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.

You may also like