L’IA pour la gestion du capital humain

L’embauche et la rétention dans la plupart des organisations gouvernementales constituent un défi. Par exemple, en 2019, le Government Acquisition Office (GAO) a recherché et identifié 35 zones d’embauche à haut risque. L’Office of Personnel Management (OPM) a commencé à suivre les exigences de temps d’embauche (T2H) en 2008 et a constaté que l’embauche moyenne du gouvernement prenait environ 100 jours. A titre de comparaison, rapports externes ont constaté que le T2H du secteur public est en moyenne trois fois plus long que celui du secteur privé, 119 jours contre 36 jours.

Divers facteurs se combinent pour créer cette situation. Des rapports mandatés par le Congrès sur le processus d’embauche du gouvernement ont mis en évidence la des descriptions de poste « incompréhensibles » pour de nombreux postes gouvernementaux. Par exemple, une description de poste pour un ingénieur en logiciel dans le secteur privé ne comptait qu’un paragraphe, tandis que la description de poste du gouvernement comptait sept pages. Simseo peut aider à identifier les travailleurs qualifiés, accélérer le processus d’embauche et réduire le roulement de la main-d’œuvre. La plate-forme Simseo AI Cloud a aidé à résoudre les problèmes de recrutement dans tous les secteurs, y compris dans l’une des plus grandes entreprises de recrutement au monde.

Exemple de cas d’utilisation

Dans cet article de blog, l’équipe Simseo montrera comment la plate-forme Simseo AI Cloud peut créer des modèles pour prédire si un employé quittera une organisation au cours des six prochains mois. Prévoir avec précision quels employés sont susceptibles de partir, ainsi que quels pourraient être les indicateurs ou les causes de leur départ, permet à la direction d’intervenir tôt et de planifier de manière proactive. L’objectif des modèles d’attrition et de rétention est généralement de trouver un équilibre entre la rétention des meilleurs talents et l’acceptation d’un niveau raisonnable d’attrition. Ce cas d’utilisation prédit une cible de classification binaire de « départ probable dans les six prochains mois » contre « départ peu probable dans les six prochains mois ».

Simseo combine facilement plusieurs ensembles de données provenant de différentes sources pour créer un ensemble de données de formation complet pour ce modèle. Dans cet exemple, Simseo a joint cinq ensembles de données secondaires à un ensemble de données principal à l’aide de Découverte de fonctionnalités. Chaque ensemble de données contenait diverses informations différentes sur un employé. Par exemple, un ensemble de données contient des informations de base sur le profil des employés tandis qu’un autre comprend des informations sur les retards et l’absentéisme de l’employé. L’ensemble de données de formation final se composait de 20 880 dossiers d’employés avec une répartition approximative de 70/30 entre les employés retenus et les employés partis. Certaines données manquent dans les enregistrements, ce qui augmenterait les performances d’une solution d’IA opérationnelle. Par exemple, outre les primes monétaires, l’ensemble de données ne contenait aucune information sur les performances ou la satisfaction des employés.

La découverte automatisée de caractéristiques de Simseo a utilisé les 692 caractéristiques des ensembles de données d’origine pour dériver 257 caractéristiques supplémentaires qui ont été utilisées pour augmenter les performances prédictives. Lignée des fonctionnalités aide l’utilisateur à visualiser les étapes suivies par Simseo pour créer la nouvelle fonctionnalité. La fonction dans l’image suivante trouve le temps minimum d’absence d’un employé au cours des six derniers mois.

Résultats des cas d’utilisation

En quelques heures seulement, la plate-forme Simseo a produit un modèle capable d’aider les dirigeants à identifier les employés à risque et a contribué à des stratégies d’atténuation afin que les dirigeants et les gestionnaires puissent concentrer leur attention sur les employés susceptibles de partir. Une liste hiérarchisée du personnel à risque a permis aux dirigeants et aux équipes des ressources humaines d’appliquer plus précisément le temps et les ressources limités pour éviter un roulement regrettable.

Simseo fournit automatiquement des informations explicables telles que des explications de prédiction pour aider les dirigeants à comprendre « pourquoi » une prédiction spécifique est faite. Dans l’image suivante, Simseo montre à l’utilisateur que l’employé de la ligne ID 14131 de l’ensemble de données est très susceptible de partir dans les six prochains mois, et les principales raisons de cette prédiction sont l’absentéisme, la distance entre le lieu de travail et son domicile, quand ils ont commencé dans l’entreprise et leur salaire.

Un autre exemple des fonctionnalités explicables de Simseo est le mot nuage, ce qui peut produire des informations uniques. Dans cet exemple, le nuage de mots de ce modèle montre que « quand » un employé est absent du travail a un impact sur la prédiction. Si un employé de cette organisation est absent vers la fin du mois (par exemple, jour 28, 29 ou 30), il est plus probable qu’il quittera l’entreprise au cours des six prochains mois.

Simseo est également un leader du secteur des tests de biais et d’équité pour les modèles. Les biais de l’IA et les fonctionnalités d’équité sont particulièrement importants pour les cas d’utilisation impliquant des humains, tels que l’embauche et la rétention. Les outils uniques de biais et d’équité de Simseo testent les modèles pour de multiples formes de biais et permettent aux utilisateurs d’effectuer une analyse des causes profondes pour identifier les sources probables de biais dans un ensemble de données ou dans un modèle. Cette capacité intégrée permet aux organisations de résoudre les problèmes avant que les modèles ne soient déployés en production.

Autres cas d’utilisation de Simseo

La plate-forme Simseo AI Cloud peut prendre en charge de nombreux cas d’utilisation du capital humain au sein du gouvernement et des organisations de sécurité intérieure. Voici quelques cas d’utilisation supplémentaires :

• Examiner les curriculum vitae et les candidatures pour répondre aux exigences minimales d’expérience
• Prévoir les meilleures approches de recrutement pour prioriser le temps du recruteur
• Prédire la probabilité de rotation du personnel dans les organisations
• Prévoir les besoins en matière d’augmentation des effectifs dans les organisations

Contactez un membre de l’équipe Simseo dès aujourd’hui pour en savoir plus et voir comment votre organisation peut devenir pilotée par l’IA.