CodeSignal推出 Agentic Skills Intelligence，评估员工日常工作中的技能

企业可能知道谁完成了课程、采用了 AI 助手或担任过某个职位，却不了解这些人实际完成相关工作的能力如何。CodeSignal推出了 Agentic Skills Intelligence，旨在弥补这一空白。这项新服务通过评估员工的工作来建立技能档案，并将档案与个性化练习和辅导相结合。

该平台于10月28日宣布正式推出，利用专业智能体评估员工在现有工作系统中完成的任务，而非依赖员工自我评分或简历中的关键词。CodeSignal表示，其目标是让管理者持续掌握员工队伍的技能水平，并找到应对相关差距的方法。

此次发布将公司的评估与学习业务拓展到日常工作流程中。该产品的潜在价值，在于把通常彼此分离的三项活动串联起来：收集能力证据、判断哪些方面需要发展，以及帮助员工提升能力。

依据结构化技能评估标准评估工作

CodeSignal在公告中列举了Gong、Salesforce、GitHub、Cursor、Claude、ChatGPT、Workday、Greenhouse和Google Workspace等系统，称其智能体可以评估来自这些系统的工作成果。评估依据是结构化评分标准，这些标准以工业与组织心理学为基础；该学科研究职场中的行为与绩效。

该公司认为，与根据职位名称、绩效评估或已完成的课程推断技能相比，这种流程能更直接地衡量员工的技能水平。员工的工作成果会成为技能档案的依据；随着新的工作成果出现，档案也可以持续更新。

CodeSignal表示，其平台已累计完成超过2100万次技能评估，并以此说明其评估方法的基础。这是平台累计数据，并非这款新发布产品已经评估的员工人数。

区分证据与推断固然有益，但这并不意味着可以省去判断。工作样本必须真正体现所评估的技能，评分标准也必须适合相应任务。例如，借助 AI 获得的出色成果会引出一些问题：实际展现了哪些能力——编写初步方案、指导助手、检查其输出，还是有效地结合这些活动？

因此，评估标准本身与接入系统的数量同样重要。更多职场数据可以扩大评估覆盖面，但并不能自动呈现每项技能，也无法确定个人对协作成果的贡献程度。

将技能差距与个性化练习相结合

Agentic Skills Intelligence的能力发展部分使用CodeSignal的 AI 导师Cosmo，提供结合具体情境的练习。其设想的流程是：识别技能水平差距，为员工提供相关练习机会，然后追踪其技能是否有所提升。

CodeSignal现有的Learn Academies为这一做法提供了参考。它们将课程、动手练习和嵌入式评估整合为循序渐进的学习项目，并由Cosmo在学习过程中提供反馈。重点在于运用技能，并在学习过程中检查进展。

该公司的商业课程将练习范围从编程拓展到客户沟通、写作任务和财务分析等活动。对于面向全体员工的产品而言，这种更广的范围很重要：技能发展可能涉及练习销售陈述或运用管理判断力，也可能包括解决技术问题。

例如，销售负责人可以利用新系统找出团队在哪些方面需要提升产品介绍能力，然后为相关员工安排有针对性的练习。CodeSignal将此作为该平台的一种使用场景，而非此次发布所披露的客户成果。

对员工而言，真正有用的结果应是一条明确的发展路径。如果评分能说明需要改进什么，并引导员工完成相应练习，就会更具可操作性。该产品的成效取决于这种衔接在不同岗位和工作类型中能否有效发挥作用。

不止于采用情况，衡量 AI 能力

CodeSignal还将这款产品定位为一种评估方式，用以考察 AI 投资能否转化为更好的工作成果。公告援引了该公司的一项研究：过去一年，84%的组织增加了 AI 软件投资，79%增加了 AI 培训，但79%的组织无法衡量这些支出的回报。公告还指出，十分之六的管理者凭猜测作出重要人才决策，66%的员工表示自己的技能从未接受过正式评估。

这些数据是CodeSignal报告的研究结果。该公司提供的新闻稿没有说明调查样本量或研究方法，因此，这些数字应被视为理解该公司产品理念的背景信息，而不应被当作对所有雇主的全面衡量。

不过，实际要回答的问题很明确。追踪员工对助理工具的使用情况，可以看出他们是否已开始使用某项工具；但这并不能充分说明他们是否能有效地使用它。按照相关标准评估工作成果，有助于雇主区分频繁使用工具与具备更高熟练度。

与单纯统计课程完成情况相比，这也能为发展投入提供更有意义的依据。相关技能有了可衡量的提升，是一项有用的信号；不过，要将这种提升转化为业务回报，仍需考虑员工的岗位、项目以及其他影响绩效的因素。

将技能洞察融入现有工作流程

CodeSignal 表示，其 MCP 服务器允许团队通过自己选择的 AI 助理查询技能和职位数据。模型上下文协议（Model Context Protocol）提供了一种通用接口，可将助理连接到外部工具和信息；在此应用中，其目的是让用户无需离开日常使用的助理，也能获取劳动力洞察。

这项公告还涵盖组织层面的技能缺口分析、劳动力规划，以及有关招聘需求、职位和薪酬区间的市场情报。这些信息来源彼此相关，但各不相同：外部劳动力市场趋势反映公司以外的需求，而员工档案旨在描述公司内部已展现的能力。

现有的 CodeSignal 技能洞察 资料介绍了基准评估、多层级分析和技能获取情况追踪。此次推出的新功能则进一步强调持续评估工作，并将由此获得的证据与个人发展联系起来。

情境在劳动力决策中的重要性

更及时的技能信息可以帮助领导者为紧急项目寻找内部专长、识别发展需求，或规划哪些岗位需要招聘。它也改变了日常工作产物的意义：员工为完成任务而制作的材料，可能会成为评估其熟练程度的依据。

因此，明确评估流程十分重要。员工和管理者需要了解哪些工作会被纳入档案、评估标准衡量什么，以及哪些方面的证据尚不完整。接触某项任务的机会有限，不应被误认为已证明员工缺乏相应能力；评估自动生成的分数时，也应结合完成工作的具体情境。

CodeSignal 此次推出的功能，将评估、工作场所证据和 AI 辅导纳入更紧密的反馈循环。它有望让劳动力发展更加精准、灵活。关键在于，这一循环能否提供有用且可解释的技能证据，并帮助员工培养实际工作所需的能力。