Utiliser l'IA et l'apprentissage automatique pour surveiller les employés

En 2022, IBM a indiqué qu'environ 35% des entreprises had adopted AI, and another 42% were "exploring" it. The word "exploring" has an important connotation here.

Les entreprises ont souvent beaucoup à prendre en compte lorsqu'il s'agit de réorganiser leurs systèmes et leurs processus. C'est pourquoi des fonctions importantes comme le suivi des employés sont souvent laissées de côté et continuent de reposer sur l'infrastructure existante.

Mais les choses ont beaucoup changé au cours de l'année écoulée. Une grande partie de cette évolution peut être attribuée à la croissance des solutions d'IA générative (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.

Lorsque l'on parle de l'influence de l'IA sur la gestion des performances de la main-d'œuvre, l'une des fonctions de l'entreprise qui en bénéficie énormément est le suivi des employés.

Pendant longtemps, les fonctions de suivi des employés se sont limitées à l'enregistrement de données plutôt froides pouvant convenir à certains indicateurs (tels que le nombre d'heures travaillées). Ces données ne permettent pas de comprendre le comment et le pourquoi de l'engagement et de la performance des employés.

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.

Prenons par exemple le cas d'une équipe de développement de logiciels qui utilise une solution traditionnelle de suivi des employés pour optimiser les performances. L'outil fournit des données sur le nombre de validations de code ou les heures enregistrées. Mais cela ne rend pas compte de la complexité de la tâche à accomplir, du niveau de collaboration qui aurait été nécessaire, des irrégularités qui auraient pu survenir.

Supposons maintenant le même scénario, mais l'équipe utilise une solution de suivi des employés alimentée par l'IA. La plateforme fait tout ce qu'une solution traditionnelle ferait, mais fournit également des informations sur les modes de communication, le niveau de collaboration, l'efficacité de la résolution des problèmes, le mécanisme de retour d'information, etc.

Comment ? En observant les moindres détails du travail et en découvrant des schémas qui pourraient aider à formuler les meilleures pratiques en vue d'une amélioration. Par exemple, un système d'IA peut signaler si les livraisons de code d'un certain développeur ne s'accompagnent pas de corrections de bogues ultérieures. Le processus du développeur peut être considéré comme une meilleure pratique.

De même, le système peut aider à comprendre si la productivité du développeur est en baisse à un moment précis de la journée. L'équipe peut ainsi redistribuer le travail et mieux comprendre les schémas de travail.

On parle beaucoup des implications des solutions de surveillance des employés en matière de sécurité, et c'est compréhensible. Il s'agit de surveiller des personnes et leurs activités professionnelles quotidiennes. Il y a donc forcément des inquiétudes, et c'est précisément la raison pour laquelle des réglementations telles que le règlement général sur la protection des données (RGPD) ont été mises en place.

Bien sûr, il y a aussi l'aspect consensuel de cette histoire. Mais pour l'instant, nous nous concentrons uniquement sur l'aspect technologique. À cette fin, l'intégration de l'IA offre de nombreux avantages aux organisations en termes de.. :

• Apprendre le comportement typique de l'utilisateur et détecter tout ce qui est anormal par rapport à ce comportement.
• Comprendre les schémas d'accès aux données sensibles et signaler toute activité apparemment inhabituelle
• la mise en place d'alertes automatisées en cas d'incidents de sécurité présumés et la possibilité pour les équipes de sécurité de prendre des mesures proactives au lieu de recourir à une analyse a posteriori
• Détecter toute activité de menace interne en veillant à ce que tout comportement sortant du cadre normal du travail soit immédiatement remarqué.
• Blocage du transfert de toute information sensible à l'intérieur et à l'extérieur du réseau de l'entreprise

Quantifions ces capacités pour comprendre leur valeur tangible. Pendant les premiers jours de la fermeture de COVID-19 en 2020, les travailleurs à distance ont été constamment attaqués par des utilisateurs malveillants. Deloitte a signalé une multiplication par cinq, de 12 % à 60 %, des attaques contre les travailleurs à distance au cours de cette période.

Ailleurs, le coût des menaces d'origine interne a atteint 15,38 millions de dollars en 2022. Un rapport spécifique aux États-Unis indique que les entreprises subissent quotidiennement environ 2 200 attaques de sécurité interne.

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.

Nous avons interrogé plusieurs cadres et nous avons compris qu'ils avaient du mal à.. :

• Empêcher les gens de permettre à une personne extérieure de couvrir leur travail
• S'assurer que les employés ne trichent pas en ouvrant des applications de productivité et qu'ils sont effectivement présents à leur poste de travail lorsqu'ils travaillent à distance.

