ആരെയും നിയമിക്കാതെ Unilever 500,000 മണിക്കൂർ ശേഷി അൺലോക്ക് ചെയ്തു. Moderna അതിന്റെ HR-ഉം IT-യും ഒരൊറ്റ എക്സിക്യൂട്ടീവിന് കീഴിൽ ലയിപ്പിച്ചു. Yum China റെസ്റ്റോറന്റ് ജോലികളുടെ 89% 1–2 ആഴ്ചയ്ക്കുള്ളിൽ നികത്തുന്നു. AI ടാലന്റ് മാനേജ്മെന്റിനെ റോൾ അധിഷ്ഠിത HR അഡ്മിനിസ്ട്രേഷനിൽ നിന്ന് ചലനാത്മകമായ കാപ്പബിലിറ്റി സിസ്റ്റമായി മാറ്റുന്നു.
This article was translated from the English original. Translations are machine-assisted and reviewed on a rolling basis.
ജോലിപ്പേരുകൾ ഒരു ഏകോപന സാങ്കേതികവിദ്യയാണ്. പരസ്പരം എന്ത് പ്രതീക്ഷിക്കണം, ആരാണ് ആരോട് റിപ്പോർട്ട് ചെയ്യുന്നത്, ഏത് തരം ജോലി ഏത് വ്യക്തിയിലേക്ക് നയിക്കപ്പെടുന്നു എന്നിവ അവ ആളുകളോട് പറയുന്നു. ജോലി സ്ഥിരവും സ്ഥാപനങ്ങൾ പതുക്കെ മാറുകയും ചെയ്തിരുന്ന കാലത്ത് അവ ഉപകാരപ്രദമായിരുന്നു.
AI-പ്രാപ്തമായ ഒരു എന്റർപ്രൈസിൽ ഈ രണ്ട് അവസ്ഥകളും നിലനിൽക്കുന്നില്ല. തൊഴിലാളി മാനേജ്മെന്റിൽ മുന്നിലുള്ള സ്ഥാപനങ്ങൾ ഇത് തിരിച്ചറിഞ്ഞ് ജോലിപ്പേര് മോഡലിനെ കൂടുതൽ അനുകൂലനക്ഷമവും — യഥാർത്ഥത്തിൽ എന്ത് മൂല്യം സൃഷ്ടിക്കുന്നു എന്നതിനെക്കുറിച്ച് കൂടുതൽ സത്യസന്ധവുമായ ഒന്ന് കൊണ്ട് മാറ്റിസ്ഥാപിക്കുന്നു.
01 — ജോലിപ്പേരുകളിൽ നിന്ന് നിർമ്മിക്കാനും പുനർവിന്യസിക്കാനും കഴിയുന്ന കാപ്പബിലിറ്റികളിലേക്ക്
Unilever-ന്റെ AI-പവർ ചെയ്ത ആന്തരിക ടാലന്റ് മാർക്കറ്റ്പ്ലേസ് ജോലികൾ ഇല്ലാതാക്കിയില്ല. ഒരു വ്യക്തിയുടെ ജോലിപ്പേര് അയാൾക്ക് ചെയ്യാൻ കഴിയുന്ന ജോലിയെ നിർവചിക്കുന്നു എന്ന അനുമാനത്തെയാണ് അത് ഇല്ലാതാക്കിയത്. ജീവനക്കാരുടെ കാപ്പബിലിറ്റികൾ സൂക്ഷ്മ തലത്തിൽ മാപ്പ് ചെയ്ത് അവയെ എന്റർപ്രൈസ് വ്യാപകമായ പ്രോജക്ടുകളുമായി പൊരുത്തപ്പെടുത്തുന്നതിലൂടെ, മുമ്പ് അദൃശ്യമായിരുന്ന 500,000 മണിക്കൂർ ശേഷി Unilever അൺലോക്ക് ചെയ്തു — ജീവനക്കാർക്ക് സംഭാവന ചെയ്യാൻ കഴിയുന്ന മുഴുവൻ ശ്രേണിയും പ്രതിഫലിപ്പിക്കാത്ത റോളുകൾക്കുള്ളിൽ ബന്ധിക്കപ്പെട്ട ശേഷി. ഫലം 41% ഉൽപ്പാദനക്ഷമത മെച്ചപ്പെടലും 70% അസൈൻമെന്റുകൾ ഫങ്ഷണൽ അതിർത്തികൾ കടക്കുന്നതുമായിരുന്നു.
