HR har rent historiskt inte varit känt för sin starka innovationskraft, men ny teknik, nya yrkesroller och ett ökat inflytande gör att branschen förändras snabbt. För att ta reda på hur HR-team rent praktiskt hanterar utmaningar och okända situationer så har konsultbolaget Assessio i samarbete med tidningen Personal & Ledarskap kartlagt branschens learning agility i en ny studie. Rapporten, är den första av sitt slag i Sverige.
Så hanterar HR nya utmaningar
HR & Arbetsmiljö
En ny studie visar att de som jobbar inom HR är nyfikna på människor och lär bäst genom andra. Samtidigt måste branschen bli mer öppen för att experimentera och testa nya saker för att kunna möta nya krav på arbetsmarknaden.

Att titta på din potential utifrån learning agility är som att sätta på dig ett par nya glasögon. Foto Adobe Stock
Någonting är fel
Du är inloggad som prenumerant hos förlaget Pauser Media, men nånting är fel. På din profilsida ser du vilka av våra produkter som du har tillgång till. Skulle uppgifterna inte stämma på din profilsida – vänligen kontakta vår kundtjänst.
VD-tidningen premium
Läs vidare – starta din prenumeration
Redan prenumerant? Logga in och läs vidare.
Learning Agility handlar om vår förmåga att utveckla nya effektiva beteenden, baserade på nya erfarenheter, och sedan tillämpa dem framgångsrikt i praktiken. Genom att låta 180 personer inom HR göra två arbetspsykologiska tester, ett personlighetstest och ett motivationstest, så har deltagarnas learning agility räknats ut genom algoritmer.
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