Kiedy program zaczyna zarządzać

Sama obecność oprogramowania w firmie jeszcze nie oznacza zarządzania algorytmicznego. Arkusz kalkulacyjny, komunikator czy program do ewidencji czasu pozostają narzędziami. Granica przesuwa się wtedy, gdy system przejmuje funkcje wykonywane dotąd przez menedżera. Zaczyna monitorować pracę, wyznaczać cele, układać zadania, oceniać wyniki lub wpływać na wynagrodzenie.

W przeglądzie Kellogga, Valentine i Christin autorzy porządkują te funkcje według sposobu oddziaływania na pracownika. Algorytm może ograniczać dostępne działania, rekomendować rozwiązania, rejestrować zachowania, oceniać wyniki, zastępować ludzi w części zadań albo nagradzać określone zachowania.

Do sprawowania kontroli nie jest potrzebny jawny rozkaz. Wystarczy tak zaprojektować środowisko pracy, by jedne działania były łatwiejsze, bardziej opłacalne i lepiej widoczne od innych. Przydzielenie zadania na podstawie dostępnych danych może przy tym usprawnić organizację. Inaczej działa system, który rejestruje każdy krok i ocenia go według wąskiego wskaźnika. Wtedy pracownik dostosowuje się do pomiaru, choć pomiar może obejmować tylko część rzeczywistego celu pracy.

Sprawny przydział w dużej skali

Korzyści z algorytmicznego zarządzania najłatwiej dostrzec tam, gdzie wiele zadań trzeba szybko dopasować do wielu osób. W crowdsourcingu skład zespołu może zmieniać się z godziny na godzinę. Przy delegowaniu pracy trzeba jednocześnie uwzględnić doświadczenie wykonawcy, jego aktualne obciążenie i motywację. Algorytm potrafi na bieżąco przeliczać te informacje dla dużej liczby zadań.

Do takiego celu powstał system SMVM. Wykorzystywał reputację pracownika, jego obciążenie oraz motywację. Autorzy oceniali go teoretycznie, w symulacjach opartych na rzeczywistych danych, a także na platformie gry menedżerskiej. Trzyletnie badanie gry objęło 1144 osoby, które uczestniczyły w ponad 9000 sesji. Przy typowym obciążeniu SMVM przewyższał ludzkie strategie delegowania w ponad 80 procentach przypadków. Wyniki przedstawiono w pracy „Algorithmic Management for Improving Collective Productivity in Crowdsourcing”.

System rozwiązywał ściśle opisany problem. Jego funkcja celu obejmowała między innymi przepustowość, przewidywaną jakość i czas oczekiwania. Ograniczała też ryzyko wygaśnięcia lub niepowodzenia zadania. Taki model pozwalał porównać strategie delegowania, ale nie obejmował całego kontekstu pracy. Badanie nie odpowiadało na pytanie, czy SMVM wspiera kreatywność, autonomię albo reakcję na zupełnie nowy problem. Część empirycznego porównania odbywała się ponadto w grze menedżerskiej z wirtualnymi pracownikami, a nie w naturalnym środowisku organizacji.

Algorytm okazał się więc skuteczny w koordynowaniu tego, co dało się wcześniej opisać i zmierzyć. To właśnie zakres pomiaru wyznaczał granice jego sprawności.

Gdy wskaźnik wyznacza sposób pracy

Kłopot pojawia się w chwili, gdy system zaczyna określać, co uchodzi za dobre wykonanie zadania. Rejestrowanie zachowań, ocenianie wyników i podpowiadanie kolejnych kroków skupiają uwagę na tym, co algorytm potrafi rozpoznać. Z czasem bezpieczniej jest poruszać się po wyznaczonym torze, nawet jeśli sytuacja wymaga odstępstwa od procedury.

Improwizacja oznacza tu zdolność do spontanicznego przeorganizowania dostępnych zasobów i poradzenia sobie z nowym problemem bez czekania na gotową instrukcję. System zbudowany na danych historycznych oraz wcześniej ustalonych regułach może zmniejszać liczbę okazji do korzystania z własnego osądu. Poszczególne rekomendacje mogą być trafne. Ograniczenie bierze się z tego, że rekomendowany sposób działania staje się zarazem najłatwiejszy do wykonania i obrony.

Podobny kierunek zależności pojawił się podczas opracowywania skali ekspozycji na algorytmiczne zarządzanie. Skalę walidowano w trzech próbach obejmujących łącznie 1332 pracowników platformowych. Wyższa ekspozycja wiązała się z niższą autonomią i mniejszą złożonością pracy. Autonomia oznaczała w tym badaniu konkretny zakres wpływu na organizowanie i wykonywanie zadań, a nie ogólne poczucie swobody.

Możliwy jest przy tym paradoks. Pracownik sam wybiera czas lub miejsce pracy, lecz ma mniejszy wpływ na jej przebieg, ponieważ system kontroluje tempo, kolejność działań albo osiągane wskaźniki. Taki podwójny efekt opisuje przegląd systematyczny. Dużo zależy od konfiguracji narzędzia i od tego, które decyzje rzeczywiście pozostają po stronie człowieka.

