Du som läser det här kanske inte har din chef i en app, men det är inte så futuristiskt som det kan låta. Redan nu får cykelbud sina uppdrag och utvärderingar via mobilen och på stora distributionscenter kan lagerpersonalen arbetsledas genom en app istället för av en mänsklig chef.
– I dag kan traditionella uppgifter inom både arbetsledning, övervakning och rekrytering skötas av ett program. Det är särskilt vanligt inom gigekonomin. Den typen av AI-management har fått mycket uppmärksamhet både inom akademin och i media, inte minst negativt, då det lett till en del arbetsmiljöproblem, säger Sverre Spoelstra, universitetslektor i företagsekonomi.
Viktigt att lära sig om algoritmiskt ledarskap
Sverre Spoelstra har forskat om etik och moral, spelifiering och andra aspekter av organisationer och ledarskap i drygt tjugo år. Men algoritmiskt ledarskap är ett nytt intresse – och helt nödvändigt.
– Jag hörde talas om algoritmiskt ledarskap för första gången för två år sedan. Jag förstod snabbt att det här måste jag lära mig mer om. Hur ska jag annars kunna fortsätta vara relevant för mina studenter?
Sverre Spoelstras nyfikenhet på det digitala och nya sätt att jobba märks redan innan vi börjat sippa på våra caffe lattè på det Malmöfik där han tidigare suttit och skrivit en hel del. Han sneglar på mina något gammaldags reporterattiraljer: anteckningsblock och bläckpenna. För visst är det så – mycket i arbetslivet förändras med AI:s intåg och det snabbt, snabbt.
Ledarskap och management
För att förstå vad algoritmiskt ledarskap är för något kan man behöva börja med att skilja mellan ledarskap och management, eller mellan naturliga, inspirerande ledare och chefer i en formell hierarki.
– I forskningen finns det en tydlig skillnad mellan management å ena sidan och ledarskap å andra sidan, säger Sverre Spoelstra. Där handlar management mer om det regelstyrda och hierarkiska, att göra det man ska. Ledarskap behöver däremot inte nödvändigtvis inordnas i en formell hierarki. Karismatiska personer som inspirerar andra, det kan man hitta även utanför den formella chefsordningen.
Därför har man tidigare menat att just ledarskapet är något typiskt mänskligt, något som maskinerna inte kan imitera, enligt Sverre Spoelstra. Det mer administrativa däremot, det är lättare att strukturera digitalt och även spelifiera (gamifiera).
Nytt projekt på gång
Tillsammans med forskarkollegorna Nick Butler vid Stockholms universitet och Emilie Hesselbo vid Ekonomihögskolan har Sverre Spoelstra just startat ett nytt forskningsprojekt om förändrat ledarskap i digitaliserade arbetsmiljöer. Planen är att intervjua anställda på kunskapsintensiva IT-företag och studera hur chefer använder olika program för att besluta om budget och motivera medarbetare.
– Det algoritmiska ledarskapet som jag är intresserad av inbegriper fortfarande människor. Det är människor i partnerskap, eller i relation med, maskiner. Mycket av besluten och det som finns i kulisserna kanske handlar om automatiserade processer, men det är människan som frontar det och som kan fatta andra beslut än de föreslagna, om det till exempel är mer etiskt.
Algoritmiskt inom akademin
Sverre Spoelstra ser att det algoritmiska även kan överföras till den akademiska världen.
– Om fem, tio år har säkert sättet vi bedriver forskning på förändrats. En grundtanke bakom vetenskap är ju att vem som helst ska kunna uppnå samma resultat som någon annan. Det gör att mycket redan är algoritmiskt och lämpligt för maskiner. Vad kommer det betyda för akademin? Det är svårt att få överblick över, säger han och fortsätter:
– Å andra sidan sa man för tio år sedan att den digitaliserade, internationella undervisningen skulle få stora konsekvenser. Varför skulle man välja något annat än Oxford om man kunde läsa varifrån som helst? Ändå ser vi fortfarande att studenter vill studera på en fysisk plats och att de bästa lärarna är de som är en verklig person.
Vad måste de studenter som vill bli ledare att behöva lära sig?
– Framför allt förmåga till reflektion. Vi lärare bör försöka skapa en medvetenhet hos dem och en förmåga att resonera kring etiska konsekvenser av till exempel datadrivna beslut. Det kommer fortsatt att vara viktigt, precis som att vara en aktiv, intresserad och empatisk ledare som ser medarbetarna för vilka de är och vilka förmågor de har.