Využití AI a strojového učení pro monitorování zaměstnanců

V roce 2022 společnost IBM oznámila, že přibližně 35 % společností had adopted AI, and another 42% were "exploring" it. The word "exploring" has an important connotation here.

Podniky často musí při přepracovávání svých systémů a procesů brát v úvahu spoustu věcí. Rozsáhlé funkce, jako je monitorování zaměstnanců, tak často zůstávají pozadu a nadále se spoléhají na starší infrastrukturu.

Za poslední rok se však situace hodně změnila. Mnohé lze přičíst nárůstu řešení generativní umělé inteligence (gen AI). McKinsey calls 2023 as "Generative AI's breakout year." The consulting giant says that companies using gen AI for performance management and organisation design are already ahead of their competitors.

Když mluvíme o vlivu umělé inteligence na řízení výkonnosti pracovníků, jednou z podnikových funkcí, která z toho nesmírně těží, je monitorování zaměstnanců.

Funkce monitorování zaměstnanců se dlouho omezovaly na zaznamenávání spíše chladných údajů, které mohly vyhovovat určitým metrikám (například počtu odpracovaných hodin). Tyto údaje postrádají kontext toho, jak(y) a proč(y) dochází k zapojení a výkonnosti zaměstnanců.

In other words, there's no qualitative aspect that could unearth the root causes for the drop in productivity or other anomalous work patterns. AI helps solve this problem by helping move from "cold data" to "insights." With AI, the employee monitoring function becomes more oriented towards deciphering work habits, productivity, strengths, weaknesses, etc.

Vezměme si například případ týmu vývojářů softwaru, který pro optimalizaci výkonu používá tradiční řešení pro monitorování zaměstnanců. Nástroj poskytuje údaje o počtu odevzdání kódu nebo o počtu odpracovaných hodin. To však nevyjadřuje složitost daného úkolu, úroveň spolupráce, která by byla nutná, a nesrovnalosti, které by se mohly objevit.

Nyní předpokládejme stejný scénář, ale tým používá řešení pro monitorování zaměstnanců s umělou inteligencí. Platforma dělá vše, co by dělalo tradiční řešení, ale navíc poskytuje přehled o vzorcích komunikace, úrovni spolupráce, efektivitě řešení problémů, mechanismu zpětné vazby atd.

Jak? Tím, že si všímáte každé maličkosti v práci a odhalujete vzorce, které by mohly pomoci formulovat osvědčené postupy pro zlepšení. Systém umělé inteligence může například zjistit, zda revize kódu určitého vývojáře nevedou k následným opravám chyb. Postup vývojáře lze stanovit jako osvědčený postup.

Stejně tak může systém pomoci pochopit, zda je produktivita vývojáře v určitou denní dobu nižší. Tým tak může přerozdělit práci a lépe pochopit pracovní vzorce.

V souvislosti s řešeními pro monitorování zaměstnanců se hodně mluví o bezpečnostních důsledcích, což je pochopitelné. Mluvíme o monitorování lidí a jejich každodenních pracovních činností. Obavy tedy nutně existují - právě proto byly vytvořeny předpisy, jako je evropské obecné nařízení o ochraně osobních údajů (GDPR).

Samozřejmě je tu ještě jeden aspekt tohoto příběhu. Ale my se zatím soustředíme pouze na technologickou stránku věci. Za tímto účelem nabízí integrace umělé inteligence organizacím řadu výhod, pokud jde o:

• učení se typickému chování uživatelů a odhalování všeho, co je v rozporu s tímto chováním.
• pochopení vzorců přístupu k citlivým datům a označení všech zdánlivě neobvyklých činností.
• Nastavení automatických upozornění na podezřelé bezpečnostní incidenty a umožnění bezpečnostním týmům přijmout proaktivní opatření namísto následné analýzy.
• Odhalení jakýchkoli aktivit, které představují vnitřní hrozbu, tím, že se zajistí, aby bylo okamžitě zaznamenáno cokoli, co se vymyká běžnému pracovnímu vzorci chování.
• Blokování přenosu citlivých informací v rámci podnikové sítě i mimo ni.

Pojďme tyto schopnosti kvantifikovat, abychom pochopili jejich hmatatelnou hodnotu. V prvních dnech výluky COVID-19 v roce 2020 byli vzdálení pracovníci neustále napadáni škodlivými uživateli. Deloitte hlásil pětinásobný nárůst útoků na pracovníky na dálku v tomto období, a to z 12 % na 60 %.

Jinde dosáhly náklady na vnitřní hrozby výše 15,38 milionu dolarů v roce 2022. Podle zprávy pro USA dochází v podnicích denně k přibližně 2 200 interním bezpečnostním útokům.

So, what would be the ideal AI-employee monitoring solution in the wake of looming cyber threats? By keeping "security" at the forefront. CleverControl's Face Recognition feature is one such AI-powered surveillance solution that makes for better data and employee security.

