Platforma na bazie zebranych danych o firmie w formie krótkich, pracowniczych ankiet online przygotowuje dla menedżerów listę zalecanych działań, których wdrożenie pomoże usprawnić funkcjonowanie organizacji. Rekomendacje są wynikiem zaawansowanych analiz statystycznych wykorzystujących wiedzę z obszaru psychologii organizacji. W kolejnym kroku Hinter.ai aktywizuje menedżerów do wdrażania w firmie adekwatnych inicjatyw i sprawdza rezultaty podjętych działań.
– Kluczowa w naszym rozwiązaniu jest biznesowa praktyczność proponowanego rozwiązania. Klienci nie otrzymują suchego raportu z wynikami przeprowadzonego badania i to nie badanie jest tutaj istotą. Kluczem jest wynik w postaci konkretnych propozycji usprawnień i rozwiązań zidentyfikowanych problemów. Dzięki temu menedżerowie mogą się skoncentrować na pracy z podwładnymi, a mniej czasu poświęcają na poszukiwanie w firmie informacji uzasadniających realizowane projekty. Nie muszą też przedzierać się przez wielostronicowe raporty dzięki efektywnie podanym informacjom w formie listy zalecanych działań. System łączy technologię z wiedzą ekspercką w obszarze psychologii organizacji, którą zdobył na przestrzeni lat Instytut Gaussa – mówi Bartosz Michałek, współtwórca Hinter.ai.
Odpowiednio zaprojektowane moduły badawcze pomagają zdiagnozować tzw. „kluczowe czynniki” danych zjawisk w organizacji, czyli możliwe przyczyny danej sytuacji w firmie. Można powiedzieć, że Hinter.ai nie tylko określa poziom danego zjawiska (co robią zwykłe badania), ale też potrafi wskazać potencjalne przyczyny tego, co się dzieje. Jeśli pracownicy firmy nisko oceniają poziom benefitów to zwykle firma zabiera się za poprawienie benefitów, co zwiększa koszty stałe, lecz może nie mieć wpływu na zaangażowanie pracowników. Hinter.ai potrafi wykryć, co stoi u podstaw zaangażowania pracowników i poprawy warunków pracy. Zwykle to są proste i tanie rozwiązania dla firmy, jednak bez zaawansowanych analiz statystycznych nie są dostrzegalne na pierwszy rzut oka.
– „Kluczowe czynniki” mają bardzo duże znaczenie dla efektywnego podejmowania decyzji. Niejednokrotnie firmy dostrzegają problemy np. z funkcjonowaniem w trybie pracy zdalnej lub hybrydowej, jednak nie znając przyczyn, działają na podstawie samej intuicji. W takiej sytuacji są zmuszeni szukać i testować różnego rodzaju rozwiązania, co w konsekwencji pochłania czas i pieniądze. Nierozwiązane problemy z czasem powiększają się. Identyfikując przyczyny oraz sposoby ich rozwiązania wiele spraw w organizacji można poprawić szybciej i skuteczniej, używając dużo mniejszego budżetu. To pokazuje jaką wartość mają dzisiaj informacje o funkcjonowaniu firmy dla kadry zarządzającej – mówi Dariusz Ambroziak z Instytutu Gaussa, współtwórca rozwiązania.
Kolejnym etapem rozwoju Hinter.ai jest zwiększenie możliwości analitycznych i większa automatyzacja procesów, dzięki wykorzystaniu sztucznej inteligencji oraz uczenia maszynowego. Finansowanie prac badawczo-rozwojowych w tym zakresie zapewnia fundusz Carlson EVIG Alfa, który powstał w ramach inicjatywy BRIdge Alfa.
– Hinter.ai to spółka z bardzo dużym potencjałem. Rozwiązanie jest już dopracowane i sprawdzone przez klientów. Z kolei obszar usprawniania funkcjonowania organizacji jest wyzwaniem dla wielu firm, ponadto zaburzonym przez pandemię. Powszechne wprowadzenie pracy zdalnej lub hybrydowej dodatkowo powoduje, że takie rozwiązanie jest na rynku bardzo potrzebne – mówi Dawid Wesołowski Prezes funduszu Carlson EVIG Alfa – Co więcej, wykorzystanie sztucznej inteligencji i uczenia maszynowego sprawia, że Hinter.ai może skalować swoje usługi na każdym rynku na świecie, w którym firmy korzystają z nowych technologii – dodaje.
Obecnie za pomocą Hinter.ai można zbadać firmę z wykorzystaniem sprawdzonych modułów badawczych „Przegląd Organizacji” czy „Analiza Pracy Zdalnej” oraz badań tworzonych zgodnie z indywidualnymi potrzebami danej firmy. Trwają prace nad kolejnymi modułami, a wdrożenie funkcjonalności sztucznej inteligencji znacząco ten zakres rozszerzy.
– Wdrożenie algorytmów uczenia maszynowego przyniesie dużo większe możliwości analizowania danych, które do tej pory były niewykorzystywane przez firmy. Dzięki sztucznej inteligencji system samodzielnie nauczy się danej organizacji i stworzy jeszcze bardziej precyzyjne rekomendacje działań dla firmy. Warto zauważyć, że algorytmy AI/ML potrafią znajdować takie powiązania, które dla nas ludzi są nieoczywiste, lecz mają istotny wpływ na nasze funkcjonowanie. System połączy także dane pozyskane w ramach badania pracowników z twardymi danymi pochodzącymi z organizacji, dzięki czemu dowiemy się jak określone zjawiska wpływają np. na sprzedaż, różne wskaźniki efektywnościowe i tzw. twarde dane HR typu L-4, czas pracy itp. – mówi Dariusz Ambroziak.
Następny krok – ekspansja międzynarodowa
Spółka pochodząca z Chełma planuje oferować swoje usługi również firmom spoza Polski. Model biznesowy Hinter.ai pozwala na skalowanie narzędzia we wszystkich krajach, gdzie są wykorzystywane technologie, a firmom zależy na pracownikach i dynamicznym rozwoju swojej organizacji.
– Nasze rozwiązanie jest już dostępne w języku angielskim i planujemy wprowadzać kolejne wersje językowe. Mamy już za sobą pierwsze anglojęzyczne wdrożenia, które zakończyły się sukcesem. Nasz system umożliwia przeprowadzenie badania w ramach jednej organizacji nawet w kilku językach. Model biznesowy jest dopracowany, dlatego w przyszłości chcemy szukać potencjalnych inwestorów, którzy przede wszystkim pomogą nam wejść na nowe rynki i dotrzeć do klientów – mówi Bartosz Michałek.
Początki narzędzia Hinter.ai sięgają 2017 roku, gdy Bartosz Michałek, były prezes Comperia.pl, założył startup iniJOB. Platforma oferowała m.in. Pulsometr iniJOB, który umożliwiał monitorowanie doświadczeń pracowników z firmą i zbieranie pomysłów od zespołu. Po kilku latach doświadczeń z rynku, dołączeniu Instytutu Gaussa oraz wielu pivotach startup ewoluował do dopracowanego rozwiązania Hinter.ai. Na samym początku w pomysł iniJOB zainwestowało ponad 100 inwestorów w ramach kampanii crowdfundingowej, którzy obecnie są pośrednio akcjonariuszami Hinter.ai.
