Impact van kunstmatige intelligentie en 'machine learning' op de toekomst van werk

Door: Karlien Vanderheyden, professor Vlerick Business School

Kunstmatige intelligentie – ook wel Artificial Intelligence (AI) - is de algemene benaming voor slimme technologie, waar machine learning (machinaal leren) een onderdeel van is. AI gaat over de mogelijkheid van een machine om intelligent menselijk gedrag na te bootsen. Machine learning is dynamisch en vereist geen menselijke tussenkomst. Het is in staat zichzelf aan te passen en bij te stellen als het wordt voorzien van meer data.

Erik Brynjolfsson en Daniel Rock van de beroemde Amerikaanse universiteit MIT stellen, samen met Tom Mitchell van Carnegie Mellon University, dat automatisering op zogenaamde ‘taak-basis’ zal plaatsvinden. Er zijn immers maar weinig banen die volledig geautomatiseerd kunnen worden door het gebruik van machine learning. Dat komt omdat banen doorgaans verschillende taken omvatten, die niet allemaal geschikt zijn voor machine learning. Deze vorm van technologie kan weliswaar een groot aantal banen transformeren, maar volledige automatisering zal minder belangrijk zijn dan het herinrichten van processen en reorganiseren van taken. Neem als voorbeeld radiologen. Zij hebben doorgaans zo’n 26 verschillende taken binnen hun werkveld. Waar machine learning een uitkomst biedt in het lezen en interpreteren van medische beelden, kan communicatie richting patiënten beter worden gedaan door de mens zelf.

Naast het vervangen van bepaalde taken die normaal gesproken door de mens worden uitgevoerd, kan machine learning werknemers ook helpen beter te worden in hun werk. Een goed voorbeeld is CenturyLink. Het salesteam van deze organisatie personaliseerde een AI-tool om het werk van verkoopmedewerkers te optimaliseren. De tool helpt onder meer met het identificeren van de juiste klant, het bepalen van het juiste moment om die klant te benaderen en met de meest effectieve insteek en inhoud van het gesprek. De tool bevat bovendien ook een gaming-element, wat het werken leuker maakt. Door het gebruik van de tool steeg de klanttevredenheid fors en namen verkopen met maar liefst 10% toe.

Impact AI en machine learning
Het is de moeite waard eens te bekijken welke impact AI en machine learning tot dusver hebben gehad op banen en sectoren. Een paar voorbeelden:
- AI-software verbetert de ouderenzorg door het monitoren van verschillende gezondheidsaspecten, het detecteren van bijvoorbeeld een val en het bieden van virtueel gezelschap.
- AI-robots nemen geroutineerde en monotone taken over.
- AI kan bijdragen aan succesvol financieel management, bijvoorbeeld door de beste investeringsstrategieën te benoemen.
- AI kan ondersteunen bij politiewerk , het bestrijden van (cyber-)misdaad en het analyseren van effectieve, onpartijdige handhaving.
- AI kan helpen bij recruitment, zoals bijvoorbeeld bij het inplannen van sollicitatiegesprekken, het versturen van e-mails en het identificeren van de meest geschikte kandidaten voor bepaalde vacatures.

Toename productiviteit
Door banen deels te automatiseren met het gebruik van AI zal de productiviteit toenemen. Werknemers kunnen machines gebruiken als aanvulling op hun vaardigheden – en vice versa - en daardoor zelf focussen op taken die de meeste aandacht vragen.
Zo kunnen werknemers specifieke mogelijkheden voor de inzet van AI identificeren, algoritmes ontwikkelen en trainen en beslissen hoe machines op een ethische manier kunnen worden ingezet. Trelleborg introduceerde zogenaamde ‘collaboratieve robots’ om bepaalde machines te bedienen. Voordeel is onder meer dat een robot acht in plaats van de gebruikelijke drie machines kan bedienen. Trelleborg slaagde erin de productie te optimaliseren, met bestellingen van één tot vele miljoenen. Meer bestellingen betekende meer machines en robots en bovendien het aannemen van vijftig nieuwe werknemers. Daarnaast hadden werknemers door het gebruik van de machines meer tijd om te focussen op het verbeteren van de kwaliteit.

