Компании тратят большие бюджеты на матрицы компетенций, а через год-два убирают их в дальний ящик: таблицы слишком сложно поддерживать, да и работа меняется быстрее, чем их успевают обновлять. Разбираю, что приходит на смену и кому матрица ещё может пригодиться.
От описания должности к компетенциям
Концепция моделей компетенций зародилась в начале 1970-х годов в США как ответ на изменившийся рынок труда. До этого HR в основном пользовались описанием должности — удобным «контейнером», который вмещал достаточно информации о работе сотрудника: задачи, полномочия, место в корпоративной иерархии, карьерную траекторию. Когда в компаниях появились кросс-функциональные задачи, переходы между подразделениями и десятки новых ролей, возникла потребность в более сложной системе. Нужен был способ связать то, что делает человек, с результатом бизнеса: если оборудование, технологии и бизнес-результат находятся в одной системе координат, а человек — в другой, как их объединить? Так появились модели компетенций.
Одними из первых этот подход начали использовать мультинациональные компании. Они научились описывать роли через набор характеристик сотрудника, необходимых для выполнения конкретной работы. И дальше эта практика постепенно распространилась по миру.
Я хорошо помню, как в 2015 году, когда я работал в консалтинге, мы убеждали представителей крупного бизнеса в России, что им необходимы матрицы компетенций. В ответ они лишь недоверчиво качали головами. И вот прошло десять лет: компании дозрели — теперь модели компетенций есть почти у всех. Однако контекст снова изменился, и компетентностного подхода уже недостаточно.
В фильме «Скрытые фигуры», основанном на реальных событиях, показано, как команда афроамериканок занимается математическими вычислениями для первой космической миссии NASA. В одной из сцен они рассчитывают траекторию очередного аппарата, и руководитель группы полётов говорит: эту задачу старыми подходами математики не описать, нужны новые. Похожие вещи, мне кажется, происходят сегодня и в HR.
Рабочая среда становится всё сложнее: один и тот же человек может одновременно руководить функцией, участвовать в проекте, консультировать соседнее подразделение и быть наставником. Часть задач при этом выполняют внешние подрядчики или ИИ-агенты. В результате сама единица, которую пытается описать модель компетенций, становится менее стабильной.
Кто-то скажет: «Подождите, мы только начали работать с моделями компетенций». Плохая новость — возможно, на этом стоит и закончить и подумать, как пересобрать эту историю по-новому.
Сбои в матрице
Я вижу муки коллег по HR, которые в новых реалиях пытаются всё более подробно описывать профили, добавляя новые компетенции, — всё новые уровни в этой шаткой башне из домино. И вспоминаю урок, который мне когда-то преподал один из лучших специалистов comp&ben в стране: если ты строишь систему, важно соотносить две вещи — какие задачи она решает и насколько сложно её администрировать. Какой бы мощной и современной ни была концепция, в итоге всё будет зависеть от того, кто потом будет с ней регулярно работать.
Практика внедрения моделей компетенций во многих компаниях отлично подтверждает этот тезис. Наличие пышных таблиц, пестрящих зелёными индикаторами, которые в итоге никто не использует, никак не влияет на продуктивность бизнеса. Так что если модель компетенций требует сверхусилий для поддержки и обновления, вероятность того, что она превратится в тыкву, практически стопроцентная.
Плюс, сами модели компетенций очень разные — унифицированного стандарта как не было, так и нет. Есть общие черты: связь с производственными задачами, индикаторы знаний, умений, навыков и рабочего поведения, профили с уровнями по шкалам, при этом качество исполнения может разниться критически. Например, в крупной производственной компании одновременно существуют три модели компетенций: одну спустила международная штаб-квартира, другую сделал местный офис, третью разработали на заводе. И от этой «тройной бухгалтерии» в первую очередь страдает методист: чтобы написать обучающую программу, ему нужно заглянуть в три разные таблицы и каким-то образом всё это соединить. При этом никого больше в компании это не смущает — зато есть матрица компетенций.
