Разработан алгоритм ИИ, который оценивает продуктивность работников по данным с их гаджетов +9




Исследователи из Дартмутского колледжа разработали систему трэкинга, которая отслеживает физическое и психическое состояние офисных работников и оценивает его влияние на уровень их продуктивности. В роли центрального компонента системы выступает мобильное приложение PhoneAgent; оно собирает нужную информацию со смартфона и носимых гаджетов работника, устанавливая с ними связь по Bluetooth, и проводит анализ данных.

Технологической базой для приложения послужили алгоритмы искусственного интеллекта, которые создавались в рамках одного из предыдущих проектов колледжа — предикативной системы, прогнозирующей успеваемость студента исходя из его образа жизни. PhoneAgent работает по тому же принципу: обрабатывает данные с гаджетов, которые выступают в роли маркеров общего состояния и текущей деятельности, и выносит заключение о том, насколько эффективен работник в своей роли.

Приложение может подключать к системе разные типы устройств. В их числе разработчики называют, прежде всего, смартфоны (они отслеживают уровень физическое активности, местоположение, использование ресурсов телефона и степень освещенности помещения) и фитнес-браслеты (они передают данные о сердечном ритме, периодах сна, уровне стресса, изменениях в весе, числе потребленных калорий). Геоустройства, установленные в разных точках офиса, могут предоставить более подробный отчет о том, как расходуется время пользователя, на основании его перемещений.



Исследователи называют свою технологию революционным управленческим инструментом. До сих пор оценка продуктивности производилась по большей части путем сбора мнений разных членов команды — от самого сотрудника до начальства. Переход на автоматизированную систему учета и интерпретации показателей позволит исключить риск получить субъективные или неполные сведения, а также сэкономить время и ресурсы.

«Это радикально новый подход к оценке производительности труда через данные, которые поступают с мобильных сенсоров в пассивном режиме, — говорит профессор университета Эндрю Кэмпбелл. — Возможно, именно использование сенсоров и машинное обучение станут ключом к тому, чтобы полностью раскрыть потенциал каждого сотрудника. Оно прокладывает путь для новых форм обратной связи, включая указания касательно того, как можно изменить подход к работе».

Система тестировалась в течение года; за это время проверку прошли 750 работников, часть которых относилась к руководителям среднего звена, часть – к простым исполнителям. Заключения алгоритма сравнивались с оценками, которые давала сотруднику команда. Приложение определяло степень производительности с точностью в 80%. В ходе тестирования разработчикам удалось установить ряд связей между моделями поведения на рабочем месте и результатами труда для разных групп. Например, эффективные менеджеры проводят на ногах больше времени, чем рядовые сотрудники, но при этом маршрут их перемещений ограничивается несколькими локациями.

Авторы проекта подчеркивают, что функции приложения не сводятся к тому, чтобы держать работников под жестким поминутным контролем. Оно также способно выявлять закономерности более широкого плана и стимулировать людей избавляться от вредных привычек. Так, в процессе тестирования было установлено, что лица, показывающие высокий уровень продуктивности, больше спят, меньше времени проводят за смартфоном и активнее двигаются в течение дня. Тем не менее, перспектива постоянного надзора и учета мельчайших подробностей рабочего процесса в личном деле уже вызывает в интернет-сообществе мрачные прогнозы о будущем в духе романа «1984».

Пока непонятно, когда и в каком виде исследователи планируют выводить технологию на рынок. В процессе экспериментального внедрения она применялась в сочетании с традиционными методами оценки, так что переход, если он состоится, вероятно, будет длительным и плавным. Осенью исследователи выступят на конференции UbiComp, где расскажут о результатах работы и дальнейших планах по развитию проекта.




К сожалению, не доступен сервер mySQL