מדי יום עוברות בגופים, ארגונים ומוסדות, המון התכתבויות במיילים, במשובים, בהערכות עובדים ועוד. מדובר במידע חשוב שאפשר לעשות בו תועלת רבה לטובת שיפור משאבי האנוש של החברה – אך פעמים רבות התוכן היקר הזה נגנז, פשוט כי אין את המשאבים לעשות זאת.
בעוד נתונים כמותיים קל לנתח ולזהות בהם מגמות ברורות, מה עושים עם כמויות עצומות של טקסט, שבשונה מנתונים כמותיים ונומריים קשה יותר לנתח אותו? באחרונה ארגונים מובילים מכל העולם עושים שימוש בטכנולוגיה שנקראת "טקסט אנליטיקס", במטרה לייעל תחומים רבים בארגון, כולל תחום משאבי האנוש. הטכנולוגיה מאפשרת לזהות על בסיס מילים סתמיות, האם המועמד מתאים לתפקיד הספציפי, האם העובד הקיים צפוי להמשיך לעבוד בחברה או לעזוב בקרוב, לאיזה עובד צפוי עתיד מזהיר בחברה, האם העובד שבע רצון ועוד.
למעשה, הפלטפורמה מאפשרת ניתוח טקסט באופן שיודע לזהות, לחזות ולנבא, מגמות והזדמנויות נסתרות בחברה, כאשר הכל על בסיס ניתוח של מילים, קורלציה ביניהן ושילוב של עיבוד שפה טבעית ולמידת מכונה. הטכנולוגיה יודעת לקחת את המילים שנכתבו בארגון בהתאם להקשר שבו הן נאמרו, לפענח אותן, לנתח אותן, לשים אותן בקטגוריות רלוונטיות ולהפיק מהן תובנות רבות.
אם אין לך כוונה להיות פרואקטיבי עם התוצאות, עדיף שלא תשאל בכלל
"בתקופת הקורונה הייתה קפיצת מדרגה בכל התחום של "הקול של העובד"", מסבירה שרון הרעוז סמנכ"לית Pre-sale ושיווק ב-SAS ישראל, "מהרגע להרגע אנשים התחילו לעבוד מהבית, העבודה השתנתה, כל התמהיל של משפחה ועבודה התערבב אחד בשני. והתקופה הזאת יצרה שיח של תקשורת טקסטואלית – אימיילים, סקרים וכו'. רצו לבדוק האם הסביבה החדשה גורמת לעובדים להרגיש שמחים, והסקרים הבנאליים לא נתנו מספיק ערך - בשאלות כמותיות העובד עונה רק על מה ששואלים אותו. כך הגיעו למסקנה ששאלות פתוחות הן הרבה יותר אפקטיביות. ככל שהשאלה פתוחה יותר כך התובנות מעניינות יותר".
אך לצד הרצון הטוב להעביר שאלונים מקיפים שבאמת מאפשרים לעובד להתבטא, לא פעם כאשר מדובר בסקר פתוח - לא נעשה כלום עם התשובות הטקסטואליות. במקרה הטוב יספיקו לעבור על כל השאלונים בעוד כמה חודשים וגם אז כנראה רק ברפרוף, במקרה הרע הם ייגנזו עוד לפני שמישהו בכלל ניסה לקרוא אותם.
"אם כבר פתחת את הנושא ושאלת את העובדים לדעתם, אבל בסוף לא עשית עם זה כלום – זה גרוע שבעתיים. אם אין לך כוונה להיות פרואקטיבי עם התוצאות, עדיף שלא תשאל בכלל", מדגישה הרעוז את הפרדוקס. אבל מתברר שזה ממש לא חייב להיות ככה: "אפשר לסרוק ולחפש מילות מפתח בשאלונים האלו. מילים שנותנות לנו אפשרות להבין על מה לשים את הזרקור. אבל מה שיותר מעניין זה שאפשר לנתח את המכלול של הטקסט – איך זה בא עם עוד מילים מסביב והאם היה טקסט חיובי או שלילי מסביב".
וכך, באמצעות טכנולוגיה חכמה של בינה מלאכותית, ניתן לסרוק את המידע שהעובדים עצמם העניקו למעסיק ולנתח אותו בצורה שיכולה לשמרם אותם באופן יעיל בתוך המערכת. בניגוד לבעבר, לא מדובר כאמור בעוד בחינה סטטיסטית של מילות מפתח בלבד, אלא בשלב הבא - זה שמאפשר הסקת מסקנות ויצירת תובנות מההקשר שבו נכתב הטקסט.
"היום אפשר לבחון בסביבה מקוונת בתוך אפילו פחות מיומיים. זה מאפשר לעובד להרגיש שרואים אותו, זה יכול להשפיע. בדרך הזאת אפשר לעשות המון חיתוכים ופילוחים של האוכלוסייה וכך ההבנה הרבה יותר גדולה ואיתה גם היכולת שלנו להגדיל את שביעות הרצון של העובד. האפקטיביות גדולה יותר", מסבירה הרעוז.
