дозвольте навести приклад із реального життя. Припустимо, у вас висока плинність кадрів і низький моральний дух у клієнтському сервісі.

Коли ви заглиблюєтесь у проблему (те, що ми називаємо «закоханість у проблему»), ви розумієте, що виклики, які стоять перед клієнтським сервісом, досить значні. Команда розбита на невеликі групи, які займаються різними продуктовими напрямками, що робить їхню роботу нудною і повторюваною. Тож ви сідаєте з керівництвом команди і розробляєте «модель навичок» для клієнтського сервісу.

Коли ви будуєте модель, то виявляєте, що дуже мало хто з персоналу пройшов перехресне навчання. А дехто взагалі не навчений! Тепер, завдяки вашій моделі навичок, ви можете вирішити, як реорганізувати групу (також виявивши, що деякі з цих «навичок» можна автоматизувати за допомогою ChatGPT), почати перехресне навчання і визначити найбільш ефективних співробітників.

Ви також виявили, що деякі учасники групи не підходять для роботи. Тож ви використовуєте модель навичок, щоб знайти інших внутрішніх кандидатів і кращі зовнішні джерела. І коли ви вирішуєте, кого взяти на роботу, ви складаєте оцінки або питання для співбесіди, щоб «найняти за цими навичками».

Компанія American Express зробила це багато років тому. Вони зрозуміли, що «навички», необхідні командам із продажу та обслуговування Amex, були зовсім не навичками обслуговування клієнтів, а навичками гостинності. Amex ставиться до клієнтів як до гостей, тому вони почали набирати персонал у Ritz-Carlton та інших компаніях, що працюють у сфері гостинності. Щоб з’ясувати це, знадобився аналіз на базі навичок.

Як бачите, коли ви фокусуєтесь на проблемі, робота може швидко зійтися, і ви зможете вирішити реальну проблему. Ми провели інтерв’ю з компанією, яка використовувала цей підхід для більш чіткого визначення своїх ролей у сфері кібербезпеки, і виявили, що вони можуть заощадити 20 000 австралійських доларів на кожного працівника, найнявши більше кандидатів молодшого віку.

І такого роду аналіз допомагає вам вирішити, «купувати чи розвивати» ці навички. У 2020 році ми провели дослідження трьох компаній і з’ясували, що «розвиток технічних навичок» може бути в шість разів дешевшим, ніж їх придбання (найм).

Такі проєкти з розвитку навичок є скрізь

Існує багато варіантів використання цього підходу.

У рекрутингу орієнтований на навички підхід дозволяє розширити мережу кандидатів, часто знаходячи внутрішніх співробітників, які можуть ідеально підходити для певної роботи. Завдяки технології «суміжності навичок» ми можемо знайти людей зі схожими навичками, які ідеально впишуться в роль.

Крім того, найм на основі навичок зменшує упередженість. Велика напівпровідникова компанія розповіла нам, що тепер вони використовують платформу для найму на основі навичок на базі ШІ (Eightfold), і весь їхній список кандидатів збільшився більш ніж утричі. Вони знаходять людей із відмінними навичками, не звертаючи уваги на ім’я, стать і науковий ступінь у резюме.

У розвитку кар’єри та кар’єрному зростанні інструменти ринку талантів і внутрішньої мобільності дають фантастичні результати. Rolls Royce використовує модель, засновану на навичках, для пошуку спеціалістів із інжинірингу та операцій, що дає змогу людям переходити на нові робочі місця в інженерній та операційній сферах. MetLife, Schneider Electric, J&J та інші компанії використовують біржу талантів (систему підбору працівників на основі їхніх навичок) для заохочення роботи за сумісництвом, кар’єрного зростання та мобільності талантів.

