Автор: Полина Жданова, консультант AS Russia Просмотров: 106 Дата создания: 15.04.2025 Дата обновления: 15.04.2025
В деловой практике становится очевидным: успех все больше зависит не только от качественного управления процессами, но и от умения формировать эффективные команды, способные работать слаженно и достигать высоких результатов.
Исследование, проведенное совместно специалистами HR-консалтинговой компании AS Russia и магистрантами МГУ, продемонстрировало значительный потенциал использования алгоритмических методов оценки на основе психометрики для создания сбалансированных рабочих команд. Этот подход позволяет не только оптимизировать распределение ролей, но и прогнозировать результативность работы команды еще на этапе ее формирования.
Вам может быть интересно
Отбор и оценка людей в команду: обзор существующих подходов
Привычные методы формирования команд зачастую оказываются недостаточно эффективными из-за отсутствия системного подхода и игнорирования индивидуальных характеристик участников. Традиционные подходы часто основываются на следующих принципах:
- Субъективная оценка руководителя, где распределение ролей происходит исходя из личных предпочтений или наблюдения за предыдущей работой сотрудников.
- Случайное распределение функций без учета реальных компетенций и психологической совместимости участников.
- Формальное соответствие должности без глубокого анализа необходимых для роли характеристик.
Такие подходы могут привести к созданию недостаточно слаженных и результативных команд. Поверхностная и субъективная оценка личностных характеристик и мотивации участников не предсказывает общую эффективность работы. Именно поэтому современные методы, основанные на научно обоснованных инструментах оценки, становятся все более востребованными в бизнесе. Подробнее об этих инструментах и практике их использования в работе с нашими клиентами мы писали ранее в материале “Оценка эффективности работы команды: методы и критерии”.
В рамках данного исследования мы пошли дальше и совместно с магистрантами Высшей Школы Бизнеса МГУ объединили два научно обоснованных метода оценивания: оценку по компетенциям и ролевое распределение участников, автоматизировав этот подход с помощью специально разработанного алгоритма.
Предсказание более высокой результативности и слаженности работы: описание эксперимента
Исследование было направлено на решение нескольких ключевых задач:
1) Проведение тестирования участников с использованием психометрического инструмента ПрофиЛидер для измерения личностных характеристик, когнитивных способностей и деструктивных моделей поведения. Это позволило получить объективные данные о каждом участнике.
2) Разработка и реализация алгоритма распределения участников по командам на основе генетического алгоритма (GA), который анализировал кандидатов в команды в различных комбинациях с помощью оптимизации суммарного уровня компетенций и обеспечения сбалансированности ролей.
3) Проведение командного испытания, в ходе которого команды решали кейс, в котором стояла задача по построению моста с учетом различных ролей: инженер, финансист, эколог, менеджер проекта и клиент. В инструкции к заданию было найти самое оптимальное решение за максимально короткий срок.
4) Сравнение эффективности работы команд, сформированных по алгоритму, с использованием как объективных метрик (скорость и правильность принятия решений), так и субъективных (оценка успешности, открытость к мнениям друг друга, достижение личных целей, комфорт работы в команде).
Описание исследования
На подготовительном этапе все участники прошли 30-минутную психометрическую оценку ПрофиЛидер, в ходе которой измерялись ключевые показатели. В выборку вошли 32 сотрудника различных компаний от 21 до 32 лет. Процесс формирования команд осуществлялся с помощью специально разработанного генетического алгоритма.
Данные участников обрабатывались по двум направлениям:
1) Выделялись четыре числовых показателя компетенций: Ориентация на результат, Принятие решений, Эмоциональный интеллект, Эффективная коммуникация, которые были выбраны согласно результатами другого нашего исследования наиболее актуальных компетенций в эпоху перемен (“Ключевые компетенции лидеров в мире и в моделях компетенций в России”). Данные компетенции оценивались с помощью тестирования ПрофиЛидер.
2) Пять показателей ролей, таких как Результат, Прагматизм, Инновации, Отношения и Процесс. Данные роли лежат в основе подходов Р.М. Белбина и Р. Хогана, и предсказывают успешность работы команды. Роли также оценивались на основе тестирования ПрофиЛидер.
Далее следовал этап настройки алгоритма: популяция составляла 200 возможных вариантов команд по принципу “steady-state selection”. Алгоритм отбирал участников команды по двум критериям — суммарному уровню компетенций и сбалансированности распределения ролей.
Для первой команды максимизировалась сумма компетенций и минимизировался дисбаланс ролей, тогда как для второй команды — наоборот.
