Sử dụng kết quả công việc sau đào tạo để đánh giá

Giá trị đánh giá của kết quả công việc mạnh nhất khi có một chuỗi bằng chứng nhất quán: người học tiếp thu được năng lực cần thiết, hành vi tại nơi làm việc thay đổi theo hướng mong muốn, rồi KPI công việc cải thiện trong khoảng thời gian hợp lý. Vì vậy, đánh giá tốt phải trả lời đồng thời ba câu hỏi: đo đúng kết quả nào, đo ở thời điểm nào và có đủ cơ sở để gắn thay đổi đó với đào tạo hay không.

Kết quả công việc là bằng chứng đầu ra, không phải kết luận cuối cùng

Kết quả công việc trả lời một câu hỏi rất quan trọng: sau đào tạo, đầu ra thực tế của công việc có thay đổi hay không? Đó có thể là số lỗi, thời gian xử lý, tỷ lệ hoàn thành đúng hạn, năng suất, tỷ lệ chuyển đổi, mức tái làm, khiếu nại hoặc một KPI khác gắn trực tiếp với công việc. So với phản hồi hài lòng sau lớp học, loại dữ liệu này gần hơn với giá trị mà tổ chức thực sự muốn tạo ra.

Tuy nhiên, “xảy ra sau đào tạo” và “xảy ra do đào tạo” là hai mệnh đề khác nhau. Hiệu suất có thể tăng cùng lúc với việc thay đổi công cụ, điều chỉnh quy trình, tăng nhân sự, đổi chính sách thưởng, biến động nhu cầu thị trường hoặc thay đổi quản lý. Nếu chỉ nhìn KPI sau khóa học rồi kết luận đào tạo hiệu quả, phép đánh giá đang biến một quan sát theo thời gian thành một khẳng định nhân quả.

Logic này cũng phù hợp với cách phân biệt giữa Behavior và Results trong mô hình Kirkpatrick. Hành vi cho biết người học có áp dụng điều đã học vào công việc hay không; kết quả cho biết đầu ra ở cấp công việc hoặc tổ chức có thay đổi hay không. Hai lớp bằng chứng liên quan nhưng không thay thế nhau. Nếu kết quả tăng mà hành vi mục tiêu không thay đổi, cần thận trọng với việc quy kết cho đào tạo. Ngược lại, nếu hành vi đã thay đổi nhưng kết quả chưa tăng, nguyên nhân có thể nằm ở độ trễ, điều kiện vận hành hoặc một nút thắt khác ngoài năng lực cá nhân.

Vì thế, kết quả công việc sau đào tạo có giá trị cao khi được dùng như mắt xích cuối của một chuỗi bằng chứng, chứ không phải là bằng chứng duy nhất.

Khi nào kết quả sau đào tạo thực sự phản ánh tác động của đào tạo?

Một KPI sau đào tạo chỉ có sức nặng khi mối liên hệ giữa nội dung đào tạo và kết quả đủ gần. Nếu khóa học dạy kỹ năng xử lý khiếu nại nhưng đánh giá bằng doanh thu toàn công ty, khoảng cách nhân quả quá lớn: doanh thu chịu ảnh hưởng của giá, sản phẩm, quảng cáo, mùa vụ và nhiều yếu tố khác. Ngược lại, tỷ lệ xử lý đúng quy trình, tỷ lệ khiếu nại tái diễn hoặc thời gian giải quyết có quan hệ trực tiếp hơn với kỹ năng vừa được đào tạo.

