Eigen ritme of algoritme?

Algoritmisch management is een bekend fenomeen uit de platformeconomie. Simpel gezegd houdt het een volledige automatisering van managementtaken in. Onderdelen van algoritmisch management steken echter steeds vaker ook de kop op bij ‘reguliere’ organisaties – organisaties waar mensen via een arbeidscontact in loondienst zijn. Doordat steeds meer processen (deels) digitaal worden uitgevoerd, krijgen organisaties de beschikking over grote hoeveelheden data die managers kunnen gebruiken voor het controleren, beoordelen en aansturen van werkenden.

Uit studies naar de betekenis van algoritmisch management voor werkenden in de platformeconomie blijkt dat dergelijke aansturing van werkenden ingrijpende gevolgen kan hebben voor de kwaliteit van arbeid. De impact van algoritmisch management buiten de platformeconomie is echter veel minder onderzocht. In deze publicatie slaan het Rathenau Instituut en TNO de handen ineen om te verkennen hoe algoritmisch management kan worden begrepen in de context van reguliere organisaties: welke vormen van algoritmisch management daar worden ingezet en wat de impact hiervan kan zijn op zowel werknemers als organisaties.

Methode en afbakening

Doordat algoritmisch management bij reguliere organisaties nog nauwelijks is onderzocht, is er weinig bekend over hoe het zich in deze context manifesteert. Deze studie verkent daarom eerst hoe het concept algoritmisch management binnen reguliere organisaties onderzocht kan worden. Vervolgens kijken we in hoeverre bestaande kwantitatieve databases inzicht kunnen bieden in effecten van algoritmisch management op werk in reguliere organisaties en op de kwaliteit van arbeid. We vullen deze analyse aan met kwalitatieve inzichten uit de praktijk.

Specifiek richten we ons in deze studie op het gebruik van data en algoritmen voor het controleren, beoordelen en aansturen van werknemers. Deze afbakening richt zich op de dagelijkse aansturing van werknemers en bouwt daarmee voort op veelgebruikte definities van algoritmisch management. Hoewel data en algoritmen ook voor andere doelen kunnen worden ingezet, zoals het selecteren en aanwerven van nieuw personeel, het vergroten van werknemerswelzijn en betrokkenheid, vallen deze buiten de scope van dit onderzoek.

Momenteel zijn er geen empirische data voorhanden die specifiek gaan over de mate waarin algoritmisch management voorkomt bij reguliere organisaties en wat de impact ervan is op zowel werknemers als organisaties. Voor ons onderzoek maken we daarom gebruik van proxy’s – vragen uit de Nationale Enquête Arbeidsomstandigheden (NEA) en de Werkgevers Enquête Arbeid (WEA) die kunnen duiden op het gebruik van algoritmisch management. In onze verkenning van toepassingen in de praktijk hebben we gemerkt dat er sprake is van een gevoelig onderwerp, waardoor een beperkt aantal organisaties hun medewerking aan dit onderzoek wilde verlenen.

Bevindingen in het kort

Uit onze verkenning van de wetenschappelijke literatuur blijkt dat we algoritmisch management, zoals we dat kennen uit de platformeconomie, kunnen begrijpen als een extreme of ideaaltypische variant. Een dergelijke mate van automatisering van management zal bij reguliere organisaties niet of nauwelijks voorkomen. De juridische, organisatorische en technologische context leent zich er simpelweg niet voor. Bij reguliere organisaties gaat het om subtiele toepassingen van algoritmisch management: technologie die ondersteunend is aan het werk van managers. 

Algoritmisch management is geen volledig nieuw fenomeen. Organisaties zetten sinds jaar en dag technologie in om werkprocessen efficiënter te maken. Algoritmisch management bouwt dan ook voort op bestaande trends, waarvan digitalisering de belangrijkste is. Wel zorgen technologische innovaties als kunstmatige intelligentie en grote hoeveelheden beschikbare data steeds weer voor nieuwe mogelijkheden.

