Vem vet vad? Så gör ni kompetensen sökbar

De flesta konsultbolag vet ungefär vilken kompetens de har. Få kan hitta rätt person när kundförfrågan kommer in och svaret ska gå samma dag. Skillnaden ligger inte i hur mycket ni samlat in. Den ligger i om ni hittar det ni redan har.

Kan ni svara på er senaste kundförfrågan?

Ta er senaste kundförfrågan. Läs kravet högt. Vet ni vilka konsulter som matchar, eller måste ni fråga runt?

Kan ni inte det har ni ett synlighetsproblem, inte ett kompetensproblem. Kompetensen finns. Den går bara inte att komma åt när den behövs.

Det är en dyrare brist än den låter. Ingen bokför en förlorad affär man aldrig lämnade anbud på.

Varför fördefinierade listor inte räcker

Det vanligaste sättet att kartlägga kompetens är en lista med fördefinierade kompetenser som var och en kryssar i. Det fungerar tills någon ska söka i den.

Kolumnerna måste bestämmas i förväg. Ni väljer tjugo kompetenser. Allt som inte fick en kolumn finns inte.
En kund frågar efter molninfrastruktur. Ni har konsulter med AWS, Azure och Terraform — men ingen kolumn heter molninfrastruktur, så sökningen ger noll träffar. Kompetensen finns i huset, men inte i underlaget.

Individen tvingas formulera sig i någon annans ord. Konsulten vet bäst vilka verktyg, metoder och ramverk hen faktiskt använt. Ska hon välja mellan tjugo rutor försvinner nyansen, och med den det som gör profilen säljbar.

Listan åldras snabbare än den uppdateras. Nya tekniker dyker upp mellan uppdateringarna. En lista som fastställdes för två år sedan saknar allt som tillkommit sedan dess.

Vad som gör kompetens sökbar

Det här är skillnaden mellan att lagra kompetens och att hitta den.

En sökning som matchar på ord hittar bara det som stavats exakt rätt. En sökning som matchar på innebörd hittar konsulten med AWS och Terraform när kunden frågar efter molninfrastruktur.

Det löser båda problemen ovan samtidigt. Konsulten får beskriva sin kompetens i sina egna ord, ingen behöver definiera alla kategorier i förväg, och ni hittar rätt person ändå.

Förutsättningen är fortfarande att datan finns och är aktuell. En bra sökfunktion kompenserar inte för tomma profiler.

Fråga i Slack i stället för att logga

Ett underlag som kräver att någon loggar in, hittar rätt vy och exporterar en lista används inte under tidspress. Det används en gång i kvartalet, av en person.

Det som fungerar i praktiken är att frågan går att ställa där arbetet redan sker — i Slack, i Teams, eller i den AI ni ändå använder.

Så här görs det i Cinode

Sökningen är AI-driven och förstår vad ni menar, inte bara vad ni skriver. Sök på molninfrastruktur och få konsulter med AWS, Azure och Terraform, även om de aldrig använt exakt det ordet.

Via MCP Server kopplar ni en egen AI-agent eller LLM direkt till kompetensdatan och ställer frågor i naturligt språk — i Claude, ChatGPT eller som en agent i Slack och Teams.

Använd AI för att chatta direkt med Cinode tack vare MCP.

Men datan måste finnas först

Datan måste finnas innan den går att söka i. Vilka fält som behövs, vilken nivåskala som fungerar och hur ni får konsulterna att faktiskt fylla i beskriver vi i steg 1 av vår guide till Skills Management för konsultbolag.

Vill ni komma igång praktiskt finns Kompetenskartläggning – så kommer ni igång och Kompetensinventering i 5 steg.

Vanliga frågor

Måste vi bestämma alla kompetenser i förväg?
Nej, och det är just det som gör fördefinierade listor begränsande. Med en sökning som förstår innebörd kan konsulten beskriva sin kompetens fritt, och ni hittar den ändå.

Vad är skillnaden mellan kompetenskartläggning och kompetensinventering?
Orden används om vartannat. Inventering betonar nuläget, kartläggning betonar processen. Skillnaden spelar mindre roll än vad ni gör med resultatet.

Hur vet vi om vår kompetensdata är sökbar?
Ta era tre senaste kundförfrågningar och försök besvara dem med den data ni har. Det ni inte kan svara på är er egentliga kravspecifikation.