Install any skill in seconds. Free to start, no credit card required.
Get Started Free →Strategic talent-management toolkit integrating 9-box grid (performance × potential), succession planning, competency models, and talent review into one operational flow. Use for key-position-risk diagnosis, succession pipeline design, family-business second-generation grooming, annual talent review, competency/promotion systems, or post-M&A talent retention. Triggers: 『誰來接班』『關鍵職缺斷鏈』『高潛人才』『績效考核跟晉升脫節』『家族二代怎麼養』『留才方案』『9-box』『繼任規劃』『職能模型』『人才盤點』. For Taiwan EMBA strategic-HR/OB/family-business courses
.claude/skills/asgard-ai-platform-ops-talent-strategy/SKILL.md| Test case | Without → With | Effect | Δ tokens | Δ turns |
|---|---|---|---|---|
| case-04 | ✗→✓ | ▲ Improved | 155% | 0% |
| case-06 | ✗→✓ | ▲ Improved | 947% | 0% |
| case-09 | ✗→✓ | ▲ Improved | 294% | 0% |
| case-10 | ✗→✓ | ▲ Improved | 194% | 0% |
| case-12 | ✗→✓ | ▲ Improved | 192% | 0% |
EMBA 策略人資作業最常被問:「關鍵職位萬一明天人走,你能點名三位接班人嗎?」本 skill 提供一條由「盤點 → 評估 → 規劃 → 發展 → 監控」的完整流程,涵蓋:
與相近 Asgard skill 的邊界:
algo-hr-compensation — 薪酬結構計算algo-hr-matching — 職位配對演算algo-hr-turnover — 離職預測模型grad-strat-upper-echelons — 高階梯隊學理觸發條件
不適用
algo-hr-compensationops-org-behaviorops-leadership-stylesIRON LAW 1:沒有「關鍵職位」清單,一切人才工作都是瞎忙
30 人公司可能只有 3 個關鍵職位;
300 人公司可能仍只有 15 個。
關鍵職位 = 「此人離職 90 天內組織運作會實質受損」。
先定義它,再做盤點。IRON LAW 2:9-box 的「潛力」不能用過去績效推
高績效員工 ≠ 高潛力員工。
升上去表現崩盤的常見原因:把「當前崗位高績效」誤判為「下一崗位高潛力」。
潛力需獨立評估:學習敏捷度(Learning Agility)、格局、抗壓。IRON LAW 3:繼任規劃若無發展配套,等於在紙上談兵
列出接班候選人(Successor)後,
若未配給 IDP(個人發展計畫)、暴露機會(stretch assignments)、
定期 checkpoint,
兩年後接班人會跟現在的候選人完全不一樣 — 不是因他們成長,
而是因他們離職或被追上。| 可能想 | 但 Iron Law 仍適用,因為 | |---|---| | 「個案沒明示關鍵職位,就把所有主管列入分析」 | 必須先推論並揭示「關鍵職位定義」的假設;不列清單 = 策略失焦 | | 「該員工歷年考績皆 A,就放『高潛力』格」 | 績效與潛力是兩軸;潛力需獨立評估學習敏捷、角色複雜度承受度、主動性 | | 「報告列出接班人名單就結案」 | 每位候選人必須附 IDP、暴露機會、時程;缺發展配套 = 不可執行 |
> 根據個案性質跳過不適用步驟;以下為完整候選路徑,非必跑清單。
Step 1:定義關鍵職位(Criticality Map)
├─ 衝擊分析:此職位離開,組織損失什麼?
└─ 稀缺分析:市場能否找到替代?
