مدیریت الگوریتمی گذشته است، نه آینده کار

  • 2021-02-16

استفاده از هوش مصنوعی در محیط کار هم به عنوان آینده کار و هم به عنوان نابودی آن مورد استقبال قرار گرفته است. کاربردهای کارگر پسند هوش مصنوعی در محیط کار شامل اتوماسیون کارهای خطرناک، کثیف و کسل کننده، برنامه ریزی استراتژیک نیروی کار و یادگیری و مهارت مجدد است. با این حال، برنامه های کاربردی که ممکن است به جای کمک به کارگران آسیب برساند نیز در حال ظهور هستند. به عنوان مثال نشان داده شده است که الگوریتم های هوش مصنوعی در استخدام و ارتقاء تبعیض قائل هستند. به همان اندازه نگران کننده برای کارگران، مدیریت الگوریتمی (AM) است.

AM استفاده از هوش مصنوعی برای تعیین وظایف و نظارت بر کارگران است. این شامل ردیابی مستمر کارگران، ارزیابی عملکرد ثابت و اجرای خودکار تصمیمات، بدون دخالت انسان است. این الگوریتم ها برای بهینه سازی تخصیص کارآمد منابع در تولید کالاها و خدمات، کمک به سازمان ها در کاهش هزینه ها، به حداکثر رساندن سود و تضمین رقابت در بازار طراحی شده اند.

با این حال، بهینه سازی بهره وری می تواند به بهای رفاه کارگران تمام شود. بدتر شدن کیفیت شغل اغلب یکی از عوارض جانبی الگوریتم های زمان بندی و تخصیص است. در انبارها، ربات‌ها هنوز جای کارگران را نمی‌گیرند، اما الگوریتم‌ها مشاغل را بهینه‌سازی می‌کنند تا کارگران را بیشتر شبیه ربات‌ها کنند و زمان بیکاری کارگران را به حداقل برسانند (تا جایی که از تعطیلات حمام صرف نظر کنند). در خرده‌فروشی، الگوریتم‌های زمان‌بندی، ساعات طولانی و غیرقابل پیش‌بینی را برای کارگران به ارمغان می‌آورند که تعادل بین زندگی شخصی و کار را غیرممکن می‌کند. AM دیگر محدود به پلت‌فرم‌های کار دیجیتال نیست، اما اکنون در کل اقتصاد، به‌ویژه در خرده‌فروشی‌ها، مراکز تماس، بیمارستان‌ها و انبارها فراگیر شده است.

با این حال هیچ کدام از اینها جدید نیست. برای یافتن شواهدی از اثرات مضر چنین شیوه‌های بهینه‌سازی، نیازی به جستجوی دور نداریم. اصول مدیریت علمی فردریک تیلور، که در سال 1911 نوشته شده است، مانند یک راهنمای قرن بیست و یکم برای مدیریت داده محور است: جمع آوری داده ها و تجزیه و تحلیل فرآیند، کارایی و استانداردسازی، و انتقال دانش از کارگران به ابزارها، فرآیندها و اسناد. تحول دیجیتالی که سازمان‌ها در دهه‌های گذشته پشت سر گذاشته‌اند، کوه‌هایی از داده‌ها و فناوری ارزان‌قیمت برای ذخیره‌سازی و تجزیه و تحلیل آن داده‌ها را در اختیار آنها گذاشته است. با ظهور هوش مصنوعی در محل کار، رویای تیلور در مورد فرآیندهای کاری کاملاً بهینه شده ممکن است سرانجام به واقعیت تبدیل شود.

با این حال ، این با قیمت همراه است. کارخانه های فورد که به اصول تیلور پایبند بودند ، میزان گردش مالی کارکنان بیش از 350 ٪ داشتند (به این معنی که کل کارمندان باید 3. 5 بار در سال جایگزین شوند). دشوار نیست بدانید که کیفیت شغل در خطوط مونتاژ فورد بسیار بد بود.

شواهد زیادی در مورد تأثیر استقلال شغلی بر رفاه و سلامتی کارگران وجود دارد. نشان داده شده است که مشاغل دارای استقلال یا کنترل کم منجر به نتایج منفی سلامت و فشار روانی می شود. شرایط حاد ، خطر قلبی عروقی ، اختلالات اسکلتی عضلانی ، مشکلات سلامت روان ، ناتوانی عملکردی و مشکلات بهداشتی خود ارزیابی شده نیز با مشاغل کم اتوایی در بین کارگران مسن همراه است. داده های مربوط به پیامدهای قابل مشاهده ، اثرات خود ارزیابی شده را تأیید می کند: بیماری عروق کرونر قلب و حتی مرگ و میر قلبی عروقی در طول زمان تحت تأثیر کنترل شغل قرار گرفته است. این تأثیرات طولانی مدت بر سلامت کارگران می تواند سالها پس از قرار گرفتن در معرض مشاغل پایین اتونوم احساس شود.