De door ons gesproken organisaties zetten de technologie in voor verschillende doelen, waaronder de inclusie van mensen met een afstand tot de arbeidsmarkt en het vergroten van de kwaliteit van product en dienstverlening. De belangrijkste verwachting die organisaties hebben van algoritmisch management is echter het vergroten van de productiviteit en efficiëntie. Zo zien zij in algoritmisch management deels ook een oplossing voor de huidige arbeidsmarktkrapte.

Uit de kwantitatieve analyse komt naar voren dat een grote en groeiende groep werknemers te maken lijkt te hebben met vormen van algoritmisch management. Zo geeft 28% van de Nederlandse werknemers aan het afgelopen jaar meer controle te ervaren als gevolg van nieuwe technologie op de werkvloer. De verschillen tussen groepen zoals sectoren, beroepsgroepen, leeftijdsgroepen en opleidingsniveaus zijn beperkt. Er lijkt dan ook sprake van een thema dat allerlei werknemers aangaat.

Verder blijkt dat toepassingen van algoritmisch management bij reguliere organisaties een negatieve impact kunnen hebben op de kwaliteit van arbeid. Dit zien we het duidelijkst terug bij technologie die wordt ingezet voor het controleren van werknemers. Deze kan negatief uitpakken voor de ervaren autonomie en mentale belasting. De groep werknemers die meer controle door technologie ervaart, ervaart ook minder autonomie, meer werkdruk en meer burn-outklachten. Dit is een groot risico voor de kwaliteit van arbeid van grote groepen werknemers.

Werknemers die meer controle door technologie ervaren, rapporteren ook vaker een lagere productiviteit. Dit is tegen de verwachting van organisaties in, aangezien het vergroten van de productiviteit voor hen juist vaak de reden is om algoritmisch management in te zetten. Of werknemers daadwerkelijk minder productief worden door algoritmisch management is onduidelijk. Het kan ook zijn dat algoritmisch management werknemers het gevoel geeft dat zij tekortschieten, bijvoorbeeld wanneer zij de gestelde targets niet halen.

In onze praktijkverkenning zien we ook aanwijzingen dat technologie die specifiek wordt ingezet voor het aansturen van werknemers negatief kan uitpakken voor de autonomie en mentale belasting. Wanneer digitale systemen de activiteiten van werknemers tot in detail voorschrijven, kan dit ten koste gaan van de autonomie van werknemers en resulteren in hoge mentale belasting. Tevens kan het negatief uitpakken voor de ervaren sociale steun doordat er geen tijd meer is voor informeel contact met een collega en omdat het contact met de manager afneemt door de automatisering van managementtaken.

We constateren echter dat algoritmisch management ook een positieve impact kan hebben op de kwaliteit van arbeid, zonder dat dit ten koste hoeft te gaan van de productiviteit. Zo zagen we in onze praktijkverkenning dat de technologie positief kan uitpakken voor de ervaren autonomie, moeilijkheidsgraad en de sociale en functionele steun wanneer deze wordt ingezet om werknemers te ondersteunen. Het werk van mensen kan daardoor makkelijker en prettiger worden.

Keuzes bij de implementatie

Op basis van de voorliggende verkenning, constateren we dat de precieze impact van algoritmisch management afhangt van de keuzes die werkgevers maken bij de inzet ervan. Bepaalt het algoritme tot in detail wat er gedaan moet worden en hoe lang een werknemer hierover mag doen, of is er ook ruimte voor eigen keuzes? Misschien wel belangrijker dan de technologie is de managementfilosofie en het mensbeeld dat erachter schuil gaat. Zo maakt het uit of organisaties algoritmisch management inzetten met enkel productiviteitsverhoging als doel, of om personeel te ondersteunen en daarbij een centrale rol geven aan de kwaliteit van arbeid.

Zoals bij iedere andere technologie, kan algoritmisch management een andere uitwerking hebben op de kwaliteit van arbeid dan vooraf beoogd of bedoeld is. Daarom is het belangrijk om niet alleen vooraf met werknemers in gesprek te gaan over de gewenste inzet van data en algoritmen, maar ook bij tussentijdse evaluaties de kwaliteit van arbeid mee te nemen als criterium, naast de impact op organisatieprestaties.