У сфері оплати праці та винагород компанії експериментують з оплатою на основі навичок. Велика трубопровідна компанія розповіла нам, що зараз вони сертифікують ремонтних техніків у різних функціональних сферах (насоси, прилади, електротехніка), і коли технік отримує відповідну кваліфікацію, його погодинна ставка зростає на 5-10 доларів за годину. Уявіть, що всі дані про рівну оплату праці ми можемо проаналізувати на основі моделі навичок: це, ймовірно, допоможе нам ще більше зменшити нерівність незалежно від рівня роботи чи назви посади.

У сфері технологій, ІТ та науки багато організацій відчувають, що не встигають за розвитком. Наскільки ваша компанія, наприклад, готова до впровадження штучного інтелекту? Одна компанія, з якою ми працюємо, перебуває в процесі створення нової моделі навичок для своєї ІТ-функції, і вони виявили, що багато їхніх співробітників працюють над технологіями, яким 15 років. Нова модель допомагає їм набирати, перекваліфіковувати та заряджати енергією весь ІТ/продуктовий відділ, щоб покращити найм, утримання та продуктивність.

Тож як нам це масштабувати?

Із точки зору даних, компаніям потрібно побудувати бізнес-орієнтований спосіб управління, регулювання та оновлення цих моделей.

Наприклад, компанія Ericsson побудувала чітко визначену модель навичок для свого масового переходу на 5G. Ця модель була розроблена інженерами, командами з продажу та маркетингу, а також директором із навчання, які працювали разом. Вони сіли і вирішили, які сфери, ролі та технології слід розглянути, і на основі цього визначилися з моделлю, з якої можна далі рости. Їхній новий шлях полягає в тому, щоб оновити всі свої ІТ-навички.

BNY Mellon застосував такий самий підхід до всіх ІТ-операцій. Вони розробили «команди можливостей», які співпрацюють на критично важливих робочих ролях (наприклад, менеджер продукту, менеджер проєкту, аналітик), щоб команди могли підтримувати свої моделі навичок в актуальному стані.

Коли ви працюєте таким чином — проєкт за проєктом — ваші зусилля набирають обертів. Ви отримуєте реальні результати, а бізнес може масштабуватися.

Виклик навичок і технологій

А як щодо систем? Де зберігати всі ці навички, і як ми будемо підтримувати їх в актуальному стані?

Поки ринок ще незрілий, дозвольте мені поділитися тим, що ми дізналися.

Зараз багато постачальників розумних рішень на основі ШІ пропонують свої рішення. Workday, Eightfold, Gloat, Cornerstone, Seekout, Kahuna, Techwolf, Skyhive, Beamery, Phenom, Oracle, SAP і ServiceNow — усі вони пропонують інструменти, які допоможуть вам зберігати та визначати навички, використовувати їх у різних додатках та оцінювати їх завдяки різноманітним методам ШІ та оцінювання.

На жаль, кожен із них оптимізований для різних цілей. Eightfold, наприклад, може автоматично визначати навички в описі вакансії, знаходити кандидатів, а потім визначати трендові та суміжні навички за допомогою своїх складних моделей. Cornerstone може показати вам всі навички, що містяться у вашому великому навчальному каталозі. Techwolf може визначити навички з проєктів Jira та Asana. А Gloat та Fuel50 можуть виводити навички та співставляти їх з кар’єрними можливостями, робочими місцями та гіг-контрактами.

І, звичайно, кожен вендор хоче бути «системою обліку». І хоча багато з цих постачальників мають великих клієнтів, ми ще не знайшли компанію, яка використовує одну платформу для всього. Тож, хоча в якийсь момент ми можемо знайти ту єдину «хмару навичок», здатну зберігати кожну навичку для кожної роботи в компанії, ця мета ще не досягнута.

Проблема, з якою стикаються постачальники, полягає в самому масштабі проблеми. Ці системи навичок — це не просто бази даних: це інструменти штучного інтелекту, які в ідеалі використовують ШІ другого покоління, щоб постійно знаходити, виводити та оновлювати навички для кожної роботи, людини та кар’єрного шляху. Вони повинні мати відкриті інтерфейси до сотень бібліотек навичок на ринку (кожна галузь і кожна сім’я професій має безліч таксономій), а також інструменти, які допоможуть вам керувати цими даними, аналізувати їх, видаляти дублікати та курирувати.

