Pasaran Bakat Dalaman AI: Memadankan Orang dengan Projek dan Peranan
Turn this article into takeaways for your work.
Each assistant summarizes the article only for you and suggests best practices for your work.
Pasaran bakat dalaman ialah platform di mana pekerja dan kerja yang tersedia saling menemui: peranan, projek jangka pendek, tugasan mencabar dan bimbingan di satu pihak, kemahiran dan matlamat pekerja di pihak yang lain. AI melakukan pemadanan, dengan membaca profil, menyimpulkan kemahiran dan menyusun kedudukan padanan terbaik bagi setiap orang dan setiap peluang. Matlamatnya mudah. Orang yang tepat dalam syarikat patut dapat menemui kerja itu, dan kerja itu patut dapat menemui orangnya, tanpa bergantung pada siapa yang kebetulan mengenali siapa.
Panduan ini ditujukan kepada pemimpin sumber manusia, pengurus yang mengetuai orang dan ketua operasi yang sedang memutuskan sama ada pasaran bernilai untuk dibina, atau yang mewarisi satu yang tiada siapa gunakan. Ia merangkumi cara pemadanan berfungsi, apa kata penyelidikan tentang perpindahan dalaman, di mana program ini gagal, dan cara langkah demi langkah untuk bermula.
Fakta Utama
- Pengambilan dari luar dibayar kira-kira 18% hingga 20% lebih tinggi daripada kenaikan pangkat dalaman ke jawatan yang serupa, tetapi menerima penilaian prestasi yang jauh lebih rendah selama dua tahun pertama, dalam kajian sebuah bahagian perbankan pelaburan AS yang meliputi 2003 hingga 2009 (Wharton).
- Kajian yang sama mendapati pekerja yang diambil dari luar dan kekal melebihi dua tahun dinaikkan pangkat lebih pantas daripada kenaikan pangkat dalaman, jadi jurang itu bersifat awal, bukan kekal (Wharton).
- Kajian semula LinkedIn terhadap 32 juta profil menunjukkan korelasi yang ketara antara mobiliti dalaman dan tempoh perkhidmatan dalam institusi (LinkedIn).
- Dalam kajian semula itu, pekerja yang berpindah ke peranan lebih kanan secara dalaman dikekalkan pada kadar yang serupa dengan mereka yang berpindah secara mendatar (LinkedIn).
- Booz Allen melancarkan projek rintis pasaran bakat pada Januari 2022 dan mendapati bahawa "tahap transformasi budaya yang diperlukan untuk mengaktifkan dan mengendalikan pasaran bakat adalah besar" (MIT Sloan Management Review).
Apakah Pasaran Bakat Dalaman
Kebanyakan syarikat mengisi peranan dengan satu daripada dua cara. Pengurus menyiarkan jawatan dan perekrut mencari di luar, atau pengurus bertanya beberapa rakan sekerja yang dipercayai siapa yang mereka cadangkan. Kedua-duanya membiarkan banyak bakat tidak kelihatan. Seorang pembangun di satu wilayah tidak pernah mendengar tentang projek yang memerlukan kemahirannya yang tepat di wilayah lain. Seorang penganalisis kewangan yang menghabiskan dua tahun dalam operasi sebelum mendapat gelaran sekarang mempunyai sejarah itu dalam CV yang tiada siapa baca.
Pasaran menyelesaikan masalah keterlihatan. Ia menyimpan tiga perkara:
- Peluang. Peranan sepenuh masa, tetapi juga projek jangka pendek (gig), pasukan projek, rotasi, tugasan mencabar dan slot bimbingan.
- Profil. Kemahiran, pengalaman, minat dan ketersediaan bagi setiap pekerja.
- Lapisan pemadanan. Perisian yang menghubungkan kedua-duanya dan memberitahu setiap pihak sebabnya.
Idea ini lebih lama daripada gelombang alat AI sekarang. Satu rencana Harvard Business Review menerangkan Green Pages Tentera AS, di mana askar menyiarkan profil dan memohon kekosongan, unit menyiarkan huraian tugas, dan, seperti aplikasi janji temu, kedua-dua pihak dimaklumkan apabila ada padanan (Harvard Business Review). Contoh Tentera itu bermula daripada keperluan untuk seorang jurutera dengan gabungan khusus pengalaman bahasa, budaya dan profesional yang tidak dapat ditemui oleh semakan standard dan carian resume.