Hoe verder?

Deze verkenning vormt het begin van kennisopbouw over de inzet en de impact van algoritmisch management in reguliere organisaties. Op basis van deze verkenning durven we te zeggen dat er sprake is van een ontwikkeling die veel werknemers raakt. Het is onze verwachting dat de toepassing van algoritmisch management de komende jaren verder zal toenemen, mede gezien de mogelijkheden die kunstmatige intelligentie biedt. Er is echter meer onderzoek nodig om beter zicht te krijgen op de wijze waarop algoritmisch management toepassingen worden gebruikt in reguliere organisaties en de impact die dit heeft op werknemers en de kwaliteit van hun werk.

Hieronder vatten we de inzichten uit deze verkenning samen aan de hand van onze onderzoeksvragen.  

1. Wat is algoritmisch management?

Onze eerste deelvraag luidde: wat is algoritmisch management en hoe kunnen we het conceptualiseren binnen de context van de reguliere arbeidsmarkt? Deze vraag hebben we onderzocht aan de hand van een literatuurverkenning.

Algoritmisch management is bekend als fenomeen in de platformeconomie, die we min of meer kunnen beschouwen als de proeftuin van algoritmisch management. Platformen opereren volledig digitaal en beschikken over grote hoeveelheden realtime data over werkenden. Hiermee is het koppelen van vraag en aanbod van arbeid en het toewijzen van werkzaamheden relatief makkelijk te automatiseren. Datzelfde geldt voor nudging via loonprikkels en de evaluatie van platformwerkers door reviews. De ‘baas’ is dan in feite een algoritme, een mens als manager is overbodig.

Uit ons literatuuronderzoek blijkt dat deze vorm van algoritmisch management een van de meest extreme vormen is. De juridische, organisatorische en technologische context van reguliere organisaties staat een dergelijke toepassing niet toe. Wel kunnen reguliere organisaties gebruik maken van digitale technologie voor de ondersteuning van managementtaken. Uit eerder onderzoek blijkt dat organisaties voor diverse doelen gebruik maken van data en algoritmen, variërend van de strategische personeelsplanning en het aannemen van nieuw personeel tot het vergroten van het medewerkerswelzijn.

In deze studie hebben we ons gericht op de dagelijkse aansturing van werknemers omdat we daarmee het beste aansluiten op bestaande definities van algoritmisch management. Op basis van de literatuurverkenning verwachten we hier bovendien de grootste mate van automatisering aan te treffen. We definiëren algoritmisch management binnen de context van reguliere organisaties als: de automatisering van managementtaken, en specifiek het gebruik van data en algoritmes voor het controleren, beoordelen en aansturen van werknemers.

De nieuwe mogelijkheden op het gebied van machine learning bieden ook nieuwe mogelijkheden op het gebied van algoritmisch management. Tegelijkertijd zien we dat ook minder geavanceerde digitale toepassingen het controleren, beoordelen en aansturen van werknemers in reguliere organisaties ingrijpend kunnen veranderen.   

2. Doelen van organisaties

Onze tweede deelvraag luidde: welke doelen hebben organisaties bij de invoering van algoritmisch management? Deze vraag hebben we onderzocht aan de hand van kwalitatief onderzoek bij drie organisaties die momenteel al gebruik maken van data en algoritmen voor het controleren, beoordelen en aansturen van werknemers.

De voorbeelden uit de praktijk maken duidelijk dat organisaties in algoritmisch management kansen zien voor zowel de organisatie als voor werknemers. Zo zien zij in de technologie een mogelijkheid om de productiviteit en efficiëntie te verhogen. In het verlengde daarvan kan algoritmisch management voor hen een deel van de oplossing zijn voor het tekort aan personeel. Tegelijkertijd kan het voor werknemers de werkdruk verlichten.

