技术熟练度 - HRTechChina.com

技术熟练度

大咖谈：建立基于技能的组织—令人兴奋但清醒的现实 JoshBersin这篇文章的核心介绍了以下几点：基于技能的组织的概念：这是一种无偏见、无政治的公司，决策基于技能、绩效和表现。我们将创建一个全球技能数据库，通过人才智能，我们将能够看到趋势技能、技能缺口，并对招聘、晋升、薪酬和领导力更加科学。技能的重要性：技能在商业中一直很重要。然而，我们要记住，最重要的技能（我称之为“PowerSkills”）尚未被包括在内。公司的成功基于文化、雄心、学习敏捷性和一致性。技能分类的复杂性：商业技能分为许多类别，每个公司对不同类别的价值评估也不同。技能包括技术熟练度、操作熟练度、功能熟练度、行业熟练度以及管理和领导熟练度。新的变化：最大的变化是建立一个公司技能分类法，一个单一的“动态数据库”用于技能。技能技术的挑战：尽管市场仍然不成熟，但许多智能AI供应商现在提供解决方案。这些系统不仅仅是数据库：它们是AI工具，理想情况下，它们使用第二代AI来不断找到技能，推断技能，并为每个工作、人员和职业路径更新技能。详细内容请查看原文翻译：在新的AI工具和技能技术的推动下，几乎每家公司都希望成为“基于技能的组织”。前提让我们从前提开始：白皮书所提倡的想法是，我们将创建一家公正、无政治的公司，其决策基于技能、精英管理和绩效。供应商承诺，我们将拥有一个全球技能数据库，通过人才智能（的奇迹，我们将能够看到趋势技能、技能差距，并在招聘、晋升、薪酬和领导力方面变得更加科学。这个概念的背后是我们可以用激光精度“标记”或“评估”每个人的技能。许多人工智能工具，包括我们用于GWI 研究的工具，今天都承诺做到这一点。他们如何评估我们的技能？他们利用人工智能的魔力来查看我们的工作历史、绩效、工作产品和其他来源，以推断、建模和预测我们擅长什么、特别擅长什么以及下一步需要学习什么。多么辉煌的愿景啊。好处有很多：基于能力的公正招聘、定向人员流动到新角色以及帮助我们规划薪酬、招聘地点等的战略规划工具。现实这并不是一个新想法：技能在商业中一直很重要。我（Josh Bersin）于 1978 年大学毕业，获得机械工程学位。毕业后，我面试了宝洁公司、波音公司、美国海军和其他组织。45 年前，每家公司都对我的技能感兴趣。我参加了测试，回答了技术问题，向面试官介绍了我的技能，并在面试中展示了我的熟练程度。但这些公司并不天真。他们之所以问这些问题，并不是为了了解我在大学学到了什么，而是为了了解我的想法。后来我了解到，我在宝洁的行为面试旨在解读我的个人目标、我的心态、我的思考能力和我的沟通能力。虽然这些可能被归类为技能，但它们比弄清楚我是否知道如何用 Java 编码要复杂得多。半个世纪后的今天，我们感觉我们正在倒退。我们非常关注用于识别技术技能和通用业务能力的工具和系统。虽然这些工具和系统令人惊叹，但我们必须记住，最重要的技能（我称之为PowerSkills ）仍然被遗漏了。正如我的 IBM 经理常说的，“硬技能是软技能”，而“软技能才是硬技能”。换句话说，公司的成功取决于文化、雄心、学习敏捷性和一致性。虽然我们希望评估技能来定义工作、角色和发展，但我们还必须假设每个人都可以（并且必须）持续学习新技能。这意味着我们需要对技能有更全面（用我们的语言来说是“系统”）的看法，而不仅仅是技术熟练程度。哈佛大学教授鲍里斯·格罗伊斯堡研究了世界顶级投资银行家的表现。这些人在金融产品、交易和大额交易方面拥有很高的技能。他发现了什么？如果你将一位“高技能”的投资银行家从一家公司调到另一家公司，他很可能不再是一名高绩效人士。