Įgūdžių intelektas ŽI technologijose: DI ontologijos su patvirtinamais įgaliojimais

Įgūdžių intelektas yra idėja, kaip naudojant duomenis ir DI suprasti bei suderinti žmonių įgūdžius su darbo poreikiais. Šiuolaikinės žmogiškųjų išteklių (ŽI) ir talentų sistemos susiduria su dideliais iššūkiais: fragmentuotomis įgūdžių taksonomijomis ir nepatikimais gyvenimo aprašymais. Tradiciniai įgūdžių sąrašai dažnai yra pasenęs triukšmas. Pavyzdžiui, vienas tyrimas parodė, kad didelė įmonė mėnesius ir milijonus eurų išleido įgūdžių sąrašo sudarymui, bet pamatė, kad jis „pasenęs dar prieš spausdinant“ (www.cornerstoneondemand.com). Tai rodo, kad standartinės taksonomijos gali greitai atsilikti. Tuo tarpu darbo ieškantys asmenys labai gerai išmoko save pristatyti popieriuje – tendencija, kurią SHRM vadina „įgūdžių žvejyba“ (skillfishing). Neseniai atliktas SHRM tyrimas parodė, kad 63% žmonių dirbo su asmeniu, kuris „puikiai atrodė popieriuje, bet neturėjo įgūdžių atlikti darbą, kai buvo įdarbintas“ (www.shrm.org). Kitaip tariant, gyvenimo aprašymai ir tradiciniai signalai (diplomai, pareigybės) yra triukšmingi ir kartais klaidinantys. Tai kenkia darbo jėgos planavimui, nes vadovai negali pasitikėti, kad įgūdžių duomenys yra tikslūs ar atnaujinti.

Norėdami ištaisyti šiuos trūkumus, siūlome DI valdomą ontologijų kūrėją. Paprastai kalbant, tai yra DI sistema, kuri nuolat kuria ir atnaujina struktūrizuotą pareigų ir įgūdžių „žemėlapį“. Galvokite apie tai kaip apie išmanųjį tinklą (žinių grafiką), kuris susieja kiekvieną pareigybę su tiksliai reikalingais įgūdžiais, plius reikalingu kvalifikacijos lygiu ar įgaliojimais. Skirtingai nuo statinio skaičiuoklės, ši DI sistema atnaujina save iš realaus pasaulio duomenų (pvz., darbo rinkos signalų), todėl ji išlieka aktuali (www.cornerstoneondemand.com) (workforceplanningauthority.com). Pavyzdžiui, viena ŽI technologijų platforma modeliuoja darbo rinką kaip žinių grafiką, kuriame įgūdžiai, pareigos ir darbuotojų perėjimai yra susiję svertinėmis jungtimis. Ji kasdien atnaujinama iš milijonų darbo skelbimų ir karjeros įvykių (www.cornerstoneondemand.com). Tai leidžia matyti ne tik „ar žmogus turi X įgūdį“, bet ir „kiek šis asmuo nutolęs nuo tikslinio profilio?“ ir „koks mokymas pašalina trūkumą ir kaip greitai?“ (www.cornerstoneondemand.com).

Ontologijos kūrėjas taip pat integruoja patvirtinamus įgaliojimus ir vertinimo signalus. Patvirtinami įgaliojimai yra skaitmeniniai sertifikatai (pvz., universitetinis diplomas ar profesinis ženklelis), kurie yra kriptografiškai apsaugoti ir gali būti akimirksniu patikrinti (www.w3.org). Praktiškai tai galėtų reikšti tiesioginį susiejimą su blokų grandine pagrįstais arba leidėjo pasirašytais įgūdžių ženkliukais. Pavyzdžiui, šiuolaikiniai „įgūdžių įgaliojimai“ galėtų apimti įgūdžio pavadinimą, lygį, išduodančią organizaciją ir datą, visa tai saugoma atsparia klastojimui būdu (onchaincert.org). Kadangi kiekvienas įgaliojimas turi kriptografinį įrodymą (jis „negali būti suklastotas ar modifikuotas“) (onchaincert.org), ŽI žino, kad pretenzija yra tikra. Sistema taip pat rinktų vertinimo rezultatus (egzaminų balus, kursų baigimą, darbo pavyzdžius) iš mokymosi valdymo sistemų (MVS) arba internetinių testų. Tai užtikrina, kad kiekvieno darbuotojo ar kandidato įgūdžių profilis yra pagrįstas įrodymais, o ne tik savęs deklaravimu. Trumpai tariant, DI ontologija susieja pareigas su įgūdžiais ir kiekvieną įgūdžių pretenziją patikrina su patvirtinamu įgaliojimu arba testo rezultatu.

