A szolgáltatók készségábrát fognak eladni neked. De mindenképp készítsd el a sajátodat!.

Az én előző cikk Azt állítottam, hogy a HR-terület legnagyobb adatproblémája nem a minőség, hanem statika: az éves ciklusok és a dokumentumok pillanatfelvételeket hoznak létre, és a tehetségkezelési döntések ezeken a pillanatfelvételeken alapulnak még jóval azután is, hogy azok már nem felelnek meg a valóságnak. Álláspontom szerint a strukturális megoldás egy munkaerő-tudásgráf – időbélyeggel ellátva, jelekkel táplálva, ahol az emberek ellenőrzik a következtetések helyességét.

Ez nem sci-fi. Valójában, A nagy szolgáltatók máris pontosan ezt fejlesztik, olyan méretben, amellyel egyetlen belső csapat sem tud versenyezni. Akkor miért akarna bármelyik vállalat saját rendszert építeni?

Hadd vegyem komolyan ezt a kérdést – mert az őszinte válasz az, hogy nem “Mindenkinek építenie kellene.” Inkább: “Egyes szervezeteknek kellene, olyan okokból, amelyeknek semmi közük a technológiai büszkeséghez.”

A dicsőség, akinek jár: ez már létezik

A Microsoft People Skills a Microsoft 365-ben végzett tevékenységekből – dokumentumok, e-mailek, csevegések, értekezletek – következtet a készségprofilokra: ehhez a Microsoft Graph-on keresztül nagy nyelvi modell (LLM) alapú következtetést alkalmaz, amelyet a LinkedIn készségkönyvtárából származó taxonómiához rendel, és ezeket a következtetéseket folyamatosan frissíti. A Workday Skills Cloud egy gépi tanuláson alapuló készségontológia, amely a Workday HCM rendszer magjába van beépítve, és gráftechnológiát használ a készségek közötti kapcsolatok feltérképezésére, valamint a toborzási, képzési és tehetségkezelési folyamatok során a készségek javaslására és következtetésére. Az Eightfold egy teljes tehetségintelligencia-platformot épített ki mélytanuláson alapulva, globális karrierpálya-adatkészletre támaszkodva, amely nemcsak a jelenlegi készségeket, hanem a kapcsolódó készségeket és a tanulási képességet is következteti ki.

Pontosan ez az a felépítés, amit leírtam: folyamatos jelek az értékelési események helyett, következtetés az önbevallásos dokumentumok helyett, egy élő gráf a munkaköri leírásokból álló mappa helyett. A szolgáltatók előbb jutottak el idáig, több adattal és több mérnökkel, mint amennyivel te valaha is rendelkezni fogsz.

És mégis. Három strukturális probléma nem szűnik meg, bármilyen jó is legyen a szolgáltató modellje – mert ezek nem a modellből fakadó problémák. Ezek tulajdonjog problémák.

1. Az eladó grafikonja az eladó szemszögéből mutatja be a világot

Egy következtető motor kizárólag a megfigyelt jelekből tud következtetéseket levonni. A Microsoft motorja – saját dokumentációja szerint – jelenleg a Microsoft 365-ben végzett tevékenységekre támaszkodik; az üzleti alkalmazásokat nem veszi figyelembe. Ez azt jelenti, hogy a munkavállalókat látja amint az a dokumentumokban, e-mailekben és megbeszéléseken is megmutatkozik.

Gondolj bele, kiket részesít ez szisztematikusan előnyben. Azokat, akiknek a munkája M365-kibocsátást eredményez: vezetőket, elemzőket, projektvezetőket, bárkit, akinek a feladata a koordináció és a dokumentumkezelés. És kiket hátrányosít ez szisztematikusan: a terepi mérnökeit, az üzemeltetőit, a Gitben és a Jirában élő fejlesztőit, a CCaaS-platformon dolgozó ügyfélszolgálati munkatársait, valamint a CRM-ben dolgozó értékesítési csapatát. Valódi kompetenciájuk jelei olyan rendszerekben élnek, amelyekhez a szállító grafikonja soha nem nyúl.

