هوشمندی مهارتی چیست؟

در سال‌های اخیر با ظهور فناوری‌های تحول آفرین متعدد و خصوصاً ابزارهای هوش مصنوعی که در سطح وسیعی مورد استفاده کاربران و سازمان‌ها قرار می‌گیرند، اهمیت مهارت‌های کارکنان در برخورد با این موج جدید فناوری‌ها از اهمیت بسیار بالایی برخوردار شده است. «مهارت» به عنوان جایگزین «مدرک تحصیلی» یا حتی «سابقه افراد» یک مساله محوری و تاثیرگذار برای افراد و سازمان‌ها مبدل شده است. در این مقاله که نتیجه سال‌ها کار در حوزه هوشمندی مهارتی است تلاش خواهم کرد که مروری گذرا به موضوع «هوشمندی مهارتی» انداخته و ارزش افزوده آن را برای کسب‌وکارها، علاقه‌مندان حوزه منابع انسانی، مطالعات مدیریت و سازمان‌ها تشریح نمایم.

۱. مقدمه: ضرورت هوشمندی مهارتی

در دنیای امروز که بازار کار با سرعتی بی‌سابقه در حال تغییر است، سازمان‌ها با چالش‌های بزرگی در نگهداشت، حفظ و توسعه مهارت‌های نیروی کار خود مواجه هستند. پیشرفت‌های تکنولوژیکی، تغییرات جمعیتی و نوسانات اقتصادی، صنایع را متحول کرده و باعث ایجاد اختلالات گسترده در فرصت‌های شغلی شده‌اند.

طبق گزارش “مجمع جهانی اقتصاد ۲۰۲۵” (WEF)، تا سال ۲۰۳۰ حدود ۲۲ درصد از مشاغل فعلی دستخوش تغییرات اساسی خواهند شد. در این میان، ۱۷۰ میلیون شغل جدید ایجاد و ۹۲ میلیون شغل حذف خواهند شد که در مجموع، ۷۸ میلیون فرصت شغلی خالص به وجود می‌آید. این تغییرات نشان می‌دهند که مهارت‌های موردنیاز برای موفقیت در آینده به سرعت در حال تحول هستند.

این تحولات نشان‌دهنده نیاز فوری سازمان‌ها به رویکردی داده‌محور و نظام‌مند برای شناسایی، ارزیابی، ارتقا و بروزآوری هوشمندانه مهارت‌های نیروی کارشان دارد. شاید لازم به ذکر نباشد که روش‌های سنتی دیگر پاسخگوی پویایی بازار کار امروزی (چه در فرآیندهای جذب و استخدام و چه در فرآیندهای نگهداشت و توسعه منابع انسانی) نیستند. شرکت گارتنر (Gartner) تأکید دارد که برنامه‌ریزی کارآمد نیروی کار مستلزم جمع‌آوری داده‌های دقیق برای درک استراتژی‌های کسب‌وکار، شناسایی ریسک‌های مرتبط با نیروی کار و تدوین برنامه‌هایی برای کاهش این ریسک‌ها است.

تعریف هوشمندی مهارتی

هوشمندی مهارتی یا Skills Intelligence به مفهومی اشاره دارد که سازمان‌ها را در راستای شناسایی مهارت‌های کارکنان (حتی کمی سازی آن‌ها) توانمند ساخته، شناسایی شکاف مهارتی کارکنان را انجام می‌دهد و با تکیه به مدل‌های هوش مصنوعی تلاش می‌کند که پیشنهادات آموزشی شخصی‌سازی شده‌ای را در اختیار افراد و سازمان‌ها قرار دهد تا بتوانند اصطلاحاً up-skilling و re-skilling‌ انجام دهند.

سازمان‌ها باید روی توسعه و پیاده‌سازی سیستم‌های هوشمندی تمرکز کنند که بتوانند به‌طور دقیق مهارت‌ها را ارزیابی کنند، تغییرات آتی را پیش‌بینی کرده و قابلیت‌های نیروی کار را ارتقا دهند. چنین رویکردی نه تنها چالش‌های امروز را برطرف می‌کند، بلکه سازمان‌ها را برای مواجهه با تغییرات آینده نیز آماده می‌سازد.

