בשוק העבודה הדינמי הנוכחי, שימור והגברה של מיומנויות והגדלת הפריון לא תמיד דורשים גיוס עובדים חיצוני. לעיתים קרובות, התשובה נמצאת כבר בתוך הארגון.
יש לא מעט עובדים שאם הם ינויידו לתפקיד אחר בארגון, הביצועים שלהם יהיו גבוהים יותר מאלו שהם מפגינים בתפקיד הנוכחי שלהם, ואף גבוהים יותר מאלו של עובדים אחרים, שימונו לתפקידים אלה.
השאלה הגדולה היא איך ניתן לאתר במהירות עובדים אלה ואת התפקיד שאליו יש לנייד אותם.
למנהלי משאבי אנוש, כמו לכל אדם אחר, יש מגבלה בהיבט של זמן עיבוד מידע רב-ממדי.
מנגד, מערכות בינה מלאכותית המבוססות על איסוף מידע (ואף מודיעין) על מיומנויות בארגון, מסוגלות לאתר בזמן אפסי ובאופן שוטף, עובדים שמתאימים לניוד לתפקיד אחר, באופן שיממש את הפוטנציאל שלהם ויאפשר להם להגביר ביצועים.
להלן 3 היתרונות של בינה מלאכותית על פני מנהל משאבי האנוש באיתור עובדים לניוד:
1 חשיפת כישורים סמויים וניתוח ביג דאטה:
מנהל משאבי האנוש מתבסס בעיקר על קורות החיים, הגדרת התפקיד הנוכחית והערכות עובד תקופתיות.
הבינה המלאכותית לעומת זאת, סורקת עשרות אותות מידע: פרויקטים שבוצעו, שפת תקשורת במערכות ניהול משימות, קורסים שהושלמו ואף יכולות שנלמדו בתפקידים קודמים.
איך הבינה המלאכותית עושה זאת: באמצעות מעבדי שפה טבעית (NLP) ואלגוריתמים הממפים את 'עץ' הכישורים הארגוני.
הבינה המלאכותית מסיקה קיומן של מיומנויות חופפות שלא הופיעו בקורות החיים ומנבאת התאמה גבוהה לתפקיד חדש ברמת דיוק גבוהה מניחוש אנושי.
2 נטרול הטיות קוגניטיביות וזיהוי טלנטים שקופים:
גורמים אנושיים סובלים מהטיות מודעות ושאינן מודעות, בהן קרבה גיאוגרפית, דפוס יחסים עם המנהל הישיר, או קיבוע מחשבתי המגדיר עובד רק לפי התפקיד שבו החל.
בנוסף, מנהלים נוטים לעיתים 'להסתיר' עובדים מצטיינים כדי לא לאבד אותם לטובת צוות אחר.
איך הבינה המלאכותית עושה זאת: המערכת מנתחת ביצועים ונתונים יבשים בלבד באופן עיוור להטיות חברתיות.
היא מציפה באופן אובייקטיבי עובדים שיש הגיון בלתת להם הזדמנות, בלי להתרשם ממידת הפופולריות שלהם או מרצון המנהל הישיר.
3 ניתוח חוזה של התאמה רשתית ופוטנציאל למידה:
למנהל משאבי האנוש קשה יותר להעריך במדויק כיצד עובד יתפקד בסביבה ארגונית שונה לחלוטין (לאחר שינוייד לתפקיד אחר).
הבינה המלאכותית מסוגלת לנתח דפוסי הצלחה של מאות עובדים בעבר שעברו מסלולים דומים.
איך הבינה המלאכותית עושה זאת: הבינה המלאכותית משווה את דפוס הלמידה והביצועים של העובד לזה של עובדים מצליחים בתפקיד היעד.
המערכת מזהה פער כישורים קטן שניתן להשלמה במהירות, ומנבאת את סיכויי ההצלחה, הפריון וההחזר על ההשקעה של העובד בתפקיד החדש עוד לפני הבונוס או ההעברה בפועל.
ניוד עובדים מבוסס בינה מלאכותית – בישראל מול מדינות מערביות:
המעבר מפלטפורמות גיוס מסורתיות לזירות טלנטים פנימיות מבוססות בינה מלאכותית נמצא בשיא התאוצה.
ממחקר שנערך על ידי חברת המחקרים גרטנר עולה, כי כ-60% מהארגונים הגדולים במערב הטמיעו או נמצאים בתהליך הטמעה של פלטפורמות לאיתור כישורים מבוססות בינה מלאכותית.
החוקרים של גרטנר מצביעים על כך שניוד פנימי מבוסס בינה מלאכותית מקצר את זמן איוש המשרות ב-20 יום ומעלה, ואת שיעור שימור העובדים בלפחות 85%.
בישראל, השימוש במערכות ייעודיות לניוד פנימי מבוסס בינה מלאכותית עומד על כ-22% בלבד.
פער זה נובע מכך שבחברות ישראליות רבות, הגיוס החיצוני עדיין נתפס כמקור המרכזי לחדשנות.
החוקרים של חברת היעוץ דלויט מצביעים על כך שארגונים המפעילים איתור טלנטים מתאימים בתוך החברה כדי לניידם, המבוסס על בינה מלאכותית, מדווחים על שיפור של כ-28% באיכות המינויים לתפקידים פנימיים ועל ירידה של כ-42% בעלויות הגיוס הממוצעות.
בדו"חות החברה לגבי השוק בישראל מציינים החוקרים כי בארגונים גלובליים הפועלים בארץ נרשם אימוץ גבוה של פלטפורמות אלה, אבל במגזר המסורתי והציבורי, ניוד העובדים עדיין נשען בעיקר על המלצות מנהלים ישירות.
מחקרים שנערכו על ידי חברת היעוץ מקינזי מראים, כי לחברות המשתמשות באנליטיקה מתקדמת לניוד עובדים, יש סיכוי הגבוה פי 1.5 לעקוף את המתחרים שלהן ברווחיות.
במדינות המערב, כ-38% מחברות הפורצ'ן 500 משתמשות באלגוריתמים לצורך קבלת החלטות על הטיות מסלול קריירה.
במחקרים של חברת PwC נמצא כי כ-74% מהעובדים במדינות המערב מעוניינים שהבינה המלאכותית תציע להם הזדמנויות קידום וניוד פנימיות המתאימות לכישוריהם.
בישראל, הנכונות של עובדים לקבל המלצות קריירה הבינה המלאכותית ועומדת על כ-81%, אבך המערכות הארגוניות עדיין אינן מחוברות ברובן לתהליכים אלו.
ממחקרים של גאלופ עולה, כי הסיבה הראשונה לעזיבת עובדים מבני דורות ה-Y וה-Z היא היעדר שקיפות לגבי אפשרויות פיתוח קריירה.
מנגד, חברות המטמיעות מערכות בינה מלאכותית לאיתור ניוד פנימי מציגות ירידה של 15% בשיעור העזיבה הכללי.
