目錄
演算法管理的「利與弊」
演算法管理下的個體:人性惡,還是人性善
我們急需演算法領導力
結語
首頁 科技週邊 人工智慧 誰來助我與演算法共舞—演算法管理中的領導力

誰來助我與演算法共舞—演算法管理中的領導力

Apr 12, 2023 am 11:52 AM
演算法 領導力

隨著數位化技術快速發展,工作場所經歷著翻天覆地的變化;演算法越來越受到廣大企業的青睞,成為推動管理革新的重要角色。值得注意的是,有些企業積極倡導「演算法管人」時,相對忽略人的價值,遭遇了許多新麻煩。原本是為提升人類福祉而發明的演算法技術,卻不幸​​成為了「奴役」人的升級版工具。這警示領導者,必須正確審視演算法管理的「利與弊」。

演算法管理的「利與弊」

林德鮑姆(Lindebaum)等人(2020)提出,演算法是一系列定義清晰、用於批量化解決特定問題的有限步驟或次序指令。企業借助演算法能夠完成先前僅憑人力或簡單電子技術無法完成的複雜任務。例如,叫車平台基於調度演算法管理叫車系統有限的資源,確保資源分配快速合理,從而最大程度地滿足駕駛和乘客的需求。製造型企業在重型機械操作員身上配備疲勞檢測頭帶以及攜帶GPS定位功能的徽章來提醒員工進行安全合規的生產操作,防止事故發生,並將這些與安全有關的績效數據納入最終考核之中。此外,部分企業也利用演算法進行遊戲化(gamification)任務設計,對員工的適當行為進行即時回饋與獎勵,提升員工工作積極性,助推他們更願意投入後續工作。上述例證充分體現出演算法在管理效率提升上的正面作用。借助算力支持,演算法利用或產生大量數據,包括員工任務表現(行為)、生理、心理和即時位置等。組織或領導者可以利用這些多模態、多種類、規模龐大的資料輔助管理決策,進而提升管理效能,也能幫助員工更有效率、更輕鬆地完成工作,提升員工工作意義感和個人幸福感。

但另一方面,演算法管理也被視為「泰勒制2.0」。與泰勒制相仿,演算法管理的核心是演算法控制,即透過強化現場資料收集、流程分析、效率管理,提升組織整體效率與績效產出。由於演算法能幫助企業對員工實現更廣泛、更細顆粒度、更即時、更強影響力的控制,許多企業難免會被工具理性裹挾,想要不斷突出演算法的優勢,替代人進行管理決策,而疏於考慮數位化本身的複雜性和適用性,以及數位化技術引入後,組織、管理者、員工發生的變化和彼此之間的協調適應問題。可以想像,這樣做的結果往往事與願違,演算法管理驅使企業落入泰勒制困局,最終甚至弊大於利。以生活中常見的外送行業為例,在演算法驅使下的外賣員,被捲入了一場隱形競賽。在這場只要有人參與就不會結束的競賽中,演算法在幕後扮演著一位理性、冰冷、強權的控制者角色,並且它還發動顧客透過評論對外賣員進行更廣泛的約束與激勵。因此,外送員受制於系統規則和邏輯,不得不爭分奪秒,增加單量和送餐速度,甚至為了能準時送餐而違反交通規則,威脅生命安全。可想而知,在演算法牢籠束縛下,外送員疲於奔命,其職業認同感與個人幸福感受到嚴重傷害。這樣的劇情不僅在外賣產業中上演,在各大傳統產業中也同樣可以看到困陷於演算法中的大量員工。

演算法管理下的個體:人性惡,還是人性善

為了回應「如何更好地發揮演算法管理的技術優勢,減少其負面影響」這一關鍵問題,領導者必須先追問「受到演算法管理直接影響的人是什麼樣的」。

麥格雷戈(Mc Gregor)在《企業中人的方面》提出了關於人性假設的X理論和Y理論。具體而言,X理論假定人性醜惡,認為人是懶惰的,逃避工作任務,不喜歡承擔責任,不關注集體目標,只關注自己眼前的經濟利益。在這種情況下,企業需要利用「胡蘿蔔 大棒」的方法,也就是透過強勢控制對員工進行監督與激勵。而演算法管理在控制力上能實現對傳統監管者的替代。例如,演算法可利用模式識別和自然語言處理等技術自動分析錄影片段中員工的行為動作,並進一步推測員工心理。這種自動化和入侵程度是傳統監管方式無法達到的。遵循X理論的邏輯,演算法管理作為一種替代性監督主體,能夠激發員工工作責任感,明確工作角色和職責,避免人為差錯因素,但也會大大增加員工的工作壓力。總而言之,如果員工動機如X理論所預設,組織則應該將員工視為去個人化的機器,最大程度地發揮演算法管理對員工實施嚴密控制的功能。而值得人們注意的是,一些企業利用演算法對員工實施了過度控制,例如使用演算法系統來取得員工在網路上瀏覽記錄和行為,提前預測員工的離職傾向和離職可能性。再如,其他企業則利用類似布里德(Breed)在《編輯部的社會控制》中所描述的「潛網」(用特定社會環境中的傳播媒介實現無形但強有力的社會控制),對員工進行悄無聲息的監控。在演算法加持下,近到員工在公司內網的言論和行為,遠到員工在工作場所以外社群媒體的使用記錄,都可能成為潛網用來對員工施加控制的工具。

