یک نوآوری اخیر در زمینه هوش مصنوعی (AI) ممکن است کلید باقی‌ماندن کارکنان در یک محیط کسب و کار باشد. پژوهشگران از دانشگاه شهر توکیو در ژاپن یک ابزار بهینه‌سازی توسعه داده‌اند که می‌تواند پیش‌بینی کند کدام کارکنان به ترک شغل مایل هستند به منظور کاهش نرخ حرکت ورودی. این منبع قدرتگر AI برای تجزیه و تحلیل یک آرایه از داده‌های کارکنان طراحی شده است، از شاخص‌های عملکرد فعلی تا تاریخ کارکنان گذشته.
سیستم AI احتمال ترک کارکنان جدید را به درصد نشان می‌دهد، برای ارائه راهکارهایی برای پشتیبانی و بازداری از کارمندان تأثیرگذار است. این تجزیه و تحلیل یکی از تلاشات گسترده‌تر برای ارائه شرکت‌ها با استراتژی‌هایی است تا کارمندان خود را به طور موثر حمایت کنند و آن‌ها را حفظ کنند. استاد پژوهشگر برجسته بر روی آزمایش‌های عملی ابزار AI با چند شرکت تأکید کرد، که یک مدل پیش‌بینی را برای هر محیط کاری شخصی‌سازی می‌کند.
اهمیت این رویکرد فناورانه از زمانی است که ژاپن با کاهش نسلی شدیدی مواجه شده است، که بیشتر اهمیت ظرفیت‌های AI را تأکید می‌کند. با خطر نیروی کار، اتخاذ روش‌های پیشرفته AI می‌تواند برای پرهیز از نیازهای کارمندان به زودی‌تر برخورد کرد و اطمینان از رضایت و اشتیاق آن‌ها را فراهم کرد.
این سیستم AI بر اساس انواع نقاط داده، شامل اطلاعات مصاحبه‌های شغلی، ویژگی‌های شخصی و پیش‌زمینه‌های کارمندان، اعتماد به نفس می‌کند. این رویکرد بر جست و جوی الگوهای پنهان که ممکن است منجر به حرکت ورودی شوند، کمک می‌کند و همچنین به مدیران امکان ارائه حمایت مستهدف به نیروی کار خود را فراهم می‌کند.
بازتاب روش‌هایی که پیش‌تر برای پیش‌بینی دانش‌آموزان در معرض خطر ترک تحصیلات استفاده شده بود، این برنامه AI یک گام مهم در مدیریت پیش‌بینی منابع انسانی در شرکت‌های ژاپنی است. خصوصیت، به زمانی که شماره‌گذاری‌های وزارت کار نشان می‌دهد که تقریباً ۳۰٪ از فارغ‌التحصیلان تازه‌کاری از کارفرمایان خود در عرض سه سال روند ترک کار را برجسته می‌کند، تأثیر احتمالی این ابزار AI را در خنثی کردن چنین روندهایی نشان می‌دهد.
سوالات مهم و پاسخ‌ها:
س: چه چیزی AI را به خصوص برای پیش‌بینی حرکت ورودی کارمندان مناسب می‌کند؟
ج: AI قادر به پردازش و تجزیه و تحلیل حجم بزرگی از داده‌های پیچیده است، بسیار موثرتر از انسان می‌تواند این کار را با دقت بیشتری انجام دهد. این قابلیت به AI این امکان را می‌دهد که الگوها و ارتباطات اندکی را در رفتار و عملکرد کارمندان کشف کند که ممکن است نشانه ریسک بالاتری از حرکت ورودی باشند. عواملی نظیر رضایت شغلی، سطح اشتیاق، نشانه‌های تنش و تغییرات زندگی شخصی را می‌توان به صورت عددی کمیته کرد و در مدل‌های پیش‌بینی استفاده کرد.
س: چه چالش‌های اساسی مرتبط با استفاده از AI برای پیش‌بینی حرکت ورودی کارمندان وجود دارد؟
ج: برخی از چالش‌های کلیدی شامل اطمینان از حریم خصوصی داده‌ها، مقابله با داده‌های غیر قابل اعتماد یا ناقص و مسائل اخلاقی احتمالی استفاده از چنین ابزاری برای پیش‌از موعد قطع همکارانی که به عنوان ریسک برای حرکت ورودی شناخته‌شده‌اند. همچنین نیاز به به‌روزرسانی و اعتبارسنجی مداوم مدل‌های AI برای اطمینان از دقت و ارتباط زمانی مدل‌ها است.
جدل‌ها:
ممکن است مسائل اخلاقی مرتبط با نظارت بر کارمندان و استفاده از داده‌های شخصی وجود داشته باشد. همچنین احتمال دارد که AI به عنوان تجاوز به حقوق کارکنان دیده شود یا محیط کاری “برادر بزرگ” ایجاد کند.
مزایا:
AI رویکردی عینی و بر مبنای داده برای کمک به شرکت‌ها در درک و پیش‌بینی رفتار کارمندان ارائه می‌دهد، که ممکن است منجر به استراتژی‌های حفظ مؤثر تر شود. استفاده از AI همچنین می‌تواند با شناسایی کارمندان در معرض خطر و ارائه فرصت برای تأمین نیازهای آن‌ها، کمک به پیش‌بینی و کاهش هزینه‌های حرکت ورودی کند.
معایب:
وجود خطری که بر افزون بر از آن پیشبینی‌های AI به شیوه‌های مدیریتی که به کارمندان به عنوان آماره‌ها بجانجاغ اعتماد کردن به بجای افراد معایب صداسفته باید. این ممکن است نیز منجر به عدم اعتماد در نیروی کار شود اگر احساس کنند که به طور مداوم تحت نظارت و ارزیابی قرار می‌گیرند.
اگر علاقه‌مند به دریافت اطلاعات بیشتر در مورد AI و کاربردهای آن هستید، می‌توانید از این پیوندهای مرتبط استفاده کنید:
– برای جدیدترین اخبار و تحقیقات علمی: بررسی فناپ
– برای کاربردهای AI در کسب و کار و مدیریت: بررسی تجارت هاروارد
– برای منابع و اطلاعات عمومی AI: سازمان AI (توجه: این پیوند به عنوان یک مثال ذکر شده است، اعتبار URL واقعی باید تأیید شود)
اهمیتی دارد که هنگامی که از AI به عنوان یک ابزار قدرتمند استفاده می‌شود، باید به دقت اجرا شود و باید به رضایت و مشارکت کارمندان و همچنین ملاحظه تبعیض اخلاقی استفاده آن اهمیت داده شود.
The source of the article is from the blog zaman.co.at