Przed chwilą skojarzyłem, że właśnie mamy Światowy Dzień Zdrowia Psychicznego (World Mental Health Day). I to właśnie dzisiaj, kiedy prezentowaliśmy nasze rozwiązanie „minimalizujące stres” podczas World Summit AI w Amsterdamie (w sumie szkoda, że tak słabo kojarzę, bo fajnie byłoby zacząć prezentację od nawiązania do “dzisiejszego święta”). Ale nadal jest to dobra okazja, żeby opowiedzieć więcej, o tym co robimy.
Na czym polega nasz system? Na rewolucji w zarządzaniu zadaniami wśród tych zespołów, które są najbardziej zagrożone wypaleniem zawodowym. Czyli tam, gdzie wymagania stawiane przez pracę nie są równoważone przez kontrolę i środki oferowane pracownikowi przez otoczenie.
Taka sytuacja dotyka głównie szeroko rozumianego „frontline” - czyli pracowników sprzedaży oddziałowej, contact-center czy sprzedawców w retail. Wszędzie tam, gdzie mamy presję czasową, kontakt z drugim człowiekiem oraz zmienność (kampanie, promocje, nagłe zdarzenia) - czyli wysokie wymagania. A z drugiej strony konieczność działania “natychmiast” ogranicza dostępne mechanizmy kontroli i szkoleń (działania muszą być automatyczne, lub wręcz nawykowe).
Na czym polega rewolucja? Na trzech filarach:
- Instant gratification / feedback - dostajesz szybko informację o swoich wynikach i postępach. Najlepiej z nagrodą (motywacja, gamifikacja i tematy, które często powtarzają się w naszej historii)
- Dostosowaniu zadań i celów do indywidualnych cech osoby
- Dostosowaniu zadań i celów w kontekście poziomu stresu
Czyli - na najprostszym przykładzie:
- Pracownik otrzymuje do realizacji scenariusz pod tytułem „Wprowadzamy nowy produkt. W tym miesiącu trzeba sprzedać 1000 sztuk Wuzzli” (nie pytajcie czym są Wuzzle).
- W ramach tegoż scenariusza otrzymuje dawkę wiedzy (informacje o produkcie, informacje o zasadach promocji itp.) oraz konkretne zadania sprzedażowe na dany dzień. Na przykład - “pierwszego dnia sprzedaj 10, drugiego 10, trzeciego 20…”
No właśnie… Skąd wiemy, ile może sprzedać danego dnia?
A może mamy do czynienia z wymiataczem, który sprzeda cały zapas jednego dnia.
Albo (z drugiej strony) - u kogoś informacja o wysokim celu spowoduje stres i kompletną blokadę działania?
I co dalej? Do tego właśnie służy AI - na bazie danych o pracowniku (jego poziomie stresu) oraz wiedzy o dotychczasowej wydajności całej sieci scenariusz może być optymalizowany, poprzez:
- Zmianę parametrów poszczególnych zadań (celów) dla różnych grup użytkowników (segmentów) na podstawie ich specyfiki.
- Ustawianie “przejść” między zadaniami (jeśli osiągnąłeś cel tylko w 30%, to jakie zadanie powinieneś wykonać w następnym kroku?)
AI może także znaleźć grupę osób, która zachowuje się nietypowo w danym scenariuszu (np. są to totalni wymiatacze) i zasugerować zbudowanie dla nich zupełnie innej ścieżki działania (np. totalni wymiatacze uczą innych a nie sprzedają sami, dzięki temu uzyskujemy wzrost wskaźników w całej sieci poprzez uczenie średniaków, a nie wiecznie nagradzamy najlepszych).
Jednak najlepszą cechą takiego podejścia jest personalizacja. W przypadku gdy wpada nam do obsługi nowy produkt (np. sieć zaczyna sprzedawać następcę Wuzzli i musi przekonać do tego klientów), możemy dość szybko (korzystając z segmentacji) opracować optymalny scenariusz zmiany. Przy czym w tym programie każdy pracownik może otrzymać nieco inne zadania, dostosowane do jego możliwości i potrzeb.
I tutaj właśnie pojawia się rewolucja. Niewiele firm układa personalne plany dzienne dla sprzedawców, kasjerów, agentów contact-center. Z AI jest to możliwe. Sztuczna inteligencja nie ułoży wprawdzie inicjalnego scenariusza (dalej musi to zrobić menadżer - np. szef sprzedaży), ale … może plan spersonalizować na bazie historii pracy zespołu (ucząc się jego specyfiki). Pracownik agresywny otrzyma plan realizujący jego ambicje, pracownik “myśliciel” będzie otrzymywał dzienne minimum do wykonania itp. (w sumie segmentów może być tyle, ile uda nam się ich wyróżnić w procesie klasyfikacji zachowań).
Dodatkowo personalizowane zadania, opierają się o małe i codzienne kroki (oraz związane z nimi wzmocnienia i wsparcie merytoryczne). Jest to podejście dużo bardziej przystające do dzisiejszego i zmiennego świata (wabi-sabi - akceptujemy brak perfekcji, ale akcentujemy ciągłe uczenie się i dostosowanie; trochę kansei - rozwijamy się krok za krokiem). I jest to dokładnie model, w którym doskonale sprawdza się machine learning. System uczy się ludzi i dostosowuje środowisko do nich na bazie tej wiedzy.
Przy takim podejściu AI nie jest już “robotem, który zabierze nam pracę”. Jest mechanizmem, który pozwala uczynić pracę bardziej ludzką i dostosowaną do pracownika oraz jego unikatowej osobowości. I w tym kierunku zmierzamy.
