Nem találnak a mesterséges intelligencia terén jól mozgó kollégákat a HR-esek

Évek óta látható trendet számszerűsített nemrégiben a LinkedIn szakmai közösségi platform, mikor beszámolt arról, hogy az elmúlt két évben megduplázódott a felületen közzétett, a mesterséges intelligencia kapcsán íródott, mint kompetenciát említő álláshirdetések száma.

Hasznosítani kellene a mesterséges intelligencia tapasztalatokat

Hasonlóan „kelendő” tudásnak számít minden, ami adatokkal, valamint azok szakmai és üzleti kiaknázásával, illetve a kiberbiztonsággal kapcsolatos – vagyis a kisebb-nagyobb cégek pontosan felismerték, hogy a legújabb mesterséges intelligencia technológiákat mindenképpen hasznosítaniuk kell, ha talpon akarnak maradni a digitalizációs versenyben. A bökkenő csak az, hogy hónapokba telhet egy-egy ilyen szakember toborzása, ha egyáltalán sikerül, a beillesztésről vagy az égetően fontos projektek megkezdéséről nem is beszélve. Hogyan juthatnak hozzá a hiányzó technológiai tudáshoz a hátrányból induló kisebb cégek, és tényleg a kiterjesztett csapatok jelentik a munka jövőjét?

Naponta vállalkozások millióival fordul elő szerte a világon, hogy a szaporodó kibertámadások közepette meg szeretnék erősíteni biztonsági rendszerüket, MI-alapú chatbottal gyorsítanák meg az ügyfélkiszolgálást és a belső kommunikációt, vagy éppen a különböző üzleti területekről érkező óriási mennyiségű adatot szeretnék hasznosítani a legjobb stratégiai döntések meghozatalában. Csakhogy a hasonló projektek megvalósítása speciális technológiai tudást igényel, így még szűkebb munkaerőpiaci szegmensből tudnak meríteni a cégek, miközben már az alapvetői fejlesztői tudás megszerzése is óriási kihívást jelent: egy profit szoftvermérnök toborzása átlagosan 43 napot vesz igénybe, miközben a fejlesztők közel fele csupán 1-2 évet tölt egy adott cégnél.

Kiterjesztett csapatok – team augmentation

„A technológiai kompetenciahiány – különösen a legtrendibb területeken, mint a mesterséges intelligencia, az adattudomány és az IT-biztonság – komoly problémát jelent a cégeknek, a betervezett projektek megvalósítása ugyanakkor nem csúszhat éveket, mert az óriási hátrányba hozná őket a digitalizációs versenyben. A hiányzó szakértelem pótlására megkereshetnek külső tanácsadót, aki iránymutatást adhat, kiszervezhetik a teljes folyamatot, ami számos logisztikai, bizalmi és minőségbiztosítási kérdést vet fel, azonban egyre népszerűbb a két megoldás előnyeit egyesítő „team augmentation”, vagyis a kiterjesztett csapatok alkalmazása, amikor a saját munkaerőt egészítik ki a cégek külső szakember(ek) bevonásával egy-egy projekt erejéig” – hívta fel a figyelmet Gönczy Gábor, a Stylers információ-technológiai cégcsoport ügyvezető-tulajdonosa.

Fontos a jó partner, de kell tudnunk, kit/mit akarunk

A vállalatok 60%-a már most is él a lehetőséggel, hogy az elnyúló, HR-erőforrásokat és IT-büdzsét nem kímélő toborzási folyamatok helyett inkább a flexibilis, gyors és költséghatékony „team augmentation” megoldásokat válassza, de a jövőben várhatóan még jelentősebb lesz a belső kompetenciahiány kezelésében ez a típusú külső támogatás. A kiterjesztett csapatok tagjai akár más kontinensről vagy időzónából is hozzá tudnak járulni a közös projekt sikeréhez, vagyis azonnal kitágul azon szakemberek köre, akiknek a tudását hasznosíthatjuk. Ezek az együttműködési modellek ráadásul éppen az olyan, egyre nagyobb hangsúlyt kapó soft skillek meglétét feltételezik, mint a jó kommunikációs készségek, alkalmazkodás, agilitás és a képesség a csapatmunkára – ha pedig ebben hiány van a belső munkavállalói körben, egy-egy ilyen projektből sokat tanulhatnak a kollégák is.

Ha a toborzás ilyen nagy falat, felmerül kérdés, hogyan tudunk külső specialistákat bevonni a különböző technológiai területekre. Az első és talán legfontosabb lépés a teljeskörű belső audit, mellyel feltárhatjuk, hogy milyen szakemberekre és kompetenciákra van szükségünk ahhoz, hogy teljesítsük a kitűzött célokat, valamint érdemes egy belső mentrendet is kialakítani, hogy világosan lássuk az időkereteket és pontos elvárásokat tudjunk támasztani a külső munkaerő felé. Ezt követően azonosítanunk kell azon lehetséges partnerek körét, akik segítségünkre lehetnek a szükséges tudás bevonásában, ha pedig megtaláltuk a számunkra legmegfelelőbbet, indulhat a kiterjesztett csapat összeállítása, az új tagok beillesztése, majd a közös munka.

„Mi tipikusan az egyenlet másik oldalán állunk, hiszen a technológiai terület legszélesebb köréből segítünk szaktudást bevonni a cégeknek, de az együttműködések kapcsán azt látjuk a legfontosabbnak, hogy világos szabályrendszer mentén történjen a közös munka. Ez lehetővé teszi, hogy minden csapattag – akár belső, akár kívülről bevont munkaerőről van szó – tudja, mi a feladata és milyen szerepe van ebben az új szervezeti és szakmai modellben” – teszi hozzá Gönczy Gábor.

A startupok és mikrovállalkozások megmentője lehet a mesterséges intelligencia

A legutóbbi felmérésekből azt is tudjuk, hogy még az árérzékeny magyar piacon is kiemelkedő elvárás a technológia szakemberek körében, hogy a fizetési színvonal mellett a szakmai kihívások is megfelelőek legyenek, lehetőség legyen a folyamatos tanulásra és a karrierút fejlesztésére is. Ebből is adódik, hogy a technológiai szakemberek gyakran váltanak céget és pozíciót, ez viszont a kiterjesztett csapatok malmára hajtja a vizet, és szinte garantálja, hogy motivált, érdeklődő új tagokat vonhatnak be a cégek a meglévő munkavállalók mellé. Gönczy Gábor szerint ez egyben nagy lehetőség a kisebb vállalkozások és főként a startupok számára, ugyanis ezeknél a cégeknél alaphelyzet a folyamatos és gyors változás, valamint nagy kihívást jelent a szolgáltatások skálázása, az újabb és addig ismeretlen terepnek számító projektek végrehajtása. Emellett a „kicsik” nyilvánvaló hátránnyal indulnak a kiforrott vállalati kultúrát, menő irodai tereket és komplex képzési rendszert kínáló piaci óriásokkal szemben – ezért számukra kulcsfontosságú megoldást jelenthet a külső tudás problémamentes, gyors és költséghatékony bevonása.

Mesterseges intelligencia – a kép illusztráció; Fotók: Pixabay.com