CodeSignal เปิดตัว Agentic Skills Intelligence เพื่อประเมินทักษะจากการทำงานในแต่ละวัน

บริษัทอาจทราบว่าใครเรียนจบหลักสูตร ใช้ผู้ช่วย AI หรือดำรงตำแหน่งงานใด แต่ไม่ทราบว่าบุคคลนั้นจะทำงานที่รออยู่ได้ดีเพียงใด CodeSignal มุ่งแก้ปัญหาช่องว่างนี้ด้วย Agentic Skills Intelligence ซึ่งเป็นบริการใหม่ที่ประเมินผลงานของพนักงาน และเชื่อมโยงโปรไฟล์ทักษะที่ได้เข้ากับการฝึกฝนและการโค้ชที่ปรับให้เหมาะกับแต่ละคน

แพลตฟอร์มนี้ประกาศเปิดให้ใช้งานทั่วไปเมื่อวันที่ 28 ตุลาคม โดยใช้เอเจนต์เฉพาะทางประเมินผลงานจากระบบที่พนักงานใช้อยู่แล้ว แทนการอาศัยการประเมินตนเองหรือคำสำคัญในประวัติย่อ CodeSignal ระบุว่าเป้าหมายคือการช่วยให้ผู้นำเห็นภาพระดับความชำนาญของบุคลากรที่อัปเดตอย่างต่อเนื่อง และมีแนวทางแก้ไขช่องว่างที่พบจากภาพดังกล่าว

การเปิดตัวครั้งนี้ต่อยอดธุรกิจด้านการประเมินและการเรียนรู้ของบริษัทให้ครอบคลุมการทำงานในแต่ละวันด้วย คุณค่าที่อาจเกิดขึ้นมาจากการเชื่อมกิจกรรมสามอย่างที่มักแยกจากกัน ได้แก่ การรวบรวมหลักฐานความสามารถ การพิจารณาว่าควรพัฒนาด้านใด และการช่วยให้พนักงานพัฒนาตนเอง

ประเมินผลงานตามเกณฑ์ทักษะที่มีโครงสร้างชัดเจน

ประกาศของ CodeSignal ระบุชื่อระบบต่าง ๆ ที่เป็นแหล่งข้อมูลสำหรับให้เอเจนต์ประเมินผลงาน ได้แก่ Gong, Salesforce, GitHub, Cursor, Claude, ChatGPT, Workday, Greenhouse และ Google Workspace โดยให้คะแนนผลงานตามเกณฑ์ที่มีโครงสร้างและอิงหลักจิตวิทยาอุตสาหกรรมและองค์การ ซึ่งเป็นศาสตร์ที่ศึกษาเกี่ยวกับพฤติกรรมและผลการปฏิบัติงานในสถานที่ทำงาน

บริษัทมองว่ากระบวนการนี้วัดระดับความชำนาญได้โดยตรงกว่าการอนุมานทักษะจากตำแหน่งงาน การประเมินผลการปฏิบัติงาน หรือหลักสูตรที่เรียนจบ ผลงานของพนักงานจะกลายเป็นหลักฐานประกอบโปรไฟล์ทักษะ ซึ่งสามารถปรับปรุงได้เมื่อมีผลงานใหม่ ๆ เข้ามา

CodeSignal อ้างถึงการประเมินทักษะมากกว่า 21 ล้านครั้งที่ดำเนินการผ่านแพลตฟอร์มของบริษัท เพื่อใช้เป็นข้อมูลประกอบแนวทางการประเมิน ตัวเลขนี้เป็นยอดสะสมของแพลตฟอร์ม ไม่ใช่จำนวนพนักงานที่ผลิตภัณฑ์ซึ่งเพิ่งประกาศเปิดตัวนี้ประเมินไปแล้ว

