CodeSignal Meluncurkan Agentic Skills Intelligence untuk Mengevaluasi Keterampilan dari Pekerjaan Sehari-hari

Perusahaan dapat mengetahui siapa yang telah menyelesaikan kursus, menggunakan asisten AI, atau menyandang jabatan tertentu tanpa mengetahui seberapa baik orang tersebut mampu mengerjakan tugas yang akan dihadapi. CodeSignal berupaya mengatasi kesenjangan itu dengan Agentic Skills Intelligence, penawaran baru yang mengevaluasi pekerjaan karyawan dan menghubungkan profil keterampilan yang dihasilkan dengan latihan serta pembinaan yang dipersonalisasi.

Platform ini diumumkan tersedia secara umum pada 28 Oktober. Platform tersebut menggunakan agen khusus untuk mengevaluasi pekerjaan dari sistem yang sudah digunakan karyawan, alih-alih mengandalkan penilaian diri atau kata kunci dalam resume. CodeSignal menyatakan bahwa tujuannya adalah memberi para pemimpin gambaran terkini tentang tingkat kemahiran tenaga kerja secara berkelanjutan, sekaligus cara untuk mengatasi kesenjangan yang terungkap dari gambaran tersebut.

Peluncuran ini memperluas bisnis asesmen dan pembelajaran perusahaan ke dalam alur kerja sehari-hari. Potensi nilainya terletak pada keterhubungan tiga kegiatan yang sering kali masih terpisah: mengumpulkan bukti kemampuan, menentukan area yang perlu dikembangkan, dan membantu karyawan meningkatkan kemampuan mereka.

Mengevaluasi Pekerjaan Berdasarkan Rubrik Keterampilan yang Terstruktur

Dalam pengumumannya, CodeSignal menyebut sistem seperti Gong, Salesforce, GitHub, Cursor, Claude, ChatGPT, Workday, Greenhouse, dan Google Workspace sebagai sumber pekerjaan yang dapat dievaluasi oleh agennya. Pekerjaan dinilai berdasarkan rubrik terstruktur yang berlandaskan psikologi industri-organisasi, bidang yang mengkaji perilaku dan kinerja di tempat kerja.

Perusahaan ini memosisikan proses tersebut sebagai pengukuran kemahiran yang lebih langsung daripada menyimpulkan keterampilan berdasarkan jabatan, tinjauan kinerja, atau kursus yang telah diselesaikan. Hasil kerja seorang karyawan menjadi bukti untuk profil keterampilan yang dapat diperbarui saat pekerjaan baru tersedia.

CodeSignal menyebut lebih dari 21 juta evaluasi keterampilan yang telah diselesaikan di seluruh platformnya sebagai landasan pendekatan asesmen tersebut. Angka itu merupakan akumulasi di platform, bukan jumlah karyawan yang telah dievaluasi oleh produk yang baru diumumkan ini.

Perbedaan antara bukti dan kesimpulan memang bermanfaat, tetapi tidak menghilangkan perlunya pertimbangan. Contoh hasil kerja harus benar-benar menunjukkan keterampilan yang dinilai, dan rubriknya harus sesuai dengan tugas tersebut. Misalnya, hasil yang baik dengan bantuan AI menimbulkan pertanyaan tentang kemampuan apa yang ditunjukkan: menyusun solusi awal, mengarahkan asisten, memeriksa hasilnya, atau memadukan kegiatan-kegiatan tersebut secara efektif.

Karena itu, kriteria asesmen yang mendasarinya sama pentingnya dengan jumlah sistem yang terhubung. Data tempat kerja yang lebih banyak dapat memperluas cakupan, tetapi tidak serta-merta membuat setiap keterampilan terlihat atau memastikan seberapa besar kontribusi seseorang terhadap hasil kerja kolaboratif.

Menghubungkan Kesenjangan Keterampilan dengan Latihan yang Dipersonalisasi

Bagian pengembangan Agentic Skills Intelligence menggunakan Cosmo, tutor AI CodeSignal, untuk menyediakan latihan yang disesuaikan dengan konteks. Siklus yang dirancang adalah mengidentifikasi kesenjangan kemahiran, memberi karyawan kesempatan yang relevan untuk berlatih, lalu memantau apakah keterampilan mereka meningkat.

Learn Academies yang sudah dimiliki CodeSignal memberikan konteks bagi pendekatan tersebut. Program ini memadukan kursus, latihan langsung, dan asesmen terintegrasi dalam program terpandu, dengan Cosmo yang memberikan umpan balik selama proses pembelajaran. Penekanannya adalah pada penerapan keterampilan dan pemantauan kemajuan selama proses berlangsung.

Kursus bisnis perusahaan ini memperluas cakupan latihan di luar pemrograman hingga mencakup kegiatan seperti percakapan dengan pelanggan, tugas menulis, dan analisis keuangan. Cakupan yang lebih luas ini penting bagi produk untuk tenaga kerja: pengembangan keterampilan dapat mencakup latihan mempresentasikan penawaran penjualan atau mengasah pertimbangan manajerial, selain memecahkan masalah teknis.

Sebagai contoh, seorang pemimpin penjualan dapat menggunakan sistem baru ini untuk mengidentifikasi bagian yang perlu dibantu oleh tim saat mempresentasikan produk, lalu mengarahkan latihan yang disesuaikan kepada karyawan tersebut. CodeSignal menyajikannya sebagai contoh penggunaan platform, bukan sebagai hasil yang telah dicapai pelanggan dan diungkapkan dalam peluncuran ini.

