＼回答があります！／

• 

  横江 亮佑

  エンジニア

  1年前
  触れたことある分野はまだ、アウトプットからフィードバックのしようがあるのですが、
  機械学習エンジニアやQAエンジニアなどになってくると経験がなく難しいですね！
  機械学習は短期的なアウトプットが出るものではないのでなおさら、専門外の人が評価しにくいですね。
  
  基本的には、機械学習チームやQAチームを作って、チームマネージャーが評価する、という仕組みを作り上げるのがよく、
  それが難しいなら社外の専門家に評価面談時だけ手伝ってもらうなどになってくるかなと思います。
  view数 22

• 

  kentaro haneda（jumbo）

  エンジニア

  1年前
  基本は目線が揃うところまで抽象と具体を行き来していくしかないかなと思っています。
  あとは愚直に
  
  ・そもそも専門性で評価できる人を採用する
  ・抽象度を上げて自分でも評価できるように第三者からの話を聞く
  ・社外の人や他のレイヤーの人にも話を聞く
  
  などを実施します。
  基本的には評価側が歩み寄らないといけないことだと思っています。時間はかかったり、餅は餅屋としても学ぶ必要は多くあります。
  view数 21

• 

  北野勝久

  エンジニア

  1年前
  専門性評価は専門家に任せようというのは正論としてあるなと思っていますが、組織マネジメントにおいてはどこかで自分の非専門領域のことをマネジメントしないといけないと考えているので、良い質問だなと思いました。
  
  アウトプットとアウトカムがどう連動するかを理解しようとする姿勢が大事だと思います。
  相手がやったことを把握することに加えて、その選択肢がどの程度妥当だったかを理解しようとするのは最低限必要なリスペクトとしてあり、さらに相手に自分が分からなかったことを質問していくことで相手のアウトプットがどの程度アウトカムと連動するかを推し量ることができるので、そうした流れで評価します。
  上記は成果目標に対する評価の話ですが、行動目標については専門職種といえども期待される振る舞いはほかの職種と一定重なるとは思います。
  view数 10
  • 1
  • 1
  • 1

• 

  和田健太郎

  エンジニア

  1年前
  短期的にはその領域を得意としている有識者（同組織のマネージャーなど）の力を借ります。
  マネージャーの存在理由がチームの成果の最大化、FBの目的がメンバーのレベルアップだと捉えると、必ずしもマネージャー自身が全てにおいてFBできる必要はないというのが持論でもあります。
  
  ただし、このやり方が成り立つのはメンバーとの信頼関係が構築できている前提であるため、やはり中長期で見た場合は自身の守備範囲を広げていくのはマストです。
  なので個人的には、メンバーFBに強力を仰ぐ反面、同時に自身も学びとさせてもらうという姿勢で望むことが多いです。
  view数 31
  • 3
  • 3