سالها یکی از مدلهای محبوب در مدیریت منابع انسانی، استخدام افراد T-shaped بود: کسی که در یک حوزه تخصص عمیقی دارد و در کنار آن اطلاعات عمومی مناسبی از حوزههای دیگر هم دارد.
اما اکنون بعضی شرکتهای فناوری معتقدند این مدل دیگر کافی نیست.
جس هرتز، مدیر ارشد عملیاتی Shopify، اخیراً گفته این شرکت بیشتر به دنبال افرادی است که چند «قله تخصصی» داشته باشند؛ افرادی که فقط یک مهارت عمیق ندارند و میتوانند در چند حوزه مختلف واقعاً مؤثر باشند. او از تعبیر X-shaped برای توصیف این نیروها استفاده کرده است.
موضوع فقط یک اصطلاح جدید منابع انسانی نیست. AI دارد ارزش اقتصادی انواع مختلف مهارت را تغییر میدهد.
چرا متخصص تکبعدی با چالش جدیدی روبهرو شده است؟
تصور کنید یک کارشناس بازاریابی دیجیتال پنج سال قبل مسئول تبلیغات آنلاین بود. بخش بزرگی از ارزش او از تسلط بر ابزارها، تنظیم کمپین، تهیه گزارش، نوشتن متن تبلیغاتی و تحلیل دادهها میآمد.
امروز AI میتواند بخش قابلتوجهی از همین فعالیتها را انجام دهد.
اما کسی که هم بازاریابی را بفهمد، هم اقتصاد مشتری را بشناسد، هم داده را تحلیل کند و هم بتواند AI را وارد فرآیند کاری کند، ارزش متفاوتی ایجاد میکند.
بنابراین AI لزوماً نیاز به تخصص را کم نمیکند؛ ممکن است اتفاقاً تقاضا برای ترکیب چند تخصص را بیشتر کند.
Shopify نمونه جالبی است. این شرکت AI را به بخش جدی فرهنگ کاری خود تبدیل کرده و حتی مدیران پیش از درخواست نیروی انسانی جدید باید بررسی کنند که آیا بخشی از کار را میتوان با AI انجام داد یا نه. در همین فضا، مدیران شرکت از نیرویی صحبت میکنند که چند حوزه تخصصی دارد و میتواند پیچیدگی بیشتری را مدیریت کند. Shopify در سهماهه دوم ۲۰۲۶ نیز درآمد ۳.۵۸ میلیارد دلاری گزارش کرده که نسبت به سال قبل ۳۴ درصد افزایش داشته است.
شرکت ایرانی باید دنبال «همهکاره» باشد؟
اینجا یک سوءبرداشت خطرناک وجود دارد.
X-shaped بودن به معنای استخدام فردی نیست که «از هر چیزی کمی بلد است».
کسی که کمی فروش، کمی حسابداری، کمی طراحی، کمی برنامهنویسی و کمی بازاریابی میداند، الزاماً نیروی ارزشمندی نیست.
مدل بهتر این است:
یک تخصص اصلی + یک تخصص مکمل + توانایی استفاده از فناوری و AI
برای مثال:
کارشناس بازاریابی:
بازاریابی عمیق + تحلیل داده + AI
مدیر فروش:
فروش عمیق + مدیریت مالی مشتری + AI
مدیر منابع انسانی:
HR عمیق + تحلیل سازمانی + AI
مدیر مالی:
مالی عمیق + تحلیل کسبوکار + اتوماسیون
در این مدل، مهارتها کنار هم ارزش ایجاد میکنند.
ماتریس سهلایه مهارت
برای هر شغل مهم در شرکت میتوانید سه ستون بسازید.
لایه اول: مهارت اصلی
کاری که فرد بدون آن نمیتواند وظیفه خود را انجام دهد.
مثلاً برای مدیر فروش:
فروش، مذاکره، مدیریت حساب مشتری.
لایه دوم: مهارت مجاور
مهارتی که باعث میشود فرد تصمیمهای بهتری بگیرد.
مثلاً:
تحلیل سودآوری مشتری، بازاریابی یا مدیریت داده.
لایه سوم: اهرم فناوری
فرد چگونه میتواند با AI، اتوماسیون و داده خروجی خود را چند برابر کند؟
این لایه احتمالاً در چند سال آینده اهمیت بسیار بیشتری پیدا خواهد کرد.
استخدام هم باید تغییر کند
اگر ساختار شغل تغییر کرده، مصاحبه سنتی نیز کافی نیست.
بهجای اینکه فقط بپرسید:
«چند سال سابقه فروش دارید؟»
میتوانید بپرسید:
«مثالی بزنید که برای حل یک مشکل فروش مجبور شدید از دانشی خارج از حوزه فروش استفاده کنید.»
یا:
«اگر AI فردا ۳۰ درصد کارهای تکراری شغل شما را انجام دهد، وقت آزادشده را صرف چه کاری میکنید؟»
و سؤال مهمتر:
«در ۱۲ ماه گذشته چه مهارت جدیدی یاد گرفتهاید که مستقیماً جزو شرح شغل شما نبوده است؟»
پاسخ این سؤالها میزان «دامنه یادگیری» فرد را بهتر از بسیاری از مدارک نشان میدهد.
یک تمرین برای تیم فعلی
لازم نیست شرکت منتظر استخدام بعدی بماند.
یک جدول برای اعضای تیم تهیه کنید و از هر نفر بخواهید سه مورد را مشخص کند:
| حوزه | پرسش |
|---|---|
| تخصص اصلی | در چه کاری واقعاً از متوسط بازار بهترم؟ |
| تخصص دوم | چه مهارتی اگر یاد بگیرم ارزش تخصص اولم را افزایش میدهد؟ |
| اهرم AI | کدام ۲۰ درصد کارم را میتوانم با AI سریعتر کنم؟ |
سپس برای هر فرد یک پروژه یادگیری سهماهه تعریف کنید.
هدف این نیست که همه کارکنان برنامهنویس شوند. هدف این است که هر فرد از یک «عنوان شغلی» به یک «ترکیب ارزشآفرین از مهارتها» تبدیل شود.
مسئله اصلی مدیران: طراحی تیم، نه فقط استخدام فرد
یک نکته مهم دیگر نیز در دیدگاه مدیر Shopify وجود دارد: اینکه افراد مختلف چگونه در کنار یکدیگر قرار میگیرند، اهمیت بیشتری پیدا میکند.
ممکن است پنج نیروی بسیار توانمند داشته باشید اما مهارتهایشان کاملاً روی یکدیگر همپوشانی داشته باشد.
در مقابل، تیمی چهار نفره با مهارتهای مکمل میتواند عملکرد بهتری داشته باشد.
بنابراین هنگام استخدام فقط نپرسید:
«این فرد چقدر خوب است؟»
سؤال دوم باید این باشد:
«این فرد کدام قابلیت را وارد تیم میکند که امروز نداریم؟»
مزیت رقابتی جدید؛ سرعت یادگیری
در دورهای که ابزارها، روشها و حتی شرح مشاغل با سرعت بالایی تغییر میکنند، سابقه کاری گذشته تنها معیار ارزش نیروی انسانی نیست.
ممکن است فردی ۱۰ سال تجربه داشته باشد، اما در پنج سال اخیر تقریباً همان یک سال تجربه را ۱۰ بار تکرار کرده باشد.
در مقابل، فردی با پنج سال سابقه ممکن است هر سال یک لایه جدید به تواناییهای خود اضافه کرده باشد.
از این منظر، یکی از مهمترین معیارهای استخدام و ارتقا میتواند این باشد:
این فرد با چه سرعتی میتواند یک قابلیت جدید و مرتبط با کسبوکار ایجاد کند؟
AI احتمالاً کارکنان توانمند را حذف نمیکند؛ اما میتواند فاصله میان فردی که فقط یک کار مشخص انجام میدهد و فردی که چند قابلیت را با فناوری ترکیب میکند، بهشدت افزایش دهد.