Алгоритмический менеджмент: опыт эмпирического исследования

В статье рассматривается проблема внедрения алгоритмического менеджмента в контексте противоречия между механистической и органической парадигмой организации, а также с позиций социотехнического подхода. Эмпирической базой исследования являются данные, полученные в ходе эксперимента по внедрению алгоритмического менеджмента при мониторинге и оценке работы торговых представителей компании-производителя повседневных товаров. Задачей исследования являлось получение ответа на два вопроса, сформулированных с позиции технической и социальной подсистем организации: во-первых, повлияет ли алгоритмический менеджмент на эффективность работы специалистов; во-вторых, как специалисты будут воспринимать работу алгоритма. Методами исследования являлись глубинное интервью и тематический анализ. В отношении первого вопроса исследования результаты демонстрируют, что эффективность работы специалистов при использовании алгоритмического менеджмента увеличилась по сравнению с прошлым периодом и с контрольной группой, в первую очередь по показателю следования стандартам. Ключевыми темами, которые были выявлены на основе анализа интервью, проведенных для ответа на второй вопрос исследования, стали доверие к алгоритму и восприятие взаимодействия между человеком и алгоритмом. Результаты позволяют заключить, что доверие к алгоритму формируется восприятием алгоритма как инструмента оценки, а не субъекта с собственной волей, а также возможностью апеллировать выставленные им оценки и воспринимаемой прозрачностью его работы. Основные выводы исследования состоят в том, что внедрение алгоритмического менеджмента, потенциально создающего дисбаланс между технической и социальной подсистемами организации, должно рассматриваться не только в плоскости инструментов и целей, которые предполагается достичь с помощью новой технологии, но и с позиций системного понимания предпосылок и убеждений, определяющих формулировку этих целей.

1. Адизес, И. (2017). На пороге управленческой революции. Harvard Business Review Россия, 1, 11–15. https://big-i.ru/management/upravlenie-izmeneniyami/a18761/

2. Купрейченко, А. Б. (2008). Психология доверия и недоверия. Изд-во «Институт психологии РАН».

3. Петровская, И. А. (2018). Концепции лидерства в позитивной парадигме организационного поведения. Проблемы теории и практики управления, (8), 85–90.

4. Allen-Robertson, J. (2017). The Uber game: exploring algorithmic management and resistance. AoIR Selected Papers of Internet Research. https://spir.aoir.org/ojs/index.php/ spir/article/view/10033

5. Benlian, A., Wiener, M., Cram, W. A., Krasnova, H., Maedche, A., Möhlmann, M., Recker, J., & Remus, U. (2022). Algorithmic management: bright and dark sides, practical implications, and research opportunities. Business & Information Systems Engineering, 64(6), 825–839. https://doi.org/10.1007/s12599-022-00764-w

6. Bienefeld, N., Kolbe, M., Camen, G., Huser, D., & Buehler, P. K. (2023). Human-AI teaming: leveraging transactive memory and speaking up for enhanced team eff ectiveness. Frontiers in Psychology, 14. https://doi.org/10.3389/fpsyg.2023.1208019

7. Braun, V., & Clarke, V. (2006). Using thematic analysis in psychology. Qualitative research in psychology, 3(2), 77–101. http://dx.doi.org/10.1191/1478088706qp063oa

8. Burns, T., & Stalker, G. M. (1961). The management of innovation.

9. Tavistock Clegg, C., & Shepherd, C. (2007). The biggest computer programme in the world… ever!’: time for a change in mindset? Journal of Information Technology, 22(3), 212–221. https://doi.org/10.1057/palgrave.jit.2000103

10. Davis, M. C., Challenger, R., Jayewardene, D. N., & Clegg, C. W. (2014). Advancing socio-technical systems thinking: A call for bravery. Applied ergonomics, 45(2), 171–180. https://doi.org/10.1016/j.apergo.2013.02.009

11. Dolata, M., Feuerriegel, S., & Schwabe, G. (2022). A sociotechnical view of algorithmic fairness. Information Systems Journal, 32(4), 754–818. https://doi.org/10.1111/isj.12370

12. Duggan, J., Sherman, U., Carbery, R., & McDonnell, A. (2020). Algorithmic management and app-work in the gig economy: A research agenda for employment relations and HRM. Human Resource Management Journal, 30(1), 114–132. https://doi.org/10.1111/1748- 8583.12258

