CodeSignal ra mắt Agentic Skills Intelligence để đánh giá kỹ năng qua công việc hằng ngày

Một công ty có thể biết ai đã hoàn thành khóa học, sử dụng trợ lý AI hoặc đảm nhiệm một chức danh công việc nhất định mà vẫn không biết người đó có thể thực hiện tốt đến đâu những công việc sắp tới. CodeSignal đang hướng đến việc thu hẹp khoảng cách này bằng Agentic Skills Intelligence, một dịch vụ mới đánh giá công việc của nhân viên và kết nối hồ sơ kỹ năng thu được với hoạt động luyện tập và huấn luyện được cá nhân hóa.

Được công bố là chính thức cung cấp rộng rãi vào ngày 28 tháng 10, nền tảng này sử dụng các tác tử chuyên biệt để đánh giá công việc từ những hệ thống nhân viên vốn đã dùng, thay vì dựa vào tự đánh giá hoặc từ khóa trong sơ yếu lý lịch. CodeSignal cho biết mục tiêu là cung cấp cho lãnh đạo bức tranh liên tục được cập nhật về năng lực của lực lượng lao động, đồng thời đưa ra cách giải quyết những khoảng trống mà bức tranh đó cho thấy.

Đợt ra mắt này mở rộng mảng đánh giá và đào tạo của công ty sang các hoạt động công việc hằng ngày. Giá trị tiềm năng của dịch vụ nằm ở việc kết nối ba hoạt động thường tách rời nhau: thu thập bằng chứng về năng lực, xác định nhu cầu phát triển và hỗ trợ nhân viên tiến bộ.

Đánh giá công việc theo khung tiêu chí kỹ năng có cấu trúc

Trong thông báo, CodeSignal nêu các hệ thống như Gong, Salesforce, GitHub, Cursor, Claude, ChatGPT, Workday, Greenhouse và Google Workspace là những nguồn công việc mà các tác tử của nền tảng có thể đánh giá. Công việc được chấm theo các khung tiêu chí có cấu trúc, dựa trên tâm lý học công nghiệp – tổ chức, ngành nghiên cứu hành vi và hiệu suất tại nơi làm việc.

Công ty định vị quy trình này là cách đo lường năng lực trực tiếp hơn so với việc suy đoán kỹ năng từ chức danh, đánh giá hiệu suất hay khóa học đã hoàn thành. Kết quả công việc của nhân viên trở thành bằng chứng cho hồ sơ kỹ năng, vốn có thể được cập nhật khi có thêm công việc mới.

CodeSignal cho biết nền tảng của mình đã hoàn tất hơn 21 triệu lượt đánh giá kỹ năng, làm cơ sở cho phương pháp đánh giá này. Đây là con số tích lũy của toàn nền tảng, không phải số nhân viên đã được sản phẩm mới công bố này đánh giá.

Việc phân biệt giữa bằng chứng và suy luận là hữu ích, nhưng không loại bỏ nhu cầu phải có sự đánh giá thận trọng. Mẫu công việc phải thực sự thể hiện kỹ năng được chấm điểm, còn khung tiêu chí phải phù hợp với nhiệm vụ. Chẳng hạn, một kết quả tốt có sự hỗ trợ của AI đặt ra câu hỏi về những năng lực đã được thể hiện: viết giải pháp ban đầu, chỉ đạo trợ lý, kiểm tra kết quả của trợ lý hay phối hợp hiệu quả các hoạt động đó.

Vì vậy, các tiêu chí đánh giá nền tảng cũng quan trọng không kém số lượng hệ thống được kết nối. Dữ liệu tại nơi làm việc nhiều hơn có thể mở rộng phạm vi đánh giá, nhưng không tự động giúp mọi kỹ năng đều có thể quan sát được hay xác định được mức độ đóng góp của từng cá nhân vào một kết quả cộng tác.

Kết nối khoảng trống kỹ năng với hoạt động luyện tập được cá nhân hóa

Phần phát triển của Agentic Skills Intelligence sử dụng Cosmo, gia sư AI của CodeSignal, để cung cấp hoạt động luyện tập phù hợp với ngữ cảnh. Quy trình dự kiến là xác định khoảng trống năng lực, tạo cơ hội luyện tập phù hợp cho nhân viên, rồi theo dõi xem kỹ năng của họ có tiến bộ hay không.

Learn Academies hiện có của CodeSignal là một ví dụ giúp hình dung cách tiếp cận này. Các chương trình kết hợp khóa học, hoạt động thực hành và bài đánh giá tích hợp thành lộ trình có hướng dẫn, trong đó Cosmo đưa ra phản hồi trong quá trình học. Trọng tâm là vận dụng kỹ năng và theo dõi tiến độ trong suốt quá trình.

Các khóa học dành cho doanh nghiệp của công ty mở rộng hoạt động luyện tập ra ngoài lĩnh vực lập trình, bao gồm những hoạt động như trò chuyện với khách hàng, viết nội dung và phân tích tài chính. Phạm vi rộng hơn này có ý nghĩa đối với một sản phẩm phục vụ lực lượng lao động: phát triển kỹ năng có thể bao gồm luyện tập thuyết trình bán hàng hoặc rèn luyện khả năng phán đoán trong quản lý, bên cạnh giải quyết vấn đề kỹ thuật.

Chẳng hạn, một giám đốc kinh doanh có thể dùng hệ thống mới để xác định nhóm cần được hỗ trợ ở khâu giới thiệu sản phẩm, rồi giao bài luyện tập phù hợp cho những nhân viên đó. CodeSignal đưa ra đây như một trường hợp sử dụng nền tảng, chứ không phải kết quả đã được công bố từ khách hàng kể từ khi ra mắt.

