/>
چند سال پیش ، اخبار اخبار آنلاین در مورد نوع جدید نظارت ، که در محل کار اتفاق می افتد نوشت. هدف این سیستم ها در آن زمان توجه به کارگران بود و اغلب آنها برای تشخیص مشکلات طراحی می شدند. اما دو سال زمان طولانی در دنیای دیجیتال امروز است و اوضاع بسیار تغییر کرده است. به عنوان مثال ، در سال 2017 ، هوش مصنوعی (AI) قبلاً برای نظارت بر محیط کار اعمال شده بود ، اما تا حد زیادی برای کمک به تجزیه و تحلیل الگوهای کار و گزارش ناهنجاری ها بود. هوش مصنوعی امروز قادر تر و مداخله گرتر است. او دیگر راضی نیست که به صورت استعاری بنشیند و به سادگی تماشا کند که کارگران مشاغل خود را طی کنند. اکنون او شروع به کنترل فعال آنها می کند. یک گزارش داده و جامعه ، این را "مدیریت الگوریتمی" توصیف می کند:
[Its] ظهور در محل کار با خروج از ساختارهای مدیریت قبلی که بیشتر متکی بر ناظران انسانی به کارگران بودند ، مشخص شده است. . مدیریت الگوریتمی مقیاس کردن عملیات را با هماهنگی ، به عنوان مثال ، فعالیت های نیروی کار بزرگ جدا نشده یا با استفاده از داده ها برای بهینه سازی نتایج مطلوب ، مانند کاهش هزینه های کار ، امکان پذیر می کند.
این گزارش پنج عنصر اصلی مدیریت الگوریتمی را انتخاب می کند: "داده های پرکار جمع آوری و نظارت بر کارگران از طریق فناوری". پاسخگویی در زمان واقعی؛ تصمیم گیری خودکار یا نیمه خودکار؛ ارزیابی عملکرد انجام شده توسط سیستم های AI بر اساس اندازه گیری های نسبتاً ساده. و استفاده از "انگشت شست" و مجازات برای تأثیر رفتار کارگران.
گزارش داده و جامعه اشاره می کند که بسیاری از این خصوصیات ابتدا در شرکت هایی که در اقتصاد "گیگ" فعالیت می کنند – به عنوان مثال ، Uber. استفاده از نیروی کار روتینگ و توزیع شده نیاز به عملکرد این نوع "نظارت مستمر و ملایم" دارد. اما نکته جالب توجه ، راهی است که صنایع سنتی نیز از این رویکرد استفاده می کنند ، حتی اگر کاملاً لازم نباشد.
این توسط یک مقاله طولانی در The Verge نشان داده شده است ، که واقعیت مدیریت الگوریتمی را برای افرادی که باید تحت آن کار کنند ، نشان می دهد. این داستان ها شامل حال خدمتکاران هتل است که برای تمیز کردن اتاق ها به شیوه ای خواستارتر و زهکشی تر برای آنها ، از طریق نرم افزار کنترل می شوند ، اما در عین حال فواید کمی یا ناچیزی برای بازدید کنندگان هتل دارند. # 39؛ هتل. با کمال تعجب ، آمازون از وسواس کارایی برخوردار است. نه تنها فرسودگی مدیریت الگوریتمی بی امان باعث می شود بلکه ضایعه بالایی نیز در بین کارگران ایجاد کند. شاید ساده ترین کار برای نظارت و مدیریت الگوریتمی نوشتن کد باشد. هر مکث کلید را می توان ضبط کرد ، هر مکث ذکر شد و از وب کم رایانه می توان در هنگام کار ، نظارت ویدیویی از برنامه نویس را انجام داد. در اینجا تجربه مارک رونی ، مهندس نرم افزار در داکا ، بنگلادش ، با استفاده از WorkSmart "ابزار اندازه گیری بهره وری" ، همانطور که در مقاله The Verge شرح داده شده است:
نرم افزار برای ارزیابی میزان بهره وری از کلید ، کلیک ماوس و برنامه های کاربردی آن را ردیابی کرد. او همچنین مجبور بود دسترسی به برنامه را در وب کم خود داشته باشد. هر 10 دقیقه ، این برنامه به طور تصادفی سه عکس می گرفت تا مطمئن شود که در میز آن قرار دارد. اگر رونی در آنجا نبود که WorkSmart عکاسی کند ، یا اگر تشخیص داد که کار او زیر یک سطح تولید خاص است ، برای این فاصله 10 دقیقه ای به شما تعلق نمی گیرد. شخص دیگری که با رونی شروع به کار کرد ، از دسترسی وب کم به نرم افزار خودداری کرد و شغل خود را از دست داد. مشاغلی که به مهارتهای بین فردی احتیاج دارند کیفیت اصلی در این زمینه "همدلی" است ، بنابراین نظارت در محیط کار به طور طبیعی در صدد سنجش این مسئله است و کارگران را به سمت نمایش دادن بیشتر سوق می دهد. اما یک مشکل بزرگ در اینجا وجود دارد:
این حکمت متعارف شده است که مهارت های بین فردی مانند همدلی یکی از نقش هایی خواهد بود که پس از به دست گرفتن روبات ها به انسان منتقل می شود. ، و این اغلب با آینده ای خوش بینانه رفتار می شود. اما مراکز تماس نشان می دهد که به راحتی چگونه می تواند تاریک شود: اتوماسیون افزایش همدلی مورد نیاز کارگران و سیستم های خودکار که برای ایجاد همدلی بیشتر آنها یا حداقل تقریب آنها استفاده می شود. دستگاه قابل خواندن آنجلا ، کارگری که با [the call center evaluation software] Voci تلاش می کند ، از ترس این که AI برای مقابله با تأثیرات شرایط کار غیرقانونی استفاده شود ، کار او را حتی فروتنانه تر می کند. این تجربه مشکلات عمده دیگر مرتبط با استفاده از سیستم های خودکار برای مدیریت افراد را نشان می دهد. به عنوان مثال ، در افراط و تفریط ساده لوحانه به نظر می رسد كه چیزی به اندازه "همدلی" پیچیده و گریزان است كه نه تنها توسط مجموعه های الگوریتم قابل شناسایی است ، بلكه دریافت می كند. نوعی نماد به منظور درخواست تغییراتی در رفتار کارگر. این در مورد بسیاری از جنبه های دیگر شغل نیز صادق است. صرفنظر از مهارت های یک مدیر خوب انسانی به خطوط کد هوش مصنوعی ، مهم نیست که نوشتارها چقدر یا چقدر خوب باشند – حداقل ممکن نیست.
علاوه بر این ، تلاش برای انجام این کار چالش های معمول را با سیستم های AI مواجه می کند. به عنوان مثال ، فرضیات اصلی برنامه ها ممکن است حاوی تعصبات پنهان باشد. و حتی اگر این حداقل ها باشند ، مدیران الگوریتمی جعبه های سیاه برای کارگران باقی می مانند ، که هرگز از دلیل تصمیم گیری درباره آنها آگاه نیستند ، و همچنین قادر به تجدید نظر نیستند. در واقع ، انتقال از مدیریت سنتی به مدیریت رایانه ای ، روشی از عینیت را ارائه می دهد که می تواند چالش تصمیم گیری را برای کارگران دشوارتر کند ، زیرا به نظر می رسد آنها بی طرف و منطقی هستند. نکته مهم این است که به طور فزاینده ای بی حس می شود و درنهایت یک روش ضد تولید در مدیریت مردم فقط به دلیل نظارت مستمر و کامل از کنترل ممکن است محل کار
تصویر برجسته اسکات لوئیس.
درباره Glyn Moody
Glyn Moody یک روزنامه نگار آزاد است که در مورد حریم شخصی می نویسد و صحبت می کند ، یکی از راه های متوقف کردن این از دست دادن بشریت ، مبارزه با از دست دادن حریم خصوصی است که زیر آن قرار دارد نظارت ، حقوق دیجیتالی ، متن باز ، حق چاپ ، حق ثبت اختراع و موضوعات سیاست مربوط به فناوری دیجیتال. وی شروع به پوشش استفاده از اینترنت تجاری در سال 1994 کرد و اولین فیلم سینمایی عمومی را در لینوکس نوشت ، که در اوت 1997 در Wired ظاهر شد. کتاب او "کد Rebel" ، اولین و تنها است تاریخچه دقیق ظهور منبع آزاد. در حالی که اثر بعدی وی ، "کد زندگی دیجیتال" ، به بررسی بیوانفورماتیک – تقاطع انفورماتیک با ژنتیک می پردازد.
