HRM 4.0: vòng đời nhân sự theo hướng AI-first
Về trang Góc nhìn
Sản phẩm & Công nghệ

HRM 4.0: vòng đời nhân sự theo hướng AI-first

2024-11-20
6 phút đọc

Điểm chính

"Từ tuyển dụng đến giữ chân nhân sự, AI đang thay đổi cách quản trị nguồn nhân lực. Bài viết trình bày nền tảng công nghệ đứng sau trải nghiệm nhân viên hiện đại."

Bốn thời kỳ của quản trị nguồn nhân lực

Muốn hiểu mình đang ở đâu, nên nhìn lại những gì đã qua. HRM 1.0 thiên về hành chính: hồ sơ giấy, tính lương thủ công, và phòng nhân sự chủ yếu lo việc tuân thủ. HRM 2.0 đưa phần mềm vào: cơ sở dữ liệu quan hệ thay tủ hồ sơ, các hệ thống như PeopleSoft tự động hóa việc tính lương và quản lý phúc lợi cơ bản. HRM 3.0 chuyển lên cloud, cung cấp các chức năng đó dưới dạng nền tảng SaaS (Workday, SAP SuccessFactors, Oracle HCM), có truy cập qua thiết bị di động và khả năng tích hợp mà thế hệ client-server không có.

HRM 4.0 là một thay đổi về chất, không chỉ là nâng cấp công nghệ. Ba thời kỳ trước tự động hóa các quy trình hành chính, tức phần cơ học của việc sử dụng lao động. HRM 4.0 dùng AI và khoa học dữ liệu ở tầng chiến lược: tìm đúng người, phát triển họ hiệu quả, bố trí họ vào nơi tạo ra nhiều giá trị nhất, và nhận ra rủi ro nghỉ việc trước khi nó thành một lần nghỉ thật. Hệ thống nhân sự không còn chỉ là nơi lưu hồ sơ, mà trở thành hệ thống phân tích và hỗ trợ quyết định.

Những tổ chức triển khai tốt năng lực này không chỉ mua một nền tảng nhân sự mới. Họ xem lại cách đưa ra quyết định về nhân sự, ai được truy cập dữ liệu nhân sự, và thế nào là "tốt" ở từng giai đoạn trong vòng đời của nhân viên. Công nghệ chỉ là phương tiện. Giá trị có tạo ra được hay không phụ thuộc vào mục tiêu chiến lược và thay đổi trong tổ chức.

AI trong tuyển dụng

AI trong tuyển dụng: ghép theo kỹ năng ở quy mô lớn

Quy trình tuyển dụng truyền thống xoay quanh mô tả công việc và CV: nhà tuyển dụng viết mô tả vị trí, ứng viên viết về quá trình làm việc của mình, rồi một bước ghép (do người hoặc do từ khóa) tìm cách nối hai bên. Cách làm này có những điểm yếu đã được biết rõ. Mô tả công việc thường phản ánh việc người tiền nhiệm đã làm, chứ không phải việc người mới cần làm. CV được viết để khớp từ khóa, chứ không để chứng minh năng lực. Và cả hai bên đều có xu hướng đánh giá thấp tiềm năng so với bằng cấp.

Tuyển dụng theo hướng AI-first tiếp cận vấn đề theo cách khác. Các mô hình ghép theo kỹ năng biểu diễn cả vị trí lẫn ứng viên dưới dạng skills graph, tức cách biểu diễn có cấu trúc về năng lực, mức thành thạo và các kỹ năng liên quan, thay vì dạng văn bản. Một vị trí có thể yêu cầu thành thạo sâu về mô hình tài chính, hiểu biết thực tế về SQL và kinh nghiệm đã được chứng minh trong việc quản lý quan hệ với các bên liên quan giữa nhiều nền văn hóa. Skills graph của ứng viên được xây từ nhiều nguồn: các bài đánh giá có cấu trúc, phân tích quá trình làm việc, dữ liệu kết quả dự án nếu có, và phần tự đánh giá kỹ năng được đối chiếu với hiệu suất thực tế.