Có năm điều kiện nên được kiểm tra trước khi dùng kết quả công việc để kết luận về hiệu quả đào tạo:

·         Liên kết mục tiêu: KPI phải phản ánh năng lực hoặc hành vi mà chương trình thực sự nhắm tới

·         Cơ hội áp dụng: Người học phải có đủ tình huống thực tế để sử dụng kỹ năng mới

·         Độ trễ hợp lý: Khoảng thời gian đo phải đủ để hành vi mới chuyển hóa thành kết quả

·         Khả năng so sánh: Dữ liệu trước và sau phải được tính theo cùng định nghĩa, cùng đơn vị và bối cảnh đủ tương đồng

·         Kiểm soát yếu tố khác: Những thay đổi lớn về công cụ, quy trình, nhân sự, thị trường hoặc cơ chế khuyến khích phải được ghi nhận

Điều kiện “cơ hội áp dụng” thường bị bỏ qua. Một nhân viên có thể học tốt nhưng trong giai đoạn hậu đào tạo lại ít gặp đúng loại nhiệm vụ cần kỹ năng mới. Khi đó, kết quả công việc chưa cải thiện không đủ để kết luận chương trình thất bại. Tương tự, một kỹ năng cần nhiều vòng thực hành trước khi tạo tác động có thể không thể hiện ở KPI ngay trong tuần đầu tiên.

Do đó, câu hỏi đúng không phải là “KPI có tăng không?”, mà là “trong điều kiện người học có thể áp dụng năng lực mới và các yếu tố khác được xem xét, KPI có thay đổi theo hướng phù hợp với cơ chế tác động của đào tạo không?”

Chọn KPI đủ gần với kỹ năng được đào tạo

Một KPI tốt cho đánh giá đào tạo cần vừa có ý nghĩa kinh doanh, vừa đủ gần với hành vi mà đào tạo có thể thay đổi. Chỉ số càng xa nội dung đào tạo, càng nhiều biến số khác chen vào và sức mạnh của kết luận càng yếu.

Ví dụ, với đào tạo kiểm soát chất lượng, tỷ lệ lỗi hoặc tỷ lệ tái làm thường có liên hệ trực tiếp hơn với kết quả đào tạo so với lợi nhuận của nhà máy. Với đào tạo kỹ năng bán hàng, tỷ lệ chuyển đổi trên số cơ hội đủ điều kiện hoặc giá trị đơn hàng trong nhóm khách hàng mục tiêu thường hữu ích hơn doanh thu tuyệt đối, vì doanh thu còn phụ thuộc vào lưu lượng khách, giá bán và cơ cấu sản phẩm. Với đào tạo quy trình vận hành, thời gian chu kỳ, tỷ lệ hoàn thành đúng chuẩn hoặc số lần phải sửa lại có thể là chỉ số gần hơn.

Điểm quan trọng là chọn mẫu số đúng. Số lỗi tuyệt đối giảm từ 100 xuống 80 nghe có vẻ tích cực, nhưng nếu khối lượng công việc giảm một nửa thì chất lượng thực tế có thể đã xấu đi. Tỷ lệ lỗi trên 1.000 giao dịch, thời gian trung bình trên một hồ sơ hoặc số lần tái làm trên 100 sản phẩm thường cho phép so sánh tốt hơn khi quy mô công việc biến động.

Không phải chỉ số nào “quan trọng với doanh nghiệp” cũng phù hợp để đánh giá một khóa đào tạo cụ thể. Một cách kiểm tra thực dụng là hỏi: nếu người học áp dụng đúng kỹ năng vừa học nhưng mọi điều kiện khác giữ nguyên, KPI này có lý do hợp lý để thay đổi không? Nếu câu trả lời không rõ, chỉ số đó có thể quá xa mục tiêu đào tạo.

KPI kết quả cũng nên được đặt cạnh một chỉ báo hành vi. Chẳng hạn, tỷ lệ lỗi giảm có sức thuyết phục hơn nếu dữ liệu quan sát cho thấy nhân viên thực sự áp dụng bước kiểm tra mới. Cặp dữ liệu này giúp phân biệt “kết quả tốt lên” với “cơ chế mà đào tạo dự kiến tạo ra thực sự đã xảy ra”.

