hoe beïnvloedt technologische verandering het ontwerp van de taak? Denk aan een baan als een set van taken die verschillende soorten werknemers vaardigheden vereisen. Nieuwe technologie verhoogt de relatieve productiviteit van werknemers in sommige taken, en vervangt werknemers in andere taken. Bedrijven reageren door het werkontwerp—de mix van taken die aan werknemers worden toegewezen—en vervolgens hun vraag naar werknemers met verschillende vaardigheden te veranderen.Vroege technologie had de neiging de productiviteit van laaggeschoolde handarbeiders te verhogen door betere gereedschappen, machines en goedkopere grondstoffen te leveren. Dit werd weerspiegeld in de geleidelijke mechanisatie van de landbouw, en de beweging van ambachtelijke naar fabrieksproductie in de late jaren 1800 . Echter, rond 1910, nieuwe technologie begon ten gunste van Midden-en hooggeschoolde werknemers. Fabrieken verschoven naar elektrische energie, die batch of continue productiemethoden, en assemblagelijnen vergemakkelijkt. Fabrieksmensen, machinisten en managers werden productiever en hielden toezicht op meer middelen en productie. Ondertussen werden veel manuele banen gemechaniseerd.
dit is een vroeg voorbeeld van een algemeen punt. Technologie vult werknemers soms aan door hun vermogen om bepaalde taken uit te voeren te vergroten, en vervangt werknemers soms door sommige of al hun taken te automatiseren. Het verandert dus taakontwerp door de werknemer opnieuw te richten op taken die moeilijk te automatiseren zijn, en het elimineren van taken die gemakkelijk te automatiseren zijn. Bovendien kan het effect van nieuwe technologie in de loop van de tijd veranderen. Aanvankelijk was het een aanvulling op laaggeschoolde arbeid. Later, het vervangen voor het terwijl het aanvullen van Midden-en hoog-geschoold werk. Vandaag de dag is het een aanvulling op hooggeschoolde arbeid, maar vaak in de plaats van middelmatige vaardigheden werk. Het is redelijk te verwachten dat de effecten van ICT in de toekomst opnieuw zullen veranderen.Het automatiseren van taken (in machines of software) heeft verschillende voordelen. Het vermindert variatie omdat machines de neiging hebben om elke keer hetzelfde te presteren. Dit vermindert de onzekerheid en helpt de kwaliteit van beslissingen, producten of diensten te verbeteren. Machines, en met name computers, genereren vaak grote schaalvoordelen. Bedrijven kunnen de complexiteit van het managen van werknemers, waaronder conflicten, stimuleringsproblemen en absenteïsme, vermijden. Daarom, als de kosten van het automatiseren van een taak ver genoeg daalt, bedrijven zijn waarschijnlijk om die taak te automatiseren.
welke taken zijn het makkelijkst te automatiseren? Degenen die het meest gemakkelijk te begrijpen, geoptimaliseerd, en gecodificeerd op voorhand. Zo, routine, eenvoudige taken zijn het meest gevoelig voor mechanisatie en automatisering geweest . Zoals hierboven vermeld, was automatisering in eerste instantie handmatige taken in de productie. Experts zoals Frederick Taylor bedachten methoden om de productie in specifieke stappen op te splitsen en vervolgens elke stap te optimaliseren. Hierdoor gecodificeerde de taak, die Mechanisatie vergemakkelijkt. Vanaf de jaren zeventig maakte de ICT-revolutie een soortgelijke automatisering mogelijk van veel routinematige, voorspelbare taken in administratieve en Witteboorden banen. Werkzaamheden waarbij informatie wordt verwerkt, financiële formulieren worden gemaakt, routineberekeningen worden gemaakt, enz., werd gemakkelijk overgenomen door computers. Deze “re-engineering” elimineerde veel middle-skill banen (bijvoorbeeld administratief werk, gegevensinvoer, boekhouding), en verminderde het aantal lagen in corporate hiërarchieën.
