Jak naprawdę działa dopasowanie mentorów i mentees? Matching w mentoringu od kuchni

W większości artykułów o mentoringu można przeczytać, że odpowiednie dopasowanie mentorek, mentorów i mentees jest kluczowe dla sukcesu programu. To prawda. Jednak znacznie rzadziej mówi się o tym, jak taki matching wygląda od strony technicznej i dlaczego przy większych programach ręczne łączenie uczestników przestaje być skuteczne.

To właśnie od jakości dopasowania bardzo często zależy, czy uczestnicy będą spotykać się regularnie, osiągną swoje cele rozwojowe i będą chcieli polecić mentoring innym.

Jak więc wygląda matching od zaplecza? Jakie dane bierze się pod uwagę? I dlaczego stworzenie kilku dobrych par to zupełnie inne wyzwanie niż zaprojektowanie całego programu mentoringowego? O tym opowiada Jacek Tkaczuk, Co-Founder Mentiway.

Dobre dopasowanie to fundament całego programu mentoringowego

Na pierwszy rzut oka wydaje się to oczywiste. Mentor powinien mieć doświadczenie odpowiadające potrzebom mentee. Uczestnicy powinni dobrze się komunikować i mieć przestrzeń do współpracy.

W praktyce jednak matching jest znacznie bardziej złożony. Jak mówi Jacek Tkaczuk:

„Powiedzenie, że w programie mentoringowym łączenie par jest ważne, brzmi jak truizm — ale w praktyce to właśnie ono stanowi fundament całego procesu mentoringowego. Dobrze dobrane pary przekładają się na jakość współpracy, zaangażowanie uczestników i ogólnie na poziom satysfakcji zarówno mentorów, jak i mentees.”

Nie chodzi więc wyłącznie o to, aby znaleźć mentora z odpowiednim doświadczeniem. Matching powinien uwzględniać również cele rozwojowe, kompetencje, oczekiwania wobec współpracy czy nawet preferowany styl pracy. Właśnie dlatego organizacje coraz częściej odchodzą od intuicyjnego dopasowywania uczestników i zaczynają traktować matching jako strategiczny element całego programu. Przeczytaj także więcej o tym, jak dopasować mentorów i mentees, w naszym artykule.

Ręczne dopasowywanie działa tylko do pewnego momentu

Wiele organizacji rozpoczynających program mentoringowy tworzy pary samodzielnie. HR zna uczestników, analizuje ankiety i stara się znaleźć najlepsze połączenia. Przy kilku parach jest to jak najbardziej możliwe. Problem pojawia się jednak wtedy, gdy program zaczyna rosnąć. Jacek zwraca uwagę na wyzwanie, które często nie jest widoczne na pierwszy rzut oka:

„Największym wyzwaniem nie jest jednak stworzenie kilku świetnie dopasowanych par. Prawdziwa trudność pojawia się wtedy, gdy chcemy sprawić, aby możliwie jak największa liczba mentees otrzymała mentorów odpowiadających na ich realne potrzeby.”

I dodaje:

„Przy większej skali — powyżej 20–30 par — liczba możliwych kombinacji osiąga niewyobrażalne rozmiary. Jedna osoba, próbując zrobić to ręcznie, bardzo szybko zakopie się w wyborze kilku najlepszych dopasowań, a pozostałe pary siłą rzeczy będą dobierane mniej precyzyjnie.”

To właśnie dlatego coraz więcej organizacji korzysta z platform mentoringowych wspierających matching. Nie dlatego, że HR nie potrafi dobierać uczestników, ale dlatego, że przy większej skali staje się to po prostu problemem optymalizacyjnym. A jeśli chcesz dowiedzieć się, jak mierzyć efektywność mentoringu, zajrzyj także do tego artykułu.

Matching to nie losowanie. To analiza wielu kryteriów jednocześnie

Dobre dopasowanie nie powinno opierać się wyłącznie na stanowisku czy dziale, w którym pracują uczestnicy. W rzeczywistości bierze się pod uwagę znacznie więcej informacji. Jak tłumaczy Jacek:

„Dlatego w Mentiway podchodzimy do parowania w sposób algorytmiczny, ale nie mechaniczny.”

Pierwszym krokiem jest stworzenie tak zwanej macierzy scoringowej.

„Nasz algorytm rekomendacji działa w dwóch etapach. W pierwszym tworzymy macierz scoringową, czyli ocenę potencjalnego dopasowania każdej osoby z każdą.”

Oznacza to, że system analizuje wszystkie możliwe kombinacje mentorów i mentees. Pod uwagę brane są między innymi:

• cele rozwojowe uczestników,
• doświadczenie zawodowe,
• obszary kompetencyjne,
• specjalizacje mentorów,
• informacje deklaratywne,
• dodatkowe sygnały analizowane przez AI.