Daarnaast hopen de organisaties die wij spraken ook de kwaliteit van hun product of dienstverlening te verhogen met de inzet van algoritmisch management. Zo biedt de technologie de mogelijkheid om werkprocessen te standaardiseren en fouten te voorkomen. Ook kunnen de inzichten uit de data worden gebruikt voor de opleiding van werknemers.

Algoritmisch management kan ook helpen bij de inclusie van mensen met een afstand tot de arbeidsmarkt, zo maakte de casus in de groenvoorziening duidelijk. De technologie wordt in dat geval ingezet om het makkelijker te maken voor mensen met een arbeidsbeperking om zelfstandig hun werk uit te voeren. De werknemer kan dus worden ondersteund door algoritmisch management.

Kortom: algoritmisch management lijkt, net als veel andere nieuwe technologieën, in de eerste plaats te worden ingezet om de productiviteit te vergroten. De manier waarop dat gebeurt, kan verschillen. Zo kan het ingezet worden voor het standaardiseren van werkprocessen, het in detail voorschrijven van taken en het monitoren van werkzaamheden, maar ook om werknemers te empoweren en in staat stellen om hun werk beter te doen.

3. Impact op werknemers

Onze derde deelvraag luidde: wat is de impact van algoritmisch management op werknemers? Deze vraag hebben we onderzocht op basis van data-analyse van de Nationale Enquête Arbeidsomstandigheden (NEA) en de Werkgevers Enquête Arbeid (WEA) en de inzichten uit de casestudies.

Hoe vaak komt het voor en wie heeft ermee te maken?

Er bestaan geen cijfers over de mate waarin algoritmisch management voorkomt bij reguliere organisaties in Nederland. Daarom hebben we aan de hand van de NEA en WEA in kaart gebracht wat we weten over het gebruik van technologie voor het controleren, beoordelen en aansturen van personeel. Het gaat hierbij om zelfrapportage van werknemers en werkgevers.

Over controle van werknemers doormiddel van technologie, hebben we representatieve cijfers vanuit de NEA. Met betrekking tot het beoordelen en aansturen van werknemers zijn er echter geen specifieke vragen opgenomen.

Op basis van de literatuur weten we dat controleren, beoordelen en aansturen vaak hand in hand gaan. Voor het controleren van werknemers is het immers noodzakelijk om te bepalen wat je gaat meten. In die keuze zit al een impliciete beoordeling van wat waardevol is. Hier gaat bovendien een sturende werking vanuit. In deze verkenning beschouwen we controle door technologie als meest bruikbare proxy voor algoritmisch management. Voor vervolgonderzoek zijn echter specifieke data nodig over de toepassing van algoritmisch management, met name binnen de domeinen beoordelen en aansturen.

Uit de NEA blijkt dat een aanzienlijk deel van de werknemers (28%) in het afgelopen jaar een toename heeft ervaren van de controle op hun werk als gevolg van de inzet van nieuwe technologie. Het is een thema dat allerlei werknemers aangaat. Als we kijken naar kenmerken als geslacht, leeftijd, opleidingsniveau, sector of beroepsgroep zien we slechts beperkte verschillen. Wel is het zo dat werknemers in de handel, de zorg en het vervoer aanzienlijk vaker een toename van de controle door technologie ervaren dan hun collega’s in andere sectoren.

Andere cijfers laten een vergelijkbaar beeld zien. Zo geven bijna drie op de tien Nederlandse werknemers (29%) aan dat er in het afgelopen jaar veranderingen plaatsvonden in de manier waarop er toezicht werd gehouden op hun werkzaamheden. Hoewel dit niet noodzakelijk samenhangt met het gebruik van nieuwe technologie, is dat wel aannemelijk. Zo blijkt ook dat 34% van de werknemers in het afgelopen jaar veranderingen heeft ervaren in de technologie die wordt gebruikt op de werkvloer of bij de uitvoering van het werk.

Toenemende controle op het werk en de mogelijke effecten die daarmee gepaard gaan, lijken dus een belangrijk aandachtspunt bij het gebruik van algoritmisch management. Tegelijkertijd kunnen we op basis van deze data niet onomstotelijk vaststellen om welke technologie het gaat en in hoeverre er daadwerkelijk sprake is van algoritmisch management. Hier is dus vervolgonderzoek nodig.