他的“超强表现”技能实际上并不是他的技术技能，而是他利用组织并知道如何完成工作的独特能力。因此，建立技能分类可能很复杂。正如我们的研究发现，商业技能分为许多类别，不同的公司以不同的方式评估每个类别。虽然通用技能固然很重要，但推动价值的是您在公司中使用它们的方式。技术能力（编码、软件、IT 系统、医疗程序等）操作熟练程度（运行设备、修理泵、安全程序等）职能能力（营销运营、CRM、产品管理、工程、设计）行业熟练程度（了解石油和天然气行业、化学品、软件业务等）管理和领导能力（管理团队、领导业务等）每一项都充满了“技能”，以至于像 Lightcast 这样的公司汇总了数万个职位的技能，建立了包含数万到数十万种技能的动态库。除此之外，我们还拥有人工智能推断技能的广阔新世界，例如它自己得出的“处理异议”或“分析财务报表”。那么这里有什么新内容呢？很多。考虑到这些复杂性，什么是真正的新鲜事？最大的变化是对建立企业技能分类法的兴趣，这是一个单一的技能“动态数据库”。这种分类法与过去的能力模型不同。这是一个巨大的数据集（数以万计的分层技能），分类法中的每个词都存在争议。我们应该使用“协作”还是“团队合作”？我们应该使用“java”、“java 编程”还是“java 语言”？有数百种现成的分类法，每个行业都不同。能源公司拥有炼油、生产和分销技能。消费品公司拥有品牌营销、产品营销和渠道分析技能。制药和化学公司拥有科学、遗传和受监管的制造技能。有些技能必须经过验证：像 Kahuna 这样的整个平台可以让您决定谁可以验证技能以及何时必须重新验证技能。以及其他技能需求评估：建立在领导力、管理和其他软技能模型的基础上。您可以看到这有多么复杂，并记住每个公司都是不同的。您的公司可能重视创新和产品设计技能；您的竞争对手可能专注于制造和分销。我们怎样才能把这一切放在一起呢？这不是一个“沸腾海洋”类型的问题吗？公司倾向于走两条路。路径 1 是建立一个技能分类团队，然后创建一个与业务部门合作的长期流程，以就语言和分类架构达成一致。这可能有效，但最终它有很多失败点。如果没有真正在行动中测试这些技能，它们可能需要调整，因此这通常需要很长时间。我们推荐的路径 2 是从关注一个问题开始。根据该问题，您可以构建分类法的一部分，创建设计和治理流程，并了解哪些工具最有效。爱上一个问题让我给你一个现实世界的例子。假设您的客户服务人员流动率很高，且士气低落。当您深入研究问题时（我们称之为“爱上问题”），您会意识到客户服务面临的挑战是广泛的。该团队被分成专注于不同产品领域的小组，这使得他们的工作变得无聊和重复。因此，您与团队领导坐下来，开发客户服务的“技能模型”。当您构建模型时，您会发现很少有员工接受过交叉培训。还有一些根本没有受过训练！现在，借助您的技能模型，您可以决定如何重组团队（还发现其中一些“技能”可以通过 ChatGPT 实现自动化）、开始交叉培训并识别高绩效者。你现在还发现你的一些人不适合。因此，您可以使用技能模型来寻找其他内部候选人并更好地从外部寻找资源。当您寻求招聘时，您会建立评估或面试问题来“根据这些技能进行招聘”。美国运通实际上几年前就这样做了。他们意识到，美国运通销售和服务团队所需的“技能”根本不是客户服务技能，而是接待技能。美国运通对待客户就像对待客人一样，因此他们开始从丽思卡尔顿和其他酒店公司招聘人才。需要基于技能的分析才能解决这个问题。正如你所看到的，当你专注于一个问题时，工作可以很快收敛，你就可以解决一个真正的问题。我们刚刚采访了一家使用这种方法更清晰地定义其网络安全角色的公司，发现他们可以通过雇用更多初级候选人为每位员工节省 20,000 美元。这种分析可以帮助您决定是“购买还是培养”这些技能。