Credito:Shutterstock
Se pensi che il tuo manager ti tratti ingiustamente, il pensiero potrebbe aver attraversato la tua mente che sostituire detto capo con una macchina imparziale che premia le prestazioni sulla base di dati oggettivi è un percorso verso la felicità sul posto di lavoro.
Ma per quanto attraente possa sembrare, ti sbaglieresti. La nostra recensione di 45 studi sulle macchine come manager mostra che odiamo essere schiavi degli algoritmi (forse anche più di quanto odiamo essere schiavi di persone fastidiose).
La gestione algoritmica, in cui le decisioni sull'assegnazione delle attività ai lavoratori sono automatizzate, è più spesso associata alla gig economy.
Piattaforme come Uber sono state costruite su una tecnologia che utilizzava la raccolta e la sorveglianza dei dati in tempo reale, sistemi di rating e "nudges" per la gestione dei lavoratori. Amazon è stato un altro utilizzatore entusiasta, utilizzando software e sorveglianza per dirigere i lavoratori umani nei suoi enormi magazzini.
Man mano che gli algoritmi diventano sempre più sofisticati, li stiamo vedendo in più posti di lavoro, assumendo compiti un tempo appannaggio dei capi umani.
Per avere un'idea migliore di cosa questo significherà per la qualità del lavoro e il benessere delle persone, abbiamo analizzato studi di ricerca pubblicati da tutto il mondo che hanno studiato l'impatto della gestione algoritmica sul lavoro.
Abbiamo individuato sei funzioni di gestione che gli algoritmi sono attualmente in grado di svolgere:monitoraggio, definizione degli obiettivi, gestione delle prestazioni, programmazione, compensazione, e cessazione del lavoro. Abbiamo quindi esaminato come questi lavoratori colpiti, attingendo a decenni di ricerche psicologiche che mostrano quali aspetti del lavoro sono importanti per le persone.
Solo quattro dei 45 studi hanno mostrato effetti contrastanti sul lavoro (alcuni positivi e altri negativi). Il resto ha evidenziato effetti costantemente negativi sui lavoratori. In questo articolo esamineremo tre impatti principali:
1. Ridotta varietà di compiti e utilizzo delle abilità
Un ottimo esempio del modo in cui la gestione algoritmica può ridurre la varietà dei compiti e l'uso delle abilità è dimostrato da uno studio del 2017 sull'uso del monitoraggio elettronico per pagare gli infermieri britannici che forniscono assistenza domiciliare a persone anziane e disabili.
Il sistema in base al quale lavoravano gli infermieri aveva lo scopo di migliorare la loro efficienza. Hanno dovuto usare un'app per "taggare" le loro attività di cura. Venivano pagati solo per i compiti che potevano essere etichettati. Nient'altro è stato riconosciuto. Il risultato è stato che si sono concentrati sulle attività di assistenza tecnica e urgente, come cambiare le bende o somministrare farmaci, e hanno rinunciato a passare il tempo a parlare con i loro pazienti. Ciò ha ridotto sia la qualità dell'assistenza che il senso degli infermieri di svolgere un lavoro significativo e utile.
La ricerca suggerisce che l'uso crescente di algoritmi per monitorare e gestire i lavoratori ridurrà la varietà delle attività e le competenze. call center, Per esempio, utilizzano già la tecnologia per valutare l'umore dei clienti e istruire l'operatore del call center su come rispondere esattamente, da quali emozioni dovrebbero profondamente a quanto velocemente dovrebbero parlare.
2. Ridotta autonomia lavorativa
I lavoratori dei concerti si riferiscono alla "fallacia dell'autonomia" che deriva dall'apparente capacità di scegliere quando e per quanto tempo lavorare, quando la realtà è che gli algoritmi della piattaforma usano cose come i tassi di accettazione per calcolare i punteggi delle prestazioni e per determinare assegnazioni future.
Questa perdita di autonomia generale è sottolineata da uno studio del 2019 che ha intervistato 30 gig worker che utilizzano le piattaforme "a cottimo" Amazon Mechanical Turk, MobileWorks e CloudFactory. In teoria i lavoratori potevano scegliere per quanto tempo lavorare. In pratica sentivano di aver bisogno di essere costantemente a disposizione per assicurarsi i compiti meglio pagati.
Questa non è solo l'esperienza dei gig worker. Uno studio dettagliato del 2013 sull'industria della guida di camion negli Stati Uniti ha mostrato il lato negativo degli algoritmi che dettano i percorsi che i conducenti dovrebbero prendere, e quando dovrebbero fermarsi, in base alle condizioni meteorologiche e del traffico. Come ha affermato un autista nello studio:"Un computer non sa quando siamo stanchi, stanco, o qualsiasi altra cosa […] Sono anche un professionista e non ho bisogno di un [computer] che mi dica quando smettere di guidare."
3. Maggiore intensità e insicurezza
La gestione algoritmica può aumentare l'intensità del lavoro in diversi modi. Può dettare il ritmo direttamente, come con l'uso di timer da parte di Amazon per i "raccoglitori" nei suoi centri logistici.
Ma forse più dannosa è la sua capacità di aumentare indirettamente la pressione del lavoro. I lavoratori che non capiscono davvero come un algoritmo renda le sue decisioni più incerte e insicure riguardo alle loro prestazioni. Si preoccupano di ogni aspetto che influenza il modo in cui la macchina li valuta e li classifica.
Per esempio, in uno studio del 2020 sull'esperienza di 25 corrieri alimentari a Edimburgo, i piloti hanno parlato di sentirsi ansiosi e di essere "al limite" per accettare e completare i lavori per timore che le loro statistiche sulle prestazioni vengano influenzate. Ciò li ha portati a correre rischi come attraversare il semaforo rosso o attraversare il traffico intenso sotto la pioggia battente. Hanno sentito la pressione di prendere tutti gli incarichi e completarli il più rapidamente possibile in modo da ricevere più lavori.
Evitare uno tsunami di lavoro malsano
La schiacciante misura in cui gli studi mostrano esiti psicologici negativi dalla gestione algoritmica suggerisce che ci troviamo di fronte a uno tsunami di lavoro malsano man mano che l'uso di tale tecnologia accelera.
Attualmente la progettazione e l'utilizzo di sistemi di gestione algoritmica sono guidati dall'"efficienza" per il datore di lavoro. È necessario un approccio più ponderato per garantire che questi sistemi possano coesistere con lavoro significativo.
La trasparenza e la responsabilità sono fondamentali per garantire che i lavoratori (e i loro rappresentanti) comprendano ciò che viene monitorato, e perché, e che possono appellarsi a quelle decisioni a un superiore, umano, potenza.
Questo articolo è stato ripubblicato da The Conversation con una licenza Creative Commons. Leggi l'articolo originale. 