誰來助我與演算法共舞—演算法管理中的領導力

而與X理論相對的Y理論則假設人性本善,認為人的本性積極,員工熱愛工作,在適當機會下願意將個人目標與集體目標統一起來,進行自我約束並在工作場所表現出合適行為,外來控制與懲罰會對員工造成威脅與阻礙。如果遵循Y理論的邏輯,施加強力的演算法監控可能會使員工感受到工作自主性的受限以及隱私的被侵犯,進而降低員工對管理和組織的信任,最終會損害員工工作績效和個人幸福感。

事實上,X理論和Y理論描繪的並非絕對的善惡之分,而是反映出演算法管理對員工個體可能發揮的兩面功能。不難發現,Y理論對人性和員工工作動機的認知相對更充滿善意。筆者認為,雖然為了保持高效運轉,企業需要對員工施加適當控制,但是,企業在管理過程中絕不應該忽視對員工作為獨特個體的關注。從長遠來看,企業最大的資產是人才。只有取得、保留、發展、利用好人才,才能確保企業在激烈的競爭環境,特別是在數位化浪潮中,實現永續發展。透過演算法管理,管理者可以獲得憑藉傳統方式無法實現的即時多模態大數據蒐集能力;這種能力能幫助管理者更好地理解員工、與員工們一起實現高效決策。人們必須意識到,即使演算法管理造成了一定程度的“去個體化”,“成就個體”仍然是組織發展的終極目標之一。

我們急需演算法領導力

演算法管理是一把雙面刃。如果把演算法管理的引入視為組織高層的意志,那麼企業在設計演算法時,就應該融入更多的人性考量。例如,外送平台為了實現勞動價值最大化和高效化,不斷壓縮外送騎手送餐時間,致使許多勞工矛盾湧現。作為危機回應,外送龍頭餓了麼和美團都嘗試優化演算法系統,給騎手留出更多的彈性時間,在一定程度上主動糾正技術的社會性偏差。同時,人們必須意識到,技術與人並非孤立的,技術應作為一種輔助和強化工具,幫助管理者進行決策,而不是替代管理者在組織和團隊中的領導角色。所以,企業管理者設計或引進特定演算法促使企業實現數位轉型提效的同時,必須思考如何發揮自身主動性,來因應演算法管理所導致的潛在風險。這就涉及到新興的演算法領導力(algorithmic leadership)議題,即在演算法背景下,領導者將要應對哪些新興挑戰,又該如何有效地幫助員工與演算法「和諧共舞」。

具體而言,領導者必須清楚地意識到,員工在演算法管理下面臨著許多不可忽視的“張力”,遍布員工與機器、組織和同事之間。首先,人工智慧和自動化將員工從機械重複勞動中解放出來的同時,也造成一些傳統職缺員工技術性失業或遭受更大的技能要求壓力。面對這些替代與威脅,員工會自然地感動不安:我是否會被機器取代?我和機器有什麼差別?機器憑什麼管理我?身為一個擁有真實智慧(authentic intelligence)而不是人工智慧(artificial intelligence)且具有人性溫度的領導者,需要回應員工與機器之間的主體張力。

其次,組織使用演算法更多是為了降本、增效、提質、創新,往往將員工發展和利益置於次要位置。這一過程中可能出現組織為了整體利益犧牲員工個體利益的情形。例如工廠依據效率最大化和演算法計算結果向工人發出「最優」行動指令,但這種幫助可能會與工人自身經驗和習慣產生衝突,引發其經歷角色模糊並降低工作自主性。作為連結組織和員工的重要環節,領導者需要回應組織與員工之間的利益張力。

第三,演算法可能加劇人與人之間的競爭與不信任。在演算法管理下,員工被物化為生產數據的機器,這進一步影響員工對自身的看法和對周遭同事的認同。在這種情況下,員工是將同事當成並肩合作的夥伴,還是在演算法指揮棒下相互競爭的對手?作為在組織中直接對員工施加社會影響力的重要他人,領導者需要回應員工之間的協作張力。

人機互動行為研究領域著名學者德克萊默(De Cremer)在《演算法同事》一書中提出,相較於傳統管理者而言,演算法管理中的領導者需要接受繼續教育與培訓,以科技主導的效率模式作為新型態工作方式,並幫助員工理解、運用新科技;同時領導者需要專注於自身作為人類的獨特性(如創造力、同理心、倫理判斷等),採取更積極主動、注重情緒情感的方式,與員工建立起良好的社會關係。由此可見,演算法管理的領導者必須懂得在技術和人性之間找到平衡。

為了發揮領導力在消解演算法對員工造成不利影響時的作用,促使組織內人與演算法高效協同,共同發展,筆者認為,演算法領導力應該具備三種典型行為內涵,分別是人文關懷、目標權衡與關係協同。

誰來助我與演算法共舞—演算法管理中的領導力

首先,演算法領導力應該是一種強調人文關懷的領導力。有人認為在領導核心職能中,只有深度互動,主動代表和引領變革沒有被機器立即取代的危險。演算法管理在一定程度上接管了真人領導者的部分職能,減少了領導者與員工面對面雙向溝通與理解的機會,並降低了領導者與員工的互動深度。而領導者與員工之間的工作連結與社會連結對於建立良好上下級關係以及提升員工角色績效與情境績效都具有適當促進作用。因此,演算法管理發揮作用並不意味著領導者在管理上缺位。領導者應該發揮人文關懷的作用,消除演算法作為一個冷淡的監督與評價主體對員工造成的不利影響。

擁有人文關懷的領導者需要處理好幫助員工在接受演算法「理性管理」的同時滿足「情感需求」的問題。領導者需要讓員工知道演算法管理是能夠協商的,組織和團隊重視員工合理訴求以及工作體驗,應用演算法的目的始終是為了幫助組織和員工更好地提升效率,而不是進行工作控制。同時,領導者也需要專注於演算法管理下每位員工的獨特性,適時地融入組織-演算法-領導-員工的互動,而不是僅僅將員工視為不斷生產資料的機器,以去人性化和不平等姿態對待員工。

其次,演算法領導力應該是一種注重目標權衡的領導力。組織層級設計並引進演算法是為了利用數位化技術賦能企業管理流程,提升企業效率與市場競爭力。與之相對,員工的基本訴求是個人利益的滿足,如獲得可觀的報酬、晉升機會,以及自我實現等。在演算法管理背景下,企業往往很難平衡組織整體和員工個體之間的利益關係,且演算法作為對員工勞動過程進行控制的手段,使得企業獲得了相較於員工更大的優勢地位,並且往往在利益衝突時選擇犧牲處於弱勢的員工的利益。因此,介於組織與基層員工之間中間層級的領導者有責任更多地思考如何發揮自身作用,有效回應組織內部特別是組織與員工之間的張力,例如存在於「利潤最大化」與「管理人性化」、「組織定量計算」與「員工價值主張」等之間的張力。這首先要求領導者對於自己管理的員工,要關注人性,具有溫度,善於覺察員工各類情緒表現,傾聽並及時回饋員工在演算法管理下的訴求。另外,領導者要充分發揮組織和員工之間的連結作用,善於平衡個人利益和集體利益,盡所能找到不同利害關係人目標間的平衡點。    

最後,演算法領導力應該是一種倡議關係協同的領導力。演算法管理在很大程度上實現了員工個人勞動過程的引導、評價與規訓,可以對員工進行即時、全方位的監控與績效回饋。這可能導致員工更加關注自身績效目標以及勞動過程和結果,而在一定程度上忽略瞭如何與團隊和組織中其他人合作來實現既定目標。演算法管理過於依賴結構化的數位化工作流程,導致人際互動顯著減少,產生低品質協同關係,甚至成為“一盤散沙”,不利於有效合作。在當今社會中,知識型員工佔比逐漸增加,他們本身俱有實現自我價值的強烈願望,高度重視成就激勵,熱衷於透過精細化的評價結果充分展現自身獨特競爭力。在一些過程和結果相對容易被量化的工作中,演算法可能進一步加深知識型員工單打獨鬥的傾向,但是對於知識型員工所在的團隊而言,缺乏開放協作和知識分享,最終會影響整個團隊的進步。

