Telenor testet kunstig intelligens for å forutsi hvilke ansatte som ville si opp jobben
Telenor har i mange år jobbet med digitalisering for å forbedre arbeidsprosesser, følge opp ansatte og analysere egen virksomhet. De gjør omfattende kartlegginger og analyser av organisasjonen og de ansatte.
Maskinene som skal ta vare på mennesker
Dagens perspektiv har sett nærmere på bruken av ny HR-teknologi. Hvilke muligheter og farer ligger i digitaliseringen?
- Tall og teknologi kan løfte HR-arbeidet, sier ledelsesekspert Andreas Thon.
- Telenor testet kunstig intelligens for å forutsi oppsigelser
- Stor interesse for ny HR og teknologiutdanning ved Høyskolen i Kristiania.
- Britisk professor: – Digitaliseringen krever kvikke organisasjoner
Mye data om de ansatte
– Vi har en stor virksomhet med om lag 20.000 ansatte i mange land. Det gir behov for å skaffe oss et bilde av hvordan folk trives, hva som motiverer dem og hvordan organisasjonskulturen er på ulike steder. Vi bruker mye tid på kartlegging for å kunne forbedre måten vi jobber på.
Det forteller Jarle Hildrum, seniorforsker på HR-analyser og kunstig intelligens i Telenors forskningsavdeling.
For sju år siden ble forskningsavdelingen utfordret til å se på mulighetene for mer avanserte HR-analyser, blant annet for å forutse videre utvikling, såkalte prediktive modeller.
– Målet var å utforske hvordan vi kunne bruke avansert prediktiv analyse innenfor HR. Vi ønsket å øke kompetansen internt og finne ut om dette kunne være et nyttig verktøy for oss, forteller han.
Vi ønsket å finne ut om dette kunne være et nyttig verktøy for oss
De satte i gang et pilotprosjekt der de tok i bruk kunstig intelligens for å forutsi frivillige oppsigelser.
Maskinen gjettet hvem som sa opp
De tok utgangspunkt i informasjon om 8000 ansatte fra perioden 2016 og 2017. Datamaskinen ble matet med totalt 14 variabler om hver person.
Det var data som var åpent tilgjengelig, som hvilket team de jobbet på, om de hadde deltatt i læringstilbud på jobben og om de hadde aksjer i Telenor. I tillegg ble det lagt inn hvem av dem som sa opp jobben det året.
Dermed kunne datamaskinen selv lete etter typiske kjennetegn på de 11 prosentene som valgte å slutte. Modellen datamaskinen utviklet ble igjen testet på nye data for å se hvor god den var til å gjette hvem som ville si opp.
– Modellen klarte å gjette riktig om hvem som sa opp i 56 prosent av tilfellene. Det er ikke høyt nok til å brukes operativt, men det er jo mye større treffsikkerhet enn ved tilfeldig gjetting, forteller Hildrum.
Det er mye større treffsikkerhet enn ved tilfeldig gjetting
Opptil 85 prosent treff
Modellen kunne brukes til to ting: Å peke på hvilke faktorer som bidro til økt risiko for å si opp, og å gi hver enkelt medarbeider en skår for hvor sannsynlig det var at de ville si opp.
Begge deler kan være nyttige for å sette inn tiltak som kan forebygge høyt gjennomtrekk av ansatte.
Det viste seg blant annet at de ansatte var mer tilbøyelig til å bli i selskapet hvis de hadde vært ansatt lenge, hvis de hadde deltatt i opplæring på jobben og hvis de hadde aksjer i selskapet. I tillegg var det viktig hvilken avdeling folk tilhørte.
Hadde man brukt modellen over flere år, matet maskinen med informasjon om hvem som faktisk sa opp, og eventuelt lagt til flere variabler, ville den blitt stadig bedre til å forutse oppsigelser, forklarer Hildrum.
Det finnes modeller tilgjengelig i dag med 85 prosent treffsikkerhet, men disse er trent på større og mer komplekse datasett.
Selvoppfyllende profetier
Pilotprosjektet har gitt dem mye å tenke på. Å unngå stort gjennomtrekk av ansatte har åpenbare fordeler og kan spare selskapet for store kostnader til rekruttering og opplæring.
Det er viktig likevel å tenke nøye igjennom om man ønsker et slikt system, hva som kan bli konsekvensene og hvordan man eventuelt vil bruke det, mener Hildrum.
– Hvem skal for eksempel ha tilgang til resultatene, og på hvilket nivå skal de få informasjon? Skal ledere få skåren til hver enkelt ansatt, slik at de kan følge opp personlig de som er i faresonen for å si opp, eller skal man bare bruke kunnskap og sette inn tiltak på gruppenivå? Det er noen av spørsmålene man må stille seg, mener han.
Hvem skal ha tilgang til resultatene, og på hvilket nivå skal de få informasjon?
Foreløpig ikke fullskala
Han minner om at resultatene kan misbrukes eller bli selvoppfyllende profetier.
– Vet man at noen har høy risiko for å si opp, kan lederen velge å følge dem ekstra opp. Men de kan også «gi dem opp» og satse mer på andre, nevner han.
Før man tar i bruk denne teknologien anbefaler han ledere å ha tett dialog med de de ansatte. I Telenor har de hatt mange diskusjoner om dette.
– Fagforeningene har vært involvert og vist interesse for å videreutvikle modellen for videre læring. Men det er også en viss bekymring for å ta det i bruk, blant annet for personvernet og om det vil bli brukt til de ansattes beste. Og det er viktige diskusjoner å ta, sier han.
Selv om denne teknologien finnes ferdig til bruk, har Telenor foreløpig ingen planer om å iverksette noen fullskalaversjon etter prøveprosjektet.