Ki kapja az új munkát, amikor az automatizálás megváltoztatja a munkát?

Az automatizálás ritkán szüntet meg egy egész foglalkozást egyetlen mozdulattal. Inkább átrendezi a feladatokat, a döntési jogkört, a képzést, a...

Ki kapja az új munkát, amikor az automatizálás megváltoztatja a munkát?

A munka soha nem a feladatlista

Az automatizálásról szóló vitában az egyik legfélrevezetőbb kérdés, hogy a gép elveszi-e majd a munkát. Egy munka ritkán egyetlen dolog, amit ki lehet emelni az emberből és be lehet tenni egy szerverbe. Feladatok, ítéletek, rutinok, kapcsolatok, jogosultságok és helyi tudás darabjainak kötege. Ezek közül néhányat lehet támogatni. Néhányat lehet szabványosítani. Néhányat el lehet távolítani. Mások éppen azért válnak fontosabbá, mert a rutinmunkát máshová helyezték át.

A változás ezért hamarabb érkezik meg, mint a munkakör megnevezése. Egy beosztási rendszer megváltoztathatja, hogy kit kérnek meg a munkára, még akkor is, ha a beosztás ugyanazokat a neveket tartalmazza. Egy dokumentumasszisztens megváltoztathatja, hogy mi számít ésszerű esetszámnak, még akkor is, ha a szerződés továbbra is ügyintézőt ír elő. Egy teljesítmény-irányítópult informális ítéletet változtathat célszámmá, még akkor is, ha senki nem nevezi vezetőnek az irányítópultot. A munka megváltozott. A szervezet egyszerűen elfelejtette megváltoztatni a szókincsét.

Ezért a komoly kérdés nem az, hogy az automatizálás elpusztítja-e a munkahelyeket elvont értelemben. Hanem az, hogy ki dönti el, mely feladatok kerülnek át, mely új feladatok jelennek meg, mely kockázatokat fogadnak el, kiket képeznek ki, és kinek van joga vitatni egy eredményt. A válasz határozza meg, hogy egy technikai változás tisztességes átmenetté, a munka intenzívebbé válásává vagy a hatalom csendes átadásává válik-e azoktól, akik a munkát végzik, a rendszernek, amely méri azt.

Képzeljünk el egy összetett munkanapot, amelyet ismert jellemzőkből állítottak össze, nem pedig bármely név szerint említett munkáltató jelentéséből. Egy csapat kap egy eszközt, amely összefoglalókat készít, prioritásokat javasol és méri az egyes esetekre fordított időt. Az eszközt segítségként írják le. A csapatnak azt mondják, hogy egyetlen szerepkört sem szüntetnek meg. Néhány héten belül a könnyű eseteket gyorsabban fejezik be, a nehéz esetek megmaradnak, a célszámot a gyorsabb átlag alapján újraszámolják, és azok, akik megkérdőjeleznek egy javaslatot, több időt töltenek annak dokumentálásával, hogy miért tették ezt. Ebben a sorozatban semmi sem követeli meg, hogy egy gép elvegyen egy munkát. A munkát mégis a gép köré tervezték újra.

A különbség azért számít, mert megváltoztatja, hogy egy felelős bevezetésnek mire kell választ adnia. Ha a munkát átrendezik, a dolgozóknak beleszólásuk kell legyen a térképbe, nem pedig egy motivációs poszterbe, miután a térkép elkészült. Ha az ítélet egy pontozási rendszerbe kerül át, az érintetteknek módjukban kell álljon megvizsgálni és megkérdőjelezni a pontszámot. Ha a képzés szükséges az új elrendezés működőképessé tételéhez, a képzés magának a változásnak a része, nem pedig juttatás, amelyet akkor kínálnak fel, amikor a költségvetés nagylelkűnek érzi magát.

Kezdje azzal, amit az emberek valójában csinálnak

A jó átmeneti munka megfigyeléssel kezdődik. Mielőtt egy csapat modellt választ, le kell írnia a munkát úgy, ahogyan azt végzik, beleértve a kínos részeket is, amelyek soha nem jelennek meg a folyamatábrán. Mely döntések rutinszerűek? Melyek függenek a kontextustól? Melyek igényelnek beszélgetést, szakmai kapcsolatot vagy fizikai ellenőrzést? Hol veszik észre az emberek, hogy egy nyilvántartás hiányos? Hol kompenzálják azt, hogy egy rendszer nem tudja megkülönböztetni a szokatlan esetet a rossztól?

Ez nem érv az emberi munka romantizálása mellett. Egyes rutinok unalmasak, ismétlődőek és rosszul illenek egy olyan emberhez, akinek más dolga is van. A felesleges másolás, keresés vagy újraformázás megszüntetése valódi javulás lehet. A lényeg az, hogy megnevezzük a megváltoztatandó feladatot, ahelyett, hogy a foglalkozást egyetlen blokként kezelnénk. Egy rendszer, amely megszünteti a duplikált bevitelt, időt adhat vissza. Egy rendszer, amely megszünteti a bizonytalan válasz ellenőrzéséhez szükséges időt, gyorsabb módot teremthet a tévedésre.

A useful task map has at least four layers. The first is the visible action: classify, draft, schedule, inspect, answer or approve. The second is the judgement hidden inside it: what counts as complete, urgent, safe, fair or relevant. The third is the responsibility attached to the judgement: who must explain the decision, correct it and carry the consequences. The fourth is the learning loop: who notices a new pattern, updates the practice and tells the system that its old shortcut no longer works.

