数智时代的人才管理坐标

作者：益才发布时间：2024-07-25

不同的时代需要不同的人才。过去，从产业间供需模式，到企业的内外部环境，都相对稳定，因此那时的人才也与“稳定性”高度相关。在高度稳定的组织里，人才往往是指在稳定结构中积累了丰富经验的人，他们在稳定环境中通过持续的反馈，积累提升相关能力，精益求精。今天，每一个组织，哪怕是最传统的那些行业，都在强调怎样快速面对变化，人才的定义也随之发生改变。从根本上说，这是商业环境的深刻改变以及由此引发的企业和组织变革所致。

01 传统人才标准之痛

传统人才标准的建立过程极度依赖大量调研分析、大样本量的BEI访谈(行为事件访谈)编码的建模方法，其局限性越来越明显。

首先，动辄三个月起步的建模周期太冗长，抛开成本不谈，当模型交付时，岗位定义可能已经发生了变化。在过去的十几年里，大部分企业的组织架构比较稳定，很少发生变化，企业战略长期可控，企业组织稳定，岗位与能力模型明晰。构建能力模型的做法一般是请专业的咨询机构，进行深度调研、访谈和一系列分析，主要的建模方式包括了战略文化演绎、问卷调查、专家访谈、焦点小组访谈、编码、企业对标等一系列过程。建模操作流程视职位序列的复杂程度，这个周期一般是3～6个月。企业花费大量的人力、物力构建起来的任职资格体系，可以帮助企业构建精准的岗位胜任力模型，无论是精细度还是适用性都非常高，构建一次模型可以供企业内部长期使用，过去可以使用5～10年，现在只能用1～3年，甚至更短。

其次，与评估体系、发展体系接轨的难度大，这也是很多人才标准无法落地应用的根源。当人才标准发生变化，为确保人才管理体系的完整一贯性，评估、发展的相关工具和方法必须同时跟进，在商业环境相对稳定的情况下，企业岗位相对可预见，企业常常站在人才梯队健康度的视角，从岗位出发，设计和开展人才发展的项目。如今，业务战略快速更迭，岗位本身存在很大的变数：基于岗位的技能矩阵、胜任力模型，对于受市场环境影响较大的企业来说，也变得有些像鸡肋了。与此同时，继任者计划往往周期长，投入资源大，当业务快速变化，继任者就容易陷入尴尬境地。也就是说，如果这套模型再不能灵活地随需调整，不仅本身将失去指导意义，同时根据这套模型所设定的评估工具也会随之失去价值。过往逻辑自洽又具系统性的模式，显得僵化、落后，很难跟上组织变革的新节奏。

再次，我们必须要意识到，传统建模大多是企业HR部门或第三方咨询公司参与构建的，业务部门参与度很低，在建模之初“被访谈”,交付之时“被告知”,这就导致企业内部对人才模型的认可度不高，需要在内部多次宣贯才能将模型应用到实际人才管理过程中。很多时候因为HR部门和业务部门没有达成共识，经常会遇到辛苦招来的人不被业务部门认可的情况。对于一些显性的特征，如学历、工作经验等信息，双方容易达成共识，但是对于岗位所需要的能力、潜力、个性等，双方均持不同立场，如果前期双方没有达成共识，就容易导致招聘到的人才与业务部门的要求不相符。

02数智时代的人才管理坐标

在数智时代，建立人才标准追求的不只是快，而是在满足战略、速度、应变和协同等基本原则的基础上取得平衡，具体表现为以下三个坐标。

坐标1:敏捷建模。

建立和优化模型的过程成本最优，可以快速完成建模并且模型可以相对容易地实现应需而变，能够支撑企业战略实现对于人才标准的需求和变化。

坐标2:组织能力。

以创造价值的战略业务为导向发展人，以动态与外部的视角直接助力不断变化的业务要求。这种模式越过许多“定结构”“定编制”“定职责”等以“岗位职责明确稳定，岗位间差异显著”为前提假设的传统人才管理流程，跨过“岗位”这一步，以“工作任务”作为载体开展组织和人才管理，直接解决人才发展与业务战略的承接问题，实现人才与业务的同步成长。

坐标3:应用整合。

建立能力模型不是目的，在人才管理体系中如何应用才是关键。一个一以贯之的人才标准可以确保在雇用、培训、评估、发展、晋升以及给付薪酬等诸多场景下使用同一套语言。本质上，着眼于未来的人才标准，能够有效优化企业未来的人才结构，应对激烈竞争和复杂多变的商业环境，但这些价值都来源于能力模型在评估和发展体系中的落地应用。

数智时代更加强调基于组织能力的人才数据，是根据业务战略确定组织能力，基于组织能力选拔培养人才，再对这些人才池中的人才委以战略分解后的工作任务，即将“人”与“任务”的指标相互呼应起来。我们可以根据不同阶段的任务用算法进行匹配，人才的数据标准化除了常规的信息字段的标签统一和语言统一外，更多的是以终为始，用与“任务”相匹配的角度来制定标准，标准化的最终目标是易于机器识别，提升效率，为算法做好基础性工作。以“工作任务”作为载体开展组织和人才管理，是企业能够实现敏捷性的原因之一。以组织能力为基本要求开展人才发展工作，将是人才管理的一个重要趋势。

本文节选自《数智化人才管理：组织与人才效能提升指南》一书。‍‍