Firmy odpowiedzialnie traktujące zarządzanie danymi pracowników zyskują po pierwsze większe ich zaufanie, a po drugie więcej informacji, które mogą wykorzystać na rzecz prowadzonego biznesu.

Podejrzewamy, że niewielu liderów docenia różnorodność i ilość danych o pracownikach, które ich organizacje gromadzą z różnych źródeł, począwszy od platform współpracy cyfrowej, a skończywszy na urządzeniach będących częścią ubioru (wearable devices) i urządzeniach mobilnych. W czasie pandemii zakres i rodzaj danych zbieranych o pracownikach gwałtownie się rozszerzył, obejmując np. informacje o szczepieniach lub ich braku, wyniki testów na koronawirusa, wyniki ankiet dotyczących życia zawodowego i prywatnego w czasie pandemii, ale także dane behawioralne,  gromadzone ( czasami mimochodem) podczas wirtualnych spotkań.

W większości dużych globalnych firm analityka dotycząca pracowników jest dla liderów HR priorytetem. Jednak coraz częściej dane te są wykorzystywane w nowy sposób, poza działem kadr, w celu… osiągnięcia lepszych wyników finansowych. Na przykład, jedna ze znanych nam firm przeanalizowała aktywność pracowników i charakterystykę budynku w celu uzyskania informacji o obłożeniu stanowisk, co pozwoliło jej zaoszczędzić miliony dolarów, m.in. dzięki optymalizacji powierzchni i wynikających z tego mniejszych kosztów ogrzewania i chłodzenia.

Niedawno w Centrum Badań Systemów Informacyjnych Massachusetts Institute of Technology (MIT CISR) badaliśmy, w jaki sposób innowacyjne wykorzystanie danych pracowniczych przez organizację może z jednej strony wspierać poczucie bezpieczeństwa pracowników, lecz z drugiej stanowić dla niego zagrożenie.Indeks górny 1¹ Szczególnie w kontekście transformacji cyfrowej, zachowania i wiedza pracowników są kluczem do zrozumienia, w jaki sposób organizacja działała w przeszłości. To z kolei tego może doprowadzić do nieoczekiwanych rezultatów, gdy organizacja zdecyduje się radykalnie zmienić lub wyeliminować pewne zadania. Takie wykorzystanie danych może wywołać napięcia i wiązać się ze złożonymi problemami etycznymi.

Organizacje mogą ulec pokusie nadmiernej eksploatacji danych o pracownikach, podpierając się przy tym regulacjami dot.  prywatności i ochrony danych osobowych, takich jak Ogólne Rozporządzenie Unii Europejskiej o Ochronie Danych Osobowych (RODO) czy amerykańska Ustawa o Przenoszeniu i Odpowiedzialności Ubezpieczeń Zdrowotnych (Health Insurance Portability and Accountability Act). Przepisy te są jednak niewystarczające, jeśli chodzi o etyczną stronę wykorzystania informacji o pracownikach na rzecz interesów firmy. Faktem jest, że dane których gromadzenie jest niezbędne do podstawowego działania firmy, mogą być zwolnione z ograniczeń regulacyjnych. Jednak badania MIT CISR wykazały, że obowiązujące przepisy nie wystarczają, by organizacje mogły skutecznie nadzorować wykorzystanie danych osobowych do własnych celów. Firmy potrzebują reguły znanej jako dopuszczalne wykorzystanie danych (ADU – Acceptable Data Use) obejmującej zasady prawne, regulacyjne i etyczne w zakresie nadzoru.Indeks górny 2² ADU wykracza poza regulacje prawne, oferując etyczny nadzór poprzez uwzględnienie oczekiwań i pragnień organizacji oraz kluczowych interesariuszy, w tym pracowników.

Mówiąc wprost – obowiązujące w wielu krajach przepisy dotyczące gromadzenia danych i dalszego z nimi postępowania nie wystarczają, by kompleksowo nadzorować wewnętrzne i zewnętrzne wykorzystanie danych o ludziach.

Badania opublikowane w tym roku przez Dorothy Leidner i Olgertę Tonę sugerują, że liderzy mogą skutecznie zarządzać nakazami etycznymi związanymi z ADU, skupiając się na takiej wartości jaką jest godność.Indeks górny 3³ W tym wypadku mówimy oczywiście o godności pracownika. Spojrzenie na kwestię  danych z perspektywy godności osób, których dane te dotyczą inspiruje liderów do wprowadzania zasad pozyskiwania zgód, przejrzystości celów i ustaleń oraz zapewnienia, że wyniki są korzystne dla obu stron, zarówno dla organizacji, jak i jej pracowników.