Kết quả thực tế của việc ghép theo kỹ năng ở quy mô doanh nghiệp là đáng kể. Nhiều nghiên cứu trong ngành về tuyển dụng ưu tiên kỹ năng ghi nhận nhóm ứng viên đủ điều kiện lớn hơn rõ rệt so với cách sàng lọc dựa trên yêu cầu bằng cấp, cùng với thời gian đến khi đưa ra offer ngắn hơn ở các vị trí kỹ thuật và tỷ lệ giữ chân tốt hơn ở những người được ghép theo kỹ năng so với người được tìm chỉ bằng sàng lọc từ khóa.

Đây cũng là nguyên tắc đứng sau Talent Ecosystem của GTEMAS: mỗi kỹ sư có một Skill Profile đã được xác minh, chấm điểm trên bảy nhóm năng lực (Nền tảng, Kỹ thuật, Kỹ năng mềm, Ngôn ngữ và văn hóa, Chiến lược công nghệ và tư vấn, Quản lý và lãnh đạo, Thương hiệu cá nhân và ảnh hưởng xã hội), xây từ các bài đánh giá có cấu trúc chứ không từ từ khóa trong CV. Khi một khách hàng tuyển vị trí Direct Hire hoặc Contract Talent từ nguồn này, việc ghép dựa trên dữ liệu kỹ năng đã được chứng minh, không phải tìm theo chức danh.

Một lưu ý quan trọng: công cụ tuyển dụng dùng AI không tự nhiên trung lập về thiên kiến. Mô hình huấn luyện trên dữ liệu tuyển dụng trong quá khứ sẽ thừa hưởng những thiên kiến của quá khứ. Triển khai có trách nhiệm cần kiểm thử thiên kiến một cách rõ ràng, dữ liệu huấn luyện đa dạng và có người giám sát các đề xuất của AI, đặc biệt với vị trí cấp cao và nhóm ứng viên ít được đại diện.

Onboarding là một bài toán dữ liệu

Onboarding nhân viên là một trong những giai đoạn có ảnh hưởng lớn nhất nhưng ít được phân tích bài bản nhất trong vòng đời nhân sự. Nhiều nghiên cứu cho thấy onboarding có cấu trúc gắn với tỷ lệ giữ chân dài hạn tốt hơn rõ rệt so với 90 ngày đầu thiếu cấu trúc, chạy theo checklist. Tuy vậy, phần lớn chương trình onboarding ở doanh nghiệp được thiết kế như một checklist tuân thủ, không phải trải nghiệm phát triển năng lực.

HRM 4.0 xem onboarding là bài toán cá nhân hóa. Thay vì một chương trình 90 ngày chuẩn mà mọi nhân viên mới đều làm theo cùng một thứ tự, onboarding theo hướng AI-first điều chỉnh theo hồ sơ kỹ năng của người mới, yêu cầu của vị trí và bối cảnh của đội nhóm. Một kỹ sư nhiều kinh nghiệm vào đội sản phẩm mới cần onboarding khác với một sinh viên mới ra trường ở cùng vị trí. Một quản lý khu vực đến từ đối thủ cần sự chuẩn bị khác với người được thăng chức từ nội bộ.

Về kỹ thuật, thường là tích hợp giữa nền tảng HRM và hệ thống quản lý học tập (LMS) của tổ chức, kèm một engine học thích ứng sắp xếp nội dung theo phân tích khoảng cách kỹ năng và các tín hiệu tiến độ. Các triển khai phức tạp hơn có thêm phân tích đồ thị xã hội: xác định người mới nên sớm kết nối với những đồng nghiệp nào, dựa trên mô hình cộng tác và mức bổ trợ về vai trò, để xây dựng quan hệ và chuyển giao kiến thức nhanh hơn.

Onboarding nhân viên cá nhân hóa theo hướng AI-first

Dự đoán nghỉ việc: hành động trước khi có đơn xin nghỉ

Nhân viên nghỉ việc gây tốn kém. Thay một nhân sự cấp trung thường tốn 50-150% lương năm, nếu tính cả chi phí tuyển dụng, năng suất mất đi trong thời gian trống vị trí, thời gian onboarding cho người thay thế và kiến thức nội bộ bị mất. Thay một chuyên gia cấp cao hay một trưởng nhóm kỹ thuật có thể tốn hơn nhiều. Với tổ chức đông nhân sự trong thị trường nhân sự cạnh tranh gay gắt, việc nhân viên tự nguyện nghỉ là mối đe dọa trực tiếp đến tính liên tục của hoạt động kinh doanh.

Các mô hình dự đoán nghỉ việc phân tích những tín hiệu hành vi có tương quan với nguy cơ ra đi, thường xuất hiện từ vài tuần đến vài tháng trước khi nhân viên nộp đơn. Các tín hiệu này gồm:

  • Chỉ số tương tác giảm (mức tham gia họp, hoạt động trên công cụ cộng tác, thói quen thời gian phản hồi)
  • Không có tín hiệu chuyển vị trí nội bộ gần đây (ứng tuyển dự án, xem tin tuyển dụng nội bộ, hoạt động phát triển kỹ năng)
  • Mức thu nhập so với mức tham chiếu thị trường hiện tại cho kỹ năng và cấp kinh nghiệm của nhân viên
  • Chỉ báo về quan hệ với quản lý, rút ra từ dữ liệu khảo sát và mô hình tương tác
  • Mô hình rủi ro theo thâm niên: ở hầu hết tổ chức, một số mốc thâm niên nhất định đi cùng nguy cơ nghỉ việc cao hơn

Khi mô hình cảnh báo rủi ro tăng, tổ chức có thể can thiệp chủ động: quản lý trao đổi về lộ trình nghề nghiệp, rà soát thu nhập theo dữ liệu thị trường, bàn về khả năng chuyển vị trí nội bộ, hoặc trao đổi về việc mở rộng vai trò. Những can thiệp này hiệu quả hơn đáng kể khi bắt đầu trước lúc nhân viên quyết định ra đi, so với sau khi họ đã bắt đầu tìm việc bên ngoài.

Một điểm thực tế cần lưu ý: mô hình dự đoán nghỉ việc đặt ra những vấn đề đáng kể về quyền riêng tư của nhân viên, và tổ chức phải xử lý rõ ràng. Nhân viên có dữ liệu được dùng để tính điểm rủi ro cần biết việc phân tích này diễn ra, dữ liệu nào được dùng và nó có thể dẫn đến hành động gì. Tổ chức triển khai dự đoán nghỉ việc mà thiếu khung minh bạch sẽ làm xói mòn lòng tin, và chính điều đó có thể trở thành một nguyên nhân khiến nhân viên nghỉ việc.

Học tập cá nhân hóa

Lộ trình học tập và phát triển cá nhân hóa

Đào tạo trong doanh nghiệp từ trước đến nay là một trong những khoản đầu tư có ROI thấp nhất của khối nhân sự. Nguyên nhân không phải việc phát triển không quan trọng, mà là phần lớn chương trình L&D không khớp với nhu cầu của từng người và khoảng trống kỹ năng của tổ chức. Một mô-đun đào tạo lãnh đạo bắt buộc dành cho 2,000 quản lý, bất kể mức trưởng thành về lãnh đạo hiện tại của họ, thì tốn kém để làm và phần lớn bị lãng phí.

Cá nhân hóa L&D theo hướng AI-first giải quyết việc này bằng cách kết hợp phân tích khoảng cách kỹ năng ở cấp cá nhân với dữ liệu về hiệu quả học tập ở cấp tổ chức. Hệ thống biết mỗi nhân viên có những kỹ năng nào (từ bài đánh giá, dữ liệu hiệu suất và quá trình làm việc), vai trò hiện tại và vai trò có khả năng đảm nhận sau này đòi hỏi kỹ năng nào, và những trải nghiệm học nào trước đây đã hiệu quả trong việc xây dựng từng năng lực cụ thể. Chỉ số ở đây không chỉ là tỷ lệ hoàn thành, mà còn là mức cải thiện kỹ năng và kết quả hiệu suất về sau.

Từ nền tảng đó, hệ thống tạo ra lộ trình phát triển riêng cho từng người: các khóa học cụ thể, trải nghiệm qua dự án, quan hệ cố vấn và nhiệm vụ thử thách, được sắp xếp để lấp những khoảng trống kỹ năng quan trọng nhất theo hướng đi nghề nghiệp của người đó. Các lộ trình này thay đổi theo thời gian: chúng cập nhật khi kỹ năng của nhân viên tiến bộ, khi yêu cầu vị trí thay đổi và khi có thêm tài nguyên học mới.

