Теперь увольнение можно предсказать: как это поможет работникам
Работник чувствует усталость и перенапряжение. Он ещё даже не подумал об увольнении, а искусственный интеллект (ИИ) уже бьёт тревогу и сигнализирует руководителю отправить сотрудника в отпуск. В ХХI веке прогнозирует будущее не хрустальный шар, а искусственный интеллект и аналитика. «Рамблер» рассказывает, как алгоритмы предсказывают увольнение работников и как это помогает самим сотрудникам.
Зачем «предиктивная аналитика» сотрудникам
Предиктивная аналитика — технология обработки данных, которая с помощью алгоритмов анализирует прошлые процессы, выявляет скрытые закономерности и строит прогнозы. Её используют в разных сферах бизнеса.
Например, с помощью предиктивной аналитики можно оценить, как будет меняться спрос на продукцию в разные периоды или предсказать отток клиентов.
Предиктивная аналитика делает выводы на основании прошлого опыта, а подход к принятию решений на основе анализа данных называется data-driven (с англ. «управляемый данными»).
Суть такого подхода — принятие стратегического решения на основе фактов и аналитики, а не интуиции и мнений.
Преимущества предиктивной аналитики для сотрудников:
1. Раннее обнаружение проблем. Выгорание и перегрузку замечают до того, как человек окончательно потеряет силы. Часто работники переоценивают свои возможности, из-за чего наступает эффект разорвавшейся бомбы. Сотруднику кажется, что всё в порядке, он игнорирует первые тревожные сигналы своего организма, ухудшения продуктивности. А в один из дней у него сдают нервы или подрывается здоровье, и он увольняется. Программа сигнализирует работнику, что ему пора притормозить и дать паузу, пока не случилась катастрофа.
Директор по персоналу и организационному развитию компании «Стеллар» Ирина Лебедева рассказала, как алгоритмы помогают выявить риск ухода сотрудников в их компании. Месяц назад аналитика показала высокий риск ухода у одного из ведущих backend-разработчиков, работавшего над корпоративной платформой для финансового клиента. Система отметила сразу несколько тревожных сигналов:
- Резкое снижение количества комментариев в задачах и на код-ревью (процесс анализа и оценки исходного кода, который проводится разработчиками для выявления ошибок, улучшения качества продукта и обмена знаниями в команде). Хотя раньше именно этот сотрудник активно предлагал улучшения процессов.
- Уменьшение числа инициативных идей на командных встречах.
- Рост переработок и выполнение части задач поздно ночью.
- Падение «эмоционального тонуса» в коммуникации — короткие односложные ответы вместо развёрнутых предложений.
Эти данные сформировали прогноз высокой вероятности демотивации и последующего ухода.
«Мы связались с разработчиком ещё до того, как ситуация стала критичной. В разговоре выяснилось, что он ощущает, что его роль "застряла": много рутинных задач по поддержке, мало возможности для роста и экспериментов. Вместо того чтобы потерять ценного специалиста, предложили ему перейти на новый проект, где требовалось проектировать архитектуру с нуля, и одновременно стать наставником для младших разработчиков».
Ирина Лебедевадиректор по персоналу и организационному развитию компании «Стеллар»
Через месяц аналитика показала рост вовлечённости этого сотрудника: вернулась активность, появились инициативы, сократилось количество переработок. Сам сотрудник отметил, что «вернулся интерес к работе и появился смысл и видение развития».
2. Карьерный рост. Данные показывают, когда сотрудник «упёрся» в потолок, и помогают предложить новые возможности. Не надо ходить к руководству с просьбой о повышении — программа всё сделает за сотрудника.
3. Обратная связь становится значимой. Даже короткие комментарии в опросах не пропадают — они встроены в систему, которая меняет процессы. Часто сотрудники чувствуют, что их не слышат и не замечают. Предиктивная аналитика исключает такой вариант и направлена на анализ показателей каждого работника.
4. Справедливость оценки. Решения о премиях и проектах принимаются не только по субъективному мнению руководителя, а с опорой на объективные данные.
Каждый второй сотрудник с выгоранием увольняется с работы: эксперты рассказали, что с этим делать
Как программой может пользоваться сотрудник
Директор по персоналу и организационному развитию компании «Стеллар» Ирина Лебедева считает, что программой может пользоваться не только работодатель и HR-отдел, но и сам сотрудник:
- Отслеживать динамику своей вовлечённости и энергии.
