CodeSignal ने रोज़मर्रा के काम से कौशलों का आकलन करने के लिए Agentic Skills Intelligence लॉन्च किया

किसी कंपनी को यह पता हो सकता है कि किसने कोई पाठ्यक्रम पूरा किया है, एआई सहायक अपनाया है या किसी खास पद पर काम किया है—लेकिन यह नहीं कि वह व्यक्ति आगे का काम कितनी अच्छी तरह कर सकता है। CodeSignal अपने नए उत्पाद Agentic Skills Intelligence के ज़रिए इस कमी को दूर करने की कोशिश कर रहा है। यह कर्मचारियों के काम का आकलन करता है और उनसे तैयार कौशल-प्रोफ़ाइल को उनके लिए व्यक्तिगत अभ्यास और कोचिंग से जोड़ता है।

28 अक्टूबर को आम तौर पर उपलब्ध घोषित इस प्लेटफ़ॉर्म में विशेष एजेंट ऐसे सिस्टम से कर्मचारियों के काम का आकलन करते हैं, जिनका वे पहले से उपयोग करते हैं। यह तरीका कर्मचारियों की स्वयं दी गई रेटिंग या उनके रिज़्यूमे में मौजूद कीवर्ड पर निर्भर नहीं करता। CodeSignal का कहना है कि इसका लक्ष्य नेतृत्वकर्ताओं को कार्यबल की दक्षता की लगातार अद्यतन होती तस्वीर देना और उसमें सामने आने वाली कमियों को दूर करने का तरीका उपलब्ध कराना है।

इस लॉन्च के साथ कंपनी ने अपने आकलन और सीखने के कारोबार का विस्तार रोज़मर्रा के कामकाज तक किया है। इसकी संभावित उपयोगिता उन तीन गतिविधियों को जोड़ने में है जो अक्सर अलग-अलग रहती हैं: क्षमता के प्रमाण जुटाना, यह तय करना कि कहाँ विकास की ज़रूरत है, और कर्मचारियों को बेहतर बनने में मदद करना।

संरचित कौशल-मानदंडों के आधार पर काम का आकलन

CodeSignal की घोषणा में Gong, Salesforce, GitHub, Cursor, Claude, ChatGPT, Workday, Greenhouse और Google Workspace जैसे सिस्टम का उल्लेख है, जिनसे मिलने वाले काम का आकलन उसके एजेंट कर सकते हैं। काम को औद्योगिक-संगठनात्मक मनोविज्ञान पर आधारित संरचित मानदंडों के अनुसार अंक दिए जाते हैं। यह मनोविज्ञान का वह क्षेत्र है जो कार्यस्थलों में व्यवहार और प्रदर्शन का अध्ययन करता है।

कंपनी इस प्रक्रिया को किसी पदनाम, प्रदर्शन-समीक्षा या पूरे किए गए पाठ्यक्रम से कौशल का अनुमान लगाने की तुलना में दक्षता मापने का अधिक प्रत्यक्ष तरीका बताती है। कर्मचारी का काम कौशल-प्रोफ़ाइल का प्रमाण बनता है, जिसे नया काम उपलब्ध होने पर अद्यतन किया जा सकता है।

आकलन के इस तरीके की पृष्ठभूमि बताते हुए CodeSignal ने अपने प्लेटफ़ॉर्म पर पूरे किए गए 21 मिलियन से अधिक कौशल-आकलनों का हवाला दिया है। यह प्लेटफ़ॉर्म पर अब तक का कुल आँकड़ा है, न कि इस नए घोषित उत्पाद से आकलन किए जा चुके कर्मचारियों की संख्या।

प्रमाण और अनुमान के बीच का अंतर उपयोगी है, लेकिन इससे विवेकपूर्ण निर्णय की ज़रूरत खत्म नहीं होती। काम का नमूना वास्तव में उसी कौशल को उजागर करना चाहिए जिसका आकलन किया जा रहा है, और आकलन के मानदंड उस काम के अनुरूप होने चाहिए। उदाहरण के लिए, एआई की मदद से तैयार किया गया अच्छा नतीजा यह सवाल खड़ा करता है कि वास्तव में किन क्षमताओं का प्रदर्शन हुआ: शुरुआती समाधान लिखना, सहायक को दिशा देना, उसके परिणाम की जाँच करना या इन गतिविधियों को प्रभावी ढंग से मिलाकर करना।

इसलिए आकलन के आधारभूत मानदंड उतने ही अहम हैं जितनी कि जुड़े हुए सिस्टम की संख्या। कार्यस्थल से अधिक डेटा मिलने पर आकलन का दायरा बढ़ सकता है, लेकिन इससे हर कौशल अपने-आप दिखाई देने नहीं लगता और न ही यह पता चलता है कि मिलकर तैयार किए गए नतीजे में किसी व्यक्ति का योगदान कितना था।