شاخص های کیفیت شغل توسعه یافته توسط Eurofound (بنیاد اروپایی برای بهبود شرایط زندگی و کار) شامل توانایی تغییر ترتیب وظایف ، امکان انتخاب یا تغییر سرعت یا نرخ کار و توانایی تغییر یا انتخاب روش ها است. کارهر سه اقدامات بین سالهای 2005 و 2015 در اروپا افزایش یافته است (شکل 1). با توجه به تأثیر خاص هوش مصنوعی در خودکار سازی دقیقاً آن نوع تصمیمات ، یک خطر واقعی وجود دارد که این اشکال از محل کار AI می تواند این تکامل را معکوس کند و 100 سال بهزیستی کارگران را به دست آورد.

figure1-laura-06

مقررات هوش مصنوعی در مقابل مقررات کار

برخی از حمایت ها از کارگران اتحادیه اروپا در برابر بهینه سازی بیش از حد مبتنی بر هوش مصنوعی ممکن است از پیشنهادات کمیسیون اروپا در مورد اطمینان از AI قابل اعتماد ، که در تاریخ 21 آوریل منتشر شده است ، حاصل شود. هدف این کمیسیون تضمین بهداشت ، ایمنی و حقوق اساسی افراد و مشاغل ، ضمن ترویج پذیرش و نوآوری هوش مصنوعی است.

این پیشنهاد هشت زمینه از برنامه هوش مصنوعی را در نظر گرفته می شود که خطر بالایی برای سلامتی و ایمنی در نظر گرفته شده است. به درستی ، این کمیسیون شامل استفاده از هوش مصنوعی در اشتغال و مدیریت کارگران است. این کمیسیون به طور خاص از الگوریتم هایی برای اختصاص افراد به مشاغل (استخدام ، انتخاب ، ارتقاء و خاتمه) و الگوریتم های برنامه ریزی و بهره وری (تخصیص کار ، نظارت و ارزیابی) استفاده می کند. به گفته این کمیسیون ، این سیستم ها "ممکن است با" تداوم الگوهای تاریخی تبعیض "و نقض" حقوق محافظت از داده ها و حفظ حریم خصوصی "، چشم انداز شغلی آینده و معیشت کارگران را تحت تأثیر قرار دهد.

[1] به طور خاص در مورد اثرات تبعیض آمیز احتمالی هوش مصنوعی ، یکی دیگر از نهادهای مربوط به قانون در مقابله با تبعیض در محل کار است.

با این حال ، همانطور که نشان دادیم ، نگرانی در مورد هوش مصنوعی در محیط کار باید فراتر از چشم انداز شغلی و معیشت در کیفیت شغل و بهزیستی کارگران باشد. علاوه بر مقررات هوش مصنوعی ، تنظیم محیط کار اتحادیه اروپا می تواند به کاهش خطرات سلامتی مرتبط با کنترل کم شغل ناشی از مدیریت الگوریتمی کمک کند. در سطح اروپا ، دو نهاد اصلی قانونگذاری در این زمینه مرتبط هستند: قانون کار (پوشش شرایط کار مانند ساعات کار ، کار پاره وقت و ارسال کارگران و همچنین اطلاع رسانی و مشاوره در مورد افزونگی های جمعی و انتقال شرکت ها)و دستورالعمل چارچوب ایمنی و بهداشت شغلی (OSH) (89/391) (ایجاد تعهد قانونی برای کارفرمایان برای جلوگیری از کارگران خود با جلوگیری ، ارزیابی و مبارزه با خطرات ایمنی و سلامتی آنها) [1].

اما به نظر نمی رسد که هیچ یک از قوانین برای تأثیر در مقیاس بزرگ و دقت دقیق سیستم های هوش مصنوعی در محل کار باشد ، زیرا مشخص شده است که کارفرمایان به روش هایی که قوانین کار را از بین می برد ، از هوش مصنوعی استفاده می کنند. اساتید حقوقی الکساندر و تیپت این را "هک کردن قانون اشتغال" می نامند و شیوه هایی را توصیف می کنند که کارفرمایان از نرم افزار برای "پیاده سازی سیستم هایی که تا حد زیادی با قوانین موجود سازگار هستند اما قوانین قانونی را در حاشیه نقض می کنند" استفاده می کنند.