Those layers are often distributed across a team. A receptionist may notice a detail that a policy analyst formalises. A technician may recognise a fault that an engineer later encodes as a rule. A social worker may know that a phrase in a form is a sign of distress rather than a missing field. The system can support each person differently, but it should not erase the route by which knowledge enters the organisation. If the people who see the exception are excluded from design, the system will be very consistent about missing it.

The International Labour Organization’s work on generative AI is helpful here because it separates exposure of tasks from the fate of whole occupations. Its analysis finds that many jobs are only partly exposed and are more likely to be complemented than fully substituted. That does not mean the transition is harmless. The ILO points to changes in job quality, work intensity and autonomy, and says that the outcome depends on how the technology is introduced. A task may remain formally human while the conditions around it become less humane.

The same analysis also warns against treating exposure indicators as forecasts of job losses. An exposure score can identify where a technology might touch work. It cannot tell us whether an employer will use the possibility to reduce drudgery, increase throughput, remove discretion or create a better service. That is a management and social question. A number can locate the door. It cannot tell us who is allowed to walk through it.

Automation changes a web of work, not a single box on an organisation chart. The map keeps judgement and responsibility visible.

Augmentation can still intensify work

The word augmentation sounds reassuring because it suggests that a person remains in the picture. It is not, by itself, a guarantee of better work. A system can augment a worker by giving them a useful instrument, or by giving them a larger pile of cases and a smaller window in which to deal with each one. It can improve the quality of a decision, or it can make a decision look objective enough that nobody feels permitted to question it.

A munkaintenzitás nem csupán az elvégzett feladatok számát jelenti. Magában foglalja az elvárt sebességet, a tolerált megszakításokat, az egyedi esetek kezeléséhez szükséges érzelmi erőfeszítést, valamint a gondos döntéshez rendelkezésre álló figyelem mértékét. Egy szövegszerkesztő eszköz időt takaríthat meg egy rutinlevél megírásakor, miközben növeli azoknak a leveleknek a számát, amelyeket egy személytől elvárnak. Egy útvonal-optimalizáló lerövidítheti az utazást, miközben minden megtakarított percet egy újabb látogatással tölt meg. Egy irányítópult felfedhet egy szűk keresztmetszetet, majd csendben egyéni teljesítményproblémává változtatja azt.

Az ILO megállapításai okkal helyezik a munka minőségét a munka mennyisége mellé. Egy munkakör fennmaradhat, miközben az autonómia csökken. Egy személy megtarthatja a beosztását, miközben elveszíti azt a mérlegelési jogkört, amely a munkakört szakértelemmé tette. Az átmenet egyenetlen is lehet. Azok a dolgozók, akik már hozzáférnek megbízható rendszerekhez és képzésekhez, előnyhöz juthatnak, míg ugyanabban a foglalkozásban másoknak kevesebb idővel és kevesebb erőforrással kell megbirkózniuk a nehéz esetekkel. Az összkép termelékenységnek tűnhet, miközben a mindennapi tapasztalat egy olyan sorban állás, amely soha nem ürül ki teljesen.

Éppen ezért egy felelős javaslatnak olyan kifejezésekkel kell leírnia a tervezett javulást, amelyeket a dolgozó ellenőrizni tud. Megszünteti-e a rendszer egy ismétlődő lépést? Könnyebben megtalálhatóvá teszi-e a releváns információt? Hagy-e időt egy olyan beszélgetésre, amelyet nem lehet automatizálni? Csökkenti-e a veszélyes feladatnak való kitettséget? Mi történik a megtakarított idővel? Ha a válasz egyszerűen az, hogy a csapat többet fog feldolgozni, akkor a szervezet nem kiegészítésről tárgyal. Új teljesítménycélról tárgyal udvarias felülettel.

Minőségi probléma is van. Amikor egy rendszer a gyakori esetet kezeli, az emberek a ritka esetek nagyobb arányát látják. A fennmaradó munka kétértelműbbé, nagyobb horderejűvé vagy inkább tapasztalattól függővé válik. Ez jó ok lehet a szakértelembe való befektetésre. Arra is használható, hogy arra a következtetésre jussanak, hogy a munka már túl szabálytalan ahhoz, hogy megfelelő folyamatot érdemeljen. Az első út a megítélést képességként kezeli. A második olyan költséghelyként kezeli, amelyet még nem sikerült sikeresen összenyomni.

Egy átmeneti tervnek ezért tartalmaznia kell egy ellentétes feltételezést, amelyet ritkán írnak le: hogyan fog kinézni a munkakör, ha a rendszer elég pontos ahhoz, hogy hasznos legyen, de nem elég pontos ahhoz, hogy felülvizsgálat nélkül megbízzanak benne? Ez a normális állapot sok döntéstámogató rendszer esetében. A válasznak meg kell határoznia, hogy hol történik a felülvizsgálat, mennyi ideig tart, milyen bizonyítékokra van szüksége, és hogyan utasíthatja el valaki az ajánlást anélkül, hogy hatékonytalannak bélyegeznék.

A rejtett vezető a szoftverben

Az automatizálás munkahelyi irányítássá válik, amikor a szoftver elosztani, irányítani, értékelni vagy ellenőrizni kezdi a munkát. Nem kell mesterséges intelligenciának nevezni. Egy rögzített szabály, amely rendelkezésre állás alapján oszt ki feladatot, alakíthatja a napot. Egy értékelési rendszer befolyásolhatja a jövőbeli munkához való hozzáférést. Egy modell, amely valószínű késést jelez előre, megváltoztathatja, hogy ki kapja a nehéz műszakot. A szabály és a tanult modell közötti technikai különbség az átláthatóság szempontjából fontos, de a dolgozó mindkettőt a hozzá érkező döntésen keresztül éli meg.