Nieuwe banen en verantwoordelijkheden
Volgens het World Economic Forum - een jaarlijkse bijeenkomst van de CEO's van de grootste bedrijven ter wereld, staatshoofden, intellectuelen en journalisten - heeft 54% van de werknemers in de toekomst een vorm van her- en bijscholing nodig. Tot 2022 zal er een toename te zien zijn in de vraag naar mensen voor bestaande beroepen op het gebied van technologie, zoals data-analisten en wetenschappers, software- en toepassingsontwikkelaars, e-commerce en sociale-mediaspecialisten. Er wordt ook verwacht dat er veel vraag zal zijn naar functies waarin menselijke vaardigheden centraal staan, zoals medewerkers klantenservice, verkoop- en marketingprofessionals, trainings- en ontwikkelingsspecialisten en innovatiemanagers. Daarnaast zullen gespecialiseerde functies hun intrede doen, waarbij het begrijpen en gebruiken van de nieuwste technologieën centraal staat. Voorbeelden zijn AI en machine learning specialisten, big dataspecialisten, mens-machine interactie ontwerpers, robotica engineers, drone instructeurs en operators en virtual reality ontwerpers. Naast vaardigheden op het gebied van nieuwe technologieën zullen verschillende menselijke vaardigheden belangrijker worden, zoals creativiteit en originaliteit, kritisch denken en complexe besluitvorming, overtuigen en onderhandelen. Ook emotionele intelligentie, sociale invloed, leiderschap en servicegerichtheid worden in de toekomst steeds belangrijkere onderdelen van werk.

Voorbereiden op de toekomst
In een studie van Capgemini geeft 62% van de respondenten aan cultuur het grootste obstakel van de digitale transformatie te vinden. Onderzoek van MIT definieert zeven onderdelen van een digitale cultuur:
1. Innovatie: het ondersteunen van risicovol gedrag, ‘out-of-the-box’ denken en het ontdekken van nieuwe ideeën.
2. Data-gedreven besluitvorming: het gebruik van data en data-analyse om betere beslissingen te nemen.
3. Samenwerken: werken in multifunctionele teams.
4. Open cultuur: samenwerken met externen als klanten, leveranciers en startups.
5. Digital-first mindset: een digitale oplossing moet de meest voor de hand liggende keuze zijn.
6. Behendigheid en flexibiliteit: het vermogen van een organisatie om zich aan te passen aan veranderingen en snelheid van besluitvorming.
7. De klant centraal: het gebruik van digitale oplossingen om het klantportfolio uit te breiden en nieuwe producten te (helpen) ontwikkelen.

De resultaten van het onderzoek laten ook de onderdelen zien waar veel bedrijven nog moeite mee hebben. Zo zijn innovatie en co-creatie uitdagingen. Vooral het gevoel dat nieuwe ideeën snel kunnen worden getest en ingezet ontbreekt. Ook het gebruik van gegevens om beslissingen te nemen kan worden verbeterd. Organisaties missen bovendien flexibiliteit voor snelle en onafhankelijke besluitvorming. Daarnaast wordt er nog onvoldoende gebruik gemaakt van digitale oplossingen.

Impact op medewerkers
Digitale koplopers herzien hun recruitmentstrategie. Zij zoeken naar medewerkers met gedragskenmerken als creativiteit en autonomie. Ook het evalueren wordt anders. Zo moeten experimenten worden aangemoedigd en werknemers moeten niet worden beoordeeld op het succes of het falen van zo’n experiment, maar op wat het de organisatie heeft geleerd. Koplopers investeren bovendien in de digitale vaardigheden van hun werknemers, zo laat het onderzoek zien. Omdat hun vaardigheden aansluiten bij de nieuwe manier van werken voelen medewerkers zich meer betrokken bij het transformatieproces. L’Oréal heeft een online leerprogramma ontwikkeld om de digitale marketingvaardigheden van haar 7000 marketingmedewerkers wereldwijd te ontwikkelen. AT&T biedt 100.000 werknemers een opleidingstraject, zodat zij kunnen switchen naar een hele nieuwe baan. Ze investeren in klassikale en online lessen gericht op datawetenschap en digitaal netwerken om hun vaardigheden te verbeteren.

