Компании быстро внедряют искусственный интеллект во имя эффективности. Типичное бизнес-обоснование внедрения технологий на основе ИИ заключается в том, что они помогают выявлять лишние действия, более эффективно распределять ресурсы или иным образом оптимизировать рабочие процессы для обеспечения максимальной производительности. При этом может показаться, что ИИ служит конечному результату, но он делает это не за счет экономии труда, а за счет распределения дополнительной нагрузки на работников.
Вот несколько примеров.
Во многих отраслях и на рабочих местах продуктивность работников все чаще отслеживается, измеряется и оценивается. Например, трекеры производительности контролируют всех сотрудников, от складских рабочих до финансовых руководителей. Независимо от совершенно разных видов работы, общая основная предпосылка заключается в том, что мониторинг производительности подсчитывает то, что легко подсчитать: количество отправленных электронных писем, количество зарегистрированных посещений пациентов, количество минут, в течение которых чьи-то глаза смотрят на конкретный объект, окно на своем компьютере. Сенсорные технологии и программное обеспечение для отслеживания дают менеджерам детальный обзор поведения сотрудников в режиме реального времени. Но мониторинг производительности редко способен измерить формы работы, которые сложнее зафиксировать в виде данных, например, глубокий разговор о проблеме клиента, мозговой штурм на доске или обсуждение идей с коллегами.
Фирмы часто используют эти технологии во имя минимизации прогулов рабочих и максимизации прибыли. Но на практике эти системы могут извращенно лишить работников интереса к основной части их работы, а также привести к тому, что им придется выполнять дополнительную работу: покачивания мыши, чтобы она была зарегистрирована программным обеспечением для мониторинга, или выполнение множества быстрых, но пустых задач, таких как отправка нескольких электронных писем, вместо более глубокого, но менее поддающегося количественной оценке взаимодействия. Одним из вероятных результатов мониторинга ИИ является то, что он побуждает людей выполнять те иногда легкомысленные задачи, которые можно измерить количественно. И работники, которым поручено сделать свою работу понятной для отслеживания производительности, несут психологическое бремя такого надзора, повышая уровень стресса. Короче говоря, часто существует несоответствие между тем, что можно легко измерить, и тем, что представляет собой значимую работу, и издержки, связанные с этим несоответствием, ложатся на плечи работников.
Так, водители грузовиков все чаще обнаруживают, что за ними наблюдают системы, которые регистрируют бесчисленное множество аспектов того, как они выполняют свою работу. Технологии фиксируют, насколько быстро они двигаются, как долго они едут, тормозят ли они слишком сильно, сколько топлива они используют и насколько они утомлены. В некоторых из этих систем используются камеры с искусственным интеллектом или носимые устройства для мониторинга век дальнобойщиков, частоты сердечных сокращений и мозговых волн. Компании часто навязывают эти технологии во имя безопасности, утверждая, что сбор таких данных предотвратит безрассудное вождение дальнобойщиков или поможет менеджерам «тренировать» водителей, не соответствующих стандартам фирмы. Тем не менее цифровые системы мониторинга на самом деле могут сделать общественные дороги менее безопасными, лишив работу дальнобойщиков гибкости и вытеснив опытных водителей из отрасли.
В розничной торговле и общественном питании рабочие графики все чаще определяются алгоритмами своевременного подбора персонала. Эти системы используют данные о трафике клиентов и продажах в режиме реального времени, среди прочего, для создания «динамических» графиков для работников. Динамический график может означать смены, которые назначаются с очень коротким уведомлением, нерегулярное и колеблющееся количество часов в неделю, а также микросмены, которые нарезаются на небольшие куски, где ожидается повышенный спрос. Такое беспорядочное планирование кажется эффективным с точки зрения фирмы: компания хочет предсказать и избежать риска переукомплектования или нехватки персонала в смену, каждый из которых может подорвать прибыль. Другое дело рабочие. Большое количество исследований показывает, как эти системы могут мешать работникам получать стабильный доход, работать по совместительству, посещать курсы или заботиться о своих семьях. На самом деле, этот вред даже передается из поколения в поколение, влияя на результаты детей людей, которые работают в таких условиях. Риск колебания покупательского спроса, который раньше брала на себя компания, не устраняется инструментами ИИ, а вместо этого перекладывается на сотрудников. Его скрывают, потому что его переложили на низкооплачиваемых работников, которые являются наименее влиятельными игроками в экосистеме, и навязали их.
Поэтому важно сегодня уже на законодательном уровне ограничивать вред для сотрудников от внедрения ИИ, как, например, ряд штатов и городов в США сделали с помощью законов о «справедливом расписании». Эти законы пытаются смягчить нестабильность алгоритмов прогнозирующего планирования, гарантируя, что работники должным образом уведомлены о своих графиках и получают компенсацию, если смены отменяются или изменяются в короткие сроки, среди других положений. Точно так же некоторые государства-члены ЕС ввели правила, ограничивающие использование определенных видов инвазивного мониторинга (например, GPS-слежения) на рабочем месте.