कौशल की कमियों को व्यक्तिगत अभ्यास से जोड़ना

Agentic Skills Intelligence में विकास के लिए CodeSignal के एआई ट्यूटर Cosmo का उपयोग किया जाता है, जो संदर्भ के अनुरूप अभ्यास उपलब्ध कराता है। इसकी प्रस्तावित प्रक्रिया में पहले दक्षता की कमी पहचानी जाती है, फिर कर्मचारी को अभ्यास के उपयुक्त अवसर दिए जाते हैं और उसके बाद यह देखा जाता है कि उसके कौशल में सुधार हुआ या नहीं।

CodeSignal की मौजूदा Learn Academies इस तरीके की पृष्ठभूमि समझाती हैं। इनमें पाठ्यक्रम, व्यावहारिक अभ्यास और पाठ्यक्रम के भीतर शामिल आकलन को निर्देशित कार्यक्रमों में जोड़ा जाता है; सीखने के दौरान Cosmo प्रतिक्रिया देता है। ज़ोर कौशल को व्यवहार में लागू करने और इस दौरान प्रगति जाँचने पर है।

कंपनी के व्यावसायिक पाठ्यक्रम अभ्यास को प्रोग्रामिंग से आगे बढ़ाकर ग्राहक से बातचीत, लेखन-संबंधी कार्यों और वित्तीय विश्लेषण जैसी गतिविधियों तक ले जाते हैं। कार्यबल के लिए बने उत्पाद में यह व्यापक दायरा अहम है: कौशल-विकास में तकनीकी समस्या हल करने के साथ-साथ बिक्री की प्रस्तुति का अभ्यास करना या प्रबंधकीय निर्णय-क्षमता को आज़माना भी शामिल हो सकता है।

मिसाल के तौर पर, बिक्री क्षेत्र का कोई नेतृत्वकर्ता नई प्रणाली से यह पहचान सकता है कि टीम को उत्पाद पेश करने में कहाँ मदद की ज़रूरत है, और फिर उन कर्मचारियों को उनके अनुरूप अभ्यास दे सकता है। CodeSignal इसे प्लेटफ़ॉर्म के एक संभावित उपयोग के तौर पर पेश करता है, लॉन्च के बाद किसी ग्राहक को मिले नतीजे के रूप में नहीं।

कर्मचारियों के लिए इसका उपयोगी नतीजा विकास का एक स्पष्ट रास्ता होगा। कोई अंक तभी ज़्यादा काम का होता है जब वह बताए कि किस चीज़ में सुधार की ज़रूरत है और उस कमी को दूर करने वाला अभ्यास सुझाए। उत्पाद कितना प्रभावी होगा, यह इस बात पर निर्भर करेगा कि अलग-अलग भूमिकाओं और तरह के काम में यह जुड़ाव कितना कारगर रहता है।

एआई अपनाने की गिनती से आगे उसकी क्षमता का आकलन

CodeSignal इस उत्पाद को यह जाँचने के एक तरीके के रूप में भी पेश कर रहा है कि एआई में निवेश से बेहतर काम हो रहा है या नहीं। उसकी घोषणा में कंपनी के एक शोध का हवाला दिया गया है, जिसके अनुसार पिछले वर्ष 84% संगठनों ने एआई सॉफ़्टवेयर में निवेश बढ़ाया और 79% ने एआई प्रशिक्षण बढ़ाया, जबकि 79% इस खर्च पर मिले प्रतिफल को माप नहीं सके। रिपोर्ट में यह भी कहा गया है कि 10 में से 6 प्रबंधक प्रतिभा से जुड़े अहम फ़ैसले अनुमान के आधार पर लेते हैं और 66% कर्मचारियों का कहना है कि उनके कौशल का कभी औपचारिक आकलन नहीं किया गया।

ये निष्कर्ष CodeSignal की ओर से बताए गए हैं। उपलब्ध कराई गई विज्ञप्ति में सर्वेक्षण के नमूने का आकार या उसकी कार्यप्रणाली नहीं दी गई है। इसलिए इन आँकड़ों को कंपनी के उत्पाद संबंधी तर्क की पृष्ठभूमि के रूप में देखना चाहिए, न कि सभी नियोक्ताओं के व्यापक आकलन के रूप में।