Az Európai Bizottság algoritmikus vezetésről szóló tanulmánya ezt a területet olyan gyakorlatok összességeként írja le, amelyek automatizálhatják vagy támogathatják a hagyományos vezetési funkciókat. Ezek a funkciók magukban foglalják a toborzást, a feladatkiosztást, a nyomon követést, az értékelést és az előmenetelre vagy a munkaviszony megszüntetésére vonatkozó döntéseket. A tanulmány azt is megjegyzi, hogy a szakpolitikai és jogi válasz több jogi eszköz között oszlik meg, nem pedig egyetlen egységes munkahelyi szabályzatban összpontosul. Ez a széttagoltság közigazgatási tény, nem pedig felhatalmazás arra, hogy úgy tegyünk, mintha a szoftvernek nem lennének vezetői hatásai.

Az algoritmikus irányítás gyakran egy apró működési ígérettel kezdődik. Gyorsabban párosítsuk az embereket a feladatokkal. Vegyük észre a kapacitáshiányt, mielőtt a beosztás összeomlik. Adjunk a művezetőnek világosabb rálátást. Fedezzük fel a biztonsági kockázatot. Minden ígéret önmagában észszerű lehet. A kockázat akkor jelenik meg, amikor a mérőszám a munka helyettesítőjévé válik. A válaszidő a gondoskodást helyettesíti. Az értékelés a megbízhatóságot helyettesíti. A képernyőn töltött idő az erőfeszítést helyettesíti. A helyettesítő mérőszámot könnyebb számon tartani, ezért a szervezet elkezdi valóságosabbnak tekinteni, mint azt, amit leírni szándékozott.

Amint egy helyettesítő mérőszám szabályozza a munkához való hozzáférést, a bizonyítási teher megváltozik. A vezető általában meg tud magyarázni egy döntést a kontextusban, még akkor is, ha a magyarázat gyenge. Egy rendszer olyan pontszámot tud előállítani, amely semlegesnek tűnik, mert a bemenetei rejtettek. A munkavállalónak ezután mind a végeredményt, mind pedig azt az elképzelést meg kell kérdőjeleznie, hogy az eredmény a megfelelő fajta bizonyíték. Ezért fontos az információhoz való hozzáférés, az emberi felülvizsgálat és az érdemi megtámadhatóság. Az a válasz, hogy a rendszer bonyolult, nem magyarázat. Ez egy felhívás arra, hogy ne kérdezzünk tovább.

A megfigyelés különös figyelmet érdemel. Az összehangolás céljából gyűjtött adatok felhasználhatók értékelésre. A biztonság céljából gyűjtött adatok átirányíthatók fegyelmi eljárásra. A munkavégzés közben gyűjtött adatok bizalmas információkat tárhatnak fel az egészségi állapotról, a gondozási kötelezettségekről vagy a kapcsolatokról. Az a tény, hogy egy rendszer képes jelet gyűjteni, nem teszi méltányossá a jel felhasználását. A munkahely nem laboratórium, ahol a beleegyezés feltételezhető, mert a munkavállaló a műszak megkezdése előtt átkattintott egy képernyőn.

Az Európai Szakszervezeti Szövetség azzal érvelt, hogy a tolakodó munkahelyi alkalmazásokra erősebb korlátokra van szükség, hogy a munkavállalók és képviselőik közérthető nyelven kapjanak tájékoztatást, és hogy a konzultációra a bevezetés és a jelentős változtatások előtt kerüljön sor. Álláspontja az algoritmikus rendszereket a kollektív tárgyalásokhoz, a munkavállalói képzéshez, valamint a döntések ellenőrzéséhez és felülvizsgálatához való joghoz is kapcsolja. Ezek nem technikai kiegészítések. Elismerik, hogy a munkahely társadalmi intézmény, és hogy a hatalom szoftverbe helyezése megváltoztatja az egyensúlyt ezen intézményen belül.

A konzultáció a tervezés része

A tájékoztatást és a konzultációt néha olyan ceremoniális szakaszokként kezelik, amelyek a valódi döntést követik. Az európai keretrendszer nem ad okot arra, hogy így tekintsünk rájuk. A Bizottság 2002/14/EK irányelv körüli keretrendszere az időszerű tájékoztatást és konzultációt annak részeként mutatja be, ahogyan a szervezetek a jelentős változásokkal és a munkaszervezés új formáival foglalkoznak. Az irányelv általános keretrendszert hoz létre, nemzeti választási lehetőségekkel a hatály és a végrehajtás tekintetében. Ez nem egy MI-kézikönyv. Ez egy emlékeztető arra, hogy a munka jelentős megváltozásának eljárási élete van, mielőtt technikai bevezetéssé válna.

Az időzítés fontos. A találkozó, amelyre a szállító kiválasztása és a munkafolyamat beállítása után kerül sor, nem ugyanaz, mint egy beszélgetés, miközben a szervezet még mindig azt mérlegeli, hogy milyen problémát szeretne megoldani. A korai bevonás lehetővé teszi a munkavállalók számára, hogy megkérdezzék, mely adatok szükségesek, mely feladatok változnak valójában, hogyan kezelik a hibákat, és hogyan néz ki a tartalék megoldás. Emellett olyan tudást is felszínre hoz, amelyet nehéz kívülről megvásárolni. A munkát végző emberek tudják, hol törékeny a folyamat, mert évekig tartották egyensúlyban.

