Kui juhite ettevõtet jaekaubanduses või majutus- ja toitlustussektoris, ei pea ma teile selgitama, et kaadrivoolavus on teie suurim nähtamatu vaenlane. Te olete seda omal nahal tundnud. Te kulutate kolm nädalat saaliteeninduse juhi leidmisele ja väljaõppele, et ta siis reedeõhtuse vahetuse ajal lihtsalt tulemata jätaks. Kui ettevõtete omanikud küsivad minult, kuidas kasutada tehisintellekti äris, ootavad nad tavaliselt, et ma räägiksin juturobotitest või laovarudest. Kuid kõige vahetum ja suurema mõjuga ROI, mida ma praegu näen, ei peitu teie laos, vaid teie personalitöös.
Valdkondades, kus kaadrivoolavus ületab sageli 70%, on meid harjutatud kohtlema inimesi kui asendatavat kuluartiklit. Ma nimetan seda pöördukse maksuks (The Revolving Door Tax). See on pidev ja kurnav kulu värbamiskuulutustele, koolitustundidele ja saamata jäänud tulule, mille enamik omanikke kannab lihtsalt maha kui „paratamatuse“. AI tõestab, et see ei pea nii olema. Liikudes reageerivalt värbamiselt ennustavale hoidmisele, saate peatada „verejooksu“ ja luua meeskonna, kes tegelikult ka püsima jääb.
„Tavapärase äritegevuse“ tegelik hind
💡 Kas soovite, et Penny teie ettevõtet analüüsiks? Ta kaardistab, millised rollid AI võib asendada, ja koostab etapiviisilise plaani. Alustage tasuta prooviperioodi →
Enne kui vaatame tööriistu, peame vaatama numbreid. Enamik majutus- ja toitlustusettevõtteid arvutab oma säästuvõimalusi majutus- ja toitlustussektoris, vaadates toidujäätmeid või elektriarveid. Nad arvutavad harva ühe lahkumisavalduse tegelikku hinda.
Kui meeskonnaliige lahkub, ei kaota te ainult tema tunnipalka. Te kaotate:
- Värbamise pöördumatu kulu: Reklaamikulud Indeedis või LinkedInis.
- Juhtimisajakulu: Need 10–15 tundi, mis teie allesjäänud juhid kulutavad intervjueerimisele, selle asemel et tegeleda juhtimisega.
- Produktiivsuse lünk: 4-nädalane periood, mil uus töötaja töötab õppimise ajal 50%-lise võimekusega.
Ühendkuningriigis ja USA-s on ühe eesliinitöötaja asendamise keskmine kulu ligikaudu £3,000 kuni $5,000. Kui teil on 50 töötajat ja 60%-line kaadrivoolavus, põletate te aastas £90,000. See on teie baastase. Seetõttu pole tehisintellekti kasutama õppimine äris luksus, vaid ellujäämisstrateegia.
Ennustav värbamine: kaugemale CV-st
Traditsiooniline värbamine suure mahuga sektorites on katki. Me värbame kogemuse põhjal, kuid vallandame suhtumise tõttu. AI-põhine ennustav värbamine pöörab selle ümber. Selle asemel, et juht vaataks läbi 200 peaaegu identset CV-d, kasutavad AI-tööriistad mustrite tuvastamist (pattern matching), et leida omadused, mis tegelikult viivad pikaajalise töötamiseni teie konkreetses keskkonnas.
„Sisu“ vs „hinnete“ muster
Üks sügavamaid teadmisi, mida olen saanud töötades sadade jaekaubandusettevõtetega, on see, et varasem kogemus jaekaubanduses on harva parim edu ennustaja. Oluline on kombinatsioon olukorrapõhisest otsustusvõimest ja iseloomu tugevusest ehk „sisust“.
Tööriistad nagu Pymetrics või Harver kasutavad lühikesi mängustatud teste, et mõõta kognitiivseid ja emotsionaalseid omadusi. Nad võrdlevad kandidaadi profiili teie parimate ja kõige kauem töötanud töötajatega. Kui teie parimad vahetusevanemad jagavad kõrget rööprähklemise võimekust ja madalat frustratsioonitaset, tuvastab AI need omadused uutel taotlejatel ammu enne, kui nad intervjuule jõuavad.
Värbamise 90/10 reegel
Ma pooldan 90/10 reeglit: laske AI-l tegeleda 90%-ga värbamisprotsessist – sõelumise, baasoskuste kontrolli ja ajakava planeerimisega –, et teie juhid saaksid kulutada 100% oma energiast viimasele 10%-le: kultuurilisele sobivusele.
Kui AI tegeleb esmase filtriga, ei säästa te ainult aega, vaid eemaldate ka eelarvamused. Juht, kes on teisipäeva pärastlõunal kell 16 väsinud, võib suurepärase kandidaadi tähelepanuta jätta. Treenitud AI-mudel seda ei tee. Näete, kuidas need muudatused mõjutavad teie kasumlikkust, vaadates meie personalitarkvara kulude analüüsi.
Töötajate meelsuse analüüs: „vaikse lahkumise“ ennetamine
Enamik ettevõtteid saab teada, et töötaja on rahulolematu alles siis, kui ta esitab lahkumisavalduse. Selleks ajaks on juba hilja. „Pöörduks“ on juba liikuma lükatud.