Step 2:人才盤點(Talent Review)
├─ 9-box grid 校準
└─ 人才分類:明星、核心、補強、高風險
Step 3:繼任規劃(Succession Planning)
├─ 每個關鍵職位列 3 層繼任者
└─ 時間橫軸:立即可接、1 年內可接、3 年培養
Step 4:職能模型建立(Competency Model)
├─ 崗位關鍵職能定義
└─ 對應的行為指標(BEI 面談依據)
Step 5:個人發展計畫(IDP)
├─ 關鍵職能 gap → 學習活動(課程、專案、教練)
└─ 70-20-10 原則配比
Step 6:年度檢視與重校準(Calibration)
├─ 半年度 / 年度盤點會議
└─ 數據 × 主管觀點 × 360 回饋三角驗證| 維度 | 問題 | 高分代表 | |---|---|---| | 衝擊度 | 此人離開 90 天,組織損失多大? | 越大越關鍵 | | 替代難度 | 市場能否 3 個月找到替代者? | 越難越關鍵 |
關鍵職位 = 衝擊度高 + 替代難度高
低績效 中績效 高績效
高潛力 疑問 新星 明星★
中潛力 可觀察 核心骨幹 高績效骨幹
低潛力 低效⚠ 穩定貢獻 穩定高手| 分類 | 特徵 | 行動建議 | |---|---|---| | 明星(高潛+高績) | 公司未來領導層 | 加速培養、配關鍵專案、留才方案 | | 新星(高潛+中績) | 新到崗或尚未發揮 | 觀察、給機會、預期 12 個月內升格 | | 疑問(高潛+低績) | 錯位或有障礙 | 診斷原因、調崗、若無起色檢討潛力評價 | | 高績骨幹(中潛+高績) | 當前支柱 | 維持激勵、但晉升要審慎 | | 核心骨幹(中潛+中績) | 組織主力 | 穩定與培養並重 | | 可觀察(中潛+低績) | 短期狀態不佳 | 確認是否個人事件、3–6 月追蹤 | | 穩定高手(低潛+高績) | 專家型人才 | 技術軌晉升、不強迫管理職 | | 穩定貢獻(低潛+中績) | 忠誠可靠 | 維持、別誤當明星 | | 低效(低潛+低績) | 風險個案 | 直面績效管理、考慮汰換 |
績效(過去 12 個月)
潛力(未來 3–5 年) 核心指標:
易混淆點:「會做事」≠「有潛力」。潛力著重「能上的邊界」而非「現在做得多好」。
| 職位 | 現任 | 風險 | 立即接班(0–6 月) | 1 年內 | 3 年培養 | |---|---|---|---|---|---| | 事業部總 | 王 | 退休 24 月 | 無 ⚠️ | 李 | 陳、張 | | 供應鏈總監 | 林 | 挖角風險中 | 副總監黃 | 無 | 周 | | 研發 VP | 吳 | 低 | 無 | 高 | 劉、宋 |
核心職能定義:對崗位成功至關重要、可觀察、可培養(至少部分)。
BEI(行為事件面談):
常見高管職能領域:
每項職能配 4 級行為指標(L1 初階 → L4 典範),避免抽象評分。
markdown# 策略人資診斷:{組織/事業部} ## 一、關鍵職位清單 | 職位 | 現任 | 衝擊度 | 替代難度 | 總風險 | |---|---|---|---|---| ## 二、9-box 盤點結果 (各格人數分布表 + 每位關鍵人姓名) ## 三、繼任規劃 ### 關鍵職位接班表 ### 斷鏈警訊與紅黃綠分級 ## 四、職能模型(擇重點職位 1–2 個) - 核心職能清單 - 各職能行為指標(BARS) ## 五、高潛人才 IDP 摘要 (前 5–10 位關鍵高潛人才) - 當前崗位、目標崗位 - 主要 gap - 發展活動(70-20-10 配比) ## 六、年度行動清單 ### 立即(本季) ### 中期(6–12 個月) ### 結構性(12–36 個月) ## 七、風險與限制 - 人才盤點的主觀性 - 外部環境變化的衝擊 - 建議搭配的後續動作
情境:中部機械業集團(員工 1,200、營收 80 億),2026 年規劃 2028 年 IPO。創辦人 72 歲,欲建立專業經理人接班梯隊。
產出要點:
正確之處:以關鍵職位為起點(非全員)、潛力與績效分離評估、承認「有些職位市場才找得到」、配套 IDP 有時限。
references/9-box-variants.mdreferences/succession-frameworks.mdreferences/competency-modeling.mdreferences/tw-family-succession.mdreferences/emba-hr-courses.mdalgo-hr-compensation、algo-hr-matching、algo-hr-turnover、grad-strat-upper-echelons、grad-social-identity;本 repo ops-org-behavior、ops-leadership-styles| Case | Status | Duration (ms) | Turns | Tokens | Tool calls | ||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Without | With | Δ | Without | With | Δ | Without | With | Δ | Without | With | Δ | ||
case-01 | fail→fail | 52,417 | 55,203 | +5% | 1 | 1 | 0% | 7,552 | 12,695 | +68% | 0 | 0 | — |
case-02 | fail→fail | 38,370 | 44,209 | +15% | 1 | 1 | 0% | 5,979 | 11,426 | +91% | 0 | 0 | — |
case-03 | fail→fail | 39,350 | 41,199 | +5% | 1 | 1 | 0% | 5,488 | 10,287 | +87% | 0 | 0 | — |