Ez nem a Microsoftot ért kritika — hanem a rendszer szerkezeti tulajdonsága, bármelyik platformhoz kötött gráf, beleértve a Workday-ét és mindenki másét is. A szolgáltató gráfja a szolgáltató ökoszisztémájához van kötve. A munkaerő valós jelkészlete az egész rendszerkörnyezeten szétszórva található — és csak Ön láthatja az egészet. Egy olyan gráf, amelynek célja, hogy ábrázolja a te a szervezetnek képesnek kell lennie arra, hogy adatokat fogadjon be a következő forrásokból: minden a szervezetük egészét, nem pedig egy beszállító által lefedett részét.

2. A “A modell ezt mondta” nem minősül védekezésnek

Íme egy olyan helyzet, amelynek miatt jobban kellene aggódnod, mint bármely technikai korlát miatt. Egy alkalmazottat nem választanak ki egy belső pozícióra. Az üzemi tanács megkérdezi, miért. A válasz – amelyet a ragyogó, készségalapú kiválasztási folyamatodon keresztül lehet visszavezetni – a következő: a platform által becsült készségprofilja alapján alacsonyabb besorolást kapott.

Pontosan miből következtetik ezt? Mely jelekből, milyen súlyozással, milyen bizonyossággal, és mely időponttól kezdve? A legtöbb gyártói következtető motor esetében erre a kérdésre nem lehet teljes körű választ adni – a következtetési logika védett, a betanító adatok ügyfelek között összesítve vannak, és a kimenet következtetésként jelenik meg, nem pedig ellenőrizhető bizonyítékláncként.

Alacsony kockázatú felhasználási esetekben – például egy tanfolyam ajánlása vagy segítségnyújtás abban, hogy valaki megtaláljon egy Kubernetes-t ismerő kollégát – ez az átláthatatlanság teljesen elfogadható kompromisszum. De abban a pillanatban, amikor a következtetett készségadatok bekerülnek következményes A döntések – előléptetés, áthelyezés, átszervezés keretében történő kiválasztás, bérezés – esetében a szabályok megváltoznak. Az EU mesterséges intelligencia törvénye értelmében a foglalkoztatási döntések során alkalmazott mesterséges intelligencia-rendszerek a magas kockázatú kategóriába tartoznak, ami átláthatósági, dokumentációs és emberi felügyeleti kötelezettségeket von maga után. A szabályozástól függetlenül pedig az alapvető szervezeti igazságosság megköveteli, hogy egy fontos döntés magyarázható legyen az érintett személy számára.

A saját tulajdonú gráf felépítésének köszönhetően eleve megfelel ennek a szabványnak: minden él tartalmazza a kiindulási pontját, az időbélyegét és a megbízhatósági szintjét; minden ebből következő döntés rögzíti, hogy melyik ember mit hitelesített, és milyen bizonyíték alapján. A mesterséges intelligencia javaslatot tesz, az ember dönt, minden döntést dokumentálnak — és a rendszerében nyilvántartva, Ön által ellenőrizhető, amely nem szerepel a gyártó átláthatósági nyilatkozatában.

3. A készségadatok stratégiai értékűek. Az eszközöket bérelje, az értéket pedig birtokolja!.

A munkaerő-képességekre vonatkozó adatok folyamatosan gyarapodnak. Minden projekt személyzeti összeállítása, minden képzés befejezése, minden belső áthelyezés hozzájárul ahhoz a hosszú távú képhez, amely évről évre egyre értékesebbé válik – vitathatatlanul ez az egyik legértékesebb adatkészlet, amelyet egy vállalat magáról felépíthet.

Most tegyük fel a kérdést: hol található ez az eszköz, milyen struktúrában, és kinek a taxonómiájához van hozzárendelve? Ha a válasz az, hogy “a szolgáltató platformján belül, a szolgáltató ontológiájában”, akkor a legstratégiaibb személyzeti adataid olyan keretek között vannak strukturálva, amelyek felett nincs ellenőrzésed, és csak a szerződésedben meghatározott mértékben vihetők át. Váltson platformot öt év múlva – a vállalatok gyakran megteszik –, és meglátja, hogy a felhalmozott információk mekkora része vihető át valójában.

