Uso de la IA y el aprendizaje automático para supervisar a los empleados

Retos de la gestión de un equipo multinacional a distancia y cómo superarlos

En 2022, IBM informó de que alrededor de 35% de las empresas had adopted AI, and another 42% were "exploring" it. The word "exploring" has an important connotation here.

A menudo, las empresas tienen mucho que considerar cuando se trata de revisar sus sistemas y procesos. Por ello, funciones tan amplias como la supervisión de los empleados suelen dejarse de lado y seguir dependiendo de la infraestructura heredada.

Pero las cosas han cambiado mucho en el último año. Gran parte puede atribuirse al crecimiento de las soluciones de IA generativa (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.

Cuando se habla de la influencia de la IA en la gestión del rendimiento de la plantilla, una función empresarial que se beneficia enormemente es la supervisión de los empleados.

Ventajas de la supervisión de empleados basada en IA

Moving from "Just" Surveillance to Performance Optimisation

Durante mucho tiempo, las funciones de seguimiento de los empleados se han limitado a registrar datos más bien fríos que podrían ajustarse a determinadas métricas (como el número de horas trabajadas). Estos datos carecen de contexto sobre el cómo y el porqué del compromiso y el rendimiento de los empleados.

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.

Por ejemplo, consideremos el caso de un equipo de desarrollo de software que utiliza una solución tradicional de supervisión de empleados para optimizar el rendimiento. La herramienta proporciona los datos del número de commits de código o las horas registradas. Pero esto no refleja la complejidad de la tarea, el nivel de colaboración que habría sido necesario o las irregularidades que podrían haber surgido.

Ahora, supongamos el mismo escenario, pero el equipo utiliza una solución de supervisión de empleados impulsada por IA. La plataforma hace todo lo que haría una solución tradicional, pero además proporciona información sobre los patrones de comunicación, el nivel de colaboración, la eficiencia en la resolución de problemas, el mecanismo de retroalimentación, etc.

¿Cómo? Observando cada pequeño detalle del trabajo y descubriendo patrones que podrían ayudar a formular mejores prácticas para mejorar. Por ejemplo, un sistema de inteligencia artificial puede detectar si las confirmaciones de código de un determinado desarrollador no conllevan correcciones de errores posteriores. El proceso del desarrollador puede establecerse como mejor práctica.

Del mismo modo, el sistema puede ayudar a entender si la productividad del desarrollador baja durante un momento específico del día. De este modo, el equipo puede redistribuir el trabajo y comprender mejor los patrones de trabajo.

Making "Data Security" the Front and Centre

Se habla mucho de las implicaciones para la seguridad de las soluciones de supervisión de empleados, y es comprensible. Estamos hablando de controlar a personas y sus actividades laborales cotidianas. Por lo tanto, es lógico que surjan dudas, precisamente por eso se han establecido normativas como el Reglamento General de Protección de Datos (RGPD).

Por supuesto, esta historia también tiene su vertiente consensual. Pero por ahora sólo nos centraremos en el frente tecnológico. Para ello, la integración de la IA ofrece numerosas ventajas a las organizaciones en términos de:

  • Aprender el comportamiento típico de los usuarios y detectar cualquier anomalía.
  • Comprender los patrones de acceso a datos sensibles y señalar cualquier actividad que parezca inusual.
  • Establecer alertas automatizadas para los incidentes de seguridad sospechosos y permitir que los equipos de seguridad tomen medidas proactivas en lugar de recurrir al análisis post mortem.
  • Detectar cualquier actividad que suponga una amenaza interna, asegurándose de que se detecta inmediatamente cualquier cosa que se salga de las pautas normales de comportamiento en el trabajo.
  • Bloqueo de la transferencia de información sensible dentro y fuera de la red de la empresa

Cuantifiquemos estas capacidades para comprender su valor tangible. Durante los primeros días del bloqueo de COVID-19 en 2020, los trabajadores remotos sufrieron constantes ataques de usuarios malintencionados. Deloitte informó de un aumento de cinco veces, del 12% al 60%, en los ataques a trabajadores a distancia durante este tiempo.

En otros lugares, el coste de las amenazas internas alcanzó los 1.000 millones de euros. 15,38 millones de dólares en 2022. Un informe específico de Estados Unidos sugiere que las empresas sufren alrededor de 2.200 ataques de seguridad interna al día.

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.

Encuestamos a varios ejecutivos y comprendimos que les costaba:

  • Evitar que una persona externa encubra su trabajo
  • Asegurarse de que los empleados no hacían trampas abriendo aplicaciones de productividad y asistían realmente a su puesto de trabajo cuando trabajaban a distancia.

