CodeSignal запускает Agentic Skills Intelligence для оценки навыков на основе повседневной работы

Компания может знать, кто прошёл курс, начал пользоваться ИИ-помощником или занимал определённую должность, но не знать, насколько хорошо этот человек справится с предстоящей работой. CodeSignal стремится устранить этот пробел с помощью Agentic Skills Intelligence — нового решения, которое оценивает работу сотрудников и связывает полученные профили навыков с персонализированными практическими заданиями и наставничеством.

Платформа, объявленная общедоступной 28 октября, использует специализированных агентов для оценки результатов работы в системах, которыми сотрудники уже пользуются, вместо того чтобы полагаться на самооценки или ключевые слова в резюме. По словам CodeSignal, цель — дать руководителям постоянно обновляемую картину уровня компетенций персонала и возможность устранять выявленные пробелы.

Этот запуск расширяет деятельность компании в области оценки и обучения, перенося её непосредственно в повседневный рабочий процесс. Потенциальная ценность решения заключается в объединении трёх процессов, которые часто остаются разрозненными: сбора свидетельств компетентности, определения потребностей в развитии и помощи сотрудникам в совершенствовании навыков.

Оценка работы по структурированной системе критериев для навыков

В анонсе CodeSignal среди систем, результаты работы в которых могут оценивать агенты, названы Gong, Salesforce, GitHub, Cursor, Claude, ChatGPT, Workday, Greenhouse и Google Workspace. Результаты оцениваются по структурированным критериям, основанным на индустриально-организационной психологии — дисциплине, изучающей поведение и эффективность работы в организациях.

Компания представляет этот процесс как более прямой способ оценить уровень компетенций, чем выводить навыки из должности, оценки эффективности или пройденного курса. Результаты работы сотрудника становятся основанием для профиля навыков, который можно обновлять по мере появления новых рабочих материалов.

В качестве контекста для используемого подхода к оценке CodeSignal приводит данные о том, что на платформе было проведено более 21 миллиона оценок навыков. Это совокупный показатель по платформе, а не число сотрудников, уже оценённых с помощью только что представленного продукта.

Различие между свидетельствами и выводами полезно, но оно не отменяет необходимости выносить суждения. Рабочий пример должен действительно показывать оцениваемый навык, а критерии должны соответствовать задаче. Например, высокий результат, достигнутый с помощью ИИ, ставит вопрос о том, какие именно способности были продемонстрированы: умение написать первоначальное решение, дать указания помощнику, проверить его ответ или эффективно сочетать эти действия.

Поэтому критерии оценки не менее важны, чем количество подключённых систем. Больше данных о работе может расширить охват, но это не означает, что каждый навык автоматически станет заметен или что можно будет определить вклад конкретного человека в совместный результат.

Связь между пробелами в навыках и персонализированной практикой

Для развития навыков Agentic Skills Intelligence использует Cosmo, ИИ-тьютора CodeSignal, который предлагает практические задания с учётом контекста. Предполагаемый цикл таков: выявить пробел в уровне компетенций, предоставить сотруднику подходящие возможности для практики, а затем отслеживать, улучшаются ли его навыки.

Существующие учебные программы Learn Academies CodeSignal дают представление о таком подходе. Они объединяют курсы, практические задания и встроенные оценки в структурированные программы, а Cosmo предлагает обратную связь в процессе обучения. Основное внимание уделяется применению навыка и отслеживанию прогресса на каждом этапе.

Курсы для бизнеса компании расширяют практику за пределы программирования, охватывая такие занятия, как общение с клиентами, письменные задания и финансовый анализ. Для продукта, предназначенного для персонала в целом, широта охвата имеет значение: развитие навыков может включать отработку презентации для продажи или развитие управленческого суждения наряду с решением технической задачи.

Например, руководитель отдела продаж может использовать новую систему, чтобы определить, кому в команде нужна помощь в презентации продукта, а затем назначить этим сотрудникам персонализированные практические задания. CodeSignal приводит этот сценарий как пример применения платформы, а не как опубликованный результат её использования клиентом после запуска.