Thiết kế phép đo trước–sau và đúng cửa sổ thời gian

Không có đường cơ sở, rất khó biết mức hậu đào tạo là tốt hơn, xấu hơn hay đơn giản chỉ là trạng thái bình thường. Vì vậy, kết quả công việc nên được so với baseline được xác định trước đào tạo bằng cùng một công thức đo.

Ở mức đơn giản, thay đổi có thể biểu diễn bằng chênh lệch tuyệt đối hoặc tương đối. Với chỉ số càng cao càng tốt:

Mức thay đổi tương đối = (Kết quả sau − Baseline) / Baseline × 100%

Với chỉ số càng thấp càng tốt, như tỷ lệ lỗi, có thể đảo chiều để biểu diễn mức cải thiện. Chẳng hạn, nếu tỷ lệ lỗi giảm từ 5% xuống 3%, mức giảm tương đối là (5% − 3%) / 5% = 40%. Con số 40% cho biết quy mô thay đổi so với baseline; nó không tự chứng minh 40% cải thiện đó do đào tạo tạo ra.

Cửa sổ thời gian phải bám vào chu kỳ công việc và cơ chế tác động. Công việc lặp lại nhiều lần mỗi ngày có thể tạo đủ dữ liệu tương đối sớm. Kỹ năng bán hàng theo chu kỳ dài hoặc năng lực quản lý có thể cần nhiều chu kỳ quan sát hơn. Chọn một mốc cố định cho mọi loại đào tạo dễ tạo hai lỗi ngược nhau: đo quá sớm khi người học chưa đủ cơ hội áp dụng, hoặc đo quá muộn đến mức nhiều thay đổi khác đã chen vào.

Baseline cũng không nên chỉ là một ngày hay một tuần bất thường nếu hoạt động có mùa vụ. Tốt hơn là chọn một giai đoạn đại diện, hoặc so với cùng kỳ tương đương khi biến động theo mùa rõ rệt. Nếu dữ liệu dao động mạnh, theo dõi nhiều mốc sau đào tạo sẽ hữu ích hơn một ảnh chụp duy nhất, vì xu hướng ổn định có giá trị hơn một điểm tăng đột biến.

Như vậy, thiết kế đo trước–sau tốt phải bảo đảm ba thứ: cùng định nghĩa chỉ số, giai đoạn so sánh hợp lý và đủ số cơ hội làm việc để kết quả có ý nghĩa.

Tách tác động đào tạo khỏi các yếu tố gây nhiễu

Đây là phần quyết định mức độ chắc chắn của kết luận. Một nhóm nhân viên có thể tăng năng suất sau đào tạo, nhưng cùng thời điểm đó doanh nghiệp vừa triển khai phần mềm mới. Nếu không tách hai tác động, toàn bộ mức tăng rất dễ bị ghi công cho khóa học.

Cách mạnh hơn so với so sánh trước–sau đơn thuần là có một nhóm so sánh tương đồng nhưng chưa tham gia đào tạo trong cùng giai đoạn. Khi đó có thể xem xét không chỉ mức tăng của nhóm được đào tạo mà còn mức thay đổi chung của môi trường.

Giả sử một ví dụ minh họa: nhóm được đào tạo tăng năng suất từ 10 lên 12 đơn vị mỗi giờ, tức tăng 2 đơn vị. Nhóm tương đồng chưa đào tạo tăng từ 10 lên 11 đơn vị mỗi giờ, tức tăng 1 đơn vị. Phần chênh lệch giữa hai mức thay đổi là ( 2) − ( 1) = 1 đơn vị/giờ. Logic này gần với phép difference-in-differences: nó giúp loại bớt phần thay đổi có thể đến từ các yếu tố chung tác động lên cả hai nhóm.

