Optimér din HR-indsats med AI og dine data

Mange virksomheder ligger i dag inde med store mængder data, som brugt intelligent vil kunne forebygge kritiske opsigelser fra dygtige medarbejdere, der er omkostningstunge at erstatte. De potentielt værdifulde data findes allerede helt naturligt i virksomhedernes historiske administrationssystemer og fortæller blandt andet om medarbejdernes alder, anciennitet, fraværshistorik, tilfredshed, performance osv. Ved at aktivere og analysere disse data med brug af kunstig intelligens (AI) kan virksomheder blive i stand til at se nye sammenhænge og handle proaktivt i forhold til medarbejdere, de er i fare for at miste. Og ikke mindst kan virksomhederne bruge sine data til at skabe en bedre arbejdsplads. ”Der er blandt virksomheder et voksende behov for at kunne diagnosticere og identificere, hvilke medarbejdere, der kan forventes at ville sige op inden for en vis periode. Det kan AI hjælpe med, så virksomheden kan imødegå en forventet opsigelse ved at tage hånd om de issues, der motiverer en medarbejder til at ville søge andre græsgange,” siger Steen Bjørnskov, Head of HCM i SAP-huset 2BM.

Finere mønstre og sammenhænge

Derfor inviterer 2BM nu sine SAP-kunder til dialog om, hvordan en ny AI-baseret HCM-applikation til deres eksisterende SAP-system kan hjælpe dem med at skabe en effektiv fastholdelsespolitik ved at sammenstille data med tidligere opsigelser.

”Virksomheders HR-afdelinger har allerede i dag muligheden for at se på sine data manuelt eller med data analytics efter behov og undersøge et forhold nærmere. Det nye er, at systemet i kraft af AI nu kan finde endnu finere mønstre og sammenhænge og selv gøre opmærksom på, hvilke medarbejdere du skal være opmærksom på, inden medarbejderen faktisk siger op,” siger Steen Bjørnskov.

Hvilke parametre er vigtige?

Det er forskelligt fra virksomhed til virksomhed, hvilke data det er relevant at lade AI arbejde med. Men uanset om man har høj eller lav personaleomsætning, kan et AI-baseret fastholdelsessystem være gavnligt.

”Virksomheder i nogle brancher har en meget høj personaleomsætning og finder måske ikke grund til at prioritere personaleudvikling højt, fordi rekruttering og onboarding af nye medarbejdere er nem og kortvarig. Men de kan måske opdage nye parametre, som gør, at de alligevel kan fastholde medarbejderne i længere tid end tidligere. I mere videnstunge virksomheder kan andre parametre have større betydning. Hvilke data og parametre, systemet skal arbejde med, hjælper vi kunden med at identificere, og så passer systemet i princippet sig selv, inden det leverer en liste over medarbejdere, der kan forventes at sige op inden for eksempelvis seks måneder og af hvilke årsager.”

Tab af viden og omsætning

Rettidig omhu i mandskabsplejen og forebyggelse af kritiske opsigelser har et stort økonomisk potentiale.

”Vores forventning er, at en videnstung virksomhed har tjent sin investering i et AI-baseret fastholdelsessystem hjem, når den har forebygget to opsigelser. Det at en erfaren medarbejder siger op, har en høj omkostning til både ny rekruttering og onboarding af afløseren. En tommelfingerregel siger, at det tager et halvt år at lande i et nyt job og performe optimalt i videnstunge virksomheder. Tabet af viden og omsætning afhænger naturligvis af medarbejderens position, men er ofte mange gange større end de reelle, synlige omkostninger til den umiddelbare rekruttering af en ny medarbejder.”

HR som first mover

SAP er verdens mest udbredte ERP-system og kører både on premise, i clouden og i forskellige versioner hos virksomheder i mange brancher og størrelser.

2BM’s pointe er, at selv om AI-baseret fastholdelse er en helt ny applikation i HCM-delen af SAP, så kan det nye system implementeres og gøre gavn hos alle SAP-kunder.

”Det afgørende er, at virksomheden har sit gode, grundlæggende administrationssystem med alle de data, som er opsamlet gennem årene, men som måske ikke bliver brugt så meget i dag. De data kan udgøre en guldgrube af potentiel indsigt, der kan danne grundlag for kloge rettidige beslutninger, på samme måde som data fra sensorer og maskiner danner grundlag for predictive maintenance, når det gælder vedligeholdelse af fysiske aktiver. Her er udbyttet færre kritiske opsigelser blandt de menneskelige aktiver. Og så kan det være, at HR-afdelingen bliver first mover i virksomhedens intelligente brug af data,” siger Steen Bjørnskov.