HRM voor samenwerking tussen medewerker en slimme machine

Door Maarten Renkema, onderzoeker-docent HRM, Universiteit Twente
In een recente publicatie waarschuwt het Rathenau Instituut voor het doorslaan in gebruik van digitale middelen om medewerkers op de werkvloer te monitoren [1]. Minstens zo belangrijk is te bekijken hoe de technologische ontwikkelingen het werk zelf zullen veranderen. Daarbij wil ik wegblijven bij de discussie of er banen gaan verdwijnen en hoeveel.

Ik wil kijken hoe kunstmatige intelligentie en automatisering taken en samenwerkingen gaat veranderen. En dan vooral naar de rol van HRM bij het vormgeven van nieuwe vormen van samenwerking tussen mens en machine. Het onderzoek daarnaar begint op gang te komen. Uit een aantal recent gepubliceerde onderzoeken over automatisering, algoritmes en management wordt duidelijk in welke richting we bewegen. 

Automatisering en taakontwerp

Zo richten onderzoekers Parker en Grote de aandacht op de vraag hoe taken kunnen worden gedeeld tussen mens en machine en welke implicaties dit heeft voor de aansturing daarvan [2]. De onderzoekers stellen dat er gefocust moet worden op hoe taakontwerp aangepast dient te worden op technologie om te kunnen aansluiten bij de vaardigheden, behoeften en waarden van werkenden. 

Voor mij is de belangrijkste boodschap uit dit onderzoek dat nieuwe technologieën zowel een positief als een negatief effect kunnen hebben op zogenaamde job demands (werkeisen) en job resources (energiebronnen). De onderzoekers gebruiken het bekende Job Demands-Resources model (JD-R model) om te analyseren hoe kenmerken van het werk samenhangen met werkuitkomsten. Daarbij is het idee dat hoge job demands kunnen leiden tot negatieve effecten zoals stress en burnout, terwijl job resources kunnen leiden tot een hogere motivatie en productiviteit [3]. 

Technologie, energiebronnen en werkeisen

Een van de belangrijkste energiebronnen is autonomie, het kunnen nemen van besluiten over hoe het werk te doen, wanneer en waar. En dat is juist een aspect van het werk dat bedreigd wordt door wat algoritmische besluitvorming wordt genoemd. Algoritmes die op basis van kunstmatige intelligentie besluiten nemen, kunnen de autonomie verstoren. Dit kan er volgens Bader en Kaiser uiteindelijk toe leiden dat werkenden zich ‘ontkoppeld’ voelen van hun werk, geen binding meer hebben met hun taken en uiteindelijk gedemotiveerd raken [4]. Het Rathenau-rapport geeft als voorbeeld Uber-chauffeurs die aangestuurd worden door een algoritme dat ze niet begrijpen. 

Tegelijkertijd kunnen de werkeisen juist verlicht worden door het toepassen van kunstmatige intelligentie. Bijvoorbeeld wanneer zware taken worden overgenomen door slimme machines of als technologie repetitieve activiteiten overneemt of er kan worden samengewerkt met technologie waardoor het werk uitdagender en daardoor leuker wordt. 

Samenwerking in plaats van vervangen 

Sowieso moet er meer aandacht komen voor samenwerking met kunstmatige intelligentie in plaats van vervanging door technologie, schrijven wetenschappers die hebben gekeken naar de impact van AI op management [5]. Hun stelling is dat er teveel focus is op automatisering van menselijke taken, waarbij machines deze taken overnemen, en te weinig aandacht voor augmentation, waarbij mensen meer samenwerken met een machine om een taak goed te vervullen. 

Zij laten zien dat wanneer organisaties kiezen voor automation dit steeds ook weer leidt tot augmentation. Zij beschrijven dit kortweg als volgt: wanneer organisaties kiezen voor de automatisering van bepaalde simpele taken heeft dit uiteindelijk ook tot gevolg dat met name managers moeten samenwerken met dit soort geautomatiseerde en regel-gedreven systemen.

Dit omdat managementtaken veelal te complex zijn om simpele als-dan taken van te maken. Uiteindelijk zijn het dus mensen die het proces van kunstmatige intelligentie starten en overzien: zij geven machines de data en gebruiken hun kennis en kunde om de output van machines te complementeren en van context te voorzien. Augmentation en automation zijn onderling dus sterk van elkaar afhankelijk [5]. 