Kultuurilise entroopia indeks on mõiste, mida kasutan kirjeldamaks, kuidas moraali tase langeb aeglaselt kõrge pingega keskkondades, nagu köögid või kauplused. Ilma andmeteta ei näe te entroopia tekkimist enne, kui süsteem alt vedama hakkab. AI-põhine meelsuse analüüs annab teile reaalajas ülevaate teie töökultuuri „ilmateatest“.
Kiirküsitlused vs. aastavestlus
Aastavestlused on 20. sajandi relikt. Kiiresti muutuvas äris on need kasutud. Tööriistad nagu Workday Peakon või Butterfly.ai kasutavad kiirküsitlusi (Pulse Surveys) – lühikesi 2-minutilisi iganädalasi küsimustikke, mis saadetakse Slacki, Teamsi või SMS-i teel.
Kuid võlu ei peitu küsitluses endas, vaid loomuliku keele töötlemises (NLP). AI ei vaata ainult hinnet 10-palli skaalal. See analüüsib keelt, mida töötajad avatud kommentaarides kasutavad.
- Muster: Kas inimesed kasutavad sõnu nagu „ülekoormatud“, „segaduses“ või „toetuse puudumine“?
- Ennustus: AI suudab nüüd hämmastava täpsusega ennustada, millistes konkreetsetes osakondades on järgmise 30 päeva jooksul suurim kaadrivoolavuse oht.
Kujutage ette töölauda, mis ütleb teile: „Teie Manchesteri asukoha teeninduspersonalil on 22% suurenenud läbipõlemise märke seoses töögraafikute koostamisega.“ Te saate seda parandada. Te saate graafikut muuta enne, kui kolm inimest korraga lahkub.
Tehisintellekti ökonoomika vs. värbamisagentuuri maks
Paljud väikeste ja keskmise suurusega ettevõtete omanikud ütlevad mulle, et nad ei saa endale neid suurettevõtetele mõeldud AI-tööriistu lubada. Siinkohal pean olema otsekohene: tõenäoliselt te juba maksate nende eest, te lihtsalt maksate ebaõnnestumise, mitte lahenduse eest.
Näeme seda pidevalt oma jaekaubanduse säästuvõimaluste auditites. Ettevõte kulutab aastas £15,000 erakorralistele värbamisagentuuri tasudele, et täita kohti, sest nad ei näinud kaadrivoolavust ette. Samal ajal maksaks AI-põhiste personalitööriistade komplekt neile £3,000 aastas ja vähendaks voolavust 30%.
See on värbamisagentuuri maks – preemia, mida maksate reageeriva tegutsemise eest. Eelarve suunamine „erakorraliselt värbamiselt“ „ennustavale hoidmisele“ on nutikaim finantskäik, mida personalijuht sel aastal teha saab.
Rakendamise tegevuskava
Kui olete valmis alustama, ärge püüdke kõike korraga teha. Järgige seda etapiviisilist lähenemist:
1. etapp: Lahkumiste audit (1. kuu)
Vaadake oma viimase 12 kuu kaadrivoolavust. Kui palju inimesi lahkus? Miks? Mis oli selle kulu? Kui teil neid numbreid pole, alustage nende jälgimist täna. Te ei saa juhtida seda, mida te ei mõõda.
2. etapp: Meelsuse analüüsi juurutamine (2. kuu)
Alustage sellise tööriistaga nagu Peakon või isegi lihtsama AI-ga integreeritud küsitlusvahendiga. Eesmärk on luua „moraali baastase“. Ärge vaadake numbreid, vaid nelja nädala trende.
3. etapp: AI-toega sõelumine (3. kuu)
Kasutage tehisintellekti oma värbamisprotsessi alguses. Kasutage seda, et otsida mainitud „sisu“ näitajaid. Jälgige, kas kandidaadid, kes läbivad AI-sõela, jäävad tööle kauemaks kui need, kes on värvatud traditsioonilisel viisil.
Inimlik element (Penny perspektiiv)
Siin on tõde: AI ei pane teie töötajaid oma tööd armastama. Seda saavad teha ainult teie ja teie juhid. Kuid AI saab teile öelda, kus on hõõrdumiskohad, et saaksite need eemaldada.
Jaekaubanduses ning majutus- ja toitlustussektoris on teie toode „inimlik puudutus“. Kui teie juhid on mattunud tabelite ja CV-de alla, ei ole nad saalis oma meeskonda juhendamas. Õppides, kuidas kasutada tehisintellekti äris administratiivse ja ennustava koormuse kandmiseks, ei asenda te inimlikku elementi – te annate sellele lõpuks ruumi hingata.
Lõpetage pöördukse maksu maksmine. Alustage juba olemasolevate andmete kasutamist, et luua meeskond, kes tegelikult tahab seal olla.
Kas olete valmis nägema, kus teie ettevõttel veel raha kaduma läheb? Tutvuge meie põhjaliku analüüsiga jaekaubanduse kulude kärpimise strateegiatest või vaadake, kuidas majutus- ja toitlustussektori juhid liiguvad säästlikumate mudelite poole.