Performans ölçümünü yapay zekaya bırakmak
Mohammad Hossein Jarrahi, Mareike Möhlmann & Min Kyung Lee
Dijital teknolojinin yardımıyla çalışanların gözetimi ve iş adaylarının değerlendirilmesi gibi karmaşık yönetim görevleri artık makineler tarafından üstlenilebiliyor. Algoritmik yönetim (bir organizasyonda yönetim işlevlerinin algoritmalara devredilmesi) şirketlerde, henüz erken aşamalarında olsa da, yapay zeka (YZ) odaklı dijital dönüşümün önemli bir parçası haline geliyor.
Algoritmik yönetim, iş süreçlerini daha etkili ve verimli hale getirmeyi vaat ediyor. Örneğin algoritmalar, görece düşük maliyetlerle çok sayıda başvuranı filtreleyerek işe alımı hızlandırabiliyor. Algoritmik yönetim sistemleri, şirketlerin çalışanların üretkenliğini ve performansını anlamasına veya izlemesine de imkan tanıyabiliyor. Ancak algoritmik yönetim uygulanırken etik zorluklar ve çalışanlar için potansiyel olumsuz dezavantajlar dikkate alınmalı. İşe alım söz konusu olduğunda, YZ özellikli araçlar, çeşitli insan gruplarının aleyhine olabilecek önyargılar nedeniyle ağır eleştirilere maruz kaldı ve bu da etik YZ tasarımı için yönergeler ve düzenlemeler oluşturma çabalarına yol açtı.
Bu yazıda, algoritmik yönetim hakkında yıllara dayanan araştırmamızı temel alıyor ve algoritmik yönetimin tekrar eden görevleri otomatikleştirerek ve yöneticilerin koordinatör ve karar verici rollerini geliştirerek yönetim uygulamalarını nasıl dönüştürdüğüne odaklanıyoruz. Bununla birlikte, algoritmaların yönetim işlevlerine dahil edilmesi, organizasyonlar içindeki güç dinamiklerini değiştirme potansiyeline sahip; ayrıca etik zorlukların da ele alınması gerekiyor. Aşağıda yöneticilerin yeni beceri setlerinden faydalanarak uygulamaya nasıl yaklaşabileceğine dair önerilerimiz yer alıyor.
İŞ GÜCÜ ESENLİĞİNİ ARTIRMAK
Algoritmalar, yönetim operasyonlarının ölçeğini ve verimliliğini artırabiliyor. Esnek ekonomide, algoritmik sistemler işi eşi benzeri görülmemiş bir ölçekte koordine ve organize ediyor; dünya genelinde herhangi bir zamanda Uber veya Lyft kullanan yolcu ve sürücü sayısını bir düşünün. Aynı şekilde, birçok standartlar organizasyonu, hem görevleri hem de çalışanları yönetmek için algoritmik işlemlemenin artırılmış doğruluğundan yararlanmaya başladı bile. UPS, verimliliği artırmak için kamyonlarını sürücülerin her hareketini izleyen sensörlerle donatıyor. Benzer şekilde Amazon, çalışanların üretkenliğini izlemek, hatta hedeflere ulaşılamaması durumunda istihdamı sonlandıracak evrakı oluşturmak için bile büyük ölçüde algoritmalardan faydalanıyor.
Ancak araştırmamız gösteriyor ki sadece verimliliğe odaklanmak, çalışanların salt programlanabilir "dişli çarkları" muamelesi görmesi halinde çalışan memnuniyetini ve performansını uzun vadede düşürebiliyor. YZ araştırmalarından elde edilen bulgular bize faydacı algoritmik süreçlerin diğer süreçleri en aza indirme pahasına belirli hedefleri en üst düzeye çıkarabileceğini gösteriyor. Pek çok araştırma, verimlilik merkezli algoritmik yönetimin, örneğin çalışanların tükenme noktasına kadar çalışmaya devam etmesine yol açarak, çalışan esenliğini ve memnuniyetini nasıl önemli ölçüde baltalayabileceğine işaret ediyor.
Gözetleme ve kontrole öncelik veren algoritmik yönetim, özellikle salgından çıkışta sanal çalışmanın artmasıyla birlikte, uzaktan iş gücü üretkenliğini izlemek için de benzer sistemleri benimseme yoluna gitti. Gözetim etik açıdan sorgulanabilir bir şey ve genellikle çalışanlardan olumsuz tepki alınmasına yol açıyor. Örneğin Apple'ın çağrı merkezi çalışanları evlerindeki takip kameralarıyla ilgili korkularını dile getirdi. Benzer şekilde, işçi çıktılarını ölçmek için farklı sensörler ve kriterler kullanan depolardaki algoritmik sistemler, otomatik olarak iş verimliliğini dayatıyor, ancak bazı durumlarda bunların çalışanların moralinin bozulmasına ve hatta fiziksel yaralanmalara yol açtığı bildiriliyor. Algoritmik yönetimin birçok mevcut uygulamasında, çalışanların istenmeyen sonuçları etkileme ve bunlardan kaçınma imkanı çok sınırlı.
