Çalışanların İzlenmesi için Yapay Zeka ve Makine Öğreniminin Kullanılması

IBM, 2022 yılında yaklaşık Şirketlerin %35'i had adopted AI, and another 42% were "exploring" it. The word "exploring" has an important connotation here.

Genellikle, sistemlerini ve süreçlerini elden geçirmek söz konusu olduğunda işletmeler için dikkate alınması gereken çok şey vardır. Bu nedenle, çalışan izleme gibi kapsamlı işlevler genellikle geride kalır ve eski altyapıya güvenmeye devam eder.

Ancak geçtiğimiz yıl içinde işler çok değişti. Bunların çoğu, üretken yapay zeka (gen AI) çözümlerindeki büyümeye bağlanabilir. 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.

Yapay zekanın işgücü performans yönetimi üzerindeki etkisinden bahsederken, büyük fayda sağlayan bir iş işlevi de çalışanların izlenmesidir.

Uzun süredir, çalışan izleme işlevleri, belirli metriklere (çalışılan saat sayısı gibi) uygun olabilecek oldukça soğuk verileri kaydetmekle sınırlıydı. Bu veriler, çalışan bağlılığı ve performansının nasıl(lar)ına ve neden(ler)ine ilişkin bağlamdan yoksundur.

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.

Örneğin, performans optimizasyonu için geleneksel bir çalışan izleme çözümü kullanan bir yazılım geliştirme ekibini ele alalım. Araç, kod taahhütlerinin sayısı veya kaydedilen saatler için veri sağlar. Ancak bu, eldeki görevin karmaşıklığını, gerekli olabilecek işbirliği düzeyini ve ortaya çıkabilecek düzensizlikleri yansıtmaz.

Şimdi aynı senaryoyu varsayalım, ancak ekip yapay zeka destekli bir çalışan izleme çözümü kullanıyor olsun. Platform, geleneksel bir çözümün yapacağı her şeyi yapıyor ancak aynı zamanda iletişim kalıpları, işbirliği düzeyi, sorun çözme verimliliği, geri bildirim mekanizması vb. hakkında içgörü sağlıyor.

Nasıl mı? İşle ilgili her küçük ayrıntıyı fark ederek ve iyileştirme için en iyi uygulamaları formüle etmeye yardımcı olabilecek kalıpları ortaya çıkararak. Örneğin, bir yapay zeka sistemi, belirli bir geliştiricinin kod taahhütlerinin sonraki hata düzeltmelerini gerektirip gerektirmediğini aktarabilir. Geliştiricinin süreci en iyi uygulama olarak belirlenebilir.

Aynı şekilde sistem, geliştiricinin üretkenliğinin günün belirli bir saatinde düşüp düşmediğini anlamaya yardımcı olabilir. Bu şekilde, ekip işi yeniden dağıtabilir ve çalışma modellerini daha iyi anlayabilir.

Çalışan izleme çözümleriyle ilgili güvenlik etkileri hakkında çok fazla konuşma var ve bu anlaşılabilir bir durum. İnsanları ve onların günlük iş faaliyetlerini izlemekten bahsediyoruz. Bu nedenle, Avrupa'nın Genel Veri Koruma Yönetmeliği (GDPR) gibi düzenlemelerin oluşturulmasının tam da nedeni olan endişeler olması kaçınılmazdır.

Elbette bu hikâyenin bir de rızaya dayalı yönü var. Ancak biz şimdilik sadece teknoloji cephesine odaklanıyoruz. Bu amaçla, yapay zekanın entegrasyonu kuruluşlara şu konularda çok sayıda avantaj sunmaktadır:

• Tipik kullanıcı davranışını öğrenmek ve buna aykırı olan her şeyi tespit etmek
• Hassas veri erişim modellerinin anlaşılması ve olağandışı görünen tüm faaliyetlerin işaretlenmesi
• Şüpheli güvenlik olayları için otomatik uyarılar oluşturmak ve güvenlik ekiplerinin ölüm sonrası analize başvurmak yerine proaktif önlemler almasına olanak sağlamak
• Normal iş davranış kalıplarının dışında kalan herhangi bir şeyin hemen fark edilmesini sağlayarak içeriden gelen tehdit faaliyetlerini tespit etmek
• Şirket ağı içinde ve dışında herhangi bir hassas bilginin transferinin engellenmesi

Somut değerlerini anlamak için bu yetenekleri ölçelim. 2020'deki COVID-19 karantinasının ilk günlerinde, uzaktan çalışanlar sürekli olarak kötü niyetli kullanıcıların saldırısı altındaydı. Deloitte bu süre zarfında uzaktan çalışanlara yönelik saldırılarda %12'den %60'a beş kat artış olduğunu bildirmiştir.

Başka bir yerde, içeriden gelen tehditlerin maliyeti 15.38 milyon dolar 2022 yılında. ABD'ye özgü bir rapor, işletmelerin günlük olarak yaklaşık 2.200 iç güvenlik saldırısına maruz kaldığını öne sürdü.

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.

