Utilizzo dell'intelligenza artificiale e dell'apprendimento automatico per il monitoraggio dei dipendenti

Nel 2022, IBM ha riferito che circa 35% delle aziende had adopted AI, and another 42% were "exploring" it. The word "exploring" has an important connotation here.

Spesso le imprese devono considerare molte cose quando si tratta di rivedere i loro sistemi e processi. Per questo motivo, funzioni importanti come il monitoraggio dei dipendenti vengono spesso lasciate indietro e continuano a fare affidamento sull'infrastruttura legacy.

Ma le cose sono cambiate molto nell'ultimo anno o giù di lì. Molto può essere attribuito alla crescita delle soluzioni di 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.

Quando si parla dell'influenza dell'IA sulla gestione delle prestazioni della forza lavoro, una funzione aziendale che ne trae immenso beneficio è il monitoraggio dei dipendenti.

Per molto tempo, le funzioni di monitoraggio dei dipendenti si sono limitate a registrare dati piuttosto freddi che potevano soddisfare determinate metriche (come il numero di ore lavorate). A questi dati manca il contesto del come e del perché dell'impegno e delle prestazioni dei dipendenti.

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.

Ad esempio, consideriamo il caso di un team di sviluppo software che utilizza una soluzione tradizionale di monitoraggio dei dipendenti per ottimizzare le prestazioni. Lo strumento fornisce i dati relativi al numero di commit di codice o alle ore registrate. Ma questo non rende conto della complessità del compito da svolgere, del livello di collaborazione che sarebbe stato necessario, delle irregolarità che sarebbero potute emergere.

Ora, ipotizziamo lo stesso scenario, ma il team utilizza una soluzione di monitoraggio dei dipendenti alimentata dall'intelligenza artificiale. La piattaforma fa tutto ciò che farebbe una soluzione tradizionale, ma fornisce anche informazioni sui modelli di comunicazione, sul livello di collaborazione, sull'efficienza nella risoluzione dei problemi, sul meccanismo di feedback, ecc.

Come? Notando ogni minimo dettaglio del lavoro e scoprendo modelli che possono aiutare a formulare le migliori pratiche per il miglioramento. Ad esempio, un sistema di intelligenza artificiale può rilevare se i commit di codice di un certo sviluppatore non comportano la successiva correzione di bug. Il processo dello sviluppatore può essere definito una best practice.

Allo stesso modo, il sistema può aiutare a capire se la produttività degli sviluppatori è in calo in un determinato momento della giornata. In questo modo, il team può ridistribuire il lavoro e comprendere meglio i modelli di lavoro.

Si parla molto delle implicazioni per la sicurezza delle soluzioni di monitoraggio dei dipendenti, ed è comprensibile. Stiamo parlando di monitorare le persone e le loro attività lavorative quotidiane. È quindi inevitabile che ci siano delle preoccupazioni, proprio per questo sono state istituite normative come il Regolamento generale sulla protezione dei dati (GDPR).

Naturalmente c'è anche l'aspetto consensuale di questa storia. Ma per ora ci concentriamo solo sul fronte tecnologico. A tal fine, l'integrazione dell'IA offre numerosi vantaggi alle organizzazioni in termini di:

• Apprendere il comportamento tipico dell'utente e rilevare tutto ciò che è anomalo rispetto a tale comportamento.
• Comprendere i modelli di accesso ai dati sensibili e segnalare le attività apparentemente insolite.
• Impostazione di avvisi automatici per gli incidenti di sicurezza sospetti e possibilità per i team di sicurezza di intraprendere azioni proattive invece di ricorrere ad analisi post-mortem.
• Rilevare eventuali attività di insider threat, assicurando che tutto ciò che va oltre il normale modello di comportamento lavorativo venga immediatamente notato.
• Blocco del trasferimento di informazioni sensibili all'interno e all'esterno della rete aziendale.

Quantifichiamo queste capacità per comprenderne il valore tangibile. Durante i primi giorni del blocco di COVID-19 nel 2020, i lavoratori remoti sono stati costantemente attaccati da utenti malintenzionati. Deloitte ha riportato un aumento di cinque volte, dal 12% al 60%, degli attacchi ai lavoratori a distanza durante questo periodo.

Altrove, il costo delle minacce insider ha raggiunto 15,38 milioni di dollari nel 2022. Secondo un rapporto specifico degli Stati Uniti, le aziende subiscono quotidianamente circa 2.200 attacchi alla sicurezza interna.

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.

Abbiamo intervistato diversi dirigenti e abbiamo capito che erano in difficoltà:

• Impedire che le persone permettano a una persona esterna di coprire il loro lavoro.
• Assicurarsi che i dipendenti non stiano imbrogliando aprendo le app di produttività e che stiano effettivamente frequentando la loro postazione di lavoro quando lavorano da remoto.