Firma IT i trzy miesiące pomiarów

Najbardziej bezpośrednich danych o związku algorytmicznego zarządzania z improwizacją dostarcza badanie Liu i współpracowników. Przeprowadzono je w firmie świadczącej usługi IT w północnych Chinach. Wśród 453 uczestników zebrano 327 ważnych odpowiedzi.

Pomiar rozłożono na trzy fale. Najpierw pracownicy oceniali poziom algorytmicznego zarządzania, własną zależność od algorytmu oraz zmienne kontrolne. Miesiąc później pytano ich o improwizację, a po kolejnym miesiącu o kreatywność i adaptacyjność. Rozdzielenie pomiarów w czasie porządkowało kolejność zmiennych, choć badanie nadal miało charakter obserwacyjny.

W modelu statystycznym wyższy deklarowany poziom algorytmicznego zarządzania wiązał się z niższą improwizacją. Współczynnik wynosił β = −0,491. Improwizacja była z kolei dodatnio związana z deklarowaną kreatywnością, β = 0,381, oraz adaptacyjnością, β = 0,410.

Wartości te są standaryzowanymi współczynnikami modelu. Nie opisują procentowego spadku wydajności ani zmiany liczby zgłoszonych pomysłów. Określają kierunek i siłę zależności między zmiennymi mierzonymi w badaniu.

Autorzy sprawdzili też statystyczne pośrednictwo improwizacji. Efekt pośredni między algorytmicznym zarządzaniem a kreatywnością wyniósł −0,187, a między algorytmicznym zarządzaniem a adaptacyjnością −0,201. Dane pasowały więc do mechanizmu, w którym silniejszej ekspozycji na algorytm towarzyszy mniejsza improwizacja, a jej niższy poziom wiąże się ze słabszymi deklarowanymi wynikami kreatywności i adaptacyjności.

Siła tych związków zależała od tego, jak bardzo pracownicy czuli się związani z systemem. Przy wysokiej, mierzonej ankietowo zależności efekty pośrednie były silniejsze. Wynosiły −0,280 dla kreatywności i −0,302 dla adaptacyjności. Przy niskiej zależności okazały się słabsze i nie osiągnęły istotności statystycznej.

W pytaniach o zależność pojawiały się między innymi stwierdzenia sugerujące, że po awarii systemu pracownik nie potrafiłby wykonać swojej pracy. Znaczenie miała zatem zarówno obecność algorytmu, jak i przekonanie, że bez niego nie da się działać. W takiej sytuacji rośnie presja, by podporządkować własne decyzje regułom i rekomendacjom systemu.

Granice tych wyników

Badanie w firmie IT nie pozwala rozstrzygnąć, że algorytmiczne zarządzanie bezpośrednio osłabia kreatywność w każdej organizacji. Objęło jedną firmę i opierało się na ankietach. Za pomocą samoopisów mierzono improwizację, kreatywność, adaptacyjność oraz zależność od algorytmu. Trzy fale z miesięcznymi odstępami rozdzielały pomiary w czasie, ale nie zastępowały losowego przydziału pracowników do różnych systemów zarządzania.

Nie mierzono bezpośrednio obiektywnej jakości pracy ani liczby innowacyjnych rozwiązań. Autorzy nie ustalili też, jakie dokładnie decyzje podejmował system w badanej firmie, czy pracownicy mogli odrzucać jego rekomendacje oraz czy przysługiwało im odwołanie od oceny. Opisany mechanizm jest zgodny z danymi, lecz nie stanowi potwierdzonego łańcucha przyczynowego.

Pozostałe źródła mają inne ograniczenia. Eksperyment z crowdsourcingiem pokazał sprawność algorytmu w sformalizowanym przydzielaniu zadań, przy czym porównanie z ludzkimi strategiami obejmowało między innymi grę menedżerską. Ankiety dotyczące autonomii dobrze oddają doświadczenia pracowników, ale słabiej izolują ich przyczyny. Przeglądy i modele pojęciowe porządkują możliwe mechanizmy, jednak nie przesądzają o skutkach każdego systemu używanego w pracy.

Zebrane wyniki układają się w dość wyraźny obraz. Gdy cel można dobrze sformalizować, a dane wystarczają do dopasowania zadań i zasobów, algorytm bywa skutecznym koordynatorem. Ryzyko rośnie wtedy, gdy wskaźniki zaczynają decydować także o dopuszczalnym sposobie wykonywania pracy.

Dlatego przy ocenie konkretnego rozwiązania więcej mówi zakres jego władzy niż sama etykieta „algorytm”. Jakie funkcje menedżera przejmuje system? Co potrafi zmierzyć? Czy od jego ocen zależy wynagrodzenie lub dostęp do zadań? Ile miejsca zostawia na własny osąd, odrzucenie rekomendacji i reakcję na sytuację, której wcześniej nie przewidziano?