फिर भी, व्यावहारिक सवाल स्पष्ट है। सहायक के उपयोग पर नज़र रखने से पता चल सकता है कि कर्मचारियों ने कोई उपकरण अपनाया है; लेकिन इससे यह कम पता चलता है कि वे उसका प्रभावी ढंग से उपयोग कर सकते हैं या नहीं। प्रासंगिक मानदंडों के आधार पर काम का मूल्यांकन करने से नियोक्ताओं को बार-बार उपयोग और अधिक दक्षता के बीच अंतर समझने में मदद मिल सकती है।

इससे केवल पाठ्यक्रम पूरा करने की संख्या गिनने के बजाय, विकास पर खर्च के लिए अधिक सार्थक आधार भी मिलेगा। किसी प्रासंगिक कौशल में मापा गया सुधार एक उपयोगी संकेत है, हालांकि उस सुधार को व्यावसायिक लाभ में बदलने के लिए भूमिका, परियोजना और प्रदर्शन को प्रभावित करने वाले अन्य कारकों पर भी ध्यान देना आवश्यक है।

कौशल संबंधी अंतर्दृष्टि को मौजूदा कार्यप्रवाहों में शामिल करना

CodeSignal का कहना है कि उसका MCP सर्वर टीमों को अपनी पसंद के एआई सहायक से कौशल और नौकरियों से जुड़े डेटा के बारे में सवाल पूछने देता है। Model Context Protocol, किसी सहायक को बाहरी टूल और जानकारी से जोड़ने के लिए एक साझा इंटरफ़ेस उपलब्ध कराता है; यहाँ इसका उद्देश्य कार्यबल से जुड़ी अंतर्दृष्टि को इस तरह सुलभ बनाना है कि उपयोगकर्ताओं को अपने सामान्य सहायक से बाहर न जाना पड़े।

घोषणा में संगठन के कौशल-अंतर का विश्लेषण, कार्यबल नियोजन और नियुक्तियों की मांग, भूमिकाओं तथा वेतन-सीमाओं से जुड़ी बाज़ार संबंधी जानकारी भी शामिल है। ये आपस में संबंधित, लेकिन अलग-अलग जानकारी के स्रोत हैं: बाहरी श्रम-बाज़ार के रुझान कंपनी से बाहर की मांग बताते हैं, जबकि कर्मचारी प्रोफ़ाइल का उद्देश्य कंपनी के भीतर प्रदर्शित क्षमताओं का विवरण देना है।

मौजूदा CodeSignal की कौशल संबंधी अंतर्दृष्टि सामग्री में तुलनात्मक मानक तय करना, कई स्तरों पर विश्लेषण और कौशल अर्जन पर नज़र रखना शामिल है। नई पेशकश में काम का लगातार मूल्यांकन करने और उससे मिले साक्ष्यों को व्यक्तिगत विकास से जोड़ने पर ज़ोर दिया गया है।

कार्यबल से जुड़े फैसलों में संदर्भ का महत्व

कौशल की अधिक अद्यतन जानकारी किसी नेता को किसी तात्कालिक परियोजना के लिए संगठन के भीतर विशेषज्ञता खोजने, विकास की ज़रूरत पहचानने या यह तय करने में मदद कर सकती है कि कहाँ भर्ती आवश्यक है। इससे रोज़मर्रा के काम से बनी सामग्री का महत्व भी बदल जाता है: किसी काम को पूरा करने के लिए तैयार की गई सामग्री कर्मचारी की दक्षता का आकलन करने में इस्तेमाल होने वाला साक्ष्य बन सकती है।

इसलिए मूल्यांकन प्रक्रिया को स्पष्ट रखना महत्वपूर्ण है। कर्मचारियों और प्रबंधकों को यह समझना चाहिए कि किसी प्रोफ़ाइल में कौन-सा काम शामिल होता है, मूल्यांकन के मानदंड क्या मापते हैं और कहाँ साक्ष्य अधूरे हैं। किसी काम का सीमित अनुभव, उसे करने में अक्षमता का प्रमाण नहीं माना जाना चाहिए; साथ ही, स्वचालित स्कोर पर उस संदर्भ के साथ विचार किया जाना चाहिए जिसमें काम किया गया था।

CodeSignal की नई पेशकश मूल्यांकन, कार्यस्थल के साक्ष्यों और एआई ट्यूशन को एक अधिक निकट प्रतिक्रिया-चक्र में जोड़ती है। इससे कार्यबल का विकास अधिक विशिष्ट और ज़रूरत के प्रति अधिक उत्तरदायी बनाने का अवसर मिलता है। कसौटी यह है कि क्या यह चक्र कौशल के उपयोगी और व्याख्या योग्य साक्ष्य तैयार करता है और कर्मचारियों को वे क्षमताएँ विकसित करने में मदद करता है जिनकी उनके काम को वास्तव में ज़रूरत है।