- Фиксировать в программе сигналы усталости.
- Открыто делиться ожиданиями с руководителем.
- Использовать обратную связь как инструмент влияния на процессы.
«В идеале такие системы должны быть не только инструментом для HR, но и подсказкой для самих работников. Например, человек может получить доступ к личному кабинету или дашборду, где отображается его нагрузка, баланс рабочего времени и отдыха, динамика вовлечённости и переработок. Такой взгляд со стороны помогает ему самому заметить сигналы выгорания ещё до того, как они стали проблемой».
Анастасия Тамбовцевадиректор по операционному управлению ООО «РТК Софт Лабс»
Например, компания МТС разработала собственную систему Workforce Management на основе аналитики больших данных. Система выстраивает и корректирует график работы сотрудников салонов МТС на основе аналитики больших данных, которая агрегирует и учитывает влияние более 100 критериев: тип и количество операций, выполняемых специалистами в определённое время рабочего дня, зависимость посещаемости салонов от запуска новых сервисов за последние несколько лет, пожелания абонентов и персонала по работе каждого офиса. По итогам анализа система предсказывает пиковые загрузки в офисах сотовой связи, подсказывает, когда нужно дополнительно вывести консультантов — перевести на другой режим работы, отправить в отпуск конкретного человека. Выгоревшему специалисту не надо ходить за начальником с просьбой об отпуске или смене графика, программа сама ему на это укажет — внесёт коррективы в отпуск или график работы сотрудника.
Например, сотрудник увидит, что программа предлагает ему передвинуть отпуск с декабря на сентябрь или переставит выходной на самый загруженный день в офисе, а может, напротив, в самый загруженный день — предложит выйти на работу другому сотруднику, чтобы снизить нагрузку консультантов.
Эксперты отмечают, что сотрудники могут воспринять введение предиктивной аналитики в своей организации как способ тотального контроля над каждым действием. Результаты работы, настроение, переписку, звонки, коммуникации работника анализирует программа, что может оказывать психологическое давление на человека. Однако окончательное решение всё равно будет принимать человек — непосредственный руководитель. У системы аналитики нет цели подсмотреть за сотрудником, есть задача выявить карьерные потребности человека.
«Важно не забывать, что нейросети — это не полноценный искусственный интеллект, а генеративные модели, обучающиеся на исторических данных. Они склонны воспроизводить старые шаблоны, что может приводить к предвзятости и искажениям. ИИ в HR — это помощник, который подсказывает, куда направить внимание, но не заменяет живого разговора и человеческого внимания».
Андрей Ивановметодолог, руководитель маркетингового агентства Fractales Agency, основатель диджитал-студии Media Bay
По мнению директора по операционному управлению ООО «РТК Софт Лабс», HR-эксперт Анастасии Тамбовцевой, у сотрудников может появиться тревога: не все готовы к мысли, что их поведение в чатах, участие во встречах или динамика рабочих задач превращаются в цифровой след, который оценивает не живой руководитель, а алгоритм.
«Руководство компании должно внедрять аналитику прозрачно. Объяснять, зачем это необходимо сотрудникам, какие данные о них собираются, как им это поможет в работе. Проводить обучение сотрудников вместе с HR-отделом», — поясняет Анастасия Тамбовцева.
Зачем руководителю анализировать сотрудников
В последнее время предиктивную аналитику и data-driven-управление активно используют в HR-секторе. Директор по персоналу и организационному развитию компании «Стеллар» Ирина Лебедева отмечает: сегодня многие руководители принимают решения, касающихся сотрудников, не только по своим ощущениям, а на основе данных — от количества предложений сотрудника на планёрках до его сообщений в корпоративных чатах. Такой подход позволяет не просто реагировать на проблемы, а предсказывать их заранее.
Руководитель маркетингового агентства Fractales Agency, основатель диджитал-студии Media Bay Андрей Иванов приводит пример успешного внедрения предиктивной аналитики: в Швейцарии проводилось исследование среди медсестёр и врачей. Они носили умные браслеты, которые фиксировали сон, пульс и уровень стресса. Данные обрабатывались алгоритмами машинного обучения, и система с высокой точностью предсказывала признаки выгорания. Похожий проект в США тестировался в университетских клиниках: там врачи соглашались передавать показатели со смарт-часов, и по ним строились индивидуальные прогнозы риска.