2020 年，我们对 3 家公司进行了研究，发现“培养技术技能”的成本可能比购买（招聘）便宜六倍。这样的技能项目比比皆是这种方法有很多用例。在招聘中，以技能为中心的方法可以让您扩大候选人网络，通常可以找到最适合某项工作的内部员工。通过“技能邻接”技术，我们可以找到具有相似技能且适合某个角色的人。基于技能的招聘减少了偏见。一家大型半导体公司告诉我们，他们现在使用基于人工智能的技能平台进行招聘（Eightfold），他们的整个候选人渠道增加了两倍多。他们通过在简历中隐藏姓名、性别和学历来寻找具有卓越技能的人。在职业发展和成长方面，人才市场和内部流动工具带来了惊人的成果。劳斯莱斯使用基于技能的模型来寻找制造和生产专家，使人们能够轮换到工程和运营方面的新工作。大都会人寿、施耐德电气、强生和其他公司使用人才市场（基于技能的员工职位匹配系统）来促进零工工作、职业发展和人才流动。在薪酬和奖励方面，公司正在尝试基于技能的薪酬。一家大型管道公司告诉我们，他们现在对各个职能领域（泵、仪表、电气工程）的维修技术人员进行认证，当技术人员获得相关技能证书时，他们的时薪会上涨 5-10 美元。想象一下我们可以根据技能模型分析的所有薪酬公平数据：这可能会帮助我们进一步减少不平等，无论职位级别或头衔如何。在技术、IT 和科学领域，许多组织感到自己无法跟上。例如，您的公司为人工智能做好了多少准备？与我们合作的一家公司正在为其 IT 职能构建新的技能模型，他们发现许多员工正在研究已有 15 年历史的技术。新模式正在帮助他们招聘、重新培训和激发整个 IT/产品职能，从而提高招聘、保留率和生产力。那么我们如何扩大规模呢？从数据的角度来看，企业需要构建一种以业务为中心的方式来管理、治理和更新这些模型。例如，爱立信为其大规模 5G 转型构建了明确的技能模型。该模型是由工程师、销售和营销团队以及首席学习官共同设计的。他们坐下来决定要解决哪些领域、角色和技术，并从那里确定了一个发展的模型。他们的新旅程是刷新所有 IT 技能。纽约梅隆银行在 IT 运营中也采取了同样的方法。他们建立了“能力团队”，在关键工作角色（即产品经理、项目经理、分析）上进行协作，以便团队能够保持最新的技能模型。当你以这种方式工作时——一个项目接着一个项目——努力就会获得动力。您会获得真正的成果，并且业务支持可以扩大。我们最近帮助一家大型软件公司构建了一个联合模型（协调工作的业务部门），以为其所有客户教育开发技能模型。通过以联合方式执行此操作，他们可以将其内部技能需求与客户的需求合并和管理，利用两个地方的内容和教育。技能技术挑战但是系统呢？所有这些技能应该存储在哪里？我们如何让它们保持最新状态？虽然市场还不成熟，但让我分享一下我们所学到的东西。许多智能人工智能供应商现在都提供解决方案。Workday、Eightfold、Gloat、Cornerstone、Seekout、Kahuna、Techwolf、Skyhive、Beamery、Phenom、Oracle、SAP 和 ServiceNow 均提供可帮助您存储和定义技能、在不同应用程序中利用它们以及通过各种方式评估技能的产品人工智能和评估技术。不幸的是，它们各自针对不同的目的进行了优化。例如，Eightfold 可以自动识别职位描述中的技能，找到候选人，然后通过其复杂的模型识别趋势和相邻技能。Cornerstone 可以向您展示海量学习目录中涵盖的所有技能。Techwolf 可以从 Jira 和 Asana 项目中推断技能。Gloat 和 Fuel50 可以推断技能并将其与职业机会、工作和零工相匹配。当然，每个供应商都希望成为“记录系统”。