hvordan påvirker teknologisk endring jobbdesign? Tenk på en jobb som et sett med oppgaver som krever ulike typer ansattes ferdigheter. Ny teknologi øker relativ ansattes produktivitet i enkelte oppgaver, og erstatter ansatte i andre oppgaver. Bedrifter reagerer ved å endre jobbdesign-blandingen av oppgaver tildelt arbeidstakere – og deretter deres etterspørsel etter arbeidstakere med ulike ferdigheter.
Tidlig teknologi hadde en tendens til å øke produktiviteten til manuelle arbeidere med lav ferdighet ved å tilby bedre verktøy, maskiner og billigere råvarer. Dette ble reflektert i gradvis mekanisering av landbruket, og bevegelsen fra håndverkere til fabrikkproduksjon på slutten av 1800-tallet . Men rundt 1910 begynte ny teknologi å favorisere mellomstore og høyt kvalifiserte arbeidere. Fabrikkene skiftet til elektrisk kraft, som lette batch eller kontinuerlige produksjonsmetoder, og samlebånd. Fabrikkformenn, maskinister og ledere ble mer produktive, overvåket flere ressurser og produksjon. I mellomtiden ble mange manuelle jobber mekanisert.
Dette er et tidlig eksempel på et generelt punkt. Teknologi utfyller noen ganger ansatte ved å øke evnen til å utføre bestemte oppgaver, og noen ganger erstatter ansatte ved å automatisere noen eller alle oppgavene sine. Det endrer dermed jobbdesign ved å fokusere den ansatte på oppgaver som er vanskelige å automatisere, og eliminere oppgaver som er enkle å automatisere. I tillegg kan effekten av ny teknologi endres over tid. I utgangspunktet kompletterte den lav ferdighetsarbeid. Senere erstattet det det mens det supplerte mellom-og høy ferdighetsarbeid. I dag kompletterer det høy ferdighetsarbeid, men erstatter ofte mellomferdighetsarbeid. DET er rimelig å forvente AT IKT-effektene kan endre seg igjen i fremtiden.
Automatisering av oppgaver (i maskiner eller programvare) har flere fordeler. Det reduserer variasjon siden maskiner har en tendens til å utføre identisk hver gang. Dette reduserer usikkerheten og bidrar til å forbedre kvaliteten på beslutninger, produkter eller tjenester. Maskiner, og spesielt datamaskiner, genererer ofte store stordriftsfordeler. Bedrifter kan unngå kompleksiteten i å administrere ansatte, inkludert konflikt, incentivproblemer og fravær. Derfor, hvis kostnadene ved å automatisere en oppgave faller langt nok, vil bedrifter sannsynligvis automatisere den oppgaven.
Hvilke oppgaver er enklest å automatisere? De som er lettest forstått, optimalisert og kodifisert på forhånd. Dermed har rutinemessige, enkle oppgaver vært mest utsatt for mekanisering og datastyring . Som nevnt ovenfor, i utgangspunktet, automatisering var av manuelle oppgaver i produksjon. Eksperter Som Frederick Taylor utviklet metoder for å bryte produksjonen i bestemte trinn, og deretter optimalisere hvert trinn. Å gjøre det kodifiserte oppgaven, noe som lette mekanisering. FRA 1970-tallet og fremover muliggjorde IKT-revolusjonen lignende automatisering av mange rutinemessige, forutsigbare oppgaver i kontor-og hvitsnippjobber. Arbeid med informasjonsbehandling, produksjon av økonomiske former, rutineberegninger, etc., ble lett overtatt av datamaskiner. Denne «re-engineering» eliminerte mange mellomferdighetsjobber (f.eks. kontorarbeid, dataregistrering, bokføring) og reduserte antall lag i bedriftens hierarkier.