Zrozumienie znaczenia informacji o pracownikach

Liderzy powinni najpierw zrozumieć różne wymiary danych dotyczących pracowników. Kompleksowy zestaw powiązanych ze sobą informacji o pracownikach określamy jako 5‑W (Who, What,Where, When, Why) –  kto, co, gdzie, kiedy i dlaczego.

·        Dane osobowe „kto” opisują osoby wykonujące pracę. Dane te ewoluowały od danych demograficznych pracowników, informacji kontaktowych, historii zdrowia, wynagrodzeń i świadczeń, do połączeń w sieciach społecznościowych i danych biometrycznych z urządzeń typu galanteria elektroniczna

·        Dane „co” opisują czynności zawodowe pracowników. Mogą one obejmować zachowania online, takie jak wyszukiwanie w internecie i działanie na klawiaturze, a także cyfrowe zachowania offline, jak monitoring wideo, transkrypcje audio z centrów obsługi telefonicznej i dzienniki pracy.

·        Dane „gdzie” ujawniają miejsce pobytu pracownika. Dane o miejscu pobytu, takie jak fizyczna lokalizacja i ruch przestrzenny, stają się coraz bardziej precyzyjne wraz z wprowadzeniem znaczników identyfikacji radiowej (RFID – Radio Frequency Identification*)*, urządzeń typu wearables, będących elementem ubioru (tzw. galanterii elektronicznej lub elektroniki ubieralnej) ,  śledzenia w obrębie budynku oraz inteligentnych fabryk.

·        Dane „kiedy” oznaczają czas działań pracowników i związanych z nimi zdarzeń lub wyników. Mogą one obejmować proste kamienie milowe dnia roboczego lub zadania roboczego, albo odzwierciedlać złożone serie czasowe zdarzeń zebranych przy użyciu różnych źródeł, takich jak dzienniki użytkowania, urządzenia mobilne, czujniki i transakcje.

·        Dane „dlaczego” historycznie reprezentowały wiedzę pracowników, udokumentowaną przez reguły biznesowe, które pracownicy biorą pod uwagę przy podejmowaniu decyzji lub ich refleksje na temat doświadczeń w kontaktach z klientami. Wraz z cyfryzacją, jeśli chodzi o automatyzację pracy, organizacje zarządzają coraz większymi bazami, zawierającymi wiedzę stojącą za ludzkimi decyzjami i zachowaniami. Na przykład, dane szkoleniowe sztucznej inteligencji (AI)  coraz częściej zawierają informacje zwrotne od pracowników na temat wyników działania modelu, dzięki czemu doświadczenia i oceny pracowników mogą z czasem poprawić jego wydajność.

Tym, co rzuca się w oczy w przypadku tak różnorodnych danych o pracownikach, jest ogromny potencjał organizacji do łączenia ich na niezliczone sposoby. Połączenie danych 5‑W pozwala firmom na osiągnięcie niespotykanego dotąd poziomu wglądu w prace i wzajemne powiązania między różnymi osobami w zespołach. Widzieliśmy, że firmy stosują takie rozwiązania, aby napędzać nowe usługi informacyjne, zmiany modelu biznesowego i reorganizację zadań.

Zrozumienie skutków wykorzystania danych pracowników

Mając w ręku dane 5‑W, organizacja może wykorzystać je do poznania lub wizualizacji działań pracowników. W trakcie transformacji cyfrowej obie czynności są ważne dla realizacji jej celów; wiedza i wizualizacja pomagają organizacjom w ocenie, ulepszaniu, zmianie i inżynierii pracy.

·        Poznanie pracowników odnosi się do sytuacji, w której organizacja wykorzystuje dane o pracownikach, aby zrozumieć ich działania, wydajność i zachowanie oraz to, w jaki sposób informacje te odnoszą się do pożądanych wyników. Widzieliśmy tego przykłady w firmach wykorzystujących dane pracownicze do automatyzacji lub reorganizacji procesów manualnych. Kiedy zespół projektowy wie, co i dlaczego robią ludzie, może stworzyć jednoznaczne reguły biznesowe dla automatyzacji procesów, wprowadzić robotykę do miejsca pracy lub trenować nadzorowane modele AI, które napędzają bardziej wydajne procesy.

