物聯網生物識別技術在工作場所中發揮更大作用
組織可以使用生物識別技術通過傳感器和監視來提高工作場所的安全性和員工安全性，但雇主還必須評估其潛在影響。
隨著健康和安全問題成為每個企業未來的核心，人們將發現一個新的數字接口：他們的身體。
生物識別交互包括幾種用于測量和分析人的身體或行為特征的方法?？紤]到個人的獨特生物屬性-指紋、語音、面部、虹膜或DNA-生物識別技術比密碼具有可觀的優勢，但機遇和風險遠遠超過了訪問控制。
用于員工身份驗證和訪問控制的生物識別傳感器已經在諸如政府和金融服務等高安全性環境中使用了數十年，但是現在，各種規模和行業的企業都在部署IoT生物識別。
探索不同的生物特征用途
技術、成本以及健康和安全實踐的最新變化正以十多個不同的用例迅速擴展市場。
(1) 通過智能基礎實施進行識別。智能門鎖、終端機、機器和攝像頭都是組織可以配備生物特征傳感器以驗證個人身份以訪問場所或資源的設備的示例。組織還為遠程訪問開發相關的解決方案，例如遠程醫療。
(2) 通過非接觸式傳感器進行識別。鑒于新型冠狀病毒，非接觸式接觸點提供了一種減少感染傳播可能性的方法。一些組織將物聯網生物識別技術用于高安全性用途，例如訪問控制和支付。例如，惠普(Hewlett Packard Enterprise)的新工作重返產品包括面部識別功能，使員工無需觸摸門把手或鍵盤即可進入相應區域位置。
(3) 多因素身份認證。生物識別技術是組織用作企業安全認證機制的新興因素。例如，在使用企業移動應用程序訪問敏感數據、帳戶或其他資產時，要求員工提供生物識別技術以進行訪問控制登錄身份驗證。
多因素認證的優劣勢
(4) 確定減少風險。生物識別技術還被用于減少欺詐、盜竊、網絡風險和健康風險。例如，可口可樂公司使用生物指紋識別系統來跟蹤進入其罐頭設施的獨立卡車司機的活動。另一家名為Verifyii的公司通過熱掃描為訪客和供應商提供認證，以降低COVID-19的風險。
(5) 候選人評估。組織可以在招聘過程中使用生物特征分析系統來分析和評估潛在員工。招聘人員使用語音和面部識別AI進行視頻采訪，根據對游戲化行為評估的響應來分析單詞選擇、語氣和面部表情。
(6) 位置和接近度監控。除了攝像頭，IoT生物識別傳感器也出現在可穿戴設備中，并且可以監視員工的活動。公司正在使用地理圍欄、觸覺和其他一系列功能進行監視，并確保員工之間的社會距離。
生物特征認證的類型
(7) 工作場所分析和監視。生物特征分析可以檢測辦公室、醫院或工廠中設施的移動、靠近、熱量和相互作用。組織將這些分析用于人員配備、績效監控和培訓。
(8) 遠程工作場所監視。隨著數百萬的工人迅速轉移到在家工作的環境中，隨之而來的是員工監視工具。這種更具爭議性的用例是由雇主對生產力的擔憂所激發的。一些雇主已經安裝了各種攝像頭技術(例如，默認情況下始終啟用的團體視頻會議軟件Sneek)，以確保員工正常工作并輕松聯系到員工。
(9) 通過生物特征監測進行性能分析。各種IoT設備都可以配備推斷各種生理和情感狀態的傳感器。例如，心率、凝視追蹤和溫度傳感器可以指示壓力水平，參與度等。有些情況對監控領導力的生理反應或員工滿意度問題提出了特別具有干擾性的方案。雖然是新生事物，但在工作場所采用這種生物技術可以整合各種工作流程，例如：
- 在培訓中，受訓者的情緒狀態可能會影響和適應課程中的問題、任務或順序。
- 在物流中，可以對駕駛員或機器操作員進行疲勞檢查。
- 在機器人交互中，機器人可以配備掃描儀以讀取人類的情緒或手勢。
(10) 安全和合規性分析。對安全性的智能監控(例如避免危險、確保合規性、質量保證或保護員工)一直是啟用生物識別和紅外熱像儀的最大賣點。身份驗證可以確保患者的隱私，并在建筑工地或制造工廠中提供分析。但是，在COVID-19之后，這一類別得到了極大的擴展。
(11) 公共衛生和健康分析。衛生環境成為大流行后世界經濟生存的關鍵。支持健康相關安全和衛生的軟件正在激增。這些解決方案提供了在IoT設備上運行的預定義AI模型，以檢測一系列生物特征和行為信號。 FogHorn System的新Lightning Edge平臺提供咳嗽和高溫檢測、洗手監控、社交距離監控、口罩檢測和個人防護設備監控。
(12) 健康與保健。雇主還為工人提供了多種選擇，以啟用生物特征識別的健康監控。一些計劃與保險產品和折扣掛鉤，例如Humana與Fitbit的員工援助計劃合作伙伴關系。其他一些則不太以保險為中心，而是與更廣泛的公司健康計劃保持一致，這些計劃提供的設備和應用可以監控從飲食、睡眠到心理健康的一切。普華永道最近為其員工提供了AI腕帶，以監控大流行期間的壓力水平。
物聯網領導者的關鍵問題
物聯網生物識別技術代表了與模擬方法、機器和屏幕根本不同的界面，并為企業帶來了一些新穎的問題。當物聯網和其他領導者評估這些實施決策時，他們必須評估的不僅僅是技術可行性。
- 文化。領導層是否準備提供可視性、問責制和選擇權，并在要求員工共享生物識別信息時投資于建立信任的流程和工具?
- 生產率。數字監視工具是否會真正提高生產率?相對于替代方法，收益是否大于風險?
- 風險。機器錯誤、欺詐、仿真、隱私、匿名、濫用或破壞的技術和系統風險是什么?
- 責任。從工人收集生物識別數據涉及哪些法律后果(或灰色區域)?
- 道德與員工權利。在違規、無意的濫用或意想不到的后果的情況下，收集敏感的生物統計數據(專有使用之外)的倫理意義是什么?組織外部的因素(例如高失業率和收入損失)如何侵蝕工人的選擇?
- 市場與競爭。哪些市場、技術、社會和競爭力量會影響生物識別接口的采用?您的行業或組織應如何將其納入其戰略?
