Dirk Goossens liet ons weten dat robots werk scheppen. Of dat waar is zullen we in de toekomst gaan zien. Het valt niet te ontkennen dat het dit jaar veel over het thema “de verandering van de arbeidsmarkt door verder gaande robotisering” ging. Onze trendwatchers en ander soort van wijze voorspellers buitelen over elkaar heen om aan te geven welke banen verdwijnen en welke verschijnen. Vaak zit er achter deze wijsheid een gedachte als “Dat de technologische veranderingen meer een banen generator zijn dan een banen vernietiger”. De redenering loopt ongeveer als volgt; technologie geeft productiviteit, productiviteitverhoging geeft economische groei, economische groei betekent meer werk. Zeker, het werk verandert, maar meer werk?
Als historicus heb ik mijn twijfels. Het klinkt als een logische redenering maar met wat goede wil kan ik zeker historische voorbeelden van economische groei door technologische veranderingen geven die voor veel mensen weinig goeds hebben betekend. Natuurlijk werden er ook veel mensen later beter van. De Dickiaanse voorbeelden van armoede van arbeiders die in plaats van hun vroegere handwerk, toen in fabrieken, mijnen en boerderijen moesten werken zijn legendarisch. In Rusland wilde revolutionaire denkers snel van de rurale samenleving naar een technologische samenleving om een proletariaat te kweken dat door armoede rijp zou zijn voor de revolutie.
Het werk zal veranderen en onze samenleving zal veranderen. Veel wetenschappers zeggen dat vrijwel iedere activiteit die door mensen wordt gedaan kan worden geautomatiseerd, behalve dan de paranormale zaken. Robots of computers hoeven dat niet foutloos te doen, als ze het maar beter doen dan mensen. Beter schaken, vliegtuigen besturen, auto’s besturen, schoonmaken, doktersadvies geven, muziek maken of mensen aannemen. Als ze het maar beter doen dan mensen. Minder fouten zetten bij het schaken, minder ongelukken, schonere vloeren, betere diagnoses, mooiere muziek en sneller minder vaak de verkeerde persoon op de job.
Wat doen recruiters en kunnen robots dat dan beter? Hun professionele activiteiten zoals het beoordelen op capaciteiten, het vinden van beschikbare mensen, het beoordelen van cv’s en het opstellen van de arbeidsmarktcommunicatie moet een kwestie van tijd zijn. Als voorbeeld zie dit. Robots hebben geen last van een bias (behalve als deze is geprogrammeerd). Het ingewikkelde probleem, of iemand geschikt is voor een bepaalde baan, iets wat moeilijk is om te beantwoorden en waar een recruiter langzaam voor zou moeten denken (conform het boek van Daniel Kahneman “thinking fast and slow”), wordt al snel door de recruiter vervangen met een veel simpeler probleem: mag ik de persoon? Die laatste vraag kunnen ze ook razendsnel beantwoorden. Dit is dan ook de rede waarom zoveel recruiters er prat opgaan dat ze al direct weten of iemand geschikt is of niet.
Dat laatste (de mag ik iemand vraag beantwoorden) kunnen recruiters goed, ze kunnen zelfs redelijk inschatten of de toekomstige werkgever de gekozen kandidaat aardig zal vinden. Robots kunnen waarschijnlijk de recruiters prima gaan vervangen, behalve dan misschien dat klikgevoel: vinden we iemand aardig. Buiten de vraag hoe belangrijk dat is en of robots dat wel of niet kunnen, is dat laatste ook snel op te lossen met een andere methode. De robots vervangen de recruiters en geven de kandidaten door, indien geschikt voor de baan, in volgorde van hoe zij aardig gevonden worden door de werkgever (berekend volgens een algoritme van de robot). De werkgever gaat eens gezellig uiteten met deze kandidaten en maakt op basis van zijn onfeilbare onderbuikgevoel zijn definitieve keuze. Een etentje rijker en een recruiter armer. Leve de robot.
PS
Vanaf 14 december biedt AOG School of Management in samenwerking met USG People haar eerste MOOC (Massive Open Online Course) aan! Het thema is Robotisering en de toekomst van werk. Geïnteresseerd? Deelname is open en gratis voor iedereen met interesse in of affiniteit met dit onderwerp.