Ook moeten we niet te snel concluderen dat technologie primair wordt ingezet om medewerkers te controleren en bijvoorbeeld niet om medewerkers te ondersteunen zoals in het praktijkvoorbeeld van de groenvoorziening. Zo geeft bijna de helft van de werknemers (47,5%) die nieuwe technologie gebruikten voor hun werkzaamheden, aan dat het werk hierdoor gemakkelijker is geworden. 

Met betrekking tot het beoordelen en aansturen van werknemers zijn er geen specifieke vragen opgenomen in de NEA en WEA. Op basis van de literatuur weten we dat controleren, beoordelen en aansturen vaak hand in hand gaan. Voor het controleren van werknemers is het immers noodzakelijk om te bepalen wat je gaat meten. In die keuze zit al een impliciete beoordeling van wat waardevol is. Hier gaat bovendien een sturende werking vanuit.

Omdat we niet beschikken over cijfers over het gebruik van digitale technologie voor het beoordelen en aansturen van werknemers, beschouwen we digitale technologie voor het controleren van werknemers in deze verkenning als de meest bruikbare proxy voor algoritmisch management. Voor vervolgonderzoek zijn echter specifieke data nodig over het beoordelen en aansturen van medewerkers via algoritmisch management.

Impact op kwaliteit van arbeid

Voor het in kaart brengen van de impact van algoritmisch management op de kwaliteit van arbeid, maken we gebruik van zowel de inzichten uit de kwantitatieve analyse van de NEA en WEA, alsook de inzichten die we hebben opgedaan bij de verkenning van de praktijk. Hieronder lopen we de verschillende aspecten van de kwaliteit van arbeid langs, en rapporteren we onze belangrijkste bevindingen.

Uit de cijfers van de NEA blijkt dat er verschillen zijn in de kwaliteit van arbeid van werknemers die ervaren dat de controle door technologie is toegenomen en werknemers die minder of dezelfde mate van controle ervaren. De groep die een toegenomen controle door technologie ervaart, rapporteert over het algemeen ook een lagere kwaliteit van arbeid. Dit zien we het sterkst terug bij mentale (psychosociale) belasting en autonomie (eigen keuzes kunnen maken).

Mentale belasting

De grootste verschillen zijn te zien bij de mentale belasting van werknemers. De groep die een toegenomen controle ervaart, zegt ook veel vaker altijd of vaak werkdruk te ervaren, blijkt uit de NEA-cijfers. Uit onze praktijkverkenning kwam ook naar voren dat digitale technologie voor het aansturen en beoordelen van werknemers een negatieve impact kan hebben op de mentale belasting. Zo zagen we dat werknemers bij de klantcontactorganisatie zich onder druk gezet kunnen voelen door het dwingende ritme en de dwingende aanwijzingen van digitale systemen. Het algoritme laat dan nauwelijks ruimte voor het eigen ritme. 

Autonomie

Ook op het gebied van autonomie zien we grote verschillen in de NEA-cijfers. Werknemers die meer controle door technologie ervaren, geven aan minder autonomie in hun werk te ervaren. Ook dit zagen we terug bij de klantcontactorganisatie waar de systemen vrijwel volledig de volgorde en het tempo van het werk bepalen. Werknemers ervaarden maar zeer beperkt de mogelijkheid om hier vanaf te wijken en eigen keuzes te maken.

In de groenvoorziening en bij de zorgorganisatie zagen we dat algoritmisch management ook kan zorgen voor een toename in de ervaren autonomie. Dat komt doordat de systemen werknemers ondersteunen en het bijvoorbeeld mogelijk maken om inzicht in het eigen handelen te verwerven zonder tussenkomst van anderen. Bij het ondersteunen van werknemers door technologie is het van belang dat de data niet ook gebruikt worden om werknemers te monitoren, want dat heeft juist een negatieve invloed op de ervaren autonomie, blijkt uit het voorbeeld in de groenvoorziening.

