GLI ALGORITMI vengono impiegati per automatizzare i compiti manageriali in una varietà sempre più ampia di settori e ambienti. Amazon, Uber e UPS, ad esempio, li utilizzano per controllare i movimenti e le prestazioni di milioni di autisti e magazzinieri, mentre 7-Eleven, IBM e Uniqlo per monitorare le prestazioni degli addetti alla vendita al dettaglio o per valutare le competenze dei dipendenti.
Questo passaggio alla “gestione algoritmica” offre ovviamente alle aziende una maggiore efficienza e redditività. Ma, dobbiamo chiederci, può anche avere conseguenze indesiderate ed effetti alienanti, in particolare per quanto riguarda le dinamiche sul posto di lavoro?
Sorprendentemente pochi ricercatori hanno preso in considerazione in modo metodico questa domanda, il che significa che abbiamo pochi dati che possono aiutarci a rispondere. Per colmare questa lacuna, nella nostra ricerca verifichiamo rigorosamente se l’impatto della gestione algoritmica si estenda oltre la produttività dei lavoratori. Di recente, abbiamo esaminato gli effetti della gestione algoritmica sulla motivazione prosociale, che è un importante motore di creatività, produttività, interazione sociale e benessere generale sul posto di lavoro. Nel farlo abbiamo identificato una lacuna particolarmente interessante e importante: i dipendenti gestiti in modo algoritmico risultano meno inclini ad aiutare o sostenere i colleghi rispetto a quelli gestiti da persone.
Le aziende che utilizzano la gestione algoritmica devono tenere presente questo problema e prestare attenzione agli altri effetti negativi che questa può avere sulla psicologia dei dipendenti e sulle dinamiche sociali. Fortunatamente, come discuteremo in questo articolo, la nostra ricerca suggerisce che le aziende possono mitigare questi effetti creando un ambiente di lavoro che incoraggi attivamente le interazioni sociali.
Il problema
Abbiamo iniziato la nostra ricerca con un’indagine sul campo tra i lavoratori dei settori dei trasporti, della distribuzione e della logistica, dove la gestione algoritmica è piuttosto comune. È stato il primo luogo in cui abbiamo riscontrato che i lavoratori gestiti in modo algoritmico sono meno inclini ad aiutare o sostenere i colleghi. La tendenza persisteva anche dopo aver tenuto conto di fattori specifici delle loro organizzazioni (come le dimensioni o la permanenza media dei dipendenti), del loro lavoro (come la soddisfazione del management o la soddisfazione generale) e delle loro caratteristiche personali (come il sesso e il reddito).
Abbiamo poi condotto un esperimento sul campo in collaborazione con un’azienda tedesca di noleggio furgoni per testare direttamente i risultati comportamentali della gestione algoritmica. All’inizio di questo esperimento, abbiamo pagato circa 1.000 lavoratori gig da una piattaforma di lavoro online per creare slogan per le campagne di marketing sui social media dell’azienda di noleggio furgoni. I lavoratori sono stati divisi casualmente in due gruppi, uno guidato e valutato da un algoritmo e l’altro da una persona. Dopo che i lavoratori avevano completato il compito, abbiamo chiesto loro di offrire consigli ad altri su come creare slogan di marketing efficaci e abbiamo misurato la loro disponibilità a farlo.
Il risultato è stato notevole: i lavoratori gestiti dall’algoritmo hanno offerto circa il 20% in meno di consigli ai loro colleghi rispetto ai lavoratori gestiti dalla persona, e la qualità dei loro consigli era inferiore. (È interessante notare che la qualità degli slogan effettivamente proposti dai due gruppi non differiva in modo significativo, il che suggerisce che la gestione algoritmica non influisce necessariamente sulle prestazioni dei lavoratori in base ai compiti).
La soluzione
Quando abbiamo condotto la nostra indagine sul campo tra i lavoratori dei settori dei trasporti, della distribuzione e della logistica, abbiamo scoperto che le regolari interazioni sociali tra i lavoratori agiscono come una barriera agli effetti negativi della gestione algoritmica. Ciò suggerisce che le aziende possono mitigare attivamente gli effetti negativi promuovendo un ambiente in cui i lavoratori possano connettersi e avere scambi significativi; questo potrebbe comportare iniziative come la messa a disposizione di sale pausa comuni, l’implementazione di rotazioni tra i team e l’organizzazione di eventi sociali o attività ricreative comuni.
