De angst om onze baan te verliezen zit diepgeworteld in ons bewustzijn. Het is de reden dat mensen nog de straat op gaan om te protesteren tegen de sluiting van een fabriek, wanneer een multinational besluit om arbeid te verplaatsen naar een van de lageloon landen. Het ligt in veel gevallen aan de basis van vreemdelingenafkeer. Xenofobie is mijns inziens een ingewikkelde manier om “Ik heb niks tegen die mensen, maar wel dat ze mijn baan inpikken” samen te vatten in één woord.
Op eenzelfde manier kun je verklaren waarom werknemers niet staan te juichen wanneer hun baas op tech-safari naar Silicon Valley is geweest en het licht van kunstmatige intelligentie heeft gezien. De tech-sector is zich hier natuurlijk ook van bewust en probeert zich hier met semantische slimheden tegen te wapenen. De nieuwe robots worden met onschuldig klinkende termen op de markt gebracht.
Professor Thomas Malone van MIT vindt dit heel logisch. “Computers zijn nu eenmaal beter in het onthouden van grote hoeveelheden informatie. En mensen zijn beter in het flexibel omgaan met andere mensen.” Het inrichten van een slimme organisatie valt en staat dus bij de manier waarop je die twee samen kunt laten werken.
Hij benadrukt dat onze relatie tot deze systemen verschilt per taak. Allereerst zijn er systemen die worden gebruikt als gereedschap. Niemand ziet een bedreiging in de “auto-aanvullen”-functie van zijn tekstverwerker of in de cruise control van zijn auto. Stapje hoger op de ladder spreken we over systemen als assistent. Hier werken mens en machine al iets meer samen. Denk aan een semi-zelfrijdende auto waarbij de bestuurder nog wel de handen aan het stuur moet houden. Of de chatbots van KLM die de meest voorkomende berichten op social media af kunnen handelen, de menselijke helpdeskmedewerker overziet en grijpt alleen in bij de uitzonderingen.
De derde groep taken kunnen volgens Malone gedaan worden door “machines as peers”; systeem en gebruiker zijn elkaars gelijke. Hier begint de xenofobe medewerker het waarschijnlijk al een beetje benauwd te krijgen. Een voorbeeld van zo’n “peer”-systeem is Lemonade; een Amerikaanse verzekeringsfirma die hun dienstverlening bijna uitsluitend via een app (chatbots en machine learning) aanbieden. De resultaten zijn verbluffend. Schades kunnen binnen 3 seconden worden ingediend, beoordeeld en uitbetaald.
Bij de vierde groep is het de machine die de taken uitdeelt. Malone brengt dit quasinonchalant als iets wat al langer gaande is. “Een stoplicht dat op rood springt, geef jou de opdracht om te stoppen. Vinden we heel normaal.” Toch voelt het anders. Wat te denken van de duizenden Uber chauffeurs die geen manager meer hebben, maar de hele dag geïnstrueerd, gecontroleerd en geëvalueerd worden door een algoritme.
En zo zijn we weer terug bij de menselijke waarden. Laten we niet vergeten dat de algoritmen op zich niets kunnen. Ze zijn door mensen gemaakt en ze worden door mensen geïmplementeerd. Het komt weer neer op leiderschap. Wat willen wij dat het algoritme voor ons nastreeft. Is het platte winstoptimalisatie? Of een betere dienstverlening voor de klant en meer genoegdoening voor de werknemers?
Wat dat betreft verschillen managers en algoritmen helemaal niet zoveel. What gets measured, gets done.