DI įgūdžių ontologijos kūrimas

Mūsų sprendimo pagrindas yra dinaminė įgūdžių ontologija (žinių grafikas). Štai kaip ji veikia:

Duomenų įvedimas: Sistema įveda tekstą iš darbo skelbimų, vidinių projektų aprašymų, gyvenimo aprašymų (CV) ir mokymosi turinio. Ji gali naudoti DI (natūralios kalbos apdorojimą), kad ištrauktų pagrindinius paminėtus įgūdžius ir užduotis. Laikui bėgant, ji sužino, kokie įgūdžiai linkę atsirasti kartu ir kaip žmonės juda tarp pareigų. Pavyzdžiui, ji gali pastebėti, kad daugelis duomenų analitikų mokosi Python, arba kad projektų vadovai dažnai pereina į produktų kūrimo pareigas.
Grafiko konstravimas: DI sukuria grafiką, kuriame mazgai yra įgūdžiai ir pareigos, o kraštinės rodo ryšius. Kraštinės sveriamos pagal tai, kaip stipriai du įgūdžiai yra susiję arba kaip dažnai vyksta perėjimai. Skirtingai nuo paprasto medžio, grafikas gali atskleisti, kad vienas įgūdis, toks kaip „komunikacija“, turi skirtingas reikšmes skirtinguose darbuose, arba kad du, atrodytų, nesusiję įgūdžiai iš tikrųjų gali būti glaudžiai susiję praktikoje (www.cornerstoneondemand.com) (www.cornerstoneondemand.com).
Automatiniai atnaujinimai: Sistema reguliariai atnaujina savo modelį iš naujų duomenų (pvz., kasdien ar kas savaitę). Kadangi ji valdoma duomenų, ji gali aptikti atsirandančius įgūdžius (pvz., „prompt“ inžineriją arba anglies apskaitą) iškart, kai jie tampa aktualūs, nelaukdama rankinių taksonomijos pakeitimų (www.cornerstoneondemand.com).
Pareigų ir įgūdžių susiejimas: Kiekvienai įmonės pareigybei platforma generuoja reikalingų įgūdžių ir jų kvalifikacijos lygių profilį. Šie profiliai gaunami tiek iš pačios įmonės darbo aprašymų, tiek iš platesnių rinkos duomenų. Pavyzdžiui, pareigybės apibrėžimas DI sistemoje gali skambėti taip: „Debesies inžinieriui reikalinga AWS, Python (pažengęs), saugumas, DevOps“, su jungčių svoriais, rodančiais svarbą. Jei darbuotojo profilis (iš jo istorijos ir įgaliojimų) atitinka 70% reikalingų įgūdžių, sistema gali tiksliai parodyti, kurie 30% trūksta, ir pasiūlyti mokymosi kelius ar alternatyvius kandidatus.
Patvirtinamų įgaliojimų integravimas: Kiekvienas asmens profilyje esantis įgūdis yra pažymėtas įrodymu. Jei Alisa turi „Duomenų mokslo sertifikatą (pažengęs) iš XYZ instituto“, tai yra patvirtinamas įgaliojimas. Sistema įrašo įgaliojimo detales (išdavėją, datą, lygį) ir susieja jas su jos įgūdžiais. Arba, jei Bobas gavo 85% įvertinimą vidiniame Java vertinime, tas balas patenka į grafiką kaip „vertinimo signalas“, patvirtinantis jo Java įgūdį. Reikalaudama šių įrodymų, platforma išvengia pasikliovimo nepatvirtintomis gyvenimo aprašymo pretenzijomis. Blokų grandinės ar W3C tipo patvirtinamų įgaliojimų technologija užtikrina, kad sertifikatai (tokie kaip diplomai ar internetinių kursų ženkleliai) būtų kriptografiškai pasirašyti, kad darbdaviai galėtų jais pasitikėti (www.w3.org) (onchaincert.org).
Vartotojo sąsaja: ŽI specialistai ir vadovai mato informacijos skydelį, kuriame iškart matomi darbo jėgos įgūdžiai: pvz., kurios komandos turi įgūdžių spragų būsimiems projektams, kurie darbuotojai gali būti pasirengę paaukštinimui, jei išmoks X įgūdį, arba įspėjimas, kad pagrindinei pareigybei reikės naujo darbuotojo, jei artimiausiu metu nebus rasto vidinio kandidato, kuris užpildytų trūkumus. Visos šios įžvalgos gaunamos tiesiai iš DI sukurtos ontologijos ir realių duomenų.