誠然,人們在演算法設計之初就應該納入對於合作過程和績效的指標考量,但仍需要領導者發揮自身作用,有效地減少由於個體化評價造成的員工間疏離以及自利傾向。領導者可以充分利用數位化技術提供的線上溝通管道,推動自己與員工以及員工之間的高效多邊溝通,及時了解員工的工作、生活、家庭狀況,並給予充分回饋,幫助員工更好地融入團隊,體會到團隊、領導和同事的支持。領導者還可以積極採用團隊和個人工作進度視覺化、戶外團建、知識分享會等方式,一方面讓團隊內成員更好地將團隊整體目標內化為個人自身目標,另一方面加強團隊成員之間相互了解,降低不信任和誤會的產生,同時加強彼此之間訊息傳遞,讓團隊內的員工知道每個人的相對優勢與不足,從而在完成工作過程中,增加相互合作的意願,更好地尋求優勢互補,提升工作效率與品質。

結語

總而言之,演算法管理是一把雙面刃。作為工具,演算法幫助企業實現了先前難以想像的管理範圍、深度與強度。但工具本身不應該取代目的,演算法管理的目的始終是提效而不是控制,演算法管理也不應該取代人的管理。

在演算法管理背景下,人的價值——不管是員工作為一個有情感、有動機的人,還是領導者作為一個和演算法進行協作互補的人——始終是演算法管理在具體應用過程中應該考慮的內容。演算法領導力,不管是作為一個新的概念,或是傳統的領導力在演算法背景下衍生出的新內涵,都值得企業的管理者在真實的演算法應用背景下進行積極的內涵探索與實際應用。

以上是誰來助我與演算法共舞—演算法管理中的領導力的詳細內容。更多資訊請關注PHP中文網其他相關文章!

本網站聲明
本文內容由網友自願投稿,版權歸原作者所有。本站不承擔相應的法律責任。如發現涉嫌抄襲或侵權的內容,請聯絡admin@php.cn

熱AI工具

Undresser.AI Undress

Undresser.AI Undress

人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover

AI Clothes Remover

用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool

Undress AI Tool

免費脫衣圖片

Clothoff.io

Clothoff.io

AI脫衣器

AI Hentai Generator

AI Hentai Generator

免費產生 AI 無盡。

熱門文章

R.E.P.O.能量晶體解釋及其做什麼(黃色晶體)
3 週前 By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O.最佳圖形設置
3 週前 By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O.如果您聽不到任何人,如何修復音頻
3 週前 By 尊渡假赌尊渡假赌尊渡假赌
WWE 2K25:如何解鎖Myrise中的所有內容
4 週前 By 尊渡假赌尊渡假赌尊渡假赌

熱工具

記事本++7.3.1

記事本++7.3.1

好用且免費的程式碼編輯器

SublimeText3漢化版

SublimeText3漢化版

中文版,非常好用

禪工作室 13.0.1

禪工作室 13.0.1

強大的PHP整合開發環境

Dreamweaver CS6

Dreamweaver CS6

視覺化網頁開發工具

SublimeText3 Mac版

SublimeText3 Mac版

神級程式碼編輯軟體(SublimeText3)

CLIP-BEVFormer:明確監督BEVFormer結構,提升長尾偵測性能 CLIP-BEVFormer:明確監督BEVFormer結構,提升長尾偵測性能 Mar 26, 2024 pm 12:41 PM

寫在前面&筆者的個人理解目前,在整個自動駕駛系統當中,感知模組扮演了其中至關重要的角色,行駛在道路上的自動駕駛車輛只有通過感知模組獲得到準確的感知結果後,才能讓自動駕駛系統中的下游規控模組做出及時、正確的判斷和行為決策。目前,具備自動駕駛功能的汽車中通常會配備包括環視相機感測器、光達感測器以及毫米波雷達感測器在內的多種數據資訊感測器來收集不同模態的信息,用於實現準確的感知任務。基於純視覺的BEV感知演算法因其較低的硬體成本和易於部署的特點,以及其輸出結果能便捷地應用於各種下游任務,因此受到工業

使用C++實現機器學習演算法:常見挑戰及解決方案 使用C++實現機器學習演算法:常見挑戰及解決方案 Jun 03, 2024 pm 01:25 PM

C++中機器學習演算法面臨的常見挑戰包括記憶體管理、多執行緒、效能最佳化和可維護性。解決方案包括使用智慧指標、現代線程庫、SIMD指令和第三方庫,並遵循程式碼風格指南和使用自動化工具。實作案例展示如何利用Eigen函式庫實現線性迴歸演算法,有效地管理記憶體和使用高效能矩陣操作。

