MLTester – это комплексное b2b решение для проведения психологического и эмоционального анализа пользователя в реальном времени. Решение позволяет:
Создать детальный (долгосрочный, среднесрочный, краткосрочный) портрет состояния сотрудника на основе наблюдаемого поведения.
Связать состояние с целевыми показателями результативности работы сотрудника.
Корректировать состояние и выводить в зоны стабильной продуктивности сотрудника через формирования персонализированного трека действий (рекомендации).
В отличии от классических методов психологического профайлинга, МЛТестер фокусируется не на ответах, а на поведении пользователя, снимая непрямые данные во время тестирования в том числе моторики, речи, мимики и других характеристиках. Данные характеристики позволяют создать «цифровой близнец», с высокой чувствительностью к изменениям состояния пользователя.
Подобный подход позволяет эффективно использовать данные тестов в ИИ, для определения состояния сотрудника и выработки персонализированного трека рекомендаций.
Ключевые особенности MLTester
- Пополняемая библиотека игр и задач для замера состояния пользователя
- Прогнозная и рекомендательная аналитика по результатам тестов
- Обработка звука и видео
- Уведомления и отчетность
- Ролевая и матричная модель иерархии пользователей
- Современный модульный стэк
Важность замеров и аналитики состояния сотрудников и эффективность MLTester
- Долгосрочный рост производительности на 12-27%
- Снижение оттока сотрудников на 7-13%
- Оценка и повышение слаженности команды
- Снижение выгорания сотрудников
- Рост количества привлечения и качества обслуживания клиентов
- Точность опережающих прогнозов работы сотрудников
Состав решения
Микросервисная модульная архитектура MLTester размещается полностью или выбранными блоками внутри ИТ-контура Заказчика или доступна в формате «облако» и включает:
Фронт
- Классический кросс платформенный фронт, с нативными приложениями для IOS и Android.
- Стэк: React
Data Science
- Блок применения моделей и элементов ИИ:
- Расчет психологических и эмоциональных векторов
- Расчет прогнозов результативности сотрудника (бизнес метрики)
- Расчет трека рекомендаций
- Расчет фичей и предикторов датчиков устройств
- Нейронные сети обработки звука и видео
- Стэк – python, Postgresql
Бэк
- Совокупность модулей, контейнеров и моделей, которые обеспечивают функционирование системы:
- База данных
- Библиотека заданий
- Ролевая модель
- Сегментация и стратегии
- Прогнозная и рекомендательная аналитика (расчет скоров)
- Описательная аналитика (расчет векторов)
- Контроль качества моделей и популяции
- Обновление моделей и нейросетей
- Обработка видео
- Обработка звука
- Вспомогательные и служебные модули (балансировщик, логирование, no-code API, интеграции)
- Стэк – python, PHP, Postgresql, Docker, Nginx, RabbitMQ
Блок обработки ИИ для формирования рекомендаций и персонального трека (долго, средне, краткосрочного) оптимизации состояния
Основная цель блока – сохранение (или возврат) сотрудников в «зеленую» зону психоэмоционального состояния для сохранения продуктивности. Для указанной цели ИИ выбирается и персонализирует стратегии и конкретные действия для данного пользователя на основе лучших практик и индивидуальных показателей. Рекомендации предлагаются самому пользователю, его руководителю и HR-партнеру, включают широкий спектр простых, сложных и комплексных действий. Например, смена деятельности, изменение расписания, творчество, исследования, физическая активность, общение со специалистом, иные.
При первичной разработке и оценки влияния инструментов на сотрудников используется технология фокус групп с обратной связью об активности головного мозга в реальном времени.
Важность элемента ИИ состоит в про-активных действиях на основе опережающих показателей усталости, стресса, критическом снижении продуктивности, проблем с ментальным и физическим состоянием сотрудника.
Если у вас остались вопросы
или есть предложения,
напишите нам
или есть предложения,