A konzultáció nem követeli meg, hogy minden döntés egyhangú legyen. Azt követeli meg, hogy az érintetteket egy változás résztvevőiként kezeljék, nem pedig érzékelőkként, amelyek a bevezetés után jelentik az ellenállást. Egy komoly folyamatnak rögzítenie kell, hogy mit javasoltak, mit vitattak meg a munkavállalók, mi változott ennek eredményeként, és mely nézeteltérések maradnak fenn. Ha egy javaslatot mégis elfogadnak, a szervezetnek meg kell tudnia magyarázni, miért. Ez érettebb, mint azt színlelni, hogy a megállapodás hiánya azt jelenti, hogy senkinek sem volt véleménye.

Ennek a feljegyzésnek az elkészítésére gyakorlati ok van. A rendszerek a bevezetés után változnak. A modellt frissítik, az adatforrás megváltozik, új részleget hoznak létre, egy értékelési mutatót módosítanak, vagy egy beszállító átírja a szabálymotort. Egy egyszeri konzultáció nem fedheti le egy változó rendszer működését. A munkavállalói képviselőknek folyamatos lehetőségre van szükségük ahhoz, hogy észrevegyék a hatásokat, és kérjék azok felülvizsgálatát. Ellenkező esetben a szervezet az első verzióról konzultált, de a harmadik verzióra már egy másik gépet felügyel.

Az ETUC munkahelyi algoritmusos rendszerekről szóló irányelvre vonatkozó javaslata hatásvizsgálatot ír elő a bevezetést megelőzően és azt követően rendszeres időközönként, a munkavállalók és képviselőik bevonásával. Ez hasznos tervezési elv akkor is, ha a javaslat nem válik jogszabállyá. A hatásvizsgálat nem lehet olyan dokumentum, amely igazolja, hogy a döntés már megszületett. Olyan felületnek kell lennie, ahol a szervezet megnevezi, hogy kiket érinthet, mi romolhat el, milyen bizonyítékokat fognak figyelni, és kinek van felhatalmazása a pályamódosításra.

Ugyanez az elv vonatkozik a kis szervezetekre is. Egy kisebb munkáltatónak lehet, hogy nincs üzemi tanácsa vagy külön adatkezelési részlege, de így is meg kell értenie, hogy egy rendszer mit változtat az azt használó emberek számára. Az adminisztráció lehet egyszerűbb. A kérdések nem tűnhetnek el. Ellenkező esetben egy szerény bevezetés nagy irányítási problémává válhat úgy, hogy senkihez nem rendelik a figyelemmel kísérését.

A képzés hatalmat ad

A képzés gyakran az első ígéret, és az első dolog, amit megnyirbálnak. A bevezetési terv szerint a munkatársak kapnak egy foglalkozást. A foglalkozás diábemutatóvá válik. A diábemutató felvétel lesz. A felvételből link lesz egy tanulási portálon, amelyet mindenki állítólag megnézett, mielőtt az új rendszer csendben megváltoztatja a munkakör szabályait.

Nem erre van szükségük az embereknek. Elegendő megértésre van szükségük ahhoz, hogy felismerjék, mit csinál a rendszer, mit nem csinál, milyen adatokat használ, hogyan kell ellenőrizni a kimenetét, mikor kell figyelmen kívül hagyni, hogyan kell hibát jelenteni, és mi történik, ha elutasítanak egy ajánlást. Időre van szükségük, hogy a munka tényleges eseteivel és szélsőséges körülményeivel gyakoroljanak. Tudniuk kell, kihez fordulhatnak kérdéssel anélkül, hogy az egy jegyrendszerbe kerülne, és eltűnne a beszállítói sorban.

Az AI Act ezt a gyakorlati szempontot fogalmazza meg jogi nyelven. A szolgáltatóknak és az üzemeltetőknek intézkedéseket kell hozniuk annak érdekében, hogy a nevükben rendszereket használó személyek megfelelő szintű mesterségesintelligencia-műveltséggel rendelkezzenek, figyelembe véve műszaki ismereteiket, tapasztalatukat, végzettségüket, képzésüket és a rendszer használatának környezetét. A meghatározott nagy kockázatú rendszerek esetében az emberi felügyeletre kijelölt személyeknek kompetenciával, képzettséggel és felhatalmazással kell rendelkezniük. A rendelet megőrzi a munkavállalók és képviselőik meglévő tájékoztatáshoz és konzultációhoz való jogait is. A műveltség tehát a felhatalmazáshoz kapcsolódik, nem csupán egy termékfelület ismeretéhez.

Az ETUC munkavállalói készségfejlesztésről szóló álláspontja tovább megy egy olyan irányba, amely a méltányosság szempontjából fontos. A mesterségesintelligencia-műveltséget úgy értelmezi, mint annak kritikus megértését, hogy az AI hogyan hat a munkára és a foglalkozásokra, nem pedig csupán egy eszköz kezelésének képességét a munkáltató számára. Ezt a különbséget könnyű figyelmen kívül hagyni. Ha a képzés arra tanítja az embert, hogy elfogadjon egy javaslatot, de arra nem, hogy megkérdőjelezze az azt létrehozó rendszert, a szervezet a megfelelést képezte, nem a képességet.

Egy hasznos képzési tervnek legalább három célközönsége van. Az első a rendszert a mindennapi munkában használó személy. Nekik működési műveltségre van szükségük: bemenetek, kimenetek, bizonytalanság, eszkaláció és biztonságos használat. A második a munkát felülvizsgáló vagy felügyelő személy. Nekik döntési műveltségre van szükségük: bizonyíték, torzítás, nézeteltérés, felülbírálás és következmények. A harmadik a munkavállalókat képviselő vagy a szervezetet ellenőrző csoport. Nekik irányítási műveltségre van szükségük: cél, adatfolyamok, hatás, változások, hozzáférés a szakértelemhez és a jogorvoslat módjai.