Yum China അതേ യുക്തി ഫ്രണ്ട്ലൈൻ ഹയറിംഗിൽ പ്രയോഗിച്ചു. 16,000+ റെസ്റ്റോറന്റ് ലൊക്കേഷനുകളും തുടർച്ചയായ ഉയർന്ന അളവിലുള്ള റിക്രൂട്ട്മെന്റ് ആവശ്യങ്ങളും ഉള്ളതിനാൽ, കമ്പനി കാൻഡിഡേറ്റ് സ്ക്രീനിംഗ്, റോൾ മാച്ചിംഗ്, ഓൺബോർഡിംഗ് എന്നിവയിലുടനീളം AI വിന്യസിച്ചു. ഹയറിംഗ് ആവശ്യങ്ങളുടെ 89% ഇപ്പോൾ ഒന്ന് മുതൽ രണ്ട് ആഴ്ചയ്ക്കുള്ളിൽ നിറവേറ്റപ്പെടുന്നു. മാനേജർ ടേൺഓവർ 9.7% ൽ നിന്ന് 7.8% ആയി കുറഞ്ഞു — ഇത് വേഗത്തിലുള്ള പ്രോസസ്സിംഗ് മാത്രമല്ല, കാൻഡിഡേറ്റ് കാപ്പബിലിറ്റിയും റോൾ ആവശ്യകതകളും തമ്മിലുള്ള മെച്ചപ്പെട്ട പൊരുത്തത്തിന്റെ ഫലമാണ്.
02 — ആനുകാലിക ടാലന്റ് റിവ്യൂകളിൽ നിന്ന് തുടർച്ചയായ ഇന്റലിജൻസിലേക്ക്
തൊഴിലാളി കാപ്പബിലിറ്റി മാനേജ്മെന്റിനോടുള്ള Johnson & Johnson-ന്റെ സമീപനം എന്റർപ്രൈസ് സ്കെയിലിൽ തുടർച്ചയായ ടാലന്റ് ഇന്റലിജൻസ് എങ്ങനെയിരിക്കുമെന്ന് കാണിക്കുന്നു. കമ്പനി അതിന്റെ ടെക്നോളജി തൊഴിലാളികളിലുടനീളം 41 ഭാവി-സജ്ജമായ നൈപുണ്യങ്ങൾ മാപ്പ് ചെയ്തു, വ്യക്തിഗത കാപ്പബിലിറ്റി വികസനവും പ്രോജക്ട് എക്സ്പോഷറും തുടർച്ചയായി ട്രാക്ക് ചെയ്യുന്ന ഒരു AI സിസ്റ്റം നിർമ്മിച്ചു, ആ നൈപുണ്യങ്ങളുമായി യോജിക്കുന്ന പഠന വിഭവങ്ങളിലേക്കുള്ള പ്രവേശനം അതിന്റെ 90% ടെക്നോളജിസ്റ്റ് ജനസംഖ്യയ്ക്ക് തുറന്നു. ഫലം പഠന ഇക്കോസിസ്റ്റം ഇടപഴകലിൽ 20% വർദ്ധനവായിരുന്നു — നിർബന്ധിത പരിശീലന പരിപാടിയിൽ നിന്നല്ല, മറിച്ച് പ്രസക്തമായ വികസന വഴികൾ തത്സമയം ദൃശ്യവും ലഭ്യവുമാക്കിയതിൽ നിന്ന്.
ടാലന്റ് പ്ലാനിംഗിനെ സംബന്ധിച്ചിടത്തോളം ഇതിന്റെ അർത്ഥം, സ്ഥാപനങ്ങളുടെ കാപ്പബിലിറ്റി ആവശ്യകതകൾ പരമ്പരാഗത വാർഷിക ടാലന്റ് റിവ്യൂകൾക്ക് ട്രാക്ക് ചെയ്യാൻ കഴിയുന്നതിനേക്കാൾ വേഗത്തിൽ മാറുന്നു എന്നാണ്. ഏത് നൈപുണ്യങ്ങൾ ഓട്ടോമേറ്റ് ചെയ്യപ്പെടുന്നു, ഏതിന് വർദ്ധിച്ചുവരുന്ന ആവശ്യമുണ്ട്, ഏത് വ്യക്തികൾ നിർണായക കാപ്പബിലിറ്റികൾ നേടാൻ കഴിവുള്ളവരാണ് എന്ന് അറിഞ്ഞുകൊണ്ട് ഒരു തത്സമയ കാപ്പബിലിറ്റി മാപ്പ് നിലനിർത്തുന്ന സ്ഥാപനങ്ങൾ, വർഷത്തിലൊരിക്കൽ എടുക്കുന്ന ഒരു സ്നാപ്ഷോട്ടിൽ പ്രവർത്തിക്കുന്നവയേക്കാൾ മെച്ചപ്പെട്ട വിന്യാസ, വികസന തീരുമാനങ്ങൾ എടുക്കുന്നു.