Cara Pemadanan AI Berfungsi
Dari segi ACE Framework, pasaran mengambil profil, sejarah kerja dan huraian peluang, menganalisis teks untuk kemahiran dan keperluan, meramalkan pasangan yang kuat, dan menjana penjelasan atau cadangan. Corak penskoran dan penghalaan berada di terasnya.
| Lapisan | Apa yang dilakukan AI | Apa yang diperlukannya | Kegagalan lazim |
|---|---|---|---|
| Inferens kemahiran | Membaca gelaran, sejarah projek, rekod pembelajaran dan dokumen untuk menyimpulkan kemahiran yang dimiliki seseorang tetapi tidak pernah disenaraikan | Profil dan data kerja yang agak terkini | Tersilap teka, atau memuji orang yang menulis profil panjang |
| Penghuraian peluang | Menukar huraian projek atau peranan menjadi senarai kemahiran yang diperlukan | Huraian yang jelas ditulis oleh penaja | Iklan yang kabur menghasilkan padanan yang kabur |
| Pemadanan dan penyusunan kedudukan | Menskor setiap orang berbanding setiap peluang dan menyusun kedudukan hasilnya | Data kedua-dua pihak, ditambah peraturan tentang siapa boleh melihat apa | Memberi ganjaran kepada corak lalu, jadi profil yang biasa berada di kedudukan tinggi |
| Cadangan | Mencadangkan peranan, gig, mentor atau pembelajaran kepada setiap pekerja | Minat kerjaya dan taksonomi peranan serta kemahiran | Menolak orang ke arah peranan yang sudah menyerupai mereka |
| Penjelasan | Menulis sebab ringkas bagi setiap padanan | Model yang boleh memetik bukti yang digunakannya | Perkataan yang yakin dengan bukti yang nipis di sebaliknya |
| Aliran kerja | Menghalakan permohonan, memberitahu pengurus, menjejak status | Pemilik proses di kedua-dua pihak | Tiada siapa membalas, jadi padanan itu tidak ke mana-mana |
Dua perkara patut diberi perhatian. Pertama, lapisan inferens hanya sebaik data di bawahnya. Jika sistem HR anda menyimpan gelaran jawatan dari 2019 dan tiada yang lain, AI akan menyimpulkan daripada gelaran. Halaman tentang asas data HR untuk AI menerangkan apa yang perlu dibersihkan sebelum anda membeli apa-apa. Kedua, padanan yang baik tidak semestinya padanan yang rapat. Peranan yang kelihatan hampir serupa dengan pekerjaan semasa seseorang tidak membangunkannya. Sistem yang lebih baik membenarkan anda memilih antara "padanan paling hampir" dan "cabaran bersebelahan".
Apa Kata Penyelidikan tentang Mobiliti dan Pengekalan
Adalah membantu untuk mengasingkan tiga dakwaan yang sering dicampur dalam dek vendor.
Dakwaan 1: Mengambil dari dalam boleh mengatasi mengambil dari luar, pada peringkat awal. Bukti primer yang paling kukuh ialah kajian yang dilaporkan Wharton tentang satu bahagian perbankan pelaburan dari 2003 hingga 2009. Pengambilan dari luar dibayar kira-kira 18% hingga 20% lebih tinggi dan menerima penilaian prestasi yang jauh lebih rendah selama dua tahun pertama berbanding kenaikan pangkat dalaman ke jawatan yang serupa, dan mereka berhenti pada kadar yang lebih tinggi (Wharton). Artikel yang sama melaporkan corak serupa di sebuah lagi bank pelaburan dan sebuah syarikat penerbitan. Anggaplah ia isyarat yang kuat, bukan hukum sejagat. Ia meliputi firma tertentu, dan pekerja yang diambil dari luar dan kekal melebihi dua tahun menunjukkan prestasi yang baik.
Dakwaan 2: Orang yang berpindah secara dalaman kekal lebih lama. Kajian semula LinkedIn terhadap 32 juta profil mendapati korelasi yang ketara antara mobiliti dalaman dan tempoh perkhidmatan, dan mendapati perpindahan ke peranan lebih kanan dan mendatar dikekalkan pada kadar yang serupa (LinkedIn). Halaman yang sama memetik ketua pembelajaran Novartis yang merujuk Workplace Learning Report 2023: pada tanda dua tahun, pekerja yang telah mengalami kemajuan dalaman hampir 20% lebih berkemungkinan masih berada di situ. Itu kenyataan yang dipetik daripada seorang pengamal, bukan angka yang diperincikan oleh halaman itu sendiri. Dan korelasi bukan sebab-akibat. Orang yang berprospek baik mungkin yang dipindahkan, dan mereka mungkin akan kekal juga.
