Wykorzystanie sztucznej inteligencji i uczenia maszynowego do monitorowania pracowników

W 2022 r. IBM poinformował, że około 35% firm had adopted AI, and another 42% were "exploring" it. The word "exploring" has an important connotation here.

Często przedsiębiorstwa mają wiele do rozważenia, jeśli chodzi o modernizację swoich systemów i procesów. W związku z tym rozbudowane funkcje, takie jak monitorowanie pracowników, często pozostają w tyle i nadal opierają się na starszej infrastrukturze.

Jednak w ciągu ostatniego roku wiele się zmieniło. Wiele z nich można przypisać rozwojowi rozwiązań generatywnej sztucznej inteligencji (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.

Mówiąc o wpływie AI na zarządzanie wydajnością pracowników, jedną z funkcji biznesowych, która przynosi ogromne korzyści, jest monitorowanie pracowników.

Przez długi czas funkcje monitorowania pracowników ograniczały się do rejestrowania raczej zimnych danych, które mogą pasować do określonych wskaźników (takich jak liczba przepracowanych godzin). Dane te nie uwzględniają kontekstu, w jaki sposób i dlaczego pracownicy są zaangażowani i osiągają lepsze wyniki.

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.

Rozważmy na przykład przypadek zespołu programistów, który korzysta z tradycyjnego rozwiązania do monitorowania pracowników w celu optymalizacji wydajności. Narzędzie to dostarcza danych dotyczących liczby commitów kodu lub zarejestrowanych godzin pracy. Nie oddaje to jednak złożoności danego zadania, poziomu współpracy, który byłby konieczny, ani nieprawidłowości, które mogłyby się pojawić.

Załóżmy teraz ten sam scenariusz, ale zespół korzysta z rozwiązania do monitorowania pracowników opartego na sztucznej inteligencji. Platforma robi wszystko to, co tradycyjne rozwiązanie, ale także zapewnia wgląd we wzorce komunikacji, poziom współpracy, skuteczność rozwiązywania problemów, mechanizm informacji zwrotnej itp.

W jaki sposób? Zauważając każdy najmniejszy szczegół pracy i odkrywając wzorce, które mogą pomóc w sformułowaniu najlepszych praktyk w celu poprawy. Na przykład, system sztucznej inteligencji może przekazywać informacje, czy zatwierdzenia kodu określonego dewelopera nie pociągają za sobą kolejnych poprawek błędów. Proces dewelopera może zostać uznany za najlepszą praktykę.

Podobnie, system może pomóc zrozumieć, czy produktywność dewelopera spada w określonej porze dnia. W ten sposób zespół może dokonać redystrybucji pracy i lepiej zrozumieć wzorce pracy.

Wiele mówi się o konsekwencjach bezpieczeństwa związanych z rozwiązaniami do monitorowania pracowników i jest to zrozumiałe. Mówimy o monitorowaniu ludzi i ich codziennych działań w pracy. W związku z tym z pewnością pojawią się obawy - właśnie dlatego ustanowiono przepisy takie jak europejskie ogólne rozporządzenie o ochronie danych (RODO).

Oczywiście w tej historii jest też aspekt konsensualny. Ale na razie koncentrujemy się tylko na froncie technologicznym. W tym celu integracja sztucznej inteligencji oferuje organizacjom liczne korzyści w zakresie:

• Uczenie się typowych zachowań użytkowników i wykrywanie wszystkiego, co jest od nich nietypowe.
• Zrozumienie wzorców dostępu do wrażliwych danych i oznaczanie wszelkich działań, które wydają się nietypowe.
• Konfigurowanie automatycznych alertów dla podejrzanych incydentów bezpieczeństwa i umożliwienie zespołom ds. bezpieczeństwa podejmowania proaktywnych działań zamiast uciekania się do analizy pośmiertnej.
• Wykrywanie wszelkich działań stanowiących zagrożenie wewnętrzne poprzez zapewnienie, że wszystko, co wykracza poza normalny wzorzec zachowania w pracy, zostanie natychmiast zauważone.
• Blokowanie transferu wszelkich poufnych informacji w sieci firmowej i poza nią

Określmy te możliwości ilościowo, aby zrozumieć ich wymierną wartość. W pierwszych dniach blokady COVID-19 w 2020 r. pracownicy zdalni byli nieustannie atakowani przez złośliwych użytkowników. Deloitte odnotowało pięciokrotny wzrost, z 12% do 60%, ataków na pracowników zdalnych w tym czasie.

W innych przypadkach koszty zagrożeń wewnętrznych osiągnęły poziom 15,38 mln USD w 2022 roku. Raport dotyczący Stanów Zjednoczonych sugeruje, że firmy codziennie doświadczają około 2200 ataków na bezpieczeństwo wewnętrzne.

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.

Przeprowadziliśmy ankietę wśród kilku dyrektorów i zrozumieliśmy, że mają oni trudności:

• Zapobieganie sytuacjom, w których osoby z zewnątrz mogą ukrywać swoją pracę.
• Upewnij się, że pracownicy nie oszukiwali, otwierając aplikacje zwiększające produktywność i faktycznie byli obecni przy swoim biurku podczas pracy zdalnej.