eenvoudigere, stabielere en voorspelbare omgevingen geven de voorkeur aan automatisering om twee redenen: het gemak van optimalisatie en de technologische levensduur . Om taken te automatiseren, moet het bedrijf middelen investeren in het analyseren en optimaliseren van dat deel van het proces. Het perfectioneren van een deel van een proces vergt middelen (bijvoorbeeld consultants, total quality management methoden). Deze investering zal winstgevender zijn als het optimalisatieprobleem gemakkelijker is, zoals het geval is met eenvoudigere producten en productlijnen. Het zal ook winstgevender zijn als de nieuwe kennis in de toekomst langer kan worden ingezet, zoals het geval is met stabiele en voorspelbare omgevingen. UPS (een wereldwijd pakketbezorgbedrijf) heeft bijvoorbeeld de taak van vrachtwagenchauffeurs geoptimaliseerd, zelfs in die mate dat ze hen leerden hoe ze zo snel mogelijk in de truck konden stappen. Het bedrijf was zeer eenvoudig (het leveren van een pakket van de ene plaats naar de andere), evenals stabiel en voorspelbaar (methoden evolueerden iets meer dan 100 jaar, van fietsen tot motorfietsen tot vrachtwagens, vervolgens tot vliegtuigen voor lange afstanden).
welke taken zijn moeilijker te automatiseren? Ten eerste zijn niet alle handmatige taken gemakkelijk te automatiseren gebleken. Fysieke taken omvatten soms fijne motorische coördinatie en behendigheid, die machines niet hebben kunnen repliceren. Ze omvatten ook vaak het observeren en interpreteren van de fysieke omgeving van de werknemer, evenals bewegen binnen willekeurige fysieke ruimtes. Computers en machines hebben deze mogelijkheden historisch ontbroken, met inbegrip van visie en beeldherkenning (figuur 1).
cognitieve taken zijn ook moeilijk te automatiseren. Ze vereisen hogere denkvaardigheden, terwijl computers de neiging hebben om alleen specifieke, geprogrammeerde bewerkingen uit te voeren. In plaats van geautomatiseerd te zijn, worden banen met analyse, besluitvorming, abstract denken, leren, innovatie en creativiteit vaak aangevuld met nieuwe technologie. De baan van een vliegtuigontwerper is bijvoorbeeld drastisch veranderd. In het verleden ging het om veel vervelend werk, waarbij complexe blauwdrukken met de hand werden berekend en getekend. Ingenieurs hebben nu computers die deze taken uitvoeren, waardoor ze zich meer kunnen richten op ontwerp en complexe configuratieopties .
sociale taken zijn ook moeilijk te automatiseren gebleken. Computers en robots hebben niet de mogelijkheid om in te leven met collega ‘ s en klanten, werknemers te inspireren, intuïtie te gebruiken, of te luisteren en te communiceren met subtiliteit. Taken met betrekking tot sociale interacties, vaak in laaggeschoolde diensten en hooggeschoolde managementfuncties, hebben automatisering grotendeels vermeden. Sociale vaardigheden zijn steeds waardevoller geworden op de arbeidsmarkt, en de groei van de werkgelegenheid is het grootst in banen die hoog in zowel cognitieve als sociale vaardigheden eisen . Dat wil zeggen, sociale en cognitieve vaardigheden lijken elkaar aan te vullen.
samenvattend is een taak een bundel van handmatige, cognitieve en sociale taken. Nieuwe technologie stelt bedrijven in staat om bepaalde taken te automatiseren, ze van werknemers te nemen en ze in plaats daarvan uit te voeren met machines en computers. Het stelt bedrijven ook in staat om werknemers te voorzien van informatie, gegevens, analyse en communicatie-instrumenten die hun vermogen om andere taken uit te voeren vergroten. Het effect van de technologie op het ontwerp van de taak berust dus op een continuüm van substituten. Voor sommige taken kunnen de meeste of alle taken worden geautomatiseerd. Voor sommige taken kunnen weinig taken worden geautomatiseerd, maar veel kunnen worden aangevuld met technologie. Andere banen liggen er tussenin, met sommige taken geautomatiseerd, sommige onaangetast, en sommige aangevuld.
sommige medische diagnostische tests zijn bijvoorbeeld geautomatiseerd, waardoor veel banen als medisch technicus zijn geëlimineerd. Sommige verpleegtaken zijn vervangen door bed machines die patiënten controleren en medicijnen verstrekken, maar de interactie van de verpleegkundige met de patiënt is grotendeels onmogelijk te automatiseren. Ten slotte worden vrijwel alle operaties nog steeds uitgevoerd door mensen, maar chirurgen hebben geavanceerde instrumenten die hen in staat stellen om deze operaties sneller, veilig en effectief uit te voeren.
