Перевод статьи Building A Skills-Based Organization: The Exciting But Sober Reality

Автор - широко известный Josh Bersin 

Создание организации, основанной на навыках: захватывающая, но трезвая реальность

Благодаря новым инструментам искусственного интеллекта и технологии навыков почти каждая компания хочет стать «организацией, основанной на навыках». Теперь, когда у нас было несколько лет для изучения этой тенденции, я хотел бы поделиться некоторыми фактами и развеять шумиху.

Предпосылка

Начнем с предпосылки: идея, продвигаемая официальными документами, заключается в том, что мы собираемся создать беспристрастную, свободную от политики компанию, в которой решения будут основываться на навыках, меритократии и производительности. Продавцы обещают, что у нас будет глобальная база данных о навыках, и благодаря чудесам Talent Intelligence (учебник здесь) мы сможем увидеть трендовые навыки, пробелы в навыках и стать более научными в отношении найма, продвижения по службе, оплаты и лидерства.

Под покровом этой концепции скрывается идея о том, что мы можем «пометить» или «оценить» навыки каждого с лазерной точностью. И многие инструменты искусственного интеллекта, в том числе те, которые мы используем для исследования GWI, обещают сделать это уже сегодня. Как они оценивают наши навыки? Они используют магию ИИ, чтобы посмотреть на нашу историю работы, производительность, рабочий продукт и другие источники, чтобы сделать вывод, смоделировать и предсказать, в чем мы хороши, в чем мы исключительно хороши и что нам нужно изучить дальше. .

Какое славное видение. И преимуществ много: беспристрастный найм на основе компетенций, направленная мобильность людей на новые роли и инструменты стратегического планирования, которые помогают нам планировать оплату, места для найма и многое другое.

Реальность

Это не новая идея: навыки всегда были важны в бизнесе.

Я закончил колледж в 1978 году по специальности инженер-механик. По окончании учебы я проходил собеседования в Procter and Gamble, Boeing, ВМС США и других организациях. Тогда, 45 лет назад, каждая компания интересовалась моими навыками. Я проходил тесты, отвечал на технические вопросы, рассказывал интервьюерам о своих курсах и демонстрировал свое мастерство на собеседованиях. (Адмирал Риковер, командующий ядерным флотом, задавал мне конкретные вопросы о передаче тепла.)

Но эти компании не были наивными. Причина, по которой они задавали эти вопросы, заключалась не в том, чтобы понять, чему я научился в колледже, а в том, чтобы понять, как я думаю. Позже я узнал, что мои поведенческие интервью в P&G были разработаны, чтобы расшифровать мои личные цели, мое мышление, мою способность думать и мою способность общаться. Хотя их можно классифицировать как навыки, они гораздо сложнее, чем выяснить, умею ли я программировать на Java.

Сегодня, полвека спустя, кажется, что мы движемся назад. Мы уделяем большое внимание инструментам и системам для определения технических навыков и общих бизнес-возможностей. И хотя эти инструменты и системы замечательны, мы должны помнить, что самые важные навыки (как я их называю PowerSkills) пока не учтены. Как говорил мой менеджер из IBM, «жесткие навыки — это мягкие», а «мягкие навыки — это сложно».

Другими словами, компании добиваются успеха благодаря культуре, амбициям, способности к обучению и согласованности. И хотя мы хотим оценивать навыки для определения работы, ролей и развития, мы также должны исходить из того, что каждый человек может (и должен) осваивать новые навыки на постоянной основе. А это значит, что нам нужен более целостный («системный» на нашем языке) взгляд на навыки, выходящий за рамки одних только технических навыков.

Борис Гройсбург, профессор Гарварда, изучал деятельность ведущих инвестиционных банкиров мира. Эти люди хорошо разбираются в финансовых продуктах, сделках и крупных транзакциях. И что он нашел? Если вы возьмете «высококвалифицированного» инвестиционного банкира в одну компанию и переведете его в другую, скорее всего, он перестанет быть высокоэффективным. Его «гиперэффективные» навыки на самом деле не были его техническими навыками, они заключались в его уникальной способности использовать организацию и знать, как добиться цели.

Таким образом, построение таксономии навыков может быть сложным. Как показало наше исследование, деловые навыки делятся на множество категорий, каждая из которых оценивается по-разному в разных компаниях. И хотя общие навыки, безусловно, имеют значение, именно то, как вы их используете в своей компании, повышает ценность.

• Технические навыки (кодирование, программное обеспечение, ИТ-системы, медицинские процедуры и т. д.)
• Эксплуатационные навыки (эксплуатация оборудования, ремонт насоса, техника безопасности и т. д.)
• Функциональные навыки (маркетинговые операции, CRM, управление продуктами, инжиниринг, дизайн)
• Отраслевые знания (понимание нефтегазовой отрасли, химической промышленности, программного обеспечения и т. д.)
• Управленческие и лидерские качества (управление командами, ведение бизнеса и т.д.)

