Mitä tekoälyvalvonta ei voi kertoa työntekijöistäsi
Kukaan ei ryhdy rakentamaan työvoiman valvontajärjestelmää. Se saapuu yleensä optimoinniksi, tuottavuudeksi, hyvinvoinniksi tai tehokkuudeksi puettuna. Mutta kun tekoäly mahdollistaa kaiken seuraamisen näppäinpainalluksista ja hiiren liikkeistä tunteisiin ja fyysiseen käyttäytymiseen, oikeutetun mittaamisen ja tunkeilevan valvonnan välistä rajaa on yhä vaikeampi olla huomaamatta.
Tässä jaksossa keskustelen Institute for New Economic Thinking -instituutin erityishankkeiden johtajan Lynn Parramoren kanssa siitä, mitä menetetään, kun johtajat olettavat, että kaikkea työssä arvokasta voidaan mitata. Perehdymme siihen, miksi jatkuva valvonta rapauttaa luottamusta, miten algoritmit riisuvat ihmisen käyttäytymisestä kontekstin, miksi nuoremmilla työntekijöillä on hyvät syyt suhtautua tekoälyyn epäillen ja miksi johtajien on pohdittava filosofisesti – ei vain käytännöllisesti – sitä, mille tämä teknologia kuuluu.
Mitä opit
- Miten erottaa oikeutettu työpaikan seuranta tunkeilevasta valvonnasta
- Miksi suurempi määrä työntekijätietoja ei välttämättä johda parempiin johtamispäätöksiin
- Miten jatkuva seuranta voi heikentää luottamusta, psykologista turvallisuutta ja sisäistä motivaatiota
- Miksi algoritmeilla on vaikeuksia tulkita tarkoitusperiä, harkintaa, kontekstia, luovuutta ja hiljaista tietoa
- Miten työntekijöiden osallistaminen seurantaa koskeviin päätöksiin voi johtaa parempiin lopputuloksiin
- Miksi tekoälyn käyttöönotto edellyttää, että johtajat huomioivat tehokkuuden lisäksi eettiset ja yhteiskunnalliset seuraukset
Tärkeimmät opit
- Mittaa oikeutetusta syystä, älä vain siksi, että voit. Seurannassa voi olla järkeä, kun se liittyy rajatusti turvallisuuteen, ergonomiaan, kyberturvallisuuteen tai muuhun selkeään tarpeeseen. Tietojen kerääminen vain siksi, että teknologia mahdollistaa sen, on tapa, jolla optimointi muuttuu huomaamatta valvonnaksi.
- Suurempi näkyvyys voi tarkoittaa vähäisempää luottamusta. Jatkuva valvonta lähettää epäsuoran viestin: emme luota sinuun, ellemme voi varmistaa tekemisiäsi. Se on kallis vaihtokauppa, kun luottamus on sitoutumisen, innovoinnin, henkilöstön pysyvyyden ja ihmisten harkinnanvaraisen toiminnan perusta.
- Tieto tallentaa käyttäytymistä. Se ei välttämättä selitä sitä. Asiakaspuheluun tavallista enemmän aikaa käyttävä työntekijä voi näyttää algoritmin silmissä tehottomalta, vaikka hän todellisuudessa tekee juuri sitä, mitä haluat: pysyy vaikean ongelman parissa, kunnes se on ratkaistu. Kontekstiton tieto ei ole ymmärrystä.
- Ihmisen arvo ei mahdu siististi koontinäyttöön. Kollegan auttaminen, vaikean ongelman pohtiminen, moraalisen rohkeuden osoittaminen, hyvän harkinnan käyttäminen tai yksinkertaisesti tyhjyyteen tuijottaminen idean muotoutuessa voivat kaikki näyttää tuottamattomalta ajalta. Joskus laskentataulukko on väärässä, ei työntekijä.
- Ihmiset optimoivat toimintaansa myös valvonnan ympärillä. Frederick Taylorin työntekijät sormeilivat hänen kellojaan. Nykyaikaiset työntekijät käyttävät hiiren liikuttajia – ja ilmeisesti jopa strategisesti sijoitettuja ananaksia. Kun mittarista tulee työ, ihmiset oppivat täyttämään mittarin vaatimukset.
- Pidä ihmisillä mahdollisuus ohittaa kone. Algoritmin pitäisi olla apuväline, ei näkymätön esihenkilö. Kun työntekijät eivät voi kyseenalaistaa automatisoituja arvioita – edes silloin, kun heidän ammatillinen harkintansa kertoo järjestelmän olevan väärässä – et tue asiantuntemusta. Ohitat sen.
- Epäluulo tekoälyä kohtaan ei välttämättä tarkoita teknologiavastaisuutta. Nuoremmat työntekijät ovat kasvaneet teknologian ympäröiminä, mutta he ovat myös nähneet yritysten keräävän heidän tietojaan, rikkovan lupauksiaan ja muokkaavan heidän elämäänsä liiketoimintamallien ympärille, joita he eivät ole itse valinneet. Johtajien ei pitäisi torjua tätä epäluuloa. Heidän pitäisi ansaita se luottamus, jota he pyytävät.
- Tiedä, milloin on aika painaa taukopainiketta. Nopein eteneminen ei automaattisesti tarkoita hyvää johtamista. Jos et ymmärrä tekoälyjärjestelmän seurauksia työntekijöille, yhteisöille tai yhteiskunnalle, hidastaminen voi olla älykkäämpi liiketoimintapäätös.
Jaksot
- 00:00 — Milloin seurannasta tulee valvontaa
- 02:31 — Rajan vetäminen
- 04:58 — Panoptikon työpaikalla
- 07:33 — Työntekijöiden tunteiden seuranta
- 09:43 — Mitä tieto ei voi mitata
- 11:54 — Jatkuvan seurannan hinta
- 15:00 — Tieto vastaan ymmärrys
- 17:33 — Työpaikan valvonnan yleistyminen
- 21:08 — Järjestelmän pelaaminen
- 23:57 — Mitä algoritmit eivät näe
- 27:12 — Luottamus edellyttää epävarmuutta
- 28:27 — Tekoäly näkymättömänä esihenkilönä
- 31:12 — Tekoälyn etiikka
- 34:04 — Z-sukupolven epäluulo tekoälyä kohtaan
- 37:12 — Algoritmit vastaan ihmisen harkinta
- 40:21 — Työntekijöiden tukeminen tekoälyn keskellä
- 45:07 — Mitä varten yritykset ovat?
- 47:02 — Milloin on aika hidastaa
Tutustu vieraaseemme
Lynn Parramore toimii vanhempana tutkimusanalyytikkona ja erityisprojektien johtajana Institute for New Economic Thinking -instituutissa (INET), jossa hän tutkii taloustieteen, historian, kulttuurin ja psykologian välisiä yhteyksiä. Kulttuurihistorioitsijana, kirjailijana ja toimittajana hän muuntaa monimutkaisen taloustieteellisen tutkimuksen helposti ymmärrettäviksi kertomuksiksi eriarvoisuudesta, yritysvallasta, työstä ja taloudellisesta oikeudenmukaisuudesta. Lynn on väitellyt tohtoriksi New Yorkin yliopistossa, ja hän on teosten Sfinksin lukeminen ja Miten Occupy-liike muuttaa Amerikkaa toinen toimittaja. Hänen kommentaarinsa ja kirjoituksensa ovat ilmestyneet useissa merkittävissä tiedotusvälineissä, joissa hän on tuonut monitieteisen näkökulman taloutta ja sen vaikutuksia jokapäiväiseen elämään koskeviin keskusteluihin.
Aiheeseen liittyvät linkit:
- Liity People Managing People -yhteisöön
- Tilaa uutiskirje saadaksesi uusimmat artikkelimme ja podcastimme
- Verkostoidu Lynnin kanssa LinkedInissä
- Tutustu Lynnin kirjaan — Sfinksin lukeminen: Muinainen Egypti 1800-luvun kirjallisuuskulttuurissa
Aiheeseen liittyvät artikkelit ja podcastit:
David Rice: Kukaan ei oikeastaan ryhdy rakentamaan työvoiman valvontajärjestelmää. Kaikki alkaa optimointina, tuottavuuden parantamisena ja ajanhallintana. Kuulostaa lähtökohtaisesti myönteiseltä, eikö? Sitten vähitellen, ilman että kukaan tekee tietoista päätöstä, olet ylittänyt rajan. Tämän päivän ohjelmassa keskustelen Lynn Parramoren, Institute for New Economic Thinking -instituutin erityisprojektien johtajan, kanssa siitä, missä tuo raja kulkee ja miksi tekoäly tekee sen näkemisestä entistä vaikeampaa.
Lynnin keskeinen väite on, että työpaikan seuranta perustuu virheelliseen oletukseen: kaikkea työssä tärkeää voidaan mitata. Kollegan auttaminen, hyvä harkintakyky, moraalinen rohkeus ja luovuus eivät näy näppäilytiedoissa, mutta juuri ne tekevät ihmisestä usein aidosti arvokkaan. Kun ihmiset aletaan pelkistää datapisteiden kokoelmiksi, myös se muuttuu, mitä oikeastaan johdetaan.
Valvonta ei myöskään ole neutraalia. Heti kun päätät seurata jotakuta jatkuvasti, olet jo tehnyt hänestä oletuksen, ja työntekijät tuntevat sen. Luottamus rapautuu. Kuten Lynn huomauttaa, luottamus on kaiken muun perusta: sitoutumisen, innovaatioiden ja henkilöstön pysyvyyden. Tänään käsittelemme siis sitä, missä oikeutettu seuranta päättyy ja valvonta alkaa, miksi oletus kaiken tärkeän mitattavuudesta on virheellinen, miten seurannan intensiteetti ja luottamus ovat käänteisessä suhteessa sekä miksi johtajien on suhtauduttava tekoälyyn filosofisesti eikä vain käytännöllisesti.
Olen David Rice. Tämä on People Managing People, ja jos organisaatiosi on käsitellyt työvoiman seurantaa tuottavuustyökaluna, tämä keskustelu kannattaa kuunnella. Aloitetaan.
Jos olet pienyrityksen omistaja ja palkkaat ensimmäistä työntekijääsi, palkanmaksu voi tuntua suurelta askeleelta. QuickBooks Workforce helpottaa sitä yksinkertaistamalla palkanmaksua, suoramaksuja ja työntekijätietojen hallintaa yhdessä paikassa. Työntekijäsi voivat käyttää omia palkkalaskelmiaan ja verolomakkeitaan itsepalveluportaalin kautta, mikä säästää aikaasi ja vähentää paperityötä. Jos haluat käyttää vähemmän aikaa palkanmaksun hallintaan ja enemmän aikaa yrityksesi kasvattamiseen, tutustu QuickBooks Workforceen.
Lynn, tervetuloa ohjelmaan!
Lynn Parramore: Kiitos kutsusta.
David Rice: Keskustelimme ennen tätä siitä, että työtä on aina mitattu jollain tavalla, mutta tekoäly muuttaa perustavanlaatuisesti sen mittakaavaa ja sitä, kuinka yksityiskohtaista seuranta voi olla.
Haluaisin kuulla näkemyksesi: missä vaiheessa työn mittaaminen lakkaa liittymästä suorituskyvyn parantamiseen ja muuttuu valvonnaksi?
Lynn Parramore: Tämä on kysymys, jonka kanssa me kaikki kamppailemme, niin työntekijät kuin työnantajatkin. Aloitan ehkä toteamalla, että algoritmiselle seurannalle ja tekoälypohjaiselle valvonnalle – miksi sitä halutaankaan kutsua – on myös hyviä käyttötarkoituksia.
Esimerkiksi väsymyksen havaitseminen. Voisimme kuvitella lentäjän käyttävän puettavia laitteita väsymyksen tunnistamiseen. Useimmat meistä varmaan ajattelisivat, että se on järkevää. Tekoälylaitteita voidaan käyttää myös ergonomian ohjaamiseen. Jos joku nostaa raskaita esineitä, laite voi tunnistaa, millaiset liikkeet todennäköisimmin aiheuttavat vammoja.
Kyberturvallisuudessa on myös käyttökohteita. Näissä tilanteissa teknologia voi olla hyödyllistä eikä tunnu yksityisyyden loukkaukselta. Sen on kuitenkin palveltava selkeää ja oikeutettua tarkoitusta, ja työnantajan pitäisi kerätä vain tarpeelliset tiedot – ei ilmoittaa yhtä käyttötarkoitusta ja kerätä tietoja toista varten.
Työntekijälle on kerrottava avoimesti, mitä kerätään, miten se kerätään ja miten tiedot säilytetään. Ihmisen on myös pysyttävä mukana kaikessa päätöksenteossa, joka voi seurata tietojen keräämisestä, olipa kyse ylennyksestä, kurinpidosta tai työsuhteen päättämisestä.
Tietoja ei pidä käyttää seuraamusten automaattiseen määräämiseen. Tässä tullaan asioihin, jotka ovat muuttuneet monille meistä huolestuttaviksi: jatkuva verkkokameravalvonta, jokaisen näppäinpainalluksen tai hiiren liikkeen tallentaminen tai kuvakaappausten ottaminen esimerkiksi 20 sekunnin välein.
Tällaiset käyttötavat siirtyvät yksityisyyden loukkaamisen alueelle ja voivat vaikuttaa työntekijän suoriutumiseen todella kielteisesti.