Dlatego też wprowadziliśmy Rozpoznawanie twarzy Funkcja ta została dodana do naszego rozwiązania monitorującego, które mogło nagrywać pracowników (robiąc zdjęcie co pięć sekund) i zapewniać, że żaden nieupoważniony podmiot nie będzie miał dostępu do pracy pracownika. Okazało się to realnym rozwiązaniem dla wielu organizacji, zwłaszcza tych w stosunkowo silnie regulowanych branżach, takich jak finanse.

Firmy podkreślają, że pracownicy są ich najcenniejszymi aktywami, ale czasami nie znajduje to odzwierciedlenia w rzeczywistości. Powody mogą być różne, w tym takie, które nie mają nic wspólnego z systemami i technologią. Dla dobra tego dyskursu unikniemy ich. Skupmy się na ograniczeniach operacyjnych i technologicznych.

Często wąskie gardła operacyjne mogą prowadzić do wypalenia pracowników, niesprawiedliwych ocen wydajności i nie tylko. Ale sztuczna inteligencja przychodzi na ratunek z wieloma korzyściami. Na przykład, monitorowanie oparte na sztucznej inteligencji może pomóc:

• Dystrybucja obciążeń zgodnie z umiejętnościami pracy zespołu lub poszczególnych osób. Zespoły mogą zrozumieć wzorce pracy i poprosić AI o sugestie dotyczące strategicznej redystrybucji pracy.
• Dostarczanie spersonalizowanych informacji zwrotnych w oparciu o wzorce produktywności i zaangażowania pracowników. Może to być tak proste, jak zachęcenie do zwiększenia zaangażowania w określonych kanałach lub polecenie całej serii kursów w celu rozwoju zawodowego.
• Mierzenie nastrojów pracowników poprzez ich wzorce komunikacji w monitorowanych kanałach wewnętrznych lub społecznościowych. Duże modele językowe (LLM), które zasilają generatywne rozwiązania sztucznej inteligencji, mogą z pewnością być dobrodziejstwem dla firm, które chcą szczegółowo zrozumieć, co pracownicy lubią, a czego nie. Może to pomóc w ostrzeganiu menedżerów o potencjalnych czkawkach w produktywności i podejmowaniu proaktywnych działań w celu osobistej interakcji z pracownikami, a może nawet dostosowania warunków pracy dla większego dobra.

Chociaż nie pasuje to do zwykłego przypadku użycia SaaS, monitorowanie pracowników oparte na sztucznej inteligencji również robi furorę w środowisku przemysłowym. Weźmy na przykład analizę wizualną opartą na wizji komputerowej w fabryce, w której pracownicy mogą być natychmiast ostrzegani o potencjalnych katastrofach lub uniemożliwiono im wejście do niektórych obiektów.

Byłoby niesprawiedliwe, gdybyśmy nie wspomnieli o nastrojach społecznych związanych z rosnącym wykorzystaniem sztucznej inteligencji do nadzoru pracowników. Istnieją ku temu powody.

Według Ankieta Pew Research Center 81% respondentów stwierdziło, że pracownicy nie czuliby się dobrze, gdyby byli niewłaściwie obserwowani lub oceniani za pomocą sztucznej inteligencji.

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."

Poza tym istnieje obawa o stronniczość i prywatność w przypadku generatywnych rozwiązań AI. Te LLM, o których mówiliśmy powyżej, są szkolone na danych, które mogą być celowo stronnicze. Sztuczna inteligencja nie byłaby w stanie tego odfiltrować i mogłaby nawiązywać do stronniczych odpowiedzi i ocen. Jest to więc również coś, co organizacje muszą wziąć pod uwagę, przechodząc do bardziej zaawansowanej integracji AI.

W związku z tym można oczekiwać, że pracownicy będą mieli opory przed korzystaniem z rozwiązań do monitorowania pracowników opartych na zaawansowanej sztucznej inteligencji. Będą oni kwestionować potencjalną stronniczość danych oceny, bezpieczeństwo ich poufnych informacji oraz potencjalne niewłaściwe wykorzystanie tych samych danych ze strony organizacji. Wszystkie te obawy są co najmniej uzasadnione.

Implikacje monitorowania opartego na sztucznej inteligencji w kontekście pracy zdalnej i zmieniającego się krajobrazu organizacji pracy są głębokie. Organizacje muszą znaleźć równowagę między monitorowaniem produktywności a bezpieczeństwem danych pracowników.

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.

Zalecamy rygorystyczną ocenę potrzeb przepływu pracy, udokumentowanie rozbieżności i sprawdzenie, czy stopniowe podejście do monitorowania pracowników z wykorzystaniem sztucznej inteligencji przynosi korzyści. Na przykład, jeśli obawiasz się spadku produktywności w ustawieniach zdalnych, wybór CleverControl z funkcją rozpoznawania twarzy może okazać się niezwykle opłacalny.

Oczywiście na początkowych etapach należałoby przeprowadzić pewne eksperymenty. Ale duży skok nie jest wymagany, jeśli biznes tego nie wymaga.