Dakwaan 3: Pasaran menghasilkan perpindahan itu. Ini ialah pautan yang paling lemah. Rencana HBR membingkaikan manfaat sebagai potensi: pasaran "boleh" meningkatkan kepuasan kerja dan penglibatan serta mengurangkan turnover (Harvard Business Review). Laporan Booz Allen tentang tahun pertamanya tidak mengandungi angka penerimaan pakai, penempatan atau pengekalan (MIT Sloan Management Review). Bersikap skeptikal terhadap sebarang angka pengekalan yang dilaporkan vendor. Kajian kes vendor ialah bukti tentang apa yang vendor mahu anda percayai, jadi minta garis dasar, kumpulan perbandingan dan tempoh masa.
Ringkasan jujurnya: perpindahan dalaman kelihatan baik untuk pengekalan dan prestasi awal, dan pasaran ialah cara yang munasabah untuk mewujudkan lebih banyak perpindahan itu. Sama ada milik anda berbuat demikian ialah sesuatu yang anda ukur sendiri. Halaman berkaitan tentang strategi mobiliti dalaman dan perancangan penggantian membincangkan sisi dasar.
Contoh Sebenar mengikut Fungsi
Platform yang sama melayani orang yang berbeza dengan cara yang berbeza. Berikut ialah rupa penggunaannya dalam praktik.
Kejuruteraan. Seorang jurutera bahagian belakang mahukan pengalaman dengan saluran data. Satu projek ringkas dalam pasukan analitik memerlukan empat jam seminggu selama enam minggu. Pasaran memaparkannya, menunjukkan kepadanya kemahiran sedia ada yang sepadan, dan menandakan bahawa projek itu mempunyai mentor. Pengurusnya meluluskan masa itu. Tiada siapa menukar kerja, tetapi dia kini mempunyai bukti untuk peranan seterusnya.
Jualan dan kejayaan pelanggan. Seorang pengurus kejayaan pelanggan dengan tiga tahun pengalaman akaun diberitahu tentang peranan enablement yang terbuka dalam jualan. AI menunjukkan bahawa dia pernah membimbing pekerja baharu secara tidak rasmi, sesuatu yang tidak pernah ditangkap oleh gelarannya. Pasukan jualan mendapat calon yang mereka tidak tahu wujud.
Kewangan. Sprint belanjawan merentas fungsi memerlukan penganalisis yang memahami kewangan dan perolehan. Pasaran menemui dua orang yang pernah berpindah antara pasukan itu. Carian mengikut gelaran tidak akan menemui seorang pun.
HR dan operasi. Selepas penstrukturan semula, HR menggunakan pasaran untuk menempatkan orang dalam pasukan yang terkesan ke dalam peranan terbuka sebelum menyiarkan di luar. Pasukan HR dapat melihat bekalan kemahiran dalaman berbanding permintaan akan datang, yang menyumbang terus kepada perancangan. Lihat people analytics dan AI untuk cara analisis itu berfungsi.
Pengurus. Seorang pengurus menyiarkan projek enam minggu dengan senarai kemahiran dan menerima set sukarelawan yang disusun mengikut kedudukan beserta sebab. Dia masih membuat pilihan. AI memendekkan carian dan meluaskan kumpulan calon.
Perangkap Reka Bentuk yang Menenggelamkan Pasaran
Kebanyakan pasaran yang gagal tidak gagal kerana pemadanannya buruk. Ia gagal kerana cara ia disediakan.
- Kosong semasa pelancaran. Jika pekerja log masuk dan melihat lima iklan lapuk, mereka tidak akan kembali. Laporan Booz Allen menerangkan pengisian awal pasaran dengan peluang berkualiti tinggi dan bakat yang tersedia yang mencukupi untuk melibatkan kedua-dua pekerja dan pengurus (MIT Sloan Management Review).
- Pengurus yang menyimpan orang. Laporan yang sama menekankan bahawa sisi tingkah laku pasaran memerlukan usaha berterusan, dan pengurus yang enggan melepaskan orang yang baik ialah versi yang paling jelas. Jika seorang pengurus boleh menyekat setiap perpindahan secara senyap, pasaran menjadi senarai perkara yang tiada siapa boleh mohon. Tetapkan dasar pelepasan bertulis dan minta pemimpin menyokongnya secara terbuka.
- Takut kelihatan tidak setia. Pekerja teragak-agak mencari perpindahan jika mereka fikir pengurus akan melihatnya sebagai isyarat mereka mahu berhenti. Jadikan penyemakan secara peribadi dan jelaskan bahawa memohon gig adalah perkara biasa.