Dzięki temu matching nie jest przypadkowy i nie opiera się na jednym kryterium.

Paradoks idealnej pary

Co ciekawe, stworzenie pojedynczej idealnej pary wcale nie oznacza, że cały program będzie działał dobrze. To jeden z najciekawszych aspektów matchingu, o którym rzadko się mówi. Jacek wyjaśnia:

„Drugi etap — często mniej oczywisty, ale w praktyce jeszcze ważniejszy — polega na takim rozłożeniu mentorów pomiędzy mentees, aby cały program działał optymalnie jako system.”

Innymi słowy, nie chodzi o to, aby jedna osoba otrzymała najlepszego możliwego mentora kosztem innych uczestników. Celem jest znalezienie rozwiązania, które będzie najlepsze dla całego programu. Jak podkreśla:

„Nie chodzi o to, by pojedyncza para była dopasowana idealnie kosztem pozostałych, ale by jak najwięcej uczestników otrzymało dopasowanie na wystarczająco wysokim poziomie.”

To podejście bardzo przypomina projektowanie złożonych systemów logistycznych czy sieci transportowych. Tutaj również trzeba znaleźć rozwiązanie optymalne dla całej grupy. Chcesz dowiedzieć się, jak mentoring wspiera pracowników w świecie ciągłych zmian? Przeczytaj ten tekst.

Co matematyka ma wspólnego z mentoringiem?

Okazuje się, że całkiem sporo. W Mentiway podczas tworzenia matchingu wykorzystywane są metody optymalizacyjne znane z informatyki i matematyki. Jak mówi Jacek:

„Wykorzystujemy tu metody z pogranicza matematyki i informatyki, między innymi podejście typu min-cost max-flow, które pozwala optymalizować cały zbiór par, a nie tylko pojedyncze decyzje.”

Choć sama nazwa może brzmieć bardzo technicznie, idea jest stosunkowo prosta. Algorytm stara się znaleźć taki układ połączeń, który zapewni możliwie najlepsze dopasowanie dla całej grupy uczestników przy zachowaniu określonych ograniczeń. Dzięki temu:

• mentorzy są rozłożeni bardziej równomiernie,
• większa liczba mentees otrzymuje dobrze dopasowanych mentorów,
• cały proces jest bardziej przejrzysty,
• organizacja może łatwiej skalować program mentoringowy.

Transparentność jest równie ważna jak technologia

Jednym z częstych wyzwań w programach mentoringowych jest również pytanie uczestników: „Dlaczego zostałem połączony właśnie z tą osobą?” Przy ręcznym dopasowywaniu odpowiedź bywa trudna. W przypadku systemowego matchingu sytuacja wygląda inaczej. Jak podsumowuje Jacek:

„Efektem jest bardziej równomierne i sprawiedliwe rozłożenie dopasowań. Proces staje się skalowalny, mniej obciążający organizacyjnie i bardziej obiektywny.”

I dodaje:

„Co równie ważne, taki sposób działania ogranicza zarzuty o przypadkowość czy stronniczość doboru par — decyzje są oparte na jasno zdefiniowanych kryteriach i transparentnej logice rekomendacji.”

To szczególnie ważne w dużych organizacjach, gdzie przejrzystość procesu wpływa na zaufanie uczestników do całego programu.

Podsumowanie: dobry matching to połączenie technologii i zrozumienia ludzi

Choć matching coraz częściej wspierany jest przez algorytmy i sztuczną inteligencję, jego celem nie jest automatyzacja dla samej automatyzacji. Najważniejsze pozostaje zrozumienie potrzeb uczestników i stworzenie takich warunków, aby relacje mentoringowe mogły rozwijać się w naturalny sposób.

Technologia pomaga przeanalizować tysiące możliwych połączeń, ale to dobrze zaprojektowany proces mentoringowy sprawia, że te połączenia stają się wartościowymi relacjami. Właśnie dlatego matching jest dziś jednym z najbardziej strategicznych elementów nowoczesnych programów mentoringowych. Więcej o skutecznym parowaniu w mentoringu przeczytasz także w tym artykule.

Chcesz zobaczyć, jak wygląda matching w praktyce?

W Mentiway pomagamy organizacjom projektować programy mentoringowe oparte na danych, transparentnych zasadach i zaawansowanych mechanizmach dopasowania mentorów i mentees.

Pokażemy Ci, jak działa nasz algorytm rekomendacji, jakie kryteria bierze pod uwagę oraz jak przeprowadzić matching nawet w dużych programach mentoringowych – szybko, obiektywnie i z wysoką jakością dopasowania.