David Wilkins, Chief Product, Marketing og Strategy Officer hos TalentNeuron – Intervju-serie

David Wilkins, Chief Product, Marketing og Strategy Officer hos TalentNeuron, er en erfaren seniormedarbejder med 20+ års erfaring med SaaS i menneskelige kapitalforvaltningsområdet. Han har en diversificeret ledelseserfaring inden for strategi, produktudvikling, marketing, salgsaktivering og salg.

TalentNeuron leverer arbejdsstyrke-intelligence til at hjælpe organisationer med at optimere deres talentstrategier, finde kritiske færdigheder og fremtidssikre deres arbejdsstyrke. Ved hjælp af data fra 28.000+ kilder leverer det indsigt i arbejdsmarkedstrends, talenttilbud og -efterspørgsel samt lokalstrategi, og betjener Fortune 100-virksomheder og globale virksomheder.

Hvordan revolutionerer AI arbejdsstyrkeplanlægning og talentanalyse i dagens konkurrencedygtige arbejdsmarked?

De sidste par år har markeret en afgørende transformation i arbejdsstyrke-intelligence. For TalentNeuron er verden vendt til vores fordel. Efter to årtier med indsamling og katalogisering af enorme mængder af arbejdsmarkeddata har AI låst op for muligheden for at udtrække usædvanlige indsigt i stor skala.

Dette er virkelig kraftfuldt, fordi AI kan identificere uventede talentpools og færdighedsfordeling i tidligere oversete geografiske områder. Overvej, hvordan amerikanske virksomheder opdagede rige talentpools i tidligere sovjetstater efter Sovjetunionens sammenbrud. De tidlige aktører opnåede massive konkurrencemæssige fordele ved at identificere og tilgå højt kvalificerede IT- og ingeniørfærdigheder i fremvoksende teknologihub’er på tværs af Rusland, Ukraine og Baltikum. I dag hjælper AI virksomheder med at opdage lignende muligheder systematisk og i stor skala, og afslører skjult talent, der ellers ville være gået ubemærket hen. Denne mønstergenkendelseskapacitet giver virksomheder mulighed for at identificere uligheder i globale arbejdsmarkeder, som kan omdannes til strategiske fordele.

Jeg ser med egne øjne, hvordan dette påvirker strategisk arbejdsstyrkeplanlægning. Organisationer kan nu træffe mere informerede beslutninger om talentanskaffelse og -styring, og også gennemføre disse beslutninger med utrolig hast.

Hvad er AI’s rolle som strategisk rådgiver for virksomheder, der står over for talentmangler og færdighedsgab?

En AI-modells kraft ligger i dets evne til at levere en omfattende analyse af talenttilbud, -efterspørgsel og fremvoksende færdighedstrends – og giver organisationer en datadreven grundlag for strategisk beslutningstagning. Denne intelligens giver virksomheder mulighed for at udvikle bevisbaserede talentstrategier, hvor interne interessenter og eksterne konsulenter bruger AI-afledte indsigt til at tackle færdighedsgab gennem målrettede opkvalificerings-, omkvalificerings- eller strategiske rekrutteringsinitiativer.

Det er dog afgørende at forstå, at AI fungerer som en facilitator, ikke en erstatning for strategisk vejledning. Hos TalentNeuron kræver vores arbejde med Fortune 2000-virksomheder en sofistikeret kombination af dataintelligens og menneskelig ekspertise. Mens AI udmærker sig ved mønstergenkendelse og dataanalyse, kommer den nuancerede forståelse af organisationskontekst, kultur og langsigtede forretningsmål fra vores erfarenede team. Vores tilgang kombinerer AI’s analytiske kapaciteter med menneskelig strategisk indsigt, og sikrer, at vores kunder modtager både datadreven intelligens og tankefuld, kontekstuel vejledning til deres unikke udfordringer.

Dette samspil mellem AI-kapaciteter og menneskelig ekspertise giver mere værdifulde resultater end noget af dem alene.