Lợi ích cho tổ chức không dừng ở phát triển cá nhân. Khi hồ sơ kỹ năng của mọi nhân viên luôn cập nhật và chính xác, việc hoạch định nhân lực dựa nhiều hơn hẳn vào dữ liệu. Lãnh đạo nhân sự có thể trả lời bằng dữ liệu thay vì trực giác những câu hỏi như "nếu mua lại công ty này, tổ chức có đủ kỹ năng quản lý tích hợp để tự xử lý không?" hoặc "nếu mở rộng sang thị trường này, thành viên nào gần sẵn sàng nhất cho vai trò lãnh đạo khu vực?"

Lộ trình học tập cá nhân hóa và phát triển kỹ năng

Tầng nền tảng trải nghiệm nhân viên

Các năng lực phân tích kể trên nằm trên một nền tảng trải nghiệm nhân viên, tức lớp giao diện mà nhân viên và quản lý dùng để tiếp cận các chức năng nhân sự. Trong HRM 4.0, lớp trải nghiệm này thống nhất, ưu tiên di động và có tính hội thoại. Thay vì vào cổng phúc lợi cho việc này, hệ thống quản lý học tập cho việc kia và ứng dụng quản lý hiệu suất cho việc thứ ba, nhân viên làm việc qua một giao diện duy nhất tích hợp các chức năng đó và hiển thị thông tin liên quan theo ngữ cảnh.

Các trợ lý AI nhúng trong lớp trải nghiệm xử lý những câu hỏi nhân sự thường gặp, như hỏi số ngày phép còn lại, thắc mắc về phúc lợi, tra cứu chính sách, những việc trước đây chiếm nhiều năng lực của trung tâm dịch vụ nhân sự. Các ứng dụng phức tạp hơn gồm hỗ trợ huấn luyện hiệu suất: công cụ AI giúp quản lý cấu trúc những cuộc trao đổi hiệu suất có chất lượng, xác định cơ hội phát triển cho thành viên trong nhóm và nhận ra các mẫu đóng góp mà chu kỳ đánh giá chính thức thường bỏ sót.

Cách GTEMAS triển khai HRM 4.0

Cách GTEMAS triển khai HRM 4.0

GTEMAS làm việc với lãnh đạo công nghệ nhân sự ở hai cấp: triển khai kỹ thuật (chọn nền tảng, thiết kế kiến trúc tích hợp, thiết kế data pipeline) và thiết kế tổ chức (khung quản trị, chính sách quyền riêng tư, quản lý thay đổi cho quản lý và nhân viên). Phần sau thường bị đầu tư thiếu, và lại luôn là yếu tố quyết định các khoản đầu tư vào HRM 4.0 có đạt kết quả mong muốn hay không.

Chúng tôi đánh giá nền tảng HRM hiện có của khách hàng theo chiến lược nhân sự của họ, rồi xác định năng lực AI nào có thể bổ sung lên hệ thống hiện tại và năng lực nào đòi hỏi phải chuyển nền tảng. Nhiều tổ chức có thể thu được giá trị đáng kể từ việc ghép theo kỹ năng và dự đoán nghỉ việc, triển khai như tính năng bổ sung cho Workday hoặc SAP SuccessFactors đang dùng, trước khi quyết định thay toàn bộ nền tảng.

Chúng tôi cũng có một ví dụ đang chạy, không chỉ một khung lý thuyết: Talent Ecosystem của GTEMAS đang chạy mô hình skills graph nói trên trên production, ghép kỹ sư vào các vị trí Direct Hire và Contract Talent dựa trên Skill Profile đã được xác minh chứ không dựa trên CV. Khách hàng đang xây năng lực HRM 4.0 của riêng mình có thể xem quy trình đánh giá và ghép này vận hành thế nào trước khi thiết kế hệ thống của mình.

Nền tảng nhân sự AI-first mang lại trải nghiệm nhân viên ở quy mô lớn

Những tổ chức xem nhân lực là tài sản cạnh tranh chính không thể tiếp tục quyết định về nhân sự bằng trực giác khi đã có lựa chọn dựa trên dữ liệu. Nếu tổ chức của bạn đang xem xét các năng lực AI-first sẽ thay đổi vòng đời nhân sự như thế nào, chúng tôi sẵn lòng trao đổi về những cơ hội đáng giá nhất trong bối cảnh cụ thể của bạn.

Cần tư vấn kỹ thuật?

Cho đội GTEMAS biết bạn đang xây gì và trao đổi trực tiếp với một chuyên gia.

Trao đổi với chuyên gia