Per questo motivo, abbiamo portato il Riconoscimento dei volti La nostra soluzione di monitoraggio, in grado di registrare i dipendenti (scattando una foto ogni cinque secondi) e di garantire che nessuna entità non autorizzata si intrattiene con il lavoro di un dipendente, si è rivelata una soluzione valida per molte organizzazioni, soprattutto per i settori relativamente regolamentati come quello finanziario. Questa soluzione si è rivelata valida per molte organizzazioni, in particolare per quelle che operano in settori relativamente fortemente regolamentati come quello finanziario.

Le aziende sottolineano che i dipendenti sono le loro risorse più preziose, ma a volte questo non si riflette sul campo. Le ragioni possono essere molteplici, comprese quelle che non hanno nulla a che fare con i sistemi e la tecnologia. Per il bene di questo discorso, li eviteremo. Concentriamoci sulle inibizioni operative e tecnologiche.

Spesso i colli di bottiglia operativi possono portare al burnout dei dipendenti, a valutazioni ingiuste delle prestazioni e altro ancora. Ma l'intelligenza artificiale viene in soccorso con una serie di vantaggi. Ad esempio, il monitoraggio alimentato dall'intelligenza artificiale può aiutare:

• Distribuire i carichi di lavoro in base alle competenze lavorative di un team o di un individuo. I team possono comprendere i modelli di lavoro e chiedere all'intelligenza artificiale suggerimenti per ridistribuire il lavoro in modo strategico.
• Fornire un feedback personalizzato in base alla produttività e ai modelli di impegno dei dipendenti. Può trattarsi di un semplice stimolo a migliorare l'impegno su determinati canali o di raccomandare un'intera serie di corsi per la crescita professionale.
• Misurare i sentimenti dei dipendenti attraverso i loro modelli di comunicazione sui canali interni o sociali monitorati. I modelli linguistici di grandi dimensioni (LLM) che alimentano le soluzioni di intelligenza artificiale generativa possono certamente essere un vantaggio per le aziende che desiderano comprendere in modo granulare ciò che piace e non piace ai dipendenti. Questo può aiutare ad avvisare i manager di potenziali intoppi nella produttività e a intraprendere azioni proattive per interagire personalmente con i dipendenti o forse anche per modificare le condizioni di lavoro per il bene comune.

Sebbene questo non rientri tra i casi d'uso SaaS abituali, il monitoraggio dei dipendenti guidato dall'intelligenza artificiale si sta facendo strada anche in ambito industriale. Prendiamo l'esempio dell'analisi visiva alimentata dalla computer vision all'interno di una fabbrica, dove i dipendenti potrebbero essere immediatamente avvisati di potenziali disastri o impedire l'accesso a determinate strutture.

Sarebbe ingiusto non delineare il sentimento pubblico legato al crescente utilizzo dell'IA per la sorveglianza dei dipendenti. E le ragioni ci sono.

Secondo un Sondaggio del Pew Research Center L'81% degli intervistati ha dichiarato che i dipendenti non si sentirebbero a proprio agio se venissero osservati o valutati in modo inappropriato grazie all'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."

A parte questo, le soluzioni di intelligenza artificiale generativa sono preoccupanti per quanto riguarda i pregiudizi e la privacy. Le LLM di cui abbiamo parlato sopra sono addestrate su dati che possono essere intenzionalmente distorti. L'IA non sarebbe in grado di filtrare questo aspetto e potrebbe alludere a risposte e valutazioni distorte. Quindi, anche questo è un aspetto che le organizzazioni devono considerare quando passano a un'integrazione dell'IA più avanzata.

In questo contesto, è ragionevole aspettarsi che i dipendenti si oppongano all'uso di soluzioni di monitoraggio dei dipendenti basate sull'IA avanzata. I dipendenti metteranno in dubbio la potenziale parzialità dei dati di valutazione, la sicurezza dei loro dati sensibili e il potenziale uso improprio degli stessi da parte dell'organizzazione. E tutte queste sono preoccupazioni a dir poco valide.

Le implicazioni del monitoraggio guidato dall'intelligenza artificiale nel contesto del lavoro a distanza e del cambiamento delle modalità di lavoro sono profonde. Le organizzazioni devono trovare un equilibrio tra il monitoraggio della produttività e la protezione dei dati dei dipendenti.

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.

Il nostro consiglio è di valutare rigorosamente le esigenze del vostro flusso di lavoro, di documentare le discrepanze e di verificare se un approccio incrementale al monitoraggio dei dipendenti basato sull'intelligenza artificiale sia vantaggioso. Ad esempio, se siete preoccupati per il calo di produttività in ambienti remoti, la scelta di CleverControl con riconoscimento facciale potrebbe rivelarsi estremamente vantaggiosa.

Naturalmente, nelle fasi iniziali ci sarà da sperimentare. Ma non è necessario un grande salto se il business non lo richiede.