Algoritmik yönetimin benimsenmesinde daha paydaş merkezli bir bakış açısı çağrısında bulunuyoruz, süreçlerin verimliliğinin artırılmasını yöneticiler, çalışanlar ve hissedarlar gibi farklı paydaş gruplarının ihtiyaç ve çıkarlarının karşılanmasıyla dengeleyen bir bakış açısı. Algoritmik yönetimin aşırı gözetim, kontrol ve baskısı yalnızca çalışanların esenliğine zarar vermekle kalmıyor, aynı zamanda itibar ve çalışan kaybı yoluyla şirketleri de olumsuz etkileyebiliyor.
Algoritmik yönetim sistemleri, yönetimin aşırı erişimine karşı koruma sağlamanın yanı sıra çalışanlara fayda sağlayacak, örneğin tehlikeli olabilecek durumlara karşı çalışanları otomatik olarak uyaracak şekilde tasarlanmalı. Bizim bakış açımız, verimlilik ve karı artıracak şekilde düzenlenmiş süreçler ile çalışanların esenliği arasında bir denge kurulmasına yardımcı oluyor.
SİMBIYOTİK İŞ BÖLÜMÜ
Bazı şirketler, algoritmaların minimum insan girdisi ile kendi başlarına etkili kararlar alabildiği bir geleceği tasavvur etse de gerçek şu ki YZ'nin karmaşık bilişsel görevleri ve sezgisel karar vermeyi içeren tamamen otomatik yönetim rollerinde sınırlamaları bulunuyor. Organizasyonlar, insan ve algoritmik yöneticiler arasında simbiyotik bir iş bölümü oluşturduğundan emin olmalı. Araştırmamız, algoritmik sistemlerin (yüksek hacimli ancak yinelenen koordinasyon görevleri gibi) dar kapsamlı karar uzaylarını daha iyi idare edebileceğini, buna karşın insan yöneticilerin ('bilinen bilinmeyenler'le zımni ve stratejik kararlar verme gibi) gevşek bir şekilde tanımlanmış karar alanlarıyla başa çıkmada başarı sağlamaya devam edeceğini gösteriyor.
Burada uygulamayı çevreleyen bağlam büyük önem taşıyor. Uber ve Lyft, geleneksel yöneticilerin tüm işlevlerini neredeyse otomatik hale getirdi (çatışma veya şikayet çözümü gibi bazı görevlere hâlâ insanlar aracılık ediyor). İş görevlerinin karmaşıklığı ve çeşitliliği nedeniyle çoğu standart organizasyonunda durum böyle olmayabilir. Geleneksel organizasyonlarda, yönetim işlevlerinin yerine getirilmesinde insanlar ve YZ arasında teknoloji aracılı bir ortaklık öngörüyoruz. Kurumsal eğitim programlarını düşünün. YZ, bir çalışana kişiselleştirilmiş Web tabanlı eğitim sağlayabilir ve üretkenlik kazanımlarını etkili bir şekilde ölçebilir. Bununla birlikte, diğer görevler için, özellikle beyin fırtınası ve stratejik düşünme gibi daha yaratıcı ve taktiksel görevler veya empati gibi sosyal beceriler gerektiren görevler için insan bir eğitmen gerekli olabilir.
Aşağıdaki şekil, farklı yönetim seviyelerinde bu simbiyotik ilişkinin bir prototipini gösteriyor. Daha alt seviyelerde, YZ sistemlerinin daha iyi görev koordinasyonu (görevlerin ayrıştırılması, dağıtılması, toplanması ve değerlendirilmesi) için olanaklar sağlaması muhtemelken, insan yöneticiler (çalışanların görevleri yürütmesi için esneklik sağlamak gibi) daha denetleyici ve etkileşimli roller üstlenmek için daha iyi konumlanmış durumda. Üst yönetim seviyelerinde, YZ sistemleri organizasyonun iç ve dış ortamlarını tarayıp bunlar hakkında enformasyon sağlayabiliyor; yöneticiler ise karar vermeye stratejik ve bütünsel bir bakış açısı getiriyor. Örneğin YZ sistemleri, organizasyonlara müşteri davranışlarıyla ilgili yüzlerce veri noktasını gerçek zamanlı olarak entegre etme, izleme ve analiz etme konusunda yardımcı olurken, insan yöneticiler bunların evrilen talepler açısından sonuçlarına açıklık getirebiliyor.
