Informatyka Internet Pozostałe

Innowacyjna technologia z Japonii: Sztuczna inteligencja przewidująca rezygnację pracownika

Szereg naukowców z Japonii pracuje nad rozwinięciem innowacyjnej technologii, której zadaniem będzie prognozowanie momentu, w którym pracownik może podjąć decyzję o opuszczeniu swojego miejsca pracy. Wykorzystując zaawansowane modele maszynowego uczenia, to narzędzie ma potencjalnie umożliwić szefostwu działanie prewencyjne i proaktywne, np. poprzez wsparcie demotywowanego członka zespołu. Zanim prace nad tym narzędziem ruszyły pełną parą, podobny model testowano na studentach rozważających porzucenie studiów.

Według informacji udzielonych przez Agence France-Presse, w Japonii intensywnie prowadzone są badania dotyczące wykorzystania sztucznej inteligencji do przewidywania decyzji o rezygnacji ze studiów lub pracy przez studentów i pracowników.

Narzędzie to powstało pod okiem profesora Naruhiko Shiratori z Uniwersytetu Miejskiego w Tokio. W celu dalszego rozwoju projektu, jego komercjalizacji oraz nawiązywania współpracy, utworzono również startup z siedzibą w japońskiej stolicy.

Ta innowacyjna technologia działa na dwa fronty. Z jednej strony analizuje rozmaite dane dotyczące obecnych pracowników, a także tych, którzy już opuścili firmę – uwzględnia takie aspekty jak frekwencja, punktualność, efektywność pracy. W swoich obliczeniach bierze pod uwagę także takie kategorie jak wiek, płeć czy miejsce zamieszkania.

Na podstawie zgromadzonych danych, sztuczna inteligencja tworzy model przewidywań, który w postaci procentowej szacuje prawdopodobieństwo odejścia poszczególnych pracowników.

Rozwój tego narzędzia nie kończy się jednak na samym przewidywaniu. Naukowcy planują włączyć do niego dodatkowy moduł, który będzie umożliwiał identyfikację osób z największym ryzykiem rezygnacji i propozycje działań prewencyjnych. Sztuczna inteligencja może zasugerować np. przypisanie pracownikowi zadań lepiej dopasowanych do jego profilu, co w rezultacie może zwiększyć jego motywację do pracy.

Similar Posts