ในช่วงเดือนเมษายนที่ผ่านมา มีพนักงานใหม่จำนวนมากที่ลาออกจากงานในระยะเวลาอันสั้นหลังจากเพิ่งเริ่มทำงานได้ไม่นาน ส่งผลให้บริษัทบริการให้คำปรึกษาเรื่องการลาออกในโตเกียวและโอซาก้าได้รับการติดต่อจากพนักงานใหม่จำนวนมาก
โดยสาเหตุหลักของการลาออกมักเกิดจากความไม่ตรงกันระหว่างงานจริงกับสิ่งที่ได้รับคำอธิบายก่อนเข้าทำงาน รวมถึงประสบการณ์ถูกกลั่นแกล้งในที่ทำงานด้วย
ศาสตราจารย์ Shigehiko Shiratori จาก Tokyo City University ได้ร่วมมือกับบริษัทสตาร์ทอัพในการพัฒนา AI เพื่อคาดการณ์พนักงานที่มีแนวโน้มจะลาออก เพื่อลดการลาออกจากงานเนื่องจากความไม่เข้ากัน โดยอาศัยข้อมูล เช่น ข้อมูลการทำงาน, เพศ, ลักษณะเฉพาะของพนักงาน และข้อมูลพนักงานที่เคยลาออกหรือลาหยุด เพื่อสร้างโมเดลการลาออกเฉพาะของบริษัท เมื่อนำข้อมูลการทำงานประจำวันของพนักงานใหม่ใส่เข้าไป AI จะทำนายความเสี่ยงในการลาออกและแสดงออกมาเป็นตัวเลข
Takayoshi Kurita หัวหน้าแผนกวิจัยอนาคตแรงงานของ Recruit ชี้ให้เห็นว่า บริษัทเคยชอบวิธีการทำงานแบบเหมารวม แต่ในปัจจุบันที่ทัศนคติการใช้ชีวิตการทำงานหลากหลายมากขึ้น พนักงานจึงยากที่จะปรับตัวเข้ากับวิธีการแบบเดิมและหางานที่ดึงดูดใจกว่าแทน
เขายังวิเคราะห์ด้วยว่าคนรุ่นใหม่มักต้องการลดความไม่แน่นอนหากไม่ชัดเจนว่าจะทำงานที่ไหน กับใคร ทำอะไร ก็จะยิ่งวิตกกังวล แต่หากอธิบายให้ชัดเจน ความวิตกกังวลก็จะลดลงไปมาก
ขณะที่ Nana Yamamoto วัย 26 ปี ซึ่งลาออกจากงานที่บริษัทอินเทอร์เน็ตในเดือนพฤษภาคมเมื่อ 2 ปีก่อน หลังทำงานได้เพียง 2 เดือน เล่าว่า หลังจบการอบรม 2 เดือน เธอถูกส่งไปยังแผนกที่ไม่ตรงกับที่เคยแจ้งความต้องการไว้ จึงตัดสินใจลาออก หากมีการพูดคุยประนีประนอมหาจุดที่ยอมรับร่วมกันได้เธออาจจะอยู่ทำงานต่อก็ได้ อย่างไรก็ตาม เธอก็วางแผนจะลาออกในช่วงเวลาหนึ่งอยู่แล้ว เพื่อเก็บเกี่ยวทักษะและออกไปทำงานอิสระ
ด้าน Shinji Tanimoto ผู้แทนของบริษัทให้คำปรึกษาการลาออก Momri ในโตเกียว กล่าวว่า มีคนจำนวนมากที่อยากลาออกไปหางานใหม่ แต่เขาแนะนำว่าควรพยายามก่อน แต่หากยากเกินไปก็ควรพิจารณาลาออกและเปลี่ยนงาน และบริษัทควรจัดการเรื่องแรงงานให้ดีขึ้นเพื่อลดการลาออกลง
นอกจากนี้ตัวเลขจากกระทรวงสาธารณสุข แรงงาน และสวัสดิการของญี่ปุ่น ยังแสดงให้เห็นว่า อัตราการลาออกภายใน 3 ปีแรกของการทำงานของบัณฑิตจบใหม่ยังคงสูงกว่า 30% มาตลอดกว่า 10 ปี สะท้อนสถานการณ์ที่ 3 ใน 10 คนของผู้ที่เริ่มทำงานลาออกภายใน 3 ปี และ 24.5% ลาออกภายใน 2 ปี ซึ่งเป็นตัวเลขสูงที่สุดในรอบ 10 ปี
อ้างอิง:
