خرید TechWolf چگونه مدل شناسایی مهارت‌های SAP را تغییر می‌دهد؟

تصور کنید مدیر منابع انسانی هستید و می‌خواهید بدانید دقیقاً چه کسی در سازمان شما توانایی حل یک بحران فنی خاص را دارد، اما لیست عناوین شغلی هیچ کمکی به شما نمی‌کند. این همان شکافی است که SAP قصد دارد با خرید شرکت TechWolf آن را پر کند تا هوش نیروی کار را به یک دارایی استراتژیک شرکتی تبدیل کند.

طبق اعلام رسمی، این توافق در ۶ اکتبر ۲۰۲۶ امضا شد و انتظار می‌رود تا پایان سه ماهه چهارم ۲۰۲۶، پس از تأیید نهادهای نظارتی، نهایی شود. در این معامله، جی.پی. مورگان به عنوان مشاور مالی انحصاری TechWolf عمل کرده است، هرچند مبلغ دقیق این خرید فاش نشده است.

بسیاری از سازمان‌ها در تطبیق مهارت‌های واقعی کارکنان با وظایفی که روزانه انجام می‌دهند، شکست می‌خورند. سیستم‌های قدیمی منابع انسانی فقط «عنوان شغلی» را ثبت می‌کنند، اما ماهیت سیال کار در اقتصاد مبتنی بر هوش مصنوعی را نمی‌بینند. SAP روی این فرضیه شرط بسته است که یک «لایه شواهد» پویا می‌تواند این عدم شفافیت را حل کند.

زمینه و ادغام

پلتفرم TechWolf با اتصال به سیستم‌های تجاری و منابع انسانی موجود، نمایی به‌روز و مستمر از کار و مهارت‌های کارکنان ارائه می‌دهد. این قابلیت به مدیرانی که مسئول بازآموزی (Reskilling)، جابجایی نیروی کار (Redeployment) یا استخدام هستند کمک می‌کند تا با استفاده از اطلاعات دقیق‌تری که با استراتژی کسب‌وکار مشتری تطبیق یافته است، عمل کنند. این رویکرد با استراتژی‌های مشابه در صنعت آموزش همسو است، مشابه آنچه پیرسون برای پر کردن شکاف زمانی آموزش هوش مصنوعی در پیش گرفته است.

SAP قصد دارد مدل‌های هوش مصنوعی TechWolf و تیم تحقیقات هوش مصنوعی کاربردی آن را در عملیات خود ادغام کند. این ادغام برای این طراحی شده است تا به مشتریان بینش‌های عمیق‌تری در مورد جابجایی داخلی کارکنان و تحول نیروی کار ارائه دهد.

به نقل از مستندات SAP، این خرید منجر به ادغام گراف زمینه (Context Graph) اختصاصی TechWolf در اکوسیستم این شرکت می‌شود. این مدل داده‌ای، سازمان را در سه سطح متمایز تحلیل می‌کند:

• کار: وظایف جزئی و دانه‌بندی شده در یک شغل خاص.
• مهارت‌ها: توانایی‌هایی که کارکنان واقعاً برای انجام آن وظایف به کار می‌برند.
• بازار: روندهای خارجی نیروی کار و میزان دسترسی به استعدادها در بازار.

این گراف قرار است به هسته‌ی هوشمند مجموعه‌ی SAP SuccessFactors تبدیل شود. SAP قصد دارد با یکپارچه‌سازی داده‌های مهارت و کار، برنامه‌ریزی نیروی کار و بازطراحی سازمانی را در سراسر «سازمان خودمختار» (Autonomous Enterprise) به‌صورت خودکار مدیریت کند.

مبانی فنی برای Joule

مانوج سوامیناتان، رئیس و مدیر ارشد محصول SAP Autonomous Suite، تأکید کرد که این گراف زمینه، یک لایه‌ی مبنی‌سازی (Grounding) — شبیه به دادن یک کتاب مرجع دقیق به مدل برای جلوگیری از خیال‌بافی — برای پرس‌وجوهای عامل‌ها فراهم می‌کند. این معماری باعث می‌شود مصرف توکن (Token) — تکه‌های کوچکی از متن که مدل می‌خواند — بهینه‌تر شود و هزینه استقرار عامل‌های نیروی کار کاهش یابد.