Trumpai tariant, užuot rankiniu būdu prižiūrėjusi įgūdžių sąrašus, ši DI ontologija mokosi iš faktinių darbo duomenų ir įgaliojimų signalų. Vienas ekspertas sako taip: sistema pateikia skaičius (spragas, kvalifikacijos kėlimo laiką), o ne tik verdiktus. Pavyzdžiui, ji gali apskaičiuoti: „slaugytoja atitinka 68% slaugytojo praktiko pareigybės; trūksta septynių papildomų įgūdžių, kuriems reikia 14 mėnesių mokymosi“ (www.cornerstoneondemand.com). Tai paverčia neaiškius „įgūdžių trūkumų“ pokalbius konkrečiais, kaštais pagrįstais sprendimais (pvz., perkvalifikuoti ar įdarbinti).

Integracija su KSS, MVS ir ŽKV sistemomis

Kad būtų užtikrinta maksimali vertė, ontologijos kūrėjas turi būti susietas su esamomis ŽI priemonėmis:

KSS (Kandidatų sekimo sistema): Kai darbo skelbimo naudotojas paskelbia pareigybę, KSS pateikia pirminį pareigybės profilį. Kai kandidatai teikia paraiškas, DI gali nuskaityti gyvenimo aprašymus ir suderinti kiekvieno kandidato patvirtintus įgūdžius su pareigybe. Svarbu, kad kai kandidatas yra įdarbintas (KSS statusas pasikeičia), integracija gali automatiškai sukurti darbuotojo įrašą. Pavyzdžiui, geriausios praktikos integracija yra: „Kai kandidatas KSS sistemoje pažymimas kaip „Įdarbintas“, sistema automatiškai sukuria darbuotojo įrašą ŽKV ir perduoda jo duomenis MVS bei mokymosi sistemoms“ (meridianks.com). Tai reiškia, kad nauji darbuotojai iškart įvedami į įgūdžių platformą ir įtraukiami į privalomus įvedimo kursus be rankinio darbo.
ŽKV/ŽIIS sistemos: Šios sistemos (tokios kaip Workday, SAP SuccessFactors ir kt.) saugo pagrindinius darbuotojų duomenis (pareigybes, skyrius, istoriją). Įgūdžių platforma gauna šią informaciją, kad suprastų, kas kokį darbą atlieka. Savo ruožtu, ji gali perduoti įgūdžių profilius ir siūlomus mokymosi kelius į ŽKV talentų modulį (pvz., paveldėjimo planavimui). Pavyzdžiui, ŽIIS gali rodyti kiekvieno darbuotojo įgūdžių įvertinimus (sukurtus ontologijos) tiesiai ŽI profilyje. Kai vyksta veiklos vertinimai, vadovas gali matyti, kokius patvirtinamus įgūdžius darbuotojas įgijo ir kur dar yra spragų. Tai sukuria vieną „vieningą tiesos šaltinį“ apie įgūdžius visoje įmonėje.
MVS (Mokymosi valdymo sistema): Mokymo ir mokymosi sistemos yra labai svarbios teikiant vertinimo duomenis. Tarkime, MVS vykdo kursų ar viktorinų seriją, siekiant išmokyti tam tikrų įgūdžių. Ontologijos kūrėjas gali importuoti baigimo ataskaitas ir testų rezultatus kaip signalus. Pavyzdžiui, jei MVS užfiksuoja, kad Karolė baigė „Excel meistriškumą“ su 92%, tai patenka į jos įgūdžių grafiką kaip „Excel“ mokėjimo įrodymas. MVS ir kompetencijos ryšys yra gerai žinomas: MVS yra skaitmeninė klasė, kuri seka mokymosi pažangą (meridianks.com). Integravę ją, mes automatiškai „perduodame“ naujus įgūdžių įrodymus į ontologiją: baigti kursai ar sertifikavimo ženkleliai kelia darbuotojo įgūdžių lygį. Tai atitinka „geriausiai suporuotą“ scenarijų, kai Kompetencijų (įgūdžių) sistema seka vertinimus iš MVS (meridianks.com).