به صورت خلاصه استقرار سیستم‌ها یا پلتفرم‌های هوشمندی مهارتی سعی دارد به سوالات زیر در سطح سازمانی پاسخ بدهد:

1. نیروی کار ما در حال حاضر چه مهارت‌هایی دارد؟ این مهارت‌ها در سطح دپارتمان‌های سازمان چطور توزیع شده‌اند؟
2. چه شکاف‌هایی در مهارت‌های نیروی کار ما وجود دارد؟ کدام مهارت‌ها در آینده برای موفقیت سازمان ضروری خواهند بود؟
3. براساس داده‌های مهارتی شخصی‌سازی شده، چه مسیری برای توسعه مهارت‌های کارکنان باید در نظر بگیریم؟
4. چگونه می‌توانیم روند یادگیری و توسعه مهارت‌ها را در سازمان اندازه‌گیری کنیم؟ چگونه می‌توانیم مهارت‌های رقابتی خود را در برابر سایر شرکت‌ها یا با استانداردهای صنعت بسنجیم (Benchmarking)؟

این سؤالات، محور اصلی سیستم‌های هوشمندی مهارتی را تشکیل می‌دهند و به سازمان‌ها کمک می‌کنند تا تصمیمات آگاهانه‌تری در زمینه توسعه و مدیریت استعدادهای خود بگیرند.

۲. اجزای سیستم‌های هوشمندی مهارتی

۱.۲ آنتولوژی شغل-مهارت یا Roles-Skills Ontology

شاید بهتر باشد پیش از پرداختن به جزئیات اینکه اساساً آنتولوژی یا ساختار شغل مهارت چیست، چند سوال کلیدی را در قالب مثال مطرح کنیم:

در حوزه سازمانی

دپارتمان «حسابداری و مالی» در سازمان ما چه توزیعی از مهارت‌ها دارد؟ اساساً در حوزه «حسابداری و مالی» استاندارد چه مهارت‌هایی باید وجود داشته باشد؟ آیا دپارتمان مالی ما منابع انسانی مناسب در خصوص مهارت‌های جدید مانند «به‌کارگیری هوش مصنوعی در تجزیه و تحلیل دریافت‌ها» را دارد؟ لیست این مهارت‌ها را چطور باید به دست بیاوریم؟

در حوزه فردی

اساساً یک «رئیس شعبه» در یک بانک خصوصی چه مهارت‌هایی باید داشته باشد؟ چه نوع مهارت‌های سخت و چه مهارت‌های نرمی مورد نیاز می‌باشد؟ در بانک‌های جهانی چه مهارت‌هایی برای روسای شعب در نظر گرفته می‌شود؟

آنتولوژی شغل-مهارت‌ (یا طبقه‌بندی مهارت‌ها که Taxonomy نیز نامیده می‌شود) یک چارچوب ساختاریافته است که رابطه بین نقش‌های شغلی و مهارت‌های مورد نیاز برای انجام آن‌ها را تعریف می‌کند. می‌توان آن را به یک فرهنگ‌نامه مهارت تشبیه کرد که به سازمان‌ها کمک می‌کند تا نحوه دسته‌بندی و تعریف شایستگی‌ها را استاندارد کنند.

یکی از مهم‌ترین دلایل اهمیت آنتولوژی شغل-مهارت، ایجاد انسجام در سیستم‌های منابع انسانی است. این انسجام و یکپارچگی باعث می‌شود تعاریف مهارت‌ها در فرایندهای مختلفی چون استخدام، ارزیابی عملکرد، آموزش و توسعه، و برنامه‌ریزی مسیر شغلی، هم‌راستا و قابل تکیه باشند. از سوی دیگر، این چارچوب به سازمان‌ها کمک می‌کند تا بتوانند افراد را به‌درستی با فرصت‌های شغلی متناسب، تطبیق دهند و با شناسایی دقیق شکاف‌های مهارتی، تصمیمات بهتری در خصوص جذب یا آموزش نیروها اتخاذ نمایند.

