שיתוף

אחת הטכנולוגיות המרכזיות הניצבות בבסיסן של מערכות הבינה המלאכותית, היא למידת מכונה עמוקה ומתקדמת.

אם כן, איך ניתן להשתמש בלמידת מכונה כדי לפתור סוגיות ובעיות בתחום משאבי האנוש. אחד היישומים החשובים של בינה מלאכותית במשאבי אנוש יהיה, לדוגמה, לצפות מראש שחיקה של עובדים בעלי ביצועים גבוהים, ולמנוע (או ללפחות להפחית) אותה בזמן.

היכולת לצפות זאת מראש תאפשר למנהלי משאבי האנוש לנקוט בפעולות כדי לשמר את העובדים יקרי הערך הללו. ניתן, לדוגמה,  לשלב אינדיקטורים כמו חבילות תגמול, פיצוי עובדים ועוד.

במילים אחרות, ניתן ליצור קנה מידה לשחיקה של עובדים בעלי ביצועים גבוהים ולחשב מהו הסיכון שהם ינטשו את הארגון.

ברגע שיש בידי מנהל משאבי האנוש את כל הנתונים הללו, ניתן ליצור בעזרתם תוכניות ספציפיות לשימוש בקרב עובדים שנמצאים בסיכון גבוה לעזוב.

חשוב להכיר בעובדה, שנפחי הנתונים שזורמים במערכות של מנהלי משאבי האנוש הם הרבה מעבר למה שבן אנוש יכול היה לנהל ולעבד באופן מציאותי.

האלגוריתם, לעומת זאת, משתמש בנתונים כדי להגביר את דיוק התחזית, את דיוק ההצעה שניתן להציע לעובדים שנמצאים בסיכון לעזוב ועוד.

במילים אחרות, יש צורך להשתמש בבינה מלאכותית כדי להשיג תוצאות שהן מעל לכוח העיבוד האנושי ולהגיע לתחזיות שהן מדוייקות הרבה יותר.

דוגמה מסוג אחר היא איך ניתן להשתמש בבינה מלאכותית כדי לנהל ת הנתונים האגורים במערכות המידע ואיך למקד ולשלב את הנתונים שכבר נאספו לגבי העובדים.

ברוב הארגונים יש לפחות חמש (אם לא יותר), מערכות שאינן מחוברות ביניהן, בהן מאוחסן כל המידע על כל עובדי הארגון.

לעתים קרובות מדי, נתונים אלה אינם מובנים, מלאים באי דיוקים וחסרים עקביות. התוצאה היא מערכת אקולוגית מקוטעת, מה שהופך אותה למאד מאתגר, כל ניסיון לתכנן אסטרטגיה מכוונת נתונים ולנהל את העובדים בהתאם.

לפני זמן לא רב, חברת טכנולוגיה אמריקאית שמתמקדת בתחום הפתרונות הטכנולוגים למסחר אלקטרוני ושירותים פיננסיים ניצבה בפני אתגר מסוג זה.

הנהלת החברה שהבינה את כוחו של ניתוח הנתונים ורצתה להשתמש בו כדי לספק מענה לסוגיות הקשורות לכל שלבי מחזור החיים של העובד: החל מגיוסו, דרך קליטתו בארגון, ועד הגברת ביצועים ושימור העובדים.

הבעיה שניצבה בפניהם היתה שכל הנתונים על כוח האדם שלהם היו מפוזרים על פני מערכות שונות ורבות בחוסר עקביות מוחלט.

כדי להתגבר על האתגר הזה ולפתור את הבעיה, אימצה הנהלת החברה מערכות בינה מלאכותית שמאפשרות לנתח את הנתונים על העובדים והמערכת הוטמעה במערכות החברה.

כעת, לאחר ההטמעה, מסוגלת החברה לחבר נתונים מכל אותן מערכות מבוזרות, ולמנהלי משאבי האנוש יש מקום אחד שבו הם יכולים לקבל את כל הנתונים בדרושים להם כשהם מנותחים והוסקו מהם תובנות, כל זאת על בסיס יומי או שבועי, על פי הצורך.

סוג זה של שילוב מערכות נתונים והצלבת הנתונים בין המערכות השונות, לרבות הקמת מקור אחד שמאמת את הנתונים, מאפשר לארגונים לקבל תמונה ברורה ומלאה יותר של עובדיהם על כל האספקטים הרלוונטיים.

מערכות אלה מאפשרות למנהלי משאבי באנוש לפנות כמעט 80 אחוזים מזמן הנבירה בנתונים והצלבתם באופן ידני, כדי לעסוק בדברים החשובים והיצירתיים של תכנון אסטרטגיה וכדומה.

אין תגובות

השאר תגובה