Для сотрудников полезным результатом стал бы конкретный план развития. Оценка практичнее, если она объясняет, что нужно улучшить, и предлагает упражнение, направленное на это. Эффективность продукта будет зависеть от того, насколько хорошо такая связь работает для разных должностей и видов деятельности.

Оценка возможностей работы с ИИ, а не только числа пользователей

CodeSignal также представляет продукт как способ проверить, приводит ли инвестиции в ИИ к улучшению результатов работы. В анонсе приводятся результаты исследования компании: за последний год 84% организаций увеличили инвестиции в программное обеспечение на основе ИИ, а 79% расширили обучение работе с ИИ, при этом 79% не смогли измерить отдачу от этих расходов. Кроме того, сообщается, что шесть из десяти руководителей принимают важные кадровые решения, полагаясь на догадки, а 66% сотрудников говорят, что их навыки никогда не оценивали официально.

Это данные, представленные CodeSignal. В опубликованном релизе не указаны размер выборки и методология опроса, поэтому эти цифры следует воспринимать как контекст для обоснования продукта компанией, а не как всестороннюю оценку всех работодателей.

Практический вопрос, тем не менее, очевиден. Отслеживание использования помощников показывает, приняли ли сотрудники инструмент в работу, но меньше говорит о том, умеют ли они эффективно им пользоваться. Оценка работы по соответствующим критериям могла бы помочь работодателям отличать частое использование инструмента от более высокого уровня владения им.

Это также стало бы более содержательной основой для расходов на развитие сотрудников, чем один лишь подсчёт завершённых курсов. Измеримый рост уровня владения актуальным навыком — полезный показатель, однако, чтобы оценить его влияние на бизнес, по-прежнему необходимо учитывать должность, проект и другие факторы, влияющие на результаты работы.

Как интегрировать аналитику навыков в существующие рабочие процессы

По словам CodeSignal, сервер MCP позволяет командам задавать вопросы о данных по навыкам и вакансиям через выбранного ими ИИ-помощника. Протокол контекста модели (Model Context Protocol) предоставляет единый интерфейс для подключения помощника к внешним инструментам и информации. В данном случае цель состоит в том, чтобы сделать аналитику о персонале доступной, не заставляя пользователей покидать привычный интерфейс помощника.

В анонсе также упоминаются анализ дефицита навыков в организации, планирование персонала и аналитика рынка труда: спрос на работников, должности и диапазоны оплаты. Это взаимосвязанные, но разные источники информации: тенденции внешнего рынка труда показывают спрос за пределами компании, а профили сотрудников призваны отражать подтверждённые навыки внутри неё.

В существующих материалах CodeSignal об аналитике навыков описаны сравнительный анализ, многоуровневая аналитика и отслеживание освоения навыков. В новом запуске акцент сделан на непрерывной оценке работы и использовании полученных данных для индивидуального развития.

Почему при принятии решений о персонале важен контекст

Более актуальная информация о навыках сотрудников могла бы помочь руководителю найти внутри компании специалиста для срочного проекта, выявить потребность в развитии или определить, где необходимо нанимать новых работников. Это также меняет значение повседневных рабочих материалов: результат, созданный для выполнения задачи, может стать свидетельством уровня владения сотрудником тем или иным навыком.

Поэтому важно обеспечить прозрачность процесса оценки. Сотрудники и руководители должны понимать, какие результаты работы учитываются в профиле, что именно измеряют критерии и где данных недостаточно. Ограниченный опыт выполнения задачи не следует принимать за доказательство неспособности её выполнить, а автоматизированную оценку нужно рассматривать с учётом обстоятельств, в которых была выполнена работа.

Запуск CodeSignal объединяет оценку навыков, свидетельства из рабочей практики и обучение с помощью ИИ в более тесный цикл обратной связи. Это даёт возможность сделать развитие персонала более адресным и гибким. Важно, позволит ли такой цикл получать полезные и понятные свидетельства уровня навыков и поможет ли сотрудникам развивать компетенции, действительно необходимые им в работе.