¿Qué nos dice la investigación sobre lo que significa la IA para diferentes tipos de equipos? Dado que ‘diferentes tipos’ puede significar muchas cosas, nos centramos en los tipos de equipos según lo homogéneos que sean, ya sea que los equipos estén formados por subgrupos distintos o si todos los miembros del equipo tienen los mismos antecedentes y características demográficas. Si un equipo tiene subgrupos, decimos que estos subgrupos están separados por una línea de falla (lo que confunde a los investigadores del equipo con los geólogos, pero qué puede hacer, es un buen término). Por ejemplo, un equipo de proyecto tendría una línea de falla cuando todos los miembros del equipo blanco son hombres menores de 25 años y todos los miembros negros son mujeres y más de 40 (los atributos correlacionados aquí son raza, edad y género). Otro ejemplo, común en muchos lugares de trabajo hoy, es donde todos los empleados más jóvenes también trabajan por cuenta propia en la categoría de “contratistas independientes” o consultores y el resto, los empleados de mayor edad están a tiempo completo.
Aquí es donde entra en juego la IA. Por cierto, es más difícil encontrar una definición acordada para la IA de lo que podría pensar; pensamos en las “herramientas” de la IA como el hardware y el software, donde el software está “capacitado” en vastos conjuntos de datos, en lugar de programarse con reglas específicas. La IA ya está cambiando la forma en que trabaja mucha gente: ya se ha aplicado al colorear películas, la detección de fraudes, la generación de clientes potenciales de marketing, la cirugía robótica y los servicios de traducción de idiomas. Sin embargo, se ha escrito o investigado muy poco sobre cómo la inteligencia artificial y las tecnologías automatizadas pueden afectar el trabajo en equipo, especialmente en el caso de personas que no tienen empleos a tiempo completo (estamos pensando en usted, los conductores de Uber / Lyft y otros con conciertos a tiempo parcial).
El papel de las fallas podría ser importante cuando existe una diferencia en el acceso a la tecnología, como cuando la organización posee la AI (como el software propietario), lo que significa que los empleados de tiempo completo tienen acceso, pero otros miembros del equipo no. Tales desequilibrios pueden poner a los subequipos en conflicto, dividiendo un grupo a lo largo de las fallas. Eso podría ser un gran problema para los equipos, ya que durante las últimas dos décadas se ha demostrado que el concepto de línea de falla original de Dora Lau y Keith Murnighan predice todo tipo de desempeño, salud y otros aspectos de los equipos. El peligro es la división entre aquellos que tienen recursos (por ejemplo, AI) y aquellos que no aumentan las percepciones de desigualdad, lo que lleva a la competencia entre subgrupos. Los efectos en los miembros individuales del equipo entonces podrían deberse en parte a sus posiciones en los equipos y quién posee las herramientas, como cuando AI es propiedad / está controlado por los “forasteros” (digamos que un equipo de consultoría trae su propio software o tecnología) pero esto puede crear un campo de juego más nivelado que permita a los trabajadores por cuenta propia contrarrestar el poder que tradicionalmente tiene la organización. En este caso, los trabajadores contingentes tienen más apalancamiento en el equipo. Además de quién tiene experiencia y quién es dueño de AI, otro factor es el trabajo en sí mismo; En la medida en que el trabajo sea interdependiente y requiera un equipo, la tecnología menos probable desplazará a los trabajadores autónomos.
Basada en la idea de “quién tiene el conocimiento, quién posee las herramientas”, la IA tendrá más probabilidades de poner en riesgo a los trabajadores contingentes si una organización controla la IA (por ejemplo, un cambio a la tecnología de automóviles sin conductor donde actualmente trabajan los trabajadores por cuenta propia). los operadores de vehículos). Pero si los trabajadores contingentes tienen el rol de expertos con empleados de tiempo completo de una organización, existe un riesgo menor para ellos (“¡Los trajimos aquí para mostrarnos cómo manejar esto!”). También existe cierto riesgo para los empleados contingentes cuando la organización posee la IA, ya que potencialmente puede capacitar a sus empleados de tiempo completo para que la utilicen, reemplazando así a los trabajadores contingentes. Todas estas cosas han sucedido en un lugar de trabajo u otro.
Seamos realistas: predecir cualquier patrón detrás de estos escenarios y relaciones es una especulación porque se ha realizado poca investigación sistemática. Pero no hay especulaciones de que la IA se esté expandiendo, y muchas personas temen que los empleos puedan estar en riesgo debido a la IA o alguna variante, si no ahora, en algún momento en el futuro. Regresando a los luditas, los historiadores nos dicen que no estaban protestando por las máquinas, de hecho, eran expertos en operarlas. Su carne fue más sobre los cambios en sus horas de trabajo y condiciones. Y esto podría darnos una pista de cómo entender la IA y sus implicaciones. Sabemos que el empleo a tiempo parcial y contingente se encuentra en todas las industrias principales y está representado por todos los niveles de educación. Si no te has sentido directamente afectado por los avances de AI, o si conoces a alguien cuyo trabajo ha sido afectado, probablemente lo harás pronto. Entonces, ¿cómo deben prepararse las personas para esto? Ese es un tema que cubriremos en una publicación futura.
Escrito por Chester Spell y Katerina Bezrukova.