В результате были созданы две команды: команда №1 (условно сильная) и команда №2 (условно слабая). Первая характеризовалась высоким уровнем компетенций и сбалансированным распределением ролей, вторая — низкими показателями и значительным дисбалансом. В каждой команде было по пять человек, средний возраст участников первой команды составил 25 лет, второй – 27 лет, с приблизительно равной представленностью стажа работы и уровнем образования. В каждой команды было по одной женщине и четверо мужчин, участники команд не имели совместного опыта работы.
На этапе испытания каждая команда самостоятельно распределяла внутри себя пять функциональных ролей, которые участвовали в решении кейса: инженер, эколог, менеджер проекта, аккаунт-менеджер и финансист. Далее каждому участнику предоставлялась часть информации с заданием совместно построить мост, при этом делиться этой информацией можно было только устно, не передавая другим участникам свои материалы, что вызывало необходимость конструктивного обсуждения и готовности внимательно слушать друг друга. В инструкции командам проговаривалась необходимость как можно скорее принять совместное решение, основываясь на всех изложенных в материалах требованиях и вводных данных, а также просчитать расходы и возможные риски, которые были указаны у каждой из ролей.
Результаты исследования
Полученные результаты демонстрируют четкую взаимосвязь между использованными критериями отбора и конечными результатами работы команды.
Команды, сформированные по предложенному алгоритму, показали не только более высокие объективные показатели (скорость выполнения задачи), но и лучшие субъективные оценки совместной работы (комфорт работы, удовлетворенность взаимодействием).
Объективные метрики
Команда №1 справилась с заданием за 14 минут, тогда как команда №2 не уложилась в отведенное время (30 минут). Таким образом, первая команда достигла результата быстрее, чем в два раза!
Субъективные метрики
Участники сильной команды отметили высокий уровень комфорта, полную реализацию командных и личных целей и высокую степень услышанности своих мнений. В слабой команде результаты оказались значительно ниже, все участники отметили низкую результативность работы и меньшую слаженность
В обсуждениях второй команды наблюдался большее столкновение мнений, нерешительность и много кругов перепроверки информации, затягивание принятия финального решения, а также споры и разговоры в неконструктивной форме, тогда как первая команда действовала быстро и четко, выстраивая обсуждения в спокойной и уважительной манере и прислушиваясь к каждому участнику.
Совмещение оценки по компетенциям и ролям
Ключевым преимуществом предложенного подхода является возможность одновременной оценки нескольких важных параметров: количественные показатели компетенций, учет эффективного распределения ролей, баланс различных типов мышления и подходов и оптимальное сочетание личностных характеристик.
Внедрение описанного подхода в практику оценки персонала компаний представляет собой значительный шаг вперед в области оценки и подбора команд. Использование алгоритмического метода, основанного на психометрическом тестировании и генетическом алгоритме, позволяет компаниям переходить от субъективных и зачастую неэффективных методов формирования команд к объективной, научно обоснованной системе подбора участников.
Особенно ценно то, что данный подход учитывает как профессиональные компетенции сотрудников, так и их личностные характеристики, а также потенциал для эффективного ролевого взаимодействия. Это дает возможность прогнозировать не только результативность работы команды, но и уровень удовлетворенности ее участников, что напрямую влияет на удержание талантов и снижение текучести кадров.[1]
Преимущества совмещения оценки по компетенциям и ролям:
- Более высокая точность: использование валидизированного инструмента оценки и математического алгоритма обеспечивает объективность и точность прогнозов эффективности команды.
- Скорость анализа: автоматизированный процесс оценки и формирования команд значительно сокращает время на подбор оптимального состава.
- Совмещение нескольких призм оценки: комплексный подход учитывает как профессиональные компетенции, так и личностные характеристики, а также особенности ролевого взаимодействия в команде.
Применение при решении бизнес-задач
- Подбор команд под проекты с нуля: разработанный алгоритм позволяет формировать идеально сбалансированные команды для новых проектов, учитывая как профессиональные компетенций участников, так и их способность эффективно взаимодействовать в рамках команды.
- Подбор наиболее подходящего руководителя в готовую команду: инструмент может быть использован для оценки потенциальных руководителей и определения степени их соответствия существующему составу команды.
- Подбор членов команды в готовую команду: при необходимости замены или дополнения команды методика помогает выбрать оптимального кандидата, который наилучшим образом дополнит существующий состав.
Выводы.
Проведенное исследование подтвердило гипотезу о том, что использование алгоритмического подхода к формированию команд на основе психометрической оценки ПрофиЛидер значительно повышает эффективность командной работы (включая как достижение общего результата, так и удовлетворенность совместной работой).
Полученные результаты открывают новые перспективы в области управления персоналом и формирования рабочих групп, позволяя компаниям достигать лучших результатов при меньших временных затратах на организацию командной работы.
Узнайте подробнее:
