Как искусственный интеллект помог нам справиться с выгоранием сотрудников?

Цифровая среда — вызов для понимания уровня эмоционального выгорания сотрудников

Один из главных трендов современности — переход колоссального числа специалистов к работе в формате «человек — ЭВМ». Для специалистов по HR это серьезный вызов, так как в цифровой среде становится достаточно сложно определить уровень выгорания сотрудников.

А как оценить выгорание сотрудников на удаленке? Утренних планерок и часовых встреч недостаточно, чтобы понять, как люди себя чувствуют. По данным McKinsey 49% работников во всем мире столкнулись с выгоранием в 2021 году.

В результате случаются внезапные увольнения тех работников, которые прежде ни на что не жаловались. Руководитель просто упускает момент, когда что-то изменилось, потому что не общается с человеком лично.

Помимо негатива и рисков от потери ценного кадра такая ситуация влечет за собой и финансовые потери: на сопровождение увольнения старых работников, найму и обучению новых. Непредвиденные увольнения вредят компании. Нужно научиться вовремя реагировать на изменения в поведении человека и способствовать снижению профессионального выгорания сотрудников.
Анализ цифровых следов

Мы начали думать, как определить эмоциональное состояние работников с помощью компьютера. Как нам в этом может помочь цифровой след, который пользователи нашей компании оставляют в корпоративных приложениях? В нашей ситуации исчерпывающий ответ дали следующие источники:

· Система контроля и управления доступом — из нее мы можем понять наличие опозданий, переработок и так далее; а также математически выстроить кривую графика работы специалистов и изменения в ней;
· Стахановец — программный продукт, который позволяет отслеживать действия пользователей за компьютером;
· Skype — с его помощью можно анализировать, насколько активно человек ведет переписки и переговоры, какой формат он предпочитает: видео, аудио, IP-телефонию;
· 1С — дает нам информацию о стаже и должностях;
· Docsvision — СЭД и постановки/выполнения задач. На основании этих данных можно понять загрузку персонала;
· Microsoft Exchange — почтовый сервер, в котором ведется переписка компании. В нем можно увидеть количество писем на внутренние и внешние почтовые адреса, среднее время ответа, долю ответов на сообщения и прочие полезные метаданные.

В целях соблюдения конфиденциальности и обеспечения беспристрастности искусственного интеллекта, данные были обезличены.

Изучив рынок, мы поняли, что существующие продукты нас не устраивают. Тогда было принято решение сделать свою собственную систему анализа благополучия сотрудников (информация о других наших проектах и услугах доступна по ссылке).
Система анализа благополучия сотрудников

Для решения проблемы мы разработали приложение, которое анализирует цифровые следы во всех программных продуктах нашей компании и позволяет оценить уровень выгорания сотрудников. Система отслеживает, как изменялось поведение человека за несколько последних месяцев, а после этого с помощью нейросетей делает вывод, насколько похоже это поведение на тех людей, которые впоследствии уволились.

Также мы учли, что люди используют цифровые инструменты в индивидуальном формате и приоритизация зависит от специфики работы и от личных особенностей человека.

Во-первых, возможны различные комбинации информационных систем, например:

· Для руководителей проектов важна электронная почта, а отдел технической поддержки ведет переписку в Skype;
· Некоторые специалисты работают удаленно, а электромонтеры и специалисты АХО ежедневно отмечаются в СКУД, но при этом не пользуются компьютером.

Во-вторых, у каждого пользователя могут быть разные активности в программных продуктах: специалист отправляет или принимает 20−30 писем в неделю, а у руководителя департамента это число может превышать несколько сотен.

Архитектура решения разрабатывалась специально, чтобы учесть индивидуальные особенности каждого пользователя и оценить уровень выгорания конкретного сотрудника. Вероятность увольнения вычисляется индивидуально по каждому работнику — система сравнивает показатели на текущей неделе с действиями этого же человека за предыдущие периоды. При этом учитываются и другие факторы, такие как командировки, где режим работы меняется, или выполнение очных заданий с командой заказчика, когда все действия происходят очно, без использования различных систем.

Текущая точность определения вероятности увольнения работников на тестовой выборке составляет 87,5%.
Итоги

Разработанный инструмент полезен для принятия управленческих решений. Он позволил уже после запуска продукта обратить внимание на выгорание нескольких ключевых специалистов и своевременно провести работу по снижению нагрузки, временному пересмотру специфики, снижению эмоционального выгорания сотрудников, чтобы их сохранить.

Каждый руководитель в личном кабинете видит не только результаты аналитики, но и рекомендации, на кого обратить внимание и как снизить уровень выгорания сотрудников в коллективе. Следующим важным шагом является обучение руководителей работе с результатами аналитики.

Разработанный инструмент легко переносится для анализа цифровых данных из любых других информационных систем наших заказчиков. В ближайшее время АО «Диджитал Инжиниринг Технолоджи» планирует предложить продукт всем желающим.