A képzésnek is eloszlási problémája van. Azok, akiknek a legkevesebb idejük és a leggyengébb alkupozíciójuk van, gyakran pont azok, akik a legnagyobb valószínűséggel kapnak egy rövid, általános foglalkozást. Azok, akik a rendszert tervezik, részletes tájékoztatást és közvetlen kapcsolatot kapnak a szállítóhoz. Az eredmény egy tudáshierarchia, amely a hatalmat követi. Ha egy új rendszer sok ember munkáját fogja megváltoztatni, a szervezetnek több erőfeszítést kell fordítania azokra, akiknek együtt kell élniük a rendszerrel, mint azokra, akik a bemutató előadást tartják majd.

A képzést a felkészültség bizonyítékaként kell kezelni, nem pedig ünnepélyes teljesítési arányként. Meg tud-e egy dolgozó azonosítani egy olyan esetet, amely emberi felülvizsgálatot igényel? El tudják-e magyarázni, miért utasítottak el egy javaslatot? Meg tud-e egy felügyelő szüneteltetni a munkafolyamatot? Kérhet-e egy képviselő a változás értékeléséhez szükséges információt? Be tudja-e mutatni a szervezet, hogy mi történt, amikor valaki aggályt vetett fel? Ha a válasz nem, akkor a probléma nem az, hogy a dolgozók nem elég lelkesek. A rendszert nem vezették be felelősségteljesen.

A készségek akkor válnak értelmessé, ha együtt járnak a kérdezés, a felülbírálás és a rendszer átalakításának jogával.

Ki kapja az új munkát?

Amikor egy rutinfeladat szoftverbe költözik, a munka nem tűnik el egy felhőben. Valahol újra megjelenik. Valaki megírja a szabályokat, gondozza az adatokat, ellenőrzi a kivételeket, kezeli a fellebbezéseket, karbantartja az integrációt, felügyeli a biztonságot és elmagyarázza az eredményt. Ezek a feladatok lehetnek új szerepkörök, új felelősségek a meglévő szerepkörökön belül, vagy láthatatlan munka, amelyet azokra hárítanak, akiknek már így is a legkevesebb szabadidejük van.

Az eloszlás kérdése ezért konkrét. Ki kapja a technikai munkát? Ki kapja az értelmező munkát? Ki van kitéve a kockázatnak, amikor a rendszer meghibásodik? Ki kapja meg az automatizálás által megtakarított időt? Kitől várják el, hogy új folyamatot tanuljon meg fizetés-, munkaterhelés- vagy státuszváltozás nélkül? Egy átmenet, amely csak az első kérdésre válaszol, létrehozhat egy kis szakértői csoportot és egy sokkal nagyobb csoportot, akiknek a munkáját szorosabban mérik.

Nincs olyan egyetemes szabály, hogy minden megtakarításnak szabadidővé kell válnia, vagy hogy minden új feladatnak új munkakörré kell alakulnia. A szervezeteknek különböző céljaik és kollektív szerződéseik vannak. De az eloszlásnak tudatosnak és megvitathatónak kell lennie. Ha az automatizálás megszünteti az ismétlődő adminisztrációt, az előny lehet több idő a gondozásra, kutatásra, karbantartásra vagy a lakossággal való kapcsolattartásra. Ha felügyeleti feladatokat hoz létre, azoknak kapacitásra és elismerésre van szükségük. Ha növeli a kontextuális szakértelem értékét, azokat, akik rendelkeznek ezzel a szakértelemmel, nem szabad átmeneti akadályként kezelni egy tisztább adathalmaz útjában.

Az AI-szakpolitika azért fontos, mert az átállás tovább mélyítheti a meglévő egyenlőtlenségeket. Az ILO elemzése szerint a generatív AI-nak való kitettség a női foglalkoztatásban magasabb, részben azért, mert a nők felülreprezentáltak az irodai munkakörökben. Ez a lehetséges kitettségről szóló megállapítás, nem pedig előrejelzés arra vonatkozóan, hogy ki veszíti el az állását. Mégis rávilágít arra, hogy egy semlegesnek hangzó bevezetés miért járhat egyenlőtlen hatásokkal. Ha a leginkább érintett munkakörök egyben azok is, ahol kevesebb lehetőség van fizetett képzésre vagy előrelépésre, az előnyök nem oszlanak el maguktól. A varázslat továbbra is megbízhatatlan humánerőforrás-stratégia.

Az életkor, a fogyatékosság, a gondozási feladatok, a nyelv és a foglalkoztatási jogviszony szintén befolyásolhatja, hogy ki profitál egy új rendszerből. Egy olyan eszköz, amely megszakítás nélküli rendelkezésre állást feltételez, hátrányosan érintheti a gondozási feladatokat ellátókat. Egy olyan teljesítménymutató, amely figyelmen kívül hagyja az akadálymentes munkavégzési módokat, a munkahelyi alkalmazkodást eltérésként kezelheti. Egy olyan rendszer, amely szűk nyelvi modellt használ, többletellenőrzést jelenthet azoknak, akik más nyelven kommunikálnak. Ezek nem peremhelyzetek, amelyeket egy későbbi egyenlőségi jelentésbe lehet söpörni. Ezek részei annak, amit a rendszer munkaszervezésként jelent.

A platformgazdaság világos terepet kínál Európának e dinamikák vizsgálatára. A platformmunka irányelv, amelyet az (EU) 2024/2831 irányelvként fogadtak el, a platformmunkában a foglalkoztatási jogviszonnyal és az algoritmikus irányítással foglalkozik. Szabályokat tartalmaz az átláthatóságra, az adatvédelemre, az emberi felügyeletre és a jelentős döntések felülvizsgálatára vonatkozóan, valamint biztosítja a magyarázathoz és a vitatáshoz való jogot. Az irányelv a platformmunkára összpontosít, de a logikája tágabb: amikor a szoftver irányítja és értékeli a munkát, a munkavállalónak többre van szüksége, mint egy szolgáltatási feltételekre mutató linkre és egy vidám értesítésre.

