Використання штучного інтелекту та машинного навчання для моніторингу співробітників

У 2022 році IBM повідомила, що близько 35% компаній had adopted AI, and another 42% were "exploring" it. The word "exploring" has an important connotation here.

Часто підприємствам доводиться багато чого враховувати, коли справа доходить до капітального ремонту систем і процесів. Тому такі важливі функції, як моніторинг співробітників, часто залишаються позаду і продовжують покладатися на застарілу інфраструктуру.

Але за останній рік або близько того все сильно змінилося. Багато в чому це пов'язано зі зростанням кількості рішень на основі генеративного ШІ (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.

Якщо говорити про вплив штучного інтелекту на управління ефективністю роботи персоналу, то однією з бізнес-функцій, яка отримує величезні переваги, є моніторинг співробітників.

Протягом тривалого часу функції моніторингу працівників обмежувалися реєстрацією досить холодних даних, які могли б відповідати певним метрикам (наприклад, кількості відпрацьованих годин). Цим даним бракує контексту щодо того, як і чому працівники залучені та працюють.

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.

Наприклад, розглянемо випадок команди розробників програмного забезпечення, яка використовує традиційне рішення для моніторингу співробітників для оптимізації продуктивності. Інструмент надає дані про кількість коммітів коду або відпрацьованих годин. Але це не відображає складність поставленого завдання, рівень співпраці, який був би необхідний, порушення, які могли б виникнути.

Тепер уявімо той самий сценарій, але команда використовує рішення для моніторингу співробітників на основі штучного інтелекту. Платформа робить все те саме, що й традиційне рішення, але також дає уявлення про патерни комунікації, рівень співпраці, ефективність вирішення проблем, механізм зворотного зв'язку тощо.

Яким чином? Помічаючи кожну дрібницю в роботі та виявляючи закономірності, які в подальшому допоможуть сформулювати найкращі практики для вдосконалення. Наприклад, система штучного інтелекту може повідомити, якщо певний код розробника не потребує подальшого виправлення помилок. Процес розробника може бути визнаний найкращою практикою.

Так само система може допомогти зрозуміти, чи знижується продуктивність розробника в певний час доби. Таким чином, команда може перерозподілити роботу і краще зрозуміти робочі патерни.

Багато говорять про вплив рішень для моніторингу співробітників на безпеку, і це цілком зрозуміло. Ми говоримо про моніторинг людей та їхньої повсякденної робочої діяльності. Отже, неминуче виникають побоювання - саме тому були створені такі нормативні акти, як Європейський загальний регламент про захист даних (GDPR).

Звичайно, в цій історії є і консенсусний аспект. Але поки що ми зосереджуємося лише на технологічному фронті. З огляду на це, інтеграція штучного інтелекту пропонує організаціям численні переваги з точки зору:

• Вивчення типової поведінки користувачів і виявлення всього, що є аномальним для неї
• Розуміння моделей доступу до конфіденційних даних та позначення будь-яких дій, які здаються незвичними
• Налаштування автоматичних сповіщень про ймовірні інциденти безпеки та надання можливості командам безпеки вживати проактивних заходів замість того, щоб вдаватися до постмортального аналізу
• Виявлення будь-яких дій, що становлять внутрішню загрозу, гарантуючи, що все, що виходить за рамки звичайної робочої моделі поведінки, буде негайно помічено
• Блокування передачі будь-якої конфіденційної інформації в мережі компанії та за її межами

Давайте оцінимо ці можливості кількісно, щоб зрозуміти їхню реальну цінність. У перші дні карантину через COVID-19 у 2020 році віддалені працівники постійно зазнавали атак з боку зловмисників. Deloitte повідомили про п'ятикратне збільшення кількості нападів на віддалених працівників за цей час - з 12% до 60%.

В інших країнах вартість інсайдерських загроз досягла $15,38 млн у 2022 році. У звіті, присвяченому США, йдеться про те, що компанії щодня зазнають близько 2200 атак на внутрішню безпеку.

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.