Birkaç yöneticiyle anket yaptık ve bu konuda zorlandıklarını anladık:

• Kişilerin dışarıdan bir kişinin işlerini örtbas etmesine izin vermesini önleyin
• Çalışanların üretkenlik uygulamalarını açarak hile yapmadıklarından ve uzaktan çalışırken gerçekten çalışma masalarında olduklarından emin olun

Bu nedenle, biz de Yüz Tanıma Bu özellik, çalışanları kaydedebilen (her beş saniyede bir fotoğraf çekerek) ve yetkisiz hiçbir varlığın bir çalışanın işiyle ilgilenmemesini sağlayan izleme çözümümüze eklenmiştir. Bu, özellikle finans gibi nispeten ağır düzenlemelere tabi sektörlerde faaliyet gösteren birçok kuruluş için uygun bir çözüm oldu.

İşletmeler, çalışanlarının en değerli varlıkları olduğunu vurguluyor, ancak bu zaman zaman sahaya yansımıyor. Bunun nedenleri, sistemler ve teknoloji ile ilgisi olmayanlar da dahil olmak üzere çok çeşitli olabilir. Bu konuşmanın iyiliği için bunlardan kaçınacağız. Operasyonel ve teknolojik engellere odaklanalım.

Çoğu zaman, operasyonel darboğazlar çalışanların tükenmişliğine, adil olmayan performans değerlendirmelerine ve daha fazlasına yol açabilir. Ancak yapay zeka bir dizi avantajla kurtarmaya geliyor. Örneğin, yapay zeka destekli izleme yardımcı olabilir:

• İş yüklerini bir ekibin veya bireyin çalışma yeterliliğine göre dağıtın. Ekipler çalışma modellerini anlayabilir ve işin stratejik olarak yeniden dağıtılması konusunda yapay zekadan öneriler isteyebilir.
• Çalışanın üretkenliğine ve katılım modellerine göre kişiselleştirilmiş geri bildirim sağlayın. Bu, belirli kanallardaki katılımı artırmak için bir dürtme sağlamak veya profesyonel gelişim için bir dizi kurs önermek kadar basit olabilir.
• Çalışanların duygularını, izlenen dahili veya sosyal kanallardaki iletişim kalıpları aracılığıyla ölçün. Üretken yapay zeka çözümlerine güç veren büyük dil modelleri (LLM'ler), çalışanların neyi sevip sevmediğini anlamak için ayrıntılara inmek isteyen şirketler için kesinlikle bir nimet olabilir. Bu, yöneticilerin üretkenlikteki potansiyel aksaklıklara karşı uyarılmasına ve çalışanlarla kişisel olarak etkileşim kurmak için proaktif eylemlerde bulunmasına ve hatta belki de çalışma koşullarını daha iyi hale getirmek için değiştirmesine yardımcı olabilir.

Bu her zamanki SaaS kullanım durumuna uymasa da, yapay zeka odaklı çalışan izleme endüstriyel ortamlarda da dalgalar yaratıyor. Çalışanların olası felaketler konusunda anında uyarılabileceği veya belirli tesislere girmelerinin engellenebileceği bir fabrikadaki bilgisayar görüşü destekli görsel analiz örneğini ele alalım.

Çalışanların gözetimi için yapay zekanın artan kullanımına ilişkin kamuoyu duyarlılığını ana hatlarıyla belirtmemek haksızlık olur. Bunun da nedenleri var.

Bir rapora göre Pew Araştırma Merkezi anketi Ankete katılanların %81'i, çalışanların yapay zeka kullanılarak uygunsuz bir şekilde izlenmesi veya değerlendirilmesi konusunda kendilerini iyi hissetmeyeceklerini belirtmiştir.

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."

Bunun yanı sıra, üretken yapay zeka çözümlerinde önyargı ve gizlilikle ilgili bir endişe var. Yukarıda bahsettiğimiz bu LLM'ler, kasıtlı olarak önyargılı olabilen veriler üzerinde eğitilmektedir. Yapay zeka bunu filtreleyemez ve önyargılı yanıtlar ve değerlendirmeler ima edebilir. Dolayısıyla, bu da kuruluşların daha gelişmiş YZ entegrasyonuna geçerken göz önünde bulundurmaları gereken bir konudur.

Bu ortamda, gelişmiş yapay zeka tarafından desteklenen çalışan izleme çözümlerinin kullanımına karşı çalışan direnci olacağını beklemek mantıklıdır. Değerlendirme verilerindeki potansiyel önyargıları, hassas bilgilerinin güvenliğini ve kuruluşun bunları kötüye kullanma olasılığını sorgulayacaklardır. Ve tüm bunlar en hafif tabirle geçerli endişelerdir.

Uzaktan çalışma ve değişen iş düzenlemeleri bağlamında yapay zekaya dayalı izlemenin etkileri çok derin. Kuruluşların yapması gereken şey, üretkenlik için izleme ile çalışan verilerini güvende tutmak arasında bir denge kurmaktır.

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.

Tavsiyemiz, iş akışınızın ihtiyaçlarını titizlikle değerlendirmeniz, tutarsızlıkları belgelemeniz ve yapay zeka destekli çalışan takibine yönelik aşamalı bir yaklaşımın fayda sağlayıp sağlamayacağını görmeniz olacaktır. Örneğin, uzak ortamlarda üretkenliğin düşmesinden endişe ediyorsanız, Yüz Tanıma özellikli CleverControl'ü seçmek son derece uygun olabilir.

Elbette ilk aşamalarda bazı denemeler yapılacaktır. Ancak iş bunu gerektirmiyorsa büyük bir sıçrama gerekmez.