Hoewel de NEA-cijfers laten zien dat meer controle door inzet van technologie vaak hand in hand gaat met een afname van de ervaren autonomie, blijkt uit de praktijkvoorbeelden dat algoritmisch management juist ook kan worden ingezet om de autonomie van mensen te vergroten.

Sociale en functionele steun

Als het gaat om de impact op sociale en functionele steun, zien we slechts kleine verschillen in de NEA-cijfers. De praktijkvoorbeelden laten wel zien dat deze aspecten geraakt kunnen worden door algoritmisch management. Zo zorgen digitale systemen die het werktempo en de werkvolgorde bepalen ervoor dat werknemers minder vrijheid hebben voor een praatje met collega’s. Ook de beoordeling en aansturing door digitale systemen kan een negatieve impact hebben op de sociale steun. Dit komt omdat er minder contact is met een manager. Contact met managers is vaak een combinatie van sociale en functionele steun. Een digitaal systeem biedt vaak alleen dat laatste. Op het gebied van functionele steun kan algoritmisch management juist een positieve invloed hebben, blijkt uit de cases in de groenvoorziening en de zorg.

Moeilijkheidsgraad

In de NEA zien we nauwelijks impact als het gaat om de moeilijkheidsgraad van het werk. Ook in de praktijkvoorbeelden nemen we geen toename waar in de moeilijkheidsgraad van het werk door de inzet van algoritmisch management. Hierbij past echter een belangrijke kanttekening. De case in de groenvoorziening liet zien dat het gebruik van digitale systemen als belangrijke implicatie heeft dat werknemers ten minste over basale digitale vaardigheden dienen te beschikken. Die moeten dan mogelijk aangeleerd worden. Tegelijk zagen we dat, zodra iemand ermee kan werken, dergelijke toepassingen het werk gemakkelijker kunnen maken door werknemers aanwijzingen en feedback te geven. Ten slotte dient opgemerkt te worden dat het makkelijker of moeilijker worden van taken niet per definitie goed of slecht is. De moeilijkheidsgraad moet op de competenties van een werkende aansluiten, waarbij enige vorm van uitdaging voor ontwikkelingsmogelijkheden zorgt.  

Variatie in taken

Uit zowel de NEA als de cases blijkt niet dat algoritmisch management een significante impact heeft op variatie in taken. Het gebruik van een digitale toepassing kan een uitbreiding zijn van het takenpakket, blijkt uit de praktijkvoorbeelden van de groenvoorziening en de zorg, maar tegelijkertijd worden er taken geautomatiseerd, ook managementtaken.

Impact op welzijn en productiviteit

We hebben ook gekeken naar enkele overkoepelde indicatoren voor welzijn en productiviteit. Uit de NEA-cijfers blijkt dat werknemers die meer controle door technologie ervaren een lager welzijn rapporteren dan de groep die minder of dezelfde hoeveelheid controle ervaart. Zij rapporteren bijvoorbeeld aanzienlijk meer burn-outklachten en een minder goede gezondheid. Dat zij meer burn-outklachten rapporteren, ligt in het verlengde van de grotere mentale belasting die zij ervaren.

Zoals we zagen in de cases passen veel werkgevers algoritmisch management toe in de hoop de productiviteit vergroten. De ervaringen van werknemers zijn echter tegenstrijdig met dit beoogde doel, zo laten de NEA-data zien. Werknemers die meer controle of toezicht door technologie ervaren, beoordelen hun eigen prestaties minder positief dan werknemers die geen toename ervaren. Dit kan erop duiden dat meer controle juist een negatief effect kan hebben op de productiviteit omdat mensen zich op hun vingers gekeken voelen.

Samenvattend: impact op de kwaliteit van arbeid

Samenvattend kunnen we op basis van de NEA concluderen dat een toename van de ervaren controle door de inzet van technologie negatief samenhangt met de kwaliteit van arbeid. Werknemers die meer controle ervaren door de inzet van technologie, ervaren minder autonomie, meer mentale belasting en meer burn-outklachten. Tegelijkertijd beoordelen werknemers die een toenemende controle ervaren hun eigen prestaties als minder productief dan werknemers die geen toename van de controle ervaren. De beoogde doelstelling van productiviteitsverhoging lijkt volgens de werknemers zelf niet te worden behaald.

Uit de praktijkvoorbeelden blijkt dat deze negatieve impact van algoritmisch management op de kwaliteit van arbeid een belangrijk risico is. Niet alleen de controle, maar ook de beoordeling en aansturing kunnen ervoor zorgen dat werknemers nauwelijks autonomie en veel werkdruk ervaren. Tegelijkertijd blijkt uit de praktijkvoorbeelden dat dit risico niet onvermijdelijk is. Sterker nog: algoritmisch management kan ook een positieve invloed hebben op de kwaliteit van arbeid als het wordt ingezet om werknemers te ondersteunen in plaats van te controleren. Dan neemt de autonomie juist toe en de werkdruk af. De impact van algoritmisch management lijkt afhankelijk van hoe het wordt ingezet.

4. Overwegingen en keuzes

Onze vierde deelvraag luidde: welke overwegingen hebben organisaties bij de toepassing van algoritmisch management en welke keuzes kunnen zij maken om zowel de organisatieprestaties als de kwaliteit van arbeid te verbeteren?

De precieze impact van algoritmisch management hangt af van keuzes die werkgevers maken bij de implementatie ervan.

In de eerste plaats is het van belang vanuit welke managementfilosofie de technologie wordt toegepast. Hoe ziet de bedrijfsvoering er in algemene zin uit? Wordt er vooral top-down aangestuurd of is er ook ruimte voor bottom-upinitiatieven? Worden werknemers aangestuurd op basis van vertrouwen of van controle? Is er vooral oog voor kortetermijnresultaten en efficiëntie of staan innovatie en investeren in human capital centraal? Deze algemene managementfilosofie en de cultuur in de organisatie zijn vaak bepalend voor de wijze waarop technologieën zoals algoritmisch management worden geïmplementeerd.

In de tweede plaats is het van belang te beseffen dat organisaties keuzeruimte hebben. Natuurlijk hebben zij rekening te houden met wetgeving, klantbehoeften en keuzes van concurrenten. Toch kunnen ze belangrijke keuzes maken ten aanzien van de wijze waarop zij de technologie implementeren: keuzes die bepalend zijn voor de impact van de technologie op de kwaliteit van werk. 

Op basis van deze verkenning komen we tot drie gebieden waar organisaties keuzes kunnen maken bij het gebruik van algoritmisch management.

Keuzes in het toepassen van algoritmisch management

De eerste vraag die organisaties zichzelf moeten stellen, is welk doel ze willen nastreven met de toepassing van algoritmisch management, en of de wijze waarop de technologie hieraan bijdraagt wel de beste oplossing biedt. Als het om de beoordeling van het werk van werknemers gaat, is het bijvoorbeeld belangrijk dat ze zich afvragen of de kwaliteit van de output zich laat vangen in een cijfer (door het systeem) of rating (door klanten). In de meeste gevallen zal een kwalitatieve beoordeling door een manager nog steeds nodig zijn. 

Daarnaast is het belangrijk na te gaan wat mogelijke neveneffecten kunnen zijn, bedoeld of onbedoeld. Waar productiviteitsverbeteringen vaak de voornaamste doelstelling zullen zijn van nieuwe technologieën, is het belangrijk om te beseffen dat ook de kwaliteit van arbeid vaak zal veranderen. Technologie die wordt ingezet voor het controleren van werknemers kan ten koste gaan van de ervaren autonomie en werkdruk. Deze neveneffecten moeten vooraf worden geïnventariseerd.

Bij de implementatie van algoritmisch management is het belangrijk om vooraf na te gaan wat de impact is op zowel de organisatieprestaties als de kwaliteit van arbeid. Om dat laatste in een vroeg stadium mee te nemen, kunnen er verschillende tools en inzichten uit het gedachtegoed van sociale innovatie worden toegepast.

