Wat AI-toezicht je niet kan vertellen over je werknemers

Niemand begint met het plan om een systeem voor toezicht op werknemers op te bouwen. Meestal arriveert het vermomd als optimalisatie, productiviteit, welzijn of efficiëntie. Maar nu AI het mogelijk maakt om alles te monitoren, van toetsaanslagen en muisbewegingen tot emoties en lichamelijk gedrag, wordt de grens tussen legitieme meting en indringend toezicht steeds moeilijker te negeren.

In deze aflevering spreek ik met Lynn Parramore, directeur Speciale Projecten bij het Institute for New Economic Thinking, over wat verloren gaat wanneer leiders ervan uitgaan dat alles wat waardevol is op het werk kan worden gemeten. We gaan dieper in op de vraag waarom voortdurende monitoring het vertrouwen aantast, hoe algoritmen de context uit menselijk gedrag halen, waarom jongere werknemers goede redenen hebben om sceptisch te zijn over AI, en waarom leiders filosofisch—niet alleen praktisch—moeten nadenken over waar deze technologie thuishoort.

Wat je zult leren

  • Hoe je legitieme monitoring op de werkplek onderscheidt van indringend toezicht
  • Waarom meer gegevens over werknemers niet noodzakelijk tot betere managementbeslissingen leidt
  • Hoe voortdurende monitoring het vertrouwen, de psychologische veiligheid en de intrinsieke motivatie kan ondermijnen
  • Waarom algoritmen moeite hebben met intentie, oordeelsvermogen, context, creativiteit en stilzwijgende kennis
  • Hoe werknemers betrekken bij beslissingen over monitoring tot betere resultaten kan leiden
  • Waarom de invoering van AI leiders verplicht om ethische en maatschappelijke gevolgen in overweging te nemen, en niet alleen efficiëntie

Belangrijkste inzichten

  • Meet voor een legitiem doel, niet omdat het kan. Monitoring kan zinvol zijn wanneer deze nauw verbonden is met veiligheid, ergonomie, cyberbeveiliging of een andere duidelijke behoefte. Gegevens verzamelen simpelweg omdat de technologie het mogelijk maakt, is de manier waarop optimalisatie stilletjes in toezicht verandert.
  • Meer zichtbaarheid kan minder vertrouwen betekenen. Voortdurende monitoring geeft een impliciete boodschap af: we vertrouwen je niet tenzij we je kunnen controleren. Dat is een kostbare ruil wanneer vertrouwen de basis vormt voor betrokkenheid, innovatie, behoud van werknemers en de bereidheid van mensen om hun oordeelsvermogen te gebruiken.
  • Gegevens leggen gedrag vast. Ze verklaren het niet noodzakelijk. Een werknemer die langer over een klantgesprek doet, kan voor een algoritme inefficiënt lijken, terwijl die persoon in werkelijkheid precies doet wat je wilt: bij een moeilijk probleem blijven totdat het is opgelost. Informatie zonder context is geen begrip.
  • Menselijke waarde past niet netjes op een dashboard. Een collega helpen, nadenken over een moeilijk probleem, morele moed tonen, goed oordeelsvermogen gebruiken of simpelweg in de verte staren terwijl een idee vorm krijgt, kan er allemaal uitzien als onproductieve tijd. Soms heeft de spreadsheet het mis, niet de werknemer.
  • Mensen zullen ook manieren vinden om toezicht heen te optimaliseren. De werknemers van Frederick Taylor knoeiden met zijn klokken. Moderne werknemers gebruiken muisbewegers—en blijkbaar zelfs strategisch geplaatste ananassen. Wanneer de maatstaf het werk wordt, leren mensen aan de maatstaf te voldoen.
  • Zorg dat mensen de machine kunnen overrulen. Een algoritme hoort een hulpmiddel te zijn, geen onzichtbare toezichthouder. Wanneer werknemers geautomatiseerde beoordelingen niet kunnen aanvechten—evenmin wanneer hun professionele oordeel hun vertelt dat het systeem het mis heeft—vergroot je expertise niet. Je heft haar op.
  • Scepsis tegenover AI is niet noodzakelijkerwijs anti-technologie. Jongere werknemers zijn opgegroeid omringd door technologie en hebben ook gezien hoe bedrijven hun gegevens verzamelden, beloften braken en hun leven vormgaven rond bedrijfsmodellen waar ze niet voor hadden gekozen. Leiders moeten die scepsis niet wegwuiven. Ze moeten het vertrouwen verdienen waar ze om vragen.
  • Weet wanneer je op pauze moet drukken. Het snelst bewegen is niet automatisch hetzelfde als goed leidinggeven. Als je de gevolgen van een AI-systeem—voor werknemers, gemeenschappen of de samenleving—niet begrijpt, kan vertragen de intelligentere zakelijke beslissing zijn.

Hoofdstukken

  • 00:00 — Wanneer monitoring toezicht wordt
  • 02:31 — De grens trekken
  • 04:58 — Het panopticum op het werk
  • 07:33 — Emoties van werknemers volgen
  • 09:43 — Wat gegevens niet kunnen meten
  • 11:54 — De kosten van voortdurende monitoring
  • 15:00 — Informatie versus begrip
  • 17:33 — De opkomst van toezicht op de werkplek
  • 21:08 — Het systeem bespelen
  • 23:57 — Wat algoritmen niet kunnen zien
  • 27:12 — Vertrouwen vereist onzekerheid
  • 28:27 — AI als onzichtbare toezichthouder
  • 31:12 — De ethiek van AI
  • 34:04 — De scepsis van generatie Z tegenover AI
  • 37:12 — Algoritmen versus menselijk oordeelsvermogen
  • 40:21 — Werknemers ondersteunen met AI
  • 45:07 — Waar zijn bedrijven voor?
  • 47:02 — Weten wanneer je moet pauzeren

Maak kennis met onze gast

Lynn Parramore is Senior onderzoeksanalist en directeur van Speciale Projecten bij het Institute for New Economic Thinking (INET), waar ze de verbanden tussen economie, geschiedenis, cultuur en psychologie onderzoekt. Als cultuurhistoricus, auteur en journalist vertaalt ze complex economisch onderzoek naar toegankelijke verhalen over ongelijkheid, macht van bedrijven, werk en economische rechtvaardigheid. Lynn heeft een Ph.D. van New York University en is de auteur van Reading the Sphinx en mederedacteur van How the Occupy Movement Is Changing America. Haar commentaar en werk zijn verschenen in grote media, waarbij ze een multidisciplinair perspectief biedt op debatten over de economie en de impact daarvan op het dagelijks leven.

You may also like