Prévoyez la retraite temporaire grâce à l’IA interne ! Quelle est l’approche d’Avisto face aux problèmes de santé mentale lors de l’envoi d’ingénieurs ?

Plus de 80 % des travailleurs se sentent stressés

Le 25 juillet, le ministère de la Santé, du Travail et de la Protection sociale a annoncé l’enquête 2023 sur la sécurité et la santé au travail (Enquête sur les conditions réelles). Selon cette enquête, les entreprises dont les employés ont pris un arrêt de travail pendant plus d’un mois consécutif en raison d’une mauvaise santé mentale ou ont pris leur retraite au cours de la dernière année (du 1er novembre 2022 au 30 octobre 2023, certaines faisant double emploi) réponses) Dans le secteur de l’information et des communications, 32,4 %, soit près de 30 %, ont de tels problèmes. De plus, plus la taille d’une entreprise est grande, plus le pourcentage d’entreprises comptant des travailleurs en congé autorisé est élevé.

Ce n’est pas tout. « Le pourcentage de travailleurs qui estiment ressentir une anxiété, une inquiétude ou un stress graves liés à leur emploi ou à leur vie professionnelle actuelle » atteint 82,7 % (82,2 % en 2022), et plus de 80 % des employés sont à risque de développer des problèmes de santé mentale.

Si nous supposons qu’un employé (un homme d’une trentaine d’années avec un revenu annuel d’environ 6 millions de yens) prendra un congé et que les employés de son entourage feront des heures supplémentaires pour l’aider, il économisera environ 990 000 yens au cours des trois mois précédant le congé. et la durée du congé. On estime que cela coûte environ 2,24 millions de yens pour six mois et environ 990 000 yens pour trois mois après le congé, pour un total de 4,22 millions de yens (selon une enquête du Cabinet Office de 2008). La retraite due à des problèmes de santé mentale est un problème de gestion sérieux pour les entreprises.

Même si ce n’est pas le cas, les coûts de main-d’œuvre du personnel informatique montent en flèche en raison d’une pénurie de main-d’œuvre. Selon les estimations du ministère de l’Économie, du Commerce et de l’Industrie, la pénurie de ressources humaines informatiques devrait atteindre environ 450 000 personnes d’ici 2030. Dans de telles circonstances, force est de constater que les problèmes de santé mentale constituent un enjeu que les entreprises ne peuvent plus ignorer.

Cependant, dans le système actuel, le problème ne se manifestera que si la personne déclare elle-même son problème de santé mentale à son supérieur.

Cependant, les entreprises guerrières sont confrontées à une concurrence féroce. La réalité est qu’il est difficile pour les gens d’admettre qu’ils ont des problèmes de santé mentale. En conséquence, dans de nombreux cas, au moment où ils se présentent à leurs supérieurs, leurs symptômes se sont déjà aggravés et ils n’ont d’autre choix que de s’absenter du travail.

N’est-il pas possible de vérifier à l’avance avant que les choses ne deviennent si mauvaises ? C’est dans cette optique qu’Abist, une entreprise qui envoie des ingénieurs principalement dans l’industrie automobile, a lancé une nouvelle initiative.

Masao Yamaura, responsable de la division de promotion numérique et directeur général d’Avist, qui a promu ces initiatives, déclare :

« La règle d’or pour les troubles mentaux est la détection et le traitement précoces, mais il y a des cas dans lesquels le patient ne présente aucun symptôme à un stade précoce, il est donc impossible de les détecter par le seul entretien, et il y a des cas où cela n’est remarqué que lorsque la condition est devenue grave. À la lumière de cette situation, nous avons commencé le développement pour trouver un moyen de remarquer les changements chez les employés le plus rapidement possible. » (M. Yamaura)

Améliorez le taux de turnover grâce à l’outil de prévision des congés/retraites

C’est ainsi que fonctionne « l’outil de prévision des absences et des départs à la retraite » développé par Abist.

Deux membres du personnel du Digital Solution Development Center, la division de promotion des données qui exploite ce système, saisissent chaque mois les données de gestion des présences d’environ 1 200 employés. Sur la base de ces données, l’IA analyse l’état de santé des salariés.