03 — ലേയേഡ് ഹൈറാർക്കികളിൽ നിന്ന് ഫ്ലാറ്റ് ഹ്യൂമൻ-ഏജന്റ് ടീമുകളിലേക്ക്
Repsol-ന്റെ IT, ഓപ്പറേഷൻസ് ഫങ്ഷനുകളിലുടനീളമുള്ള AI വിന്യാസം, AI ടീം ആർക്കിടെക്ചറിലേക്ക് അവതരിപ്പിക്കുന്ന ഘടനാപരമായ മാറ്റം വ്യക്തമാക്കുന്നു. കമ്പനി അതിന്റെ ടെക്നോളജി ഡിവിഷനിൽ 38 ഉപയോഗ കേസുകളിലുടനീളം 22 AI ഏജന്റുകൾ വിന്യസിക്കുകയും 3,000 IT ജീവനക്കാർ ഏജന്റ് അധിഷ്ഠിത വർക്ക്ഫ്ലോകളുമായി നേരിട്ട് ഇടപഴകുന്ന 90 ഏജന്റുകളിലേക്ക് സ്കെയിൽ ചെയ്യുകയും ചെയ്യുന്നു. ഓരോ ഏജന്റും ഒരു നിർവചിക്കപ്പെട്ട ടാസ്ക് ഡൊമെയ്ൻ കൈകാര്യം ചെയ്യുന്നു; മനുഷ്യർ ഓർക്കസ്ട്രേറ്റർമാർ, എക്സെപ്ഷൻ ഹാൻഡ്ലർമാർ, ക്വാളിറ്റി ഉടമകൾ എന്നീ നിലയിൽ പ്രവർത്തിക്കുന്നു — ഓരോ ഘട്ടത്തിലും ഡിഫോൾട്ട് തീരുമാനമെടുക്കുന്നയാളായി അല്ല.
Moderna ഇത് സ്ഥാപന തലത്തിൽ കൂടുതൽ മുന്നോട്ട് കൊണ്ടുപോയി. കമ്പനി അതിന്റെ HR, IT ഫങ്ഷനുകൾ ഒരൊറ്റ Chief People and Digital Transformation Officer-ന് കീഴിൽ ലയിപ്പിച്ചു, ആയിരക്കണക്കിന് GPT-അധിഷ്ഠിത ടൂളുകൾ ആന്തരികമായി വിന്യസിച്ചു, “തൊഴിലാളി മാനേജ്മെന്റും” “ടെക്നോളജി മാനേജ്മെന്റും” തമ്മിലുള്ള പരമ്പരാഗത അതിർത്തി ഇല്ലാതാക്കി. AI ഏജന്റുകളും മനുഷ്യ ജീവനക്കാരും ഒരേ ടാസ്ക് ക്യൂവിൽ നിന്ന് പ്രവർത്തിക്കുമ്പോൾ, ഒരു HR ചോദ്യവും ഒരു IT ചോദ്യവും തമ്മിലുള്ള വ്യത്യാസത്തിന് അർത്ഥം നഷ്ടപ്പെടുന്നു.
04 — ഒരു ഓപ്പറേറ്റിംഗ് സിസ്റ്റമായി തുടർച്ചയായ പഠനം
തൊഴിലാളി ഇടപഴകലിനെക്കുറിച്ചുള്ള WEF-ന്റെ കണ്ടെത്തലുകൾ അവയുടെ വ്യാപ്തിയിൽ ശ്രദ്ധേയമാണ്. AI-അധിഷ്ഠിത ടാലന്റ് സിസ്റ്റങ്ങൾ ഉപയോഗിക്കുന്ന സ്ഥാപനങ്ങൾ 21% ഉയർന്ന നിലനിർത്തൽ, 5× ഉയർന്ന തൊഴിലാളി ഇടപഴകൽ, AI ഉപയോഗത്തിന്റെ ഓരോ മണിക്കൂറിനും 33% ഉൽപ്പാദനക്ഷമത വർദ്ധനവ് എന്നിവ റിപ്പോർട്ട് ചെയ്യുന്നു. ഇവ ഒരു L&D പ്രോഗ്രാമിന്റെ ഔട്ട്പുട്ടുകളല്ല. ഇവ ജോലിയുടെ പ്രവാഹത്തിലേക്ക് തന്നെ പഠനം ഉൾച്ചേർക്കുന്നതിന്റെ ഔട്ട്പുട്ടുകളാണ്.
