پیش از استعفا، یک ذهن غایب شکل میگیرد
پیش از استعفا،
یک ذهن غایب شکل میگیرد
چرا سازمانهای پیشرو دیگر منتظر نامه استعفا نمیمانند؛ و چگونه ترکیب People Analytics و هوش مصنوعی، سیگنالهای خروج را ماهها زودتر آشکار میکند.
سؤال درست، دیگر «چه کسی استعفا داد؟» نیست
شرکتهای بزرگ دیگر منتظر اعلام تصمیم کارکنان نمیمانند. آنها به دنبال لحظهای هستند که تصمیم، هنوز اعلام نشده، اما در حال شکلگرفتن است.
چه کسی استعفا داد؟
چه کسی در مسیر خروج قرار گرفته، پیش از آنکه خودش تصمیمش را اعلام کند؟
در گذشته، خروج کارکنان تنها با چند نشانه دیرهنگام شناخته میشد: استعفای رسمی، جلسه Exit Interview، و آغاز فرآیند جایگزینی نیرو. اما این نشانهها، پایان ماجرا هستند نه آغاز آن.
استعفا آخرین مرحله است، نه اولین علامت.
پیش از استعفا، یک مرحله قابل اندازهگیری وجود دارد
کارمند هنوز پشت میز خود نشسته است. حضور فیزیکی برقرار است، اما چیزی مهمتر، آرامآرام از سازمان خارج میشود.
- [−]مشارکت نوآورانه کاهش پیدا میکند
- [−]ایدهپردازی و پیشنهاد کمتری ثبت میشود
- [−]روند یادگیری و توسعه فردی کند یا متوقف میشود
- [−]فاصلهگیری تدریجی از پروژههای چالشی
- [−]اکتفا به حداقل انتظارات شغلی تعریفشده
سازمان یک نیروی کاملاً حاضر در اختیار دارد، اما یک ذهن غایب. این مسیر، برساخته ذهنی نیست؛ Gallup این طیف را از سالها پیش، از طریق مدل Q12 و مطالعه میلیونها کارمند، بهصورت رسمی طبقهبندی کرده است.
بر اساس همین طبقهبندی، آخرین گزارش State of the Global Workplace 2026 Gallup نشان میدهد از میان کارکنان جهان، تنها ۲۰٪ «متعهد و درگیر»، ۶۴٪ «بیتفاوت» و ۱۶٪ «فعالانه بیتعهد» هستند. یعنی نزدیک به ۸۰٪ از نیروی کار جهانی، همین حالا در یکی از دو مرحله پیش از خروج قرار دارد.
این فقط یک مسئله فرهنگی نیست
برای شرکتهای فهرست Fortune 500، افت تعلق سازمانی صرفاً یک نگرانی فرهنگی بهحساب نمیآید؛ اثر آن مستقیماً روی بهرهوری، ماندگاری نیروی کلیدی و عملکرد کلی کسبوکار قابل مشاهده است.
تعلق سازمانی جهانی در سال ۲۰۲۵ به ۲۰٪ رسید — پایینترین سطح از سال ۲۰۲۰ — و این افت، معادل ۱۰ تریلیون دلار زیان بهرهوری برای اقتصاد جهانی برآورد شده؛ رقمی برابر با نزدیک به ۹٪ از GDP جهانی.
به همین دلیل، سازمانهای پیشرو در حوزههای فناوری، مالی و صنعت، دیگر تنها به گزارشهای دورهای HR اکتفا نمیکنند. آنها بهدنبال پاسخ یک سؤال مشخصاند: کدام Talentهای کلیدی، در معرض کاهش تعلق یا خروج قرار دارند؟
People Analytics، اما نه به شکل گزارشهای سنتی
پاسخ این سؤال، از دل ترکیب چند لایه داده بهدست میآید؛ لایههایی که بهتنهایی معنای کمی دارند، اما در کنار هم، الگوی خروج را پیش از وقوع نشان میدهند.
داده عملکرد
روند تغییرات در نتایج و خروجی کاری فرد در طول زمان
یادگیری و توسعه
سرعت و پیوستگی مشارکت در دورهها و مسیرهای رشد
همکاری تیمی
میزان و کیفیت تعامل با اعضای تیم و پروژههای مشترک
بازخورد کارکنان
نتایج نظرسنجیها و بازخوردهای ادواری تعلق سازمانی
حضور و غیاب
الگوهای تغییر در نظم و ریتم حضور نسبت به گذشته فرد
مسیر رشد شغلی
وضعیت پیشرفت، ارتقا و توقفهای احتمالی در مسیر شغلی
سایر عوامل و فاکتورها
این فهرست، ثابت و بسته نیست؛ بسته به صنعت، فرهنگ سازمانی و ساختار تیم، لایههای داده دیگری هم میتوانند به این مدل اضافه شوند.
هوش مصنوعی در این میان، نقش کشف الگوهایی را ایفا میکند که تشخیص همزمان آنها برای یک تحلیلگر انسانی، در این حجم از داده، عملاً دشوار است.
هشداری که زودتر از مدیر، الگو را میبیند
«این فرد طی ۶ ماه گذشته، کاهش مشارکت، توقف یادگیری و افت تعامل با تیم داشته و ریسک Disengagement او افزایش یافته است.»
اما هوش مصنوعی جای قضاوت مدیر را نمیگیرد. نقش آن، کمک به مدیر برای پرسیدن سؤال درستتر است، نه صدور حکم نهایی درباره یک انسان.
سؤال واقعی این است: چرا انگیزه این فرد کاهش یافته؟ آیا ریشه در مسیر رشد اوست؟ در رابطه با مدیر مستقیم؟ در حس عدالت سازمانی؟ در حجم کار؟ یا در نبود فرصت یادگیری؟
آینده HR، متعلق به کدام سازمانهاست؟
آینده منابع انسانی، از آنِ سازمانهایی نیست که فقط خروج کارکنان را اندازهگیری میکنند؛ بلکه از آنِ سازمانهایی است که سیگنالها را پیش از خروج میبینند.
ترکیب People Analytics، هوش مصنوعی و قضاوت انسانی میتواند واحد منابع انسانی را از یک نهاد واکنشی، به یک شریک استراتژیک کسبوکار تبدیل کند — نهادی که پیش از بحران، آن را میبیند.
اگر فردا یکی از ۱۰٪ برتر Talentهای سازمان شما در معرض خروج باشد
چند ماه زودتر از آن باخبر خواهید شد؟ یا تنها زمانی متوجه میشوید که نامه استعفا روی میزتان قرار گرفته است؟
دیدگاهتان را بنویسید