Tuy vậy, nhóm so sánh chỉ làm kết luận mạnh hơn khi hai nhóm thực sự đủ tương đồng và không bị tác động bởi các thay đổi khác nhau. Nếu nhóm được đào tạo gồm nhân viên giàu kinh nghiệm hơn, có khách hàng tốt hơn hoặc được quản lý hỗ trợ nhiều hơn, chênh lệch vẫn có thể bị sai lệch.

Khi không thể có nhóm so sánh, vẫn có thể tăng độ tin cậy bằng cách kết hợp nhiều nguồn: xu hướng KPI trong nhiều kỳ trước và sau, dữ liệu về mức độ áp dụng hành vi mới, ghi nhận của quản lý trực tiếp, thay đổi về công cụ hoặc quy trình, khối lượng công việc, mùa vụ và các sự kiện vận hành quan trọng. Mục tiêu không phải lúc nào cũng là “cô lập tuyệt đối” tác động đào tạo, mà là giảm các lời giải thích thay thế đủ mạnh để kết luận trở nên hợp lý và có thể bảo vệ được.

Diễn giải kết quả theo chuỗi học tập–hành vi–hiệu suất

Kết quả công việc nên được đọc cùng với hai lớp bằng chứng gần hơn: người học có thực sự học được gì và hành vi tại công việc có thay đổi hay không. Cách đọc theo chuỗi giúp tránh hai kết luận sai phổ biến: “KPI tăng nên đào tạo chắc chắn hiệu quả” và “KPI chưa tăng nên đào tạo chắc chắn thất bại”.

Không có một tỷ trọng phổ quát mà mọi tổ chức nên gán cho “kết quả công việc” trong mọi chương trình. Nếu mục tiêu đào tạo rất gần với một KPI có thể kiểm soát, dữ liệu đủ nhiều và thời gian tác động ngắn, kết quả công việc có thể mang trọng số lớn trong kết luận. Nếu kết quả hiếm xảy ra, có độ trễ dài hoặc chịu ảnh hưởng mạnh của môi trường, bằng chứng hành vi và các chỉ báo gần hơn cần được coi trọng hơn.

Cách sử dụng thực tế vì thế không phải là lấy một KPI hậu đào tạo rồi chấm “đạt/không đạt”. Thay vào đó, tổ chức nên đặt trước giả thuyết tác động: đào tạo sẽ thay đổi hành vi nào, hành vi đó dự kiến làm KPI nào thay đổi, trong khoảng thời gian nào, và yếu tố nào khác có thể tác động. Sau đó dữ liệu hậu đào tạo được dùng để kiểm tra giả thuyết đó.

Khi các lớp bằng chứng cùng hướng, kết luận về hiệu quả đào tạo mạnh hơn. Khi chúng mâu thuẫn, sự mâu thuẫn chính là thông tin chẩn đoán: có thể chương trình tạo ra học tập nhưng không chuyển giao, có thể chuyển giao đã xảy ra nhưng hệ thống cản trở kết quả, hoặc có thể KPI thay đổi vì nguyên nhân khác. Đây là cách kết quả công việc trở thành công cụ đánh giá có giá trị, thay vì chỉ là một con số được ghi nhận sau khóa học.

Kết quả công việc sau đào tạo phản ánh hiệu quả ở mức cao nhất khi nó được đo như một phần của chuỗi bằng chứng, không phải đứng một mình. KPI cần gắn trực tiếp với năng lực được đào tạo, có baseline rõ ràng, được đo sau đủ cơ hội áp dụng và được đặt cạnh dữ liệu hành vi cùng các yếu tố gây nhiễu.

Nếu chỉ thấy hiệu suất tăng sau khóa học, tổ chức mới có bằng chứng về sự thay đổi theo thời gian. Khi có thêm dấu hiệu người học đã áp dụng đúng hành vi, phép đo trước–sau hợp lệ và các lời giải thích thay thế đã được kiểm tra, kết quả công việc mới trở thành bằng chứng thuyết phục rằng đào tạo thực sự tạo ra tác động.