Как только появились фитнес-браслеты, работодатели тут же задумались, как использовать эти или похожие девайсы для повышения производительности. Уже можно говорить не только о трендах, но и о первых опытах внедрения носимых гаджетов в автопроме и на нефтяных вышках. А можно ли их использовать для продавцов, чтобы оценивать качество сервиса, например, в тех случаях, когда продавец поговорил с посетителем магазина, но до продажи дело так и не дошло?
Если нет времени читать. В мире уже существует огромное количество носимых гаджетов, созданных специально для работы. С их помощью можно искать персонал, учить и мотивировать продавцов, заботиться о физическом состоянии сотрудников и контролировать уровень сервиса. Остаются сложности с защитой личных данных.
Новые технологии не лишают людей работы. Наоборот, они помогают преодолеть физические ограничения или компенсировать недостаток некоторых навыков, повышая ценность сотрудников для работодателя.
Сенсорные модули, умные очки и экзокостюмы становятся более компактными, легкими и доступными. Новые гаджеты дольше работают без подзарядки, в режиме реального времени быстрее обрабатывают данные, включая голосовые сообщения и жесты. Они проще в эксплуатации. Все это облегчает использование носимых гаджетов в розничных сетях одежды, где ни владелец, ни продавцы не готовы глубоко погружаться в мир технологий, стараясь обойтись одной кнопкой.
Именно такую кнопку придумали в американской компании Humanyze. Они сделали нагрудные значки с микрофонами, чтобы можно было анализировать голоса сотрудников и время их общения с посетителями магазинов. Значок включает в себя микрофон, акселерометр и соединение через Bluetooth, что позволяет собирать данные воедино и потом на их основе принимать управленческие решения в автоматическом режиме.
Датчик в значке измеряет частоту и продолжительность взаимодействия с покупателями «лицом к лицу». Он не записывает содержание разговоров. Создатели Humanyze говорят, что необходимость в записи конкретных разговоров отпала после тестирования системы, когда стало понятно, что оценка качества работы не слишком сильно различается при записи и без нее, а время и деньги, которые нужно потратить на расшифровку разговоров, экономятся в несколько раз.
К платформе можно подключить различные источники данных, включая Microsoft Office Exchange, Google Suite, Skype, Humanyze Badge и HID Bluvision I.D. Все личные данные сотрудников зашифрованы, агрегированы и анонимны. Это делается специально для тех, кто считает, что технологии делают мир, похожим на оруэлловский, где «Большой брат за всем следит». Ключевая идея сервиса — чтобы было просто и конфиденциально.
Мировой рынок носимых корпоративных устройств, включая умные часы, умные очки, наушники и экзоскелеты, будет расти на 41% в год, превысив 60 млрд долларов к 2025 году.
В создание носимых гаджетов для рабочих мест с 2014 года только в США уже вложено 6 млрд долларов.
Источник: Deloitte
Где и когда владельцам fashion-бизнеса помогут носимые гаджеты
Перспективы носимых гаджетов в рознице, в том числе в торговых сетях одежды, расширяются с каждым днем.
Эксперт по HR-технологиям и создатель проекта Bersin by Deloitt Джош Берсин говорит, что они помогают не только в торговом зале, но и практически в каждом бизнес-процессе.
РЕКРУТИНГ
Алгоритмы, основанные на искусственном интеллекте (ИИ), помогают просматривать и отсеивать резюме, оценивать кандидатов, декодировать видео-интервью и давать рекомендации о том, как добиться успеха.
В практике Deloitte есть клиенты, применившие сервис Pymetrics на основе ИИ для отбора кандидатов в отделы маркетинга и продаж, и показатель их успешности вырос более чем на 30%. Одновременно клиент избавился от «предвзятости при опросе» и «предвзятости в образовании».
У кого уже есть такие решения
LinkedIn, Pymetrics, Entelo, HiredScore, IBM, Textio, Talview, Unitive, PredictiveHire.