·        Wizualizacja działań pracowników ma miejsce, gdy organizacja używa ich danych do przekazywania spostrzeżeń innym osobom w organizacji lub poza nią. Projekt GE obejmował wykorzystanie ekspertów ds. oceny zgodności z zasadami (complience) do przeszkolenia systemu sztucznej inteligencji oceniającej, czy wykonawca spełnił wymogi bezpieczeństwa na podstawie przedłożonej dokumentacji.Indeks górny 4⁴ Projekt ujawnił kryteria i procesy ewaluacji, które wcześniej były znane tylko ewaluatorom, stanowiąc trochę ich wiedzę tajemną. Dzięki temu, że pracownicy identyfikują słowa i wyrażenia, które wpłynęły na wymagania zgodności, dane „dlaczego” klasyfikują dokumenty szkoleniowe na podstawie spełnienia wymagań oraz przeprowadzają audyt wyników decyzji modelowych. Projekt, który wyświetlał recenzje i wyniki maszynowe na graficznym pulpicie nawigacyjnym pokazał, że recenzenci czasami byli niespójni w swoich ocenach i że poszczególni oceniający interpretowali czasami tekst na różne sposoby. Firma GE wykorzystała to zrozumienie, aby przekazać opinie ewaluatorom i poprawić ich edukację.

·        Warto zauważyć, że organizacje czasami dzielą się spostrzeżeniami wynikającymi z poznania i pokazania pracowników ze swoimi klientami lub partnerami zewnętrznymi. Na przykład, mogą dzielić się wiedzą na temat zachowań pracowników z partnerami, którzy oferują usługi dla pracowników, takie jak parkingi czy benefity korporacyjne. Mogą pokazać anonimowo praktyki lub wyniki pracy pracowników dostawcy usług benchmarkingowych, który ocenia wydajność w danej branży. Mogą też pokazywać klientom miejsca pobytu pracowników, aby uczynić procesy obsługi bardziej przejrzystymi.

Oceniając wykorzystanie danych , skup się na godności zatrudnionych

Organizacje mogą odnieść ogromne korzyści z wglądu w dane pracowników, biorąc pod uwagę to, w jaki sposób mogą one wpłynąć na poprawę pracy i doświadczeń klientów – co może przyczynić się do znacznego obniżenia kosztów, wzrostu przychodów i osiągnięcia wcześniej nieosiągalnych celów. Zanim jednak będzie można cieszyć się tymi wielkimi sukcesami, firmy i liderzy muszą zagwarantować, że zarządzanie danymi pracowników jest prowadzone w sposób odpowiedzialny. Zdefiniowanie metody, w jaki organizacja ceni pracowników i obchodzi się z wykorzystaniem danych pracowniczych – poprzez traktowanie pracowników z godnością – jest doskonałym sposobem, aby postępować zgodnie z tą zasadą.

Godność w szerokim znaczeniu odnosi się do uznania, że ludzie mają wewnętrzną wartość, że mają pewne prawa i zasługują na szacunek.Indeks górny 5⁵ Godność przybiera trzy formy: behawioralną, merytokratyczną i wewnętrzną:

· Godność behawioralna: Jednostki mają zasoby, które gwarantują im dobrostan.

· Godność merytokratyczna: Jednostki są cenione za swój wkład.

· Godność wewnętrzna: Jednostki są traktowane jako godne szacunku niezależnie od statusu.

Każda z tych form godności oferuje odrębny sposób oceny czy organizacja wspiera godność pracownika, czy też jej zagraża. Organizacje uzbrojone w tę wiedzę mogą zmienić swoje praktyki tak, aby upewnić się, że wspomagają, a nie zagrażają behawioralnej, merytokratycznej i wewnętrznej godności pracowników.

Organizacje wspierają godność behawioralną poprzez zapewnienie pracownikom dostępu do odpowiednich zasobów oraz pomagają pracownikom w osiąganiu ich celów i spełnianiu oczekiwań organizacyjnych. Tak właśnie postąpiła firma GE, która wykorzystała dane dotyczące powodów do przekazania informacji zwrotnych i przeprowadzenia szkoleń, aby pomóc pracownikom stać się lepszymi osobami oceniającymi zgodność z przepisami. Firma wspierała również godność behawioralną poprzez swoje wysoce przejrzyste i wykorzystują twarde dane narzędzie do monitorowania oceny. Interfejs wizualny w przejrzysty sposób przedstawiał decyzje człowieka i maszyny wraz z ich uzasadnieniem, dzięki czemu organizacja i pracownicy wspólne mogli zrozumieć zgodność z zasadami i luki procesowe, które należało usunąć. Jak pokazuje ten przykład, przejrzystość jest kluczem do praktyk wspierających godność behawioralną.

