David Wilkins, Chief Product, Marketing, and Strategy Officer at TalentNeuron – Intervju-serie

David Wilkins, Chief Product, Marketing, and Strategy Officer at TalentNeuron, er en erfaren seniorleder med over 20 års erfaring innen SaaS i menneskekapitalforvaltning. Han har en mangfoldig ledererfaring innen strategi, produktutvikling, markedsføring, salgsstøtte og salg.

TalentNeuron gir arbeidsstyrkeintelligens til å hjelpe organisasjoner optimalisere talentstrategier, finne kritiske ferdigheter og fremtidssikre sin arbeidsstyrke. Ved å bruke data fra over 28 000 kilder, gir det innsikt i arbeidsmarkedstrender, talenttilbud og -etterspørsel, og lokaliseringstrategi, og betjener Fortune 100-selskaper og globale bedrifter.

Hvordan revolusjonerer AI arbeidsstyrkeplanlegging og talentanalyse i dagens konkurranseutsatte arbeidsmarked?

De siste årene har markert en avgjørende transformasjon i arbeidsstyrkeintelligens. For TalentNeuron, har verden snudd i vår favør. Etter to tiår med å samle inn og katalogisere enorme mengder arbeidsmarkeddata, har AI låst opp evnen til å trekke ut utenforliggende innsikt i stor skala.

Hva gjør denne transformasjonen virkelig kraftfull er AI-s evne til å identifisere uventede talentparker og ferdighetsfordelinger i tidligere oversete geografiske områder. Overveur hvordan amerikanske selskaper oppdaget rike talentparker i tidligere sovjetstater etter Sovjetunionens sammenbrudd. Tidlige aktører fikk massive konkurransefordeler ved å identifisere og tilgå høyt kvalifisert IT- og ingeniørpersonale i fremvoksende teknologihuber over hele Russland, Ukraina og Baltikum. I dag hjelper AI organisasjoner med å oppdage lignende muligheter systematisk og i stor skala, og avdekker skjult talent som ellers kunne ha gått ubemerket forbi. Denne evnen til å gjenkjenne mønster gjør det mulig for selskaper å oppdage uregelmessigheter i globale arbeidsmarkeder som kan omformes til strategiske fordeler.

Jeg ser selv hvordan dette påvirker strategisk arbeidsstyrkeplanlegging. Organisasjoner kan nå ta mer informerte beslutninger om talentrekruttering og -håndtering, og også iverksette disse beslutningene med en ufattelig hastighet.

Hva er AI-s rolle som strategisk rådgiver for bedrifter som møter talentmangler og ferdighetsgap?

En AI-modells kraft ligger i dens evne til å levere en omfattende analyse av talenttilbud, -etterspørsel og fremvoksende ferdighetstrender – og gir organisasjoner en datadrevet grunnlag for strategisk beslutning. Denne intelligensen gjør det mulig for bedrifter å utvikle bevisbaserte talentstrategier, og interne og eksterne konsulenter kan bruke AI-avledede innsikt til å håndtere ferdighetsgap gjennom målrettede opplærings-, omstillings- eller rekrutteringsinitiativer.

Det er likevel viktig å forstå at AI tjener som en muliggjører, ikke en erstatning for strategisk veiledning. Hos TalentNeuron, vårt arbeid med Fortune 2000-selskaper krever en sofistikert blanding av dataintelligens og menneskelig ekspertise. Mens AI utmerker seg i mønstergjenkjenning og dataanalyse, kommer den nuanserte forståelsen av organisatorisk kontekst, kultur og langsiktige forretningsmål fra vårt erfarne team. Vår tilnærming kombinerer AI-s analytiske evner med menneskelig strategisk innsikt, og sikrer at våre kunder mottar både datadrevet intelligens og thoughtful, kontekstuell veiledning for deres unike utfordringer.

Dette samspillet mellom AI-kapasiteter og menneskelig ekspertise gir mer verdifulle resultater enn hva noen av dem kunne ha oppnådd alene.