Hvordan kan virksomheder effektivt udnytte AI til at tilpasse deres talentstrategier til deres langsigtede forretningsmål?

AI giver mulighed for at se og internalisere talentindsigt i stor skala, og giver HR- og TA-hold mulighed for at bygge en strategi, der opfylder fremtidige forretningsmål. Vi kan sammenligne dette proces med en bil, der kører til en destination, og hvad informationen chaufføren behøver for at komme dertil. I fortiden har organisationer fokuseret på mekanisk information inde i “bilen” – talentindsigt, de modtager fra deres egen forretning. AI-dreven talentanalyse giver virksomheder mulighed for at tænke på “kortet” og “destinationen” i denne analogi, hvor markedsvilkår og forretningsmål kan indgå i en strategi, fordi informationen er let tilgængelig.

Kan du forklare, hvordan AI-modeller hos TalentNeuron forudsiger arbejdsstyrkebehov og identificerer fremvoksende færdigheder?

AI-teknologi danner grundlaget for, hvordan vi forstår landskabet af færdigheder og arbejdsstyrkebehov. I dens kerne processor vores system millioner af globale jobannoncer dagligt, renser og analyserer denne enorme dataset for at afsløre detaljerede mønstre i færdighedsbehov på tværs af roller, lokaliteter og organisations typer.

Dette er virkelig kraftfuldt, fordi vores færdighedsevolutionsmodel ikke kun viser, hvilke færdigheder der er efterspurgte i dag – den kartografiserer færdigheder over en evolutionskurve, og identificerer tydeligt, hvilke færdigheder der er fremvoksende, hvilke der bliver kernekrav, og hvilke der bliver forældede. For vores Fortune 2000-kunder giver dette en unik indsigt i, hvor bestemte roller er på vej hen, og hvilke færdigheder de skal bygge ind i deres arbejdsstyrke.

Vi har også gjort denne intelligens mere tilgængelig gennem vores AI-assistent, Synappy. I modsætning til typiske AI-chatbots henter Synappy eksklusivt fra vores data, så hver indsigt er baseret på virkelige bevis. Dette giver vores kunder mulighed for at hurtigt trække meningsfulde indsigt om talenttrends uden at skulle gennemgå rådata.

Hvilke trends ser du i, hvordan organisationer bruger AI til at føre an i færdighedsgab og forberede sig på fremtidige talentkrav?

Organisationer udnytter i stigende grad AI til at udføre scenarie-modellering og forudsige deres fremtidige arbejdsstyrkebehov. Med global arbejdsstyrke-synlighed kan organisationer identificere færdigheder, der ikke tidligere er blevet udnyttet. De arbejder med platforme som TalentNeuron for proaktivt at identificere, hvordan deres talentbehov vil udvikle sig på baggrund af fremgang i AI, automatisering og omfattende digital transformation. For eksempel er opkomsten af agens-ai, en model, der har intelligensen til at træffe uafhængige beslutninger inden for en arbejdsgang, ved at gøre visse menneskelige færdigheder forældede. Da omfanget og variationen af opgaver, der kan udføres af AI, stadig øges, bør organisationer planlægge for denne arbejdspladsrevolution.

Hvordan hjælper AI virksomheder med at forudse og tilpasse sig udviklingen i globale arbejdsmarkedstrends?

AI udstyrer virksomheder med realtids-arbejdsmarked-intelligens, der giver dem mulighed for at forudse ændringer i talenttilgængelighed, løntrends og færdighedsefterspørgsel. En AI-understøttet talentanalyse-platform integrerer tidligere og nuværende data for at give en 360-graders oversigt over arbejdsmarkedet. Organisationer kan derefter træffe beslutninger om passende lokaliteter for udvidelse eller indsigt i, hvilke hybrid-arbejdsmodeller der vil være mest attraktive for den målrettede professionelle gruppe.

Hvordan kan organisationer integrere AI-drevne indsigt i deres eksisterende systemer for mere effektiv rekruttering og arbejdsstyrkeplanlægning?

