Děrné štítky: Přinese strojové učení novou éru ve sledování zaměstnanců?

03752593.jpeg
Audio svět na jednom místě Audio svět na jednom místě 03752593.jpeg

Masivní používání počítačů a komunikačních technologií v byznysu s sebou kromě efektivity přineslo i řadu negativních věcí. Vedle unavených očí a prorůstání práce do soukromého života digitalizace všeho umožnila v dosud nevídané míře sledovat zaměstnance. Co píšeme na pracovních klávesnicích a na jakých webech surfujeme, už firmy monitorují dlouho, s nástupem internetu věcí a strojového učení se jim ale otevírají nové a potenciálně docela strašidelné možnosti.

Jak je na tom průmysl s vnitrofiremním dohledem, dobře ukazuje letošní přehled webu TopTenReviews, který srovnává deset nejlepších softwarů pro monitoring zaměstnanců. Ty umožňují nejen kontrolovat e-maily nebo přístup k dokumentům, přičemž samozřejmě i tajně, ale taky sledovat to, kdy je počítač neaktivní a naopak a monitorovat přístup k sociálním sítím. Několik let stará anketa Americké asociace managementu pak zjistila, že 66 % amerických firem sledovalo, na jaké stránky jejich zaměstnanci chodí, 43 % procházelo jejich e-maily a překvapivých 45 % zaznamenávalo úhozy na pracovních klávesnicích.

A všechno je to přitom legální. Nejvyšší soud USA v roce 2010 tyto praktiky posvětil, když vynesl rozsudek, podle kterého je možné sledovat aktivitu zaměstnanců na firemních zařízeních. Na rozdíl od některých amerických států Evropská unie alespoň požaduje jasné informování zaměstnanců o monitorovacích praktikách, Evropský soud pro lidská práva ale zase v lednu uznal právo firem procházet soukromou komunikaci, pokud se odehrála na pracovních počítačích a telefonech.

Zatímco sbíraní dat o zaměstnancích není vůbec nový fenomén, mění se jeho způsoby a metody. Už nějakou dobu tu s námi jsou takzvané RFID čipy, které umožňují sledovat pohyb osob po budově, jejich příchody a odchody, a to způsobem, který je nenápadný a neinvazivní. Naftařská společnost BP zase v roce 2014 nakoupila svým severoamerickým zaměstnancům 25 000 chytrých náramků FitBit, prý aby snížila výdaje na zdravotní péči. A rychlejší internet a vyšší výkon počítačů pak umožňují přesnější a konkrétnější sledování práce samotné – americký software Hubstaff umí měřit přesnou dobu, po kterou zaměstnanci na určitém projektu pracují, a to spolu se zaznamenáváním obrazovky, polohy a aktivity.

Zásadní změnu však možná přinese prudký rozvoj strojového zpracování dat. Magazín Inverse ve svém textu Zneklidňující budoucnost zaměstnaneckého dohledu poukazuje na to, že „v řadě věcí není dohled tak strašidelný, protože většina lidí, co ho provádí, není tak dobrá jako monitorovací technologie“. To se ale může brzo změnit. Vzhledem k obrovskému množství dat, která jdou výše zmíněnými způsoby získat, lze pomocí chytrých sítí přesně profilovat jednotlivé zaměstnance a upravit tak třeba fungování HR oddělení. Dokladem, jak to může fungovat, je třeba snaha britské pojišťovací společnosti Admiral upravovat výše pojistného podle facebookových příspěvků dotyčného člověka.

03679049.jpeg

Magazínem Inverse citovaný odborník na technologie Paul Bernal vysvětluje, jak by mohlo strojové učení přímo zasáhnout do vašeho pracovního života: „Můžete třeba sledovat, co daný zaměstnanec dělá na internetu, a protože zjistíte, že ho baví rizikové koníčky, tak mu tu prémii radši nedáte.“ Strojové zpracování dat umožňuje vyhodnocování dat ve velkých objemech – zatímco výše zmíněný příklad lze provést ve firmě s 5 lidmi ručně, chytré sítě to dovolí i velkým korporacím.

Netřeba dodávat, že i v algoritmech jsou vždy ukryté představy a předsudky jejich tvůrců. Situace, kdy zjistíte, že někteří vaši zaměstnanci chodí na podle vás nevhodné stránky, a nepošlete jim pozvánky třeba na vánoční večírek a systém jim sám odmítne žádost o služební auto, není pak tak nepředstavitelná. Použití řady zmíněných programů je samozřejmě legitimní – řeší ochranu a úniky dat, zefektivňují chod podniků a i samotným zaměstnancům mohou zjednodušovat život. Jenže jestliže je pravda, že velká moc k zneužití vždycky láká, o velkých datech to platí taky. A možná dvojnásob.