Enklere, mer stabile og forutsigbare miljøer favoriserer automatisering av to grunner: enkel optimalisering og teknologisk levetid . For at oppgaver skal automatiseres, må firmaet investere ressurser i å analysere og optimalisere den delen av prosessen. Å perfeksjonere en del av en prosess krever ressurser(f. eks. konsulenter, metoder for total kvalitetsstyring). Denne investeringen vil være mer lønnsom hvis optimaliseringsproblemet er lettere, som det er tilfelle med enklere produkter og produktlinjer. Det vil også være mer lønnsomt hvis den nye kunnskapen kan tas i bruk lenger i fremtiden, slik tilfellet er med stabile og forutsigbare miljøer. FOR EKSEMPEL optimaliserte UPS (et verdensomspennende pakkeleveringsselskap) jobben til lastebilsjåfører, selv i den grad de lærte dem hvordan de skulle gå inn i lastebilen på raskest mulig måte. Virksomheten var veldig enkel (levere en pakke fra ett sted til et annet), samt stabil og forutsigbar (metoder utviklet seg litt over mer enn 100 år, fra sykler til motorsykler til lastebiler, deretter til fly for lange avstander).
Hvilke oppgaver er vanskeligere å automatisere? For det første har ikke alle manuelle oppgaver vist seg å være enkle å automatisere. Fysiske oppgaver innebærer noen ganger finmotorikk og fingerferdighet, hvilke maskiner har ikke vært i stand til å replikere. De involverer også ofte å observere og tolke arbeidstakerens fysiske miljø, samt å bevege seg innenfor tilfeldige fysiske rom. Datamaskiner og maskiner har historisk manglet disse evnene, inkludert visjon og bildegjenkjenning (Figur 1).
Kognitive oppgaver har også vært vanskelig å automatisere. De krever høyere orden tenkning ferdigheter, mens datamaskiner har en tendens til å bare utføre bestemte, programmerte operasjoner. I stedet for å bli automatisert, blir jobber som involverer analyse, beslutningstaking, abstrakt tenkning, læring, innovasjon og kreativitet ofte supplert med ny teknologi. For eksempel har jobben til en flydesigningeniør endret seg dramatisk. Tidligere innebar det betydelig kjedelig arbeid, og produserte komplekse tegninger ved håndberegning og tegning. Nå har ingeniører datamaskiner som utfører disse oppgavene, og frigjør dem til å fokusere mer på design og komplekse konfigurasjonsalternativer .
Sosiale oppgaver har også vist seg vanskelig å automatisere. Datamaskiner og roboter har ikke evnen til å empati med kolleger og kunder, inspirere ansatte, bruke intuisjon, eller lytte og kommunisere med subtilitet. Oppgaver som involverer sosiale interaksjoner, ofte i tjenestejobber med lav kompetanse og lederjobber med høy kompetanse, har i stor grad unngått automatisering. Sosiale ferdigheter har blitt stadig mer verdifulle i arbeidsmarkedet, og sysselsettingsveksten har vært størst i jobber som er høye i både kognitive og sosiale ferdighetskrav . Det vil si at sosiale og kognitive ferdigheter ser ut til å være komplementære.
Oppsummering, en jobb er et bunt av manuelle, kognitive og sosiale oppgaver. Ny teknologi gjør det mulig for bedrifter å automatisere noen oppgaver, ta dem fra arbeidere og utføre dem i stedet med maskiner og datamaskiner. Det tillater også bedrifter å gi arbeidstakere informasjon, data, analyse og kommunikasjonsverktøy som øker evnen til å utføre andre oppgaver. Dermed hviler effekten av teknologi på jobbdesign på et erstatningskomplementskontinuum. For noen jobber kan de fleste eller alle oppgaver automatiseres. For noen jobber kan få oppgaver automatiseres, men mange kan suppleres med teknologi. Andre jobber ligger i mellom, med noen oppgaver automatisert, noen upåvirket, og noen suppleres.
for eksempel har noen medisinske diagnostiske tester blitt automatisert, og eliminerer mange medisinske tekniker jobber. Noen sykepleieoppgaver har blitt erstattet av sengemaskiner som overvåker pasienter og dispensere medisin, men sykepleierens samspill med pasienten er i stor grad umulig å automatisere. Til slutt, nesten alle operasjoner er fortsatt utført av mennesker, men kirurger har avanserte verktøy som tillater dem å utføre disse operasjonene raskere, trygt og effektivt.