- Pengurus penerima yang berat sebelah. Pengurus pengambilan mungkin menolak calon dalaman yang tidak sepadan dengan templat mental mereka. Profil berasaskan kemahiran membantu, kerana ia menjadikan keupayaan kelihatan. Logik yang sama terpakai pada pengambilan pekerja berasaskan kemahiran.
- Data kemahiran yang tiada siapa percayai. Kemahiran yang disimpulkan secara salah, atau kemahiran yang dilaporkan sendiri dan dibesar-besarkan, memusnahkan kredibiliti dengan cepat. Biarkan orang membetulkan profil mereka dan biarkan pengurus mengesahkan kemahiran utama.
- Penyusunan kedudukan yang menyalin masa lalu. Jika model belajar daripada siapa yang dinaikkan pangkat dahulu, ia boleh mengulangi siapa yang dinaikkan pangkat dahulu. Uji kadar padanan dan permohonan merentasi kumpulan seperti jantina, umur, lokasi dan status sambilan, dan semak keputusan mengikut jadual.
- Tiada kapasiti untuk kerja itu. Gig hanya berlaku jika hari seseorang ada ruang. Persetujui di awal berapa jam gig boleh mengambil dan apa yang digugurkan.
- Menganggapnya sebagai alat pengambilan pekerja sahaja. Pasaran yang hanya menyenaraikan peranan sepenuh masa yang terbuka ialah papan kerja. Kebanyakan nilai pembangunan ada dalam projek, bimbingan dan rotasi.
- Privasi. Profil mengandungi aspirasi kerjaya dan data yang hampir dengan prestasi. Tentukan siapa boleh melihat apa, dan semak peraturan perlindungan data tempatan dengan penasihat undang-undang sebelum pelancaran. Ini maklumat am, bukan nasihat undang-undang.
Cara Membinanya, Langkah demi Langkah
- Pilih masalah perniagaan. Contoh: mengurangkan masa untuk mengisi peranan kritikal, menempatkan semula orang selepas penstrukturan semula, memberi pekerja awal kerjaya lebih pengalaman, atau menurunkan attrition yang dikesali. Satu masalah yang jelas akan membentuk setiap pilihan lain.
- Semak data anda. Ketahui data kemahiran, peranan dan projek yang anda ada, sejauh mana ia terkini dan siapa yang memilikinya. Jika tidak mencukupi, rancang penyegaran profil sebelum pelancaran.
- Tentukan kosa kata kemahiran. Senarai kemahiran dan tahap yang ringkas dan diselenggara lebih baik daripada taksonomi yang sangat besar yang tiada siapa fahami. Mulakan dengan peranan yang paling anda perlukan untuk memindahkan orang ke dalamnya.
- Tulis peraturan. Merangkumi siapa boleh menyiarkan, siapa boleh memohon, berapa lama pengurus mempunyai masa untuk membalas, berapa banyak masa yang boleh diambil gig, dan bila kelulusan pengurus diperlukan. Tuliskannya.
- Isi awal. Sebelum dibuka, kumpulkan sekurang-kurangnya beberapa dozen peluang sebenar merentasi pasukan, termasuk projek ringkas dan bimbingan, supaya lawatan pertama menunjukkan sesuatu yang berguna.
- Jalankan projek rintis dengan dua atau tiga fungsi. Pilih pasukan yang pemimpinnya benar-benar akan melepaskan orang. Bertujuan untuk belajar, bukan untuk berskala.
- Tambah AI berlapis-lapis. Mulakan dengan carian dan cadangan yang boleh dilihat dengan jelas oleh manusia. Tambah inferens kemahiran selepas anda menyemak ketepatannya berbanding sampel orang sebenar. Cadangan pembelajaran boleh dipautkan kepada persediaan AI dalam pembelajaran dan pembangunan anda.
- Pastikan manusia dalam kitaran. AI boleh menyusun kedudukan dan mencadangkan. Pengurus dan pekerja memutuskan, dan seorang manusia dapat melihat sebab sesuatu padanan dibuat dan membatalkannya.
- Ukur dan laporkan. Jejaki set kecil angka, yang disenaraikan di bawah, dan kongsikannya dengan pemimpin setiap suku tahun.
- Hubungkannya dengan seluruh kitaran hayat pekerja. Pasaran berfungsi paling baik apabila ia dipautkan kepada kerja orientasi, pembangunan dan pengekalan. AI merentasi kitaran hayat pekerja menunjukkan di mana ia sesuai, dan ramalan attrition AI membincangkan sisi amaran awal.