Az irányelv arra is emlékeztet, hogy a technikai ellenőrzésnek jogi jelentősége lehet. Arra kéri a szervezeteket, hogy biztosítsanak teret az emberi felügyeletnek és felülvizsgálatnak, magyarázzák el a jelentős döntéseket, és kezeljék körültekintően a munkavállalói adatok bizonyos kategóriáit. Ez nem eredményez egyetlen tökéletes modellt minden munkahelyre. Alapot ad a szélesebb körű párbeszédhez: ha a szoftver szervezi a munkát, az embereknek olyan jogokra van szükségük, amelyek túlélik a szoftver felületét.

A vitathatóság munkakörülmény

A munkavállaló nem tud érdemben vitatni egy olyan döntést, amely nem beazonosítható. A szervezetnek tudnia kell, hogy melyik rendszer hozta a döntést, melyik verzió volt érvényben, milyen adatokat használtak, melyik szabály vagy modellkimenet volt meghatározó, és ki jogosult annak felülvizsgálatára. A munkavállalónak olyan útra van szüksége, amely nem függ attól, hogy kitalálja egy szállítói funkció belső nevét. A felülvizsgálónak elegendő időre és információra van szüksége ahhoz, hogy többet tegyen, mint hogy emberi aláírással jóváhagyja az eredményt.

A platformmunka irányelv jogi formát ad ennek az elvnek az általa lefedett személyek számára. Emberi felügyeletet ír elő az automatizált megfigyelő és döntéshozó rendszerek felett, lehetővé teszi az ilyen rendszerek által hozott vagy támogatott döntések magyarázatát, és utakat teremt a jelentős döntések megtámadására. Korlátozásokat is bevezet a személyes adatok azon kategóriáira vonatkozóan, amelyeket a platformok algoritmikus irányítás céljából feldolgozhatnak. Ezek a részletek azért fontosak, mert egy jog működő útvonal nélkül gyakran csak egy javaslat, amely védelemnek van álcázva.

Más munkahelyek számára a vitathatóság felépítése továbbra is hasznos tesztet kínál. Kérdezzük meg, hogy egy személy meg tudja-e állítani a műveletet, mielőtt a kár továbbterjed. Kérdezzük meg, hogy látja-e az indoklást a munkával összefüggő kifejezésekkel. Kérdezzük meg, hogy a felülvizsgálónak van-e felhatalmazása az eredmény figyelmen kívül hagyására. Kérdezzük meg, hogy az ismételt kifogások vezethetnek-e a rendszer megváltozásához, nem pedig egyéni kivételek gyűjteményéhez, amelyet senki sem elemez. Kérdezzük meg, hogy egy munkavállaló kifogást emelhet-e anélkül, hogy rejtett büntetést kockáztatna a következő feladatkiosztásnál.

A vitathatóság közösségi jellegű is. Egy vitatott pontszám akár személyes nézeteltérésnek is tűnhet. A vitatott pontszámok mintázata azonban rossz bemeneti adatra, tisztességtelen helyettesítő mutatóra vagy olyan munkaterhelésre utalhat, amelynek megjelenítésére a rendszert soha nem tervezték. A munkavállalói képviselőknek és a felügyelőknek nemcsak az egyes képernyőkhöz, hanem a mintázathoz is hozzáférésre van szükségük. A szervezetnek képesnek kell lennie a kifogások összesítésére anélkül, hogy a felvetőket új kockázati kategóriává tenné.

Csábító gondolat, hogy az emberi felülvizsgálatot pusztán végső bélyegzőként kezeljük. Ez veszélyes és tisztességtelen. Az a felülvizsgáló, akit sebesség alapján értékelnek, akinek nem adnak hozzáférést a mögöttes információkhoz, és akinek azt mondják, hogy a rendszer pontosabb nála, nem felügyeletet gyakorol. Ő csak emberi arcot kölcsönöz egy automatizált döntésnek. Az AI-rendeletnek a kompetenciára, a képzésre, a felhatalmazásra, valamint a nagy kockázatú rendszer figyelmen kívül hagyásának vagy megszakításának képességére vonatkozó hivatkozásai azért hasznosak, mert egyértelművé teszik a különbséget. Az, hogy egy ember benne van a munkafolyamatban, nem jelenti automatikusan azt, hogy ő is irányít.

A jogi alsó határ és a szervezeti felső határ

Az európai jog alsó határokat szab meg. Nem írja meg egyetlen szervezetnek sem az összes jó munkafolyamatát. Az AI-rendelet követelményeket támaszt az AI-műveltség, a munkavállalók és képviselőik tájékoztatása az érintett nagy kockázatú alkalmazásokban, az emberi felügyelet és az alapjogi hatásvizsgálatok tekintetében a meghatározott felhasználásokra. A tájékoztatási és konzultációs keretrendszer tágabb munkajogi kontextust ad. Az adatvédelmi szabályok korlátozzák, hogy mit lehet gyűjteni, és hogyan lehet döntéseket hozni. A platformmunka-irányelv külön védelmet nyújt ott, ahol a digitális platformok szervezik a munkát.