Каждый из них настолько наполнен «навыками», что такие компании, как Lightcast, объединяющие навыки для десятков тысяч должностей, создают динамические библиотеки с десятками и сотнями тысяч навыков. И вдобавок к этому у нас есть большой новый мир навыков, выведенных ИИ, таких как «обработка возражений» или «анализ финансовых отчетов», которые он вычисляет самостоятельно.

Итак, что здесь нового? Много.

Учитывая эти сложности, что действительно нового? Что ж, большое изменение связано с интересом к созданию корпоративной таксономии навыков, единой «динамической базы данных» навыков.

Эта таксономия не похожа на модели компетенций прошлого. Это огромный набор данных (десятки тысяч иерархических навыков), и каждое слово в таксономии подлежит обсуждению. Должны ли мы использовать «сотрудничество» или «командная работа»? Должны ли мы использовать «java», «программирование на Java» или «язык Java?»

Существуют сотни готовых таксономий, и каждая отрасль уникальна. Энергетические компании обладают навыками переработки, производства и распределения. Компании, производящие потребительские товары, обладают навыками бренд-маркетинга, товарного маркетинга и анализа каналов сбыта. А фармацевтические и химические компании обладают научными, генетическими и регулируемыми производственными навыками.

Некоторые навыки должны быть проверены: целые платформы, такие как Kahuna, позволяют вам решать, кто может подтверждать навыки и когда они должны быть подтверждены повторно. И другие навыки нуждаются в оценке: они основаны на лидерстве, менеджменте и других моделях soft-skills.

Вы видите, насколько это сложно, и помните, что каждая компания уникальна. Ваша компания может ценить инновации и навыки дизайна продукта; ваш конкурент может сосредоточиться на производстве и распространении.

Как мы можем собрать все это вместе? Разве это не проблема типа «кипятить океан»?

Компании обычно идут двумя путями. Путь 1 — создать команду таксономии навыков, а затем создать длительный процесс работы с бизнес-подразделениями для согласования архитектуры языка и таксономии. Это может сработать, но, в конечном счете, имеет много точек отказа. Без реальной проверки этих навыков в действии они, вероятно, нуждаются в настройке, поэтому это часто занимает много времени.

Путь 2, который мы рекомендуем, заключается в том, чтобы начать с сосредоточения внимания на проблеме. Из этой проблемы вы строите часть таксономии, создаете процесс проектирования и управления и изучаете, какие инструменты работают лучше всего.

Влюбиться в проблему

Позвольте мне привести вам реальный пример. Предположим, у вас высокая текучесть кадров и низкий моральный дух в сфере обслуживания клиентов.

По мере того, как вы углубляетесь в проблему (то, что мы называем «влюблением в проблему»), вы понимаете, что проблемы обслуживания клиентов обширны. Команда разбита на небольшие группы, сосредоточенные на разных областях продукции, что делает их работу скучной и повторяющейся. Итак, вы садитесь с руководством команды и разрабатываете «модель навыков» для обслуживания клиентов.

Построив модель, вы обнаружите, что очень немногие сотрудники проходят перекрестное обучение. А некоторые вообще не обучены! Итак, теперь, благодаря вашей модели навыков, вы можете решить, как реорганизовать группу (обнаружив также, что некоторые из этих «навыков» могут быть автоматизированы с помощью ChatGPT), начать перекрестное обучение и выявить наиболее эффективных.

Вы также теперь обнаруживаете, что некоторые из ваших людей плохо подходят. Таким образом, вы используете модель навыков, чтобы найти других внутренних кандидатов и более качественные источники извне. И когда вы ищете кандидата на работу, вы создаете оценки или вопросы для интервью, чтобы «нанять за эти навыки».

American Express действительно сделала это много лет назад. Они поняли, что «навыки», необходимые командам продаж и обслуживания Amex, вовсе не были навыками обслуживания клиентов, а навыками гостеприимства. Amex относится к клиентам как к гостям, поэтому они начали набирать сотрудников из Ritz-Carlton и других гостиничных компаний. Чтобы понять это, потребовался анализ навыков.

Как видите, когда вы фокусируетесь на проблеме, работа может быстро сойтись, и вы можете решить настоящую проблему. Мы только что взяли интервью у компании, которая использовала этот подход для более четкого определения своих ролей в области кибербезопасности, и обнаружили, что они могут сэкономить 20 000 долларов на сотрудника, наняв больше младших кандидатов.

И такого рода анализ помогает вам решить, «купить или развить» эти навыки. В 2020 году мы провели исследование трех компаний и обнаружили, что «создание технических навыков» может быть в шесть раз дешевле, чем покупка (наем).

Такие проекты по развитию навыков есть везде

Есть много вариантов использования этого подхода.

При подборе персонала подход, ориентированный на навыки, позволяет расширить сеть кандидатов, часто находя внутренних сотрудников, которые могут идеально подходить для данной работы. С помощью технологии «смежности навыков» мы можем найти людей со схожими навыками, которые точно впишутся в роль.

А наем на основе навыков снижает предвзятость. Крупная полупроводниковая компания сообщила нам, что теперь они используют платформу навыков на основе ИИ для найма (Eightfold), и весь их список кандидатов увеличился более чем в три раза. Они находят людей с отличными навыками, утаивая имя, пол и ученую степень из резюме.

В развитии карьеры и росте рынок талантов и инструменты внутренней мобильности дают фантастические результаты. Rolls Royce использует модель, основанную на навыках, для поиска специалистов по производству и производству, что позволяет людям переходить на новые рабочие места в области проектирования и эксплуатации. MetLife, Schneider Electric, J&J и другие компании используют рынок талантов (система подбора сотрудников на основе навыков) для продвижения работы, карьерного роста и мобильности талантов.

Что касается заработной платы и вознаграждений, компании экспериментируют с оплатой на основе навыков. Крупная трубопроводная компания сообщила нам, что теперь они сертифицируют техников по ремонту в различных функциональных областях (насосы, контрольно-измерительные приборы, электротехника), и когда техник получает сертификат смежных навыков, его почасовая ставка увеличивается на 5-10 долларов в час. Представьте себе все данные о равенстве в оплате труда, которые мы можем проанализировать на основе модели навыков: это, вероятно, поможет нам еще больше сократить неравенство независимо от уровня должности или должности.

В сфере технологий, информационных технологий и науки многие организации чувствуют, что не могут идти в ногу со временем. Например, насколько хорошо ваша компания подготовлена к использованию ИИ? Одна компания, с которой мы работаем, находится в процессе создания новой модели навыков для своей ИТ-функции, и они обнаружили, что многие из их сотрудников работают с технологиями, которым уже 15 лет. Новая модель помогает им набирать сотрудников, повышать их квалификацию и активизировать всю функцию ИТ/продукта, чтобы они могли улучшить найм, удержание и производительность.

Итак, как нам масштабировать это?

С точки зрения данных компаниям необходимо создать бизнес-ориентированный способ управления, регулирования и обновления этих моделей.

Ericsson, например, построила четко определенную модель навыков для масштабного перехода на 5G. Эта модель была разработана совместно инженерами, отделами продаж и маркетинга, а также директором по обучению. Они сели и решили, к каким областям, ролям и технологиям следует обратиться, а затем остановились на модели, от которой можно расти. Их новое путешествие — освежить все свои ИТ-навыки.

BNY Mellon применил тот же подход к ИТ-операциям. Они создали «команды возможностей», которые совместно выполняют важные рабочие роли (например, менеджер по продукту, менеджер проекта, аналитик), чтобы команды могли поддерживать свои модели навыков в актуальном состоянии.

Когда вы работаете таким образом — проект за проектом — ваши усилия набирают обороты. Вы получаете реальные результаты, а бизнес-покупка может масштабироваться. Недавно мы помогли крупной компании-разработчику программного обеспечения создать федеративную модель (бизнес-подразделения, координирующие усилия) для разработки модели навыков для обучения всех их клиентов. Делая это объединенным образом, они могут объединять и управлять своими внутренними потребностями в навыках с потребностями своих клиентов, используя контент и образование в обоих местах.

Испытание навыков и технологий

Но как быть с системами? Где должны храниться все эти навыки и как мы будем поддерживать их в актуальном состоянии?

Пока рынок еще незрелый, позвольте мне поделиться тем, что мы узнали.

Многие интеллектуальные поставщики, использующие ИИ, теперь предлагают решения. Workday, Eightfold, Gloat, Cornerstone, Seekout, Kahuna, Techwolf, Skyhive, Beamery, Phenom, Oracle, SAP и ServiceNow предлагают предложения, помогающие сохранять и определять навыки, использовать их в различных приложениях и оценивать навыки с помощью различных способов. ИИ и методы оценки.

К сожалению, каждый из них оптимизирован для разных целей. Eightfold, например, может автоматически определять навыки в описании работы, находить кандидатов, а затем определять трендовые и смежные навыки с помощью своих сложных моделей. Cornerstone может показать вам все навыки, описанные в вашем обширном учебном каталоге. Techwolf может вывести навыки из проектов Jira и Asana. А Gloat и Fuel50 могут делать выводы о навыках и сопоставлять их с карьерными возможностями, работой и работой.

