Explorer le potentiel de l’IA pour améliorer la confiance dans les environnements de travail non routine

Dans l’économie d’aujourd’hui, de nombreux travailleurs sont passés du travail manuel vers le travail des connaissances, une décision motivée principalement par les avancées technologiques, et les travailleurs de ce domaine sont confrontés à des défis concernant la gestion du travail non routine, ce qui est intrinsèquement incertain. Les interventions automatisées peuvent aider les travailleurs à comprendre leur travail et à stimuler les performances et la confiance.

Dans une nouvelle étude, les chercheurs ont exploré comment intelligence artificielle (AI) peut améliorer les performances et la confiance dans les environnements de travail des connaissances. Ils ont constaté que lorsque les systèmes d’IA fournissaient des commentaires en temps réel, les performances et la confiance augmentaient.

L’étude, par des chercheurs de l’Université Carnegie Mellon, est publié dans Ordinateurs dans le comportement humain. L’article fait partie d’un numéro spécial, « The Social Bridge: An Interdisciplinary View on Trust in Technology », dans lequel les chercheurs d’une gamme de disciplines explorent les mécanismes et les fonctions de confiance dans les personnes et les technologies.

« Nos résultats remettent en question les préoccupations traditionnelles que la gestion dirigée par l’IA favorise la méfiance et démontre une voie par laquelle l’IA complète le travail humain en fournissant plus grande transparence et l’alignement avec les attentes des travailleurs « , suggère qu’Anita Williams Woolley, professeur de comportement organisationnel à la Tepper School of Business de Carnegie Mellon, qui a co-écrit l’étude. » Les résultats ont des implications générales pour la gestion de la performance alimentée par l’IA dans les industries qui dépendent de plus en plus des environnements de travail numériques et algorithmiques. « 

Les applications de l’apprentissage automatique et de l’IA se sont toujours avérées capables de réaliser tâches cognitivesà condition qu’ils puissent être routinés. Mais dans le travail non routine, les capacités de l’IA (par exemple, celles conçues pour faciliter la capacité des gestionnaires à surveiller la productivité) se retournent souvent contre, favorisant l’inimitié au lieu de l’efficacité.

Dans cette étude, les chercheurs ont cherché à déterminer comment la fréquence des commentaires et l’incertitude d’une tâche interagissaient pour influencer les perceptions des travailleurs de la fiabilité d’un algorithme. Dans une expérience randomisée et contrôlée, 140 hommes et femmes (principalement blancs et avec un âge médian de 39 ans) ont effectué des tâches de soins dans un environnement de soins de santé à domicile simulé en ligne.

Les individus ont été assignés au hasard pour recevoir ou ne pas recevoir automatisé en temps réel rétroaction (c’est-à-dire les commentaires livrés pendant la tâche) tout en effectuant leur travail dans des conditions d’une incertitude élevée ou faible. Après avoir terminé la tâche, ils ont reçu une note déterminée algorithmique en fonction de leurs performances réelles sur la tâche.

Les commentaires en temps réel ont augmenté la fiabilité perçue de la note de performance en stimulant le sentiment de leur propre qualité de travail (c’est-à-dire la connaissance des résultats) et en réduisant le degré auquel ils ont été surpris par leur évaluation finale. Ceci, à son tour, a amélioré la confiance des travailleurs dans les cotes de performance générés par l’IA, en particulier dans les milieux de travail non routine où l’incertitude était élevée.

Parmi les limites de l’étude, les auteurs notent que leurs résultats peuvent ne pas se généraliser à toutes les circonstances, en partie parce que les participants à l’étude n’étaient pas tirés d’une population de soignants et que la tâche simulée ne représentait pas les soins réels. De plus, l’étude n’a pas examiné le rôle des différences individuelles, telles que les niveaux de conscience et d’expertise.

« Le travail non routine a longtemps posé des défis aux stratégies de gestion traditionnelles, et le développement de systèmes de gestion algorithmique offre la possibilité de commencer à y remédier », note Allen S. Brown, un doctorat. Étudiant en comportement organisationnel et théorie à la Tepper School of Business de Carnegie Mellon, qui a dirigé l’étude.

« Notre identification d’un nouveau cadre pour examiner les interventions de gestion, celle qui rend les normes de performance plus transparentes et augmente la connaissance des travailleurs des résultats, est particulièrement pertinente dans les environnements de travail émergents d’aujourd’hui. »