Van még egy finomabb osztályozási probléma is. Az univerzális ontológiák – a LinkedIn több tízezer készsége, a Workday ügyfélközi ontológiája – lenyűgöző, általános célú leírások. De a tehetségkezelési döntéseid attól függenek, hogy a te munkakör-architektúra: a csoportok, a szintek, a karrierutak, valamint azok a konkrét képességbeli különbségek, amelyek az adott üzleti tevékenységben fontosak. Egy általános osztályozási rendszer, amelyet egy konkrét szervezetre alkalmaznak, mindig csak hozzávetőlegesen illeszkedik. Amikor a diagram alapul szolgál a fontos döntések meghozatalához, a “hozzávetőlegesen” kifejezés hátrányt jelent.

Akkor ki építse?

Őszintén szólva: nem mindenkinek. Ha egy 400 fős vállalatnál dolgozol, ahol egyetlen szállítótól származó HR-rendszert használnak, nincs adatmérnöki kapacitás, és nem is tervezik, hogy a készségadatokat beépítsék a fontosabb döntésekbe – akkor használd a szállító grafikonját, ellenőrizd a következtetéseket, és örülj, hogy egyáltalán létezik. Saját rendszert építeni csak hiúság lenne.

A saját készítés mellett szóló érvek akkor válnak igazán meggyőzővé, ha három feltétel egyidejűleg teljesül:

A döntéseidnek komoly következményei vannak, és vitatottak. A kompetenciákra vonatkozó adatok alapul szolgálnak az előléptetésekhez, az áthelyezésekhez, a szerkezetátalakításokhoz vagy a bérezéshez – olyan döntésekhez, amelyeket a munkavállalók, az üzemi tanácsok és a szabályozó hatóságok megkérdőjelezhetnek és meg is fognak kérdőjelezni, és amelyek esetében Önnek kell biztosítania a bizonyítékok láncolatát.

A jelkörnyezete több rendszerből áll. A munkatársak tényleges tevékenysége az HRIS-rendszer, a fejlesztői eszközök, az operatív rendszerek, a képzési platformok és a projektkezelő eszközök között oszlik meg – és egyetlen szolgáltató sem lát belőle eleget ahhoz, hogy a szervezetet megfelelően tükrözze.

A készségelemzés stratégiai jellegű, nem pedig adminisztratív. Célja, hogy az elkövetkező évtized során tartós versenyelőnyt építsen ki ezen adatok alapján, ami azt jelenti, hogy azoknak minden jövőbeli platformváltás során is fenn kell maradniuk.

A pragmatikus architektúra: a gerinc a saját, a jelek pedig bérelt

“A ”Készítsd el magad!” nem azt jelenti, hogy a pincédben újra kell építened a Workday-t. A józan megoldás szűkebb körű és olcsóbb: Tekintsd a grafikont a sajátodnak, és kezelj a gyártói következtetéseket a számos jelforrás egyikeként.

A gerinc a tiéd – a munkakör-architektúra, az ahhoz igazított készség-taxonómia, az entitásmodell, valamint a származási réteg, ahol minden él tartalmazza a forrást, az időbélyeget és a megbízhatósági szintet. A szállítók által levezetett készségek áramlása be azt a grafikont bizonyítékként: “A Microsoft motorja ezen a napon az M365-tevékenységekből következtetett X-re” — egy olyan jel, amelynek hatóköre és vakfoltja ismert, és amelyet ennek megfelelően súlyoztak, és amely a projekt-hozzárendelési jelek, a tanulási adatok és az emberi ellenőrzések mellett szerepel. A gyártói motorok érzékelőkké válnak. A valóság dokumentálása – és az arra épülő döntésekért való felelősség – továbbra is Önnél marad.

Ez a valódi határvonal. Nem az, hogy „építsünk vagy vásároljunk”, hanem: Kinek a kezében van a munkatársak képességeiről szóló hiteles adatállomány, és ki tudja megvédeni az ennek alapján hozott döntéseket?

Ha mindkét kérdésre a válasz “egy szolgáltató”, akkor nem építettél fel egy kompetenciaalapú szervezetet. Hanem előfizettél egy ilyenre.

Legyen Ön a munkatársai képességeivel kapcsolatos valós adatok birtokosa.

Fedezze fel a gAIn-t →Fedezze fel a Job Architect alkalmazást →