با این حال ، کاستی اصلی قانونگذاری مربوط به تضعیف استقلال کارگران (و سلامت طولانی مدت) این است که مشخصات خطرات محل کار یا معیارهای ارزیابی آنها بسیار مبهم است. در حالی که راهنمای عملی آژانس ایمنی و بهداشت در کار (OSHA) به عوامل روانی اجتماعی می پردازد ، دستورالعمل OSH خطرات خاصی را ذکر نمی کند. اصطلاحات "استرس" و "خطرات روانی اجتماعی" در اکثر قوانین صریحاً ذکر نشده است و منجر به عدم وضوح یا اجماع در مورد اصطلاحات مورد استفاده می شود. این باعث می شود کارفرمایان بتوانند انتخاب کنند و انتخاب کنند که خطرات لازم را در نظر بگیرند ، چه رسد به اینکه چگونه می توان آنها را اندازه گیری ، آدرس داد و آنها را کاهش داد. آیین نامه پیشنهادی کمیسیون همچنین تعریف خطرات را به اندازه کافی مشخص نمی کند.

کاستی ها و پیشنهادات

براساس پیشنهاد این کمیسیون ، از آنجا که مدیریت اشتغال و کارگران در هشت منطقه پرخطر گنجانده شده است ، سیستم های هوش مصنوعی در محل کار قبل از قرار دادن در بازار ، از جمله الزامات ارزیابی ریسک و سیستم های کاهش ، کیفیت داده ها در معرض تعهدات سختگیرانه قرار می گیرند. بررسی ها برای به حداقل رساندن خطر تبعیض ، ورود به سیستم برای اطمینان از ردیابی و اقدامات شفافیت از جمله مستندات دقیق و اطلاعات کاربر.

این برای محافظت کافی از کارگران کافی نیست. سیستم های هوش مصنوعی در محل کار فقط در معرض ارزیابی های ریسک انجام می شوند که توسط کارفرما یا ارائه دهنده سیستم هوش مصنوعی انجام می شود. برای تقویت حمایت از کارگران ، می توان در نظارت بر سیستم های هوش مصنوعی در محل کار ، به شرکای اجتماعی نیز نقشی کرد. کارگرانی که مخالف خروجی سیستم های هوش مصنوعی پرخطر هستند ، می توانند در برابر اقدامات انضباطی تحمیل شده توسط کارفرمایان محافظت کنند. در واقع ، مشارکت کارگران در اجرای و ارزیابی هوش مصنوعی می تواند تا حدی خطرات روانی اجتماعی سیستم های AI کاهش دهنده استقلال را کاهش دهد.

اما علاوه بر این مسئله که چه کسی باید خطرات سیستم های هوش مصنوعی در محل کار را ارزیابی کند ، مسئله وجود دارد که خطرات باید در ارزیابی اجباری گنجانده شود. مقررات پیشنهادی کمیسیون AI الزامات مربوط به سیستم های مدیریت ریسک را برای سیستم های هوش مصنوعی پرخطر در ماده 9 لیست می کند ، به عنوان اولین مرحله "شناسایی و تجزیه و تحلیل ازخطرات شناخته شده و قابل پیش بینیهمراه با هر سیستم هوش مصنوعی پرخطر "(تأکید ما). تأکید در طول پیشنهاد بر ایمنی ، بهداشت و حقوق بشر ، تفسیر این "خطرات شناخته شده و قابل پیش بینی" را بسیار گسترده می کند ، و فضای زیادی برای انتخاب برخی از خطرات نسبت به دیگران دارد.

در حالی که کارفرمایان خطرات ایمنی فوری آشکار را در نظر می گیرند (به عنوان مثال، خطر آسیب تصادفی یک ربات به کارگر با بازوی رباتیک خود)، ممکن است به همان اندازه خطرات سلامتی درازمدت مرتبط با سلب استقلال کارگران را در نظر نگیرند. با توجه به ارتباط بین کیفیت شغل و سلامت، اقدامات کنترل شغل شاخصی پاسخگوتر برای ارزیابی اینکه آیا یک سیستم هوش مصنوعی در درازمدت خطری برای رفاه کارگران دارد یا خیر است. بنابراین، کیفیت شغل (و به طور خاص استقلال) باید به صراحت به عنوان معیاری در ارزیابی ریسک هوش مصنوعی در محل کار گنجانده شود، و فرآیندهایی باید برای کاهش هر گونه تأثیر باقیمانده هوش مصنوعی بر کیفیت شغل و رفاه کارگران ایجاد شود.

