Muitas empresas estão utilizando tecnologias de IA para entender que atritos levam seus funcionários a pedir demissão. Mas como fazer isso?
A retenção de funcionários é um grande diferencial para qualquer empresa. Ela tende a gerar menos custos com demissões e contratações, diminuir o tempo investido em integrações e treinamentos, e ainda fortalecer o clima e a cultura. Além disso, sabe-se que a demissão de um funcionário afeta muito o negócio, tanto em questões financeiras e de produtividade. Fora o fato de que demissões também diminuem a eficiência do fluxo de trabalho, o gerenciamento de operações e, por vezes, a moral de outros colaboradores.
Atualmente, alguns estudos mostraram que, nos EUA, o custo de substituição de um funcionário é surpreendentemente alto. Estudos mostraram que, nos últimos anos, o custo médio para contratar um funcionário é de US$ 4.129. E com funcionários permanecendo apenas cerca de 1 ano em algumas das maiores empresas de tecnologia do mundo, é de se imaginar como esses números impactam a organização financeiramente.
Além disso, do ponto de vista do recrutamento, o maior número de funcionários a serem substituídos reduz a eficiência da busca, com as equipes de RH devendo trabalhar com recursos limitados para manter os orçamentos. O que, por sua vez, pode fazer com que leve mais tempo para preencher uma vaga, ou que a escolha realizada não seja a ideal.
A lucratividade da empresa também sofre com a constante rotatividade de funcionários. Isso acarreta em gastos com pacote de indenizações, despesas de contratação, perda de vendas e produtividade, além do custo de mão de obra para novos treinamentos.
Por isso, o cenário ideal é evitar a substituição das equipes, e algumas tecnologias de Machine Learning e Inteligência Artificial podem ser grandes aliadas para criar boas estratégias de retenção.
Por que o processo de feedback nem sempre funciona?
Neste ponto, você pode estar pensando em soluções para estes problemas. Como, por exemplo, fazer uma entrevista com o funcionário que decidiu sair da empresa, para entender melhor o problema. Acontece que, na maioria dos casos, esse procedimento não funciona. Em geral, entender o problema dos funcionários antes que estes peçam demissão, ou a empresa decida pelo desligamento, é sempre a melhor solução. Um feedback que realmente traga informações valiosas e que ouça quais as necessidades do funcionário, para conseguir resolver essas questões e aumentar sua taxa de retenção de talentos.
Muitas empresas implantam pesquisas para medir a temperatura em torno de questões críticas, como motivação dos funcionários, desempenho no trabalho, remuneração e eficácia de políticas de RH. Isso pode ajudar a organização a prever problemas antes de uma eventual demissão. Apesar de as entrevistas de saídas fornecerem informações por vezes valiosas, elas acontecem muito tarde. Portanto, entender por que os funcionários estão insatisfeitos antes que uma carta de demissão chegue até você é fundamental. E a Inteligência Artificial e modelos de Machine Learning podem ajudar muito nesse sentido.
Como a IA identifica riscos e oportunidades para os funcionários
Quando o assunto é retenção de talentos, o uso de IA e Big Data nas empresas podem ajudar profissionais de RH a entender quais colaboradores podem ter um risco maior de atrito, ou seja, uma possível demissão. Nesse sentido, o uso de ferramentas de retenção de IA pode monitorar as habilidades do setor, as habilidades dos funcionários atuais e as que eles precisarão adquirir para obter uma promoção. Outra ferramenta poderia medir o grau de envolvimento de um funcionário, bem como os valores e necessidades motivacionais que essa pessoa precisa para se manter engajado e incluído na cultura da empresa.
Com isso, ao medir a probabilidade de um funcionário sair, a empresa tem uma chance de corrigir essas questões com um grau de precisão muito maior, e quem sabe até mesmo evitar a saída do colaborador.
Atualmente, com ferramentas como estas em mãos, muitas empresas já estão aproveitando para obter um grau de entendimento maior sobre a realidade e as expectativas de seus funcionários, entendendo como eles estão lidando com suas responsabilidades atuais, e aonde pretendem chegar em suas carreiras.
Estado de caso: uso de IA para melhorar a retenção de talentos da IBM
Em publicação realizada no Medium, o cientista de dados Tarique Akhtar cita o exemplo da IBM, que fez uso de tecnologias como IA e Machine Learning para aumentar seus números de retenção de funcionários. A ideia era entender por que os funcionários desejavam sair ou por que escolhiam ficar, bem como entender quais caminhos poderiam ser tomados para aumentar a motivação das equipes.
Basicamente, a empresa criou um total de 35 indicadores para medir a satisfação dos colaboradores, considerando idade, departamento, grau de escolaridade, gênero, estado civil, salário, equilíbrio entre vida pessoal e trabalho, atritos na empresa, entre outros. Deste total, cada recurso contava com 1470 pontos de dados.
Segundo Akhtar, um total de 237 pessoas deixaram a empresa, representando uma taxa de desligamento de 16%. Assim, após análise dos dados, já foi possível chegar a algumas conclusões. A primeira delas é que pessoas entre 29 e 31 anos deixam a empresa com mais frequência. Além disso, a taxa de atrito de pessoas entre 18 a 23 anos também é alta. Com isso, temos o primeiro insight: pessoas mais velhas permanecem por mais tempo, pessoas mais novas deixam a empresa com mais frequência. Um problema geracional.
Outro ponto interessante na análise foi em relação ao estado civil dos colaboradores. Segundo os dados, empregados solteiros tendiam a sair mais da empresa em comparação com empregados casados ou divorciados. Uma questão de valor à estabilidade?
Além disso, os dados mostraram (sem surpresas) que funcionários menos engajados tendem a deixar a empresa mais cedo. Ou seja, se sua taxa de retenção de talentos estiver baixa, pode significar um problema de cultura e envolvimento, e não apenas de remuneração, por exemplo:
Por fim, durante a pesquisa, também foi possível identificar a diferença de evasão entre funcionários com mais ou menos anos de empresa. Nesse caso, pessoas que trabalhavam na IBM de 0 a 6 anos tendiam a deixar a empresa com mais frequência. Já colaboradores com mais de 6 anos de casa, permaneciam mais tempo. Quanto mais tempo de empresa, mais difícil a decisão de trocar de emprego, ou até mesmo de carreira. Somam-se aqui fatores como estabilidade financeira, medo de testar novos caminhos, ou até mesmo um sentimento de pertencimento àquela organização.
O papel da IA no trabalho de empatia
Enfim, depois disso tudo, foi possível entender em quantas frentes o uso da IA pode auxiliar as empresas. De fato, tecnologias como esta tem um papel poderoso dentro das organizações: ajudar a empresa a entender os sentimentos de seus funcionários, e sua capacidade de atender a essas necessidades. Em outras palavras: a ter mais empatia.
Seja no momento de aliviar a carga de trabalho de um colaborador, para oferecer a ele um maior equilíbrio entre vida pessoal ou profissional, seja para resolver atritos e problemas dentro do espaço de trabalho, a empatia é fundamental. Ela precisa ser posta em prática também dentro das empresas, pois qualquer negócio é movido por pessoas. E pessoas que atingem o bem-estar tornam-se funcionários mais engajados. O que por sua vez ajuda a empresa a melhorar não apenas sua retenção de talentos, mas também fortalecer sua cultura organizacional.
Assim, a questão vai além de perguntar-se como fazer uso de Inteligência Artificial ou outras ferramentas de Data Science para produzir mais, e sim para ajudar as pessoas envolvidas a conhecer seus limites e capacidades, e entregar o seu melhor. E certamente quem consegue entregar o seu melhor, em um ambiente empático e que demonstra preocupação com o bem-estar de suas equipes, pensará duas vezes antes de deixar isso para trás.
