従業員のモニタリングにAIと機械学習を活用

2022年、IBMは次のように報告している。 企業の35 had adopted AI, and another 42% were "exploring" it. The word "exploring" has an important connotation here.

企業にとって、システムやプロセスの見直しは検討すべきことが多い。そのため、従業員モニタリングのような広範な機能が置き去りにされ、レガシー・インフラストラクチャに依存し続けることが多い。

しかし、この1年ほどで状況は大きく変わった。その多くは、ジェネレーティブAI（gen AI）ソリューションの成長に起因している。 マッキンゼー 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.

AIが従業員のパフォーマンス管理に与える影響について語るとき、多大な恩恵を受けるビジネス機能のひとつが従業員のモニタリングだ。

長い間、従業員モニタリング機能は、特定の指標（労働時間数など）に適した、どちらかといえば冷たいデータの記録に限られてきた。このデータには、従業員のエンゲージメントとパフォーマンスに関する方法（複数）と理由（複数）に関する文脈が欠けている。

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.

例えば、パフォーマンス最適化のために従来の従業員監視ソリューションを使用しているソフトウェア開発チームのケースを考えてみよう。そのツールは、コードのコミット数や記録された時間のデータを提供する。しかし、これでは、目の前のタスクの複雑さ、必要であったであろうコラボレーションのレベル、発生する可能性のある不規則性を伝えることはできない。

さて、同じシナリオだが、チームがAIを活用した従業員モニタリング・ソリューションを使用していると仮定してみよう。このプラットフォームは、従来のソリューションが行うすべてのことを行うだけでなく、コミュニケーション・パターン、コラボレーション・レベル、問題解決効率、フィードバックの仕組みなどについての洞察も提供する。

どうやって？仕事の細部にまで目を配り、改善のためのベストプラクティスを策定するのに役立つパターンを発掘するのだ。例えば、AIシステムは、ある開発者のコード・コミットが、その後のバグ修正を伴わないかどうかを中継することができる。その開発者のプロセスをベストプラクティスとして確立することができる。

同様に、開発者の生産性が特定の時間帯に低下しているかどうかを把握するのにも役立つ。こうすることで、チームは作業を再分配し、作業パターンをよりよく理解することができる。

従業員モニタリング・ソリューションがセキュリティに与える影響について多くの議論があるが、それは当然のことである。私たちは、従業員とその日々の業務活動を監視することについて話しているのだ。そのため、懸念はつきものであり、それこそが欧州の一般データ保護規則（GDPR）のような規制が設けられた理由である。

もちろん、この話には合意という側面もある。しかし、私たちは今のところテクノロジー面にのみ集中している。そのために、AIの統合は次のような点で組織に多くのメリットをもたらす：

• 典型的なユーザーの行動を学習し、それに対して異常なものを検知する。
• 機密データへのアクセスパターンを把握し、異常と思われる行為にフラグを立てる。
• セキュリティ・インシデントの疑いがある場合に自動化されたアラートを設定し、セキュリティ・チームが事後分析に頼らず事前対策を講じることができるようにする。
• 通常の業務パターンを逸脱した行動には即座に気づくようにすることで、内部脅威活動を検知する。
• 社内ネットワーク内外のあらゆる機密情報の転送をブロックする。

その具体的な価値を理解するために、これらの能力を数値化してみよう。2020年にCOVID-19がロックダウンされた当初、リモートワーカーは常に悪意のあるユーザーの攻撃を受けていた。 デロイト この間、リモートワーカーへの攻撃は12％から60％へと5倍に増加したと報告している。

その他では、内部脅威のコストは次のようになった。 1538万ドル 2022年に米国に特化した報告書によると、企業は1日あたり約2,200件の内部セキュリティ攻撃を経験しているという。

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.

