Почему сотрудникам так не нравится алгоритмический менеджмент

Компании все чаще используют алгоритмы для управления сотрудниками, работающими удаленно. Остается только приучить к алгоритмическому менеджменту самих сотрудников.

Наиболее распространен алгоритмический менеджмент в компаниях, занятых в экономике совместного потребления. Например, компания Uber управляет примерно 3 млн работников с помощью приложения, которое инструктирует водителей, каких пассажиров и какой маршрут выбрать. Водители Uber могут сами решать, когда и как долго они хотели бы работать и в каком районе они хотели бы ездить. Тем не менее наше исследование показывает, что алгоритмический менеджмент раздражает работников и негодование может толкнуть их на обманные уловки, которые нанесут реальный ущерб компании. Как этого избежать?

Совместно с Лиором Залмансоном (Тель-Авивский университет) и Робертом Грегори (Университет Вирджинии) мы провели комплексное исследование водителей Uber в Нью-Йорке и Лондоне. Наши данные включают результаты официального и неформального опросов водителей, непосредственного наблюдения за водителями в процессе работы, анализа более 1000 сообщений на форумах в интернете и исследование нескольких этапов освещения деятельности Uber в СМИ в период с декабря 2015 г. по сентябрь 2018 г.

Мы обнаружили, что можно выделить три причины постоянных жалоб водителей Uber на работу под контролем алгоритмов. Названные проблемы мы наблюдали и в других компаниях, использующих алгоритмический менеджмент.

Постоянное наблюдение

Как только водители входят в приложение Uber, алгоритмы платформы начинают наблюдать за ними и проверять их: приложение отслеживает их местоположение, скорость движения и процент принятых заявок от клиентов. Оно инструктирует, где и каких пассажиров выбрать и как добраться до места назначения. Если водители уклоняются от выполнения инструкций приложения, они могут быть оштрафованы или даже заблокированы платформой. Независимо от того, производится ли контроль через приложение или лично, известно, что наблюдение за процессом работы может снизить ее продуктивность.

Мы обнаружили, что водителей особенно возмущают оценки их работы от клиентов. По нашему мнению, это может быть связано с тем, что такие оценки усиливают негативные чувства водителей Uber, которые считают, что за ними ведется постоянное наблюдение с помощью технологий.

Недостаток прозрачности

Приложение многое узнает о водителях, но сами они мало знают о приложении, и это им не нравится. Они полагают, что такая система несправедлива, так как она тонко манипулирует ими без их ведома или согласия. Действительно, ранее сервис Uber признавался, что использовал идеи из исследований о поведении человека, чтобы подтолкнуть водителей к сверхурочной работе.

Водители Uber и другие работники из экономики совместного потребления, такие как курьеры и работники доставки в онлайновых сервисах Postmates и Deliveroo, требуют большей прозрачности в распределении рабочих мест, формировании своих рейтингов и системе оплаты труда. Однако такие компании, как Uber, утверждают, что не могут раскрыть конкурентам секрет своих алгоритмов. Кроме того, последние достижения в области искусственного интеллекта и машинного обучения означают, что теперь алгоритмы могут обучаться и динамически адаптироваться к любой конкретной среде, что позволяет автоматизировать более сложные задачи (например, управление рабочей силой). Но чем сложнее эти алгоритмы, тем меньше они понятны даже своим создателям.

Дегуманизация

Водители Uber сообщают, что чувствуют себя одинокими, изолированными и обезличенными. У них нет ни коллег, с которыми можно пообщаться, ни команды или сообщества, частью которого они могли бы быть. Им не хватает возможности построить личные отношения с руководителем. От тех, кто работает на краудсорсинговых платформах вроде Amazon Mechanical Turk и выполняет такие микрозадачи, как описание контента или участие в опросах, поступают аналогичные жалобы.

Обмануть систему

Из-за недовольства водителей алгоритмами появились оригинальные способы перехитрить технологии. Например, на форуме Uberpeople.net один водитель написал: «Используй систему, но не позволяй системе использовать тебя. Все мы знаем, что эти компании любят предлагать лучшее материальное поощрение тем водителям, которые некоторое время не работали. Поэтому работайте в Uber одну неделю, в Juno – следующую, в Lyft – третью неделю и т. д. Я каждую неделю переключаюсь между Uber и Juno».