尽管其中许多供应商拥有大客户，但我们尚未找到一家可以使用一个平台处理所有事情的公司。因此，虽然我们可能在某个时候找到一个能够存储公司每项工作的每一项技能的单一“技能云”，但这一目标尚未实现。供应商面临的问题是问题的严重性。这些技能系统不仅仅是数据库：它们是人工智能工具，理想情况下使用第二代人工智能来不断寻找技能、推断技能并更新每个工作、个人和职业道路的技能。他们必须拥有与市场上数百个技能库的开放接口（每个行业和每个工作类别都有许多分类法），并且必须拥有帮助您管理、分析、消除重复和整理这些数据的工具。尽管有这样的说法，这些“技能推理”工具各不相同。招聘平台通常使用最多的数据进行培训。这些平台（Eightfold、Beamery、Seekout、Phenom、iCims）搜索并索引数十亿的员工历史记录，并使用时间序列、神经网络和绩效模型来推断技能。这意味着他们涵盖许多行业，并且可以识别和分析跨行业的许多工作类别的技能。人才市场平台（Gloat、Fuel50、Hitch）往往深度较低，只是因为它们的目标只是“在公司内部进行匹配”。（Gloat 正在进入整体“人才情报”类别，现在正在跨越界限。）Gloat 推出了一款招聘产品，因此他们的平台显然也正在成为一个端到端的人才情报系统（他们称之为“劳动力敏捷性”））。学习技能工具最不复杂（Cornerstone、Degreed、EdCast），因为它们的目标是将某人与课程或学习路径相匹配。（Cornerstone 现在也远远超出了这个范围，并构建了一个全新的 AI 结构来推断 7,000 名客户的技能。） ERP 供应商（Oracle、SAP、Workday 等）最不复杂，因此他们更有可能成为“技能聚合者”，通过 API 来协调这些更专业的系统与其内部机器学习模型之间的技能数据。在我们新的人工智能白皮书（即将发布）中，我们讨论了这些系统的工作原理，您会发现技能引擎必须做很多事情。它必须推断/访问数十亿的员工档案，需要进行时间序列分析，并且需要先进的人工智能（神经网络）来推断、识别和构建识别技能的模型。随着时间的推移，每个技能技术供应商都会走自己的路。Techwolf、Retrain 等较新的供应商正在将公司数据视为技能推断的来源，现在在 Asana 或 Jira 中对信息进行索引。这些数据虽然有限，但却打开了一扇新门：想想 Microsoft Graph 中的技能信息。利用这些信息的供应商（Viva Topics 是为了文档管理而这样做的）可以了解更多有关内部技能的信息。最终这就是您需要的数据类型。无论技术市场如何发展，成功的项目都会关注一个问题。宝洁建立了一个技能分类法，帮助他们在疫情期间加强供应链工作。路透社建立了一个技能分类法来帮助他们建立和扩大数据科学团队。爱立信的技能之旅始于 5G 重新设计。这样的例子不胜枚举。当我们看到这些项目的进展时，我相信这项工作的好处是巨大的。开始这一过程的公司可以快速了解大量有关其员工的信息。他们开始了解治理流程。他们与供应商建立了经验，帮助他们确定谁可以扩展以满足他们的特定需求。走向何方：从“工作”到“工作” 最后一点。这项工作比你想象的还要重要。正如我在《不可抗拒》中所讨论的，这项工作是更大转变的一部分，从“严格定义的工作”到专注于工作的“角色”。我们称之为商业“后工业模式”的黎明。这意味着花时间仔细地做这件事是可以的。建立治理、尝试不同的工具并一步一步地“爱上这个问题”是可以的。因此，在未来几年中，我们将建立适应性更强、规模更大、生产力更高的公司。基于技能的组织正在一步步地到来。如果您认真对待转型并考虑它将变得多么重要，您就可以制定一个可行的计划。

技术熟练度
2023年07月10日