Hvordan kan selskaper effektivt utnytte AI for å tilpasse sine talentstrategier med sine langsiktige forretningsmål?

AI gir muligheten til å se og internalisere talentinnsikt i stor skala, og gjør det mulig for HR- og TA-team å bygge en strategi som møter fremtidige forretningsmål. Vi kan sammenligne denne prosessen med en bil som kjører til et bestemt mål, og hva slags informasjon sjåføren trenger for å komme dit. Tidligere har organisasjoner fokusert på mekanisk informasjon inne i “bilen” – talentinnsikt de mottar fra eget bedrift. AI-drevet talentanalyse gir selskaper muligheten til å tenke på “veikartet” og “destinasjonen” i denne analogien, hvor markedstilstander og forretningsmål kan faktorisere inn i en strategi fordi informasjonen er lett tilgjengelig.

Kan du forklare hvordan AI-modellene til TalentNeuron forutsier arbeidsstyrkebehov og identifiserer fremvoksende ferdigheter?

AI-teknologi utgjør grunnlaget for hvordan vi forstår landskapet av ferdigheter og arbeidsstyrkebehov. I kjernen av vårt system prosesserer vi millioner av globale stillingsannonser daglig, renser og analyserer denne enorme datasetten for å avdekke detaljerte mønster i ferdighetskrav over roller, lokasjoner og organisasjonstyper.

Hva gjør dette virkelig kraftfullt er vårt ferdighetsutviklingsmodell. Det viser ikke bare hva slags ferdigheter som er i etterspørsel i dag – det kartlegger ferdigheter over en evolusjonskurve, og identifiserer tydelig hvilke ferdigheter som er fremvoksende, hvilke som blir core-krav, og hvilke som blir foreldet. For våre Fortune 2000-kunder gir dette en unik oversikt over hvor bestemte roller er på vei, og hvilke evner de vil trenge å bygge inn i sin arbeidsstyrke.

Vi har også gjort denne intelligensen mer tilgjengelig gjennom vår AI-assistent, Synappy. I motsetning til typiske AI-chatboter, trekker Synappy eksklusivt fra våre data, så hver innsikt er grunnlagt i virkelige bevis. Dette betyr at våre kunder kan raskt trekke ut meningsfulle innsikt om talenttrender uten å måtte gå gjennom rådata.

Hva slags trender ser du i hvordan organisasjoner bruker AI for å holde seg foran ferdighetstap og forberede seg på fremtidige talentkrav?

Organisasjoner bruker stadig AI til å utføre scenariomodellering og forutsi fremtidige arbeidsstyrkebehov. Med global arbeidsstyrkeoversikt kan organisasjoner identifisere ferdigheter som tidligere ikke var tatt i bruk. De arbeider med plattformer som TalentNeuron for å proaktivt identifisere hvordan deres talentbehov vil utvikle seg basert på fremgang i AI, automatisering og omfattende digital transformasjon. For eksempel, oppblomstringen av agens AI, en modell som har intelligensen til å uavhengig fatte beslutninger i en arbeidsflyt, gjør visse menneskelige ferdigheter foreldede. Ettersom omfanget og variasjonen av oppgaver som kan fullføres av AI stadig øker, bør organisasjoner planlegge for denne arbeidsrevolusjonen.

Hvordan hjelper AI bedrifter med å forutse og tilpasse seg utviklingene i globale arbeidsmarkedstrender?

AI utstyrer bedrifter med sanntids arbeidsmarkedintelligens som gjør det mulig for dem å forutse endringer i talenttilgjengelighet, lønntrender og ferdighetskrav. En AI-støttet talentanalyseplattform integrerer tidligere og nåværende data for å gi en 360-graders oversikt over arbeidsmarkedet. Organisasjoner kan deretter fatte beslutninger om egnet lokalisering for ekspansjon eller innsikt i hvilke hybridarbeidsmodeller som vil være mest attraktive for målgruppen.

Hvordan kan organisasjoner integrere AI-drevne innsikt i sine eksisterende systemer for mer effektiv rekruttering og arbeidsstyrkeplanlegging?