പരമ്പരാഗത പഠന മോഡൽ വികസനത്തെ ജോലിയിൽ നിന്ന് വേർതിരിക്കുന്നു: ജീവനക്കാർ പരിശീലനം പൂർത്തിയാക്കി, പിന്നീട് അവരുടെ റോളുകളിലേക്ക് മടങ്ങുന്നു. AI ഒരു വ്യത്യസ്ത മോഡൽ പ്രാപ്തമാക്കുന്നു — യഥാർത്ഥ ജോലിയുടെ പശ്ചാത്തലത്തിൽ കാപ്പബിലിറ്റി വിടവുകൾ സിസ്റ്റം തിരിച്ചറിയുന്ന, ആവശ്യമുള്ള നിമിഷത്തിൽ പ്രസക്തമായ പഠന ഉള്ളടക്കം ഉപരിതലത്തിലേക്ക് കൊണ്ടുവരുന്ന, കോഴ്സ് പൂർത്തീകരണ രേഖകൾക്ക് പകരം യഥാർത്ഥ പ്രകടന സൂചനകൾക്കെതിരെ വികസനം ട്രാക്ക് ചെയ്യുന്ന ഒന്ന്.
Repsol-ന്റെ AI ഏജന്റുകൾ ടാസ്ക്കുകൾ ഓട്ടോമേറ്റ് ചെയ്യുക മാത്രമല്ല ചെയ്യുന്നത്. ആ ടാസ്ക്കുകൾ എങ്ങനെ സമീപിക്കപ്പെടുന്നു, എവിടെ പിശകുകൾ സംഭവിക്കുന്നു, ഏത് നൈപുണ്യങ്ങൾക്ക് ദൗർലഭ്യമുണ്ട് എന്നതിനെക്കുറിച്ചുള്ള ഡാറ്റ അവ സൃഷ്ടിക്കുന്നു. ആ ഡാറ്റ തൊഴിലാളി പ്ലാനിംഗ് തീരുമാനങ്ങളിലേക്ക് നേരിട്ട് നൽകുന്നു: ഏത് കാപ്പബിലിറ്റികൾ ആന്തരികമായി നിർമ്മിക്കണം, ഏത് പുറത്തുനിന്ന് സ്രോതസ്സ് ചെയ്യണം, ഏത് കൂടുതൽ ഓട്ടോമേറ്റ് ചെയ്യണം.
ടാലന്റിൽ മുന്നിലുള്ള സ്ഥാപനങ്ങൾ വലിയ പഠന, വികസന ബജറ്റുകളിൽ നിക്ഷേപിക്കുന്നില്ല. ഏത് ജോലി മനുഷ്യർ ചെയ്യുന്നു, ഏത് ജോലി ഏജന്റുകൾ ചെയ്യുന്നു എന്ന് നിർവചിക്കുന്ന ഗവേണൻസ് മോഡലുകളിലും — ആളുകളെ ഇവ രണ്ടിനോടും പൊരുത്തപ്പെടുത്താൻ കാപ്പബിലിറ്റി സിസ്റ്റങ്ങൾ നിർമ്മിക്കുന്നതിലുമാണ് അവർ നിക്ഷേപിക്കുന്നത്. ജോലിപ്പേരുകൾ ഒറ്റരാത്രികൊണ്ട് അപ്രത്യക്ഷമാകില്ല. എന്നാൽ തൊഴിലാളി പ്ലാനിംഗിന്റെ പ്രാഥമിക ആർക്കിടെക്ചറായി അവ ഉപയോഗിക്കുന്നത് തുടരുന്ന സ്ഥാപനങ്ങൾ, തങ്ങൾക്കുള്ള കാപ്പബിലിറ്റികൾ വിന്യസിക്കാൻ കൂടുതൽ കൂടുതൽ കഴിയാത്ത അവസ്ഥയിലാകും.
Frequently asked questions
How is AI changing workforce planning?+
AI shifts workforce planning from role-based headcount decisions to capability-based deployment — mapping skills dynamically, identifying near-ready internal talent, and matching employees to projects based on actual capabilities rather than job titles.
What new roles is AI creating in organizations?+
The WEF identifies emerging roles including AI product owners (setting guardrails and owning automated decision outcomes), workflow architects (redesigning processes around AI), model stewards (monitoring AI in production), and human-AI orchestrators (managing teams of humans and agents simultaneously).
How does AI improve talent retention?+
AI identifies early signals of disengagement, burnout, and attrition risk, enabling proactive intervention. The WEF reports a 21% boost in talent retention and 5× higher workforce engagement in organizations using AI-driven talent systems.
Free download
2026 AI Transformation Executive Brief
The WEF data, distilled. Key findings, adoption stages, and the five structural decisions — in one PDF. Or read it now: The 15% Gap (PDF).