Ein ny tilnærming til å behalde tilsette
Japanske nyskaparar har utvikla eit kunstig intelligenssystem designa som eit strategisk hjelpemiddel for forretningsleiarar for å førehandsidentifisere tilsette som kan tenkje på å sei opp. Denne teknologien er ein førebyggande steg mot å forbetre strategiane for å halde på tilsette.
Systemet, som nyttar den analytiske evna til AI, vart forma av ein professor ved Tokyo City University i samarbeid med ein lokal oppstart. Det prosesserer ei brei spekter av tilsettdatabasar, inkludert ikkje berre punktlegheit og demografisk informasjon, men også tidlegare høve til tilsett kanurning og fråvær. Dette gjer at AI-en kan etablere ein skreddarsydd avgangmodell for kvar organisasjon.
Styrt av denne innsikta, fungerer verktøyet ved å vurdere sannsynet for at nye tilsette bestemmer seg for å slutte, og kvantifiserer risikoen i prosent. Skaparane er for tida felttesting denne AI-en med fleire selskap for å finjustere og tilpasse modellane dei genererer.
Auken av leiande inngripingar
Leiarar vil ha nytte av å nytte dette programmet, sidan det kan signalisere når spesifikke inngripingar kan vere naudsynte for å støtte ein potensielt risikoutsatt tilsett. Målet er at leiarar skal tilby støtte diskret utan å forårsake bekymring ved å avsløre dei berekna statistikkane.
I tillegg til å spå framtidig oppseiing, set utviklarane scenen for at AI-en også kan anbefale optimale stillingar for nye tilsette ved å gjennomgå intervjumateriale, erfaring og personlege bakgrunnar.
Med tanke på dei unike rekrutteringsmønstre til japanske verksemder, som den samtidige oppstarten av nyutdanna, og den sterke openberringa som ein merkbar del av nye fagfolk forlèt-jobbane sine innan dei første åra, presenterer dette AI-verktøyet ei lovande løysing for å betre tilsetteengasjementet og varigheita.
Viktigheita av tilsettebevaring
Tilsettombytte kan vere kostbart for selskap, ikkje berre med omsyn til dei økonomiske kostnadene knytt til å rekruttere og trene nytt personale, men også med omsyn til tapet av institusjonell kunnskap og den potensielle verknaden på lagmoral og produktivitet. Ei AI som forutsig gjennomsnittet for oppseiingar, kan hjelpe førebyggande finne løysingar på desse utfordringane ved å identifisere risikofaktorar og område for inngripen før ein tilsett bestemmer seg for å slutte.
Spørsmål og svar
Nokre viktige spørsmål om slike AI-verktøy inkluderer:
– Kor nøyaktige er desse AI-forutsigingane?
AI-forutsigingar avheng av kvaliteten og mengda data, modellens kompleksitet og bransjekonteksten. Sidan teknologien framleis er under felttesting, kan nøyaktigheten variere frå datasett til datasett og arbeidsmiljø.
– Kan AI-en respektere tilsettres personvern?
AI som prosesserer personlege data må overhalde personvernlagar som Generell forordning til databeskyttelse (GDPR) eller Japans lov om beskyttelse av personopplysningar (APPI). Det er viktig at selskap som bruker denne teknologien, beskyttar tilsettopplysingane mot uautorisert tilgang og brot.
– Vil denne teknologien få tilsette til å føle seg overvåka eller mistrudd?
Tilsette kan føle seg ukomfortable med å vite at deira sannsynlegheit for å sei opp blir overvaka. Gjennomsiktig kommunikasjon om AI-ens rolle og hensikt kan hjelpe å redusere desse bekymringane.
Viktige utfordringar og kontroversar
– Data Personvern: Ein betydelig utfordring er å oppretthalde tilsettes personvern når ein analyserer sensitive personopplysingar.
– Nøyaktigheit og Retferd: Å sikre at AI-forutsigingane er nøyaktige og upartiske, slik at dei ikkje urettferdig rettar seg mot eller ulemper nokon tilsettgrupper.
– Adopsjon og Tillit: Å vinne tillit både frå tilsette og leiarar til å bruke teknologien kan vere vanskeleg.
Fordeler og Ulemper
Fordeler:
– Førebyggande løysingar: Ved å spå om moglege oppseiingar, kan selskap ta førebyggande steg for å engasjere seg med tilsette og adresse deira bekymringar.
– Betrare ressursfordeling: AI-en kan hjelpe til å rettleie leiarressursar dit dei trengs mest.
– Strategisk HR-planlegging: Ideelt sett vil verksemder kunne planlegge meir strategisk for rekruttering og bevaring, styrkje den overordna forretningsstrategien.
Ulemper:
– Personvernbetraktningar: Innsamling og analyse av tilsettdatabasar reiser personvernsspørsmål og etiske bekymringar knytt til overvakingen.
– Avpersonifisering: Det er ein risiko for at ein tillit til AI kan føre til avpersonifiserte leiarstilar, der tal, ikkje individuelle opplevingar, styrer handlingar.
– Feiltolkning: Feilaktige forutsigingar kan potensielt føre til feilretta intervensjonar som kan skade tilsettmoralen.
Dersom du let etter meir informasjon om kunstig intelligens og dens applikasjonar i forretningslivet, inkludert tilsettebevaring, kan du finne desse generelle lenkene til domenar nyttige:
– IBM: Som ein pioner innan AI-teknologi, tilbyr IBM ei mangfald av innsiktar som gjeld bruken av AI i arbeidsstokken.
– Gartner: Gartner gir forsking og råd om det siste innan AI-framskritt og deira implikasjonar for selskap.
Merk at den faktiske effektiviteten og etiske implikasjonar ved å bruke AI i denne samanhengen framleis er emne for pågåande forsking og debatt, og som teknologiar og samfunnshaldningar held fram med å utvikle seg, vil diskusjon rundt desse verktøya også gjere det.
The source of the article is from the blog bitperfect.pe