L’IA appose ensuite quelque chose comme une marque souriante sur la personne en question pour visualiser facilement son état, comme « S’il vous plaît soyez prudent car vous faites beaucoup d’heures supplémentaires » ou « Nombre de jours récents ». de congés payés pris. » « Nous vous recommandons de prendre activement des vacances pour maintenir votre santé mentale et physique.  » « Il est important de revoir votre style de travail récent. Le total moyen des heures supplémentaires est de XX heures.  » Il affiche une recommandation (recommandation). ) et le motif de la prédiction et l’envoie à l’administrateur (environ 20 personnes).

Les managers qui reçoivent ces informations consultent le site Internet pour voir si l’employé en question a réellement le problème signalé par l’IA.

Concernant ces initiatives, les salariés déclarent : « Nous sommes en mesure de constater très tôt de petits changements dans l’assiduité des salariés, ce qui est utile pour le suivi auprès des salariés » et « À l’avenir, nous pourrons non seulement pour faire des prédictions, mais sera également en mesure de donner suite aux préoccupations des employés en temps opportun.  » « Je serais reconnaissant s’il y avait une fonction qui pourrait me soutenir », a déclaré l’entreprise, ajoutant qu’elle contribue à améliorer motivation et empêche les salariés de s’absenter ou de quitter leur emploi.

Le développement a commencé vers 2021. La division des solutions d’IA (actuellement le centre d’innovation) a commencé le développement et, à partir d’août 2022, le centre d’innovation et le centre de développement de solutions numériques de la nouvelle division de promotion numérique ont pris le relais et ont travaillé ensemble pour développer le système. Pourquoi ce système a-t-il été développé en premier lieu ?

Abist étant une entreprise de services en ressources humaines, nous réservons du temps pour faire un suivi auprès de nos employés et les interviewer en tête-à-tête chaque mois. Cependant, si une tendance aux problèmes de santé mentale apparaît même après les entretiens, elle ne peut être traitée uniquement par les entretiens. À ce moment-là, vous devrez vous rendre dans une clinique et vous reposer.

L’entreprise s’est demandé s’il existait un moyen de détecter de tels problèmes avant qu’ils ne surviennent et a développé un système de prévision des absences et des départs à la retraite qui utilise les données de gestion des présences.

«En bref, nous avons réfléchi à la possibilité de faire des prédictions à l’aide des données de gestion des présences, telles que l’heure à laquelle les gens commencent à travailler et à quelle heure ils quittent le travail, ainsi que le nombre d’heures supplémentaires qu’ils doivent effectuer.» (M. Yamaura)

Les données de gestion des présences sont des données sur l’état de présence des employés collectées via la gestion quotidienne des présences.　Ces informations comprennent les congés annuels, la fréquentation, le départ, l’année d’emploi, l’âge, le département, les horaires de travail, etc.

Lorsque nous avons réellement analysé les données à l’aide de l’IA, nous avons constaté que certaines tendances pouvaient être discernées.

« Nous avons créé un modèle utilisant ces tendances, et en saisissant des données de fréquentation mensuelle, nous avons développé un système qui affiche des alertes si des problèmes tels que des problèmes de santé mentale sont susceptibles de survenir. » (M. Yamaura)

L’IA apprend de 15 ans de données de gestion des présences

Afin de construire un outil de prédiction des congés-retraite, l’IA doit être entraînée.

La méthode d’apprentissage actuelle est « l’apprentissage supervisé ». Il s’agit d’une méthode d’apprentissage basée sur des données de réponses correctes préparées à l’avance par les humains.

Les données utilisées à cette époque n’étaient pas des données nouvellement collectées, mais plutôt des données existantes des 15 dernières années. En effet, « l’apprentissage supervisé », qui utilise des données antérieures, rend plus claires les bases des prédictions.

Il y a aussi d’autres raisons.

