Första veckorna när du börjat använda Winningtemp och svarar på frågorna som skickas ut är de helt slumpmässigt utvalda. Efter några veckor kommer algoritmerna bakom Winningtemp att identifiera ett svarsmönster och ställa mer riktade frågor inom de frågekategorier som du tidigare svarat väldigt positivt eller väldigt negativt om.
Det vill säga, om jag är jättepositiv till min chefs ledarskap kommer systemet ställa mer frågor om detta. Anledningen till detta är för att min chef och hela företaget ska få mer information om vad det är exakt som vi användare är positiva eller negativa till. Ledarskap är en relativt brett begrepp så algoritmerna hjälper till att identifiera vilken aspekt inom denna frågekategori jag är positiv till.
För att säkerställa att användaren får en variation av frågor tar också algoritmen hänsyn till hur ofta olika frågor har ställts, både för att användaren ska känna sig motiverad att fortsätta svara men också för att säkerställa att allas åsikter tas in för att få en mer rättvisande temperatur.
Detta innebär i praktiken att du och dina kollegor kommer få olika frågor, för troligen tycker ni inte exakt samma om allt. Det innebär också att du ibland kommer få väldigt liknande frågor, eller rent utav samma fråga flera gånger. Exempelvis om du svarar negativt på en fråga om stress kommer du troligtvis få en fråga om stress vid nästa frågeutskick också. Detta beror på att systemet vill identifiera om detta var engångsföreteelse eller om det är ett regelbundet mönster.
Om det finns risk för psykisk ohälsa och utbrändhet kommer systemet varna din arbetsgivare om detta i form av en Insikt. Kom ihåg att du alltid är anonym i Winningtemp, företaget kommer bara vilken avdelning som upplever hög nivå av stress.
Läs mer: Vad är "Insikter"
Vill du veta mer om hur vår AI jobbar?
Några ord om hur vår AI fungerar från en av Winningtemps egna Data Scientists (endast på engelska).
"We can categorize AI as either general AI or narrow AI. General AI is a machine capable of learning to solve any number of problems without human input and would be able to adapt and evolve on its own.
On the other side, narrow AI is widely used. You could think of it as a "specialist" machine capable of handling a specific task or a limited range of tasks. These machines make autonomous decisions in their area of speciality and often outperform humans.
Winningtemp has several machines of this kind deployed in our product and some of them use machine learning (turnover predictions, hot topics). But what is AI, and how does it differ from Machine Learning (ML)? AI is anything capable of mimicking human behaviour to resolve problems in ways that are considered "smart". From the simplest applications to very robust and complex learning algorithms such as deep neural networks. Please note (also illustrated in the attached image), that in a broad sense, an AI / a machine can resolve problems in smart ways by using common statistical methods in combination with predefined rules.
You can think of the "Accuracy score" which given data and some predefined statistical parameters (confidence level 95%) calculates other statistical parameters (confidence interval), and if that calculated parameter is below a predefined threshold we say can be confident that the score will not change much. A more complex subset of AI are machines capable of learning, hence the name machine learning. These machines identify patterns in data, e.g., in past human answering behaviour, and can recognize similar behaviours and make decisions. They’re good at predicting, such as predicting employee turnover. They are getting better at their predictions every time they acquire new data. The only disadvantage is that humans often need to prepare the data by engineering what we think are important "data features" so that the machine has an easier job".