การแยกแยะระหว่างหลักฐานกับการอนุมานเป็นประโยชน์ แต่ไม่ได้ทำให้ไม่จำเป็นต้องใช้วิจารณญาณ ตัวอย่างผลงานต้องแสดงทักษะที่ต้องการให้คะแนนได้จริง และเกณฑ์การประเมินต้องเหมาะกับงานนั้น ตัวอย่างเช่น ผลงานที่ดีซึ่งสร้างขึ้นโดยมี AI ช่วย ย่อมทำให้เกิดคำถามว่าผู้ทำได้แสดงความสามารถด้านใดบ้าง ไม่ว่าจะเป็นการเขียนวิธีแก้ปัญหาเบื้องต้น การกำกับผู้ช่วย การตรวจสอบผลลัพธ์ หรือการผสานกิจกรรมเหล่านี้เข้าด้วยกันอย่างมีประสิทธิภาพ

ด้วยเหตุนี้ เกณฑ์การประเมินที่ใช้จึงสำคัญไม่น้อยไปกว่าจำนวนระบบที่เชื่อมต่อกัน ข้อมูลจากสถานที่ทำงานที่มีมากขึ้นอาจช่วยให้ประเมินได้ครอบคลุมขึ้น แต่ไม่ได้ทำให้ทุกทักษะปรากฏให้เห็นโดยอัตโนมัติ หรือบอกได้ว่าบุคคลหนึ่งมีส่วนร่วมกับผลงานที่เกิดจากความร่วมมือมากน้อยเพียงใด

เชื่อมโยงช่องว่างด้านทักษะเข้ากับการฝึกฝนที่ปรับให้เหมาะกับแต่ละคน

ส่วนที่เกี่ยวกับการพัฒนาใน Agentic Skills Intelligence ใช้ Cosmo ซึ่งเป็นติวเตอร์ AI ของ CodeSignal เพื่อจัดการฝึกฝนโดยคำนึงถึงบริบท แนวทางที่วางไว้คือระบุช่องว่างด้านความชำนาญ มอบโอกาสที่เหมาะสมให้พนักงานได้ฝึกฝน แล้วติดตามว่าทักษะของพวกเขาพัฒนาขึ้นหรือไม่

Learn Academies ที่ CodeSignal มีอยู่แล้วเป็นตัวอย่างประกอบแนวทางนี้ โดยผสานหลักสูตร การฝึกปฏิบัติจริง และการประเมินที่รวมอยู่ในบทเรียนเข้าเป็นโปรแกรมการเรียนรู้แบบมีแนวทาง พร้อมให้ Cosmo ข้อเสนอแนะระหว่างเรียน จุดเน้นคือการนำทักษะไปใช้และตรวจสอบความก้าวหน้าไปพร้อมกัน

หลักสูตรสำหรับธุรกิจของบริษัทขยายขอบเขตการฝึกฝนจากการเขียนโปรแกรมไปสู่กิจกรรมต่าง ๆ เช่น การสนทนากับลูกค้า งานเขียน และการวิเคราะห์ทางการเงิน ขอบเขตที่กว้างขึ้นนี้มีความสำคัญต่อผลิตภัณฑ์สำหรับบุคลากร เพราะการพัฒนาทักษะอาจหมายถึงการฝึกนำเสนอการขายหรือการใช้วิจารณญาณในการบริหารจัดการ เช่นเดียวกับการแก้ปัญหาทางเทคนิค

ตัวอย่างเช่น ผู้บริหารฝ่ายขายอาจใช้ระบบใหม่นี้เพื่อระบุว่าทีมต้องการความช่วยเหลือด้านการนำเสนอผลิตภัณฑ์ในจุดใด จากนั้นจึงจัดการฝึกฝนที่ปรับให้เหมาะกับพนักงานกลุ่มนั้น CodeSignal นำเสนอตัวอย่างนี้เป็นกรณีการใช้งานแพลตฟอร์ม ไม่ใช่ผลลัพธ์ที่เกิดขึ้นกับลูกค้าซึ่งเปิดเผยพร้อมการเปิดตัว

