Czego nadzór pracowników oparty na sztucznej inteligencji nie może Ci powiedzieć

Nikt nie zabiera się za budowanie systemu nadzoru nad pracownikami. Zwykle pojawia się on przebrany za optymalizację, produktywność, dobrostan lub wydajność. Jednak w miarę jak sztuczna inteligencja umożliwia monitorowanie wszystkiego — od naciśnięć klawiszy i ruchów myszy po emocje i zachowania fizyczne — coraz trudniej ignorować granicę między uzasadnionym pomiarem a inwazyjnym nadzorem.

W tym odcinku rozmawiam z Lynn Parramore, dyrektorką ds. projektów specjalnych w Institute for New Economic Thinking, o tym, co tracimy, gdy liderzy zakładają, że wszystko, co wartościowe w pracy, można zmierzyć. Zastanawiamy się, dlaczego ciągłe monitorowanie podkopuje zaufanie, jak algorytmy pozbawiają ludzkie zachowania kontekstu, dlaczego młodsi pracownicy mają dobre powody, by sceptycznie podchodzić do sztucznej inteligencji, oraz dlaczego liderzy muszą myśleć o miejscu tej technologii w sposób filozoficzny — nie tylko praktyczny.

Czego się dowiesz

  • Jak odróżnić uzasadnione monitorowanie w miejscu pracy od inwazyjnego nadzoru
  • Dlaczego większa ilość danych o pracownikach nie musi prowadzić do lepszych decyzji zarządczych
  • Jak ciągłe monitorowanie może podważać zaufanie, bezpieczeństwo psychologiczne i motywację wewnętrzną
  • Dlaczego algorytmy mają trudności z rozpoznawaniem intencji, osądu, kontekstu, kreatywności i wiedzy ukrytej
  • Jak angażowanie pracowników w decyzje dotyczące monitorowania może prowadzić do lepszych rezultatów
  • Dlaczego wdrażanie sztucznej inteligencji wymaga od liderów uwzględniania konsekwencji etycznych i społecznych, a nie tylko wydajności

Najważniejsze wnioski

  • Mierz w uzasadnionym celu, a nie tylko dlatego, że możesz. Monitorowanie może mieć sens, gdy jest ściśle powiązane z bezpieczeństwem, ergonomią, cyberbezpieczeństwem lub inną jasno określoną potrzebą. Gromadzenie danych wyłącznie dlatego, że technologia na to pozwala, to sposób, w jaki optymalizacja po cichu zamienia się w nadzór.
  • Większa widoczność może oznaczać mniejsze zaufanie. Ciągłe monitorowanie wysyła niewypowiedziany komunikat: nie ufamy ci, dopóki nie możemy cię zweryfikować. To kosztowna wymiana, gdy zaufanie stanowi fundament zaangażowania, innowacyjności, retencji i gotowości ludzi do korzystania z własnego osądu.
  • Dane rejestrują zachowanie. Nie muszą go jednak wyjaśniać. Pracownik, który dłużej rozmawia z klientem, może wyglądać dla algorytmu na nieefektywnego, choć w rzeczywistości robi dokładnie to, czego oczekujesz: zajmuje się trudnym problemem aż do jego rozwiązania. Informacja pozbawiona kontekstu nie jest zrozumieniem.
  • Ludzkiej wartości nie da się łatwo zmieścić na pulpicie. Pomaganie współpracownikowi, rozważanie trudnego problemu, wykazanie się odwagą moralną, korzystanie z dobrego osądu czy zwykłe wpatrywanie się w przestrzeń, gdy rodzi się pomysł, może wyglądać jak nieproduktywny czas. Czasami to arkusz kalkulacyjny się myli, a nie pracownik.
  • Ludzie również będą optymalizować swoje działania pod kątem nadzoru. Pracownicy Fredericka Taylora manipulowali jego zegarami. Współcześni pracownicy używają urządzeń poruszających kursorem — a najwyraźniej nawet strategicznie umieszczonych ananasów. Gdy wskaźnik staje się pracą, ludzie uczą się spełniać wymagania wskaźnika.
  • Pozostaw ludziom możliwość zakwestionowania działania maszyny. Algorytm powinien być pomocą, a nie niewidzialnym przełożonym. Gdy pracownicy nie mogą podważyć zautomatyzowanych ocen — nawet kiedy ich profesjonalny osąd mówi im, że system się myli — nie wzmacniasz ludzkich kompetencji. Zastępujesz je.
  • Sceptycyzm wobec sztucznej inteligencji nie musi oznaczać sprzeciwu wobec technologii. Młodsi pracownicy dorastali otoczeni technologią, a jednocześnie obserwowali, jak firmy gromadzą ich dane, łamią obietnice i podporządkowują ich życie modelom biznesowym, których nie wybrali. Liderzy nie powinni lekceważyć tego sceptycyzmu. Powinni zasłużyć na zaufanie, o które proszą.
  • Wiedz, kiedy nacisnąć pauzę. Poruszanie się najszybciej nie jest automatycznie równoznaczne z dobrym przywództwem. Jeśli nie rozumiesz konsekwencji systemu sztucznej inteligencji — dla pracowników, społeczności lub społeczeństwa — spowolnienie może być rozsądniejszą decyzją biznesową.

Rozdziały

  • 00:00 — Kiedy monitorowanie staje się nadzorem
  • 02:31 — Wyznaczanie granicy
  • 04:58 — Panoptykon w pracy
  • 07:33 — Śledzenie emocji pracowników
  • 09:43 — Czego nie da się zmierzyć danymi
  • 11:54 — Koszt ciągłego monitorowania
  • 15:00 — Informacja a zrozumienie
  • 17:33 — Rozwój nadzoru w miejscu pracy
  • 21:08 — Gra z systemem
  • 23:57 — Czego algorytmy nie dostrzegają
  • 27:12 — Zaufanie wymaga niepewności
  • 28:27 — Sztuczna inteligencja jako niewidzialny przełożony
  • 31:12 — Etyka sztucznej inteligencji
  • 34:04 — Sceptycyzm pokolenia Z wobec sztucznej inteligencji
  • 37:12 — Algorytmy a ludzki osąd
  • 40:21 — Wspieranie pracowników w dobie sztucznej inteligencji
  • 45:07 — Czemu służą korporacje?
  • 47:02 — Wiedza o tym, kiedy się zatrzymać

Poznaj naszą gościnię

Lynn Parramore jest starszą analityczką ds. badań i dyrektorką ds. projektów specjalnych w Institute for New Economic Thinking (INET), gdzie bada związki między ekonomią, historią, kulturą i psychologią. Jako historyczka kultury, autorka i dziennikarka przekłada złożone badania ekonomiczne na przystępne narracje dotyczące nierówności, władzy korporacji, pracy i sprawiedliwości ekonomicznej. Lynn uzyskała stopień doktora na Uniwersytecie Nowojorskim i jest autorką książki Czytanie Sfinksa oraz współredaktorką publikacji Jak ruch Occupy zmienia Amerykę. Jej komentarze i teksty ukazywały się w najważniejszych mediach, wnosząc interdyscyplinarną perspektywę do debat o gospodarce i jej wpływie na codzienne życie.

You may also like