Praktiškai integruotas srautas veikia taip: KSS žino, kada asmuo yra įdarbinamas, suaktyvindama jo profilį ŽKV ir įtraukdama jį į visus reikalingus mokymus (KSS → ŽIIS → MVS srautas) (meridianks.com). Darbuotojas tada lanko internetinius kursus; jiems baigus, MVS siunčia savo rezultatus į įgūdžių platformą. Jei jie taip pat išlaiko sertifikavimo egzaminą, tas įgaliojimas (per partnerį, pvz., Credly, arba blokų grandinės ženklelį) yra įvedamas į sistemą. Tada vadovai gali matyti atnaujintus įgūdžių profilius savo ŽI portale, neprisijungdami prie daugybės įrankių.

Sujungdama visas šias sistemas, organizacija išvengia „vienkartinių“ skaičiuoklių. Kiekvienas mokymo kreditas ar gyvenimo aprašymo įrašas praeina per tą pačią centrinę įgūdžių žinių bazę. Šis vieningos ekosistemos metodas yra pasiteisinęs: „KSS → ŽIIS → MVS“ integracija pagreitina įvedimą ir užtikrina, kad nauji darbuotojai „įsivažiuotų“ su automatiškai priskirtais skaitmeniniais mokymais (meridianks.com), o MVS integracija identifikuoja įgūdžių spragas ir siūlo kitus kursus (meridianks.com). Kiekvienas komponentas – KSS, ŽKV, MVS – atlieka savo vaidmenį vientisame įgūdžių ir pareigų grįžtamojo ryšio cikle.

Šališkumo mažinimas ir sąžiningumo užtikrinimas

Bet kuris DI valdomas ŽI įrankis turi aktyviai spręsti šališkumo problemą. Įgūdžių ir įdarbinimo duomenys dažnai atspindi visuomenės šališkumą (pvz., istoriškai mažiau moterų inžinerijos srityje). Nekontroliuojama DI ontologija gali sustiprinti iškreiptus modelius. Todėl mes įdiegiame šališkumo apsaugos priemones kiekviename lygmenyje:

Duomenų auditas: Prieš mokant DI, kruopščiai audituojame istorinius duomenis dėl disbalanso. Pavyzdžiui, jei praeityje paaukštinimai buvo palankūs vienai demografinei grupei, DI gali pervertinti tos grupės bendras savybes. Naudojame statistinius testus, kad aptiktume tarpinius modelius (pvz., įgūdį, kuris koreliuoja su lytimi ar pašto kodu) ir pakoreguotume ar pašalintume šališkus signalus (www.resumly.ai) (www.resumly.ai).
Sąžiningi algoritmai: Renkamės arba koreguojame mašininio mokymosi metodus, kad skatintume sąžiningumą. Tai gali reikšti „sąžiningumu pagrįstų“ reitingavimo algoritmų naudojimą arba įvesties ypatybių persvėrimą. Tikslas yra neleisti sistemai tiesiog atkartoti senus įdarbinimo modelius. Pavyzdžiui, galime užtikrinti, kad panašūs kandidatai popieriuje gautų panašius pareigybės atitikimo balus, nepaisant apsaugotų atributų (www.resumly.ai).
Nuolatinis stebėjimas: Po diegimo stebime rezultatus. Jei DI prognozuoja, kuriuos darbuotojus ugdyti vadovavimui pagal įgūdžius, mes tikriname faktinę demografiją ir peržiūrime, ar kuri nors grupė yra nepakankamai arba per daug atstovaujama. Procesas yra iteracinis: kaip nurodo vienas vadovas, DI šališkumo mažinimas yra „kiekvienas matavimo, koregavimo ir patvirtinimo ciklas“, kol atsiranda teisingi rezultatai (www.resumly.ai). Automatizuoti žurnalai fiksuoja sprendimus auditui.
Protokolas ir valdymas: Mes laikomės standartų, tokių kaip „Data & Trust Alliance“ gairės dėl DI naudojimo ŽI (www.dtaalliance.org). Reikalaudamos iš pardavėjų atsakyti į išsamius klausimus apie šališkumo nustatymą ir vertindamos jų balus, ŽI komandos gali pasirinkti partnerius, kurie įsipareigoja sąžiningai praktikai. Pavyzdžiui, daugelis ŽI sistemų dabar siūlo atitikties modulius, skirtus šališkai kalbai ar rezultatams pažymėti.

