Conoscete i tipi di competenze di cui la vostra organizzazione avrà bisogno tra cinque o dieci anni per raggiungere gli obiettivi aziendali in evoluzione? La maggior parte dei responsabili delle risorse umane probabilmente risponderebbe affermativamente, ma hanno davvero le capacità per garantire un'adeguata disponibilità di talenti di alto livello quando ne avranno bisogno?
Il modello di reclutamento tradizionale è in tempo reale o quasi, un processo reattivo in molti casi, guidato dalle esigenze della forza lavoro di oggi. Di solito, un cacciatore di teste viene incaricato di trovare un candidato con le giuste competenze per colmare un vuoto nel personale che si è verificato di recente o che si verificherà a breve. Per colmare questo vuoto, i reclutatori professionisti hanno accesso a un'ampia gamma di strumenti tecnologici all'avanguardia per le risorse umane che supportano un flusso di lavoro di reclutamento rapido ed efficiente. Manca però uno strumento in grado di rispondere alle esigenze di acquisizione di talenti a lungo termine dell'organizzazione.
Questo è un grosso problema. Per realizzare il piano strategico a lungo termine dell'azienda, i leader delle risorse umane devono essere in grado non solo di identificare le future esigenze di talenti dell'organizzazione, ma anche di soddisfare tali richieste. Gli attuali strumenti tecnologici per le risorse umane non sono progettati per supportare questo obiettivo. Trovare e assicurarsi i talenti giusti per le mansioni giuste al momento giusto nel futuro è un enigma da "ago in un pagliaio", spesso lasciato alle congetture.
Immaginate se questi pronostici fossero molto più accurati? Immaginate se individuare competenze tecniche sfuggenti ma superbe fosse facile come premere il tasto "return" su una tastiera? Immaginate che esista uno strumento che consenta di reperire rapidamente competenze di vario tipo da tutto il mondo, ovunque esse si trovino, per lavori specifici per i quali l'azienda avrà un'elevata richiesta in futuro. Anni prima che l'organizzazione abbia bisogno di questi set di competenze, la conoscenza di tali talenti è disponibile fin da ora per coltivare i rapporti con queste persone.
Non immaginate altro. Ora siamo impegnati a contribuire alla realizzazione di questa applicazione, sfruttando la potenza dell'intelligenza artificiale e dell'apprendimento automatico per acquisire importanti informazioni sulla domanda e sull'offerta di talenti da centinaia di fonti di dati.
Un quadro più chiaro
Per quanto ne so, nessuna organizzazione HR dispone di una soluzione tecnologica completa in grado di fare tutto questo. Ciò che serve è uno strumento in grado di integrare diverse fonti di dati esterni e interni per estrarre informazioni e poi - tenendo conto dei requisiti futuri dell'organizzazione in termini di competenze e descrizioni delle mansioni - di selezionare automaticamente i talenti desiderati sul mercato.
Nella maggior parte delle organizzazioni la pianificazione strategica della forza lavoro è ancora un processo manuale. Purtroppo, gli esseri umani sono decisamente svantaggiati nell'accesso e nell'analisi delle fonti di dati per discernere la domanda e l'offerta future di talenti. La tecnologia moderna, invece, ha una capacità in rapida crescita di fare previsioni molto più rapide e accurate nella maggior parte delle attività aziendali.
La gestione del capitale umano in generale, e la pianificazione strategica della forza lavoro in particolare, sta assistendo a una forte adozione della tecnologia AI e ML, che sta accelerando la trasformazione della forza lavoro in molti settori dell'economia. Le aziende che implementano tecnologie HR all'avanguardia basate sull'AI e sul ML nella guerra in corso per i migliori talenti, potranno godere di un netto vantaggio competitivo.
Prevedere il fabbisogno di forza lavoro ora
Un nostro importante cliente, un leader multimiliardario nel settore delle telecomunicazioni, è all'avanguardia nel cogliere questo nuovo e coraggioso mondo della tecnologia di reclutamento delle risorse umane. L'azienda ci ha coinvolto, insieme ad altri operatori tecnologici, nella sua iniziativa di pianificazione strategica della forza lavoro. Il nostro compito era quello di raccogliere i dati da un'ampia gamma di fonti aperte - database universitari, sistemi multipli di tracciamento dei candidati, siti di social networking e professionali, blog specializzati in ingegneria, finanza e risorse umane e molte altre fonti di dati rilevanti - in un data lake.
Il passo successivo è stato quello di applicare le tecniche di apprendimento automatico a questi dati per estrarre importanti informazioni a supporto dello sviluppo di un modello proprietario di pianificazione strategica della forza lavoro. Il compito è stato arduo a causa delle numerose parti mobili inerenti alla pianificazione della forza lavoro. Ad esempio, il modello doveva tenere conto delle seguenti considerazioni:
- Crescita della domanda di competenze molto ricercate, come quelle di ML e AI
- Cambiamento del clima geopolitico e normativo che incide sul commercio e sull'accesso ai mercati tradizionali di outsourcing
- Spostamento degli obiettivi strategici dell'organizzazione e dell'infrastruttura operativa
- Massimizzare il tasso di fidelizzazione dei talenti chiave e prevedere l'attrito
Al momento stiamo lavorando con il cliente per determinare una serie ottimale di fonti di dati, a cui accedere e che acquisiremo in un data lake. Il nostro obiettivo è quello di posizionare un motore analitico in cima al data lake per recuperare gli insight basati sui talenti. Stiamo discutendo con una serie di fornitori di alto livello per fornire questa funzionalità.
Una volta che questo modello di pianificazione strategica della forza lavoro sarà operativo, il cliente sarà in grado di prevedere, identificare e, soprattutto, soddisfare le sue esigenze future di talenti, avviando oggi piani per coltivare relazioni più forti e più strette con queste persone qualificate, oltre a formare il personale attuale per acquisire le competenze necessarie. Armati di queste informazioni, i responsabili delle risorse umane possono andare avanti con fiducia nella ricerca dell'"ago nel pagliaio". Siamo entusiasti di questo importante impegno, che dovrebbe iniziare a dare risultati nel 2018.