A jogi alsó határ azért értékes, mert megállítja a helyiség legrosszabb érvét: azt, hogy addig nem kell semmit tenni, amíg egy szabályozó pontosan erre a funkcióra nem mutat. Ez nem felső határ. Egy rendszer megfelelhet egy szűk követelménynek, és közben mégis kimerítőbbé, kevésbé érthetővé vagy nehezebben vitathatóvá teheti a munkát. Azok a szervezetek, amelyek tartós átmenetet szeretnének, magasabb belső szabványt írjanak elő, különösen ott, ahol a jogszabály szándékosan általános, vagy ahol az alkalmazás egy adott ágazati szabály hatályán kívül esik.

Ez a szabvány kérdések láncolataként fogalmazható meg. Mi a rendszer célja, és mi esik kívül a célján? Mely feladatok változnak, és mely ítéleteknek kell láthatónak maradniuk? Milyen adatok szükségesek, és milyen adatok csupán elérhetők? Kit érint közvetlenül és közvetve? Milyen bizonyíték mutatja, hogy a rendszer hasznos ebben a kontextusban? Ki írhatja felül, milyen képzéssel és védelemmel? Hogyan támadja meg egy munkavállaló az eredményt? Mi történik, ha a modell, a szállító vagy a szabályzat változik? Kié a döntés a rendszer szüneteltetéséről vagy kivonásáról?

Ezekre a kérdésekre a beszerzés befejezése előtt kell választ adni, nem pedig az első incidens után egy mellékletbe rejtve. A szállító dokumentációt és támogatást nyújthat. Nem ismerheti egy olyan szervezeten belüli munkafolyamat teljes jelentését, amelyet nem ő működtet. Az üzemeltető ismeri a kontextust, az érintett személyeket és egy rossz rövidítés következményeit. Ezért kezeli az AI-rendelet az üzemeltetőket fontos szereplőként a nagy kockázatú rendszerek esetében. A felelősség nem tűnik el a szerződés határánál.

Az is hasznos, ha meghatározzuk, mi nem minősül sikernek. A sikeres bevezetés nem magas elfogadottsági arány, ha a munkavállalók azért fogadják el a rendszert, mert az elutasítás károsítaná a kilátásaikat. Nem alacsonyabb átlagos kezelési idő, ha a nehéz eseteket elhalasztják. Nem zöld mutatókkal teli irányítópult, ha a munkához legközelebb állók már nem jelentik a hibákat. Nem képzési teljesítési mutató, ha senki sem tudja elmagyarázni, hogyan lehet leállítani a munkafolyamatot. A mérőszámok az ítélőképesség eszközei, nem pedig annak helyettesítői.

Átmenet, amely nyomot hagy

A felelős változásnak emlékezetre van szüksége. A szervezetnek rögzítenie kell a szándékolt célt, a feladattérképet, az adatforrásokat, az egyeztetést, a képzést, a teszteket, a korlátokat és a bizonytalan bizonyítékok esetén hozott döntéseket. Rögzítenie kell, hogy melyik verziót használták, és mikor változtak a működési feltételek. Egy dolgozónak nem kellene üzenetekből, képernyőképekből és egy kolléga emlékezetéből rekonstruálnia egy döntés történetét. Ez rossz bánásmód mind a munkával, mind a bizonyítékokkal szemben.

A feljegyzésnek tartalmaznia kell az egyet nem értést is. Egy kifényesített bevezetési fájl, amely csak jóváhagyásokat tartalmaz, nem számol be az egyeztetésről. Ez az optimizmus igazolása. A dolgozók, képviselők, biztonsági szakemberek és esélyegyenlőségi szakértők kérdései a tervezési bizonyíték részét képezik. Megmutatják, hol bukhat meg a rendszer, és mely feltételezéseket nem osztottak mindannyian. Ha láthatóvá tesszük őket, könnyebb újra megvizsgálni egy döntést anélkül, hogy úgy tennénk, mintha az aggodalom csak a bevezetés után merült volna fel először.

A nyomon követésnek a munkára kell irányulnia, nem csak a modellre. Figyelni kell a feladatösszetétel, az áttekintési idő, a hibamintázatok, a képzéshez való hozzáférés, a fellebbezések, a távollétek, a túlórák és a nehéz esetek elosztásának változásait. Ezek nem mind AI-mutatók. Ezek a munkakörülmények jelzései. Egy modell pontossága változatlan maradhat, miközben a körülötte lévő munka egyre kevésbé fenntarthatóvá válik. Ha a szervezet csak a modellt figyeli, könnyen elkerülheti a figyelmét az a munka, amelyet körülötte átszerveztek.

Legyen lejárati történet is. Egy célra bevezetett rendszernek nem szabadna tehetetlenségből állandósulnia. Tűzzünk ki felülvizsgálati dátumot, változási küszöböt és egyértelmű felelőst. Ha az adatok, a feladat, a jogalap vagy az érintett személyek köre változik, a szervezetnek tudnia kell, hogy szükség van-e új felmérésre és egyeztetésre. A karbantartás nem annak beismerése, hogy az első döntés gyenge volt. Elismerése annak, hogy a munka és a szoftver is mozgásban van.

Ez egy kis beavatkozás esetén nehézkesnek hangozhat. A válasz az arányosság, nem az eltűnés. Egy olyan szövegező asszisztens, amely nem fér hozzá személyes nyilvántartásokhoz, könnyebb eljárást igényelhet, mint egy olyan rendszer, amely a műszakokhoz, juttatásokhoz, gondozáshoz vagy foglalkoztatáshoz való hozzáférést határozza meg. De még egy kis eszköz is megérdemel egy nyilatkozatot arról, hogy mit tehet és mit nem. Az egyértelműség jobban skálázható, mint a bürokrácia, mert megmondja az embereknek, hol kell megállni.