Джош Берсин отмечает, что фиксированная модель компетенций не поспевает за работой: задачи меняются от проекта к проекту, вслед за компанией и технологиями. CIPD указывает на то же: модели бывают слишком общими и плохо измеримыми, поэтому ожидаемого эффекта не дают. Получается парадокс: модель слишком сложна для поддержки и слишком проста для реальной работы. Формулировки «системно мыслит», «управляет сложностью» и «эффективно взаимодействует» бизнесу ничего не говорят: ему нужен результат. Поэтому на смену, пусть и медленно, приходит skill-based подход, а иногда его сочетание с матрицей.
Но есть оговорка. В моей практике встречались компании, которые предлагали решить проблему, заменив в матрице столбец «компетенции» на «навыки». Это похоже на переименование отделов при прежней структуре: вывеска новая, проблемы старые. Просто заменить одно название на другое — ещё не значит изменить сам подход. Идея в том, чтобы в эпоху слэш-карьер и быстрого внедрения ИИ найти новый способ описывать работу человека.
От матрицы компетенций к skill based
Мы во «Фронтерре» делали отчёт по главным инженерам проектов для московской строительной компании. И нам пришлось полностью абстрагироваться от существующей модели компетенций и использовать другой язык — язык контекста производственных задач: какое поведение в конкретной ситуации может дать нужный результат и насколько самостоятельно человек способен повторить его уже в другом контексте.
Вот как это выглядит на практике:
На глобальном рынке одним из пионеров, успешно практикующих skill based подход, можно назвать Walmart. Компания развернула skills-first стратегию и в 90% ролей в США уже не требуется конкретная степень обучения. Знания и навыки, полученные в процессе работы, военной службы и волонтёрства, учитываются при найме и продвижении. Более того, в 2025 году Walmart вместе с Accenture, Bank of America, Microsoft, PepsiCo, Verizon и другими запустила Skills-First Workforce Initiative. Так, крупнейшие работодатели в Америке пытаются создать общий язык для описания и проверки навыков, которые необходимы для выполнения конкретной работы.
Также компания Schneider запустила внутренний рынок талантов (Open Talent Market), и теперь любой сотрудник может составить свой профиль, по желанию связав его с LinkedIn, и получить от ИИ персональные рекомендации. Система предлагает как постоянные роли, так и участие в проектах, временную подработку, менторство и обучение.
В России в эту воду пытается заходить «Газпром нефть». Компания развивает «Профессионалы 4.0» — платформу, которая позволяет привлекать специалистов под конкретные проектные задачи, а не нанимать их на постоянную должность. В профилях участников содержится информация об их профессиональном опыте, специализации и интересах, что позволяет системе сопоставлять специалистов с проектами.
Как понять, что нужно вам
Значит ли это, что матрицы пора выбрасывать? Нет. Они остаются одним из слоёв информации о человеке. Мы во «Фронтерре» берём матрицу как основу и добавляем слои: оценку руководителя, самооценку и интересы человека. На их основе строим социальный граф (кто с кем работает) и граф знаний (кто что умеет), и человек перестаёт выглядеть плоской трудовой единицей.
Я предлагаю простой тест. Возьмите две оси: по первой оцените, насколько работа меняется под влиянием технологий, рынка и других внешних условий, по второй — насколько она критична для бизнеса.
Если хотите проверить, справляется ли ваша модель, попробуйте такой алгоритм. Начните с одной-двух ролей, которые регулярно дают сбой. Подбор по ним, как правило, идёт дольше, приходится идти на компромиссы при выборе кандидата, а новичков переучивать уже после выхода.
Человек уже одновременно руководит функцией, работает в разных проектах, консультирует коллег, а часть задач выполняют внешние специалисты и ИИ, а мы всё ещё пытаемся описать его через набор компетенций по шкале от одного до пяти.
В конце концов, задача не в том, чтобы найти модель, которая будет работать всегда. Задача — вовремя заметить, когда текущая модель перестаёт помогать принимать решения о людях.