Dataverzameling en algoritmes

Het gebruik van data, algoritmes en de daaraan gekoppelde targets heeft grote invloed op het gedrag en welzijn van werknemers. Organisaties moeten zorgvuldig kiezen welke data zij willen verzamelen en welke data juist niet.

Vervolgens moeten ze bepalen hoe deze data verwerkt worden en wie ze ontvangt. Wordt er gekozen voor een technisch geavanceerd algoritme dat wellicht effectief is of juist voor een simpel algoritme dat makkelijk inzichtelijk is voor werknemers? Worden de data alleen teruggekoppeld aan de werknemer zodat die ze zelf kan interpreteren en van kan leren? Of krijgen de managers ze om werknemers te beoordelen en te vergelijken?

Daarnaast is ook de manier van normering belangrijk. Zijn er absolute normen of relatieve, waarbij onderlinge concurrentie wordt gecreëerd? De keuzes die hierbij gemaakt worden, hangen deels ook weer af van de managementfilosofie van de organisatie.

Betrekken van en communiceren met werknemers

Organisaties die algoritmisch management toepassen, moeten afwegingen maken over het informeren en betrekken van werknemers. Hoe worden die bijvoorbeeld geïnformeerd over welke data er verzameld worden, en hoe de algoritmes werken die besluiten maken? Hebben werknemers mogelijkheden om deze besluiten tegen te spreken en contact op te nemen met een manager? Wordt hun contact met het management minder of komen er alternatieve wegen om te communiceren? Ook dit is weer afhankelijk van de managementfilosofie binnen een organisatie. Als een organisatie betrokken en bevlogen werknemers wil die het beste uit zichzelf willen halen, is het van belang om hen te betrekken bij de bedrijfsvoering en bij innovatietrajecten. Dit kan door verantwoordelijkheden (taakeisen) en bevoegdheden (regelmogelijkheden) zo laag mogelijk te beleggen.

Tot slot

Deze verkenning vormt het begin van kennisopbouw over de inzet van algoritmisch management in reguliere organisaties. Op basis van deze verkenning durven we te zeggen dat dit een ontwikkeling is die veel werknemers en hun werk raakt. Maar er is meer onderzoek nodig om zicht te krijgen op welke toepassingen van algoritmisch management reguliere organisaties gebruiken. Overheden, sociale partners en onderzoeksinstellingen zouden nauw moeten samenwerken om inzichten te bieden in de impact van AI waarop beleid kan worden ontwikkeld.

Ook is het voor overheden en sociale partners belangrijk om zich te buigen over de vraag wat een wenselijke inzet van algoritmisch management inhoudt. Meebewegend op de trend van digitalisering en de snelle ontwikkelingen op het vlak van kunstmatige intelligentie, zal de technologie waarschijnlijk steeds meer worden toegepast in de reguliere arbeidsmarkt. Van belang is het om niet achter de feiten aan te lopen, maar proactief in te spelen op de veranderingen.

We zien dat technologie vaak wordt ingezet voor het controleren van werknemers terwijl dat een negatieve impact heeft op de kwaliteit van arbeid. Ook zijn er signalen dat de beoogde productiviteitsverbetering hiermee niet wordt gerealiseerd. Dat is een groot risico voor de kwaliteit van arbeid in Nederland. Tegelijkertijd zijn er toepassingen van algoritmisch management die zowel de productiviteit als de kwaliteit van arbeid verbeteren.

Effectief beleid zou voor een ondergrens moeten zorgen die werknemers beschermt tegen mogelijke negatieve impact van algoritmisch management, maar genoeg ruimte laat voor innovatie en procesverbetering. Nieuwe wetgeving rondom de inzet van AI (zoals de AI-act) zou daarin een belangrijke rol kunnen spelen.

Met beleid dat is gestoeld op de meest actuele inzichten uit de wetenschap, kunnen technologische toepassingen ontworpen en geïmplementeerd worden die zowel de productiviteit als de kwaliteit van arbeid verbeteren. Daaraan hopen we met deze publicatie een bescheiden bijdrage te hebben geleverd.