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.

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.