13. Gagné, M., Parent-Rocheleau, X., Bujold, A., Gaudet, MC, & Lirio, P. (2022). How algorithmic management infl uences worker motivation: A self-determination theory perspective. Canadian Psychology/Psychologie canadienne, 63 (2), 247–260. https://psycnet. apa.org/doi/10.1037/cap0000324

14. Galiere, S. (2020). When food-delivery platform workers consent to algorithmic management: a Foucauldian perspective. New Technology, Work and Employment, 35(3), 357–370. https://doi.org/10.1111/ntwe.12177

15. Hart, D. K., & Scott, W. G. (1975). The organizational imperative. Administration & Society, 7(3), 259–285. https://journals.sagepub.com/doi/pdf/10.1177/009539977500700301

16. Howard, J. (2022). Algorithms and the future of work. American Journal of Industrial Medicine, 65(12), 943-952. https://doi.org/10.1002/ajim.23429

17. Jabagi, N., Croteau, A. M., & Audebrand, L. (2020, January). Perceived organizational support in the face of algorithmic management: a conceptual model. In Proceedings of the 53rd Hawaii International Conference on System Sciences (HICSS 2020), Maui, USA, 4001–4010. https://scholarspace.manoa.hawaii.edu/bitstream/10125/64231/1/0395.pdf

18. Jarrahi, M. H. (2018). Artifi cial intelligence and the future of work: Human-AI symbiosis in organizational decision making. Business horizons, 61(4), 577–586. https://doi. org/10.1016/j.bushor.2018.03.007

19. Jarrahi, M. H., Newlands, G., Lee, M. K., Wolf, C. T., Kinder, E., & Sutherland, W. (2021). Algorithmic management in a work context. Big Data & Society, 8(2), 1–14. https://doi.org/10.1177/20539517211020332

20. Joita, B. (2019, April 29). Management by Algorithm: Amazon’s Tracking System Can Allegedly Fire Workers Automatically. Techlead. https://techthelead.com/managementby-algorithm-amazons-warehouse-worker-tracking-system-can-allegedly-fire-themautomatically/

21. Kellogg, K. C., Valentine, M. A., & Christin, A. (2020). Algorithms at work: The new contested terrain of control. Academy of Management Annals, 14(1), 366-410. https://doi. org/10.5465/annals.2018.0174

22. Klein, U., Depping, J., Wohlfahrt, L., & Fassbender, P. (2023). Application of artifi cial intelligence: risk perception and trust in the work context with diff erent impact levels and task types. AI & SOCIETY, 1–12. https://doi.org/10.1007/s00146-023-01699-w

23. Lee, M. K. (2018). Understanding perception of algorithmic decisions: Fairness, trust, and emotion in response to algorithmic management. Big Data & Society, 5(1), 1–16. https://doi.org/10.1177/2053951718756684

24. Lepri, B., Oliver, N., Letouzé, E., Pentland, A., & Vinck, P. (2018). Fair, transparent, and accountable algorithmic decision-making processes: The premise, the proposed solutions, and the open challenges. Philosophy & Technology, 31, 611–627. https://doi.org/10.1007/ s13347-017-0279-x

25. Leyer, M., & Schneider, S. (2021). Decision augmentation and automation with artifi cial intelligence: Threat or opportunity for managers? Business Horizons, 64(5), 711–724. https://doi.org/10.1016/j.bushor.2021.02.026

26. Lyons, H., Wij enayake, S., Miller, T., & Velloso, E. (2022, April). What’s the appeal? Perceptions of review processes for algorithmic decisions.Proceedings of the 2022 CHI Conference on Human Factors in Computing Systems, 1–15. https://doi.org/10.1145/3491102.3517606

27. Makarius, E. E., Mukherjee, D., Fox, J. D., & Fox, A. K. (2020). Rising with the machines: A sociotechnical framework for bringing artifi cial intelligence into the organization. Journal of Business Research, 120, 262–273. https://doi.org/10.1016/j.jbusres.2020.07.045

28. McAfee, A., Brynjolfsson, E., Davenport, T. H., Patil, D. J., & Barton, D. (2012). Big data: the management revolution. Harvard business review, 90(10), 60–68. https://hbr. org/2012/10/big-data-the-management-revolution

29. Medwell, J. (2022, January 30). When the algorithm is your boss. Tribune. https://tribunemag.co.uk/2022/01/amazon-algorithm-human-resource-management-tech-workersurveillance