И, конечно же, каждый поставщик хочет быть «системой записи». И хотя многие из этих поставщиков имеют крупных клиентов, нам еще предстоит найти компанию, которая использует одну платформу для всего. Поэтому, хотя в какой-то момент мы можем найти единое «облако навыков», способное хранить все навыки для каждой должности в компании, эта цель еще не достигнута.

Проблема, с которой сталкиваются поставщики, заключается в масштабах проблемы. Эти системы навыков — это не просто базы данных: это инструменты ИИ, которые в идеале используют ИИ второго поколения для постоянного поиска навыков, определения навыков и обновления навыков для каждой работы, человека и карьеры. У них должны быть открытые интерфейсы к сотням библиотек навыков на рынке (в каждой отрасли и каждой группе профессий есть много таксономий), и у них должны быть инструменты, которые помогут вам управлять, анализировать, удалять дубликаты и курировать эти данные.

И, несмотря на утверждения, эти инструменты «вывода о навыках» разные. Рекрутинговые платформы обычно обучаются с использованием большего количества данных. Эти платформы (Eightfold, Beamery, Seekout, Phenom, iCims) ищут и индексируют истории миллиардов работников и используют временные ряды, нейронные сети и модели производительности для определения навыков. Это означает, что они охватывают многие отрасли и могут выявлять и анализировать навыки во многих группах профессий в разных отраслях.

Платформы рынка талантов (Gloat, Fuel50, Hitch), как правило, имеют меньшую глубину только потому, что их цель — просто «найти соответствия внутри компании». (Gloat переходит в общую категорию «анализа талантов» и теперь выходит за ее границы.) Gloat представила продукт для подбора персонала, поэтому их платформа явно становится комплексной системой анализа талантов (они называют это «гибкостью рабочей силы»). ).

Инструменты обучения навыкам наименее сложны (Cornerstone, Degreed, EdCast), потому что их цель — подобрать кого-то к курсу или пути обучения. (Сейчас компания Cornerstone выходит далеко за рамки этого и создала совершенно новую структуру искусственного интеллекта для определения навыков своих 7000 клиентов.)

Поставщики ERP (Oracle, SAP, Workday и другие) являются наименее сложными, поэтому они с большей вероятностью станут «агрегаторами навыков» с API-интерфейсами для координации данных о навыках между этими более специализированными системами и их внутренними моделями машинного обучения.

В нашем новом техническом документе по искусственному интеллекту (который скоро выйдет) мы рассказываем о том, как работают эти системы, и вы увидите, что механизм навыков должен делать много вещей. Он должен получать доступ к миллиардам профилей сотрудников, анализировать временные ряды и продвинутый ИИ (нейронные сети) для вывода, идентификации и построения моделей, определяющих навыки.

Со временем каждый поставщик технологий навыков пойдет своим путем. Новые поставщики, такие как Techwolf, Retrain и другие, рассматривают корпоративные данные как источник выводов о навыках и теперь индексируют информацию в Asana или Jira. Эти данные, хотя и ограниченные, открывают новую дверь: подумайте об информации о навыках в Microsoft Graph. Поставщики, которые используют эту информацию (Viva Topics делает это для управления документами), могут узнать гораздо больше о внутренних навыках. И, в конце концов, это тот тип данных, который вам нужен.

Независимо от развития рынка технологий, успешные проекты сосредоточены на проблеме. P&G создала таксономию навыков, которая помогла ей укрепить свою цепочку поставок во время пандемии. Агентство Reuters создало таксономию навыков, чтобы помочь им создать и масштабировать свою команду специалистов по обработке и анализу данных. Путь Эрикссон к развитию навыков начался с реинжиниринга 5G. И этот список можно продолжать и продолжать.

Я считаю, что по мере того, как мы видим, как продвигаются эти проекты, потенциал этой работы огромен. Компании, приступившие к этому процессу, очень быстро узнают о своих сотрудниках огромное количество информации. Они начинают понимать процесс управления. И они накапливают опыт работы с поставщиками, который помогает им разобраться, кто может масштабироваться для удовлетворения их конкретных потребностей.

Куда это движется: от «Работы» - “Jobs” к «Работе» - “Work”

Один последний момент. Эта работа даже важнее, чем вы думаете. Как я обсуждаю в «Неотразимом», эта работа является частью более масштабного перехода от «жестко определенных работ» к «ролям», сосредоточенным на работе. Мы называем это рассветом «постиндустриальной модели» бизнеса.

Этот переход, который я описываю в своей книге, означает, что можно потратить время на то, чтобы сделать это осторожно. Можно настраивать управление, экспериментировать с разными инструментами и шаг за шагом «влюбляться в проблему». В результате в ближайшие годы мы создадим более адаптируемые, масштабируемые и продуктивные компании.

Организация, основанная на навыках, идет шаг за шагом. Если вы серьезно отнесетесь к преобразованию и подумаете, насколько важным оно станет, вы сможете разработать план, который будет работать.