denne prosessen kan føre til dramatiske forskjeller i ansattes arbeid . For jobber som for det meste er automatiserte, har ledere en tendens til å ta de fleste eller alle beslutninger, og arbeidstakere utfører bare sine foreskrevne oppgaver. Dette skyldes at mye av prosessen allerede er optimalisert, slik at arbeideren kan legge til lite ny kunnskap til jobben, og få beslutninger eller endringer må gjøres. Disse jobbene krever vanligvis få ferdigheter, involverer bare noen få repeterende oppgaver, krever lite tenkning av arbeideren, og har derfor en tendens til å ha lav indre motivasjon. Derimot har jobber som suppleres av teknologi en tendens til å kreve flere ferdigheter, inkludert problemløsing og sosiale ferdigheter. De pleier å gjøre mer bruk av desentralisering slik at ansatte lærer, og deretter utvikler, tester og implementerer ideer og løsninger . Som et resultat har slike jobber høy indre motivasjon . I samsvar med disse ideene er investeringer i IKT og forskning og utvikling positivt forbundet med mer beriket jobbdesign, storskala organisasjonsendring, kontinuerlig forbedring og større konkurranse.
andre effekter av teknologisk endring
Teknologi endrer arbeidsgiver-arbeidstakerforholdet, og selv hva det betyr å være en «ansatt»; imidlertid er slike effekter bare kort berørt her, da de ikke er hovedomfanget av denne artikkelen. Det er nå enkelt å samarbeide eksternt ved fil-og datadeling, e-post og videokonferanse. Bortsett fra når felles arbeid må være synkron og ansikt til ansikt, kan dette endre tradisjonelle arbeidsmåter, sysselsetting og faste strukturer. Denne utviklingen letter globaliseringen av bedrifter, men muliggjør også outsourcing og offshoring av jobber utenfor faste grenser. De muliggjør nye ordninger, med mer fleksibilitet i oppgaver, totale timer, timing og arbeidssted. Nylig har dette manifestert seg i «konsertøkonomien», der en økende andel av arbeidsstyrken er ansatt i kortsiktige deltidsordninger uten tilknytning til en tradisjonell arbeidsgiver. Nettoeffekten av disse endringene på arbeidstakere og bedrifter er ikke godt forstått; samfunnet bør forvente å se videre utvikling på disse områdene.
CIT kan ytterligere endre hvordan bedrifter motiverer ansatte. På den ene siden har mange jobber blitt mer desentraliserte. Ansatte med større diskresjon er vanligvis gitt sterkere lønn for ytelse for å justere sine mål og beslutninger med faste mål. På den annen side fører teknologien til større sentralisering i enkelte andre jobber, og gjør det mulig å overvåke og vurdere ansatte på nye måter. Identifikasjonsmerker kan for eksempel utformes for å spore en ansatts plassering, notere hvilke kolleger de tilbringer tid med, overvåke tonen i medarbeidersamtaler og notere hvordan de står i forhold til hverandre under disse samtalene. Maskinlæringsalgoritmer kan da for eksempel analysere slike data for å evaluere ansattes » lederpotensial.»
Arbeidsmarkedspolarisering
som ny teknologi erstatter eller utfyller ulike typer oppgaver, endrer den den relative etterspørselen etter ferdigheter som trengs for å utføre disse oppgavene. Ferdigheter knyttet til oppgaver som maskiner nå kan utføre, har en tendens til å se en relativ nedgang i etterspørselen, mens de som er knyttet til oppgaver som suppleres av ny teknologi, ser en relativ økning i etterspørselen. Dermed påvirker teknologisk endring den relative kompensasjonen til arbeidstakere med ulike ferdighetstyper. Tilførselen av arbeidstakere med ulike ferdighetstyper vil også endres. Imidlertid har arbeidstilbudet en tendens til å endres sakte siden det krever endringer i utdanning og opplæring. Dette betyr at ferdigheter og lønn har en tendens til å være svært korrelert. Av den grunn, arbeidskraft økonomi forskere ofte proxy «ferdigheter» av lønnsnivået.