C'est pourquoi nous avons apporté la Reconnaissance des visages à notre solution de surveillance, qui pouvait enregistrer les employés (en prenant une photo toutes les cinq secondes) et s'assurer qu'aucune entité non autorisée ne s'intéresse au travail d'un employé. Cette solution s'est avérée viable pour de nombreuses organisations, en particulier dans des secteurs relativement réglementés comme la finance.

Les entreprises soulignent que leurs employés sont leurs atouts les plus précieux, mais cela ne se reflète pas toujours sur le terrain. Les raisons peuvent être multiples, y compris celles qui n'ont rien à voir avec les systèmes et la technologie. Pour les besoins de ce discours, nous les éviterons. Concentrons-nous sur les inhibitions opérationnelles et technologiques.

Souvent, les goulets d'étranglement opérationnels peuvent conduire à l'épuisement des employés, à des évaluations injustes des performances, etc. Mais l'IA vient à la rescousse avec une foule d'avantages. Par exemple, la surveillance alimentée par l'IA peut aider :

• Répartir les charges de travail en fonction des compétences d'une équipe ou d'un individu. Les équipes peuvent comprendre les modèles de travail et solliciter des suggestions de l'IA pour redistribuer le travail de manière stratégique.
• Fournir un retour d'information personnalisé basé sur les modèles de productivité et d'engagement des employés. Il peut s'agir simplement de donner un coup de pouce pour améliorer l'engagement sur certains canaux ou de recommander toute une série de cours pour le développement professionnel.
• Mesurer les sentiments des employés grâce à leurs modes de communication sur les canaux internes ou sociaux surveillés. Les grands modèles de langage (LLM) qui alimentent les solutions d'IA générative peuvent certainement être une aubaine pour les entreprises qui souhaitent comprendre de manière granulaire ce que les employés aiment et n'aiment pas. Cela peut permettre d'alerter les responsables sur d'éventuels problèmes de productivité et de prendre des mesures proactives pour interagir personnellement avec les employés ou peut-être même modifier les conditions de travail pour le plus grand bien de tous.

Bien que cela ne corresponde pas au cas d'utilisation SaaS habituel, la surveillance des employés par l'IA fait également des vagues dans les environnements industriels. Prenons l'exemple de l'analyse visuelle alimentée par la vision artificielle au sein d'une usine, où les employés pourraient être immédiatement alertés de catastrophes potentielles ou empêchés d'entrer dans certaines installations.

Il serait injuste de ne pas souligner le sentiment public lié à l'utilisation croissante de l'IA pour la surveillance des employés. Et il y a des raisons à cela.

Selon un Enquête du Pew Research Center 81 % des personnes interrogées ont déclaré que les employés ne se sentiraient pas à l'aise s'ils étaient surveillés ou évalués de manière inappropriée au moyen de l'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."

Par ailleurs, les solutions d'IA générative suscitent des inquiétudes quant à la partialité et à la protection de la vie privée. Les LLM dont nous avons parlé plus haut sont formés sur des données qui peuvent être intentionnellement biaisées. L'IA n'est pas en mesure de filtrer ces données et peut donner lieu à des réponses et des évaluations biaisées. Il s'agit donc d'un aspect que les organisations doivent prendre en compte lorsqu'elles passent à une intégration plus avancée de l'IA.

Dans ce contexte, il est raisonnable de s'attendre à ce que les employés s'opposent à l'utilisation de solutions de suivi des employés basées sur l'IA avancée. Ils s'interrogeront sur la partialité potentielle des données d'évaluation, sur la sécurité de leurs informations sensibles et sur l'utilisation abusive potentielle de ces données par l'organisation. Et le moins que l'on puisse dire, c'est que toutes ces préoccupations sont valables.

Les implications de la surveillance pilotée par l'IA dans le contexte du travail à distance et de l'évolution des modalités de travail sont profondes. Les organisations doivent trouver un équilibre entre le contrôle de la productivité et la protection des données des employés.

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.

Nous vous recommandons d'évaluer rigoureusement les besoins de votre flux de travail, de documenter les divergences et de voir si une approche progressive de la surveillance des employés par l'IA présente des avantages. Par exemple, si vous êtes préoccupé par la baisse de productivité dans les environnements distants, le choix de CleverControl avec reconnaissance des visages pourrait s'avérer extrêmement viable.

Bien sûr, il y aura quelques expériences dans les phases initiales. Mais il n'est pas nécessaire de faire un grand bond en avant si l'entreprise ne l'exige pas.