نیاز به ابزارها و راهنمایی های بیشتر در مورد مدیریت ریسک روانی اجتماعی واضح است، اما برای الزام آور بودن، بهترین مکان برای پرداختن به این تعریف خطر در خود قانون OSH است. سپس مقررات پیشنهادی هوش مصنوعی می‌تواند به خطرات روانی-اجتماعی همانطور که در قانون OSH تعریف شده است اشاره کند تا در ارزیابی خطر و سیستم‌های کاهش خطر مورد نیاز برای حوزه پرخطر استخدام و مدیریت کارگران گنجانده شود.

شاخص‌های کنترل شغل Eurofound - توانایی انتخاب ترتیب کارها، سرعت کار و روش‌های کار - نقطه شروعی برای توسعه اقدامات برای ارزیابی ریسک روانی اجتماعی است. با توجه به تأثیر خاص هوش مصنوعی بر خودکارسازی دقیقاً آن نوع تصمیم‌ها، مهم است که درک کنیم که اشکال مختلف خودمختاری چگونه با رفاه در کار ارتباط دارند. همه استقلال یکسان نیستند و جنبه های مختلف کنترل شغل اثرات متفاوتی بر رفاه دارند. تحقیقات کنونی نشان می‌دهد که زمان‌بندی استقلال (انتخاب ترتیب کارها) می‌تواند استرس را کاهش دهد، در حالی که یادگیری خودمختاری (آزمایش با روش‌های کار) می‌تواند انگیزه‌بخش باشد. تنها با درک تأثیر متمایز انواع مختلف خودمختاری بر استرس و درگیری در محل کار می‌توان خطرات هوش مصنوعی برای رفاه کارگران را به درستی ارزیابی و کاهش داد. در دنیای کار دیجیتالی، طراحی دقیق شغل بیش از هر زمان دیگری اهمیت دارد.

نورسکی، ال. (2021) "مدیریت الگوریتمی گذشته است، نه آینده کار"، بلاگ بروگل، 6 می

این وبلاگ در پروژه "آینده کار و رشد فراگیر در اروپا" با حمایت مالی مرکز مسترکارت برای رشد فراگیر تولید شده است.

درباره نویسندگان

لورا نورسکی

لورا پرستاری آینده پروژه کار و رشد فراگیر را رهبری می کند که تأثیر فناوری بر ماهیت ، کمیت و کیفیت کار ، سیستم های رفاهی و رشد فراگیر را تجزیه و تحلیل می کند.

وی قبل از پیوستن به بروگل ، تأثیر طراحی شغلی و طراحی سازمان بر بهزیستی و بهره وری در محل کار را بررسی کرد. این حوزه ذاتاً چند رشته ای او را با پیشینه گسترده علوم اجتماعی ، روانشناسی ، جامعه شناسی و اقتصاد ، ترک کرده است.

لورا علاقه مند به داده و فناوری است. او به عنوان یک دانشمند سابق داده در بخش مالی و خرده فروشی ، مدلهای یادگیری ماشین و تجزیه و تحلیل داده های بزرگ را توسعه داد. او همچنین یک برنامه نویس آماری ماهر ، توسعه دهنده نظرسنجی و منبع باز است.

لورا دارای دکتری است. در سازمان صنعتی ، کارشناسی ارشددر اقتصاد و کارشناسی ارشد مهندسی تجارت از Ku Leuven.< SPAN> لورا پرستاری آینده پروژه رشد و رشد فراگیر را هدایت می کند که تأثیر فناوری را بر ماهیت ، کمیت و کیفیت کار ، سیستم های رفاهی و رشد فراگیر تجزیه و تحلیل می کند.

ثبت دیدگاه

مجموع دیدگاهها : 0در انتظار بررسی : 0انتشار یافته : ۰
قوانین ارسال دیدگاه
  • دیدگاه های ارسال شده توسط شما، پس از تایید توسط تیم مدیریت در وب منتشر خواهد شد.
  • پیام هایی که حاوی تهمت یا افترا باشد منتشر نخواهد شد.
  • پیام هایی که به غیر از زبان فارسی یا غیر مرتبط باشد منتشر نخواهد شد.