case-04 | fail→pass | 27,432 | 38,475 | +40% | 1 | 1 | 0% | 4,076 | 10,411 | +155% | 0 | 0 | — |
case-05 | pass→pass | 22,774 | 21,610 | -5% | 1 | 1 | 0% | 3,105 | 7,215 | +132% | 0 | 0 | — |
case-06 | fail→pass | 4,584 | 23,065 | +403% | 1 | 1 | 0% | 773 | 8,094 | +947% | 0 | 0 | — |
case-07 | fail→fail | 18,694 | 18,923 | +1% | 1 | 1 | 0% | 2,834 | 7,467 | +163% | 0 | 0 | — |
case-08 | pass→pass | 19,285 | 27,612 | +43% | 1 | 1 | 0% | 3,237 | 8,733 | +170% | 0 | 0 | — |
case-09 | fail→pass | 10,948 | 16,609 | +52% | 1 | 1 | 0% | 1,771 | 6,985 | +294% | 0 | 0 | — |
case-10 | fail→pass | 19,602 | 29,712 | +52% | 1 | 1 | 0% | 3,025 | 8,892 | +194% | 0 | 0 | — |
case-11 | fail→fail | 15,792 | 19,129 | +21% | 1 | 1 | 0% | 2,615 | 7,063 | +170% | 0 | 0 | — |
case-12 | fail→pass | 14,783 | 12,544 | -15% | 1 | 1 | 0% | 2,187 | 6,378 | +192% | 0 | 0 | — |
case-13 | fail→pass | 16,397 | 24,711 | +51% | 1 | 1 | 0% | 2,633 | 8,551 | +225% | 0 | 0 | — |
case-14 | pass→fail | 15,795 | 19,448 | +23% | 1 | 1 | 0% | 2,408 | 7,093 | +195% | 0 | 0 | — |
case-15 | pass→pass | 14,317 | 19,795 | +38% | 1 | 1 | 0% | 2,298 | 7,332 | +219% | 0 | 0 | — |
case-16 | fail→fail | 20,189 | 26,332 | +30% | 1 | 1 | 0% | 2,781 | 8,258 | +197% | 0 | 0 | — |
case-17 | pass→pass | 12,906 | 17,057 | +32% | 1 | 1 | 0% | 1,891 | 6,881 | +264% | 0 | 0 | — |
case-18 | fail→fail | 16,793 | 19,546 | +16% | 1 | 1 | 0% | 2,517 | 7,100 | +182% | 0 | 0 | — |
case-19 | pass→pass | 18,463 | 23,018 | +25% | 1 | 1 | 0% | 2,709 | 7,554 | +179% | 0 | 0 | — |
case-20 | pass→fail | 18,772 | 32,727 | +74% | 1 | 1 | 0% | 3,101 | 9,031 | +191% | 0 | 0 | — |
case-21 | pass→pass | 22,962 | 20,937 | -9% | 1 | 1 | 0% | 3,348 | 7,698 | +130% | 0 | 0 | — |
case-22 | pass→pass | 17,392 | 23,575 | +36% | 1 | 1 | 0% | 3,045 | 9,086 | +198% | 0 | 0 | — |
case-23 | pass→pass | 20,653 | 30,991 | +50% | 1 | 1 | 0% | 3,446 | 9,633 | +180% | 0 | 0 | — |
DecimalAI ran this skill against gemini-3.6-flash twice over the same eval suite — once with the skill loaded and once without — and compared the two runs case by case. 23 cases were attempted. The headline lift of +17 percentage points is the difference between those two pass rates over the 23 comparable cases. 2 cases got worse with the skill loaded, and they are included in that figure.
Without the skill loaded, the model failed this case. With it loaded, the same prompt on the same model passed. This is one improved case from the latest verified run; every case, including any that regressed, is in the table above.
Other measured skills in the registry, with their headline benchmark lift.