شرکت‌ها چطور می‌توانند از هوش مصنوعی برای پر کردن شکاف‌های مهارتی استفاده کنند

طبق تحقیقات جدید مرکز تحقیقات سیستم‌های اطلاعاتی دانشگاه MIT، در یک نظرسنجی در سال ۲۰۲۲، مدیران تخمین زدند که ۳۸ درصد از کارکنانشان طی سه سال نیاز به «بازآموزی اساسی یا جایگزینی» دارند تا شکاف‌های مهارتی نیروی کار برطرف شود.

به گفته نیک ون در مولن (Nick van der Meulen)، دانشمند ارشد پژوهشی در MIT CISR، تقاضا برای افرادی که مهارت‌های هوش مصنوعی و داده دارند، بالا است و همین امر جذب و نگهداری این استعدادها را سخت و زمان‌بر می‌کند. او در کنفرانس استراتژی و فناوری دیجیتال MIT در پاییز گذشته گفت: «آموزش یک روش بسیار مهم برای دستیابی به نتایج است. برای عملکرد، برای نگهداری کارکنان، برای تجربه مشتری و برای نوآوری، آموزش همان مسیری است که باید طی کنیم.»

بررسی‌های صورت گرفته نشان می‌دهد در بسیاری از موارد، کارکنان خواهان آموزش هستند. در یک نظرسنجی که توسط انجمن مدیریت منابع انسانی انجام شد، ۵۵ درصد از کارکنان گفتند که برای انجام بهتر شغل خود به آموزش بیشتری نیاز دارند. و ۷۶ درصد اعلام کردند که احتمال بیشتری دارد که در شرکتی بمانند که آموزش مداوم ارائه نمی‌دهد.

رویکرد استنتاج مهارت‌ها برای کاربرد هوش مصنوعی در آموزش کارکنان

همانطور که ون در مولن گفت، شرکت‌ها برای بازآموزی کارکنان، نیاز به بینش دقیقی از مهارت‌های نیروی کار دارند. این همچنین شامل مهارت‌هایی می‌شود که در حال حاضر وجود ندارند، اما می‌توانند به موفقیت‌های آینده کمک کنند. برای به دست آوردن چنین بینشی، شرکت‌هایی مانند Johnson & Johnson از «استنتاج مهارت‌ها» استفاده می‌کنند. استنتاج مهارت‌ها شامل فرایند استفاده از هوش مصنوعی در آموزش کارکنان است. این فرایند برای تجزیه و تحلیل داده‌های کارکنان به منظور کمی‌سازی سطح مهارت‌ها و شناسایی زمینه‌های نیازمند بهبود اجرا می‌شود.

هوش مصنوعی در آموزش کارکنان: ۳ مرحله برای استنتاج مهارت‌ها

شرکت جانسون اند جانسون در اوایل سال ۲۰۲۰ شروع به تلاش برای بهبود تخصص دیجیتال در میان کارکنان خود کرد. ابتدا این کار را با۴ هزار تکنسین شرکت آغاز کرده و سپس در سال بعد به دیگر واحدهای کسب‌وکار گسترش داد. فرآیند استنتاج مهارت‌ها شامل سه مرحله بود:

طبقه‌بندی مهارت‌ها

این مرحله شامل تعریف مهارت‌های مورد نیاز برای «بازطراحی فرآیندهای کسب‌وکار و توسعه پیشنهادات دیجیتال آینده» است. طبق گفته ون در مولن: «این مربوط به مهارت‌هایی نیست که برای موفقیت امروز به آن‌ها نیاز داریم، بلکه برای موفقیت پنج تا ده سال آینده است.» جانسون اند جانسون ۴۱ مهارت خاص «آماده برای آینده» را مانند مدیریت داده‌های اصلی و خودکارسازی فرآیند رباتیک را شناسایی کرد که در ۱۱ قابلیت گروه‌بندی شدند.

شواهد مهارت‌ها

در این مرحله، سازمان منابع مناسب داده‌های کارکنان را برای استنتاج مهارت‌ها انتخاب می‌کند. برای جانسون اند جانسون، این منابع شامل سیستم اطلاعات منابع انسانی، پایگاه داده استخدام، سیستم مدیریت یادگیری و یک پلتفرم مدیریت پروژه بود. رهبری شرکت به وضوح اعلام کرد که بینش‌های مهارتی در ارزیابی‌های عملکرد کارکنان لحاظ نمی‌شوند و این اطلاعات به صورت ناشناس و در سطح کلی برای پشتیبانی از برنامه‌ریزی استراتژیک نیروی کار استفاده می‌شود. کارکنان می‌توانستند به دلخواه از این فرآیند انصراف دهند.