Apa yang Perlu Diukur
Pilih garis dasar sebelum pelancaran supaya anda dapat memberitahu sama ada apa-apa berubah.
| Ukuran | Apa yang dikatakannya kepada anda | Perhatikan |
|---|---|---|
| Pengguna aktif (bulanan) | Sama ada orang kembali | Lonjakan semasa pelancaran yang pudar |
| Peluang disiarkan dan diisi | Bekalan dan tindakan susulan | Iklan yang tidak pernah ditutup |
| Bahagian peranan yang diisi secara dalaman | Sama ada mobiliti meningkat | Peranan mudah diisi sementara yang kritikal tidak |
| Masa untuk mengisi, dalaman berbanding luaran | Manfaat kelajuan | Membandingkan peranan yang tidak serupa |
| Penyiapan gig dan maklum balas peserta | Kualiti projek jangka pendek | Gig yang senyap-senyap menjadi kerja lebih masa |
| Pengekalan peserta berbanding bukan peserta yang serupa | Sama ada ia membantu orang kekal | Kesan pemilihan, kerana orang yang bersemangat menyertai dahulu |
| Kadar padanan dan permohonan mengikut kumpulan | Keadilan | Jurang yang berterusan selepas mengawal peranan |
| Masa respons pengurus | Kesihatan proses | Permohonan yang dibiarkan tanpa jawapan |
Di Mana Ini Sesuai dalam Model Operasi HR
Pasaran bukan projek alat sekali sahaja. Ia menyentuh perancangan tenaga kerja, pembelajaran, prestasi dan pampasan, dan ia hanya berfungsi jika seseorang memilikinya. Itu mungkin ketua mobiliti bakat dalam HR, disokong oleh pemimpin perniagaan yang bersetuju melepaskan orang. Peranan itu dibincangkan dalam AI dan model operasi HR. Untuk peta yang lebih luas tentang di mana AI membantu HR, mulakan dengan AI dalam HR.
Soalan Lazim tentang Pasaran Bakat Dalaman AI
Apakah pasaran bakat dalaman?
Ia ialah platform yang menghubungkan pekerja dengan peranan, projek jangka pendek, tugasan mencabar dan bimbingan dalam syarikat mereka sendiri. AI membaca profil dan huraian peluang, menyimpulkan kemahiran dan menyusun kedudukan padanan terbaik bagi kedua-dua pihak.
Adakah pasaran bakat dalaman meningkatkan pengekalan?
Buktinya bersifat mencadangkan, bukan muktamad. Kajian semula LinkedIn terhadap 32 juta profil mendapati korelasi yang ketara antara mobiliti dalaman dan tempoh perkhidmatan, tetapi korelasi bukan bukti bahawa perpindahan menyebabkan orang kekal. Ukur pengekalan peserta berbanding bukan peserta yang serupa dalam syarikat anda sendiri.
Adakah mengambil pekerja dari dalam lebih baik daripada dari luar?
Selalunya ia berprestasi lebih baik pada peringkat awal. Satu kajian bahagian perbankan pelaburan mendapati pengambilan dari luar dibayar kira-kira 18% hingga 20% lebih tinggi dan mendapat penilaian lebih rendah selama dua tahun pertama berbanding kenaikan pangkat dalaman. Pekerja yang diambil dari luar dan kekal melebihi dua tahun dinaikkan pangkat lebih pantas, jadi jawapan yang betul bergantung pada peranan.
Data apa yang kami perlukan sebelum melancarkannya?
Anda memerlukan sejarah peranan semasa, data kemahiran bagi sebahagian besar pekerja, dan huraian kerja yang ditawarkan yang ditulis dengan baik. Jika rekod anda hanya menyimpan gelaran jawatan, rancang penyegaran profil dahulu, kerana inferens AI tidak dapat mereka data kemahiran yang tepat.
Bolehkah pemadanan AI berat sebelah?
Ya. Model yang dilatih pada kenaikan pangkat lalu boleh mengulangi corak lalu, dan kemahiran yang dilaporkan sendiri dan dibesar-besarkan boleh memihak kepada orang yang menulis profil dengan yakin. Semak kadar padanan dan permohonan merentasi kumpulan mengikut jadual tetap dan pastikan pengurus dan pekerja mengawal keputusan akhir.
Mengapa kebanyakan pasaran bakat gagal?
Biasanya kerana budaya dan persediaan, bukan algoritma. Punca lazim ialah terlalu sedikit peluang semasa pelancaran, pengurus yang menyekat perpindahan, pekerja yang takut kelihatan tidak setia, dan tiada pemilik. Isi platform di awal, tulis peraturan pelepasan dan minta pemimpin menyokongnya.
Senior Customer Retention Strategist