Работники gig-экономики: нам грозит не замена людей роботами, а исчезновение права быть человеком на работе

Результаты исследования британского института IFOW

В перерывах между написанием cover letter, откликам на работных сайтах, напоминаниями рекрутерам об обратной связи и зум/Teams интервью я прочитала любопытное исследование британского Института Работы Будущего (IFOW – Institute for the Future of the Work).

Авторы изучили влияние алгоритмов, используемых работодателями для организации труда работников, на эффективность работы и психологическое здоровье последних. Речь идет об Амазон и других компаниях -приверженцах gig-экономики.

Исследование называется «Эпоха амазонизации: гигификация работы»(The Amazonian Era: The gigification of work). Опубликовано в мае этого года, а 9 ноября опубликовано с поправками. Ссылка на исследование- внизу статьи.

Что же интересного и чем знаменательно это исследование?

Авторы обнаружили, что основная проблема и угроза для рабочих мест в ритейле (например, склады Амазона) и других сферах экономики, где используются gig-модели, — это не замена людей роботами на рабочих местах. Проблема совсем в другом.

Работодатели gig-сегментов экономики ищут такие способы организации труда, которые бы обеспечивали выполнение большего объема работы за меньшее количество часов.

Для достижения этого результата gig -компании выбрали один единственный путь - применение алгоритма для управления работой сотрудников.

Применение алгоритма приводит к тому, что человек имеет только один выбор: выполнять работу одним единственным способом, который предлагается алгоритмом на основе оцифровки действий множества работников и выведению среднего показателя, ниже среднего и выше среднего. Алгоритм устанавливает норму выработки, способ работы, КПЭ, способ оценки эффективности работника, обучает и поощряет его за достижение целевых показателей, а также наказывает за недостижение показателей, строит прогноз его эффективности. Все эти действия совершает алгоритм, а не человек, и работник не имеет возможности повлиять на решения алгоритма. Получается игра в одну сторону.

В результате, человек в этой системе перестает рассматриваться как человек. Алгоритм рассматривает работника как трудовую функцию без индивидуальных особенностей, которая должна соответствовать стандарту, выведенному на основе статистических данных. Работу может выполнять, в общем-то, кто угодно. Робот управляет людьми так, как если бы они были роботами.

Негативный эффект алгоритмизации на труд человека - сильно снижается ценность уникального человеческого вклада в работу путем оцифровки действий работника и автоматизации управления его работой и эффективностью.

Происходит не замена людей роботами, а замена понятия «человек» в работе. Человек воспринимается и управляется роботом как робот.

Такой подход, по мнению авторов, ведет к исчезновению понятия «работа, приносящая удовольствие человеку» — Good Work. Как следствие, люди, попадающие под управление алгоритма, лишаются возможностей профессионального и карьерного развития, ощущают потерю смысла в работе, ухудшается их психологическое здоровье и благополучие. Все это выливается в снижение эффективности их труда, отсутствие инноваций в работе. Можем дальше продолжить и догадаться, на что влияет снижение эффективности труда, мотивации работников и отсутствие инноваций.

Авторы исследования бьют в колокол и требуют внимания регуляторов к использованию алгоритмов в организации труда людей в gig-компаниях.

Авторы также обращаются к инвесторам и компаниям, внедряющим алгоритмы: технологии организации работы на основе данных должны ставить во главу угла человека, а не процесс. Они должны быть явно нацелены на то, чтобы работа приносила человеку пользу.

Исследование включает в себя анализ документов и интервью работников Ассоциации ритейла, разработчиков ПО, которое используют работодатели для наблюдения и регламентации работников ритейла, и менеджеров компаний-ритейлеров.

Авторы убеждены, что мы живем в эпоху трансформации работы и называют наше время эпохой Амазонизации (The Amazonian Era).

Пандемия ковида спровоцировала использование алгоритмов для наблюдения, контроля и распределения задач персонала. Считается, что алгоритмы смогут улучшить человеческий потенциал, сделать работу более безопасной.

Однако исследование показывает, что пока этого не случилось, а использование алгоритмов разрушает само понятие работы.

Применение алгоритмов требует постоянного наблюдения, им передается функция прогнозирования, оценки и контроля работников, и это считается нормой. Цель алгоритмов – выполнение большей работы за меньшее время. Стандарты устанавливаются не человеком, а алгоритмом. В результате работа упрощается до понятия, которым способен управлять алгоритм. Человеческое решение сводится к минимуму.

Работников не привлекают для обсуждение технологий организации их работы, им не хватает поддержки, и они не знают, как собираемые данные о них используются.

A. Алгоритм. Исследователи определяют алгоритм как процесс или набор правил, которым необходимо следовать в расчетах и других действиях для решения задачи.

B. Платформы, объединяющие работников (Connected Worker Platform) – платформы для организации труда работников, которые не являются офисными сотрудниками. Такие платформы используют технологии IoT. Основные функциональности таких платформ:

1) Назначение работнику задания

2) Назначение смен и последовательности выполнения работ

3) Мониторинг, регистрация и оценка работы

4) Отчет о выполненных заданиях для прогноза эффективности работника

C) Цикл обработки данных о человеке (HDC- Human Data Cycle). Это способ организации труда на основании данных с применением алогритма. Он включает в себя три этапа:

1. Сбор и анализ информации в реальном времени для построения цифровой модели работы. Работой считается только то, что можно измерить и зарегистрировать.

2. Стандартизация. Оценка собираемой информации по заданным КПЭ, которые установил алгоритм. Стандарты время от времени «улучшаются».

3.Коррекция поведения с целью достижения работником стандарта. Например, поощрение ваучерами Амазон за выполнение большего количества заданий или наказание- например, невозможность взять себе больше часов или получить более привлекательный трудовой договор.

Модель HDC:

Авторы исследования приводят случаи, когда такая организация работы приводит к неожиданным результатам.

Случай Сары, инженера.

Цифровая модель работы. Сара постоянно вносит время начала и окончания своей работы в приложение (Connected Worker Platform). Количество заданий отражает ее уровень загрузки. Чем больше задач она вносит в приложение, тем больше она работает (так оценивает приложение). Цель приложения-достичь 95% оптимизации работы. Сара болтает с коллегами, пока чистит оборудование. Система следит за ее взглядом и регистрирует, что она не работает, а болтает с коллегами.

Стандартизация. Платформа регистрирует скорость и количество заданий, которые выполняет Сара и ее коллеги. В течение времени сокращается время для выполнения заданий поддерживающих функций. Система достигает оптимизации 95%.

Коррекция поведения. Сару мотивируют работать более интенсивно, чтобы получить Амазон ваучеры. У системы есть цель – 95% оптимизации. Чтобы достичь этой цели, Сара работает выше своих сил постоянно. Со временем она начинает уставать. Она не проходит полуавтоматизированные оценки выполнения ее работы и ее увольняют. Новый персонал теперь состоит в основном из молодых мужчин.

Алгоритмы заменяют менеджеров-людей и принимают самостоятельные решения (без участия человека) о распределении смен, оценке эффективности, поощрении и наказании.

Human Data Cycle часто создается без понимания целевой аудитории- людей, которые будут использовать платформу.

Из интервью разработчиков, работающих на договоре подряда для сети супермаркетов:

«Никогда не поднимался вопрос о работниках, которые будут работать с этим приложением. Мы делаем все профессионально. Никто не будет создавать бизнес-план с основным лозунгом: «мы хотим видеть тех людей, которых мы будем оценивать». Это вопрос анонимизации данных. Это про системы. Мы хотим создать лучшую систему».

Разработчик признался, что он не встречался с работниками, которые будут использовать эту платформу.

Что же такое работа, которая приносит удовольствие? Авторы исследования называют ее Good Work, и она гораздо больше, чем просто выполнение ряда действий.

Good Work дает работнику ощущение достоинства, самостоятельность, равенство. Она оплачивается справедливо и выполняется на справедливых условиях. Такая работа помогает людям развиваться и обеспечивает чувство причастности.

Британский институт провел исследование, в которым доказал, что такая работа формирует стабильность и адаптивность работников в случае проблем с здоровьем и экономических потрясений.

Для обеспечения работников справедливой оплатой и условиями работы нужна прозрачность оценки их деятельности. Алгоритмы непрозрачны. 67% опрошенных работников ритейла не понимают, как на основе собираемой информации алгоритм оценивает их работу .

Цель алгоритма- оптимизация и повышение интенсивности работы, что приводит к обесцениванию важного для работников аспекта работы- коммуникации с покупателями. Алгоритм не засчитывает коммуникацию с покупателями за рабочее время и оценивает это как пустую трату времени.

На складах Амазона алгоритм устанавливает для временных работников КПЭ-120%. С точки зрения интенсивности выполнения работы 100% означает, что работники не имеют времени даже перекинуться друг с другом парой фраз. Если работники показывают 80%, то это служит поводом к разговору о несоответствии требованиям и увольнении.

Исследования в розничных магазинах показали, что алгоритмы устанавливают стандарты, которые полностью искореняют человеческое общение между работниками и клиентами.

Из интервью работника ритейла: «Общение с покупателем входит в мою работу. Но если я не говорю с покупателем, я должен постоянно вводить в приложение другие задачи. Необходимо сделать 95% КПЭ. Это просто невозможно».

Интервью с менеджером: «Я теперь могу пойти к сотрудникам и сказать: Не говорите, что вы не успеваете. Все свои задачи вы вводите в приложение. Их невозможно спрятать».

Повышение интенсивности работы называется в гик-экономике «постоянным совершенствованием». Алгоритм строит прогноз эффективности работника на основании его текущих показателей и использует это при назначении работнику различных условий труда (например, возможность получить постоянную работу). Собственная оценка работников и их способности не учитываются.

Менеджеры в супермаркетах вынуждены поддерживать стандарты, которые устанавливает алгоритм, так как алгоритм определяет бюджет и сколько человек необходимо на кассу и в зал. Если кассир замешкался или слишком много болтает с покупателями, то он получает низкий балл, его менеджер также получает низкий бал.

Постоянное видео-и био-наблюдение за работником и оценка каждого действия является нормой при применении алгоритмов.

Выводы британского фонда:

1. Такой цифровой микроменеджмент разрушает чувство достоинства и самостоятельности работников.

2. Вытеснение человека из функции менеджера способствует обесцениванию суждений человека.

3. Постоянный сбор личной информации о работниках и отсутствие прозрачности о логике использования этих данных разрушает само понятие свободного выбора в работе, получение осознанного согласия работника и личного пространства

4. Передача функции распределения работ алгоритму без возможности изменения со стороны работника-человека повышает чувство неуверенности и нестабильности.

Из интервью работника ритейла: «Я постоянно смотрю на часы и думаю, точно ли я все правильно сделал? Я боюсь лишний раз сказать «Привет» коллеге или посмеяться над анекдотом, так как это грозит депремированием. Ужасное чувство. У меня нет личного пространства».

48% работников ритейла не имеют возможности повлиять на назначенное им количество часов работы. Алгоритм принимает это решение. 37% работающих на сменной работе британцев получают уведомление о своих сменах менее, чем за одну неделю, 7%- менее, чем за 24 часа.

Из интервью работника ритейла: «Я очень беспокоюсь, когда получаю свое расписание. Я не имею права его поменять. А я мама и бабушка, у меня много дел дома».

Обычно использование своих навыков дает работнику чувство идентичности и гордости. Благодаря своим навыкам работники делают прогресс в работе, и это дает им возможность позиционировать свою ценность работодателю.

В ходе исследования авторы выяснили, что модель HDC (Human Data Cycle) способствует разрушению профессиональных и «мягких» (soft) навыков у работников. Модель HDC нацелена на создание работы, которую может выполнять кто угодно. Приложение, используемое для обучения работников, предлагает фото, показывающие, как надо сделать работу. Приложение обучает только одному способу действия, не оставляя никаких возможностей для альтернативного выполнения работы. Алгоритм, проверяющий работу сотрудников, требует неукоснительного использование этого единственного способа работы. Путь к инновациям в этом случае просто закрыт.

Из интервью с менеджером производственной компании: «Таким образом исчезает требование иметь опыт для работников, потому что мы им это опыт просто даем через приложение».

Из интервью с разработчиками платформ (Connected workers platform) выяснилось, что отсутствие требования иметь опыт является ключевым преимуществом таких платформ. «Не нужно быть квалифицированным инженером, так как людей теперь можно учить диджитально, через приложение. Цифровое обучение снижает входной барьер. Ты можешь быть кем угодно, и учить людей».

Из интервью работников индустрии ритейла: «Очень много обучения проводится онлайн, вообще без взаимодействия с человеком. Большинство персонала не понимает эти тренинги, что выливается в ошибки и простои, а это уже стоит денег работодателю».

Такой подход способствует поляризации работников: те, кто приходят в профессию с меньшими навыками, обучаются меньше, что не позволяет им вырасти. Это также способствует «выхолащиванию» средней менеджерской прослойки супервизоров.

Разработчики таких платформ считают, что такой подход способствует инновациям: работники не нуждаются в менеджерах могут решить свои задачи самостоятельно или с помощью поддержки.

Но цель таких платформ- не сделать работников более самостоятельными, а усилить централизацию и контроль за ними.

Три основных компонента «хорошей работы»(Good work): диалог, доверие и разрешение споров автоматизируются на платформе.

К чему это приводит:

1) Резко падает взаимная поддержка. Модель HDC рассматривает работника как компонент смены, который подлежит оцифровке. Интервью с работниками показали, что у всех усилилось чувство изоляции. 29% опрошенных членов Ассоциации работников ритейла (400 000 человек в Великобритании) сообщили, что за последние пять лет общение с коллегами ухудшилось.

2) Уменьшается количество времени на личное общение с менеджером. Односторонняя коммуникация алгоритма в сторону работника и постоянное наблюдение за ним приводит к ожидаемым последствиям: 34% членов Ассоциации считают, что общение стало хуже за последние пять лет, а 44% уверенны, что практики управления ухудшились.

3) «Чувство локтя» сильно снижается при модели HDC, что также затрудняет работникам доступ к профсоюзной деятельности. Амазон известен своими методиками использования алгоритмов для предотвращения организации работниками профсоюзов.

К тому же, обучение работников теперь проходит индивидуально, в приложении, что затрудняет доступ профосюзов к новичкам.

Из интервью работника: «Раньше мне нравилось работать. Сейчас слишком много постоянного видеонаблюдения и измерения показателей. Это не способствует моему психологическому здоровью». «Мы люди, а за нами наблюдают, измеряют и относятся так, словно мы – роботы».

Из интервью водителя-доставщика: «Постоянное видеонаблюдение заставляет меня нервничать и ментально «пережевывать» то, что я делаю, много раз. Я заметил, что я стал хуже работать из-за этого».

Популярное мнение, что автоматизация позволяет снизить ручной труд, и позволяет работникам заниматься работой, имеющей большую ценность для бизнеса, оказывается не состоятельной.

Кассир не имеет возможности общаться с покупателями, так как она должна выполнить свои показатели по количеству отсканируемого товара в минуту. Показатель устанавливает алгоритм, цель которого -увеличить интенсивность работы, которая измерима.

Разработчики платформ утверждают, что данные, собираемые с персонала (видеокамеры, датчики движения), имеют ценность для бизнеса компании.

Из интервью работника: «Носимые устройства, устройства для контроля взгляда. Много компаний закупают все это оборудование, устанавливают тотальный контроль над работниками, используют алгоритмы.. В какой то момент я задумываюсь: а это все действительно ценно для бизнеса?»

51% опрошенных членов Ассоциации ритейла не понимают целей сбора такого количества данных о них на работе. Они предполагают, что это все делается скорее в экспериментальных целях.

Большинство разработчиков таких платформ не задумываются и даже не знают, насколько сбор такого количества данных правомерен и не нарушает закон о защите персональных данных.

Менеджеры, которых мы опросили, сообщили, что они не озабочены вопросом безопасности собираемых данных.

Из интервью разработчика: «Большинство закупающих эти приложения- миллениалы. Они не заморачиваются этой темой. Они просто хотят загрузить приложение и им пользоваться».

Из интервью работника: «Меня это волнует, если честно. Но сталкиваешьсяс людьми, которые не волнуются о трудовом законодательстве, насколько эти приложения соответствуют законам о защите персональных данных, GDPR».

Один из постулатов Gig-экономики: взаимозаменяемость работников -это ценность.

Но как говорят разработчики платформ, одна из сложнейших проблем в том, что люди разные. И есть заказчики, которые хотят цифровизировать процесс управления людьми, чтобы решить эту проблему.

Ссылка на исследование: https://uploads-ssl.webflow.com/5f57d40eb1c2ef22d8a8ca7e/618a82fce2d03e405f80800b_IFO% 20%E2%80%93%20Th% 20Amazonia% 20Er% 20(09.11.21).pdf