探究C++sort函數的底層原理與演算法選擇 探究C++sort函數的底層原理與演算法選擇 Apr 02, 2024 pm 05:36 PM

C++sort函數底層採用歸併排序,其複雜度為O(nlogn),並提供不同的排序演算法選擇,包括快速排序、堆排序和穩定排序。

人工智慧可以預測犯罪嗎?探索CrimeGPT的能力 人工智慧可以預測犯罪嗎?探索CrimeGPT的能力 Mar 22, 2024 pm 10:10 PM

人工智慧(AI)與執法領域的融合為犯罪預防和偵查開啟了新的可能性。人工智慧的預測能力被廣泛應用於CrimeGPT(犯罪預測技術)等系統,用於預測犯罪活動。本文探討了人工智慧在犯罪預測領域的潛力、目前的應用情況、所面臨的挑戰以及相關技術可能帶來的道德影響。人工智慧和犯罪預測:基礎知識CrimeGPT利用機器學習演算法來分析大量資料集,識別可以預測犯罪可能發生的地點和時間的模式。這些資料集包括歷史犯罪統計資料、人口統計資料、經濟指標、天氣模式等。透過識別人類分析師可能忽視的趨勢,人工智慧可以為執法機構

改進的檢測演算法:用於高解析度光學遙感影像目標檢測 改進的檢測演算法:用於高解析度光學遙感影像目標檢測 Jun 06, 2024 pm 12:33 PM

01前景概要目前,難以在檢測效率和檢測結果之間取得適當的平衡。我們研究了一種用於高解析度光學遙感影像中目標偵測的增強YOLOv5演算法,利用多層特徵金字塔、多重偵測頭策略和混合注意力模組來提高光學遙感影像的目標偵測網路的效果。根據SIMD資料集,新演算法的mAP比YOLOv5好2.2%,比YOLOX好8.48%,在偵測結果和速度之間達到了更好的平衡。 02背景&動機隨著遠感技術的快速發展,高解析度光學遠感影像已被用於描述地球表面的許多物體,包括飛機、汽車、建築物等。目標檢測在遠感影像的解釋中

九章雲極DataCanvas多模態大模型平台的實踐與思考 九章雲極DataCanvas多模態大模型平台的實踐與思考 Oct 20, 2023 am 08:45 AM

一、多模態大模型的歷史發展上圖這張照片是1956年在美國達特茅斯學院舉行的第一屆人工智慧workshop,這次會議也被認為拉開了人工智慧的序幕,與會者主要是符號邏輯學屆的前驅(除了前排中間的神經生物學家PeterMilner)。然而這套符號邏輯學理論在隨後的很長一段時間內都無法實現,甚至到80年代90年代還迎來了第一次AI寒冬期。直到最近大語言模型的落地,我們才發現真正承載這個邏輯思維的是神經網絡,神經生物學家PeterMilner的工作激發了後來人工神經網絡的發展,也正因為此他被邀請參加了這個

演算法在 58 畫像平台建置中的應用 演算法在 58 畫像平台建置中的應用 May 09, 2024 am 09:01 AM

一、58畫像平台建置背景首先和大家分享下58畫像平台的建造背景。 1.傳統的畫像平台傳統的想法已經不夠,建立用戶畫像平台依賴數據倉儲建模能力,整合多業務線數據,建構準確的用戶畫像;還需要數據挖掘,理解用戶行為、興趣和需求,提供演算法側的能力;最後,還需要具備數據平台能力,有效率地儲存、查詢和共享用戶畫像數據,提供畫像服務。業務自建畫像平台和中台類型畫像平台主要區別在於,業務自建畫像平台服務單條業務線,按需定制;中台平台服務多條業務線,建模複雜,提供更為通用的能力。 2.58中台畫像建構的背景58的使用者畫像

即時加SOTA一飛沖天! FastOcc:推理更快、部署友善Occ演算法來啦! 即時加SOTA一飛沖天! FastOcc:推理更快、部署友善Occ演算法來啦! Mar 14, 2024 pm 11:50 PM

寫在前面&筆者的個人理解在自動駕駛系統當中,感知任務是整個自駕系統中至關重要的組成部分。感知任務的主要目標是使自動駕駛車輛能夠理解和感知周圍的環境元素,如行駛在路上的車輛、路旁的行人、行駛過程中遇到的障礙物、路上的交通標誌等,從而幫助下游模組做出正確合理的決策和行為。在一輛具備自動駕駛功能的車輛中,通常會配備不同類型的信息採集感測器,如環視相機感測器、雷射雷達感測器以及毫米波雷達感測器等等,從而確保自動駕駛車輛能夠準確感知和理解周圍環境要素,使自動駕駛車輛在自主行駛的過程中能夠做出正確的決斷。目

See all articles