Cosa ci dice la ricerca su cosa significa AI per diversi tipi di squadre? Poiché “tipi diversi” possono significare molte cose, ci concentriamo sui tipi di squadre in base alla loro omogeneità: se le squadre sono composte da sottogruppi distinti o se tutti i membri del team hanno lo stesso background e dati demografici. Se una squadra ha sottogruppi, diciamo che questi sottogruppi sono separati da una faglia (che confonde i ricercatori del team con i geologi ma che cosa puoi fare, è un bel termine). Ad esempio, un team di progetto avrebbe una falla quando tutti i membri del team bianchi sono uomini sotto i 25 anni e tutti i membri neri sono donne e oltre 40 (gli attributi correlati qui sono razza, età e sesso). Un altro esempio, comune in molti luoghi di lavoro oggi, è dove tutti i dipendenti più giovani sono anche lavoratori autonomi sotto la categoria di “appaltatori indipendenti” o consulenti e l’altro, i dipendenti più anziani sono a tempo pieno.
Qui è dove entra in gioco l’IA. A proposito, è più difficile trovare una definizione concordata per l’intelligenza artificiale di quanto tu possa pensare; pensiamo agli “strumenti” di IA come l’hardware e il software, in cui il software è “addestrato” su vaste serie di dati, piuttosto che programmato con regole specifiche. L’IA sta già cambiando il modo in cui molte persone lavorano: è già stato applicato alla colorazione di film, rilevamento di frodi, generazione di lead di marketing, chirurgia robotica e servizi di traduzione linguistica. Eppure molto poco è stato scritto o ricercato su come l’IA e le tecnologie automatizzate potrebbero influenzare il lavoro di squadra, specialmente per le persone che non hanno un lavoro a tempo pieno (stiamo pensando a te, ai piloti Uber / Lyft e ad altri con part-time).
Il ruolo delle linee di faglia potrebbe essere importante quando c’è una differenza nell’accesso alla tecnologia, come quando l’organizzazione possiede l’intelligenza artificiale (come il software proprietario) che significa che i dipendenti a tempo pieno hanno accesso, ma gli altri membri del team no. Tali squilibri possono mettere in conflitto i sottotitoli, dividendo un gruppo lungo le linee di faglia. Questo potrebbe essere un grosso problema per i team, dal momento che Dora Lau e Keith Murnighan hanno sviluppato il concetto di faglia originale, negli ultimi due decenni, per prevedere tutti i tipi di prestazioni, salute e altri aspetti dei team. Il pericolo è che la divisione tra coloro che hanno risorse (es. AI) e coloro che non aumentano la percezione della disuguaglianza, porta alla competizione tra sottogruppi. Gli effetti sui singoli membri del team potrebbero derivare in parte dalle loro posizioni nei team e da chi possiede strumenti, come quando l’AI è posseduta / controllata dagli “outsider” (ad esempio un team di consulenti porta il proprio software o tecnologia) ma questo può creare un campo di gioco più equo che consenta ai lavoratori autonomi di contrastare il potere tradizionalmente detenuto dall’organizzazione. In questo caso, i lavoratori contingenti hanno più influenza nella squadra. Oltre a chi ha esperienza e chi ha la proprietà dell’IA, un altro fattore è il lavoro stesso; nella misura in cui il lavoro è interdipendente e richiede un team, meno la tecnologia probabilmente sostituirà i lavoratori autonomi.
Sulla base dell’idea “chi ha la conoscenza, chi possiede gli strumenti”, l’IA sarà più incline a mettere a rischio i lavoratori contingenti se un’organizzazione controlla l’intelligenza artificiale (ad esempio, un passaggio alla tecnologia automobilistica senza conducente in cui i lavoratori autonomi sono attualmente gli operatori del veicolo). Ma se i lavoratori contingenti sono nel ruolo di esperti con dipendenti a tempo pieno di un’organizzazione, c’è meno rischio per loro (“Vi abbiamo portato qui ragazzi per mostrarci come gestire questa cosa!”). C’è anche qualche rischio per i dipendenti contingenti quando l’organizzazione possiede l’intelligenza artificiale, dal momento che può potenzialmente addestrare i suoi dipendenti a tempo pieno a usarlo, sostituendo così i lavoratori contingenti. Tutte queste cose sono accadute in un posto di lavoro o in un altro.
Ammettiamolo: la previsione di qualsiasi modello dietro questi scenari e relazioni è una speculazione perché è stata fatta poca ricerca sistematica. Ma non c’è alcuna ipotesi che l’IA si stia espandendo, e molte persone temono che i lavori possano essere a rischio a causa dell’intelligenza artificiale o di qualche variante, se non ora, quindi in futuro. Tornando ai luddisti, gli storici ci dicono che non stavano protestando contro le macchine stesse, erano infatti abili nel farli funzionare. Il loro manzo era più sulle modifiche alle loro ore di lavoro e condizioni. E questo potrebbe darci un indizio su come capire l’intelligenza artificiale e le sue implicazioni. Sappiamo che l’occupazione part-time e contingente si trova in tutti i principali settori e rappresentata da ogni livello di istruzione. Se non ti senti direttamente influenzato dai progressi dell’IA, o conosci qualcuno che ha avuto un lavoro, probabilmente lo farai abbastanza presto. Quindi come dovrebbero prepararsi le persone? Questo è un argomento che tratteremo in un post futuro.
Scritto da Chester Spell e Katerina Bezrukova