Đối với nhân viên, kết quả hữu ích sẽ là một lộ trình phát triển cụ thể. Điểm số có tính ứng dụng cao hơn khi giải thích được điều gì cần cải thiện và dẫn đến một bài tập giải quyết vấn đề đó. Hiệu quả của sản phẩm sẽ phụ thuộc vào mức độ duy trì được mối liên kết này giữa các vai trò và loại hình công việc khác nhau.

Đo lường năng lực AI vượt ra ngoài số liệu về mức độ ứng dụng

CodeSignal cũng định vị sản phẩm này như một cách xem xét liệu đầu tư vào AI có chuyển thành kết quả công việc tốt hơn hay không. Thông báo của công ty dẫn kết quả nghiên cứu cho thấy trong năm qua, 84% tổ chức tăng đầu tư vào phần mềm AI và 79% tăng cường đào tạo AI, trong khi 79% không thể đo lường hiệu quả thu được từ khoản chi đó. Công ty cũng cho biết cứ 10 nhà quản lý thì có 6 người đưa ra các quyết định nhân sự quan trọng dựa trên phỏng đoán, và 66% nhân viên nói rằng kỹ năng của họ chưa từng được đánh giá chính thức.

Đây là những kết quả do CodeSignal công bố. Thông cáo được cung cấp không nêu quy mô mẫu khảo sát hoặc phương pháp nghiên cứu, vì vậy nên xem các số liệu này là bối cảnh cho luận điểm sản phẩm của công ty, chứ không phải thước đo toàn diện về tất cả nhà tuyển dụng.

Dù vậy, câu hỏi thực tiễn vẫn rất rõ ràng. Theo dõi mức độ sử dụng trợ lý có thể cho thấy nhân viên đã tiếp nhận một công cụ, nhưng chưa nói lên nhiều điều về việc họ có thể sử dụng công cụ đó hiệu quả hay không. Đánh giá công việc dựa trên các tiêu chí phù hợp có thể giúp nhà tuyển dụng phân biệt giữa việc sử dụng thường xuyên và năng lực thành thạo cao hơn.

Cách làm đó cũng tạo cơ sở ý nghĩa hơn để quyết định chi tiêu cho phát triển nhân lực, thay vì chỉ đếm số khóa học đã hoàn thành. Mức cải thiện được đo lường ở một kỹ năng phù hợp là tín hiệu hữu ích, dù để chuyển mức cải thiện đó thành lợi ích kinh doanh vẫn cần xem xét vai trò, dự án và các yếu tố khác ảnh hưởng đến hiệu suất.

Đưa thông tin chuyên sâu về kỹ năng vào các quy trình hiện có

CodeSignal cho biết máy chủ MCP của họ cho phép các nhóm đặt câu hỏi về dữ liệu kỹ năng và việc làm thông qua trợ lý AI mà họ lựa chọn. Model Context Protocol cung cấp một giao diện chung để kết nối trợ lý với các công cụ và thông tin bên ngoài; trong trường hợp này, mục tiêu là giúp người dùng tiếp cận thông tin chuyên sâu về lực lượng lao động mà không phải rời khỏi trợ lý họ thường dùng.

Thông báo này cũng đề cập đến việc phân tích khoảng cách kỹ năng trong tổ chức, hoạch định lực lượng lao động và thông tin thị trường về nhu cầu tuyển dụng, các vị trí và khung lương. Đây là những nguồn thông tin có liên quan nhưng khác biệt: xu hướng thị trường lao động bên ngoài phản ánh nhu cầu ngoài công ty, còn hồ sơ nhân viên nhằm mô tả năng lực đã được thể hiện bên trong công ty.

Các tài liệu hiện có về thông tin chuyên sâu về kỹ năng của CodeSignal mô tả hoạt động đối chuẩn, phân tích nhiều cấp độ và theo dõi quá trình tiếp thu kỹ năng. Sản phẩm ra mắt mới nhấn mạnh thêm việc đánh giá công việc liên tục và kết nối bằng chứng thu được với quá trình phát triển của từng cá nhân.

Tầm quan trọng của bối cảnh trong các quyết định về lực lượng lao động

Thông tin cập nhật hơn về kỹ năng có thể giúp lãnh đạo tìm ra chuyên môn phù hợp trong nội bộ để thực hiện một dự án cấp bách, xác định nhu cầu phát triển hoặc lên kế hoạch tuyển dụng khi cần thiết. Điều đó cũng làm thay đổi ý nghĩa của các sản phẩm công việc thường ngày: tài liệu được tạo ra để hoàn thành một nhiệm vụ có thể trở thành bằng chứng dùng để đánh giá năng lực thành thạo của nhân viên.

Vì vậy, cần làm rõ quy trình đánh giá. Nhân viên và quản lý cần hiểu công việc nào được dùng làm căn cứ lập hồ sơ, bộ tiêu chí đánh giá đo lường điều gì và bằng chứng còn thiếu ở đâu. Không nên nhầm lẫn việc ít có cơ hội thực hiện một nhiệm vụ với việc đã chứng minh là không có khả năng thực hiện nhiệm vụ đó; đồng thời, cần xem xét điểm số tự động cùng với bối cảnh thực hiện công việc.

Sản phẩm CodeSignal ra mắt kết nối hoạt động đánh giá, bằng chứng tại nơi làm việc và việc hướng dẫn bằng AI vào một vòng phản hồi chặt chẽ hơn. Cơ hội ở đây là giúp hoạt động phát triển lực lượng lao động cụ thể và đáp ứng tốt hơn nhu cầu. Phép thử là liệu vòng phản hồi đó có tạo ra bằng chứng hữu ích, dễ giải thích về kỹ năng và giúp nhân viên xây dựng những năng lực mà công việc của họ thực sự đòi hỏi hay không.