І, незважаючи на заяви, ці інструменти «виведення навичок» відрізняються один від одного. Рекрутингові платформи, як правило, навчаються за допомогою найбільшої кількості даних. Ці платформи (Eightfold, Beamery, Seekout, Phenom, iCims) шукають та індексують мільярди історій працівників і використовують часові ряди, нейронні мережі та моделі продуктивності для виведення навичок. Це означає, що вони охоплюють багато галузей і можуть ідентифікувати та аналізувати навички для багатьох груп професій у різних галузях.

Платформи для пошуку талантів (Gloat, Fuel50, Hitch), як правило, мають меншу глибину лише тому, що їхня мета — просто «знайти відповідність всередині компанії». (Gloat переходить у загальну категорію «розвідки таланті»в і зараз виходить за границі). Gloat представив рекрутинговий продукт, тож їхня платформа явно стає наскрізною системою розвідки талантів (вони називають це «гнучкістю робочої сили»).

Інструменти для навчання навичкам є найменш складними (Cornerstone, Degreed, EdCast), оскільки їхня мета — підібрати для когось курс або навчальний шлях. (Cornerstone зараз виходить далеко за рамки цього і створив абсолютно нову систему ШІ для визначення навичок своїх 7000 клієнтів).

Провайдери ERP-систем (Oracle, SAP, Workday та інші), швидше за все, стануть «агрегаторами навичок» з інтерфейсами API для координації даних про навички між цими більш спеціалізованими системами та їхніми внутрішніми моделями машинного навчання.

Механізм навичок повинен робити багато речей, зокрема отримувати доступ до мільярдів профілів працівників, аналізувати часові ряди, а також потребує просунутого ШІ (нейронних мереж) для виведення, ідентифікації та побудови моделей, що визначають навички.

Із часом кожен постачальник технологій розвитку навичок піде своїм власним шляхом. Новіші вендори, такі як Techwolf, Retrain та інші, розглядають корпоративні дані як джерело виведення навичок, індексуючи інформацію в Asana або Jira. Ці дані, хоч і обмежені, відкривають нові можливості: подумайте про інформацію про навички в Microsoft Graph. Постачальники, які використовують цю інформацію (Viva Topics робить це для управління документами), можуть дізнатися набагато більше про внутрішні навички. І, зрештою, це саме той тип даних, який вам потрібен.

Незалежно від того, як розвивається ринок технологій, успішні проєкти фокусуються на проблемі. Компанія P&G створила таксономію навичок, яка допомогла їм укомплектувати свої ланцюги поставок під час пандемії. Reuters створила таксономію навичок, щоб допомогти їм створити та масштабувати свою команду з обробки даних. Компанія Ericsson розпочала свій шлях розвитку навичок із реінжинірингу 5G. І цей список можна продовжувати і продовжувати.

Я вважаю, що в міру того, як ці проєкти прогресують, потенціал цієї роботи величезний. Компанії, які розпочинають цей процес, швидко дізнаються величезну кількість інформації про своїх працівників. Вони починають розуміти процес управління. І вони набувають досвіду роботи з постачальниками, який допомагає їм визначити, хто може масштабуватися для задоволення їхніх конкретних потреб.

Куди це йде: від «робочих місць» до «роботи»

І останнє зауваження. Ця робота навіть важливіша, ніж ви думаєте. Як я обговорював у книзі «Irresistible», ця робота є частиною більшого зсуву від «жорстко визначених робочих місць» до «ролей», сфокусованих на роботі. Ми називаємо це світанком «постіндустріальної моделі» бізнесу.

Організація, заснована на навичках, наближається, крок за кроком. Якщо ви серйозно поставитеся до трансформації і врахуєте, наскільки важливою вона стане, ви зможете побудувати працюючий план.

За матеріалами Josh Bersin.

Ілюстрація: usemultiplier.com