Ми опитали кількох керівників і зрозуміли, що їм важко це зробити:

• Не дозволяйте людям дозволяти стороннім особам прикривати їхню роботу
• Переконайтеся, що працівники не шахраюють, відкриваючи додатки для підвищення продуктивності, а дійсно присутні на робочому місці під час віддаленої роботи

Тому ми привезли з собою Розпізнавання обличчя до нашого рішення для моніторингу, яке може записувати працівників (роблячи фото кожні п'ять секунд) і гарантувати, що жодна несанкціонована особа не розважається під час роботи працівника. Це виявилося життєздатним рішенням для багатьох організацій, особливо тих, що працюють у відносно жорстко регульованих галузях, таких як фінанси.

Компанії підкреслюють, що працівники є їхнім найціннішим активом, але іноді це не відображається на практиці. Причин може бути безліч, у тому числі й ті, що не мають нічого спільного з системами та технологіями. Заради цього дискурсу ми не будемо їх розглядати. Зосередимося на операційних і технологічних перешкодах.

Часто операційні вузькі місця можуть призводити до вигорання працівників, несправедливого оцінювання їхньої роботи тощо. Але штучний інтелект приходить на допомогу з цілою низкою переваг. Наприклад, може допомогти моніторинг на основі ШІ:

• Розподіляйте робоче навантаження відповідно до робочих навичок команди або окремої людини. Команди можуть розуміти робочі патерни і звертатися до ШІ за порадами щодо стратегічного перерозподілу роботи.
• Надавайте персоналізований зворотний зв'язок на основі продуктивності та залученості працівника. Це може бути як простий поштовх для покращення залученості на певних каналах, так і рекомендація цілої серії курсів для професійного зростання.
• Вимірюйте настрої співробітників через їхні моделі спілкування у внутрішніх або соціальних каналах, які відстежуються. Великі мовні моделі (LLM), на яких базуються генеруючі рішення для ШІ, безумовно, можуть стати знахідкою для компаній, які хочуть детально розібратися в тому, що подобається і що не подобається працівникам. Це може допомогти попередити менеджерів про потенційні проблеми з продуктивністю і вжити проактивних заходів для особистої взаємодії з працівниками або, можливо, навіть змінити умови праці для більшого блага.

Хоча це і не відповідає звичайному сценарію використання SaaS, але моніторинг співробітників на основі штучного інтелекту також викликає хвилю в промисловому середовищі. Візьмемо приклад візуальної аналітики на основі комп'ютерного зору на заводі, де працівники можуть бути негайно попереджені про потенційні катастрофи або не допущені на певні об'єкти.

Було б несправедливо не згадати про суспільні настрої, пов'язані зі зростаючим використанням штучного інтелекту для нагляду за працівниками. І на це є причини.

За даними Опитування Pew Research Center 81% респондентів відповіли, що співробітники не будуть почуватися добре, якщо за ними неналежним чином стежать або оцінюють їхню роботу за допомогою ШІ.

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."

Крім того, існує занепокоєння щодо упередженості та конфіденційності рішень на основі генеративного ШІ. Ці ШНМ, про які ми говорили вище, навчаються на даних, які можуть бути навмисно упередженими. ШІ не зможе їх відфільтрувати і може натякати на упередженість відповідей та оцінок. Отже, це також те, що організаціям потрібно враховувати при переході до більш просунутої інтеграції ШІ.

З огляду на це, цілком логічно очікувати, що працівники будуть чинити опір використанню рішень для моніторингу працівників на основі передового ШІ. Вони будуть ставити під сумнів потенційну упередженість даних оцінки, безпеку їхньої конфіденційної інформації та можливість зловживання нею з боку організації. І все це, щонайменше, небезпідставні побоювання.

Наслідки моніторингу на основі штучного інтелекту в контексті віддаленої роботи та мінливого ландшафту робочих домовленостей є глибокими. Організаціям необхідно знайти баланс між моніторингом для підвищення продуктивності та забезпеченням безпеки даних співробітників.

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.

Ми рекомендуємо ретельно оцінити потреби вашого робочого процесу, задокументувати розбіжності та з'ясувати, чи принесе користь поетапний підхід до моніторингу співробітників за допомогою штучного інтелекту. Наприклад, якщо ви стурбовані падінням продуктивності у віддалених умовах, вибір CleverControl з функцією розпізнавання облич може виявитися надзвичайно життєздатним.

Звичайно, на початкових етапах будуть експерименти. Але великий стрибок не потрібен, якщо цього не вимагає бізнес.