“We weten van alle collega’s wat ze gedaan hebben in het weekend, maar niet over welke skills zij beschikken en hoe die binnen de organisatie worden ingezet”

“We weten van alle collega’s wat ze gedaan hebben in het weekend, maar niet over welke skills zij beschikken en hoe die binnen de organisatie worden ingezet”

De drie founders van uman.ai: Thomas Verschuere, Charles Boutens en Jasper Verplanken

Kennen en kunnen verbinden: dat is in een notendop wat de Gentse start-up uman.ai doet. Met hun AI-gedreven kennisplatform, gebaseerd op deep learning algoritmes, brengen ze de vaardigheden van alle medewerkers van een bedrijf in kaart en krijgt men een goed overzicht van alle aanwezige kennis op de werkvloer. Founder Charles Boutens legt uit waarom skill én knowledge mapping cruciaal zijn om organisaties future proof te maken. “Hoe komt het dat we van al onze collega’s weten wat ze gedaan hebben in het weekend of waar ze op reis zijn geweest, maar niet over welke skills ze beschikken of hoe ze die binnen de organisatie inzetten?”

Skills adequaat identificeren en inzetten is een must: maar liefst 30 procent van het werknemersverloop is namelijk te verklaren door een mismatch tussen het takenpakket en de persoonlijke interesses van de medewerker in kwestie. Gebrekkig competentiemanagement kan zelfs nog dramatischer gevolgen hebben, getuige de huidige herstructurering binnen KBC waarbij 1.400 banen sneuvelen.

Zelfs digital native bedrijven weten vaak niet over welke skills hun medewerkers beschikken, laat staan dat ze een strategie hebben om die data-driven te mappen en in te zetten”, aldus Charles Boutens. “Terwijl dat broodnodig is om als bedrijf relevant te blijven of te kunnen opschalen. Herstructureringen kunnen daar een pijnlijk gevolg van zijn.”

Cultuur van zelfbevraging

Skills niet voldoende mappen kan ook andere negatieve gevolgen hebben, zoals het wegplukken van talent uit de organisatie. “Neem een software ontwikkelaar die in zijn vrije tijd veel met machine learning bezig is, maar in zijn bedrijf of team de kans niet krijgt die interesse in te zetten of verder te ontwikkelen”, gaat Boutens verder. “Als die persoon echter thuis veel over machine learning opzoekt of er artikels op LinkedIn over post of deelt, is de kans groot dat hij op de radar van andere bedrijven komt en elders gerekruteerd wordt.”

“Er moet dus veel meer op die skills worden ingezet, onder meer door een cultuur van zelfbevraging: medewerkers moeten zich afvragen waar ze mee bezig zijn, welke skills ze daarvoor inzetten en welke skills nog onbenut blijven. De reden waarom veel mensen dat nog niet doen, is omdat de organisatie te weinig werk maakt van zo’n kennisdelingscultuur. Laat staan dat ze bouwen aan een knowledge collaboration cultuur.”

Founder Charles Boutens

Weg van de gesloten silo-mentaliteit

Dat er binnen organisaties nog te klassiek naar profielen wordt gekeken, blijkt alleen al uit de vacatures die ze uitsturen. “Dat zijn nog al te vaak statische omschrijvingen en opsommingen van dingen die je moet kunnen, alsof de organisatie op zoek is naar de ideale schoonzoon”, aldus de uman.ai-founder. “Meer nog, die jobomschrijvingen worden zelfs vaak letterlijk gekopieerd uit gelijkaardige vacatures van concurrenten, waar dan hier en daar een woord wordt aangepast en het eigen logo aan toegevoegd. Iets wat wij drie jaar geleden hebben opgemerkt bij de ontwikkeling voor een tool om kandidaten aan vacatures te matchen.”

Vacatures zijn nog al te vaak statische omschrijvingen en opsommingen van dingen die je moet kunnen, alsof de organisatie op zoek is naar de ideale schoonzoon

“We stelden niet alleen vast dat bedrijven hun talent mobility nogal baseerden op oppervlakkige data, anderzijds bleken cv’s ook veel te statisch – de inhoud ervan bleek vaak al maandenlang niet meer up-to-date. Er lagen daar met andere woorden mogelijkheden op vlak van skill en knowledge sharing.”

“Zo zijn we uman.ai, een spin-off van het Gentse AI consultancy bedrijf ML6, verder gaan ontwikkelen als schaalbare skill engine. Omdat wij ervan overtuigd zijn dat bedrijven op zoek moeten naar een set van competenties die flexibel kunnen worden ingezet. Niet voor niets wordt lifelong employability dé uitdaging voor organisaties in de toekomst: ze moeten meer diffuus worden, zodat de skills van hun medewerkers tegen meer mogelijke taken kunnen aanschuren. Bedrijven moeten liquid talent pools worden waarin ook plaats is voor zelfsturing. Of waarin kleine teams worden samengesteld op basis van de skills van de respectieve medewerkers, zodat kan afgestapt worden van die gesloten silo-mentaliteit.”

