De invloed van AI-gebaseerde werknemersbeheersystemen op psychosociale risico’s: uitdagingen en kansen

Het gebruik van AI-gebaseerde werknemersbeheersystemen (AIWM) heeft een grote impact op de psychosociale risico’s op de werkplek. Een nieuw 32 pagina's tellend rapport van EU-OSHA onderzoekt de belangrijkste uitdagingen en kansen van AIWM, en de rol van werknemersparticipatie bij het beheersen van deze risico’s.

Wat is AIWM?

AIWM is een overkoepelende term voor systemen die gegevens verzamelen over de werkplek, werknemers en hun taken. Deze gegevens worden verwerkt met behulp van AI om geautomatiseerde of halfgeautomatiseerde beslissingen te nemen over personeelsbeheer. Hoewel AIWM nuttig kan zijn voor het verminderen van risico’s, brengt het ook uitdagingen met zich mee, zoals intensiever toezicht, minder autonomie en een waargenomen gebrek aan eerlijkheid.

AIWM-systemen worden steeds vaker ingezet in diverse sectoren. Uit onderzoek blijkt dat de impact van AIWM sterk varieert, afhankelijk van het type organisatie en de sector. Vooral binnen KMO’s is er behoefte aan meer inzicht in de specifieke risico’s die AIWM kan veroorzaken.

Positieve en negatieve effecten van AIWM

AIWM kan bijdragen aan een betere taakverdeling en het voorkomen van burn-out door bijvoorbeeld werkpauzes te plannen of werkbelasting aan te passen. Tegelijkertijd kunnen deze systemen ook leiden tot:

• Verhoogde werkintensiteit en stress door prestatiedruk.
• Minder voorspelbare werkschema’s.
• Verminderde autonomie van werknemers.

Bovendien tonen casestudies aan dat de psychosociale risico’s van AIWM systemen, zoals verhoogd toezicht en prestatiedruk, sterker optreden in sectoren met beperkte werknemersvertegenwoordiging. Daarentegen kunnen sterke sociale dialoog en duidelijke regelgeving helpen om deze negatieve effecten te verminderen.

Directe en indirecte effecten van AIWM op psychosociale factoren. Bron: Rapport EU-OSHA.

De rol van werknemersparticipatie

Werknemersvertegenwoordigers en collectieve onderhandelingen kunnen helpen bij het identificeren, voorkomen en beperken van de risico’s die AIWM met zich meebrengt. Bijvoorbeeld:

• Betrokkenheid bij systeemontwerp: Werknemersvertegenwoordigers kunnen helpen bij het waarborgen van privacy en het beperken van stressvolle elementen in AIWM.
• Sociale dialoog: Collectieve afspraken maken het mogelijk om algoritmisch beheer transparanter en eerlijker te implementeren.

Toch worden de effectiviteit van deze participatie en de capaciteit om psychosociale risico’s te mitigeren, vaak beperkt door de complexiteit van AIWM-technologie en machtsongelijkheid tussen werknemers en werkgevers. Regulerende kaders zoals de GDPR kunnen hier echter een ondersteunende rol in spelen.

Voorbeelden uit de praktijk

Casestudies tonen verschillende benaderingen:

1. Productie- en mijnbouwsector: Betrokkenheid van werknemersvertegenwoordigers bij het ontwerp van AIWM-systemen voorkomt risico’s. Bijvoorbeeld, in Zweden werd een Wi-Fi-gebaseerd positioneringssysteem geïmplementeerd met anonimiseringsopties om privacy te waarborgen.
2. Coöperaties in de bezorgsector: In Spanje tonen ruitercoöperaties aan hoe een sociaal coöperatief managementprincipe zorgt voor een mensvriendelijke implementatie van AIWM, inclusief betere arbeidsvoorwaarden.
3. Regelgeving in Duitsland en Spanje: De Duitse wetgeving biedt werknemersvertegenwoordigers specifieke rechten bij het gebruik van AI, zoals inzage in algoritmes. In Spanje stimuleert de Riders’ Law transparantie en sociale dialoog.

Beleidsaanbevelingen

• Ondersteun participatieve standaarden: Stimuleer sociale partners om betrokken te zijn bij de implementatie van AIWM.
• Reguleer op maat: Ontwikkel regelgeving die rekening houdt met sectorale verschillen en specifieke risico’s.
• Impactbeoordelingen: Verplicht organisaties om psychosociale risico’s van AIWM-systemen te evalueren voordat deze worden ingevoerd.

Conclusie

AIWM biedt kansen om psychosociale risico’s te verminderen, maar brengt ook uitdagingen met zich mee. Effectieve werknemersparticipatie en collectieve afspraken zijn nodig om deze risico’s te beheersen en een correcte implementatie van AIWM te waarborgen. Voorbeelden uit Zweden, Duitsland en Spanje tonen aan hoe sociale dialoog en regelgeving kunnen bijdragen aan veilige en gezonde werkomgevingen. Verder onderzoek en aanpassingen in wetgeving zijn nodig om deze voordelen te maximaliseren.

Bron

EU-OSHA - Worker participation and representation: the impact on risk prevention of AI worker management systems.