Risico’s en kansen
Tegen 2030 moeten misschien wel 375 miljoen werknemers van baan veranderen. Maar, dat getal verdient wel wat nuance. Technologie kan mensen in sommige gevallen weliswaar volledig vervangen, maar in andere gevallen is het juist de samenwerking tussen mens en technologie die zorgt voor optimaal resultaat. Technologie kan mensen op veel manieren ondersteunen. Machines kunnen taken die voortdurend moeten worden herhaald of taken die te gevaarlijk zijn volledig overnemen. Maar ze kunnen ook helpen in het verbeteren van efficiëntie door met mensen samen te werken. Zogenaamde co-bots zijn bijvoorbeeld ontworpen om met mensen samen te werken en te leren van interactie. Hierdoor kan de manier waarop taken worden uitgevoerd worden verbeterd.

Het bouwen van teams bestaande uit mensen en machines is een manier om het beste uit technologie en mensen te halen. Machines kunnen werk overnemen dat mensen complex en tijdrovend vinden, zoals data-analyse, waardoor er ruimte is om te focussen op de aspecten die juist om menselijke eigenschappen vragen, zoals communicatie, empathie, intuïtie en het vermogen om informatie te contextualiseren.

Natuurlijk betekent de introductie van machines op de werkvloer dat sommige mensen hun vaardigheden moeten aanpassen. Het opnemen van Augmented Reality-technologie in de supply chain zorgt er bijvoorbeeld voor dat een onderhoudstechnicus moet leren hoe hij dit dient te gebruiken. Naast begrijpen hoe deze Industry 4.0-technologie moet worden gebruikt, moeten mensen ook hun mentaliteit veranderen. Ze moeten leren om te vertrouwen op rapporten en voorspellingen van analytische modellen en hoe deze het best te gebruiken. Bij sommigen kan deze verschuiving in denkwijze enige tijd in beslag nemen.

De introductie van nieuwe technologie levert natuurlijk ook een aantal uitdagingen en zorgen op. Zo kunnen mensen het gevoel hebben de controle kwijt te raken over bepaalde beslissingen. Sommige AI-tools zijn en komen onvermijdelijk in handen van bedrijven die vooral streven naar winst en macht en minder aandacht hebben voor belangrijke waarden als ethiek. De uitdaging is om de juiste balans te vinden tussen technologie en mensen.

Machines werken rationeel. Ze verzamelen en analyseren gegevens en nemen beslissingen die uitsluitend op die gegevens zijn gebaseerd. Ze hebben geen vooroordelen en ze kunnen nauwkeuriger zijn dan mensen omdat ze meer mogelijke opties overwegen. Maar, hoewel dit vaak een voordeel is, kan het ook een gevaar zijn. De toegevoegde waarde van mensen is onder meer dat zij zelf kunnen kiezen welke gegevens te gebruiken en bovendien de juiste vragen stellen over die gegevens en daarbij kritisch nadenken.

Neem nogmaals recruitment als voorbeeld. AI wordt al gebruikt om sollicitanten te screenen of interviews in te plannen. Machines houden rekening met alle variabelen, maar dat is niet altijd het beste. Zo kan afstand tot werk bijvoorbeeld een criterium zijn, waarbij een machine kandidaten die ver weg wonen automatisch afwijst. Maar dat kan ook betekenen dat bepaalde goede kandidaten per definitie zijn uitgesloten. Het volgen van een machine kan nuttig en snel zijn, maar menselijke tussenkomst en het vermogen om gegevens te interpreteren kunnen helpen om een betere beslissing te nemen.