Arbejdet med en platform som TalentNeuron giver organisationer mulighed for at forbedre deres nuværende talenttilgange ved at få indsigt i, hvilke færdigheder de har, hvilke færdigheder de behøver for at nå deres forretningsmål, og hvordan og hvor de vil opnå dette. En del af denne proces kan indebære API-integration, hvor arbejdsmarkeddata kobles direkte til HR-systemer og beslutningsplatforme. For mindre involverede indsigt giver værktøjer som Synappy organisationer mulighed for at stille specifikke arbejdsmarkedsspørgsmål og inkorporere enkle svar direkte i strategier.

Kan du dele eksempler på, hvordan TalentNeurons data har hjulpet organisationer med at træffe betydningsfulde beslutninger om arbejdsstyrke lokalitet og diversitetsstrategier?

Et eksempel er vores seneste arbejde med Baton Rouge Health District. Det netværk af otte sundhedsfaciliteter i Baton Rouge, LA, havde svært ved at rekruttere personale til adskillige roller, og kæmpede med en aftagende befolkning, mere attraktive sundhedsarbejdsmuligheder andre steder, og medlemsfaciliteter, der rekrutterede talent fra andre medlemmer i stedet for fra udenfor distriktet. AI-drevne indsigt klargjorde de centrale udfordringer, hvilke færdigheder der var mest nødvendige, og hvilke geografiske lokaliteter uden for Baton Rouge, hvor talent kunne rekrutteres fra.

Vi arbejder også med Beamery, den førende AI-platform for talentstyring, for at tilpasse vores realtids-arbejdsmarkeddata med Beamerys færdighedsdata. Dette giver HR-hold mulighed for at træffe bedre beslutninger på tværs af rekruttering, arbejdsstyrke- og successionplanlægning. Vi arbejder også med AI-drevne jobannonceringsmotorer som Joveo for at præsentere de indsigt, organisationer behøver for at skabe præcise og nøjagtige jobbeskrivelser.

Arbejdsstyrke-diversitet har været en velkommen konsekvens af vores arbejde med at hjælpe organisationer med at rekruttere efter færdighed i stedet for efter rolle. Med en luftfartsvirksomhed hjalp vi dem med at identificere de ingeniørfærdigheder, de havde brug for at rekruttere, og derefter se uden for luftfartsindustrien for at tiltrække ansøgere fra bilindustrien. Vores AI-afledte data hjælper organisationer med at nå utilgængelige talentpools og gøre deres rekrutteringsstrategier mere inklusiv og tilpasset deres DEI-mål.

Hvad er de potentielle risici eller begrænsninger ved at være meget afhængig af AI til talentanalyse, og hvordan kan virksomheder mindske dem?

En potentiel risiko er overafhængighed af AI uden menneskelig oversigt, hvilket kan føre til fordomsfuld beslutningstagning, hvis den underliggende data er ufuldstændig eller fordrejet. For at mindske dette inkluderer vores konsulenttjeneste ekspertise fra hele HR-området, så vi kan fuldt ud kombinerer data-drevne indsigt med menneskelig viden i vores arbejdsstyrke-transformationløsning.

Hvordan ser du AI-forme arbejdsstyrke-agilitet over de næste ti år?

AI vil fortsætte med at forbedre arbejdsstyrkeplanlægning og give organisationer mulighed for at reagere med mere agilitet på markedets behov. Da AI bliver mere avanceret, vil det mere effektivt give virksomheder mulighed for at forudse markedforstyrrelser og identificere den rette færdighedsapproach. Organisationer vil kunne beslutte, om de skal “købe” en færdighed fra udenfor, “bygge” en færdighed indefra, “låne” en færdighed for at dække et midlertidigt gab, eller en kombination af disse tilgange, der er rette for deres kontekst. Med AI er de data, der kræves for at træffe disse beslutninger, klar og tilgængelig.

Tak for det gode interview, læsere, der ønsker at lære mere, skal besøge TalentNeuron.