Què és la gestió algorítmica
La gestió algorítmica consisteix a utilitzar sistemes que processen dades per a organitzar, assignar, supervisar o avaluar activitats laborals. Pot intervenir en la seqüència de tasques, el repartiment de torns, les rutes o els indicadors de rendiment. La seva importància preventiva deriva de com modifica les condicions en què les persones treballen.
No sempre utilitza intel·ligència artificial. La OIT distingeix sistemes basats en regles d’uns altres que aprenen o generen prediccions. Un mecanisme senzill que assigna automàticament treball segons temps registrats pot influir de manera intensa en l’exposició, encara que no empri un model avançat ni es presenti comercialment com a IA.
La prevenció en treballadors de plataformes digitals exigeix analitzar com l’assignació, els temps i les valoracions influeixen en la tasca. L’avaluació ha d’abastar l’organització digital i les condicions materials de la prestació.
On pot trobar-se
Aquestes formes de gestió apareixen en plataformes digitals i també en centres tradicionals, com a magatzems, transport, atenció al client o serveis sanitaris. La persona pot rebre instruccions mitjançant una aplicació mentre el comandament conserva només part de la informació sobre com es van generar o quines restriccions es van tenir en compte.
Per a identificar el seu abast convé preguntar quines decisions s’automatitzen, quins només es recomanen i quins continuen sent humanes. També ha de conèixer-se si una recomanació pot rebutjar-se realment. Una opció de revisió que mai s’utilitza per falta de temps o per penalitzacions pot deixar un control humà merament formal.
Efectes sobre les condicions de treball
L’assignació automàtica pot reduir descoordinacions, però també intensificar ritmes o limitar la autonomia. Un sistema pot ignorar desplaçaments reals, pauses, dificultats d’una tasca o variacions de l’entorn. La OIT ha assenyalat riscos psicosocials relacionats amb vigilància, intensificació, pèrdua de control i preocupació per l’ús de dades.
Els efectes no es limiten al psicològic. Una ruta massa ajustada pot incentivar presses; una seqüència repetitiva pot concentrar càrrega física; una classificació de rendiment pot descoratjar la comunicació d’incidències. L’anàlisi ha d’estudiar la relació entre decisions digitals i activitat real, sense pressuposar que l’automatització sempre millora o empitjora la seguretat.
Avaluació abans d’implantar o canviar
La gestió del canvi ha de revisar el sistema abans de la seva posada en ús i quan canviïn objectius, regles o dades rellevants. Convé analitzar tasques representatives, situacions excepcionals i grups afectats. Una prova limitada a condicions ideals pot ocultar problemes que apareixen durant pics de demanda o fallades operatives.
La avaluació psicosocial ha de considerar control, previsibilitat, suport i pressió temporal, juntament amb altres riscos. També necessiten anàlisi específica les obligacions laborals, de protecció de dades i d’IA que resultin aplicables. No tots els sistemes tenen la mateixa classificació jurídica ni les mateixes exigències, per la qual cosa no han de generalitzar-se conclusions normatives.
Criteris preventius de disseny i ús
Els objectius han d’incorporar restriccions de treball segur, inclosos temps i condicions que una mètrica de productivitat podria ometre. Han d’existir mecanismes per a comunicar errors d’assignació, corregir dades i revisar decisions. La persona responsable necessita informació, competència i autoritat efectiva per a intervenir quan el sistema produeix una instrucció inadequada.
És important explicar als treballadors quins aspectes rellevants organitza el sistema i com plantejar una discrepància. La informació ha de permetre actuar, sense limitar-se a una descripció tècnica incomprensible. També convé evitar que la supervisió afegeixi un tecnoestrès innecessari per alertes contínues o per l’exigència de justificar cada desviació mínima.
Exemple pràctic
Un magatzem utilitza una aplicació que assigna la següent tasca segons el temps mig històric. Durant una prova, l’equip observa que el càlcul no inclou recorreguts addicionals quan una zona queda temporalment tancada. L’indicador interpreta aquests recorreguts com a menor rendiment i augmenta la pressió per a recuperar temps.
La revisió incorpora l’estat real de les zones, permet registrar la incidència sense penalització automàtica i estableix qui pot suspendre l’assignació. Es comprova després si les rutes són viables i si es mantenen els temps de seguretat. La solució requereix modificar la lògica i el seu ús, no demanar al personal que aconsegueixi una mitjana inaplicable.
Seguiment de dades i decisions
La qualitat de l’anàlisi de dades resulta rellevant: registres incomplets o poc representatius poden conduir a decisions inadequades. Ha de vigilar-se si el sistema funciona de manera distinta entre tasques, torns o grups i si les correccions humanes queden incorporades a l’aprenentatge organitzatiu.
El seguiment inclou les actualitzacions del proveïdor i els canvis de configuració. Un sistema validat per a un procés no queda automàticament validat per a un altre. També convé comprovar que el canal de revisió és accessible i que les persones no oculten incidències per temor a conseqüències automàtiques sobre la seva valoració.
Errors freqüents i responsabilitat
Són errors freqüents considerar neutral qualsevol decisió informàtica, acceptar una puntuació sense context o identificar supervisió humana amb prémer una confirmació. També ho és comprar una solució sense analitzar quines noves tasques de registre, revisió i manteniment crea per a l’organització.
La responsabilitat preventiva no es transfereix a l’algorisme ni al proveïdor. L’empresa ha d’avaluar i controlar les condicions d’ús que li corresponen, amb participació de les persones afectades. La finalitat és que el sistema doni suport a una organització del treball segura, comprensible i revisable durant tota la seva utilització.