私たちは何人かの幹部を調査し、彼らが苦労していることを理解した：

• 外部の人間に自分の仕事を隠ぺいさせないようにする
• リモートワークの際、従業員が生産性向上アプリを開いてごまかしていないか、実際に仕事机に座っているかを確認する。

それゆえ、我々は 顔認識 これは、従業員を記録し（5秒ごとに写真を撮る）、無許可の団体が従業員の仕事を接待することがないようにするものである。これは、多くの組織、特に金融のような比較的規制の厳しい業界の組織にとって実行可能なソリューションであることが証明された。

企業は従業員が最も貴重な資産であると強調するが、それが現場に反映されていないこともある。その理由は、システムやテクノロジーとは関係のないものも含め、多岐にわたるだろう。この談話では、そのような理由は避けることにする。ここでは、オペレーションとテクノロジーに関する阻害要因に焦点を当てよう。

多くの場合、業務のボトルネックは従業員の燃え尽きや不当な業績評価などにつながる可能性がある。しかし、AIは多くのメリットをもって、この問題を解決してくれる。例えば、AIを活用したモニタリングが役立つ：

• チームや個人の作業習熟度に応じて仕事量を配分する。チームは作業パターンを理解し、戦略的な仕事の再配分についてAIから提案を求めることができる。
• 従業員の生産性とエンゲージメントのパターンに基づいて、パーソナライズされたフィードバックを提供する。これは、特定のチャネルにおけるエンゲージメントを向上させるための後押しを提供したり、専門的な成長のために一連のコース全体を推奨したりするような簡単なものです。
• 社内チャネルやソーシャル・チャネルでのコミュニケーション・パターンを監視することで、従業員の感情を測定する。生成的AIソリューションに対応する大規模言語モデル（LLM）は、従業員の好き嫌いをきめ細かく把握したい企業にとって、大きな助けになることは間違いない。これは、生産性の潜在的な不調を管理者に警告し、従業員と個人的に交流したり、より良い労働条件を調整するための積極的な行動をとるのに役立つ。

これは通常のSaaSのユースケースにはそぐわないが、AIを活用した従業員モニタリングは産業環境でも波及している。工場内でのコンピューター・ビジョンを活用した視覚分析を例にとると、従業員は潜在的な災害について即座に警告を受けたり、特定の施設への立ち入りを阻止されたりする。

従業員の監視にAIが使われるようになってきたことに付随する世論の感情を概説しないのは不公平だろう。それには理由がある。

によると ピュー・リサーチ・センター調査 回答者の81％が、AIを使って従業員が不適切に監視されたり評価されたりすることを快く思わないと答えている。

ロイター 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."

これとは別に、生成AIソリューションにはバイアスとプライバシーに関する懸念がある。前述したLLMは、意図的に偏ったデータを使って訓練される。AIはそれをフィルタリングすることができず、偏った回答や評価をする可能性がある。そのため、組織がより高度なAI統合に移行する際には、この点も考慮する必要がある。

こうした中、高度なAIを活用した従業員モニタリング・ソリューションの利用には、従業員の抵抗があると予想するのが妥当だろう。彼らは、評価データの潜在的な偏り、彼らの機密情報のセキュリティ、組織側での悪用の可能性に疑問を持つだろう。これらはすべて、控えめに言っても正当な懸念である。

リモートワークや勤務形態の変化におけるAIを活用したモニタリングの意義は大きい。組織がすべきことは、生産性を高めるためのモニタリングと、従業員のデータを安全に保つことのバランスを取ることである。

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.

私たちがお勧めするのは、ワークフローのニーズを厳密に評価し、矛盾を文書化し、AIを活用した従業員モニタリングへの段階的なアプローチが有益かどうかを確認することです。例えば、リモート環境での生産性の低下を懸念している場合、顔認識機能付きのCleverControlを選択すれば、非常に有効であることが分かるかもしれません。

もちろん、初期段階では実験的な試みもあるだろう。しかし、ビジネスがそれを求めなければ、大きな飛躍は必要ない。