สำหรับพนักงาน ผลลัพธ์ที่เป็นประโยชน์คือแนวทางพัฒนาทักษะที่ชัดเจน คะแนนจะนำไปใช้ได้จริงมากขึ้นเมื่ออธิบายได้ว่าควรปรับปรุงอะไร และนำไปสู่แบบฝึกหัดที่ช่วยแก้จุดนั้น ประสิทธิผลของผลิตภัณฑ์จะขึ้นอยู่กับว่าแนวทางเชื่อมโยงดังกล่าวใช้ได้ดีเพียงใดกับบทบาทและประเภทงานที่แตกต่างกัน

วัดความสามารถด้าน AI ให้มากกว่าจำนวนผู้ใช้งาน

CodeSignal ยังนำเสนอผลิตภัณฑ์นี้ในฐานะเครื่องมือประเมินว่าการลงทุนด้าน AI ส่งผลให้งานดีขึ้นหรือไม่ ประกาศของบริษัทอ้างอิงงานวิจัยของตนเอง ซึ่งพบว่าในช่วงปีที่ผ่านมา องค์กร 84% เพิ่มการลงทุนในซอฟต์แวร์ AI และ 79% เพิ่มการฝึกอบรมด้าน AI ขณะที่ 79% ไม่สามารถวัดผลตอบแทนจากการใช้จ่ายดังกล่าวได้ นอกจากนี้ยังรายงานว่าในบรรดาผู้จัดการทุก 10 คน มี 6 คนที่ตัดสินใจเรื่องบุคลากรที่สำคัญโดยอาศัยการคาดเดา และพนักงาน 66% ระบุว่าไม่เคยได้รับการประเมินทักษะอย่างเป็นทางการ

ข้อมูลเหล่านี้เป็นผลการศึกษาที่ CodeSignal รายงาน เอกสารเผยแพร่ที่ให้มาไม่ได้ระบุขนาดกลุ่มตัวอย่างหรือระเบียบวิธีสำรวจ จึงควรพิจารณาตัวเลขเหล่านี้เป็นบริบทประกอบแนวคิดของบริษัทเกี่ยวกับผลิตภัณฑ์ มากกว่าจะมองว่าเป็นมาตรวัดที่ครอบคลุมนายจ้างทั้งหมด

อย่างไรก็ตาม คำถามในทางปฏิบัตินั้นชัดเจน การติดตามการใช้งานผู้ช่วย AI อาจแสดงให้เห็นว่าพนักงานเริ่มใช้เครื่องมือแล้ว แต่บอกได้น้อยกว่าว่าพวกเขาใช้เครื่องมือนั้นได้อย่างมีประสิทธิภาพหรือไม่ การประเมินผลงานตามเกณฑ์ที่เกี่ยวข้องอาจช่วยให้นายจ้างแยกแยะการใช้งานบ่อยครั้งออกจากความเชี่ยวชาญที่สูงกว่าได้

นอกจากนี้ ยังทำให้มีหลักเกณฑ์ที่มีความหมายมากขึ้นสำหรับการจัดสรรงบพัฒนาบุคลากร แทนที่จะนับเพียงจำนวนผู้เรียนที่เรียนจบหลักสูตร การพัฒนาทักษะที่เกี่ยวข้องซึ่งวัดผลได้เป็นสัญญาณที่มีประโยชน์ แม้การแปลงผลพัฒนานั้นให้เป็นผลตอบแทนทางธุรกิจยังต้องพิจารณาบทบาท โครงการ และปัจจัยอื่น ๆ ที่ส่งผลต่อประสิทธิภาพการทำงานด้วย

นำข้อมูลเชิงลึกด้านทักษะมาใช้ในเวิร์กโฟลว์ที่มีอยู่

CodeSignal ระบุว่าเซิร์ฟเวอร์ MCP ช่วยให้ทีมสอบถามข้อมูลทักษะและตำแหน่งงานผ่านผู้ช่วย AI ที่เลือกใช้ได้ Model Context Protocol เป็นอินเทอร์เฟซมาตรฐานสำหรับเชื่อมต่อผู้ช่วยเข้ากับเครื่องมือและข้อมูลภายนอก โดยในกรณีนี้มีจุดประสงค์เพื่อให้เข้าถึงข้อมูลเชิงลึกเกี่ยวกับบุคลากรได้โดยไม่ต้องออกจากผู้ช่วยที่ใช้เป็นประจำ