اما چرا این موضوع اهمیت دارد؟

• باعث ایجاد یکپارچگی و سازگاری در تعریف مهارت‌ها در تمام سیستم‌های منابع انسانی می‌شود.

• به سازمان‌ها کمک می‌کند تا افراد مناسب را با دقت بیشتری برای نقش‌های شغلی مشخص انتخاب کنند.

• امکان ارائه پیشنهادهای هوشمندانه و مبتنی بر هوش مصنوعی برای مسیرهای شغلی و برنامه‌های آموزشی را فراهم می‌سازد.

افزون بر این، آنتولوژی شغل-مهارت می‌تواند مبنایی برای «تحلیل شکاف مهارتی» در سازمان‌ها فراهم کند و در تدوین استراتژی‌های توسعه نیروی انسانی، ارتقای شایستگی‌ها و برنامه‌ریزی جانشین‌پروری نقش کلیدی ایفا نماید.

۲.۲ ارزیابی مهارت‌ها و شناسایی شکاف مهارتی

پس از ایجاد چارچوب طبقه‌بندی مهارت‌ها، گام بعدی و حیاتی، ارزیابی مهارتهای کارکنان و شناسایی شکافهای مهارتی است. این فرآیند تنها به سنجش تواناییهای فردی محدود نمیشود، بلکه همسوسازی قابلیت‌های نیروی کار با اهداف استراتژیک کسب‌وکار را ممکن می‌سازد. البته لازم به ذکر است که ارزیابی مهارت‌ها در سطح فردی موضوع جدیدی نیست و شاید اساساً ربطی هم به سیستم‌های هوشمندی مهارتی نداشته باشد (همان‌طور که در شکل زیر که از سایت آموزش لینکدین گرفته شده است مشاهده می‌شود). آنچه که در سطح سازمانی صورت می‌پذیرد به مراتب پیچیده‌تر بوده و تلاش می‌کنند که ارزیابی‌های مهارتی را در قیاس با اهداف سازمانی (و همین‌‌طور در سطح هر دپارتمان) صورت دهد.

ارزیابی مهارت‌ها چگونه انجام می‌شود؟

سازمانها از روشهای مختلفی برای سنجش دقیق مهارتهای کارکنان استفاده می‌کنند مانند خودارزیابی (کارکنان سطح تسلط خود بر مهارتهای کلیدی را مشخص می‌کنند مثلاً “مبتدی”، “متوسط”، “حرفه‌ای”) یا ارزیابی مدیر و همکاران (دریافت بازخورد ۳۶۰ درجه، عینیت ارزیابی را افزایش می‌دهد).

با ظهور سیستم‌های هوشمندی مهارتی و با تکیه بر مدل‌های زبانی عظیم (LLM)، امکان ارزیابی مهارت‌ها در طیف بسیار گسترده‌ای از حوزه‌های کسب‌وکاری فراهم آمده است. آزمون‌های خودکار در حوزه‌های برنامه‌نویسی کامپیوتر به همراه آزمون‌های انطباق‌پذیر (Adaptive Assessment) از جمله مدل‌هایی هستند که در سال‌های اخیر مورد استفاده قرار می‌گیرند.

در زیر یک نمونه ساده از گزارش تحلیل شکاف مهارتی (برای یکی از سازمان‌هایی که در آن‌ها توسعه سیستم هوشمندی مهارتی را برعهده دارم تولید شده است) نمایش داده شده است:

نمونه گزارش شکاف مهارتی – Skill Gap Analysis

چرا تحلیل شکاف مهارتی برای شرکت‌ها اهمیت دارد؟

۱. برنامه‌ریزی استراتژیک نیروی کار

تحلیل شکاف مهارتی به شرکتها کمک میکند نیازهای آینده را پیش‌بینی و از کمبود مهارت جلوگیری کنند. مثال:

• یک شرکت فناوری که قصد توسعه در حوزه هوش مصنوعی دارد، متوجه می‌شود ۳۰٪ از مهندسانش در مهارتهای یادگیری ماشین ضعف دارند.
• به‌جای استخدام پرهزینه در آخرین لحظه، شرکت با آموزش کارکنان موجود، صرفه‌جویی قابل توجهی میکند.