dit proces kan leiden tot dramatische verschillen in het werk van werknemers . Voor banen die meestal geautomatiseerd zijn, managers hebben de neiging om de meeste of alle beslissingen te nemen en werknemers gewoon hun voorgeschreven taken uit te voeren. Dit komt omdat veel van het proces al is geoptimaliseerd, zodat de werknemer weinig nieuwe kennis kan toevoegen aan de baan, en weinig beslissingen of veranderingen moeten worden gemaakt. Deze banen vereisen meestal weinig vaardigheden, omvatten slechts een paar repetitieve taken, vereisen weinig denken door de werknemer, en hebben daarom meestal een lage intrinsieke motivatie. Banen die door technologie worden aangevuld, vereisen daarentegen meestal meer vaardigheden, waaronder probleemoplossende en sociale vaardigheden. Ze hebben de neiging om meer gebruik te maken van decentralisatie, zodat werknemers leren, en vervolgens ontwikkelen, testen, en implementeren van ideeën en oplossingen . Als gevolg daarvan hebben dergelijke banen een hoge intrinsieke motivatie . In overeenstemming met deze ideeën worden investeringen in ICT en onderzoek en ontwikkeling positief geassocieerd met meer verrijkte werkontwerpen, grootschalige organisatorische veranderingen, voortdurende verbetering en meer concurrentie.
andere effecten van technologische veranderingen
de technologie verandert de relatie tussen werkgever en werknemer, en zelfs wat het betekent om “werknemer” te zijn; dergelijke effecten worden hier echter slechts kort aan de orde gesteld omdat ze niet het belangrijkste toepassingsgebied van dit artikel vormen. Het is nu eenvoudig om op afstand samen te werken door het delen van bestanden en gegevens, e-mail en videoconferentie. Behalve wanneer gezamenlijk werk synchroon en face-to-face moet zijn, kan dit traditionele vormen van werk, werkgelegenheid en bedrijfsstructuren veranderen. Deze ontwikkelingen vergemakkelijken de globalisering van bedrijven, maar maken ook outsourcing en offshoring van banen buiten de bedrijfsgrenzen mogelijk. Ze maken nieuwe afspraken mogelijk, met meer flexibiliteit in taken, totale uren, timing en locatie van het werk. Onlangs heeft dit zich gemanifesteerd in de” gig economy”, waarin een steeds groter deel van de beroepsbevolking wordt ingezet in korte-termijn, part-time regelingen zonder gehechtheid aan een traditionele werkgever. Het netto-effect van deze veranderingen op werknemers en bedrijven wordt niet goed begrepen; de samenleving zou op deze gebieden een verdere ontwikkeling moeten verwachten.
CIT kan de manier waarop bedrijven werknemers motiveren verder veranderen. Aan de ene kant zijn veel banen meer gedecentraliseerd geworden. Werknemers met een grotere discretie krijgen meestal een hogere beloning voor prestaties om hun doelen en beslissingen af te stemmen op stevige doelstellingen. Aan de andere kant leidt technologie tot een grotere centralisatie in sommige andere banen en maakt het mogelijk om werknemers op nieuwe manieren te monitoren en te beoordelen. Identificatiebadges kunnen bijvoorbeeld worden ontworpen om de locatie van een werknemer bij te houden, op te merken met welke collega ‘ s ze tijd doorbrengen, de toon van werknemersgesprekken te volgen en op te merken hoe ze ten opzichte van elkaar staan tijdens die gesprekken. Machine-learning algoritmen kunnen dan, bijvoorbeeld, analyseren van dergelijke gegevens te evalueren werknemer ” leiderschap potentieel.”
arbeidsmarktpolarisatie
aangezien nieuwe technologie verschillende soorten taken vervangt of aanvult, verandert zij de relatieve vraag naar vaardigheden die nodig zijn om deze taken uit te voeren. Vaardigheden in verband met taken die machines nu kunnen uitvoeren, zien meestal een relatieve daling van de vraag, terwijl die in verband met taken die worden aangevuld met nieuwe technologie zien een relatieve stijging van de vraag. Technologische veranderingen beïnvloeden dus de relatieve beloning van werknemers met verschillende vaardigheidstypen. Ook het aanbod van werknemers met verschillende vaardigheidstypen zal veranderen. Het arbeidsaanbod heeft echter de neiging om langzaam te veranderen omdat het veranderingen in onderwijs en opleiding vereist. Dit betekent dat vaardigheden en lonen vaak sterk gecorreleerd zijn. Om die reden, labor economics onderzoekers vaak proxy “vaardigheden” door het niveau van de beloning.