ประกาศดังกล่าวยังกล่าวถึงการวิเคราะห์ช่องว่างด้านทักษะขององค์กร การวางแผนกำลังคน และข้อมูลเชิงลึกด้านตลาดเกี่ยวกับความต้องการจ้างงาน ตำแหน่งงาน และช่วงค่าตอบแทน ข้อมูลเหล่านี้เกี่ยวข้องกันแต่เป็นคนละแหล่งกัน กล่าวคือ แนวโน้มตลาดแรงงานภายนอกแสดงให้เห็นความต้องการนอกบริษัท ส่วนโปรไฟล์พนักงานมีจุดประสงค์เพื่อแสดงความสามารถที่พิสูจน์ได้ภายในองค์กร

เอกสารเดิมเกี่ยวกับระบบข้อมูลเชิงลึกด้านทักษะของ CodeSignalอธิบายเรื่องการเทียบเคียงมาตรฐาน การวิเคราะห์หลายระดับ และการติดตามการพัฒนาทักษะ การเปิดตัวครั้งใหม่นี้เพิ่มจุดเน้นเรื่องการประเมินผลงานอย่างต่อเนื่อง และการเชื่อมโยงหลักฐานที่ได้เข้ากับการพัฒนารายบุคคล

ความสำคัญของบริบทในการตัดสินใจด้านบุคลากร

ข้อมูลทักษะที่เป็นปัจจุบันยิ่งขึ้นอาจช่วยให้ผู้บริหารค้นหาผู้มีความเชี่ยวชาญภายในองค์กรเพื่อทำโครงการเร่งด่วน ระบุความต้องการด้านการพัฒนา หรือวางแผนว่าควรสรรหาบุคลากรในด้านใด นอกจากนี้ ยังเปลี่ยนความสำคัญของชิ้นงานที่เกิดขึ้นในแต่ละวันด้วย กล่าวคือ ผลงานที่จัดทำขึ้นเพื่อให้งานเสร็จอาจกลายเป็นหลักฐานที่ใช้ประเมินความเชี่ยวชาญของพนักงาน

ด้วยเหตุนี้ ความชัดเจนเกี่ยวกับกระบวนการประเมินจึงเป็นเรื่องสำคัญ พนักงานและผู้จัดการจำเป็นต้องเข้าใจว่างานชิ้นใดถูกนำมาใช้ประกอบโปรไฟล์ เกณฑ์การประเมินวัดอะไร และหลักฐานส่วนใดยังไม่ครบถ้วน การมีโอกาสทำงานบางอย่างอย่างจำกัดไม่ควรถูกเข้าใจผิดว่าเป็นการแสดงให้เห็นว่าไม่สามารถทำงานนั้นได้ และควรพิจารณาคะแนนที่ระบบอัตโนมัติให้ควบคู่ไปกับบริบทที่ทำงานนั้นเกิดขึ้น

การเปิดตัวของ CodeSignal เชื่อมโยงการประเมิน หลักฐานจากสถานที่ทำงาน และการสอนโดย AI เข้าสู่วงจรป้อนกลับที่ใกล้ชิดยิ่งขึ้น โอกาสที่เกิดขึ้นคือการทำให้การพัฒนาบุคลากรมีความเฉพาะเจาะจงและตอบสนองได้ดียิ่งขึ้น สิ่งที่ต้องพิสูจน์คือวงจรนี้จะสร้างหลักฐานทักษะที่เป็นประโยชน์และอธิบายได้ พร้อมช่วยให้พนักงานพัฒนาความสามารถที่งานของตนต้องใช้จริงหรือไม่