Trumpai tariant, mūsų darbo srautas apima patikrinimus kiekviename etape: įgūdžių duomenų rinkimas yra išvalomas, atitikimo algoritmai apima sąžiningumo apribojimus, o komanda vykdo planuotus auditus. Sistema pateikia paaiškinamas savo sprendimų priežastis (pvz., kokie įgūdžiai lėmė atitikimą), todėl žmonėms lengviau pastebėti anomalijas. Tyrimai rodo, kad šis holistinis metodas gali „žymiai sumažinti šališkumą, išsaugant DI efektyvumo pranašumus“ (www.resumly.ai).

Kainodaros modelis ir vertės metrikos

Kainodara: Rekomenduojame skaidrų prenumeratos modelį kiekvienam vartotojui. Pavyzdžiui, jei nustatome kainą 10 USD už darbuotoją per mėnesį (apie 120 USD per metus), tai atitinka rinkos normas ŽI SaaS paslaugoms (www.capterra.com). Daugelis ŽI platformų ima nuo vieno iki dviejų skaitmenų sumą už vartotoją kas mėnesį. Kontekstui, vienas kainodaros tyrimas rodo, kad tokie įrankiai kaip BambooHR kainuoja apie 10 USD/vartotojas/mėn., Lattice – apie 11 USD, o kiti svyruoja nuo 5 iki 20 USD (www.capterra.com). Mūsų specializuotas įgūdžių variklis, kuris papildo numatomąjį DI ir integravimo vertę, galėtų būti šiek tiek brangesnis arba sujungtas su kitomis įmonės funkcijomis. Įmonės mastu įdiegus, būtų taikomos kiekybinės nuolaidos.

Galutinė investicijų grąža matoma greitesniame įdarbinime, vidiniame mobilume ir išlaidų taupyme. Pagrindinės metrikos apima:

Laikas užimti pareigas / Laikas įdarbinti: Tai matuoja, kiek laiko užtrunka užimti poziciją. Akimirksniu matydami, kas įmonėje gali užimti tam tikrą pareigybę (ir kokio mokymo jiems reikia), įmonės gali greičiau įdarbinti arba perkelti žmones. Pavyzdžiui, tyrimai rodo, kad sutelkus dėmesį į vidinius talentų rezervus, galima sutrumpinti įdarbinimo laiką maždaug 10–12 dienų, palyginti su išorine atranka (www.hrdive.com). Jei vidutinis laikas užimti pareigas sumažinamas nuo 60 dienų iki 48 dienų, išlaidų ir produktyvumo nauda yra didžiulė. Mūsų platformos vidinė talentų rinka gali paskatinti šiuos patobulinimus, pirmiausia rekomenduodama kvalifikuotus vidinius kandidatus.
Vidinio mobilumo rodiklis: Tai yra pareigų, užimamų esamų darbuotojų, procentas. Didesnis vidinis mobilumas reiškia mažesnes įdarbinimo išlaidas ir geresnį darbuotojų išlaikymą. Šiuo metu daugelis įmonių viduje užpildo tik apie 22% pareigų (www.klearskill.com). Pasaulinės klasės programa galėtų padidinti šį rodiklį iki 40% ar daugiau. Kiekviena papildoma vidinė vietą sutaupo maždaug 4 kartus daugiau išlaidų (SHRM praneša, kad išorinių samdymų kaina yra apie 4 683 USD, palyginti su 1 094 USD vidinių (www.klearskill.com)). Be to, vidiniai darbuotojai pradeda dirbti greičiau – „LinkedIn“ duomenys rodo, kad jie pasiekia visą produktyvumą maždaug per 32 dienas, palyginti su 92 dienomis išorinių darbuotojų (www.klearskill.com)). Rodydama vadovams dabartinių darbuotojų įgūdžius, mūsų sistema leidžia lengvai pirmiausia apsvarstyti vidinius kandidatus. Jei vidinis užpildymo rodiklis didėja, produktyvumo laikas mažėja ir atranka taip pat mažėja (darbuotojai, kuriems suteikiami karjeros keliai, linkę likti ilgiau).
Įdarbinimo kaštai ir kokybė: Geriau suderinus įgūdžius, bus mažiau netinkamų samdymų. „Įgūdžių žvejybos“ nuostoliai (įdarbinant asmenį, kuris buvo klaidingai pristatytas popieriuje) gali būti brangūs. Jei mūsų sistema užkerta kelią net vienam netinkamam vyresniojo lygio darbuotojo samdymui, ji gali atsipirkti. Be to, kiekvienas viduje apmokytas darbuotojas sumažina poreikį išorinėms paieškoms, taupydamas agentūros mokesčius ir įsivažiavimo laiką.
Mokymosi ir tobulėjimo investicijų grąža: Kadangi mūsų platforma rekomenduoja tikslingus mokymus būtent reikalingiems įgūdžiams, mokymo programos tampa efektyvesnės. Galime matuoti kursų baigimo rodiklius ir susieti juos su pareigų pažanga. Laikui bėgant, tai atsispindi didesniu paaukštinimų skaičiumi ir mažesniu išorės samdymų skaičiumi.

Mes stebėtume šias metrikas, lygindami su etalonais. Vykdomosios atskaitomybės tikslais galėtume nurodyti: vidinio perkėlimo programa gali padidinti įsitraukimą (3,5 karto) ir išlaikymą (2,6 karto), pasak „LinkedIn“ (www.klearskill.com). Nustatytume tokius tikslus kaip: padidinti vidinį užpildymą 10 punktų, sutrumpinti laiką iki užpildymo 20% ir kiekybiškai įvertinti atitinkamą išlaidų taupymą. Demo ROI atveju gali būti parodyta, kad net jei sistema kainuoja apie 10 USD/vartotojas/mėn., ji sumažina samdymo išlaidas 50% tam tikroms pareigoms ir duoda 3–5 kartų grąžą dėl sutaupymų ir greitesnio produktyvumo.

Įmonės pokyčių valdymas

Šios naujos DI valdomos įgūdžių platformos diegimas reikalauja kruopštaus pokyčių valdymo. Siūlome etapinį diegimą, naudojant geriausią praktiką:

Įvertinti pasirengimą: Įvertinkite dabartinį įgūdžių valdymo procesą. Apklauskite ŽI vadovus ir vadybininkus: Kaip jie šiandien seka įgūdžius? Kokius sunkumus jie patiria? Naudokite tai paramos kūrimui. (Tai atspindi „1 fazės – Įvertinti pasirengimą“ žingsnį, rekomenduojamą ŽIIS diegimo vadovuose (www.ocmsolution.com).)
Vadovybės rėmimas: Užtikrinkite vyresniųjų vadovų pritarimą, pademonstruodami verslo poveikį (išlaidų taupymą, lankstumą, talentų išlaikymą). Vadovai turėtų pranešti, kad tikslas nėra „vertinti“ darbuotojus, o skatinti karjeros augimą.
Suinteresuotųjų šalių įtraukimas: Sudarykite nedidelę čempionų komandą iš ŽI, IT ir poros bandomųjų skyrių. Įtraukite juos į bandomuosius testavimus. Pavyzdžiui, leiskite vienam skyriui pabandyti užpildyti atvirą pareigybę naudojant įgūdžių įrankį ir surinkite atsiliepimus apie atitikimus ir pasiūlymus.
Mokymai ir komunikacija: Sukurkite paprastą medžiagą (vaizdo įrašus, vartotojo vadovus), paaiškinančią, kaip vadovai ir darbuotojai naudoja sistemą. Vykdykite gyvus mokymus. Pabrėžkite naudą: pvz., darbuotojai gali matyti karjeros kelius, o samdantys vadovai gauna geresnius kandidatų atitikimus. Pateikite DUK, kuriame sprendžiami pasitikėjimo klausimai (duomenų privatumas, sąžiningumas).
Bandomasis diegimas ir tobulinimas: Pirmiausia įdiekite bandomajai vartotojų grupei (galbūt keliems skyriams). Surinkite duomenis apie naudojimo dažnumą ir pakoreguokite konfigūraciją. Naudokite DI paaiškinamumą, kad patikslintumėte įgūdžių susiejimą (pvz., pakoreguokite pareigų apibrėžimus arba pašalinkite akivaizdžiai nesąžiningus modelius). Dokumentuokite ir išspręskite bet kokius netikėtumus.
Visiškas diegimas ir palaikymas: Kai sistema sureguliuota, įdiekite ją visoje įmonėje. Stebėkite pagrindinius diegimo rodiklius (pvz., darbo skelbimų, naudojančių sistemos pasiūlymus, procentą, vidinių paraiškų rodiklius, rekomenduojamų kursų baigimo rodiklius). Siūlykite konsultacijas arba pagalbą pradiniams užklausimams.
Palaikyti ir sustiprinti: Periodiškai atnaujinkite suinteresuotąsias šalis apie sėkmes (pvz., „Šį ketvirtį viduje užpildėme X pareigybes, palyginti su Y pernai“). Suplanuokite ketvirtinius metrikų peržiūras. Atnaujinkite mokymus naujiems darbuotojams. Nuolat kartokite, kad tai ilgalaikės pastangos, kaip ir „4 fazė – Palaikyti ir sustiprinti“ pokyčių sistemoje (www.ocmsolution.com).

Vykdydama struktūrizuotą metodą, įmonė palaipsniui pereis nuo senų įpročių (popierinių gyvenimo aprašymų ir intuicijos) prie įrodymais pagrįstos talentų praktikos. Laikui bėgant, įgūdžių platforma taps ne vienkartiniu įrankiu, o neatsiejama ŽI planavimo ir karjeros vystymo dalimi. Kaip pataria ekspertai, sėkmingas ŽI sistemos diegimas priklauso ne tik nuo pačios technologijos, bet ir nuo žmonių paruošimo pokyčiams (www.ocmsolution.com). Mūsų planas apima komunikaciją, mokymus ir nuolatinį tobulinimą, kad sprendimas įgyvendintų savo pažadą.

Išvada

Fragmentuotų įgūdžių sąrašų ir abejotinų gyvenimo aprašymų pretenzijų spragų užpildymas yra būtinas šiuolaikiniam darbo jėgos planavimui. DI valdomas ontologijų kūrėjas, suporuotas su patvirtinamais įgaliojimais ir realaus laiko vertinimo duomenimis, siūlo išsamų sprendimą. Susiedamos realias pareigas su realiais įgūdžiais (ir kryžminiu patikrinimu kiekvienos pretenzijos įrodymais), organizacijos gali priimti protingesnius įdarbinimo ir kvalifikacijos kėlimo sprendimus. Integracijos su KSS, MVS ir ŽKV sistemomis užtikrina, kad ši informacija sklandžiai tekėtų per įdarbinimo ir tobulinimo procesus. Tuo pačiu metu įdiegiame šališkumo patikrinimus ir pokyčių valdymą, kad užtikrintume sąžiningą ir sklandų diegimą. Rezultatas yra veiksmingas įgūdžių intelektas: ŽI vadovai gauna aiškias metrikas (pvz., laiką užimti pareigas, vidinio mobilumo rodiklį), kad parodytų vertę, o darbuotojai gauna skaidrius karjeros kelius, pagrįstus įrodymais. Šis holistinis metodas paverčia darbo jėgos planavimą iš spėlionių į strateginę, duomenimis pagrįstą sistemą.