Organizacje wspierają godność merytokratyczną pracowników poprzez uznawanie i nagradzanie ich za wkład w rozwój organizacji. Na przykład w sytuacji, gdy dane pracowników są wykorzystywane do zmiany kształtu lub automatyzacji pracy, pracownicy mogą otrzymać trudniejsze zadania (ponieważ łatwiejsze zostały zautomatyzowane lub wyeliminowane). W takich przypadkach zaobserwowaliśmy, że organizacje wspierają godność merytokratyczną poprzez celowe podnoszenie kwalifikacji i wynagradzanie pracowników, aby wykonywali nowe, bardziej satysfakcjonujące i pożądane zadania, a także poprzez nagradzanie pracowników za pomoc w zwiększeniu efektywności dotychczasowych procesów. W efekcie organizacje dbają o to, aby zarówno firma, jak i pracownicy czerpali obopólne korzyści z efektywnego wykorzystania danych pracowniczych.

Organizacje wspierają wrodzoną godność pracowników, traktując ich jako szanowanych, cenionych członków organizacji. Wymaga to między innymi zapewnienia pracownikom kontroli nad wykorzystaniem ich danych. Pomocną praktyką jest zarządzanie uprawnieniami do gromadzenia i wykorzystywania danych pracowników w taki sam sposób, jak w przypadku gromadzenia i wykorzystywania danych klientów. Często firmy wysoko stawiają sobie poprzeczkę w zakresie nadzoru nad danymi klientów, a technologie, kontrole i perspektywy stosowane do zarządzania danymi klientów mogą być ponownie zastosowane w celu zagwarantowania, że dane pracowników są traktowane w sposób akceptowalny. Jeśli wymagamy zgody klienta przed wykorzystaniem jego danych do nowego celu, organizacja będzie również potrzebowała zgody pracownika na wykorzystanie danych do zastosowań wykraczających poza wcześniejsze ustalenia.

Organizacje mogą docenić godność pracowników poprzez (1) zapewnienie pracownikom jasnych, opartych na dowodach wskazówek, które pomagają im w wykonywaniu pracy, (2) uznanie i nagradzanie doskonałych wyników i osiągnięć oraz (3) umożliwienie pracownikom kontroli nad ich wkładem w pracę. Takie działania są wyrazem przejrzystej, wartościowej wymiany między pracodawcą a pracownikami, która z czasem prowadzi do wzrostu zaufania.

Przypisy:

Indeks górny 1. W latach 2019‑2020 badacze MIT CISR przeprowadzili 100 wywiadów z uczestnikami 52 odrębnych projektów AI w 48 firmach. W 2021 r. autorzy dokonali przeglądu 22 z tych projektów, które wykazały znaczące wykorzystanie danych pracowniczych i przeanalizowali je, skupiając się na godności ludzkiej. Indeks górny koniec^{1. W latach 2019‑2020 badacze MIT CISR przeprowadzili 100 wywiadów z uczestnikami 52 odrębnych projektów AI w 48 firmach. W 2021 r. autorzy dokonali przeglądu 22 z tych projektów, które wykazały znaczące wykorzystanie danych pracowniczych i przeanalizowali je, skupiając się na godności ludzkiej.}

Indeks górny 2. B. H. Wixom i M. L. Markus, To Develop Acceptable Data Use, Build Company Norms, MIT Sloan CISR Research Briefing XVII‑4, kwiecień 2017, https://cisr.mit.edu. Indeks górny koniec^{2. B. H. Wixom i M. L. Markus, To Develop Acceptable Data Use, Build Company Norms, MIT Sloan CISR Research Briefing XVII‑4, kwiecień 2017, https://cisr.mit.edu.}

Indeks górny 3. D. E. Leidner i O. Tona, The CARE Theory of Dignity and Personal Data Digitalization, MIS Quarterly 45, nr 1 (marzec 2021): 343‑370. Indeks górny koniec^{3. D. E. Leidner i O. Tona, The CARE Theory of Dignity and Personal Data Digitalization, MIS Quarterly 45, nr 1 (marzec 2021): 343‑370.}

Indeks górny 4. B. H. Wixom, I .A.  Someh oraz C.M. Beath, GE’s Environment, Health, and Safety Team Creates Value Using Machine Learning” dokument roboczy 448, MIT Sloan CISR, Cambridge, Massachusetts, listopad 2020. Indeks górny koniec^{4. B. H. Wixom, I .A.  Someh oraz C.M. Beath, GE’s Environment, Health, and Safety Team Creates Value Using Machine Learning” dokument roboczy 448, MIT Sloan CISR, Cambridge, Massachusetts, listopad 2020.}

Indeks górny 5. Leidner i Tona, The CARE Theory. Indeks górny koniec^{5. Leidner i Tona, The CARE Theory.}