Сайт использует файлы cookie. Подробная информация в правилах по обработке персональных данных. Вы можете запретить сохранение cookie в настройках своего браузера.

Москва
+7 495 787-29-92
онлайн-калькулятор

Искусственный интеллект в HR: как технологии удерживают сотрудников

/ Публикации / Пресс-центр

В прошлой статье мы рассказали о внедрении ИИ-инструментов в работу HR департаментов и о результатах такого взаимодействия. Основная польза технологий — избавление от рутинных операций, быстрая обработка информации и объективность принимаемых решений, увеличение количества факторов принимаемых во внимание при формировании управленческих решений. ИИ-системы начинают интегрироваться в рекрутинг и обучение сотрудников, там технологии доказывают свою эффективность.

Одно из новых направлений для ИИ — прогнозирование оттока и удержание специалистов. ИИ помогает предсказать намерение сотрудника покинуть текущее место работы и определить действия, которые помогут сохранить сотрудника. Помимо стандартных инструментов: опрос, карьерная встреча, оценка эффективности и оценка удовлетворённости, алгоритмы искусственного интеллекта оценивают поведенческие характеристики, что помогает заблаговременно узнать о желании сотрудника покинуть компанию.


Точность предсказаний

Управление оттоком с помощью искусственного интеллекта базируется на предиктивной (предсказательной) аналитике. Это значит, что инструмент не даёт стопроцентных гарантий, а помогает отследить потенциально готовых к увольнению сотрудников. Основной источник информации для искусственного интеллекта — накопленные данные и поведенческие изменения.

Данные должны быть качественными: автоматически собираться и храниться в одном месте (HR-системе). Это обеспечит высокую точность предсказаний.

AI_HR.png


Какие данные использует ИИ

Как правило, модели машинного обучения, используемые для прогнозирования оттока, формируют свои прогнозы на 2 различных наборах данных:

Внутренние данные

Это блок данных кадровой системы: оклад, премия, отпуск, надбавки, награды и взыскания. А также дополнительные данные: результаты опросов, результаты и планы по карьерным встречам и любая обратная связь от сотрудника или его руководителя, системы учёта рабочего времени.

Один из важнейших факторов, который влияет на определение вероятности увольнения — данные о деятельности сотрудника в профильной системе производственного учета. Это может быть система учета проектной деятельности, CRM-система, в которой накапливаются данные о производственной или коммерческой деятельности сотрудников на предприятии.

Внешние данные

Внешние данные находятся за периметром информационных систем предприятия. Например, это социальные сети, данные с сайтов по поиску работы, такие как уровень зарплаты по региону у специалистов со схожей должностью, открытие новых компаний с активным поиском специалистов со схожей должностью и так далее.


Мотивация сотрудников и сокращение оттока

Замещать производительных сотрудников — дорого и очень долго для бизнеса. При неожиданном уходе таких специалистов компания несёт большие затраты на поиск, обучение, адаптацию нового человека, даже если он уже сотрудник компании.

В больших компаниях отследить поведение каждого сотрудника вручную невозможно, но искусственный интеллект легко и быстро решает такую задачу. Более того, он отслеживает неочевидные на первый взгляд закономерности и даёт рекомендации по сохранению сотрудника.

Такая система — не всевидящее око большого брата и не слежка за частной жизнью сотрудников. Она выполняет функцию системы помощи HR-специалистам: определяет и подсвечивает факторы, которые влияет на увольнение и даёт свой прогноз.


Принцип работы алгоритма

Система собирает информацию по каждому сотруднику и отслеживает его поведение. Если система считает, что сотрудник планирует покинуть компанию, она оповещает HR специалиста об этом, даёт сводку и рекомендации по сохранению. Рассмотрим на примере.

Ситуация:

Сотрудник Андрей не был в отпуске больше полутора лет, часто задерживается в офисе или приезжает на выходные, а вместо 30-35 выполненных задач в неделю стал выполнять по 10-12. С Андреем больше года не проводили карьерные встречи, у него не повышался оклад, и он работает без карьерного роста уже больше 3 лет.

Андрей — ключевой сотрудник в 2 проектах. Его уход повлечёт за собой массу проблем: поиск сотрудника на проекты, его адаптация и обучение, знакомство с партнёрами, передача дел, оформление в штат. Бизнесу придётся тушить пожар, который наступит со всех сторон.

Реакция ML-модели:

Модель оценивает каждого сотрудника на основе исторических данных, поведенческих изменений и внешней ситуации. В случае с Андреем модель сразу отследит изменения в поведении и отсутствие развития внутри компании. После сравнит с похожими сотрудниками и, если обнаружит, что люди с подобными показателями увольняются — оповестит HR.

После модель даст рекомендации по сохранению сотрудника с учётом возможностей вашей компании, должности и компетенций сотрудника.


Если вы хотите подробнее ознакомиться с интеллектуальными решениями в области HR, оставьте заявку на демонстрацию решения. Наши эксперты узнают о ваших задачах и проведут персональную демонстрацию.

Заявка на демонстрацию решения

Все поля обязательны для заполнения

  • Ваше имя:
  • Телефон:
  • E-mail:
  •