Organizasyonlar, gerek YZ gerek insan yöneticilerinin benzersiz yeteneklerini tespit edip geliştirmeli ve bunların bir ortaklık içinde birlikte çalışabileceği yolları bulmaya çalışmalı; bu, Accenture teknoloji liderleri Paul Daugherty ve H. James Wilson'ın "eksik orta nokta" olarak adlandırdığı şey. Microsoft gibi şirketler, yöneticilere, çalışanlarının ne sıklıkta e-posta gönderdiği ve görüntülü toplantılara katıldığı hakkında toplu enformasyon sağlayan, otomatik olarak oluşturulmuş 'verimlilik puanları' kullanıyor. Bu enformasyon, sadece ve sadece (skorlar yalnızca nicelik odaklı bir ölçümü temsil ettiği için) işin kalitesi hakkında veya iş rollerinin ilgili puanlar temelinde karşılaştırılabilecek kadar benzerlik taşıyıp taşımadığına dair değerlendirmeler yapabilen bir insan yönetici tarafından bağlama oturtulduğunda değer kazanıyor.
Başarılı insan-YZ sinerjisi garanti bir şey değil. Organizasyonlar tamamen veya kısmen otomatikleştirmek istedikleri yönetim görevine uygun algoritmik araçları uygulamak istediğinde iş süreçlerinin genellikle yeniden tasarlanması gerekiyor.
ADALET ŞEFFAFLIK VE HESAP VEREBİLİRLİK
Algoritmik yönetimle ilgilenmeye karar veren şirketler, algoritmaların tarafsız veya teknokratik karar vericiler olmadığını kabul etmeli. Algoritmalar hakkaniyetsizliğe ve adaletsizliğe yol açabilecek ırk veya cinsiyete dayalı önyargıları ortaya çıkarabilir ve artırabilir. Algoritmik önyargı, insan kaynakları yönetimi de dahil olmak üzere çeşitli organizasyonel işlevlerde ve özellikle algoritmaların genellikle önyargılı insan işe alma kararlarını yansıtan tarihsel veriler üzerinden eğitilmesi nedeniyle işe başvuranların özgeçmişlerinin taranmasında tespit edilmiştir.
Algoritmik önyargı, sanıkların tekrar suç işleme olasılığını belirlemek için yargıçların öngörücü sistemlerden faydalandığı ceza adaleti sisteminde de gayet belirgin. Bu sistemler, muhtemelen algoritmaları eğitmek için kullanılan verilerdeki önyargılar nedeniyle siyah sanıklar için daha yüksek yeniden suç işleme olasılığı öngördüğü gerekçesiyle eleştirilere maruz kalıyor. Öngörülü polislikteki onay geri bildirim döngüleri, polisin belirli alanlarda tekrarlanan mevcudiyetine yol açarak belirli kişilerin adil olmayan bir şekilde tahkik edilmesine neden olabiliyor.
Algoritmik yönetim sistemlerinde algoritmik önyargının veya hakkaniyetsizliğin tespit edilmesi zor olabilir çünkü bu sistemlerde kullanılan algoritmaların iç işleyişi genellikle karmaşık ve kullanıcılar için anlaşılmaz oluyor. Algoritmik opaklık olarak da bilinen bu şeffaflık eksikliği, sistemde kodlanmış önyargıları veya eşitsizlikleri tespit etmeyi zorlaştırıyor.
Bu sorunu çözmek için organizasyonları, belirli girdi/çıktı tahminleri için açıklamalar sağlayabilen Açıklanabilir Yapay Zeka (XAI) gibi teknik çözümleri kullanmayı düşünmeye teşvik ediyoruz. Algoritmaları yönetim süreçlerine entegre ederken, organizasyonların ayrıca algoritmik karar verme ve açıklanabilirlik sorunlarının Avrupa Birliği'nin Genel Veri Koruma Yönetmeliği gibi düzenleyici çerçevelerle nasıl uyumlu olduğununa de göz önüne alması gerekiyor.
