CodeSignal wprowadza Agentic Skills Intelligence, aby oceniać umiejętności na podstawie codziennej pracy

Firma może wiedzieć, kto ukończył kurs, zaczął korzystać z asystenta AI lub piastował określone stanowisko, nie wiedząc przy tym, jak dobrze dana osoba poradzi sobie z czekającą ją pracą. CodeSignal chce wypełnić tę lukę za pomocą Agentic Skills Intelligence — nowego rozwiązania, które ocenia pracę pracowników i łączy uzyskane profile umiejętności z indywidualnie dobranymi ćwiczeniami i coachingiem.

Platformę, ogłoszoną jako powszechnie dostępną 28 października, wyposażono w wyspecjalizowane agenty oceniające pracę na podstawie danych z systemów, z których pracownicy już korzystają, zamiast polegać na samoocenie lub słowach kluczowych w CV. Jak podaje CodeSignal, celem jest zapewnienie liderom aktualizowanego na bieżąco obrazu kompetencji pracowników oraz sposobu na uzupełnianie ujawnionych braków.

Wprowadzenie produktu rozszerza działalność firmy w obszarze oceniania i nauki o codzienny tok pracy. Jego potencjalna wartość polega na połączeniu trzech działań, które często pozostają od siebie oddzielone: gromadzenia dowodów kompetencji, ustalania potrzeb rozwojowych i wspierania pracowników w doskonaleniu umiejętności.

Ocena pracy według ustrukturyzowanej rubryki kompetencji

W komunikacie CodeSignal wymienia między innymi Gong, Salesforce, GitHub, Cursor, Claude, ChatGPT, Workday, Greenhouse i Google Workspace jako źródła danych o pracy, którą mogą oceniać agenty platformy. Praca jest oceniana według ustrukturyzowanych rubryk opartych na psychologii przemysłowej i organizacyjnej — dziedzinie zajmującej się zachowaniem i wynikami w środowisku pracy.

Firma przedstawia ten proces jako bardziej bezpośredni sposób pomiaru kompetencji niż wnioskowanie o umiejętnościach na podstawie stanowiska, oceny okresowej lub ukończonego kursu. Wyniki pracy pracownika stają się dowodem uwzględnianym w profilu umiejętności, który można aktualizować w miarę pojawiania się nowych przykładów pracy.

Jako kontekst dla podejścia do oceny CodeSignal podaje, że na całej platformie przeprowadzono ponad 21 milionów ocen umiejętności. Jest to łączna liczba z całej platformy, a nie liczba pracowników ocenionych już za pomocą nowo zapowiedzianego produktu.

Rozróżnienie między dowodami a wnioskowaniem jest przydatne, ale nie eliminuje potrzeby osądu. Przykład pracy musi rzeczywiście ujawniać ocenianą umiejętność, a rubryka musi być dopasowana do zadania. Dobry wynik uzyskany przy wsparciu AI rodzi na przykład pytania o to, jakie kompetencje zostały wykazane: napisanie wstępnego rozwiązania, kierowanie asystentem, sprawdzenie jego wyników czy skuteczne połączenie tych działań.

Dlatego kryteria leżące u podstaw oceny są równie ważne jak liczba podłączonych systemów. Większa ilość danych z miejsca pracy może poszerzyć zakres oceny, ale nie sprawia automatycznie, że każda umiejętność staje się widoczna, ani nie pozwala ustalić, jaki był wkład danej osoby we wspólny rezultat.

Łączenie luk kompetencyjnych z indywidualnie dobranymi ćwiczeniami

Rozwojowa część Agentic Skills Intelligence wykorzystuje Cosmo, korepetytora AI od CodeSignal, do oferowania ćwiczeń dostosowanych do kontekstu. Zakładany proces polega na identyfikacji luki w kompetencjach, zapewnieniu pracownikowi odpowiednich możliwości ćwiczenia, a następnie śledzeniu, czy jego umiejętności się poprawiają.

Dotychczasowe akademie Learn CodeSignal stanowią kontekst dla tego podejścia. Łączą kursy, praktyczne ćwiczenia i wbudowane oceny w programy prowadzone według określonego planu, a Cosmo przekazuje informacje zwrotne podczas nauki. Nacisk położono na stosowanie umiejętności w praktyce i monitorowanie postępów na kolejnych etapach.

Kursy biznesowe firmy rozszerzają zakres ćwiczeń poza programowanie, obejmując takie działania jak rozmowy z klientami, zadania pisemne i analizy finansowe. Szerszy zakres ma znaczenie w przypadku rozwiązania przeznaczonego dla pracowników: rozwijanie umiejętności może obejmować ćwiczenie prezentacji sprzedażowej lub doskonalenie osądu menedżerskiego, a także rozwiązywanie problemu technicznego.

Na przykład dyrektor sprzedaży mógłby wykorzystać nowy system, aby ustalić, w jakim zakresie zespół potrzebuje wsparcia w prezentowaniu produktu, a następnie skierować odpowiednio dobrane ćwiczenia do tych pracowników. CodeSignal przedstawia to jako przykład zastosowania platformy, a nie ujawniony rezultat wdrożenia u klienta.

