Geen producten in de winkelwagen.
‘Het is niet omdat het sneller en goedkoper met technologie kan, dat technologie ook beter is.’ Het is een zinnetje waarmee Andreea Gorbatai, professor Entrepreneurship aan Vlerick Business School, bedrijven regelmatig de ogen opent.
Haar onderzoek richt zich op de invloed van technologie op organisaties. Een belangrijk onderdeel gaat over de relaties op de werkvloer.
Samenwerken is diepgeworteld
Eerst het goede nieuws: technologie verandert niet hoe we denken en met elkaar omgaan in organisaties.
‘We weten uit de psychologie en de sociale psychologie hoe we in teams werken, hoe we samenwerken aan projecten, hoe we met elkaar verbinden. Dat is allemaal diepgeworteld in onze biologie. Mensen zijn sociale dieren, of ze nu stenen hamers of superintelligente AI gebruiken.’
‘Online of offline werken maakt dus geen verschil. Macht, politiek, stereotypes, vooroordelen zullen altijd een rol spelen in onze omgang met elkaar. Die mechanismes verdwijnen niet wanneer we met behulp van technologie communiceren en samenwerken.’
Toch zijn er manieren waarop technologie een onwenselijke invloed heeft op ons leven, ons werk en hoe we omgaan met elkaar. Gorbatai noemt er zes.
#1 Bescherm jezelf tegen opdringerigheid
Technologie brengt natuurlijk wel uitdagingen met zich mee voor onze relaties op de werkvloer. Een ervan is de ‘opdringerigheid’ van technologie, geeft Gorbatai aan. ‘Je hebt altijd je smartphone bij je, je wordt continu onderbroken door notificaties. Je moet direct een e-mail beantwoorden of een bestand doorsturen.’
Het is in de VS al normaal om dingen te vragen aan mensen die in het ziekenhuis liggen
‘Het is in de VS zelfs al normaal dat er dingen worden gevraagd aan mensen die op vakantie zijn of in het ziekenhuis liggen. Technologie geeft ons grenzeloze toegang tot elkaar, overal en altijd. Je moet jezelf dus actief beschermen tegen opdringerigheid.’
Het advies van de prof is simpel: meer discipline opbouwen in het gebruik. ‘Zet je telefoon een tijdje uit, geef aan dat je de komende uren niet te bereiken bent, omdat je een rapport moet afwerken. Zet je smartphone op vliegtuigmodus wanneer je thuis bent.’
#2 Maak ruimte voor menselijk contact
Technologie maakt ook dat ons werk kunnen doen met minimale fysieke tussenkomst. We kunnen altijd en overal virtueel met elkaar verbinden. Alleen moet je dat vooral niet zien als een complete vervanger voor menselijke interactie, zegt Gorbatai.
‘Als je wil brainstormen of wil bouwen aan een gezamenlijke identiteit in een team of organisatie, dan voegen vergaderingen via Zoom of Teams daar weinig aan toe. Bij persoonlijk contact zijn emoties veel besmettelijker.’
Een kantoor dient niet om te controleren of je mensen hun werk wel doen
‘Als mensen enthousiast zijn, zie je dat ook aan hun hele lichaam. De transfer van die aanstekelijke energie gebeurt meteen. Vertel in een virtuele meeting maar eens een grap terwijl mensen hun microfoon op mute hebben staan, dan mis je het gezamenlijke gelach en de commentaren.’
Ander voorbeeld: werken aan een gezamenlijk project. ‘Als je de passie bij je collega’s ziet, als je ziet hoe hard eraan gewerkt wordt. Zo ontstaat meer begrip voor elkaar en bouw je aan een gedeelde identiteit. Alleen bijlages voor het project afleveren via mail is veel onpersoonlijker.’
Gorbatai raadt je aan om strategisch na te denken over het plannen van bijeenkomsten. ‘Stel je de vraag waar je kantoor nog voor dient. Niet om te controleren of je mensen hun werk wel doen.’
‘Gebruik de tijd om op een betekenisvolle manier te verbinden met elkaar. Geef voldoende ruimte om gewoon even met elkaar te kletsen, om samen ervaringen op te doen.’
Lees ook: We maken dezelfde fout bij hybride werken als bij het nieuwe werken
#3 Let op met ingebouwde vooroordelen
De maatschappij is aan het bewegen naar kwantificeren, voorspellen en automatiseren. Wiskundigen en computerwetenschappers maken graag complexe modellen over hoe markten en organisaties functioneren.
De realiteit is dat de wereld niet zo netjes en simpel is als die modellen. Technologie lijkt duidelijk en schoon, maar is echt niet zo neutraal. ‘Mensen hebben allemaal wel bepaalde vooroordelen.’
Je leert technologie om vooroordelen te herhalen of te versterken
‘Je moet als ontwikkelaar of gebruiker van technologie wel beseffen dat de data voor AI of machine learning sowieso biases bevat, juist omdat die data van mensen afkomstig is. Je leert deze technologie dus om deze vooroordelen te herhalen, te bekrachtigen of te versterken.’
‘Stel je hebt een AI-model dat is geprogrammeerd op de bestaande data voor vacatures. Het model is voor 98 procent correct in het aanbevelen van kandidaten. Maar die 2 procent foutmarge gaat wel telkens over dezelfde minderheid in de bevolking. Dat is oneerlijk en onethisch.’
Lees ook: Hoe meer macht, hoe groter de impact van vooroordelen
Maar zelfs technologie in combinatie met goede data is geen vervanger voor menselijk toezicht en besluitvorming. Gorbatai geeft hiervoor nog een praktisch voorbeeld. ‘We meten het verbruik van water per huishouden. Dat is handig voor het opstellen van de factuur.’
