CodeSignal lança Agentic Skills Intelligence para avaliar competências com base no trabalho cotidiano

Uma empresa pode saber quem concluiu um curso, adotou um assistente de IA ou ocupou determinado cargo sem saber quão bem essa pessoa consegue realizar o trabalho que tem pela frente. A CodeSignal busca preencher essa lacuna com Agentic Skills Intelligence, uma nova oferta que avalia o trabalho dos funcionários e conecta os perfis de competências resultantes a práticas e orientações personalizadas.

Anunciada como disponível de forma geral em 28 de outubro, a plataforma usa agentes especializados para avaliar o trabalho realizado em sistemas que os funcionários já utilizam, em vez de se basear em autoavaliações ou palavras-chave em currículos. Segundo a CodeSignal, o objetivo é oferecer às lideranças uma visão continuamente atualizada da proficiência da força de trabalho e uma forma de abordar as lacunas reveladas por essa visão.

O lançamento amplia a atuação da empresa em avaliação e aprendizagem para incluir o fluxo do trabalho cotidiano. Seu valor potencial está em conectar três atividades que muitas vezes permanecem separadas: reunir evidências de competências, identificar onde é necessário desenvolver habilidades e ajudar os funcionários a melhorar.

Avaliação do trabalho com base em uma matriz estruturada de competências

No anúncio, a CodeSignal cita sistemas como Gong, Salesforce, GitHub, Cursor, Claude, ChatGPT, Workday, Greenhouse e Google Workspace como fontes de trabalho que seus agentes podem avaliar. O trabalho é pontuado com base em matrizes estruturadas fundamentadas na psicologia industrial-organizacional, disciplina que estuda o comportamento e o desempenho no ambiente de trabalho.

A empresa apresenta esse processo como uma medida mais direta de proficiência do que a inferência de competências com base em um cargo, uma avaliação de desempenho ou um curso concluído. A produção de um funcionário passa a servir como evidência para um perfil de competências que pode ser atualizado à medida que novos trabalhos ficam disponíveis.

A CodeSignal cita mais de 21 milhões de avaliações de competências concluídas em sua plataforma como contexto para a abordagem de avaliação. Esse é um número acumulado da plataforma, e não a quantidade de funcionários já avaliados pelo produto recém-anunciado.

A distinção entre evidência e inferência é útil, mas não elimina a necessidade de julgamento. Uma amostra de trabalho precisa de fato revelar a competência avaliada, e a matriz precisa ser adequada à tarefa. Um resultado sólido produzido com o auxílio de IA, por exemplo, levanta questões sobre quais capacidades foram demonstradas: elaborar uma solução inicial, orientar um assistente, verificar o resultado ou combinar essas atividades de maneira eficaz.

Isso torna os critérios de avaliação subjacentes tão importantes quanto o número de sistemas conectados. Mais dados do ambiente de trabalho podem ampliar a cobertura, mas não tornam automaticamente visível toda competência nem determinam o quanto cada pessoa contribuiu para um resultado colaborativo.

Conexão entre lacunas de competências e práticas personalizadas

A vertente de desenvolvimento do Agentic Skills Intelligence usa o Cosmo, tutor de IA da CodeSignal, para oferecer práticas contextualizadas. A proposta é identificar uma lacuna de proficiência, proporcionar ao funcionário oportunidades relevantes para praticar e, em seguida, acompanhar se suas competências melhoram.

As Learn Academies existentes da CodeSignal dão contexto a essa abordagem. Elas combinam cursos, prática hands-on e avaliações integradas em programas guiados, com o Cosmo oferecendo feedback durante o aprendizado. A ênfase está em aplicar uma competência e acompanhar o progresso ao longo do caminho.

Os cursos de negócios da empresa ampliam a prática para além da programação, abrangendo atividades como conversas com clientes, tarefas de redação e análise financeira. Esse escopo mais amplo é importante para um produto voltado à força de trabalho: o desenvolvimento de competências pode envolver praticar uma apresentação de vendas ou exercitar o discernimento gerencial, além de resolver um problema técnico.

Por exemplo, um líder de vendas poderia usar o novo sistema para identificar em que aspectos uma equipe precisa de ajuda para apresentar um produto e, então, direcionar práticas personalizadas a esses funcionários. A CodeSignal apresenta esse caso como uma possível aplicação da plataforma, não como um resultado obtido por um cliente e divulgado no lançamento.

Para os funcionários, um resultado útil seria um plano de desenvolvimento específico. Uma pontuação é mais prática quando explica o que precisa melhorar e leva a um exercício voltado a essa necessidade. A eficácia do produto dependerá de quão bem essa conexão funcionar para diferentes cargos e tipos de trabalho.

Medição das competências em IA para além dos índices de adoção

A CodeSignal também apresenta o produto como uma forma de avaliar se o investimento em IA se traduz em um trabalho melhor. O anúncio cita uma pesquisa da empresa segundo a qual 84% das organizações ampliaram os investimentos em software de IA e 79% aumentaram o treinamento em IA no último ano, enquanto 79% não conseguiram medir o retorno desses gastos. A empresa também informa que seis em cada 10 gestores tomam decisões importantes sobre talentos com base em suposições e que 66% dos funcionários dizem nunca ter passado por uma avaliação formal de suas competências.

Esses dados foram divulgados pela CodeSignal. O comunicado fornecido não informa o tamanho da amostra nem a metodologia da pesquisa; por isso, os números devem ser entendidos como contexto para a tese da empresa sobre o produto, e não como uma medida abrangente de todos os empregadores.

A questão prática é, ainda assim, clara. Acompanhar o uso de assistentes pode mostrar que os funcionários adotaram uma ferramenta; diz menos sobre a capacidade deles de usá-la com eficácia. Avaliar o trabalho com base em critérios pertinentes pode ajudar as empresas a diferenciar o uso frequente de uma proficiência mais elevada.

Isso também criaria uma base mais significativa para os gastos com desenvolvimento do que apenas contabilizar a conclusão de cursos. Uma melhora mensurável em uma competência relevante é um sinal útil, embora ainda seja necessário considerar a função, o projeto e outros fatores que afetam o desempenho para traduzir essa melhora em retorno para a empresa.

Integrar insights sobre competências aos fluxos de trabalho existentes

A CodeSignal afirma que seu servidor MCP permite que as equipes façam perguntas sobre dados de competências e vagas a partir do assistente de IA de sua escolha. O Model Context Protocol oferece uma interface comum para conectar um assistente a ferramentas e informações externas; neste caso, o objetivo é tornar os insights sobre a força de trabalho acessíveis sem que os usuários precisem sair do assistente que costumam usar.

O anúncio também inclui análise de lacunas de competências nas organizações, planejamento da força de trabalho e inteligência de mercado sobre a demanda por profissionais, funções e faixas salariais. Essas são fontes de informação relacionadas, mas distintas: as tendências externas do mercado de trabalho descrevem a demanda fora da empresa, enquanto os perfis dos funcionários pretendem descrever as competências demonstradas dentro dela.

Os materiais existentes sobre inteligência de competências da CodeSignal descrevem benchmarking, análises em vários níveis e acompanhamento da aquisição de competências. O novo lançamento dá ênfase à avaliação contínua do trabalho e à conexão das evidências resultantes com o desenvolvimento individual.

A importância do contexto nas decisões sobre a força de trabalho

Informações mais atualizadas sobre competências podem ajudar um líder a encontrar especialistas internos para um projeto urgente, identificar uma necessidade de desenvolvimento ou planejar em quais áreas será necessário contratar. Isso também muda a importância dos materiais produzidos no dia a dia do trabalho: o conteúdo criado para concluir uma tarefa pode se tornar evidência usada para avaliar a proficiência de um funcionário.

Por isso, é importante que o processo de avaliação seja claro. Funcionários e gestores precisam entender quais trabalhos contribuem para um perfil, o que os critérios de avaliação medem e em que pontos as evidências são incompletas. A exposição limitada a uma tarefa não deve ser confundida com incapacidade demonstrada, e uma pontuação automatizada deve ser considerada em conjunto com o contexto em que o trabalho foi realizado.

O lançamento da CodeSignal aproxima a avaliação, as evidências do local de trabalho e a tutoria com IA em um ciclo de feedback mais integrado. A oportunidade está em tornar o desenvolvimento da força de trabalho mais específico e responsivo. O teste será verificar se esse ciclo produz evidências úteis e explicáveis das competências e ajuda os funcionários a desenvolver as capacidades que seu trabalho realmente exige.