In un altro studio, abbiamo assegnato a caso i partecipanti a una delle due condizioni. In una, i partecipanti hanno letto di un contesto lavorativo in cui il compito gestionale descritto nello scenario era la valutazione delle prestazioni dei lavoratori. Nell’altra condizione, invece, hanno letto di un contesto lavorativo in cui il compito gestionale descritto nello scenario era la programmazione e la pianificazione del lavoro. Abbiamo anche manipolato simultaneamente il fatto che il compito manageriale (valutazione o pianificazione) fosse svolto da un manager umano da solo o da un manager umano che utilizzava un algoritmo (che è il modo in cui la gestione algoritmica è spesso implementata).
È interessante notare che abbiamo osservato una diminuzione della motivazione prosociale con la gestione algoritmica solo quando il compito focale era la valutazione delle prestazioni, il che ci ha detto che la gestione algoritmica non diminuisce la motivazione prosociale in modo uniforme in tutti i compiti di gestione. L’impatto negativo risulta particolarmente pronunciato quando gli algoritmi monitorano e valutano le prestazioni dei dipendenti. Le aziende devono essere consapevoli di questo effetto. Se decidono di affidarsi alla gestione algoritmica nella valutazione delle prestazioni e in altri compiti legati alle risorse umane, devono lavorare per integrare i manager umani.
Ma anche quando i manager umani sono coinvolti, la nostra ricerca mostra che l’uso di algoritmi nella valutazione delle prestazioni rischia di produrre un effetto negativo sul comportamento prosociale. Nello studio appena discusso e in un altro che ha testato direttamente l’effetto del coinvolgimento umano, gli effetti negativi sul comportamento prosociale sono persistiti quando i manager umani hanno valutato le prestazioni dei dipendenti utilizzando algoritmi.
Anticipando questa situazione, le aziende e i manager devono informare e coinvolgere in modo proattivo i dipendenti nelle decisioni relative all’uso della gestione algoritmica. Quando i dipendenti vengono riconosciuti e inclusi come parti interessate nella progettazione e nell’implementazione della gestione algoritmica, è più probabile che mantengano comportamenti prosociali e che si sentano meno oggettivizzati.
Aziende come Haier, uno dei maggiori produttori di elettrodomestici al mondo, hanno implementato efficacemente sistemi di valutazione automatica delle prestazioni dando ai dipendenti la possibilità di stabilire i propri parametri di riferimento per le prestazioni, al di là degli obiettivi minimi determinati dall’algoritmo. Inoltre, le aziende devono garantire una comunicazione trasparente e consapevole su come vengono utilizzati gli algoritmi e su chi ha l’ultima parola nei processi decisionali. Per esempio, IBM incorpora gli algoritmi nelle sue decisioni di retribuzione, ma comunica chiaramente ai dipendenti che questi algoritmi forniscono raccomandazioni che i manager possono decidere di ignorare.
È innegabile che la gestione algoritmica offra alle aziende molte nuove opportunità per migliorare il modo in cui svolgono il proprio lavoro. Tuttavia, stiamo solo iniziando a comprendere gli effetti che questa pratica può avere sul benessere personale, sui comportamenti collaborativi e sulle dinamiche di gruppo; quindi, le aziende dovrebbero esercitare una notevole cautela quando iniziano a utilizzarla. In particolare, dovrebbero lavorare attivamente per mitigare gli effetti negativi che la gestione algoritmica può avere sul comportamento prosociale, dato che questo comportamento è fondamentale per il successo sul posto di lavoro a livello individuale e collettivo. C’è un equilibrio da trovare, e le aziende dovranno lavorare diligentemente per trovarlo.
Armin Granulo
e
Sara Caprioli
sono ricercatori post-dottorato presso la TUM School of Management, in Germania.
Christoph Fuchs
è professore di marketing presso l’Università di Vienna.
Stefano Puntoni
è professore di marketing presso la Wharton School, dove ricopre il ruolo di co-direttore dell’IA alla Wharton.