به طور مشخص، این لایه باعث می‌شود Joule، دستیار هوش مصنوعی SAP، در سناریوهایی مثل استخدام بر اساس مهارت یا بازطراحی نقش‌ها، هوشمندتر عمل کند. سوامیناتان اظهار داشت که این لایه مبنی‌سازی کاملاً با استراتژی SAP برای سناریوهای منابع انسانی مبتنی بر هوش مصنوعی مطابقت دارد.

پیشینه استراتژیک

این معامله پس از یک همکاری نزدیک رخ داد؛ TechWolf در ۷ اوت ۲۰۲۶ نشان SAP Spotlight+ را دریافت کرده بود. همچنین در ۱۵ ژوئن ۲۰۲۶ گزارش شد که این شرکت در کنار TalenTeam برای تسریع تحول مهارت‌محور مشتریان SuccessFactors همکاری می‌کنند.

رشد TechWolf حاصل جذب سرمایه‌های کلانی در دورهای مختلف بود:

• ۱۲ مه ۲۰۲۲: جذب ۱۰ میلیون یورو در دور سری A برای ساخت لایه‌ی هوش مهارتی.
• ۲۵ ژوئن ۲۰۲۴: جذب ۴۲.۷۵ میلیون دلار در دور سری B.

نکته جالب این است که TechWolf پیش از این در ۲۹ ژانویه ۲۰۲۵، هوش مهارتی خود را با Workday نیز ادغام کرده بود.

پس از خرید، TechWolf تحت مدیریت آندریاس دِ نِوِ در گنت بلژیک به عنوان یک موجودیت مستقل باقی می‌ماند و دفاتر خود در لندن، نیویورک و سان‌فرانسیسکو را حفظ می‌کند. این پلتفرم همچنان به مشتریان SAP و غیر SAP خدمات خواهد داد.

دِ نِوِ، یکی از بنیان‌گذاران TechWolf، اشاره کرد که شرکت هشت سال زمان صرف ساخت لایه‌ی شواهد کرده است تا به کارفرمایان در حل چالش‌های تحول هوش مصنوعی کمک کند. او معتقد است پیوستن به SAP این مأموریت را در مقیاسی وسیع‌تر و در زمینه تجاری گسترده‌تری پیش می‌برد.

این حرکت نشان‌دهنده تغییر مسیر از «منابع انسانی زاینده» (Generative HR) — که صرفاً شرح شغلی می‌نویسد — به «منابع انسانی هوشمند» (Intelligence HR) است که نیروی کار را بر اساس داده‌های سخت بهینه می‌کند. این تمایل به اتوماسیون هوشمند در لایه‌های عملیاتی، مشابه رویکرد Dodge AI در اتوماسیون نگهداری نرم‌افزارهای سازمانی است که به دنبال حذف فرآیندهای دستی در محیط‌های پیچیده است.

برای یک مدیر کسب‌وکار، این یعنی پایان حدس و گمان در بازآموزی کارکنان و جابجایی داخلی. حالا می‌توان استراتژی تجاری را مستقیماً به مهارت‌های واقعی موجود در ساختمان متصل کرد. SAP اکنون در موقعیتی است که با ارائه یک نقشه‌ی قابل تأیید از سرمایه‌ی انسانی، تهاجمی‌تر با سایر ابرهای استعدادی رقابت کند.

اثر ثانویه این اتفاق احتمالاً فشار به سمت «سازمان‌های مهارت‌محور» خواهد بود؛ جایی که عناوین شغلی اهمیت کمتری نسبت به گراف زمینه توانایی‌های یک فرد دارند. منتظر انتشار محصولات جدید بهینه‌سازی نیروی کار مبتنی بر هوش مصنوعی باشید که SAP و TechWolf قصد دارند پس از نهایی شدن معامله، به‌طور مشترک ابداع کنند.

گام بعدی شما

• اگر از SuccessFactors استفاده می‌کنید، منتظر به‌روزرسانی‌های Joule برای تحلیل شکاف مهارتی (Skill Gap) باشید.
• مدل‌های سازمان خود را از «عنوان‌محور» به «مهارت‌محور» تغییر دهید تا با ابزارهای جدید سازگار شوید.
• بررسی کنید که آیا داده‌های فعلی شما از وظایف کارکنان، برای تغذیه یک گراف زمینه کافی است یا خیر.

اما اثر این ادغام بر کاهش هزینه‌های استنتاج در مقیاس سازمانی حتی حیاتی‌تر است — به تحلیل ما درباره‌ی بهینه‌سازی توکن‌ها در مدل‌های سازمانی مراجعه کنید.