30. Möhlmann, M., & Henfridsson, O. (2019). What people hate about being managed by algorithms, according to a study of Uber drivers. Harvard Business Review, 30(August), 1–7. https://hbr.org/2019/08/what-people-hate-about-being-managed-by-algorithmsaccording-to-a-study-of-uber-drivers

31. Möhlmann, M., & Zalmanson, L. (2017). Hands on the wheel: Navigating algorithmic management and Uber drivers’ autonomy. Proceedings of the International Conference on Information Systems (ICIS 2017), December 10–13, Seoul, South Korea, 5375–5391. https://www.proceedings.com/37640.html

32. Morse, L., Teodorescu, M. H. M., Awwad, Y., & Kane, G. C. (2021). Do the ends justify the means? Variation in the distributive and procedural fairness of machine learning algorithms. Journal of Business Ethics, 1–13. https://doi.org/10.1007/s10551-021-04939-5

33. Noponen, N., Feshchenko, P., Auvinen, T., Luoma-aho, V., & Abrahamsson, P. (2023). Taylorism on steroids or enabling autonomy? A systematic review of algorithmic management. Management Review Quarterly, 1–27. https://doi.org/10.1007/s11301-023-00345-5

34. Parent-Rocheleau, X., & Parker, S. K. (2021). Algorithms as work designers: How algorithmic management infl uences the design of jobs. Human Resource Management Review, 32(3), 100838. https://doi.org/10.1016/j.hrmr.2021.100838

35. Parker, S. K., & Grote, G. (2020). Automation, algorithms, and beyond: Why work design matters more than ever in a digital world. Applied Psychology, 71(4), 1171–1204. https://doi. org/10.1111/apps.12241

36. Persson, J. (2017). A review of the design and development processes of simulation for training in healthcare–A technology-centered versus a human-centered perspective. Applied ergonomics, 58, 314–326. https://doi.org/10.1016/j.apergo.2016.07.007

37. Piller, F. T., & Nitsch, V. (2022). How Digital Shadows, New Forms of Human-Machine Collaboration, and Data-Driven Business Models Are Driving the Future of Industry 4.0: A Delphi Study. In: Piller, F. T., Nitsch, V., Lüttgens, D., Mertens, A., Pütz, S., Van Dyck, M. (Еds). Forecasting Next Generation Manufacturing. Contributions to Management Science, 1–31. Springer, Cham. https://doi.org/10.1007/978-3-031-07734-0_1

38. PWC (2022). Artificial Intelligence in HR: a No-brainer. https://www.pwc.at/de/publikationen/verschiedenes/artificial-intelligence-in-hr-a-no-brainer.pdf

39. Sarker, S., Chatterjee, S., Xiao, X., & Elbanna, A. (2019). The sociotechnical axis of cohesion for the IS discipline: Its historical legacy and its continued relevance. MIS quarterly, 43(3), 695–720. https://doi.org/10.25300/MISQ/2019/13747

40. Schildt, H. (2017). Big data and organizational design–the brave new world of algorithmic management and computer augmented transparency. Innovation, 19(1), 23–30. https://doi.org/10.1080/14479338.2016.1252043

41. Shin, D., & Park, Y. J. (2019). Role of fairness, accountability, and transparency in algorithmic aff ordance. Computers in Human Behavior, 98, 277–284. https://doi. org/10.1016/j.chb.2019.04.019

42. Soper, S. (2021, June 28). Fired by bot at Amazon:‘It’s you against the machine’. Bloomberg. https://www.bloomberg.com/news/features/2021-06-28/fi red-by-bot-amazonturns-to-machine-managers-and-workers-are-losing-out

43. Trist, E. L. (1981).The evolution of socio-technical systems(Vol. 2). Toronto: Ontario Quality of Working Life Centre. https://www.lmmiller.com/blog/wp-content/uploads/2013/06/TheEvolution-of-Socio-Technical-Systems-Trist.pdf

44. Wood, A. J. (2021). Algorithmic management consequences for work organisation and working conditions (No. 2021/07). JRC Working Papers Series on Labour, Education and Technology. https://www.econstor.eu/handle/10419/233886

45. Yu, H., Miao, C., Chen, Y., Fauvel, S., Li, X., & Lesser, V. R. (2017). Algorithmic management for improving collective productivity in crowdsourcing. Scientific reports, 7(1), 1–11. https://doi.org/10.1038/s41598-017-12757-x