ارزیابی مهارت‌ها

در مرحله نهایی، جانسون اند جانسون از یک مدل زبانی بزرگ برای اندازه‌گیری تسلط هر تکنسین در هر یک از ۴۱ مهارت آینده‌محور استفاده کرد. ابزار مورد استفاده در این مرحله مقیاس صفر تا ۵ بود و شرکت از کارکنان خواست تا با این مقیاس خودشان را در مهارت‌های مورد نظر ارزیابی کنند. اگر دو نمره کمتر از یک امتیاز تفاوت داشتند، شرکت آن نمرات را قابل استفاده می‌دانست. ون در مولن گفت: «بیان اینکه این فرآیند فقط برای توسعه مهارت‌ها استفاده می‌شود و نه ارزیابی عملکرد، به شرکت کمک کرد تا حمایت کارکنان را جلب کند و سوگیری در مهارت‌های خودگزارشی را کاهش دهد.»

فرآیند استنتاج مهارت‌ها هم سطح فردی و هم در سطح سازمانی قدرتمند بود. تکنسین‌ها می‌توانستند مهارت‌های فعلی خود را با مهارت‌های مورد نیاز برای نقشی که برای خود در آینده تصور می‌کردند مقایسه کرده و از این اطلاعات به عنوان محرکی برای هدایت آموزش‌های خود استفاده کنند. استفاده از اکوسیستم توسعه حرفه‌ای شرکت پس از اولین دور از استنتاج مهارت‌ها ۲۰ درصد افزایش یافت. تا مارس ۲۰۲۴، ۹۰ درصد از تکنسین‌ها به پلتفرم یادگیری دسترسی داشتند.

در همین حال، مدیران اجرایی به داده‌های نقشه رنگی (Heat Map) درباره میزان تسلط بر مهارت‌های فناوری بر اساس منطقه جغرافیایی و خطوط کسب‌وکار دسترسی پیدا کردند. ون در مولن گفت: «این برای برنامه‌ریزی استراتژیک نیروی کار مفید است. شما می‌توانید حوزه‌هایی را که در آن‌ها قوی هستید و حوزه‌هایی را که کمی ضعیف‌تر هستید، مشاهده کنید. ممکن است بگویید: شاید ما باید توانمندی‌های مربوط به دانش تصمیم‌گیری خود را در اروپا توسعه دهیم. این همان جایی است که باید بودجه‌های توسعه را در آن صرف کنیم.»

«شبکه شغلی» به جای نردبان شغلی

کمک به کارکنان در شناسایی مهارت‌هایی که برای ادامه مشارکت در یک شرکت در حال تحول دیجیتال نیاز دارند، مزایای روشنی دارد. اما ون در مولن به رهبرانی که می‌خواهند این کار را انجام دهند، هشدار داد که همه افراد نمی‌خواهند به یک شکل در سازمان پیشرفت کنند.

او گفت: بسیاری از کارکنان به دنبال ارتقاهای سنتی با حقوق بالاتر و مسئولیت‌های اضافی هستند، اما رهبران باید «فراتر از این نردبان‌های شغلی را نگاه کنند و به دنبال شبکه‌ای از نقش‌های به هم پیوسته باشند».

برخی از کارکنان ممکن است بخواهند به یک نقش مشابه در واحد کسب‌وکار دیگری منتقل شوند.این موضوع در شرکت‌هایی با اندازه‌ای همچون جانسون و جانسون که حدود ۱۳۰ هزار کارمند دارند، رایج است. برخی دیگر ممکن است بخواهند عنوان شغلی جدیدی را به عهده بگیرند که نیاز به مهارت‌های خاصی دارد، مانند مهندس پرامپت هوش مصنوعی، نقشی که تقریباً یک سال پیش وجود نداشت. برخی دیگر ممکن است آماده باشند که احتمالاً به دلایل شخصی، یک گام به عقب بردارند.

بایدهای استفاده از هوش مصنوعی در آموزش کارکنان

برای همه این کارکنان، آموزش باید فراتر از ماژول‌های یادگیری آنلاین باشد. طبق گفته ون در مولن، کارکنان به مشاوره، آموزش عملی و سایر برنامه‌هایی نیاز دارند که در آنها افراد بتوانند آنچه را که می‌خواهند یاد بگیرند، به سرعت در عمل به کار ببرند. رهبران باید آماده باشند که به کارکنان این امکان را بدهند تا خودشان تعیین کنند که چه مهارت‌هایی را یاد خواهند گرفت، چه زمانی آن‌ها را یاد خواهند گرفت و پس از کسب این مهارت‌ها، چگونه می‌خواهند کار کنند.

رهبران همچنین باید با گروهی از کارکنانی که در برابر تغییر مقاومت می‌کنند و اصرار دارند که همان کارهایی را انجام دهند که همیشه انجام می‌دادند، مقابله کنند. ون در مولن توصیه کرد که به این افراد نشان دهید که ارتقای مهارت‌ها برای آن‌ها چه معنایی می‌تواند داشته باشد، حتی اگر در حال حاضر در نقش‌های خود موثر بوده و عملکرد خوبی داشته باشند. نمونه‌های خاص از افرادی که تغییرات هیجان‌انگیزی در شغل خود ایجاد کرده‌اند، می‌تواند در این زمینه بسیار مؤثر باشد.

ون در مولن گفت: «افراد باید درک کنند که مهارت‌ها پویا هستند. آنچه امروز شما را موفق می‌کند، سه سال، پنج سال یا ده سال دیگر شما را موفق نخواهد کرد.»

منبع: MIT