Bài 5. Nhóm chỉ số về mức độ hài lòng của nhân viên

1. Đặt vấn đề

AI local chỉ tạo giá trị khi nhân viên thật sự muốn dùng. Nếu hệ thống khó dùng, trả lời không sát, quá chậm hoặc làm tăng thêm việc kiểm tra, nhân viên sẽ bỏ qua. Vì vậy, mức độ hài lòng của nhân viên là nhóm chỉ số quan trọng để đánh giá khả năng chấp nhận hệ thống.

Hài lòng không chỉ là “thích hay không thích”. Cần đo xem AI có giúp công việc dễ hơn, nhanh hơn, rõ hơn và đáng tin hơn không.

2. Đối tượng khảo sát

Có thể khảo sát:

• Lãnh đạo bệnh viện.
• Lãnh đạo khoa/phòng.
• Phòng Quản lý chất lượng.
• Phòng Kế hoạch tổng hợp.
• Phòng Điều dưỡng.
• Phòng CNTT.
• CSKH/Công tác xã hội.
• Khoa lâm sàng.
• Khoa cận lâm sàng.
• Nhân viên hành chính.
• Nhân viên mới.

Mỗi nhóm có nhu cầu khác nhau, nên cần phân tích riêng.

3. Các nội dung cần đo

Có thể đo:

• Dễ sử dụng.
• Tốc độ phản hồi.
• Độ chính xác.
• Mức độ có nguồn.
• Khả năng tiết kiệm thời gian.
• Khả năng hỗ trợ công việc thật.
• Giao diện dễ hiểu.
• Câu trả lời dễ áp dụng.
• Mức độ tin tưởng.
• Mức độ muốn tiếp tục sử dụng.
• Mức độ muốn giới thiệu cho đồng nghiệp.

4. Câu hỏi khảo sát gợi ý

Có thể dùng thang 1–5:

• Tôi dễ dàng sử dụng hệ thống AI local.
• Hệ thống trả lời đủ nhanh cho công việc của tôi.
• Câu trả lời phù hợp với nhu cầu công việc.
• Câu trả lời có cấu trúc dễ sử dụng.
• Tôi tin tưởng hơn khi câu trả lời có nguồn.
• AI giúp tôi tiết kiệm thời gian.
• AI giúp tôi giảm công việc lặp lại.
• Tôi muốn tiếp tục sử dụng AI trong thời gian tới.
• Tôi cần được đào tạo thêm để dùng AI hiệu quả hơn.
• Tôi lo ngại về việc nhập dữ liệu nhạy cảm vào AI.

5. Chỉ số hài lòng tổng thể

Có thể tính:

• Điểm hài lòng trung bình.
• Tỷ lệ người dùng hài lòng hoặc rất hài lòng.
• Tỷ lệ người dùng không hài lòng.
• Điểm hài lòng theo khoa/phòng.
• Điểm hài lòng theo chatbot.
• Điểm hài lòng theo chức năng.

Ví dụ: chatbot QLCL có điểm hài lòng 4,3/5; chatbot CNTT 4,1/5; chatbot chung 3,5/5.

6. Chỉ số tiếp tục sử dụng

Một câu hỏi quan trọng:

“Anh/chị có muốn tiếp tục sử dụng hệ thống AI local trong công việc không?”

Có thể phân loại:

• Có, thường xuyên.
• Có, khi cần.
• Chưa chắc.
• Không.

Nếu nhiều người “chưa chắc” hoặc “không”, cần phân tích nguyên nhân.

7. Chỉ số niềm tin

Niềm tin với AI trong bệnh viện phải được đo thận trọng. Người dùng cần tin AI ở mức phù hợp, không quá tin. Có thể hỏi:

• Tôi tin câu trả lời AI khi có nguồn rõ.
• Tôi luôn kiểm tra lại nội dung quan trọng trước khi sử dụng.
• Tôi hiểu AI không thay thế quyết định chuyên môn.
• Tôi biết khi nào không nên dùng AI.

Mục tiêu là niềm tin có kiểm soát, không phải tin tuyệt đối.

8. Phản hồi định tính

Ngoài điểm số, cần hỏi mở:

• AI hữu ích nhất trong việc gì?
• AI chưa tốt ở điểm nào?
• Câu trả lời nào từng sai hoặc khó dùng?
• Cần thêm dữ liệu/tài liệu nào?
• Giao diện cần cải thiện gì?
• Cần chatbot chuyên biệt nào?
• Cần đào tạo thêm nội dung gì?

Phản hồi định tính thường giúp cải tiến sâu hơn điểm số.

9. Khảo sát sau đào tạo và sau sử dụng thực tế

Nên khảo sát hai thời điểm:

• Sau khi đào tạo sử dụng AI.
• Sau 2–4 tuần dùng thực tế.

Khảo sát ngay sau đào tạo có thể phản ánh cảm nhận ban đầu. Khảo sát sau sử dụng thực tế phản ánh giá trị thật.

10. Phân tích nhóm chưa hài lòng

Cần đặc biệt xem nhóm không hài lòng:

• Do hệ thống chậm?
• Do câu trả lời sai?
• Do không có tài liệu nguồn?
• Do giao diện khó dùng?
• Do chưa biết cách hỏi?
• Do lo ngại bảo mật?
• Do tác vụ của họ chưa phù hợp với AI?

Từ đó có giải pháp cụ thể.

11. Kết luận

Mức độ hài lòng của nhân viên là chỉ số quan trọng để đánh giá khả năng chấp nhận AI local. Cần đo dễ sử dụng, tốc độ, độ chính xác, hữu ích, tiết kiệm thời gian, niềm tin và nhu cầu tiếp tục sử dụng. Phản hồi định tính của nhân viên là nguồn dữ liệu quan trọng để cải tiến hệ thống, prompt, dữ liệu và đào tạo.