ÖN YARGILARA HAZIRLIKLI OLMAK
Algoritmik önyargıya karşı korumalar da dahil olmak üzere algoritmik yönetimi idare eden yasalar ve politikalar henüz gelişme aşamasındayken, organizasyonların özdenetim uygulamalarını benimsemesi gerekebilir. Algoritmik denetim, algoritmik karar vermenin sonuçlarını ve potansiyel ayrımcı sonuçları sistematik olarak incelemek için yararlı bir yaklaşım olabilir. Üçüncü taraf algoritmik denetimler, algoritmalardaki önyargıları tespit etmenin yanı sıra ekolojik zarar, güvenlik riskleri, mahremiyet ihlalleri ve şeffaflık, açıklanabilirlik ve sorumluluk eksikliği gibi diğer olumsuz etkileri de değerlendirebilir. Algoritmik denetimler, çeşitli bağlamlarda yasal bir zorunluluk haline getirilebilir—New York'ta kısa süre önce yürürlüğe giren ve YZ tabanlı işe alma uygulamalarını düzenleyen yasanın yaptığı gibi.
Şirketleri sorumluluk almaya ve mevcut uygulamalarının etik ilkeleri üzerine düşünmeye teşvik ediyoruz. Süreçleri yönetmek için hangi algoritmalardan faydalanıldığı, bunların nasıl kullanıldığı, çalışanlar ve müşteriler dahil olmak üzere farklı grupları nasıl etkilediği hakkındaki bilgilere erişimi vurgulayan etik bir yaklaşıma acilen ihtiyaç var. Yapılan sürekli dahili sorgulamalar, organizasyonların işle ilgili süreçlerin algoritmalar tarafından nasıl düzenlediğine dair kararlar almasına yardımcı olur. Bunlar, bir kez daha, algoritmik yönetim hakkında yeterince bilgilendirme yapılmasını içeren şeffaflık çabaları gerektirir, çeşitli paydaşların hem algoritmik gücü anlaması hem de insan ve algoritmik yöneticilerden hesap sorabilmesi için.
Son olarak, organizasyonları, algoritmaların yeteneklerinin (gerçekçi olarak neyi başarabilecekleri) ötesinde düşünmeye ve hangi yönetim görevlerinin algoritmalara devredilmesi ve devredilmemesi gerektiğine dikkatlice karar vermeye teşvik ediyoruz. Bu sorular, çalışma koşulları, etik ve örgütsel hesap verebilirlik etrafında düğümlü ahlaki sorunları gündeme getiriyor. Bir paydaş analizi yürütmek, organizasyonların algoritmik yönetim sistemlerinin paydaşlar üzerindeki potansiyel etkilerini şeffaf bir şekilde değerlendirmesine, ayrıca karar verme önyargısı, hesap verebilirlik ve paydaşların hakları ve itibarı gibi meseleleri ele almasına yardımcı olabilir.
Algoritmik yönetim, organizasyonlar için birçok vaadi barındırıyor ve yöneticilerin rollerini ve görevlerini dönüştürebiliyor. Başarılı bir şekilde kullanmak, risklerle başa çıkmak için yeni bir dizi algoritmik yeterlilik ve tutum gerektiriyor. Geleceğin yöneticileri, iş akışlarında algoritmalarla etkili bir şekilde etkileşim kurmak, bunları anlamlandırmak, dağıtmak ve hatta onlarla işbirliği yapmak için becerilere ihtiyaç duyacak. Organizasyonların geleceğindeki yönetim anlayışı, insanlar, veriler ve otomatikleştirilmiş sistemlerden oluşan karmaşık bir ağın oluşturulmasını ve düzenlenmesini içeriyor. Organizasyonlar, algoritmik yönetimden nasıl yararlanabileceklerini ve insan ve makine yetenekleri arasında bir simbiyoz oluşturmak için algoritmik yeterlilikleri nasıl besleyebileceklerini araştırmalı.
FARKLI YÖNETİM DÜZEYLERİNDE
Bir organizasyonun daha alt yönetim seviyelerinde, YZ sistemleri görev koordinasyonu sağlarken insan yöneticiler denetim ve etkileşimi yürütebilir. Üst yönetim seviyelerinde ise YZ enformasyon ve karar desteği sunmak için çevreyi tararken insan yöneticiler karar vermeye stratejik ve bütünsel bir bakış açısı getirebilir.
Üst yönetim:
-Enformasyon temini, karar desteği
-Stratejik yönlendirme, bütünsel karar verme
Alt yönetim
-Görev dağılımı, koordinasyon ve değerlendirme
-Denetim, iletişim ve empati.
Mohammad Hossein Jarrahi: UNC Enformasyon ve Kütüphane Bilimi Okulu'nda doçent.
Mareike Möhlmann: Bentley Üniversitesi'nin Enformasyon ve Süreç Yönetimi bölümünde yardımcı doçent.
Min Kyung Lee: Austin'deki Teksas Üniversitesi Enformasyon Okulu'nda yardımcı doçent.