העבודה הראשונה שלי הייתה במוקד מכירות טלפוני. בכל פעם שמישהו ביצע מכירה, סימנה זאת האחראית למשמרת בטוש על הלוח הלבן שהיה תלוי לראווה מול כולם. זו הייתה דרך ניהול ישירה ופשוטה: היו יעדים, היו השוואות, ומי שעמד בהם זכה להכרה. אבל לצד הציפיות והמדדים הייתה גם הבנה אנושית. האחראית ידעה מתי ללחוץ ומתי לשחרר, מתי להפעיל סמכות ומתי פשוט לשאול ברכות "האם הכול בסדר?" גם אם לא תמיד הסכמתי עם סגנון הניהול, תמיד היה ברור מי אחראי, ואיך נראית סמכות פנים אל פנים.
שנים אחר כך, במהלך השתלמותי בבתר-דוקטורט בארצות הברית, הזמנתי נסיעה ביישומון "אובר". בשיחתי עם הנהג התעניינתי באופי העבודה שלו, והוא סיפר לי בהתלהבות איך היישומון מדריך אותו: מתי כדאי להפעיל את המערכת, איפה כדאי להיות, ואילו שעות נחשבות ל"חמות". כששאלתי אותו אם יש לו בוס, הוא אמר שאין. “אבל היישומון יודע עליי הכול”, הוסיף. הוא היה מוגדר עצמאי, אבל למעשה קיבל הנחיות, בקרה ומשוב, ממש כמו כל עובד אחר לאורך ההיסטוריה, אלא שכאן לא היה אדם אחד מסוים שנתן אותם, ואותו נהג גם לא ידע להגיד לי אף לא פרט מזהה אחד של מי ש"מופקד" עליו. זה היה הרגע שבו הבנתי שאני פוגש צורת ניהול חדשה: בלי מנהל אנושי, אבל עם כל הסממנים של ניהול קפדני ומסורתי ביותר.
ניהול אלגוריתמי הוא מצב שבו מערכת אוטומטית מבצעת פעולות שבעבר נעשו בידי מנהלים אנושיים: הקצאת משימות, תיעדוף, בקרה והערכת ביצועים. הדבר קיים כבר עכשיו - ביישומוני משלוחים, בפלטפורמות תוכן וגם בחברות מסורתיות שמכניסות כלים אוטומטיים לניהול יום-יומי. למערכות הללו יש יתרונות לא מעטים: הן זמינות, נתפסות כשוויוניות, מסוגלות לעבד כמויות עצומות של מידע, והן מספקות מדדים אחידים לקבלת החלטות. הן יכולות לצמצם פערים, להציע שיפור מתמיד ולעזור לארגונים ללמוד על עצמם. אולם לצד היתרונות יש גם חסרונות. כשהניהול נעשה כולו דרך מערכת, מופיעים אתגרים חדשים. לא תמיד ברור מה עומד מאחורי ההחלטות. לא תמיד יש אל מי לפנות. ואין דרך "לדבר" עם מערכת כדי להסביר חריגות או להציב הקשר. הניטור הופך שקוף, אבל התחושה לעיתים היא שהעובד שקוף לא פחות.
חשוב להבין: ניהול אלגוריתמי איננו מוגבל לעובדים "על הדרך". מורים מדורגים לפי ציוני תלמידיהם ולפי הערכת הורים במערכות ממוחשבות; עיתונאים מונחים על ידי מערכת המלצות שמקדמת תוכן לפי קליקים; רופאים מוצאים את עצמם פועלים דרך מערכות תזכורת ו"ניתוב מטופלים" שמבוססות על פרוטוקולים אלגוריתמיים. במקרים מסוימים - זה מבורך. מערכת שמצליחה לזהות דפוס חריג במוקד שירות לקוחות או מסייעת לנתב עומסים ביומן רפואי, יכולה להיות לעזר של ממש. אבל כשהמערכת מחליטה בעצמה, בלי להבין את ההקשר, נוצרת בעיה: מי מגן על העובד מהחלטות לא הוגנות? מי רואה את מה שהמערכת "מחמיצה"?
מדור חוקרים פרטיים - לטורים הקודמים
המערכות האלו מציבות לפנינו שאלות אתיות עמוקות, למשל: האם מותר לדרג עובדים כל הזמן - גם כשהם אינם יודעים זאת? האם ראוי לתת לאלגוריתם להשפיע על הכנסתו של אדם בלי אפשרות ערעור? ואולי חשוב לא פחות - האם באמת אכפת לנו אם אין מנהל בשר ודם כל עוד המערכת פועלת היטב? במעבדה שאני עומד בראשה,AIMLAB , שבפקולטה לניהול ע"ש קולר באוניברסיטת תל אביב, אנחנו חוקרים את השאלות האלו דרך העיניים של עובדים ומנהלים כאחד. יש עובדים שממציאים דרכים "לשחק עם המערכת", אחרים מתאימים את התנהגותם כדי להיראות טוב יותר בעיני האלגוריתם, ויש מי שמפתחים אדישות וניכור. אצל המנהלים והמנהלות אנחנו בודקים – באמצעות מגוון רחב של שיטות מחקר: שאלונים, ראיונות, ניסויים בסביבות מקוונות וכן באמצעות תצפיות בשטח – איך הם בוחרים מתי להתערב, אם הם סומכים על המערכת יותר מדי, ואיך נראית אחריות כשמקור ההחלטה אינו ברור.
איני חושב שצריך לעצור את הקדמה. להפך - ניהול אלגוריתמי יכול לתקן עוולות, להסיר הטיות ולייעל תהליכים. אבל הדבר מחייב אותנו לעצור ולחשוב: איפה עובר הגבול בין מדידה לבין מעקב? איך מאזנים בין אובייקטיביות לבין חמלה? ואיך שומרים מקום לאנושיות דווקא בתוך מערכות חכמות? בפלטפורמות רבות העובד הפך להיות שקוף לארגון, והמערכת - שקופה לעובד. אם נרצה לשמר יחסי עבודה הוגנים, יהיה עלינו לעצב שקיפות הדדית חדשה.
פרופ' ליאור זלמנסון הוא חוקר ומרצה בכיר בפקולטה לניהול ע"ש קולר באוניברסיטת תל אביב, ראש מעבדת AIMLAB לחקר תהליכי בינה מלאכותית בניהול, עבודה ועסקים, שבה הוא מוביל מיזם מטעם ה European-search Council, והוא חבר האקדמיה הצעירה הישראלית.
"חוקרים פרטיים" הוא מדור ב-ynet שנוסד ביוזמת האקדמיה הצעירה הישראלית שבו חוקרים מסבירים מדוע החליטו לעסוק בתחום המחקר שלהם. המדור נערך בסיוע פרופ' נעמה גבע-זטורסקי, פרופ' אורי בן-דוד ופרופ' ארז בן-יוסף מהאקדמיה הצעירה הישראלית.
