نتایج روانی منفی مدیریت الگوریتمی نشان می دهد که با تسریع استفاده از یک چنین فناوری، ما با سونامی کار ناسالم رو به رو هستیم.اما هر چقدر هم که این ایده جذاب به نظر برسد، باز در اشتباه هستید. بررسی چهل و پنج تحقیق ما بر روی ماشین ها به عنوان مدیر نشان می دهد که از برده الگوریتم ها بودن متنفر می شویم (شاید حتی بیشتر از این که از برده افراد آزار دهنده متنفر هستیم).
مدیریت الگوریتمی - که در آن تصمیم گیری در مورد تعیین وظایف برای کارگران به صورت خودکار انجام می شود - اغلب همراه با اقتصادهای بزرگ است.
پلتفرم هایی مانند Uber بر اساس فناوری ای ساخته شده اند که از جمع آوری و نظارت بر داده ها به صورت بلادرنگ، سیستم های رتبه بندی، و "هدایت" برای مدیریت کارگران استفاده می کنند. آمازون یکی دیگر از پذیرندگان مشتاق بوده است، که از نرم افزار و نظارت برای هدایت کارگران انسانی در انبارهای عظیم خود استفاده می کند.
هر چه الگوریتم ها پیچیده تر می شوند، ما آنها را در محیط های کاری بیشتری می بینیم که وظایفی را به عهده می گیرند که روزی در حوزه ای که توسط انسان ریاست می شد انجام می شد.
برای درک بهتر معنای این امر برای کیفیت کار و رفاه افراد، مطالعات تحقیقی منتشر شده از سراسر جهان را مورد بررسی قرار داده ایم که تأثیر مدیریت الگوریتمی بر کار را بررسی کرده اند.
کارگرانی که واقعاً نمی دانند چگونه یک الگوریتم تصمیمات خود را می گیرد نسبت به عملکرد خود احساس عدم اطمینان و ناامنی بیشتری می کنند.ما شش عملکرد مدیریتی را که الگوریتم ها در حال حاضر قادر به انجام آن هستند، شناسایی کردیم: نظارت، تعیین هدف، مدیریت عملکرد، زمان بندی، جبران خسارت، و خاتمه دادن به کار. سپس نحوه تأثیر بر این کارگران را مورد بررسی قرار دادیم و با استفاده از چندین دهه تحقیقات روان شناسی نشان دادیم که کدام جنبه های کاری برای مردم مهم است.
فقط چهار مورد از چهل و پتج مطالعه تأثیرات متفاوتی بر روی کار (برخی مثبت و برخی منفی) نشان داد. بقیه اثرات منفی مداوم بر کارگران را برجسته کردند. در این مقاله ما سه تاثیر اصلی را بررسی می کنیم:
* تنوع کار کمتر و استفاده کمتر از مهارت
* کاهش خود گردانی شغلی
* عدم اطمینان و نا امنی بیشتر
1- کاهش تنوع کار و کاهش استفاده از مهارت
یک مثال عالی از این که چگونه مدیریت الگوریتمی می تواند تنوع وظایف و استفاده از مهارت را کاهش دهد، با مطالعه ای در سال 2017 در مورد استفاده از نظارت الکترونیکی برای پرداخت حقوق پرستاران بریتانیایی که مراقبت های خانگی به افراد مسن و معلول ارائه می دهند، نشان داده شده است.مدیریت الگوریتمی می تواند به طرق مختلف سختی کار را افزایش دهد. سیستمی که پرستاران تحت آن کار می کردند به منظور افزایش کار آیی آنها بود. آنها مجبور بودند از برنامه ای برای "برچسب زدن" فعالیت های مراقبت خود استفاده کنند. به آنها فقط برای کارهایی که می توانستند برچسب گذاری شوند پرداخت مزد می شد. چیز دیگری به رسمیت شناخته نمی شد. نتیجه این شد که آنها بر روی کارهای فوری و مراقبت های فنی - مانند تعویض پانسمان یا دادن دارو - تمرکز می کردند و از صحبت کردن با بیماران خود صرف نظر می کردند. این باعث کاهش کیفیت مراقبت و همچنین کاهش حس پرستاران برای انجام کارهای مهم و ارزشمند شد.
تحقیقات نشان می دهد افزایش استفاده از الگوریتم ها برای نظارت و مدیریت بر کارگران، تنوع کارها و مهارت های آنها را کاهش می دهد. برای مثال در مورد این مهارت ها، می دانیم که مراکز تماس از فناوری برای ارزیابی روحیه مشتریان استفاده می کنند و به کارکنان مرکز تماس نحوه دقیق پاسخ دهی، از ابراز احساسات عمیق گرفته تا سرعت صحبت کردن را آموزش می دهند.
