AI預測「員工離職」準確度高達８０％？這家公司做對３件事

根據104人力銀行2023年《人資FBI報告》的觀察，企業導入E化人資作業的比例逐年增長至60%以上。然而，這些系統主要用於解決「員工出缺勤及請假作業」等庶務，對於留才並沒有顯著的幫助。

佳世達旗下子公司邁達特（MetaAge）早在2年前，便率先開發AI人資解決方案，選擇了旗下的3間子公司，包括逐鹿數位、啟迪國際和聚上雲進行測試。3家公司的離職率均有所下降，邁達特更是一口氣從24％降至16％。

邁達特人資長楊碩祐公開系統所使用的數據，只需蒐集過去5年內、7項員工資料即可，其包括基本資料（內含年齡、工種、職位、人格特質）、獎金資料、請假資料、薪資調整資料、職務調整資料、績效表現紀錄資料、工時紀錄。

輸入資料後，AI可以快速分析每季、每個部門離職員工的特徵，並預測員工在未來1～3個月內是否有異動計劃，準確度平均達到80%。效果顯著，不少科技公司也成為邁達特的客戶。

但光憑數位工具，並不足以留才，以下拆解3個人機協作關鍵：

關鍵一：看數據前、後，人資都要行動

系統預測的精準度，取決於資料的完整度，因此人資單位愈能準確「餵食」系統，AI愈能使力。

「有些公司沒時間整理資料，準確度了不起就是60～70%，」楊碩祐舉例，比方說，工時長短雖然是預測指標之一，但易受工種和職位影響，若無搭配相關資訊，預測效果也會受限。

長期來看，人資也應思考怎麼運用數據，進而調整招募政策。他舉例，某光電大廠的產線員工的離職率居高不下，曾一度高達半年40％，在運用AI分析長期服務員工的特徵，並反向套入到徵才上，從招募開始便找尋擁有相同特徵的人，目前已經砍半。

「我們經常提醒主管要慎用，」楊碩祐說，系統給出的離職判斷，僅是公司內部的同仁比較值。比方說，業務部有3位員工經系統比對後，C君的離職機率比A、B君都高，但這也不代表C君鐵定會離職，只能作參考之用。

故此，若主管若以此「監視員工」、甚至質問員工是否已有離職念頭，恐怕會有反效果。

楊碩祐建議，系統雖然顯示的是「個人離職機率」，但企業反而該用「整體策略」來思考。例如，部門中的工作量是否過度傾向於一人、部門協作是否有問題、或是獎金制度是否有不公平之虞，導致員工感受落差。

從預測離職到留才，勢必還需要搭配實際的政策。不少企業盲目「大撒幣」打造其福利政策，回過頭才發現，不只成本大漲、人也留不住。

為了準確找出哪些是員工「最對味」的福利，他們利用大數據把10多項的福利措施進行認同度排名。不只與去年相比、更用性別、年齡、年資、工種來交叉對比。

舉例來說，邁達特幾年前比照Google等大企業，在公司增設零食補給站，以29歲以下員工、工程師最愛，但整體僅約50%滿意度，相對其他項目較低。整體員工最愛的是「補班日不用補班」，有82.2％認同度，邁達特迅速地回應，從2023年開始提供員工額外特休，整體員工福利滿意度也提升至70%。

隨著數位工具門檻下降，AI漸漸不再是什麼秘密武器。把數字結合有意義的行動，才能真正達至留人也留心。