השלב הבא בהטמעה היה לנתח את התשתית הקיימת. לפני שבונים בית חדש, צריך להבין למה הישן כבר לא משרת את מטרתו. במקרה של מובילאיי, המערכת הישנה שהחלפנו הייתה Blossom.
עדיין לא הגדרתי את Docebo. המשכתי בתהליך המיפוי העמוק, אבל הפעם המיקוד עבר מהאנשים לתשתיות.
מעקב אחר הנתונים: HRIS וקליטה
מערכת למידה ארגונית מוצלחת אף פעם לא עומדת בפני עצמה, היא הרחבה של ה-HRIS (מערכת מידע למשאבי אנוש). התחלתי במעקב אחר זרימות הנתונים בין ה-HRIS למערכת הלמידה הישנה כדי להבין בדיוק איזה מידע נשלף, וחשוב מכך, למה.
מיפיתי את כל מסע הקליטה של עובדים חדשים. כשמהנדס או אנליסט חדש נכנס בדלתות מובילאיי, מה החוויה שלו ביום הראשון? מה הצרכים המיידיים שלו?
התשובה פשוטה: הם צריכים אפס חיכוך. עובד חדש לא צריך לחפש את ההדרכות החובה שלו. הנתונים שמגיעים מה-HRIS: התפקיד, המחלקה, המיקום והוותק, צריכים לשמש כמנוע בלתי נראה שאוצר אוטומטית את 30 הימים הראשונים שלו. הבנת נקודות הנתונים המדויקות הזמינות ב-HRIS נתנה לי את השרטוט לכללי האוטומציה שאבנה בסופו של דבר ב-Docebo.
צוואר הבקבוק של Blossom
ברגע שהבנתי את תהליך הקליטה, צללתי ל-Blossom כדי לנתח את ארכיטקטורת התוכן הקיימת. הייתי צריך לראות איך הארגון אחסן וסיווג את הידע שלו.
מיד היה ברור למה העובדים היו מתוסכלים.
ארכיטקטורת התוכן במערכת הישנה הייתה נוקשה ומקוננת לעומק. היא עבדה בגישת ״ארון תיקיות.״ אם מפתח היה צריך למצוא עדכון טכני ספציפי או מודול תאימות, הוא היה צריך ללחוץ דרך שכבות של תיקיות בתקווה שניחש את הנתיב הנכון. זה לא היה אינטואיטיבי, וזה לא נבנה למהירות.
המהפך הרדיקלי
אחת הטעויות הגדולות ביותר שארגונים עושים במהלך מעבר מערכת למידה היא ה-"lift and shift", לקחת ארכיטקטורה שבורה ופשוט להעביר אותה לפלטפורמה חדשה ומבריקה. אם שמים ארכיטקטורה גרועה ב-Docebo, מקבלים ארכיטקטורה גרועה יותר יקרה.
הבנתי שכדי להפוך את ההטמעה למוצלחת, אנחנו צריכים שינוי רדיקלי באופן שבו התוכן מובנה. היינו צריכים לנטוש את התפיסה מבוססת התיקיות.
Docebo מאפשרת גישה הרבה יותר מודרנית, בסגנון Netflix: שימוש בערוצים, תיוג חכם, חיפוש מונע AI, וויג'טים מותאמים אישית. במקום לכפות על עובדים לצוד תוכן, הארכיטקטורה חייבת להיות מעוצבת מחדש כך שהתוכן הנכון ימצא את העובד הנכון בזמן הנכון.