2- کاهش خودگردانی شغلی
کارگران پیمانی به عنوان "مغالطه ای در خود گردانی" شناخته می شوند که این برداشت ناشی از توانایی ظاهری اما غیر واقعی آنها در انتخاب زمان و مدت زمان انجام کار است، در حالی که واقعیت این است که الگوریتم های پلت فرم مربوط به این کارگران از مواردی مانند نمرات پذیرش برای محاسبه نمرات عملکرد و تعیین تکالیف آینده آنها استفاده می کنند.از نظر تئوری کارگران می توانند مدت زمان کار خود را انتخاب کنند. در عمل، آنها احساس می کردند که برای اطمینان از به دست آوردن بهترین کارهای دستمزدی باید دائماً در تماس باشند.این از دست دادن خود گردانی کلی توسط مطالعه ای در سال 2019 مشخص شده است که با 30 کارگر پیمانیِ در حال استفاده از پلت فرم های "مقاطعه کاری"Amazon Mechanical Turk ، MobileWorks و CloudFactory ، مصاحبه کرده است. از نظر تئوری کارگران می توانند مدت زمان کار خود را انتخاب کنند. در عمل، آنها احساس می کردند که برای اطمینان از به دست آوردن بهترین کارهای دستمزدی باید دائماً در تماس باشند.
این فقط تجربه کارگران پیمانی نیست. یک مطالعه دقیق در سال 2013 در مورد صنعت رانندگی کامیون در ایالات متحده نشان داد که الگوریتم ها بر اساس آب و هوا و شرایط ترافیکی تعیین می کنند که رانندگان چه مسیری را باید طی کنند و چه زمانی باید متوقف شوند. همان طور که یکی از رانندگان در این مطالعه اظهار داشت: "یک کامپیوتر نمی داند چه موقع خسته، وامانده یا هر چیز دیگری هستیم [...] من هم یک حرفه ای هستم و نیازی ندارم که [کامپیوتر] به من بگوید چه موقع رانندگی را متوقف کنم. "
3- افزایش سختی و ناامنی
مدیریت الگوریتمی می تواند به طرق مختلف سختی کار را افزایش دهد. این می تواند مستقیماً دیکته کننده سرعت باشد، همان طور که در مورد استفاده آمازون از تایمرها برای "جمع کننده ها" در مراکز تکمیل آن چنین است.تحقیقات نشان می دهد افزایش استفاده از الگوریتم ها برای نظارت و مدیریت بر کارگران، تنوع کارها و مهارت های آنها را کاهش می دهد.
تصویر: انبار آمازون در چاتانوگا، تنسی. داگ استریکلند / مطبوعات آزاد Chattanooga Times/AP
هر چه الگوریتم ها پیچیده تر می شوند، ما آنها را در محیط های کاری بیشتری می بینیم که وظایفی را به عهده می گیرند که روزی در حوزه ای که توسط انسان ریاست می شد انجام می شد.اما شاید مخرب تر از این، توانایی آن برای افزایش غیر مستقیم فشار کار باشد. کارگرانی که واقعاً نمی دانند چگونه یک الگوریتم تصمیمات خود را می گیرد نسبت به عملکرد خود احساس عدم اطمینان و ناامنی بیشتری می کنند. آنها نگران همه جنبه های تأثیر گذار نحوه ارزیابی و رتبه بندی شدنشان توسط دستگاه هستند.
به عنوان مثال، در مطالعه سال 2020 در مورد تجربه 25 اسنپ فود در ادینبورگ، رانندگان در مورد احساس اضطراب و "در دقیقه نود" پذیرفتن و تکمیل کار، تا مبادا آمار عملکرد آنها تحت تأثیر قرار گیرد، صحبت می کردند. این امر آنها را وادار به ریسک هایی مانند گذشتن از چراغ قرمز یا رفتن به درون ترافیک شلوغ در باران شدید می کرد. آنها تحت فشار قرار می گرفتند تا هم همه وظایف را انجام دهند و هم آنها را در اسرع وقت انجام دهند تا مشاغل بیشتری به آنها واگذار شود.
اجتناب از سونامی کارهای ناسالم
میزان وسیعی که مطالعات نشان می دهد که نتایج روانی منفی مدیریت الگوریتمی نشان می دهد که با تسریع استفاده از یک چنین فناوری، ما با سونامی کار ناسالم رو به رو هستیم.در حال حاضر طراحی و استفاده از سیستم های مدیریت الگوریتمی توسط ارزیابی وجود "کارایی" آن برای کارفرما هدایت می شود. برای اطمینان از همزیستی این سیستم ها با کار ارزشمند و معنی دار، رویکرد بیشتری مورد نیاز است.
بررسی چهل و پنج تحقیق ما بر روی ماشین ها به عنوان مدیر نشان می دهد که از برده الگوریتم ها بودن متنفر می شویم (شاید حتی بیشتر از این که از برده افراد آزار دهنده متنفر هستیم).شفافیت و پاسخ گویی عناصری کلیدی هستند برای اطمینان از این که کارگران (و نمایندگان آنها) درک می کنند که چه چیزی تحت نظارت است و چرا، و این که آنها می توانند از این تصمیمات به قدرت بالاتر و انسانی، و نه ماشین، اعتراض کنند.
منبع: شارون کی پارکر، Curtin University، خاویر پرنت – روشلو، HEC Montréal