Por lo tanto, trajimos el Reconocimiento facial a nuestra solución de supervisión, que podía grabar a los empleados (tomando una foto cada cinco segundos) y garantizar que ninguna entidad no autorizada se entretuviera en el trabajo de un empleado. Esto resultó ser una solución viable para muchas organizaciones, especialmente las de sectores relativamente regulados, como el financiero.

Mejorar literalmente la vida de los empleados

Las empresas insisten en que los empleados son su activo más valioso, pero a veces eso no se refleja sobre el terreno. Las razones pueden ser múltiples, incluidas las que no tienen nada que ver con los sistemas y la tecnología. Por el bien de este discurso, las evitaremos. Centrémonos en las inhibiciones operativas y tecnológicas.

A menudo, los cuellos de botella operativos podrían provocar el agotamiento de los empleados, evaluaciones de rendimiento injustas y mucho más. Pero la IA viene al rescate con una serie de ventajas. Por ejemplo, la supervisión con IA puede ayudar:

  • Distribuya las cargas de trabajo en función de la capacidad de trabajo de un equipo o individuo. Los equipos pueden comprender los patrones de trabajo y solicitar sugerencias a la IA para redistribuir el trabajo estratégicamente.
  • Proporcione comentarios personalizados basados en la productividad y los patrones de compromiso de los empleados. Esto puede ser tan sencillo como dar un empujón para mejorar el compromiso en determinados canales o recomendar toda la serie de cursos para el crecimiento profesional.
  • Medir los sentimientos de los empleados a través de sus patrones de comunicación en los canales internos o sociales que se monitorizan. Los grandes modelos lingüísticos (LLM) que potencian las soluciones de IA generativa pueden ser sin duda una gran ayuda para las empresas que desean comprender de forma granular lo que les gusta y lo que no les gusta a sus empleados. Esto puede ayudar a alertar a los directivos de posibles problemas de productividad y a tomar medidas proactivas para interactuar personalmente con los empleados o incluso modificar las condiciones de trabajo para un bien mayor.

Aunque este no es el caso de uso habitual de SaaS, la supervisión de empleados impulsada por IA también está causando sensación en entornos industriales. Tomemos el ejemplo de los análisis visuales basados en visión por ordenador dentro de una fábrica, donde los empleados podrían recibir alertas inmediatas sobre posibles desastres o se les podría impedir la entrada a determinadas instalaciones.

Retos de la gestión de un equipo multinacional a distancia y cómo superarlos

Retos y controversias

Sería injusto no esbozar el sentimiento público que suscita el creciente uso de la IA para la vigilancia de los empleados. Y hay razones para ello.

Según un Encuesta del Pew Research Center El 81% de los encuestados afirmó que los empleados no se sentirían bien si se les vigilara o evaluara de forma inapropiada utilizando IA.

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."

Aparte de esto, existe una preocupación sobre el sesgo y la privacidad con las soluciones de IA generativa. Los LLM de los que hemos hablado antes se entrenan con datos que pueden estar intencionadamente sesgados. La IA no sería capaz de filtrar eso y podría aludir a respuestas y evaluaciones sesgadas. Por lo tanto, esto es algo que las organizaciones también deben tener en cuenta a la hora de dar el paso hacia una integración más avanzada de la IA.

En este contexto, es razonable esperar que los empleados se resistan al uso de soluciones de supervisión de empleados basadas en IA avanzada. Cuestionarán la posible parcialidad de los datos de evaluación, la seguridad de su información confidencial y el posible uso indebido de la misma por parte de la organización. Y todas estas preocupaciones son, como mínimo, válidas.

Es necesario encontrar un equilibrio

Las implicaciones de la supervisión impulsada por la IA en el contexto del trabajo a distancia y el cambiante panorama de las modalidades de trabajo son profundas. Las organizaciones deben encontrar un equilibrio entre la supervisión de la productividad y la protección de los datos de los empleados.

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.

Nuestra recomendación sería evaluar rigurosamente las necesidades de su flujo de trabajo, documentar las discrepancias y ver si resulta beneficioso un enfoque incremental de la supervisión de empleados basada en IA. Por ejemplo, si le preocupa la caída de la productividad en entornos remotos, elegir CleverControl con reconocimiento facial podría resultar inmensamente viable.

Por supuesto, habría que experimentar un poco en las fases iniciales. Pero no es necesario dar un gran salto si el negocio no lo exige.

Here are some other interesting articles: