Algoritmisk styring på europæiske arbejdspladser

Algoritmisk ledelse er brugen af digitale teknologier til helt eller delvist at automatisere ledelsesfunktioner, herunder organisering, koordinering, overvågning, tilsyn og evaluering af arbejdet. Selvom begrebet oprindeligt blev forbundet med digitale arbejdsplatforme, forstås det nu som at anvende det bredere på tværs af et bredere spektrum af beskæftigelsesmiljøer.

Selvom algoritmisk styring kan øge effektiviteten og risikostyringen og i nogle sektorer, såsom finansielle tjenester og transport, kan være drevet af overholdelse af lovgivning, medfører det også udfordringer og potentielle ulemper. Selvom kvantitativ evidens baseret på repræsentative undersøgelser er relativt begrænset, er der en voksende mængde forskning – hovedsageligt baseret på kvalitative studier – der forbinder algoritmisk ledelse med arbejdsintensivering, øget tidspres og reduceret medarbejderautonomi. Eksisterende evidens tyder også på, at effekterne afhænger af de jobressourcer, der er tilgængelige for arbejdstagerne, såsom autonomi, organisatorisk støtte og brug af kompetencer, hvilket kan afbøde potentielle negative konsekvenser.

Denne rapport bidrager til den igangværende politiske debat ved at præsentere resultater fra analysen af European Working Conditions Survey 2024-data med fokus på algoritmisk ledelse på europæiske arbejdspladser. I denne rapport måles algoritmisk ledelse på, om medarbejdere rapporterer, at computerprogrammer bruges på arbejdet til at fordele deres opgaver, bestemme deres arbejdstid (planlægning) eller overvåge deres præstation. Denne forenklede operationalisering fanger tre kernefunktioner i algoritmisk ledelse, men giver ikke en udtømmende definition af begrebet. Analysen er begrænset til medarbejdere og undersøger både udbredelsen af algoritmisk ledelse og dens forhold til arbejdsvilkår samt medarbejdernes sundhed og trivsel.

For at undersøge den samlede sammenhæng mellem algoritmisk styring, jobressourcer og jobkrav og sundheds- og velværeresultater trækker denne rapport på begrebet jobbelastning, defineret som en situation, hvor jobkravene overstiger jobressourcerne. Medarbejdere er fordelt på en række jobkvalitetsprofiler fra stærkt belastede job med høje krav og begrænsede ressourcer til højt ressourcestærke job præget af en mere fordelagtig balance mellem krav og ressourcer.

Efter vedtagelsen af Platform Work Directive (Direktiv (EU) 2024/2831) er politisk opmærksomhed gradvist flyttet ud over det oprindelige fokus på algoritmisk styring i platformarbejde til at anvende det i mere konventionelle arbejdsmiljøer. Klassificeringen af visse kunstige intelligenssystemer (AI) brugt til arbejdsledelse som højrisikosystemer under Artificial Intelligence Act (forordning (EU) 2024/1689) markerer et vigtigt skridt i EU's tilgang til regulering af digitale teknologier på arbejdspladsen og afspejler den voksende bekymring for konsekvenserne af disse teknologier for medarbejderne.

Andre EU-lovgivningsinstrumenter, der er relevante for algoritmisk styring, omfatter den generelle forordning om databeskyttelse (forordning (EU) 2016/679), som fastsætter beskyttelse af behandling af arbejdstageres persondata og automatiserede beslutningstagning; rammedirektivet om information og høring (direktiv 2002/14/EF), som sikrer medarbejderrepræsentanters inddragelse i beslutninger, der påvirker arbejdsorganisationen; og rammedirektivet om arbejdsmiljø (Rådets direktiv 89/391/EØF), som kræver, at arbejdsgivere vurderer og forebygger risici for arbejdstageres sundhed og sikkerhed, herunder psykosociale risici.

Mere for nylig anerkendte Europa-Parlamentet i sin resolution om digitalisering, kunstig intelligens og algoritmisk styring på arbejdspladsen (2025) både mulighederne og udfordringerne forbundet med den stigende brug af digitalisering, AI og algoritmisk styring på arbejdspladsen.

• Algoritmisk ledelse er mest udbredt blandt kontorarbejdere, teknikere samt maskin- og anlægsoperatører. I disse erhverv er automatiseret opgavefordeling og præstationsovervågning de mest almindeligt rapporterede algoritmiske ledelsesfunktioner, mens automatiseret planlægning er betydeligt mindre udbredt. Ledere, fagfolk, service- og salgsarbejdere, håndværkere, arbejdere i elementære erhverv og især dygtige landbrugsarbejdere rapporterer lavere niveauer af algoritmisk ledelse samlet set. Automatiseret planlægning er også mere jævnt fordelt på tværs af erhverv end de to andre funktioner.

• I de sektorer med størst udbredelse af algoritmisk styring – finans og ejendomme, information og kommunikation samt transport og lagring – er præstationsovervågning og automatiseret opgaveallokering konsekvent de mest rapporterede funktioner, mens automatiseret planlægning er mindre udbredt. Til sammenligning er alle tre funktioner relativt sjældne inden for uddannelse, landbrug og minedrift samt byggeri.

• Ud af de tre algoritmiske styringsfunktioner er automatiseret opgavefordeling den stærkeste forudsigelse af jobtransformation, herunder oprettelse af nye opgaver, fjernelse af andre opgaver og større interaktion med kolleger. Automatiseret planlægning og præstationsovervågning viser lignende, men mere moderate sammenhænge med jobtransformation.

• Brugen af de tre algoritmiske ledelsesfunktioner er forbundet med højere jobkrav, især kvantitative krav (der fanger arbejdsintensitet). Medarbejdere, der er underlagt algoritmisk ledelse, har også større sandsynlighed for at opleve jobbelastning end dem, der ikke gør. Blandt de tre undersøgte funktioner skiller præstationsovervågning sig ud som den, der mest konsekvent forbindes med dårligere sundheds- og trivselsresultater, og den synes i mindre grad at forstærke de negative effekter af eksisterende jobbelastning i allerede krævende job.

• Om algoritmisk styring afbøder eller forstærker disse negative udfald, afhænger af den specifikke algoritmiske funktion: automatiseret opgavefordeling hverken mindsker eller forstærker jobbelastningen; automatiseret planlægning har en marginalt signifikant afbødende effekt for medarbejdere i overbelastede jobs; og præstationsovervågning forstærker markant de negative effekter af jobbelastning, hvilket yderligere øger udmattelse og konflikt mellem arbejde og familie og reducerer arbejdsengagementet.

• Algoritmisk ledelse er ikke jævnt fordelt på tværs af sektorer, erhverv og EU-medlemsstater, og det er heller ikke et ensartet sæt praksisser; det omfatter snarere en bred vifte af ledelsesfunktioner og organisatoriske anvendelser. Selvom fælles basisbeskyttelser er afgørende, kan deres implementering understøttes gennem social dialog, kollektive forhandlinger, praktisk vejledning og eksempler på god praksis, der afspejler de forskellige måder, algoritmisk styring anvendes på.

• Løbende overvågning og sammenligninger på tværs af medlemsstater kan hjælpe med at styrke evidensbaseret politikudvikling. Samtidig er der behov for større investering i at analysere virksomhedspraksis for bedre at forstå, hvordan algoritmiske ledelsesfunktioner implementeres og integreres i arbejdsorganisationen, herunder hvordan forskellige værktøjer og praksisser interagerer og kombineres for at forme arbejdspladsresultater.

• Algoritmisk styring er en del af den bredere digitale transformation af arbejde. I denne analyse er det forbundet med højere jobkrav, især kvantitative krav og større arbejdsbelastning, mens forholdet til adgang til jobressourcer er mere blandet. Efterhånden som udbredelsen af udbredelsen af implementeringen, bør der lægges vægt på konsekvenserne for jobkvaliteten ved at sikre, at implementeringen ledsages af tilstrækkelige jobressourcer, medarbejderstøtte og sikringer af sunde arbejdsvilkår.

• Præstationsovervågning er den mest udbredte form for algoritmisk styring og er forbundet med højere krav, færre ressourcer og dårligere sundheds- og trivselsresultater, især for allerede pressede arbejdstagere. Sikkerhedsforanstaltninger bør sikre gennemsigtighed om, hvad der overvåges, hvordan data bruges, og hvordan beslutninger træffes. Stærk håndhævelse af arbejds- og databeskyttelseslove – sammen med effektiv implementering af eksisterende rettigheder til information, konsultation og kollektive forhandlinger – er afgørende for at sikre, at algoritmisk præstationsovervågning er retfærdig og proportional.

• Det er afgørende at sikre ansvarlig implementering og integration af algoritmiske ledelsesfunktioner i organisatoriske processer og digitale systemer gennem styringsrammer, konsekvensvurderinger og medarbejderinddragelse. Hvor relevante risici identificeres, bør organisationer implementere passende sikkerhedsforanstaltninger i overensstemmelse med gældende lovgivning om arbejdskraft, databeskyttelse og AI. Algoritmisk ledelse kan omforme opgaver og arbejdsorganisation, hvilket kræver en menneskecentreret redesign af job, der tilpasser produktivitetsgevinster til medarbejdernes trivsel, understøttet af politiske retningslinjer og konsultationsmekanismer.