همان‌طور که پیش‌تر نیز اشاره شد، بر اساس گزارش مجمع جهانی اقتصاد (۲۰۲۳)، ۸۵٪ از شرکتهایی که به‌طور منظم تحلیل شکاف مهارتی انجام می‌دهند، به مراتب بهتر با تغییرات صنعت سازگار می‌شوند.

۲. بهبود استخدام و حفظ نیرو

به طور خلاصه شناسایی شکافهای مهارتی به سازمانها امکان می‌دهد:

• اولاً دقیق‌تر استخدام کنند (تمرکز بر مهارتها به جای سابقه یا مدارک دانشگاهی)
• ثانیاً تعهد کارکنان را افزایش دهند. زیرا مسیر پیشرفت حرفهای برای آنها مشخص است.
• ثالثاً برنامه‌ریزی بهتر در راستای جانشین پروری صورت دهند.

۳. صرفه‌جویی در هزینه‌های آموزش و توسعه

بدون تحلیل شکاف مهارتی، شرکتها اغلب منابع را در برنامه‌های آموزشی نامرتبط هدر می‌دهند. رویکرد داده‌محور ناشی از تجزیه و تحلیل مشاغل و مهارت‌ها تضمین می‌کند:

• اولاً بودجه آموزش صرف مهارت‌های موثر و مهم از نظر سازمانی می‌شود.
• ثانیاً دوره‌های آموزشی مرتبط و متناسب با سطح آن‌ها به کارکنان ارائه می‌شود.
• و نهایتاً بازده سرمایه‌گذاری (ROI) در آموزش افزایش می‌یابد.

۴. مزیت رقابتی با توانمندسازی چابک

صنایعی مثل فناوری (Tech)، سلامت و تولید با منسوخ شدن سریع مهارت‌ها روبه‌رو هستند. شرکتهایی که به‌طور مداوم شکافهای مهارتی را تحلیل و رفع می‌کنند:

• اولاً سریعتر با تغییرات بازار سازگار می‌شوند (مثل پذیرش هوش مصنوعی).
• ثانیاً کارکنان را برای نقش‌های جدید آماده می‌کنند (مثال: انتقال از بازاریابی سنتی به بازاریابی دیجیتال هوش‌مصنوعی‌محور).
• ثالثاً با حفظ نیروی کار آینده‌نگر و پیشرو، از رقبا پیشی می‌گیرند و در زمین رقابت کسب‌وکارها، امکان نوآوری و خلاقیت را حفظ می‌کنند.

۳.۲ توسعه مهارت‌ها و سیستم‌ پیشنهاددهی آموزش شخصی‌سازه شده

شناسایی شکاف‌های مهارتی تنها نقطه شروع است نه پایان. گام بعدی و حیاتی، طراحی برنامه‌های آموزشی هدفمند و شخصی‌سازی شده در راستای ارتقای مهارت‌های کارکنان (به صورت موثر) است. امروزه، سیستم‌های هوشمندی مهارتی با استفاده از هوش مصنوعی و یادگیری ماشین می‌توانند مسیرهای یادگیری شخصی‌سازی شده را برای هر عضو سازمان پیشنهاد دهند. این پیشنهادها به گونه‌ای است که ممکن است فرد با فرد (حتی در سطح یک دپارتمان یا حتی برای کارکنان مختلف در یک پست سازمانی) متفاوت باشد زیرا براساس ارزیابی‌ها هر فرد در انطباق با آنتولوژی مهارتی آن پست سازمانی صورت می‌گیرد.