"הדברים העיקריים שעושים עליהם ניתוח טקסט בדרך כלל זה סקרים. זה הדבר הכי נפוץ בתקשורת עם העובד", מסבירה הרעוז ומוסיפה נקודה מעניינת נוספת - שכן משובים של עובד שעדיין בחברה לרוב לא יהיו אובייקטיבים לחלוטין: "לעובד קשה להגיד את כל התלונות שלו כשהוא בתוך המערכת, אולי הוא חושש מה הבוס יחשוב על הדברים שלו, וזה גורם להטיה של הסקר. לכן דווקא ראיונות עזיבה קריטיים להפקת תהליכים. כשאדם עוזב את הארגון עושים איתו שיח רציני והדדי להבין למה הוא עזב, ואז הוא לרוב יהיה חף מ'פוליטיקה ארגונית' ויוכל לתת דרור לתשובות שלו".
כמה שיותר נדע לטפח את העובדים – כך נדע לקבל מהם ערך
הרעוז מציינת שלא רק משובי סיכום ניתן לנתח: "יש מקומות שמנתחים קורות חיים, מנסים להבין מה בהם יעיד אחר כך על ההתנהגויות בעבודה או לחלופין מישהו שמאוד הצליח בעבודה וקודם – הולכים אחורה להבין מה היו הפרמטרים להצלחה".
ניתן להשתמש בבינה המלאכותית לנתח את כל השלבים שעובר העובד במחזור החיים שלו בחברה, משלב הגיוס (השלב שבו בעיקר מוציאים עליו כסף כמו עלות הגיוס, ההכשרה וכו' וכמעט ולא מרוויחים עליו) ועד השלב שבו הוא נפרד מהחברה.
"ככל שנטיב להדריך נכון את העובד שלנו, לתת לו חווית עובד טובה יותר ושביעות רצון גדולה יותר, כך נרוויח עובד מנוסה ומרוצה יותר, שגם יישאר לאורך זמן", מסבירה הרעוז, "המטרה היא לתת מקסימום תפוקה מהעובדים. כמה שיותר נדע לטפח את העובדים – כך נדע לקבל מהם ערך. גם שלב השימור זה קריטי. אם עובדים רוצים לעזוב, איך אנחנו שומרים אותם ואת מי אנחנו רוצים לשמר? כאן יש את כל תחום של ניתוח העזיבה - לנסות לזהות עזיבה מראש ולמנוע אותה".
האם מותר בכלל לעקוב אחרי המיילים או המשובים של העובדים?
הרעוז ממהרת להסביר שהכל כשר וחוקי: "יש עניין של רגולציה אמתית וגם פרטיות. אנחנו משתמשים רק במקורות מידע מאוד ברורים לכל הצדדים, כמו המשובים או קורות החיים. העובד יודע שזה נעשה לצרכי הבנה ולמידה של התהליכים", היא מסבירה ומוסיפה: "לא משתמשים חס וחלילה באימיילים פרטיים או כאלו שנשלחו במסגרת העבודה השוטפת, אנחנו לא רוצים לתת לעובד הרגשה שעוקבים אחריו על כל מילה או חשיפה – להיפך".
מה עם הגורם האנושי? הוא לא יכול ללכת לאיבוד?
"זה עניין של טרייד אוף. כדי לקבל את כל הערך המוסף של קיצור זמנים ובינה פרואקטיבית, לפעמים נופלות בדרך הזדמנויות זהב שהמערכת יכולה לפספס. אבל זאת מערכת שלומדת תוך כדי תנועה ותמיד אפשר להכניס אליה עוד נתונים שתטייב את עצמה", היא מסבירה, "מעבר לזה, כל המערכות האלו לעולם לעולם לעולם לא מגיעות במקום הגורם האנושי. כל המערכות שלנו הן תומכות החלטה – כלומר תומכות בגורם האנושי".
למה הכוונה?
"תמיד יש גורם אנושי שמסתכל בסוף על התמונה הכוללת ומסתכל בסוף על התוצרים של מה שקרה. אנחנו מנסים להשאיר 90% של בינה מלאכותית ועוד 10% של העין האנושית. כמובן שתמיד יכולים להיות פספוסים, אבל האופציה האחרת היא הפסד מהצד השני".
לדברי הרעוז, טכנולוגיית טקסט אנליטיקס אמנם אפקטיבית עבור חטיבות משאבי אנוש בארגונים, אך לא רק. גם סקטורים אחרים עושים בה שימוש נרחב, כדי להגיע לתובנות בכך שהיא יודעת לזהות, לחזות ולנבא, מגמות והזדמנויות נסתרות בחברה, כאשר הכל כאמור על בסיס ניתוח מעמיק של מילים, מתאם ביניהם ושילוב של עיבוד שפה טבעית ולמידת מכונה. בין הסקטורים הבולטים שעושים שימוש בטקסט אנליטיקס נמנים עולם הרפואה, בנקים, חברות ביטוח, גופי ביטחון, משרדי ממשלה ועוד".