Tokyo City University har banbrytande pionjärer som har gjort betydande framsteg inom arbetskraftshantering genom utvecklingen av ett artificiell intelligens (AI)-program som är utformat för att förutse anställdas livslängd på ett företag. Denna teknologiska innovation syftar till att bistå arbetsgivare att identifiera och stödja teammedlemmar som kan överväga att lämna sin position.
AI-modellen, ett hjärtebarn av professor Naruhiko Shiratori och en start-up i Tokyo, undersöker noggrant en mängd variabler såsom närvaro, ålder, kön och till och med historiska data från tidigare anställda. Denna holistiska ansats underlättar utvecklingen av en skräddarsydd modell för personalomsättning som är anpassad till varje organisations unika miljö.
Modellen erbjuder förutsägande insikter om nya anställda genom att kvantifiera sannolikheten för deras avgång i procent. Shiratori, som är specialist inom medieutbildning, betonar den potentiella tillämpningen av denna modell i att erbjuda förebyggande stöd till dem som kan ha det svårt, dock försiktigt och utan att presentera potentiellt alarmerande rådata direkt till individen.
Skapandet av detta toppmoderna verktyg är inte utan förutsättning; det utvecklas från tidigare forskningsinsatser som använder AI för att upptäcka vilka universitetsstudenter som kan avbryta sina studier. Med fokus på kontinuerlig förbättring riktar teamet nu sina ansträngningar mot att förstärka AI:n för att rekommendera optimala arbetsuppgifter baserat på en sammanslagning av intervjuinsikter, personlighetsegenskaper och personliga bakgrunder.
Denna innovation är en respons på en påtaglig trend i den japanska företagskulturen, där företag gemensamt rekryterar nyutexaminerade men står inför en trend där nästan 10% av dessa nyutexaminerade anställda avgår inom sitt första år, och omkring en tredjedel lämnar innan de har slutfört tre års tjänstgöring, enligt dokumentation från Japans arbetsministerium.
Viktiga frågor och svar:
Vilka faktorer beaktar AI-modellen vid prognostisering av anställningstid?
AI-modellen överväger en mängd olika faktorer såsom närvaro, ålder, kön, historiska data och möjligtvis andra som intervjuinsikter, personlighetsegenskaper och personliga bakgrunder för att prognostisera anställdas anställningstid.
Hur hjälper denna teknologi arbetsgivare?
Arbetsgivare kan använda AI-modellen för att identifiera anställda som kan vara i riskzonen för att lämna företaget och erbjuda dem förebyggande stöd för att förbättra medarbetarnas behållning.
Vilka etiska överväganden finns kring detta AI-verktyg?
Att använda en AI-modell för att förutse anställdas beteende kan väcka etiska frågor kring integritet och möjlig felanvändning av data för diskriminerande praxis. Det är viktigt att använda detta verktyg ansvarsfullt och skydda anställdas information.
Viktiga utmaningar och kontroverser:
– Dataskydd: Att skydda anställdas personuppgifter är en betydande utmaning. Att försäkra sig om att prognosmodeller inte äventyrar integriteten är avgörande.
– Exakthet: Exaktheten hos prognoser är alltid en fråga. Felaktiga prognoser kan leda till ogrundade konsekvenser för anställda.
– Partiskhet: Det finns en risk för inbyggd partiskhet i AI-modeller, beroende på de data som används för att träna dem. Partiska data kan leda till diskriminerande praxis.
Fördelar:
– Proaktiva behållningsstrategier: Det möjliggör för företag att införa behållningsåtgärder proaktivt istället för att reagera på uppsägningar.
– Faktabaserat beslutsfattande: Arbetsgivare kan fatta informerade beslut baserade på mätbara data, vilket minskar gissningsarbetet inom personalresurshantering.
Nackdelar:
– Depersonalisering: Överberoende av AI kan leda till försummelse av de mänskliga aspekterna av att hantera arbetsstyrkerelationer.
– Motstånd mot övervakning: Anställda kan känna sig obekväma med att veta att deras beteende konstant övervakas och analyseras.
För att utforska mer om AI-applikationer inom området för personalresurshantering kan intresserade läsare besöka respektabla källor som IBM Watson eller Accenture, företag som är kända för att utveckla och implementera AI-lösningar inom olika affärsområden. Se till att URL:erna är giltiga och direkt länkade till huvuddomen för att undvika felmeddelanden eller att användare skickas till felaktiga webbsidor.
The source of the article is from the blog exofeed.nl