Herbert Prins
says:Beste Dirk, dank voor deze uitgebreide toe;ichting. Denk dat waar een overeenstemming is in onze gedachtes dat dat is op het standpunt; dat het erg uitmaakt van uit welke gezichtsveld je het bekijkt.
Zo een paar puntjes. Het verdwijnen van lokale wegen is dat werkelijk een verijking van de mobiliteit voor iedereen als je nog alleen kan gaan over wat de je mag noemen de gebaande snelweg. Over de bias wat jij zegt is eigenlijk mijn punt. De meselijke maat vangen in algorithme zal steeds belangrijker zijn. Bias worden ingeprogrameerd. zie bijvoorbeeld dit filmpje https://www.youtube.com/watch?v=ixIoDYVfKA0&index=7&list=PLhhjKjkbPzN2dCropCRLHBVvTbMXWnzR2. Over mij punt wat betreft de recruiter en kippen voorbeeld zou mijn voorkeur en de doormij geprogrameerde robot zeker voor de arrdige collega gaan (103 kippen). De vraag is voor wie zou de gemidellde recruiter gaan. Ardig gevonden worden, kan best iets fundementeel anders zijn dan aardig zijn, in dit geval .
Rapportje over robotesring en werk https://www.wrr.nl/publicaties/publicatie/article/de-robot-de-baas-de-toekomst-van-werk-in-het-tweede-machinetijdperk-31/
Dirk Goossens
says:Je voorbeelden ondersteunen de premisse dat robotisering het verdelingsvraagstuk prangender maakt.
Dan, ten aanzien van recruiters:
1
Stel je een lopende band voor met kippen waar de kop af moet. Een gemiddelde medewerker verwerkt 100 kippen per minuut. Een goede medewerker 102. Een aardige medewerker verwerkt wel eens een kip voor een collega. Deze aardige medewerker verwerkt op deze wijze wellicht 103 kippen terwijl hij er maar 99 op zijn kerfstok krijgt. De recruiter die deze aardige collega aannam verdient een veer in zijn pluim maar krijgt van jou te horen dat hij voortaaan zijn snavel moet houden.
People high in a personality trait called Agreeableness are characterized by increased warmth, social affiliation, and compassion. Agreeable people help needy others at higher rates, relative to Disagreeable people.
Yarkoni, T., Ashar, Y. K., Wager, T. D. (2015) Interactions between donor Agreeableness and recipient characteristics in predicting charitable donation and positive social evaluation. PeerJ 3:e1089 https://dx.doi.org/10.7717/peerj.1089
2
Robots hebben altijd een bias. Deze volgt uit de taak van de robot. Robots zijn nu al veel beter in het inschatten van hoe aardig mensen zijn dan recruiters. Omdat ze het niet doen lijkt het alsof ze het niet kunnen. Robots zullen aardig zijn overigens snel als criterium laten varen ten faveure van afwezigheid van neuroses. Neurotische mensen zijn niet fijn als collega of partner. Ze worden dan ook snel ontslagen of gedumpt. Van lang werkloos zijn word je overigens neurotisch. De robotrecruiter zal niet snel een langdurig werkloze aannemen.
https://www.apa.org/pubs/journals/releases/apl-a0038647.pdf
3
Als je recruiters mag zien als “Human resources and industrial relations officer” dan is de kans dat ze binnen 20 jaar geautomatiseerd zijn gering, 24% volgens Oxford en Deloitte.
https://www.bbc.com/news/technology-34066941
4
Solutions include moving up the value chain in developing economies (food processing creates more employment than growing export crops, for example) and finding opportunities for workers without a college education to participate in fast-growing fields—such as health care and home-based personal services—in advanced economies.
https://www.mckinsey.com/insights/employment_and_growth/the_world_at_work
5
Across-the-board upgrading of human capital will improve income distribution both directly and indirectly (by reducing the supply of lower-skill workers relative to demand). It will also (partly) mitigate the concentration of wealth that results from a highly skewed income distribution.
https://www.cfr.org/labor/technology-employment-challenge/p29825
Een goed historicus blijft altijd twijfelen. En hij laat zich overtuigen als het bewijs van een stelling overweldigend is. Robots create jobs. Like highways destruct small roads, leaving the locals at a loss, but greatly enhancing mobility as a whole.