Tre måder algoritmisk styring gør arbejdet mere stressende og mindre tilfredsstillende

Hvis du mener, at din leder behandler dig uretfærdigt, tanken kunne have strejfet dit sind, at det at erstatte nævnte chef med en objektiv maskine, der belønner præstation baseret på objektive data, er en vej til glæde på arbejdspladsen.

Men hvor tiltalende det end lyder, du ville tage fejl. Vores gennemgang af 45 undersøgelser af maskiner som ledere viser, at vi hader at være slaver af algoritmer (måske endda mere end vi hader at være slaver af irriterende mennesker).

Algoritmisk ledelse – hvor beslutninger om at tildele opgaver til arbejdere automatiseres – er oftest forbundet med koncertøkonomien.

Platforme som Uber blev bygget på teknologi, der brugte dataindsamling og overvågning i realtid, vurderingssystemer og "nudges" til at styre arbejdere. Amazon har været endnu en entusiastisk adopter, ved hjælp af software og overvågning til at dirigere menneskelige arbejdere i dets enorme lagre.

Efterhånden som algoritmer bliver stadig mere sofistikerede, vi ser dem på flere arbejdspladser, at overtage opgaver engang var provinsen af ​​menneskelige chefer.

For at få en bedre fornemmelse af, hvad det vil betyde for kvaliteten af ​​folks arbejde og trivsel, vi analyserede publicerede forskningsstudier fra hele verden, der har undersøgt virkningen af ​​algoritmisk ledelse på arbejdet.

Vi identificerede seks ledelsesfunktioner, som algoritmer i øjeblikket er i stand til at udføre:overvågning, målopnåelse, resultatstyring, planlægning, kompensation, og jobopsigelse. Vi så derefter på, hvordan disse påvirkede arbejdere, trækker på årtiers psykologisk forskning, der viser, hvilke aspekter af arbejdet der er vigtige for mennesker.

Kun fire af de 45 undersøgelser viste blandede effekter på arbejdet (nogle positive og nogle negative). Resten fremhævede konsekvent negative virkninger for arbejdere. I denne artikel vil vi se på tre hovedeffekter:

• Mindre opgavevariation og brug af færdigheder
• Reduceret jobautonomi
• Større usikkerhed og usikkerhed

1. Reduceret opgavevariation og brug af færdigheder

Et godt eksempel på, hvordan algoritmisk styring kan reducere opgavevariation og brug af færdigheder, er demonstreret af en undersøgelse fra 2017 om brugen af ​​elektronisk overvågning til at betale britiske sygeplejersker, der yder hjemmepleje til ældre og handicappede.

Det system, som sygeplejerskerne arbejdede under, skulle forbedre deres effektivitet. De skulle bruge en app til at "tagge" deres plejeaktiviteter. De blev kun betalt for de opgaver, der kunne mærkes. Intet andet blev genkendt. Resultatet var, at de fokuserede på de akutte og tekniske plejeopgaver - såsom at skifte bandager eller give medicin - og opgav at bruge tid på at tale med deres patienter. Dette reducerede både kvaliteten af ​​plejen og sygeplejerskernes følelse af at udføre et betydningsfuldt og værdifuldt arbejde.

Forskning tyder på, at øget brug af algoritmer til at overvåge og administrere medarbejdere vil reducere opgavevariationen og dygtiggøre os. Call centre, for eksempel, bruger allerede teknologi til at vurdere en kundes humør og instruere callcentermedarbejderen i præcis, hvordan de skal reagere, fra hvilke følelser de skal dybt til hvor hurtigt de skal tale.

2. Reduceret jobautonomi

Gig-arbejdere omtaler som "autonomens fejlslutning", der opstår fra den tilsyneladende evne til at vælge, hvornår og hvor længe de arbejder, når virkeligheden er, at platformsalgoritmer bruger ting som acceptrater til at beregne præstationsscore og til at bestemme fremtidige opgaver.

Dette tab af generel autonomi understreges af en undersøgelse fra 2019, der interviewede 30 koncertarbejdere ved hjælp af "akkordarbejde"-platformene Amazon Mechanical Turk, MobileWorks og CloudFactory. I teorien kunne arbejderne vælge, hvor længe de arbejdede. I praksis følte de, at de var nødt til konstant at være på vagt for at sikre de bedst betalende opgaver.

Dette er ikke kun oplevelsen af ​​koncertarbejdere. En detaljeret undersøgelse fra 2013 af den amerikanske lastbilkørselsindustri viste ulemperne ved algoritmer, der dikterer, hvilke ruter chauffører skal tage, og hvornår de skulle stoppe, baseret på vejr- og trafikforhold. Som en chauffør i undersøgelsen udtrykte det:"En computer ved ikke, hvornår vi er trætte, træt, eller noget andet […] Jeg er også professionel, og jeg har ikke brug for en [computer], der fortæller mig, hvornår jeg skal stoppe med at køre."

3. Øget intensitet og usikkerhed

Algoritmisk styring kan øge arbejdsintensiteten på en række måder. Det kan diktere tempoet direkte, som med Amazons brug af timere til "plukkere" i dets opfyldelsescentre.

Men måske mere skadelig er dens evne til indirekte at øge arbejdspresset. Arbejdere, der ikke rigtig forstår, hvordan en algoritme træffer sine beslutninger, føler sig mere usikre og usikre på deres præstation. De bekymrer sig om alle aspekter af at påvirke, hvordan maskinen vurderer og rangerer dem.

For eksempel, i en 2020-undersøgelse af erfaringerne fra 25 madkurerer i Edinburgh, rytterne talte om at føle sig ængstelige og være "på kanten" til at acceptere og fuldføre opgaver, for at deres præstationsstatistikker ikke skulle blive påvirket. Dette fik dem til at tage risici som at køre gennem rødt lys eller gennem travl trafik i kraftig regn. De følte sig presset til at tage alle opgaver og løse dem så hurtigt som muligt for at blive tildelt flere job.

Undgå en tsunami af usundt arbejde

Det overvældende omfang, hvori undersøgelser viser negative psykologiske resultater fra algoritmisk styring, tyder på, at vi står over for en tsunami af usundt arbejde, efterhånden som brugen af ​​sådan teknologi accelererer.

I øjeblikket er design og brug af algoritmiske styringssystemer drevet af "effektivitet" for arbejdsgiveren. En mere velovervejet tilgang er nødvendig for at sikre, at disse systemer kan eksistere side om side med værdige, meningsfuldt arbejde.

Gennemsigtighed og ansvarlighed er nøglen til at sikre, at arbejdere (og deres repræsentanter) forstår, hvad der overvåges, og hvorfor, og at de kan appellere disse afgørelser til en højere, human, strøm.

Denne artikel er genudgivet fra The Conversation under en Creative Commons -licens. Læs den originale artikel.