Een open skilled-based cultuur is waar we naartoe moeten”, vindt Boutens. “Daarom dat ik zo’n hekel heb aan de term ‘reskilling’: je wil je medewerkers immers niet volledig moeten omscholen, je wil dat ze door het ontdekken van nieuwe skills beter worden in hun taken, zodat je ze kan blijven meenemen in je traject. Bedrijven die moeten bijblijven met het razendsnelle tempo van digitalisering zijn eerst aan de beurt. Daarom focussen wij op dit moment op de digitale teams, zij moeten nu zo snel mogelijk schakelen.”

De eeuwige Excel-sheet

Het blijft een vreemde vaststelling dat heel veel menselijk kapitaal in organisaties niet of nauwelijks benut wordt, terwijl iedereen vandaag beweert dat mensen dé assets van een onderneming zijn. Charles Boutens beaamt: “Hoe komt het dat we van al onze collega’s weten wat ze gedaan hebben in het weekend of waar ze op reis zijn geweest, maar niet over welke skills zij beschikken of hoe ze die binnen de organisatie inzetten? Het antwoord: omdat ze het gewoon niet kunnen weten.”

Vooral kleinere organisaties brengen de competenties van hun medewerkers nog steeds op een te vage manier in kaart. Ocharme de medewerkers die met competentie-sheets de collega’s jaarlijks bestookt. Als ze enkele maanden later klaar zijn met die oefening, zijn de competenties alweer veranderd of zijn heel wat mensen intussen vertrokken. Op die manier kan je geen intelligentie creëren rond skills, of in kaart brengen waar die skills binnen de organisatie leven. Alles begint bij het transparant maken van skills en daar snel op inspelen.”

Te vaak reproductie van bestaande kennis

De manier waarop uman.ai dat doet, is door in te zetten op knowledge collaboration. “De bedoeling van ons platform is daarom teams beter informatie te laten delen en die informatie efficiënter in te zetten, zodat medewerkers op die manier zicht krijgen op hun skills en nieuwe vaardigheden ontwikkelen.”

“Zeker bij kennisgedreven bedrijven als consultancies en digital agencies is het delen van knowledge cruciaal. Die werken heel vaak met tools als Sharepoint, Google Drive of Confluence, waarin projectdocumentatie, best practices, debriefings, enzovoort, samenkomen. Een gemiste opportuniteit, want met deze nuttige content kan een organisatie inzicht verwerven in de skills van medewerkers, door te meten hoe kennis op die platformen wordt gedeeld en waar deze wordt toegepast. Vandaag staat die knowledge daar erg statisch en wordt die niet in the flow of work aangeboden, waar en wanneer de medewerker die nodig heeft.”

“Zo stellen we bijvoorbeeld vast dat digital marketeers gaan googelen hoe ze SEO in een bepaald project moeten inzetten, terwijl daar misschien intern al guidelines of best practices over circuleren. Wist je in dat opzicht dat een medewerker per week gemiddeld 4,5 uur besteedt aan de reproductie van content die reeds in de organisatie aanwezig is? Vandaar dus uman.ai, dat al die knowledge op een transparante manier bijeenbrengt en werkgevers toelaat al even transparant skills te capteren op basis van het gebruik ervan. Want waarom weten sociale media en zoekmachines zo goed waar we mee bezig zijn en waar onze interesses liggen? Omdat we die constant relevante input daarover geven en delen. Hetzelfde willen wij met uman.ai bereiken, maar dan binnen de organisatie zelf.

Angst voor het onbekende

De bedoeling van uman.ai is dus duidelijk om AI in te zetten om medewerkers beter te maken in hun job en niét om hun job over te nemen. “Dat is inderdaad nog altijd de vrees bij veel mensen”, zegt Charles Boutens. “En het komt vooral neer op angst voor het onbekende: machine learning klinkt voor veel medewerkers als iets bedreigends. Aan organisaties om die vrees weg te nemen door medewerkers te tonen wat het allemaal mogelijk maakt en hoe ze er zelf beter van kunnen worden. Want de ervaring leert ons dat mensen écht beter willen worden in hun operationele taken.”

“Aan bedrijven om daar learning aan te koppelen, zodat die medewerkers het via upskilling ook effectief kunnen waarmaken. Via een bottom-up approach, want skills aanleren mag nooit van bovenuit gepusht worden. Dat werkt gegarandeerd niet: je moet nooit proberen mensen te veranderen, je moet de organisatie veranderen mét de mensen.”

Connecteer met 28.296 abonnees
Schrijf u in voor onze wekelijkse nieuwsbrief