Utilizar a IA e a aprendizagem automática para monitorizar os funcionários

Desafios da gestão de uma equipa multinacional à distância e como ultrapassá-los

Em 2022, a IBM informou que cerca de 35% das empresas had adopted AI, and another 42% were "exploring" it. The word "exploring" has an important connotation here.

Muitas vezes, as empresas têm muito em que pensar quando se trata de reformular os seus sistemas e processos. Como tal, funções extensas como a monitorização dos empregados são muitas vezes deixadas para trás e continuam a depender da infraestrutura antiga.

Mas as coisas mudaram muito nos últimos anos. Muito pode ser atribuído ao crescimento das soluções 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.

Quando se fala da influência da IA na gestão do desempenho da força de trabalho, uma função empresarial que beneficia imenso é a monitorização dos trabalhadores.

Beneficiar da monitorização dos colaboradores baseada em IA

Moving from "Just" Surveillance to Performance Optimisation

Durante muito tempo, as funções de monitorização dos trabalhadores limitaram-se a registar dados bastante frios que podem servir para determinadas métricas (como o número de horas trabalhadas). Estes dados carecem do contexto do como e do porquê do empenho e do desempenho dos trabalhadores.

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 exemplo, considere-se o caso de uma equipa de desenvolvimento de software que utiliza uma solução tradicional de monitorização de funcionários para otimização do desempenho. A ferramenta fornece os dados relativos ao número de commits de código ou às horas registadas. Mas isso não transmite a complexidade da tarefa em causa, o nível de colaboração que teria sido necessário, as irregularidades que poderiam ter surgido.

Agora, vamos supor o mesmo cenário, mas a equipa está a utilizar uma solução de monitorização de funcionários baseada em IA. A plataforma faz tudo o que uma solução tradicional faria, mas também fornece informações sobre os padrões de comunicação, o nível de colaboração, a eficiência da resolução de problemas, o mecanismo de feedback, etc.

Como? Observando todos os pequenos pormenores do trabalho e descobrindo padrões que podem ajudar a formular as melhores práticas para melhorar. Por exemplo, um sistema de IA pode indicar se os commits de código de um determinado programador não implicam correcções de erros subsequentes. O processo do programador pode ser estabelecido como uma boa prática.

Da mesma forma, o sistema pode ajudar a compreender se a produtividade do programador está em baixa durante uma determinada altura do dia. Desta forma, a equipa pode redistribuir o trabalho e compreender melhor os padrões de trabalho.

Making "Data Security" the Front and Centre

Fala-se muito das implicações de segurança das soluções de monitorização de funcionários, e é compreensível que assim seja. Estamos a falar de monitorizar pessoas e as suas actividades de trabalho diárias. Por isso, é natural que haja preocupações - precisamente por isso, foram criados regulamentos como o Regulamento Geral sobre a Proteção de Dados (RGPD) da Europa.

Claro que há um ângulo consensual nesta história. Mas, para já, estamos a concentrar-nos apenas na vertente tecnológica. Para o efeito, a integração da IA oferece inúmeras vantagens às organizações em termos de:

  • Aprender o comportamento típico do utilizador e detetar qualquer coisa que seja anómala em relação a esse comportamento
  • Compreender os padrões de acesso a dados sensíveis e assinalar quaisquer actividades que pareçam invulgares
  • Definir alertas automáticos para suspeitas de incidentes de segurança e permitir que as equipas de segurança tomem medidas proactivas em vez de recorrerem a análises post-mortem
  • Detetar quaisquer actividades de ameaças internas, assegurando que tudo o que esteja para além do padrão normal de comportamento no trabalho seja imediatamente detectado
  • Bloqueio da transferência de qualquer informação sensível dentro e fora da rede da empresa

Vamos quantificar estas capacidades para compreender o seu valor tangível. Durante os primeiros dias do confinamento devido à COVID-19 em 2020, os trabalhadores remotos estavam constantemente a ser atacados por utilizadores mal-intencionados. Deloitte registaram um aumento de cinco vezes, de 12% para 60%, nos ataques a trabalhadores à distância durante este período.

Noutros países, o custo das ameaças internas atingiu 15,38 milhões de dólares em 2022. Um relatório específico dos EUA sugeriu que as empresas estão a sofrer diariamente cerca de 2200 ataques à segurança 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.