Provedli jsme průzkum mezi několika vedoucími pracovníky a pochopili jsme, že se snaží:

• Zabránit tomu, aby lidé umožnili externí osobě krýt jejich práci.
• Ujistěte se, že zaměstnanci nepodváděli otevíráním aplikací pro zvýšení produktivity a že při práci na dálku skutečně navštěvovali svůj pracovní stůl.

Proto jsme přinesli Rozpoznávání obličejů funkce našeho monitorovacího řešení, která by mohla zaznamenávat zaměstnance (pořízením fotografie každých pět sekund) a zajistit, aby se do práce zaměstnance nezapojil žádný neoprávněný subjekt. To se ukázalo jako životaschopné řešení pro mnoho organizací, zejména pro ty, které působí v poměrně silně regulovaných odvětvích, jako je finančnictví.

Podniky zdůrazňují, že zaměstnanci jsou jejich nejcennějším majetkem, ale někdy se to neodráží v praxi. Důvody mohou být různé, včetně těch, které nemají nic společného se systémy a technologiemi. Těm se pro účely této diskuse vyhneme. Zaměřme se na provozní a technologické zábrany.

Provozní překážky mohou často vést k vyhoření zaměstnanců, nespravedlivému hodnocení výkonu a dalším problémům. Umělá inteligence však přichází na pomoc s řadou výhod. Pomoci může například monitorování na bázi umělé inteligence:

• Rozdělte pracovní zátěž podle pracovní zdatnosti týmu nebo jednotlivce. Týmy mohou porozumět pracovním vzorcům a vyžádat si od AI návrhy na strategické přerozdělení práce.
• Poskytování personalizované zpětné vazby na základě produktivity a zapojení zaměstnanců. Může to být tak jednoduché, jako je poskytnutí pobídky ke zlepšení zapojení na určitých kanálech nebo doporučení celé řady kurzů pro profesní růst.
• Zjistěte nálady zaměstnanců prostřednictvím jejich komunikačních vzorců v interních nebo sociálních kanálech, které sledujete. Velké jazykové modely (LLM), které pohánějí řešení generativní umělé inteligence, mohou být jistě přínosem pro společnosti, které chtějí podrobněji porozumět tomu, co se zaměstnancům líbí a nelíbí. To může pomoci upozornit manažery na potenciální zádrhele v produktivitě a přijmout proaktivní opatření k osobní interakci se zaměstnanci nebo třeba i k úpravě pracovních podmínek pro větší dobro.

To se sice nehodí pro obvyklý případ použití SaaS, ale monitorování zaměstnanců na bázi umělé inteligence se prosazuje i v průmyslovém prostředí. Vezměme si příklad vizuální analýzy poháněné počítačovým viděním v továrně, kde by zaměstnanci mohli být okamžitě upozorněni na možné katastrofy nebo by jim mohlo být zabráněno ve vstupu do určitých zařízení.

Bylo by nespravedlivé nenastínit nálady veřejnosti spojené s rostoucím využíváním umělé inteligence pro dohled nad zaměstnanci. A existují pro to důvody.

Podle Průzkum Pew Research Center , 81 % respondentů uvedlo, že by se zaměstnanci necítili dobře, kdyby byli nevhodně sledováni nebo hodnoceni pomocí umělé inteligence.

Reuters also raises questions about excessive AI-based employee monitoring, citing that "Many employees and privacy rights advocates see this as an unreasonable incursion into an employee's home, long considered to be their private sphere."

Kromě toho existuje obava z předpojatosti a ochrany soukromí u generativních řešení AI. Tyto LLM, o kterých jsme hovořili výše, jsou trénovány na datech, která mohou být záměrně zkreslená. Umělá inteligence by to nedokázala odfiltrovat a mohla by narážet na neobjektivní odpovědi a hodnocení. Takže to je také něco, co musí organizace zvážit při přechodu na pokročilejší integraci AI.

V této souvislosti lze očekávat, že se zaměstnanci budou bránit používání řešení pro monitorování zaměstnanců pomocí pokročilé umělé inteligence. Budou zpochybňovat možnou neobjektivitu vyhodnocovaných údajů, bezpečnost svých citlivých informací a jejich možné zneužití ze strany organizace. A to všechno jsou přinejmenším oprávněné obavy.

Důsledky monitorování řízeného umělou inteligencí v souvislosti s prací na dálku a měnícími se pracovními podmínkami jsou hluboké. Organizace musí najít rovnováhu mezi sledováním produktivity a ochranou dat zaměstnanců.

To establish this, they need to understand that the adoption of AI should not be driven by "desire" but the "need" to have technology in place to power performance improvements. It's easy to get caught in the hype cycle of AI and difficult to evaluate how it actually benefits the business use case.

Naším doporučením je důsledně vyhodnotit potřeby vašeho pracovního postupu, zdokumentovat nesrovnalosti a zjistit, zda je postupný přístup k monitorování zaměstnanců pomocí umělé inteligence přínosný. Pokud se například obáváte poklesu produktivity ve vzdáleném prostředí, může se ukázat jako nesmírně životaschopná volba systému CleverControl s funkcí rozpoznávání obličeje.

V počátečních fázích se samozřejmě bude experimentovat. Ale velký skok není nutný, pokud to podnikání nevyžaduje.