Dla pracowników użytecznym rezultatem byłaby konkretna ścieżka rozwoju. Wynik oceny jest bardziej przydatny, gdy wyjaśnia, co wymaga poprawy, i prowadzi do ćwiczenia, które odpowiada na tę potrzebę. Skuteczność produktu będzie zależeć od tego, jak dobrze to powiązanie sprawdzi się w przypadku różnych stanowisk i rodzajów pracy.

Pomiar kompetencji w zakresie AI wykraczający poza liczbę użytkowników

CodeSignal przedstawia produkt również jako sposób na sprawdzenie, czy inwestycje w AI przekładają się na lepsze wyniki pracy. W komunikacie firma powołuje się na własne badania, według których w ciągu minionego roku 84% organizacji zwiększyło inwestycje w oprogramowanie AI, a 79% — nakłady na szkolenia z AI, podczas gdy 79% nie potrafiło zmierzyć zwrotu z tych wydatków. Podaje również, że sześciu na dziesięciu menedżerów podejmuje kluczowe decyzje dotyczące talentów na podstawie przypuszczeń, a 66% pracowników twierdzi, że nigdy nie przeprowadzono formalnej oceny ich umiejętności.

Są to wyniki przedstawione przez CodeSignal. Udostępniony komunikat nie podaje liczebności próby ani metodologii badania, dlatego dane te należy traktować jako kontekst dla założeń firmy dotyczących produktu, a nie jako kompleksowy obraz wszystkich pracodawców.

Praktyczne pytanie pozostaje jednak jasne. Śledzenie korzystania z asystenta może pokazać, że pracownicy zaczęli używać danego narzędzia, ale mówi mniej o tym, czy potrafią skutecznie z niego korzystać. Ocenianie pracy według odpowiednich kryteriów może pomóc pracodawcom odróżnić częste korzystanie z narzędzia od wyższego poziomu biegłości.

Pozwoliłoby to również lepiej planować wydatki na rozwój niż samo zliczanie ukończonych kursów. Zmierzona poprawa w zakresie istotnej umiejętności jest cennym sygnałem, choć przełożenie jej na korzyści biznesowe nadal wymaga uwzględnienia stanowiska, projektu i innych czynników wpływających na wyniki.

Włączanie informacji o kompetencjach do istniejących procesów pracy

CodeSignal informuje, że jego serwer MCP umożliwia zespołom zadawanie pytań dotyczących danych o kompetencjach i stanowiskach za pośrednictwem wybranego przez siebie asystenta AI. Model Context Protocol zapewnia wspólny interfejs łączący asystenta z zewnętrznymi narzędziami i informacjami; w tym przypadku celem jest udostępnienie informacji o zasobach kadrowych bez konieczności opuszczania używanego na co dzień asystenta.

Ogłoszenie obejmuje również analizę luk kompetencyjnych w organizacji, planowanie zatrudnienia oraz analizę rynku dotyczącą popytu na pracowników, stanowisk i przedziałów wynagrodzeń. Są to powiązane, lecz odrębne źródła informacji: zewnętrzne trendy na rynku pracy pokazują popyt poza firmą, natomiast profile pracowników mają opisywać wykazane w niej kompetencje.

Materiały dotyczące analizy kompetencji CodeSignal opisują analizę porównawczą, wielopoziomową analitykę i śledzenie nabywania kompetencji. Nowa oferta kładzie dodatkowy nacisk na ciągłą ocenę pracy i powiązanie uzyskanych w ten sposób dowodów z rozwojem poszczególnych osób.

Znaczenie kontekstu przy podejmowaniu decyzji dotyczących zasobów kadrowych

Bardziej aktualne informacje o kompetencjach mogą pomóc osobie zarządzającej znaleźć wewnętrznego eksperta do pilnego projektu, wskazać potrzebę rozwoju lub zaplanować, gdzie konieczna będzie rekrutacja. Zmieniają też znaczenie codziennych materiałów powstających w pracy: treści przygotowane w celu wykonania zadania mogą stać się dowodami wykorzystywanymi do oceny kompetencji pracownika.

Dlatego przejrzystość procesu oceny jest ważna. Pracownicy i menedżerowie powinni wiedzieć, jakie prace są uwzględniane w profilu, co mierzą kryteria oceny i w których miejscach brakuje dowodów. Ograniczone doświadczenie w wykonywaniu zadania nie powinno być utożsamiane z wykazaną niezdolnością do jego wykonania, a wynik automatycznej oceny należy rozpatrywać z uwzględnieniem kontekstu, w jakim powstała dana praca.

Nowa oferta CodeSignal zacieśnia pętlę informacji zwrotnej, łącząc ocenę, dowody z pracy i naukę wspomaganą przez AI. Stwarza to możliwość lepszego dopasowania rozwoju pracowników do ich potrzeb i szybszego reagowania na nie. Sprawdzianem będzie to, czy ta pętla dostarcza użytecznych i możliwych do wyjaśnienia dowodów kompetencji oraz pomaga pracownikom rozwijać umiejętności, których rzeczywiście wymaga ich praca.