Sammen med en plattform som TalentNeuron kan organisasjoner forbedre sine nåværende talenttilnærminger ved å få oversikt over hvilke ferdigheter de har, hvilke ferdigheter de trenger for å nå sine forretningsmål, og hvordan og hvor de vil oppnå dette. En del av denne prosessen kan innebære API-integrasjon, kobling av arbeidsmarkeddata direkte til HR-systemer og beslutningsplattformer. For mindre involverte innsikt kan verktøy som Synappy gi organisasjoner muligheten til å stille spesifikke arbeidsmarkedsspørsmål og inkorporere enkle svar direkte i strategier.

Kan du dele eksempler på hvordan TalentNeurons data har hjulpet organisasjoner med å fatte betydningsfulle beslutninger om arbeidsstyrkelokalisering og diversitetsstrategier?

Ett eksempel er vårt nylige arbeid med Baton Rouge Health District. Nettverket av åtte helsefasiliteter i Baton Rouge, LA, hadde vanskeligheter med å rekruttere personale over flere roller, og måtte kjempe mot en nedadgående befolkning, mer attraktive helsearbeidmuligheter andre steder, og medlemsfasiliteter som rekrutterte talent fra andre medlemmer i stedet for utenfor distriktet. AI-drevne innsikt avdekket de nøkkelutfordringene, hvilke ferdigheter som var mest nødvendige og hvilke geografiske lokasjoner utenfor Baton Rouge talent kunne rekrutteres fra.

Vi arbeider også med Beamery, den ledende AI-plattformen for talentledelse, for å tilpasse vår sanntids arbeidsmarkeddata med Beamerys ferdighetdata. Dette gjør det mulig for HR-team å fatte bedre beslutninger over rekruttering, arbeidsstyrke- og suksessionsplanlegging. Vi arbeider også med AI-drevne jobbannonse-motoren Joveo for å presentere innsiktene organisasjoner trenger for å lage presise og nøyaktige jobbannonser.

Arbeidsstyrkediversitet har vært et velkommen resultat av vårt arbeid med å hjelpe organisasjoner med å rekruttere etter ferdighet i stedet for rolle. Med ett luftfartsselskap hjalp vi dem med å identifisere de ingeniørferdighetene de trengte å rekruttere, og så se utenfor luftfartsindustrien for å trekke kandidater fra bilindustrien. Vår AI-avledede data hjelper organisasjoner med å nå utilgjengelige talentparker, og muliggjør mer inkluderende rekrutteringsstrategier som er i tråd med deres DEI-mål.

Hva er de potensielle risikoene eller begrensningene ved å være avhengig av AI for talentanalyse, og hvordan kan bedrifter mildne disse?

En potensiell risiko er overavhengighet av AI uten menneskelig tilsyn, noe som kan føre til forvrengt beslutningstaking hvis underliggende data er ufullstendig eller skjev. For å mildne dette, inkluderer vår konsulenttjeneste ekspertise fra hele HR-området, så vi kan fullstendig kombinere data-drevne innsikt med menneskelig kunnskap i vår arbeidsstyrke-transformasjonsløsning.

Hvordan ser du på hvordan AI vil forme arbeidsstyrkeevnen over de neste ti årene?

AI vil fortsette å støtte arbeidsstyrkeplanlegging og gjøre det mulig for organisasjoner å reagere med mer fleksibilitet på markedets behov. Ettersom AI blir mer sofistikert, vil det mer effektivt muliggjøre bedrifter å forutse markedets forstyrrelser og identifisere den riktige ferdighets tilnærmingen for dem. Organisasjoner vil kunne bestemme om de trenger å “kjøpe” en ferdighet fra utsiden, “bygge” en ferdighet fra innen, “låne” en ferdighet for å fylle en midlertidig lukke, eller en kombinasjon av tilnærmingene som er riktige for deres kontekst. Med AI er dataene nødvendige for å fatte disse beslutningene klare og tilgjengelige.

Takk for det flotte intervjuet, lesere som ønsker å lære mer bør besøke TalentNeuron.