Bagi karyawan, hasil yang bermanfaat adalah jalur pengembangan yang spesifik. Skor akan lebih mudah ditindaklanjuti jika menjelaskan hal yang perlu ditingkatkan dan mengarah pada latihan untuk mengatasinya. Efektivitas produk ini akan bergantung pada seberapa baik hubungan tersebut terjaga di berbagai jabatan dan jenis pekerjaan.

Mengukur Kemampuan AI, Bukan Sekadar Jumlah Pengguna

CodeSignal juga memosisikan produk ini sebagai cara untuk mengkaji apakah investasi AI menghasilkan pekerjaan yang lebih baik. Pengumumannya mengutip riset perusahaan yang menunjukkan bahwa 84% organisasi meningkatkan investasi pada perangkat lunak AI dan 79% meningkatkan pelatihan AI selama setahun terakhir, sementara 79% tidak dapat mengukur imbal hasil dari pengeluaran tersebut. CodeSignal juga melaporkan bahwa enam dari 10 manajer membuat keputusan penting terkait talenta berdasarkan perkiraan, dan 66% karyawan mengatakan keterampilan mereka belum pernah dinilai secara formal.

Temuan tersebut dilaporkan oleh CodeSignal. Rilis yang disediakan tidak mencantumkan ukuran sampel atau metodologi survei, sehingga angka-angka itu sebaiknya dipahami sebagai konteks bagi dasar pemikiran produk perusahaan, bukan sebagai ukuran menyeluruh untuk semua pemberi kerja.

Namun, pertanyaan praktisnya jelas. Melacak penggunaan asisten dapat menunjukkan bahwa karyawan telah mengadopsi suatu alat, tetapi tidak banyak menjelaskan apakah mereka mampu menggunakannya secara efektif. Menilai hasil kerja berdasarkan kriteria yang relevan dapat membantu pemberi kerja membedakan penggunaan yang sering dari kemahiran yang lebih tinggi.

Hal itu juga akan menjadi dasar yang lebih bermakna untuk belanja pengembangan daripada sekadar menghitung penyelesaian kursus. Peningkatan terukur dalam keterampilan yang relevan merupakan sinyal yang berguna, meskipun mengaitkan peningkatan tersebut dengan hasil bisnis tetap memerlukan perhatian terhadap jabatan, proyek, dan faktor lain yang memengaruhi kinerja.

Mengintegrasikan Wawasan Keterampilan ke dalam Alur Kerja yang Ada

CodeSignal menyatakan bahwa server MCP-nya memungkinkan tim mengajukan pertanyaan tentang data keterampilan dan pekerjaan melalui asisten AI pilihan mereka. Model Context Protocol menyediakan antarmuka umum untuk menghubungkan asisten dengan alat dan informasi eksternal; dalam hal ini, tujuannya adalah agar wawasan tentang tenaga kerja dapat diakses tanpa mengharuskan pengguna meninggalkan asisten yang biasa mereka gunakan.

Pengumuman tersebut juga mencakup analisis kesenjangan keterampilan organisasi, perencanaan tenaga kerja, dan intelijen pasar mengenai permintaan perekrutan, jabatan, serta rentang gaji. Semua itu merupakan sumber informasi yang saling berkaitan, tetapi berbeda: tren pasar tenaga kerja eksternal menggambarkan permintaan di luar perusahaan, sementara profil karyawan dimaksudkan untuk menggambarkan kemampuan yang telah dibuktikan di dalam perusahaan.

Materi intelijen keterampilan CodeSignal yang sudah ada menjelaskan pembandingan, analitik bertingkat, dan pelacakan perolehan keterampilan. Peluncuran baru ini menambahkan penekanan pada evaluasi pekerjaan secara berkelanjutan dan menghubungkan bukti yang dihasilkan dengan pengembangan individu.

Pentingnya Konteks dalam Pengambilan Keputusan tentang Tenaga Kerja

Informasi keterampilan yang lebih mutakhir dapat membantu pemimpin menemukan keahlian internal untuk proyek mendesak, mengidentifikasi kebutuhan pengembangan, atau merencanakan kebutuhan perekrutan. Hal itu juga mengubah arti artefak kerja sehari-hari: materi yang dihasilkan untuk menyelesaikan tugas dapat menjadi bukti yang digunakan untuk menilai kemahiran karyawan.

Karena itu, kejelasan tentang proses evaluasi menjadi penting. Karyawan dan manajer perlu memahami pekerjaan apa yang menjadi dasar suatu profil, apa yang diukur oleh rubrik, dan bagian mana yang buktinya belum lengkap. Minimnya paparan terhadap suatu tugas tidak seharusnya disamakan dengan ketidakmampuan yang telah terbukti, dan skor otomatis sebaiknya dipertimbangkan bersama konteks saat pekerjaan tersebut dilakukan.

Peluncuran CodeSignal mengintegrasikan penilaian, bukti dari tempat kerja, dan bimbingan AI ke dalam putaran umpan balik yang lebih erat. Peluangnya adalah menjadikan pengembangan tenaga kerja lebih terarah dan responsif. Tolok ukurnya adalah apakah putaran tersebut menghasilkan bukti keterampilan yang berguna dan dapat dijelaskan, serta membantu karyawan membangun kemampuan yang benar-benar dibutuhkan dalam pekerjaan mereka.