« Généralement, il existe des systèmes qui utilisent des questionnaires ou demandent à la personne cible de saisir à chaque fois diverses informations. Cependant, sans se donner la peine de collecter des données, vous pouvez utiliser les données dont vous disposez déjà. Nous avons pensé qu’il serait possible de créer un « outil de prévision des congés-retraite », nous avons donc commencé à développer « l’outil de prévision des départs à la retraite ». (M. Yamaura)

En fait, il existe un « outil de prévision des congés-retraite » proposé par d’autres entreprises, mais il nécessite la réalisation de questionnaires uniques et il faut du temps et des efforts pour préparer les données avant de les utiliser.

Chez Abist, en revanche, les membres qui exploitent le système collectent des données sur les employés ayant pris leur retraite dans le passé ou souffrant de problèmes de santé et vérifient les données chaque mois pour voir s’il existe des tendances similaires.

Ce qui a été difficile lors du développement a été d’organiser les données de gestion des présences et de sélectionner les données à utiliser pour les prédictions.

« Il existe diverses données élémentaires telles que « l’heure de la journée », « partir tôt », « comment prendre les congés annuels », « principalement le matin », « principalement l’après-midi »,  » « heures supplémentaires », « tendances mensuelles », etc. Lors de l’organisation de ces données, nous avons dû trouver un certain nombre de modèles afin d’améliorer la précision. Il a fallu beaucoup de temps pour créer un modèle capable de le faire. atteindre un certain niveau de précision. » (M. Yamaura)

Afin d’atteindre un certain niveau de précision, nous avons vérifié les algorithmes d’apprentissage automatique, vérifié les combinaisons de données, sélectionné les valeurs d’entrée et effectué des ajustements en examinant les résultats de la vérification. La sélection a été effectuée en vérifiant à plusieurs reprises quelles valeurs d’entrée sont efficaces pour la prédiction et quelles combinaisons sont les meilleures.

Le nouveau système sera testé à partir de juin 2022 et sera officiellement opérationnel à partir d’avril 2023. Cela fait plus d’un an qu’il a été introduit, mais quels types de résultats ont été obtenus ?

« Dans l’ensemble, j’estime que cela conduit à une détection précoce des problèmes de santé mentale. De plus, nous fournissons des commentaires basés sur les résultats, et j’ai l’impression qu’environ 80 à 90 % des résultats sont « corrects ». a reçu des évaluations du terrain disant : « Oui, nous nous en sortons bien. » (M. Yamaura)

Chez Abist, nous détectons chaque année deux à trois salariés présentant des problèmes de santé mentale que nous n’avions pas pu détecter par les entretiens, et les managers disent : « Nous avons pu déceler des anomalies que nous n’avions pas remarquées par les entretiens, et nous avons pu les détecter. tôt. » Il y a eu des commentaires tels que « J’ai pu prendre des mesures immédiates » et « Je veux continuer à utiliser le service ».

À l’avenir, M. Yamaura déclare : « Nous aimerions apporter des améliorations pour améliorer la précision afin de pouvoir soutenir la détection et la réponse précoces, et à l’avenir, nous aimerions créer un système qui puisse non seulement prédire mais aussi prévenir. . »

M. Yuji Kimura, président et chef de la direction de Convergence Lab., a ce qui suit à dire sur les points clés de la production de systèmes internes et de l’utilisation de l’IA :

« Lors de la création d’un système en interne à l’aide de l’IA, il y a deux points à considérer. Le premier est de savoir si le système est adapté à la production en interne. L’ERP (Enterprise Resource Planning) Si c’est quelque chose de largement utilisé et qui n’est pas très cher , je ne pense pas qu’il soit nécessaire de se donner la peine de le fabriquer en interne. D’un autre côté, si c’est quelque chose que vous seul utiliserez, ou si vous avez un produit disponible dans le commerce, vous voudrez peut-être pour le développer vous-même. Les articles qui peuvent être produits à moindre coût conviennent à la production en interne.

Lorsqu’il s’agit d’utiliser l’IA, les éléments faciles à modéliser conviennent. Lorsque je travaillais en tant que développeur d’IA chez Fujitsu, j’ai créé un outil interne de prévision des congés et de la retraite, qui s’est avéré extrêmement précis. Je pense que ce type de système est adapté à une production en interne. Je pense également que les systèmes capables de détecter les pannes des machines d’usine ou les vis desserrées sur les ponts seraient adaptés à l’utilisation de l’IA. »