Automatisering i moderne tid har hatt en tendens til å fokusere på mellomstore jobber. High-skill jobber omfatter kognitive oppgaver, sosiale ferdigheter (ledelse og ledelse), og kreativitet. Mens noen jobber med lav ferdighet har blitt automatisert, har de som krever større fingerferdighet, samarbeid eller samspill med kunder ikke blitt mye automatisert. I motsetning til dette har mellomstore jobber en tendens til å involvere rutinemessig informasjonsbehandling, beregning og beslutningstaking. De har derfor blitt hardest rammet av automatisering med advent av billige, kraftige datamaskiner og større tilgang til data.
dette mønsteret kalles ofte arbeidsmarkedspolarisering . Polarisering har to aspekter. For det første har den relative andelen av lav – og høyferdighetsjobber økt, med en «uthuling» av andelen mellomferdighetsjobber. For det andre har dette økt lønnsforskjellen, siden mellomferdighetsjobber har falt i fremtredende, mens komplementaritet med teknologi har økt relativ kompensasjon for høyt kvalifiserte arbeidstakere; Figur 2 illustrerer dette FOR OECD-landene.
Polarisering er et relativt nytt fenomen. Inntil nylig reflekterte arbeidsmarkedene ferdighetsforspent teknologisk endring der teknologi favoriserte arbeidstakere med mer ferdighet i forhold til de med mindre. Hva er annerledes nå er at datamaskiner kan utføre analyse og, til en viss grad, kognitive oppgaver; derfor, i de siste tre tiårene, rutine-partisk teknologisk endring har dukket opp.
hvor langt og hvor raskt går automatiseringen av oppgaver?
hvordan teknologi påvirker jobbdesign har nylig endret seg. I utgangspunktet hadde datamaskiner i stor grad automatiserte oppgaver som kunne være veldefinerte og styrt av mennesker, enten via tradisjonelle dataprogrammer som spesifiserer hva datamaskinen skal gjøre, eller ekspertsystemer designet for å kategorisere og replikere menneskelig beslutningstaking. Nylig har imidlertid datavitenskapere gjort fremskritt i maskinlæring, hvor datamaskiner utvikler, evaluerer og forfiner sine egne algoritmer, med liten eller ingen menneskelig inngrep. Dette presenterer en ny tilnærming: automatisering av kognitive oppgaver. Videre har slike algoritmer forbedret mobilitet, fingerferdighet, visjon og objektgjenkjenning i robotteknologi. For eksempel beskriver et innflytelsesrik papir fra 2003 å dechiffrere signaturen på en sjekk og kjøre bil som oppgaver som var vanskelige å automatisere . Men sjekker blir nå rutinemessig behandlet av datamaskiner som dechifiserer håndskrift, og førerløse biler blir testet i flere byer.
utviklingen av datamaskiner som kan lære er en potensielt dramatisk endring i oppgaveautomatisering. Hvor langt denne utviklingen er sannsynlig å fortsette, og hvor raskt, er gjenstand for stor debatt. Noen hevder at tempoet i automatisering har akselerert, inkludert for første gang i høyt kvalifiserte jobber . En studie analyserte oppgaveinnholdet på 7000 jobber og konkluderte med at nesten halvparten, inkludert mange høyt kvalifiserte jobber, har høy risiko for automatisering de neste 10 til 20 årene . Hvis denne prediksjonen viser seg, kan implikasjonene for arbeidsmarkedene være dramatiske.
studien provoserte imidlertid kontrovers. For eksempel analyserte det risiko for automatisering på jobbnivå, men jobber omfatter et sett med oppgaver, hvorav noen kan være automatiserte,mens andre kanskje ikke. Illustrasjonen på side 1 kommer fra et arbeid som raffinerte den forrige studien; forfatterne konkluderte med at andelen jobber med høy risiko for automatisering ikke er 50%, men nærmere 5-10% . Jobber minst risiko for automatisering er anslått til å innebære større bruk av deduktiv resonnement, originalitet, kommunikasjon, opplæring, problemløsning, og lesing og skriving. De har også større krav til pre-job utdanning eller opplæring , . Imidlertid må betydelig mer arbeid gjøres før forskerne vil være sikre på å svare på disse spørsmålene.