Сооснователь и CEO университета Zerocoder, научный сотрудник Иннополиса, РАНХиГС, ВШЭ и МГУ им. Ломоносова Кирилл Пшинник отмечает, что подобные системы уже успешно применяются в нашей стране.
«Аналогичное решение внедрено в "Ростелекоме". Там ИИ анализирует около 50 параметров, включая изменения в поведении сотрудника, его мотивацию и взаимодействие с коллегами. Для крупного HR-департамента с сотнями новых сотрудников такая система становится незаменимым помощником, позволяя снять до 30% рутинных задач с рекрутеров и снизить уровень увольнений и выгораний. Важно помнить, что окончательное решение всегда остаётся за человеком, а не машиной».
Кирилл Пшинниксооснователь и CEO университета Zerocoder, научный сотрудник Иннополиса, РАНХиГС, ВШЭ и МГУ им. Ломоносова
Раньше HR-команда могла заметить проблему только по факту выгорания или увольнения сотрудника, сейчас данные дают возможность действовать на опережение.
«ИИ может дать не только оценку текущего состояния деятельности подразделения или компании в целом, но и прогнозные значения, если вы что-то захотите поменять. Например, с большой точностью можно спрогнозировать, как увеличится текучесть по компании (или в подразделении), если снизить фонд оплаты труда на 5%, но добавить что-то из нематериальной мотивации – расширить ДМС, например, или наоборот».
Денис Соломатинруководитель управления обучения и развития персонала СК «Росгосстрах Жизнь»
Как происходит процесс анализа
1. Анализ данных сотрудников происходит с помощью статистических методов, машинного обучения и ИИ. Внешне это выглядит как программа или несколько инструментов:
- система бизнес-аналитики типа Power BI, Tableau, Python (пакеты scikit-learn, pandas, numpy);
- облачные платформы для создания и управления моделями машинного обучения.
Специальная программа собирает и анализирует десятки параметров:
- динамику выполнения задач;
- количество переработок сотрудника;
- частоту коммуникаций в команде — как часто человек взаимодействует с коллегами своего отдела и других подразделений;
- участие в проектах — количество, процент вовлечённости, результаты;
- изменения в профессиональном развитии — как менялись вверенные задачи за время работы сотрудника в компании, смена его должностей;
- результаты регулярных опросов сотрудников.
«Все сигналы объединяются в единую модель риска. Например, если сотрудник стал реже взаимодействовать с коллегами, одновременно увеличилось количество переработок или работы в выходные дни, а показатели развития не меняются месяцами, аналитика показывает повышенную вероятность ухода. Это даёт шанс отреагировать заранее».
Ирина Лебедевадиректор по персоналу и организационному развитию компании «Стеллар»
2. Алгоритмы сравнивают поведение конкретного человека с паттернами сотрудников, которые уже выгорали. Программа анализирует, что предшествовало уходу с работы.
3. ИИ выносит свой вердикт — сигнализирует о рисках и предлагает пути решения проблемы. Например, повысить мотивацию сотрудника: перевести на другую должность или в другой отдел, предложить повышение зарплаты.
«Встроенные в HR-инструменты алгоритмы обучаются на корпоративных архивах сведений об уволившихся сотрудниках и на основе этих данных выделяют тревожные сигналы и маркеры. В дальнейшем эти данные помогают предупредить эмоциональное выгорание и увольнение работников. Использование этих данных может вовремя подсказать руководству и команде HR-специалистов о снижении вовлечённости, усталости сотрудников и подобрать подходящее решение — например, предложить сотруднику другой круг задач или пересмотреть график работы».
Елена Артеменконачальник отдела обучения и развития персонала ИТ компании BIA Technologies
Эксперты выяснили, для чего на самом деле российские компании используют ИИ
Главное
- Спрогнозировать выгорание или увольнение конкретного сотрудника можно, но нужно тщательно собирать все данные по этому человеку — от переписки в мессенджерах до настроения, сроков выполнения задач. Здесь кроется слишком много этических и технических вопросов.
- Предиктивная аналитика имеет двойственную природу: бизнесу помогает снижать текучесть кадров, сотрудникам — отслеживать своё состояние, источники стресса и недоверия.
- Аналитика и искусственный интеллект — помощники, которые подсказывают, куда направить внимание, но не заменяют живого разговора и человеческого общения. Важно помнить, что окончательное решение всегда остаётся за человеком, а не машиной.
Эксперты рассказали, какое поколение выгорает на работе чаще и как с этим бороться