Inquirimos vários executivos e percebemos que estavam a ter dificuldades:

  • Impedir que as pessoas autorizem uma pessoa externa a encobrir o seu trabalho
  • Assegurar que os funcionários não estavam a fazer batota abrindo aplicações de produtividade e que estavam efetivamente presentes no seu posto de trabalho quando trabalhavam à distância

Por isso, trouxemos o Reconhecimento facial A nossa solução de monitorização, que podia registar os empregados (tirando uma fotografia de cinco em cinco segundos) e garantir que nenhuma entidade não autorizada se entretinha com o trabalho de um empregado. Esta solução revelou-se viável para muitas organizações, especialmente para as que operam em sectores relativamente regulamentados, como o financeiro.

Literalmente melhorando a vida dos funcionários

As empresas sublinham que os empregados são os seus activos mais valiosos, mas isso, por vezes, não se reflecte no terreno. As razões podem ser várias, incluindo aquelas que nada têm a ver com sistemas e tecnologia. Para o bem deste discurso, evitamo-las. Vamos concentrar-nos nas inibições operacionais e tecnológicas.

Muitas vezes, os estrangulamentos operacionais podem levar ao esgotamento dos funcionários, a avaliações de desempenho injustas e muito mais. Mas a IA vem em socorro com uma série de benefícios. Por exemplo, a monitorização com base em IA pode ajudar:

  • Distribuir as cargas de trabalho de acordo com a capacidade de trabalho de uma equipa ou de um indivíduo. As equipas podem compreender os padrões de trabalho e solicitar sugestões à IA sobre a redistribuição estratégica do trabalho.
  • Fornecer feedback personalizado com base na produtividade e nos padrões de envolvimento dos empregados. Isto pode ser tão simples como dar um empurrãozinho para melhorar a participação em determinados canais ou recomendar toda uma série de cursos para o crescimento profissional.
  • Avaliar os sentimentos dos funcionários através dos seus padrões de comunicação nos canais internos ou sociais que estão a ser monitorizados. Os modelos de linguagem de grande dimensão (LLM) que potenciam as soluções de IA generativa podem certamente ser uma mais-valia para as empresas que pretendem compreender o que os funcionários gostam e não gostam. Isto pode ajudar a alertar os gestores para potenciais problemas de produtividade e a tomar medidas proactivas para interagir pessoalmente com os funcionários ou talvez até ajustar as condições de trabalho para um bem maior.

Embora isto não se enquadre no caso de utilização habitual de SaaS, a monitorização de funcionários orientada por IA também está a fazer ondas em ambientes industriais. Veja-se o exemplo da análise visual baseada na visão por computador numa fábrica, onde os empregados podem ser imediatamente alertados para potenciais desastres ou impedidos de entrar em determinadas instalações.

Desafios da gestão de uma equipa multinacional à distância e como ultrapassá-los

Desafios e controvérsias

Seria injusto não delinear o sentimento público associado à utilização crescente da IA para a vigilância dos trabalhadores. E há razões para isso.

De acordo com um Inquérito do Pew Research Center 81% dos inquiridos afirmaram que os trabalhadores não se sentiriam bem se fossem observados ou avaliados de forma inadequada através da 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."

Para além disso, há uma preocupação com a parcialidade e a privacidade das soluções de IA generativa. Os LLM de que falámos acima são treinados com base em dados que podem ser intencionalmente tendenciosos. A IA não seria capaz de filtrar isso e poderia aludir a respostas e avaliações tendenciosas. Portanto, isso também é algo que as organizações precisam de considerar quando avançam para uma integração de IA mais avançada.

Neste contexto, é razoável esperar que haja resistência dos trabalhadores à utilização de soluções de monitorização dos trabalhadores baseadas em IA avançada. Questionarão o potencial enviesamento dos dados de avaliação, a segurança das suas informações sensíveis e a potencial utilização indevida das mesmas por parte da organização. E todas estas são preocupações válidas, para dizer o mínimo.

É necessário encontrar um equilíbrio

As implicações da monitorização baseada na IA no contexto do trabalho remoto e da mudança do panorama das modalidades de trabalho são profundas. O que as organizações têm de fazer é encontrar um equilíbrio entre a monitorização da produtividade e a manutenção da segurança dos dados dos trabalhadores.

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.

A nossa recomendação seria avaliar rigorosamente as necessidades do seu fluxo de trabalho, documentar as discrepâncias e ver se uma abordagem incremental à monitorização de funcionários com IA traz benefícios. Por exemplo, se estiver preocupado com a queda de produtividade em ambientes remotos, a escolha do CleverControl com Reconhecimento Facial pode revelar-se imensamente viável.

É claro que haverá alguma experimentação nas fases iniciais. Mas não é necessário dar um grande salto se a atividade não o exigir.

Tags:

Here are some other interesting articles: