कर्मचारी सर्वेक्षण आणि मोफत मजकूर विश्लेषण — मानव संसाधनांमध्ये कृत्रिम बुद्धिमत्ता

नफा:

थीम, वारंवारता आणि मूडनुसार ओपन-एंडेड सर्वेक्षण प्रतिसादांचे विश्लेषण करण्याची क्षमता
eNPS आणि प्रतिबद्धता यांसारख्या मेट्रिक्सचा अर्थ लावण्याची क्षमता आणि त्यांना कृती शिफारशींमध्ये बदलण्याची क्षमता
पूर्वाग्रह-मुक्त सर्वेक्षण विश्लेषण फ्रेमवर्क स्थापित करण्याची क्षमता जी निनावीपणा आणि गोपनीयतेचे रक्षण करते

तुम्ही कर्मचारी प्रतिबद्धता सर्वेक्षण केले आणि 400 लोकांकडून शेकडो विनामूल्य मजकूर टिप्पण्या प्राप्त केल्या. त्यांना एक-एक करून वाचण्यासाठी आणि मुख्य थीम काढण्यासाठी काही दिवस लागतील आणि ते व्यक्तिनिष्ठ असेल: थकलेल्या वाचकाच्या नजरेतून, काही थीम्स उभ्या राहतील आणि काही अदृश्य होतील. आर्टिफिशियल इंटेलिजन्स (AI) शेकडो ओपन-एंडेड प्रतिसादांना थीम, फ्रिक्वेन्सी आणि मूडमध्ये मिनिटांत गटबद्ध करते; हे एक चित्र तयार करते जे व्यवस्थापनास कारवाई करण्यास प्रवृत्त करेल. परंतु येथेच एचआरच्या सर्वात संवेदनशील जबाबदाऱ्यांपैकी एक कार्यान्वित होते: या टिप्पण्या व्यक्तींच्या आहेत, नाव गुप्त ठेवण्याचे वचन दिले आहे आणि हे वचन कधीही मोडू नये. या युनिटमध्ये, आपण सर्वेक्षण विश्लेषण एंड-टू-एंड कसे करावे आणि निनावीपणा आणि निष्पक्षता कशी जपायची ते शिकू.

काही अटी: eNPS (कर्मचारी नेट प्रमोटर स्कोअर) हे एक मेट्रिक आहे जे कर्मचाऱ्यांच्या कंपनीची शिफारस करण्याच्या प्रवृत्तीचे मोजमाप करते; "शिफारशी न करणाऱ्यांच्या" च्या टक्केवारीतून "शिफारशी करणाऱ्यांची" टक्केवारी वजा करून आढळते. सहभाग/प्रतिबद्धता म्हणजे कर्मचाऱ्याच्या त्याच्या नोकरी आणि कंपनीशी असलेल्या भावनिक बंधाचा संदर्भ. भावना विश्लेषण मजकूराच्या सकारात्मक/नकारात्मक/तटस्थ टोनचे वर्गीकरण करत आहे. थीमॅटिक कोडिंग ही विनामूल्य मजकूर सामान्य विषयांमध्ये (जसे की वर्कलोड, व्यवस्थापन, करिअर) विभाजित करण्याची प्रक्रिया आहे.

थीमिंग ओपन-एंडेड प्रतिसाद

AI मोफत मजकूर स्ट्रक्चरल अंतर्दृष्टीत बदलते. गंभीर मुद्दा: विश्लेषण निनावी आणि एकत्रित ठेवणे. चरण-दर-चरण प्रक्रिया:

डेटा अनामित करा. नाव, युनिट, वर्णनात्मक तपशील काढा किंवा सामान्य करा.
थीम काढा. प्रत्येक थीममध्ये किती टिप्पण्या दिसतात ते विचारा.
भावनिक स्थिती जोडा. प्रत्येक थीम सकारात्मक की नकारात्मक?
नमुना कोट्ससाठी विचारा - परंतु सुरक्षित आहेत. प्रातिनिधिक कोट जे व्यक्तीला देणार नाहीत.
त्याचे कृतीत रुपांतर करा. प्रत्येक महत्त्वाच्या थीमसाठी 1-2 ठोस सूचना.
माणसांबरोबर अर्थ लावा. संख्या संदर्भासह वाचल्या जातात; अंतिम टिप्पणी तुमची आहे.

तुमची भूमिका: कर्मचारी अनुभव विश्लेषक. कार्य: खालील निनावी सर्वेक्षण टिप्पण्यांचे विश्लेषण करा. 1) टिप्पण्या मुख्य थीममध्ये गटबद्ध करा (उदा. व्यवस्थापन, कामाचा ताण, करिअर, वेतन, संस्कृती, साधने). प्रत्येक थीमसाठी तुमच्याकडे किती टिप्पण्या आहेत ते सांगा. २) प्रत्येक थीमचा सामान्य मूड (सकारात्मक/नकारात्मक/तटस्थ) सारांशित करा. ३) सर्वाधिक वारंवार उल्लेख केलेल्या ३ सकारात्मक पैलू आणि विकासाची ३ क्षेत्रे ओळखा. नियम: लोकांशी टिप्पण्या जुळवण्याचा प्रयत्न करू नका. If there are details (name, unit, specific event) that describe the individual, GENERAL them when summarizing. एखादी व्यक्ती प्रकट करू शकणारी दुर्मिळ/विशिष्ट टिप्पणी उद्धृत करू नका.

हे प्रॉम्प्ट; हे व्यवस्थापनासाठी कृती करण्यायोग्य आउटपुट तयार करते, जसे की "वर्कलोड थीम 78 टिप्पण्यांमध्ये दिसून आली, प्रामुख्याने नकारात्मक; संध्याकाळची शिफ्ट हे मुख्य कारण आहे" — कोणालाही उघड न करता.

टीप: सर्वेक्षण विश्लेषणातील सर्वात मोठा नैतिक धोका म्हणजे निनावीपणा तोडणे. "अकाऊंटिंग विभागातील एकमेव व्यक्ती ज्याचे मूल जन्माला आले" अशी टिप्पणी एखाद्या व्यक्तीला स्वतःहून देऊ शकते. AI ला स्पष्टपणे सांगा की वैयक्तिक ओळखणारे तपशील सामान्यीकृत करा आणि दुर्मिळ/विशिष्ट टिप्पण्या हायलाइट करू नका.

मेट्रिक्सचा अर्थ लावणे आणि कृतीत त्यांचे भाषांतर करणे

केवळ कच्चा क्रमांक अर्थपूर्ण नाही; "eNPS 12" चांगलं की वाईट? एआय मेट्रिक्सचे संदर्भित करण्यात आणि कृती शिफारशींमध्ये त्यांचे भाषांतर करण्यात मदत करते:

खालील सर्वेक्षण मेट्रिक्सचा अर्थ लावा आणि व्यवस्थापकाला 1-पानाचा सारांश द्या. डेटा:- eNPS: 12 (25 गेल्या वर्षी) - एकंदर प्रतिबद्धता: 5 पैकी 3.6- सर्वात कमी स्कोअरिंग क्षेत्र: "करिअर डेव्हलपमेंट" (3.1)- सर्वाधिक स्कोअरिंग क्षेत्र: "संघ संबंध" (4.4) कोणत्या भाषेत चांगले आहे आणि 1 मध्ये काय आवश्यक आहे: चिंताजनक2) eNPS घसरणीसाठी संभाव्य गृहितके (अचूक कारण बनावट, गृहितक) 3) 3 सर्वात गंभीर क्षेत्रांसाठी ठोस कृती प्रस्ताव

"करिअर डेव्हलपमेंट" थीमवरील नकारात्मक टिप्पण्या उप-थीममध्ये विभाजित करा (उदा. पदोन्नतीची अनिश्चितता, प्रशिक्षणाचा अभाव, फीडबॅकचा अभाव). प्रत्येक उप-थीमसाठी, टिप्पण्यांची संख्या आणि कृती कल्पना लिहा. व्यक्ती उघड करू नका; निनावी आणि प्रतिनिधी कोट्स ठेवा.

तीन मिनी केसेस

केस 1 - दिवसांपासून मिनिटांपर्यंत. 600 लोकांच्या कंपनीत, दोन मानव संसाधन विशेषज्ञ एका आठवड्यात वार्षिक सर्वेक्षणावर 1,400 विनामूल्य टिप्पण्यांचे कोडिंग करत होते. AI सह, थीमिंग काही तासांपर्यंत कमी केले आहे; टीमने विश्लेषण, व्याख्या आणि कृती नियोजनासाठी वेळ दिला. कोडिंगची सुसंगतता देखील वाढली कारण सर्व टिप्पण्यांवर समान निकष लागू केले गेले.

केस 2 - गुप्त सिग्नलचे व्यत्यय. एका उत्पादन कंपनीत, एकूण गुण चांगले होते, परंतु AI ने 46 नकारात्मक टिप्पण्यांसह "शिफ्ट शेड्यूल" थीम हायलाइट केली; हाताच्या वाचनात दुर्लक्षित केलेला हा नमुना होता. व्यवस्थापनाने शिफ्ट प्रणालीचा आढावा घेतला; पुढील तिमाहीत संबंधित तक्रारी निम्म्या झाल्या.

केस 3 - निनावी संकट रोखणे. पहिल्याच प्रयत्नात एका तज्ज्ञाने एआयला युनिटची माहितीही दिली; प्रिंटआउटमध्ये "एक्स युनिटमधील एकमेव व्यवस्थापकाबद्दल" असे प्रकट कोट होते. प्रकाशनाच्या आधी तज्ञाने हे लक्षात घेतले, प्रक्रिया दुरुस्त केली: युनिट माहिती काढून टाकली गेली, "5 पेक्षा कमी टिप्पण्या असलेल्या कोणत्याही उप-गटाचा स्वतंत्रपणे अहवाल द्या" असा नियम लागू केला गेला. विश्वास जपला.

कमकुवत प्रॉम्प्ट / मजबूत प्रॉम्प्ट

कमकुवत प्रॉम्प्ट: या सर्वेक्षण टिप्पण्यांचा सारांश द्या.

परिणाम: वरवरचे, असंख्य, निनावीपणाची हमी नाही; एक सारांश जो एखाद्या व्यक्तीला देखील देऊ शकतो.

शक्तिशाली प्रॉम्प्ट: [अनामित डेटा + थीम आणि संख्या + मूड + सुरक्षित/प्रतिनिधी कोट + "व्यक्ती सामान्य करा, दुर्मिळ टिप्पणी उघड करू नका" + कृती सूचना]

परिणाम: एक विश्लेषण जे संख्यात्मक, थीम असलेली, कृती-देणारं आहे आणि नाव गुप्त ठेवते.

निनावीपणा आणि निष्पक्षता नियम

धोका

खबरदारी

लहान गट प्रकटीकरण

5 पेक्षा कमी प्रतिसादकर्त्यांसह उप-समूहांचा स्वतंत्र अहवाल

वर्णनात्मक तपशील

नाव/युनिट/इव्हेंट माहिती सामान्यीकृत करा

दुर्मिळ टिप्पणी उद्धृत

केवळ प्रातिनिधिक, बहुसंख्य कोट वापरा

पक्षपाती टिप्पणी

प्रश्न AI च्या गटाचे पद्धतशीर नकार (वय, लिंग इ.)

असुरक्षित साधनामध्ये कच्चा डेटा निर्यात करणे

प्रमाणित/संस्थात्मक साधने आणि निनावी डेटा वापरा

लक्ष द्या: सर्वेक्षण डेटा वैयक्तिक डेटा आहे; कॉर्पोरेट डेटा आश्वासनाशिवाय सामान्य साधनामध्ये कच्च्या टिप्पण्या पेस्ट केल्याने KVKK जोखीम असते (आम्ही पुढील युनिटमध्ये याविषयी माहिती घेऊ). AI च्या थीमचा अंदाज देखील चुकीचा आहे; मनुष्याने संख्या आणि उदाहरणांचे पुनरावलोकन केले पाहिजे आणि अंतिम अर्थ लावला पाहिजे. एआय नमुने शोधते; मनुष्य अर्थ आणि कृती ठरवतो.

सामान्य चुका

अज्ञातपणा तोडत आहे. विश्लेषणामध्ये युनिट/नाव/विशिष्ट तपशील टाकल्याने व्यक्ती दूर होऊ शकते.
लहान गटांमध्ये अहवाल देणे. 3-व्यक्ती युनिटचा परिणाम जवळजवळ वैयक्तिक डेटा आहे.
कच्च्या संख्येवर आंधळेपणाने विश्वास ठेवणे. AI चे थीमॅटायझेशन चुकीचे आहे; नमुने घेऊन तपासा.
दुर्मिळ धक्कादायक टिप्पणी हायलाइट करत आहे. ते प्रातिनिधिक ऐवजी प्रकट होऊ शकते.
टिप्पणीला कृतीशी जोडत नाही. जर विश्लेषण ठोस पावले निर्माण करत नसेल तर ते शेल्फवर राहते.
पूर्वाग्रहाकडे दुर्लक्ष. AI पद्धतशीरपणे एखाद्या विशिष्ट गटाला नकार देत असल्यास प्रश्न.

सारांशात

AI व्यवस्थापनासाठी कृती करण्यायोग्य अंतर्दृष्टी काढण्यासाठी थीम, वारंवारता आणि मूड द्वारे शेकडो मुक्त प्रतिसादांचे गट करते.
निनावीपणा ठेवा: व्यक्तीची ओळख पटवणारे तपशील सामान्यीकृत करा, लहान गट आणि दुर्मिळ टिप्पण्या उघड करू नका.
eNPS सारखे मेट्रिक्स आणि संदर्भात प्रतिबद्धता ठेवा; एक निश्चित कारण बनवू नका, एक गृहितक विचारा.
प्रत्येक महत्त्वाच्या थीमला ठोस कृतीमध्ये बांधा; जर ते चरण तयार करत नसेल तर विश्लेषण मूल्य निर्माण करत नाही.
सुरक्षित साधनासह कच्च्या डेटावर प्रक्रिया करा; AI नमुने शोधतात, मानव अंतिम अर्थ लावतात आणि पूर्वाग्रह तपासतात.

अर्ज कार्य

30-40 सर्वेक्षण टिप्पण्या तयार करा, वास्तविक किंवा काल्पनिक (हेतूपूर्वक एक किंवा दोन "सांगणे" तपशील समाविष्ट करा). प्रथम डेटा अनामित करा. एआयने प्रत्येक थीमसाठी थीमॅटिक्स, भावना विश्लेषण आणि टिप्पणी संख्या व्युत्पन्न करा; सुरक्षित/प्रतिनिधी कोट्सची विनंती करा. नंतर आउटपुट तपासा: कोणतेही अवतरण एखाद्या व्यक्तीला देतात का? 5 पेक्षा कमी टिप्पण्या असलेला उप-गट स्वतंत्रपणे नोंदवला जातो का? शेवटी, 3 सर्वात गंभीर थीमसाठी ठोस कृती लिहा.

चेकलिस्ट

[ ] विश्लेषणापूर्वी डेटा निनावी केला गेला आहे (नाव/युनिट/तपशील)?
[ ] थीम संख्यात्मकपणे नोंदवल्या जातात (किती टिप्पण्या)?
प्रत्येक थीमसाठी मूड निर्दिष्ट केला आहे का?
5 पेक्षा कमी प्रतिसाद असलेले उपसमूह स्वतंत्रपणे नोंदवले जात नाहीत का?
कोट्स प्रातिनिधिक आणि उघड न करणारे आहेत का?
[ ] AI च्या आउटपुटवर पक्षपातासाठी प्रश्नचिन्ह उपस्थित केले गेले आहे का?
[ ] प्रत्येक गंभीर थीम ठोस कृतीशी जोडलेली आहे का?