Dự đoán nhân viên nghỉ việc bằng trí tuệ nhân tạo (AI)

Một số công ty đã ứng dụng trí tuệ nhân tạo (AI) vào quản trị nhân sự và thu được một số kết quả đáng ghi nhận. Dưới đây là 2 trường hợp: một công ty ở VN – FPT và một công ty nước ngoài – IBM. Hãy xem những gì họ đã làm được.

Tại FPT, họ xây dựng một hệ thống dự đoán nhân viên nghỉ việc, ngoài việc đưa ra danh sách nhân viên được dự đoán sẽ rời công ty, hệ thống cũng đưa ra mức độ tin cậy của phép dự đoán cho từng nhân viên cụ thể. Mức độ tin cậy được thể hiện qua một giá trị số, có thể hiểu như là một giá trị xác suất, giá trị ứng với một nhân viên càng cao thể hiện khả năng nhân viên đó rời công ty càng lớn. Cùng với đó hệ thống sẽ đưa ra một số nguyên nhân có khả năng dẫn tới quyết định nghỉ việc của nhân viên. Các dữ liệu được sử dụng để đưa ra dự đoán bao gồm: các thông tin tĩnh về nhân viên, các thông tin về quá trình công tác của nhân viên, và các thông tin cập nhật gần đây của nhân viên:

• Các thông tin tĩnh (Static information):
  • Tuổi (DOB)
  • Quê quán (hometown)
  • Thông tin người phụ thuộc (Dependent)
  • Thông tin về quá trình đào tạo (Education background)
  • Thông tin về kinh nghiệm, kỹ năng (Experience, skill)
• Các thông tin quá trình công tác (Process information)
  • Đơn vị làm việc (Branch)
  • Địa điểm làm việc (Location)
  • Lương (Salary)
  • Cấp cán bộ (Employee level)
  • Thông tin OT (OT)
  • Thông tin onsite (onsite)
• Các thông tin cập nhật gần đây (Recent updates)
  • Thay đổi lương (Salary)
  • Bổ nhiệm, miễn nhiệm (Promotion, demotion)
  • Các dự án gần đây (Project)
  • Thông tin OT gần đây (OT)
  • Thông tin onsite gần đây (onsite)

Thực nghiệm được tiến hành trên danh sách nhân viên đã và đang làm việc tại Fsoft trong khoảng thời gian từ năm 2014 đến 2017. Với bài toán 1, hệ thống đạt độ chính xác (precision) là 86%, độ bao phủ (Recall) là 70%, và độ đo F₁ là 77%. Với bài toán 2, hệ thống đạt độ chính xác, độ bao phủ, và độ đo F₁lần lượt là 51%, 33%, và 40%. Các giá trị này có thể được diễn giải như sau. Giả sử trong 3 tháng tới có 100 nhân viên nghỉ việc, hệ thống sẽ đoán được 33 người trong số đó (33%), và để đoán đúng 33 người này hệ thống đưa ra danh sách đự đoán gồm 65 người (tỷ lệ đúng 51%).

Một số khó khăn gặp phải khi giải quyết bài toán:

• Dữ liệu thiếu giá trị (missing data): Do cách thức thu thập thông tin hiện tại của Fsoft, nhiều trường thông tin không được lưu trữ đầy đủ. Điều này dẫn tới một số đặc trưng chỉ có mặt ở một phần dữ liệu, gây khó khăn cho việc xây dựng mô hình dự đoán.
• Dữ liệu không cập nhật (Out-of-date data): Một số thông tin không được cập nhật thường xuyên dẫn tới thông tin không có ý nghĩa. Ví dụ một nhân viên có thêm người phụ thuộc (sinh con) hoặc nhưng nửa năm sau hệ thống mới cập nhật lại.
• Các đặc trưng từ bên ngoài (Outside features): Trong nhiều trường hợp nhân viên nghỉ việc không xuất phát từ lý do về công việc hiện tại mà xuất phát từ một thông tin bên ngoài. Ví dụ vào một ngày nhân viên nhận được lời đề nghị từ một doanh nghiệp với chế độ tốt hơn và quyết định nghỉ việc. Những đặc trưng như vậy nằm ngoài khả năng phân tích của hệ thống.

IBM đã xây dựng một chương trình dự đoán khả năng nghỉ việc của nhân viên và đưa ra các phương pháp phòng ngừa cho các nhà quản lý. IBM từ chối giải thích phương thức hoạt động bí mật của chương trình, thứ đã khiến trí tuệ nhân tạo hoạt động hiệu quả trong việc chỉ ra nhân viên có nguy cơ nghỉ việc (IBM đã chính thức phát biểu rằng các dự đoán cho kết quả chính xác trong “khoảng” 95%). Song, họ khẳng định rằng, thành công này đến từ việc phân tích nhiều điểm dữ liệu.

Chương trình của IBM không chỉ có hiệu quả trong việc dự đoán khả năng nghỉ việc, nó còn đưa ra nhận định về năng lực nào nhân viên còn thiếu và lộ trình nghề nghiệp phù hợp với năng lực của nhân viên. Việc minh bạch rõ ràng với từng nhân viên về con đường nghề nghiệp của họ là một vấn đề mà nhiều công ty không thực hiện được, trong khi điều này lại đang ngày càng trở nên quan trọng hơn. Minh bạch với nhân viên có nghĩa là thành thật về các yêu cần về kỹ năng, đặc biệt là khi nhân viên có thể không có chúng.

Nguồn:

(1) https://techinsight.com.vn/du-doan-nhan-vien-nghi-viec-giai-phap-cho-bai-toan-nhan-luc/

(2) https://techinsight.com.vn/tri-tue-nhan-tao-cua-ibm-co-the-du-doan-chinh-xac-toi-95-nhan-vien-nao-co-du-dinh-nghi-viec/