چرا پیشنهادهای آموزشی هوشمند مهم هستند؟

• صرفه‌جویی در زمان: به جای جستجوی دوره‌های متفاوت، سیستم به صورت خودکار بهترین گزینه‌ها را معرفی می‌کند. این عملکرد به نوعی تکمیل کننده ارزش‌هایی است که از سیستم‌های مدیریت آموزش (LMS) یا سایر فناوری‌های آموزشی (Ed-Tech) در سطح سازمانی خواهد بود.
• یادگیری مؤثر: پیشنهادها بر اساس سطح فعلی مهارت، سبک یادگیری و اهداف شغلی هر فرد تنظیم می‌شوند.
• انعطاف‌پذیری: ترکیبی از دوره‌های آنلاین، کارگاه‌های عملی و پروژه‌های واقعی برای تمرین مهارت‌ها می‌تواند به کارکنان پیشنهاد داده شود.

نمونه‌ای از یک مسیر یادگیری هوشمند
فرض کنید یک تحلیلگر داده نیاز به ارتقای مهارت‌های حوزه «هوش مصنوعی» در دپارتمان «حسابداری – مالی» دارد. سیستم ممکن است این مسیر را پیشنهاد دهد:

1. شرکت در آزمون اولیه اصول یادگیری ماشین (پیش از شروع آموزش انجام شده است و به این نوع آزمون Pre-training Assessment یا اصطلاحاً Pre-assessment گفته می‌شود تا سطح اولیه فرد را مشخص کند)
2. شرکت در دوره مقدماتی: “اصول یادگیری ماشین” در پلتفرم Coursera
3. تمرین عملی:پروژه تحلیل داده با استفاده از Python در حوزه تجزیه و تحلیل صورت‌های مالی با استفاده از تمرین سایت Datacamp
4. شرکت در آزمون آنلاین سیستم هوشمندی مهارتی (با هدف ارزیابی میزان ارتقای مهارت در دوره آموزشی دیده شده بوده و به این آزمون Post-training Assessment یا اصطلاحاً Post-assessment گفته می‌شود)
5. اخذ گواهینامه تخصصی:دوره TensorFlow از گوگل
6. تکلیف واقعی: مشارکت در پروژه‌های هوش مصنوعی شرکت که در سیستم هوشمندی مهارتی ممکن است در اختیار کارکنان یک بخش یا دپارتمان قرار بگیرد

در شکل زیر به نمونه‌ای از یک گزارش «ارزیابی پرشدن شکاف مهارتی» که بعد از ارتقای مهارت کارکنان در یک سازمان فرضی صورت گرفته است را می‌توان مشاهده کرد:

نمونه گزارش پرکردن شکاف مهارتی کارکنان در سیستم‌های هوشمندی مهارتی

تأثیر بر سازمان‌ها

شرکت‌هایی که از این سیستم‌ها استفاده می‌کنند:

1. براساس یکی از گزارشات گارتنر در سال ۲۰۲۴، نرخ حفظ کارکنان با تکیه بر آموزش‌های شخصی‌سازی شده و موثر تا ۴۰٪ افزایش می‌یابد.
2. زمان لازم برای مهارت‌آموزی را تا ۵۰٪ کاهش می‌دهند
3. چابکی سازمانی را در مواجهه با تغییرات فناوری بهبود می‌بخشد

این رویکرد نه تنها شکاف‌های مهارتی را پر می‌کند، بلکه فرهنگ یادگیری مستمر را در سازمان نهادینه می‌سازد.

حرف آخر

با توجه به تجربه ۵ ساله کار کردن با سیستم‌های هوشمندی مهارتی در شرکت CADS یا همان Center Of Applied Data Science و همین‌طور تخصیص موضوع رساله دکتری خود به این موضوع، همچنان سوالات زیادی است که پاسخ مشخصی برای آن‌ها وجود ندارد. شاید در آینده به برخی از آن‌ها بپردازم اما تلاش خواهم کرد که ضمن ارتباط با سازمان‌های ایرانی، دستاوردهای خود در این سال‌ها را به ایران نیز منتقل کنم تا مزیت‌های استفاده از این سیستم‌های هوشمند در سطح ایران نیز مورد استفاده قرار بگیرند.

اگر علاقه‌مند به این موضوع باشید، خوشحال خواهم شد که یا از طریق ایمیل با بنده در ارتباط باشید و یا در بخش نظرات، نظر خود را ثبت کنید تا بتوانم فرصتی برای یادگیری نیز داشته باشم.