ОБУЧЕНИЕ
Нам всем хочется, чтобы существовали алгоритмы, которые бы отслеживали и изучали навыки, поведение и деятельность самых успешных сотрудников в наших командах, а затем просто подсказывали, как быть похожими на них. Хорошая новость — «Netflix-подобные» алгоритмы приходят в рабочее пространство, делая обучение таким же полезным и увлекательным, как просмотр кабельного телевидения. Исследование Deloitte показывает, что среднестатистический сотрудник готов потратить на обучение не более 25 минут в неделю. Если мы сделаем это время более наполненным, то всем будет лучше.
У кого уже есть такие решения
Degreed, EdCast, Filtered, Volley, Axonify, BetterUp, Clustree, Workday.
Среднестатистический сотрудник готов потратить на обучение не более 25 минут в неделю. Даже этот краткий временной отрезок можно наполнить полезным содержанием.
ЛИДЕРСТВО И УПРАВЛЕНИЕ
Существуют инструменты на основе ИИ, которые могут сказать директору, насколько его команда сработана и как поднять эффективность совместной работы, расширить и углубить корпоративные ценности. А заодно дать рекомендации директору, как ему стать лучше.
У кого уже есть такие решения
Reflektiv, BetterWorks, Ultimate Software, Zugata, Humanyze, ADP, Impraise.
Риски новых технологий
Какими бы захватывающими ни казались эти новые приложения, пока есть причины для беспокойства. Главное, что искусственный интеллект не может работать без «обучающих данных». Другими словами, алгоритмы извлекают уроки из прошлого. Если ваши нынешние методы управления грешат предвзятостью, дискриминационностью или чрезмерно иерархичны, вы не можете научить ИИ гибкости и эмпатии. Это первая сложность. Предположим, ваша компания никогда не нанимала женщин старшего возраста на должность продавцов. Естественно, система найма, основанная на ИИ, сделает вывод, что они у вас мало работают, и не будет рекомендовать их к найму. Этот тип смещения должен быть тщательно удален из алгоритмов, а для того, чтобы сделать это хорошо, потребуется время.
Вторая сложность состоит в том, что на данном этапе эволюции нам нужны кристально прозрачные алгоритмы, чтобы мы могли их проверить и убедиться, что они делают правильные вещи. Так же, как ранние автомобили не всегда ехали прямо, нашим ранним алгоритмам понадобятся «бамперы» и «ручки настройки». Другими словами, всякий раз, когда система принимает решение, она должна сообщать нам, почему она приняла это решение, чтобы мы, люди, могли решить, точны ли критерии, которые она использовала. Но такой кристальной чистоты пока нет — большинство систем ИИ представляют собой черный ящик.
Что если ИИ даст неправильную рекомендацию по корректировке зарплаты или вмешательстве руководства? Заметим ли мы такие ошибки, пока не станет слишком поздно? Цена подобных ошибок слишком велика. Компании тратят 40–60% своих доходов на заработную плату, и большая часть этих огромных расходов обусловлена управленческими решениями, которые мы принимаем на основе интуиции.
Поэтому у нас еще много работы, чтобы подготовить инструмент и научиться «обучать» системы искусственного интеллекта работать хорошо. Хорошая новость — до тех пор, пока алгоритмы не обучены, вы можете не терять деньги, а воспользоваться нашей диагностикой бизнеса и разработкой системы мотивации для продавцов.
Оказывается, обеспечить беспристрастность алгоритмов довольно сложно.
Есть и третья сложность — результаты могут интерпретироваться в ущерб сотруднику. Например, мы пытаемся предсказать вероятность того, что эффективный сотрудник покинет компанию. Если мы скажем менеджерам: «У этого сотрудника высокая вероятность уйти», то можем вызвать неадекватную реакцию: например, менеджер начнет игнорировать этого человека или станет относиться к нему хуже. Нужно научиться осторожно применять поведенческую экономику, не допускать того, чтобы ИИ случайно превратился в «HAL» (пересмотрите этот фильм).
Искусственный интеллект — это инструмент для улучшения работы, а не независимая система принятия решений. И не надо возлагать на него эти обязанности, не надо отдавать ему привилегию принимать важные решения.
В целом, очевидно, что системы искусственного интеллекта в HR становятся более «умными», проверенными и ориентированными на конкретные проблемы. Нам просто нужно быть терпеливыми, бдительными и готовыми инвестировать в них.