Также работники настолько возмущены своим бессилием, что находят творческие способы заявить о своем недовольстве. Например, водители обманывают систему, искусственно вызывая резкий рост цен на их услуги. Действия работников, протестующих против инструкций алгоритмов, также приобретают политический характер. Чтобы компенсировать социальную изоляцию в повседневной жизни, водители сервисов – агрегаторов такси и курьеры активно участвуют в деятельности онлайн-сообществ, в которых не состоят менеджеры их компаний. В стремлении водителей и курьеров поддержать друг друга возникли объединения, напоминающие своей решительной позицией профсоюзы. В качестве примера можно привести организацию по защите прав трудящихся «Рабочий Вашингтон» (Working Washington) в Сиэтле, которая объединила курьеров Postmates, DoorDash и других сервисов.

Как приучить работников

Чтобы решить эти проблемы и снизить риски для бизнеса и, что не менее важно, соблюсти этические нормы, компаниям, которые управляют всеми или частью работников с помощью алгоритмов, следует воспользоваться четырьмя рекомендациями.

• Делитесь информацией. Теоретически алгоритмический менеджмент может повысить прозрачность, поскольку даже используемые для управления работниками алгоритмы обучения отражают набор правил и процедур, который соответствует стратегическим целям высшего руководства. Поделиться с работниками самим алгоритмом может оказаться невозможным, но руководство компании может и должно делиться с ними данными и целями, которые легли в основу внедрения технологий.

• Поощряйте обратную связь. Чтобы компенсировать императивность команд, которые алгоритм дает сотрудникам, компании должны найти способы приобщить их к процессу принятия решений, например включить их в группы или советы, которые обсуждают и согласовывают связанные с работой внутренние правила. Привлечение сотрудников к активному участию в дискуссиях по разработке основанных на алгоритмах систем может внести значительный вклад в создание более заинтересованной и лояльной рабочей силы.

• Добавьте человеческое общение. Люди нуждаются в людях. Организации должны создавать официальные сообщества, в которых работникам было бы комфортно налаживать социальные связи. Если к управлению людьми добавить человеческий фактор, им меньше будет казаться, что с ними обращаются, как с машинами. Например, некоторые из водителей в нашем исследовании хорошо отзывались о нью-йоркской фирме перевозок Juno (приобретенной Gett в 2017 г.), которая в начале своего существования имела масштабную систему поддержки клиентов и охотно помогала водителям решать возникающие у них проблемы.

• Заслужите доверие. Социальные гарантии, которые улучшили бы благосостояние работников, такие как финансовая поддержка в случае болезни или оплата больничного или декретного отпуска, могут стать первым шагом к гуманизации компании и смягчению недовольства сотрудников, которыми управляют безликие алгоритмы.

Чтобы обеспечить выполнение некоторых из этих рекомендаций, регулирующие органы по всему миру уже пытаются внедрить соответствующие нормативные акты. Например, в 2017 г. было решено, что компания Uber должна выплачивать водителям в Великобритании минимальную заработную плату, а также предоставлять больничные и отпуска. Учитывая быстрые темпы технического прогресса и заманчивые экономические выгоды для компаний, популярность алгоритмического менеджмента в ближайшие годы только вырастет. Все больше компаний управляют своей рабочей силой таким образом и неизбежно навлекают на себя недовольство работников, благодаря которым и существует их бизнес. Поэтому эти четыре рекомендации становятся все более актуальными.

Об авторах: Марейка Мёльманн – доцент в Школе бизнеса Уорикского университета в Великобритании. Ранее работала научным сотрудником в Школе бизнеса Стерна в Нью-Йоркском университете. Ола Хенфридссон – преподаватель бизнес-технологий в Школе бизнеса Университета Майами. Ранее работал преподавателем и руководителем группы по информационным системам в Школе бизнеса Уорикского университета в Великобритании.

Оригинал статьи здесь.