automatisering in de moderne tijd heeft de neiging om zich te concentreren op middenkader banen. Hooggeschoolde banen omvatten cognitieve taken, sociale vaardigheden (management en leiderschap) en creativiteit. Hoewel sommige banen met lage vaardigheden zijn geautomatiseerd, zijn banen die meer behendigheid, teamwork of interacties met klanten vereisen niet op grote schaal geautomatiseerd. In tegenstelling, middle-skill banen hebben de neiging om routinematige informatieverwerking, berekening en besluitvorming te betrekken. Ze zijn daarom het hardst getroffen door automatisering met de komst van goedkope, krachtige computers, en een grotere toegang tot gegevens.
dit patroon wordt vaak arbeidsmarktpolarisatie genoemd . Polarisatie heeft twee aspecten. In de eerste plaats is het relatieve aandeel van laag – en hooggeschoolde banen toegenomen, met een “uitholling” van het aandeel van middengeschoolden. In de tweede plaats heeft dit geleid tot een grotere loonongelijkheid, aangezien banen met middelhoge vaardigheden een prominente plaats hebben ingenomen, terwijl de complementariteit met de technologie de relatieve compensatie voor hoogopgeleide werknemers heeft verhoogd; Figuur 2 illustreert dit voor de OESO-landen.
polarisatie is een relatief nieuw fenomeen. Tot voor kort weerspiegelden de arbeidsmarkten een technologische verandering die bevooroordeeld was door vaardigheden, waarbij technologie werknemers met meer vaardigheden beviel in vergelijking met werknemers met minder vaardigheden. Wat nu anders is, is dat computers analyses kunnen uitvoeren en, tot op zekere hoogte, cognitieve taken; vandaar dat in de laatste drie decennia, routine-bevooroordeelde technologische verandering is ontstaan.
hoe ver en hoe snel verloopt de automatisering van taken?
de invloed van technologie op taakontwerp is onlangs gewijzigd. Aanvankelijk hadden computers grotendeels geautomatiseerde taken die goed gedefinieerd en geleid konden worden door mensen, hetzij via traditionele computerprogramma ‘ s die aangeven wat de computer moet doen, of deskundige systemen ontworpen om menselijke besluitvorming te categoriseren en te repliceren. Onlangs hebben computerwetenschappers echter vooruitgang geboekt in machine learning, waarbij computers hun eigen algoritmen ontwikkelen, evalueren en verfijnen, met weinig of geen menselijke interventie. Dit brengt een nieuwe aanpak met zich mee: automatisering van cognitieve taken. Bovendien hebben dergelijke algoritmen de mobiliteit, behendigheid, visie en objectherkenning in robotica verbeterd. Bijvoorbeeld, een invloedrijke paper uit 2003 beschrijft het ontcijferen van de handtekening op een cheque en het besturen van een auto als taken die moeilijk te automatiseren waren . Echter, controles worden nu routinematig verwerkt door computers die handschrift ontcijferen, en zelfrijdende auto ‘ s worden getest in verschillende steden.
de ontwikkeling van computers die kunnen leren is een potentieel dramatische verandering in taakautomatisering. Hoe ver en hoe snel deze ontwikkelingen zich zullen voltrekken, is het onderwerp van grote discussie. Sommigen beweren dat het tempo van de automatisering is versneld, ook voor het eerst in hooggeschoolde banen . Een studie analyseerde de taakinhoud van 7.000 banen en concludeerde dat bijna de helft, inclusief veel hooggekwalificeerde banen, in de komende 10 tot 20 jaar een hoog risico loopt op automatisering . Als die voorspelling waar blijkt te zijn, kunnen de gevolgen voor de arbeidsmarkten dramatisch zijn.
de studie leidde echter tot controverse. Het analyseerde bijvoorbeeld het risico van automatisering op het werkniveau, maar banen omvatten een reeks taken, waarvan sommige misschien geautomatiseerd zijn, terwijl andere misschien niet. De illustratie op pagina 1 is afkomstig van een werk dat de vorige studie verfijnde; de auteurs concludeerden dat het percentage banen met een hoog risico voor automatisering niet 50% is, maar dichter bij 5-10% . Banen ten minste risico van automatisering worden geschat op een groter gebruik van deductief redeneren, originaliteit, communicatie, opleiding, probleemoplossing, en lezen en schrijven. Ze hebben ook grotere eisen voor pre-job onderwijs of opleiding,. Er moet echter aanzienlijk meer werk worden verricht voordat de onderzoekers met vertrouwen deze vragen kunnen beantwoorden.