‘Als bij extreme droogte huishoudens automatisch bestraft worden die het meeste water verbruiken, dan werkt dit model niet. Eén huishouden bestaat uit twee mensen, het andere uit acht mensen.’
‘Dat laatste huishouden heeft meer water nodig. Maar dat huishouden met twee mensen verspilt veel water aan hun tuin. Toch zal zonder menselijk toezicht dat huishouden met acht mensen bestraft worden.’
#4 Stel eerst de juiste vragen
Zelfs bij de grote techbedrijven loopt het nog mis, vertelt ze. Amazon gebruikte bijvoorbeeld machine learning om medewerkers te evalueren voor een mogelijke promotie tot manager.
De originele trainingsdata kwam echter veelal van mannelijke managers. Vrouwen die solliciteerden, werden benadeeld omdat ze niet pasten in het managersprofiel dat het algoritme had geleerd.
Elk computermodel bevat menselijke beslissingen die niet altijd goed doordacht zijn
Google vroeg zich een paar jaar geleden ook al af waarom vrouwen niet even vaak als mannen gepromoveerd werden tot manager. Wat bleek? Het proces was gebaseerd op zichzelf nomineren. ‘Mannen nomineren zich meestal al als ze 50 procent van de kwalificaties halen, vrouwen wachten tot ze 110 procent halen.’
‘De oplossing was simpel: laat anderen mensen nomineren voor een managementfunctie. Het is geen rocket science, maar als je niet begrijpt waar je data vandaan komt, kan het je de verkeerde kant op sturen.’
‘In elk computermodel zijn menselijke beslissingen gebouwd die niet altijd goed doordacht zijn’, zegt Gorbatai. Voor leiders is het dus belangrijk om voldoende afstand te nemen, na te denken en de juiste vragen te stellen voor ze AI en machine learning toepassen in hun eigen organisaties.
‘Ga het niet doen, omdat andere bedrijven het doen. Waarom heb je het nodig? Wat wil je bewijzen, wat wil je bereiken? Begrijp je welke data je gebruikt? Zijn de mensen die door beslissingen van AI geraakt worden ook geraadpleegd? Gebruik je menselijke onderscheidingsvermogen als kompas bij je beslissingen.’
Lees ook: Zo stel je de juiste vragen aan je datateam
#5 Werk meer aan je soft skills
Als je er wel in slaagt om met goed gefilterde data te werken, dan zien computermodellen sneller patronen en kunnen ze beter voorspellen welke beslissingen nodig zijn. Mooi toch voor een organisatie?
‘Ook daar is wat weerstand tegen, want managers willen graag laten doorschemeren dat ze op ervaring beslissen of op hun buikgevoel. Managers voelen zich soms wat overbodig worden, maar ik zie dat juist als een kans.’
Je hebt de kans om dingen te doen die computers niet kunnen
‘Technologie geeft leiders de ruimte om hun soft skills meer te gaan gebruiken. Je hebt tijd om je visie uit te dragen, om je mensen te motiveren, om te coachen en mentoren. Je bent in dit opzicht niet te vervangen. Zie het als de kans om al die dingen te doen die computers niet kunnen.’
‘Om Einstein te citeren: niet alles wat geteld kan worden telt. Je kan soft skills niet zo gemakkelijk kwantificeren als hard skills, maar ze worden elke dag steeds belangrijker voor je mensen en voor je bedrijf.’
Gorbatai merkt op dat cijfers zonder context sowieso geen betekenis hebben. De ene salesafdeling kan lagere cijfers hebben dan een andere, maar dat komt omdat zij nog aan het uitzoeken zijn hoe ze een nieuw product moeten verkopen. ‘Je kunt geen appels met peren vergelijken.’
Lees ook: Medewerkers motiveren om beter te presteren doe je zo
#6 Trap niet in de val van controle en uitbuiting
Ze wijst er tot slot op dat technologie steeds slimmer wordt in het bespelen van mensen. Bij Uber wordt bijvoorbeeld AI ingezet om chauffeurs over te halen om langer te rijden of langere ritten te accepteren. ‘Met de hulp van machines zijn ze je aan het micromanagen, spelen ze op je zwaktes om meer werk uit je te halen.’
Het is dan ook geen verrassing dat mensen weerstand gaan bieden, weet Gorbatai. ‘Uber-chauffeurs discussiëren op forums om te begrijpen wat AI ze nu weer wil laten doen. Ze pikken de patronen van de machines op en zoeken samen naar creatieve strategieën om daaromheen te werken.’
Soms is technologie te veel: het werkt averechts, is oneerlijk of opdringerig
‘Zo had Uber een bonus geïntroduceerd voor chauffeurs die tijdens de lunchuren in een bepaalde regio beschikbaar waren. De chauffeurs besloten daarop allemaal te verzamelen op een bepaalde parkeerplaats.’
‘Deze gecoördineerde actie maakte de kans dat individuele chauffeurs geselecteerd zouden worden voor een rit kleiner. Zo konden de meesten even pauze nemen en toch de bonus behouden.’
Bedrijven die thuiswerkers met trackers volgen, via oog- of muisbewegingen, krijgen eveneens te maken met mensen die ‘terugduwen’. Ze vinden allerlei innovatieve manieren om die bewaking te omzeilen en hun autonomie terug te winnen.
‘Soms is technologie gewoon te veel: het werkt averechts, het is oneerlijk, of het is opdringerig. Dan duwen mensen terug, en treden soft skills, menselijk contact en zinvolle betekenis weer op de voorgrond.’
Lees ook: Waarom je bij digitale transformatie verder moet kijken dan spreadsheets
