Toekomst van werk

De 'dirty little secret' van AI vraagt om een nieuw gesprek over de toekomst van werk, en hoe mens en machine daarin samenwerken. Met de installatie Guest Worker maken we tastbaar wat er op het spel staat.

Als wij ons hard willen maken voor waardevol werk in een digitale wereld, waarin platforms in toenemende mate vraag en aanbod op de arbeidsmarkt aan elkaar verbinden, moet eerst duidelijk worden waar precies de schoen wringt. In een reeks artikelen wordt stap voor stap ingegaan op de gebreken en mogelijkheden van platformwerk, gekoppeld aan menselijke basisbehoeften. Een introductie.

Duurzame inzetbaarheid was al belangrijk voor werknemers en werkgevers in het onderwijs, in het huidige coronatijdperk is het extra belangrijk de balans tussen werklast en draagkracht in de gaten te houden. Duurzame inzetbaarheid gaat erover dat medewerkers gezond en productief aan het werk kunnen, willen en mogen zijn en het plezier in hun werk behouden. Om de verspreiding van het coronavirus te vertragen, heeft de overheid de scholen gesloten. Wat is er veranderd er in het werk van leraren? En wat is van belang om de balans tussen taakeisen en hulpbronnen in balans te houden?
 

AI heeft binnen werving & selectie veel potentie. Het toepassen van algoritmes op meer ‘softe’ sociale variabelen (zoals persoonlijke eigenschappen en vaardigheden) - in plaats van meetbare, feitelijke variabelen (zoals aantal jaar werkervaring) - als voorspellers van succes en gedrag is echter nog een groot grijs gebied. Daarom is wetenschappelijk onderzoek in dit veld zo belangrijk. Zodat de werkzoekenden van de toekomst hun voordeel kunnen doen met het onderzoek van vandaag. Een gesprek met onderzoekers Janneke Oostrom (Vrije Universiteit Amsterdam), Jaap Jan van Assen (eelloo) en Jacqueline van Breemen (NOA).

Veerkracht is het vermogen om op een schok te anticiperen, om te herstellen en terug te keren naar de normale toestand. Maar we zijn ook in staat om als maatschappij uiteindelijk sterker en beter te worden, zelfs van een uitzonderlijke crisis als gevolg van de corona-uitbraak. Een artikel door Ton Wilthagen (Tilburg Universiteit, NSvP/NIAS-fellow) en Paulien Bongers (TNO, Amsterdam UMC).

Met het rapport Het betere werk. De maatschappelijke opdracht opende de WRR dit jaar de discussie over de ontwikkelingen op de arbeidsmarkt met een belangrijke boodschap: we moeten mensvriendelijker worden, meer oog hebben voor de menselijke aspecten van werk en economische groei niet als doel op zich zien. Goed werk draagt bij aan brede welvaart en sociale samenhang. “Ons doel moet niet zijn de meest competitieve economie te hebben maar de beste plek om te werken”. Dat betekent goed werk voor iedereen die kan en wil werken.

Op 4 november 2019 vond de Dag van de Inclusieve Arbeidsmarkt plaats. Zo’n 165 bezoekers, onderzoekers, beleidsmakers, praktijkmensen, ervaringsdeskundigen en werkgevers, gingen aan de slag met de vraag: hoe kunnen we de Nederlandse arbeidsmarkt inclusiever maken? Organisatoren zijn de Goldschmeding Foundation, Instituut Gak en de Nederlandse Stichting voor Psychotechniek (NSvP).

Matching op de arbeidsmarkt vindt vaak plaats op basis van harde functie-eisen. Als je echter niet over het juiste papiertje of ervaring beschikt, wordt de kans op toetreding tot een gewenste functie lastig. Ook de vaak smalle definiëring van “geschiktheid”, beeldvorming en onbewuste biases spelen een belangrijke rol in werving- en selectieprocessen. In het zoeken naar het ‘schaap met de vijf poten’ zien werkgevers mensen met een afstand tot werk snel over het hoofd. Kunnen nieuwe technologieën of nieuwe vormen van matching dit doorbreken? 

Accepteren sollicitanten de oordelen op basis van nieuwe recruitment-technologie meer of minder dan het menselijk oordeel van bijvoorbeeld een selectiepsycholoog? Het project zal bestaan uit een experiment naar de beoordeling van de geschiktheid voor een management-traineeship. Reageren sollicitanten anders als de match wordt gemaakt door een mens een of door AI, waarbij het algoritme wordt toegepast op LinkedIn-profielen en video-interviews? En maakt het daarbij uit of men uiteindelijk geschikt of ongeschikt wordt bevonden?

Jacqueline van Breemen en collega’s van NOA (psychologisch advies- en onderzoeksbureau dat nauw samenwerkt met de sectie sociale en organisatiepsychologie van de Vrije Universiteit Amsterdam) laten zich uitdagen door de vraag hoe we de eerlijkheid moeten wegen van selectiebeslissingen door drie verschillende selectiemethodes. Hoe anders is de lijst van geschikte kandidaten, wanneer er machine learning modellen worden gebruikt in plaats van meer traditionele technieken? Verschilt deze lijst van kandidaten erg van elkaar? Zo ja, op welke (persoons)kenmerken precies?