4 interventie-strategieën 

Wat kunnen we nu praktisch doen met deze kennis over taakontwerp en automatisering? Parker en Grote (2020) stellen vier interventie-strategieën voor [2].

1. Maak proactief keuzes omtrent taakontwerp tijdens het implementeren van technologieën.
Oftewel, wanneer je als organisatie nieuwe technologie gaat implementeren, denk dan vooraf na over hoe de implementatie de taken en verantwoordelijkheden van medewerkers gaat beïnvloeden. 

2. Pas human-centred design-principes toe bij het ontwerpen en kiezen van technologieën.
Hierbij gaat het om het meenemen van huidige praktijken en rollen bij het ontwikkelen en ontwerpen van technologische systemen. De nieuwe technologie moet dus aangepast worden op een organisatie, terwijl juist vaak wordt gedacht dat technologie de organisatie moet doen veranderen. Bij de aanpassingen kan men denken aan sociale, wettelijke en ethische aspecten die bij het ontwikkelen van technologie een rol moeten spelen, niet alleen achteraf bij de implementatie. 

3. Interventies moeten aansluiten bij beleid op het macro-niveau.
Dit omdat dit soort technologieën positiever lijkt uit te vallen voor werkgevers dan voor werknemers. Daarom roepen de onderzoekers op om goed te kijken naar landelijke wet- en regelgeving op het gebied van bijvoorbeeld (data) veiligheid, privacy en gezondheid. 

4. Voorkom dat er uitsluitend aandacht is voor bijscholing van werkenden als interventie.
De onderzoekers waarschuwen dat dit soms de enige oplossing lijkt. Er moet nadrukkelijk ook aandacht zijn voor het trainen van andere stakeholders in het ontwerpen en implementeren van nieuwe technologie, zoals managers, ontwikkelaars en inkopers van software.

Ethische vraagstukken serieus nemen

Voor CHROs is het derhalve belangrijk om aandacht te hebben voor de effecten van digitalisering op het werk op verschillende niveaus. Het is verstandig om als organisatie reeds vóór het ontwerp en de implementatie van nieuwe technologieën implicaties op de taken en verantwoordelijkheden van werkenden mee te nemen. Daarnaast is het raadzaam om ook ethische vraagstukken serieus te nemen. 

Niet alleen vanwege mogelijke toekomstige wet- en regelgeving, maar ook in het kader van goed werkgeverschap. Uiteindelijk gaat het om een goede samenwerking tussen mens en machine en daar moet HRM een bijdrage aan leveren. Anders blijft er weinig human over in human resource management. 

Wilt u weten wat artificiële intelligentie betekent voor uw HR-organisatie? Neem dan contact op voor mogelijke samenwerkingen voor onderzoek: m.renkema@utwente.nl. 

Dr. Maarten Renkema is onderzoeker bij de vakgroep Human Resource Management (HRM) van de Universiteit Twente en rondde in 2018 zijn proefschrift over HRM en medewerkergedreven innovatie af. Renkema is medeauteur van het boek Organisational Roadmap Towards Teal Organisations, een boek over zelfsturende teams en Teal-organisaties dat vorige zomer verscheen.

Bronvermelding
1.    Das, D., et al., Werken op waarde geschat – Grenzen aan digitale monitoring op de werkvloer door middel van data, algoritmen en AI. 2020, Rathenau Instituut: Den Haag.
2.    Parker, S. and G. Grote, Automation, algorithms, and beyond: Why work design matters more than ever in a digital world. Applied Psychology, 2020: p. 1-45.
3.    Schaufeli, W. and T. Taris, Het Job Demands-Resources model: overzicht en kritische beschouwing. Gedrag & Organisatie, 2013. 26(2): p. 182-204.
4.    Bader, V. and S. Kaiser, Algorithmic decision-making? The user interface and its role for human involvement in decisions supported by artificial intelligence. Organization, 2019. 26(5): p. 655-672.
5.    Raisch, S. and S. Krakowski, Artificial Intelligence and Management: The Automation-Augmentation Paradox. Academy of Management Review, 2020(ja).