Hogyan néz ki a méltányos részesedés

A méltányos átmenet kifejezést gyakran úgy használják, mintha a méltányosság magától megérkezne, ha a technológiát megfelelően telepítik. Nem fog. A méltányosság döntések sorozata az időről, a hangról, a képességekről, a kockázatról és a jutalomról. Arról kérdez, hogy a dolgozók alakíthatják-e a változást, megérthetik-e, megkérdőjelezhetik-e, és hogy a nyereségen osztoznak-e, nem pedig csendben magasabb elvárásokká alakítják.

A nyereség megosztása nem mindig jelent közvetlen kifizetést. Jelenthet rövidebb sort, több időt az emberekkel, kevésbé veszélyes munkát, jobb felszerelést, lehetőséget egy értékes készség elsajátítására, utat egy új szerepkörhöz vagy olyan szakmai ítéletet, amelyet komolyabban vesznek, mert a rutinmunka már nem szorítja ki. A döntést azokkal az emberekkel együtt kell meghozni, akiknek a munkája változik. Ellenkező esetben a szervezet olyan eredményt optimalizálhat, amely a vezetői szintről hatékonynak tűnik, a munkavégzés szintjén pedig állandó gyorsításnak érződik.

Van polgári dimenziója is. A munkahelyek felkészítik az embereket a körülöttük lévő intézményekre. Ha minden digitális rendszer azt tanítja, hogy egy pontszám hitelesebb, mint egy ember, ez a szokás átterjed a közszolgáltatásokra és a mindennapi életre. Ha a munkahelyek azt tanítják, hogy a bizonyítékokat meg lehet kérdőjelezni, a döntéseket meg lehet magyarázni, és a tekintélyt meg lehet szakítani, ezek a szokások is terjednek. Az automatizált munkafolyamat tervezése ezért nemcsak belső ügy. Ez gyakorlat abban, hogyan bánik egy társadalom az ítélőképességgel.

Európa ragaszkodását az információhoz, a konzultációhoz, a szociális párbeszédhez, az adatvédelemhez és az emberi felügyelethez néha úgy karikírozzák, mint ami fékezi az innovációt. Jobb értelmezés, hogy ezek annak eldöntésének módjai, hogy ki viseli egy új képesség következményeit. A gyorsaság nem semleges, amikor azok, akik nem tudják lassítani a rendszert, ki vannak téve a hibáinak. Egy átmenet, amelyet meg lehet vitatni, ellenőrizni és felül lehet vizsgálni, tovább tarthat, amíg elindul. De az is valószínűbb, hogy hasznos marad, miután az újdonság varázsa elmúlt.

A Dweve-nél ez az a kis része a kérdésnek, amelyhez újra és újra visszatérünk a Ground truth és az AI-műveltséggel kapcsolatos munkánk során. Egy rendszer akkor érdemli ki a bizalmat, ha a körülötte lévő emberek meg tudják nevezni a forrásait, korlátait, bizonytalanságait és tekintélyét. Ez nem azt jelenti, hogy egy könyvtár vagy egy termék rendezheti a munkaügyi kapcsolatokat. Ez egy tervezési álláspont: a bizonyítékoknak közel kell maradniuk a döntéshez, és a döntésért felelős embereknek elegendő struktúrával kell rendelkezniük ahhoz, hogy megkérdőjelezzék azt. A nagyobb munka a munkáltatóké, a munkavállalóké, a képviselőké, a szabályozóké és a nyilvánosságé.

Az új munkahely közös döntés

Az automatizálás megváltoztatja a munkát, mielőtt megváltoztatná a szervezeti ábrát. Áthelyezi a figyelmet, a mérlegelést és a kockázatot. Karbantartási munkát, felülvizsgálati munkát, képzési munkát és a rendszer magyarázatának munkáját hozza létre azok számára, akik nem választották azt. Jobbá tehet egy munkát, vagy gyorsabb útvonallá teheti egy szűkebb folyosón keresztül. A különbség nem csak a modellben rejlik. A modell körüli döntésekben jön létre.

Azokat, akik megkapják az új munkát, nem csak azután kell kiválasztani, hogy a régi feladatokat eltávolították. Részeseivé kell válniuk annak eldöntésének, hogy mi az új munka. Időre van szükségük a tanuláshoz, felhatalmazásra a kérdések feltevéséhez, védelemre, amikor ezt teszik, és részre a képességből, amelyet a változás létrehoz. Azoknak, akiket a mutatók képviselnek, képesnek kell lenniük ellenőrizni, hogy mit jelentenek a mutatók. Azoknak, akik viselik a következményeket, képesnek kell lenniük leállítani egy rendszert, amely már nem biztonságos vagy igazságos.

Egy jó átmenet többet hagy maga után, mint egy működő eszköz. Világosabb feladattérképet, erősebb készségeket, utat a nézeteltéréshez, feljegyzést arról, hogy mi változott, és egy intézményt, amely tudja, ki a felelős. Ezek szerény eredmények ahhoz képest, amit egy termékbemutató ígér. De ezek azok a dolgok, amelyek megakadályozzák, hogy egy munkahely olyan hellyé váljon, ahol a szoftver hoz döntéseket, és mindenki más szolgáltatja az alibiket.

Tehát tedd fel a gyakorlati kérdést korán. Amikor ez a feladat elmozdul, milyen munka jelenik meg? Ki fogja elvégezni? Milyen felhatalmazásuk lesz? Milyen képzés teszi valóssá ezt a felhatalmazást? Ki kérdőjelezheti meg a megállapodást? Hová megy a megtakarított idő? Ha a szervezet nem tud válaszolni, nem áll készen a feladat automatizálására. Készen áll arra, hogy remélje, hogy a munka valahogy majd elintézi magát. A munkahelyek ritkán ilyen figyelmesek.

Források