33 03 / 22 PERSONALquarterly DR. HAIBING MA Chief Algorithm Officer Deep Blue Technology (Shanghai) Co., Ltd. E-Mail: mahb@deepblueai.com PROF. DR. PETER W. CARDON Professur für Business Communication an der Marshall School of Business University of Southern California E-Mail: cardon@marshall.usc.edu www.marshall.usc.edu liert wird, bietet er den Mitarbeitern ein hohes Maß an Sicherheit, da er ihre berufliche Entwicklung fokussiert. Der meritokratische Kontrollansatz (oberer rechter Quadrant Abb. 1) ergibt sich aus der Perspektive, dass Mitarbeiter ihre Daten kontrollieren. Sie können sich unter bestimmten Anreizen für das Teilen von Daten entscheiden. Angesichts des Widerstands gegen algorithmisch gesteuerte Bewertungssysteme (Newman et al., 2020) erfordert dieser Ansatz die aktivsten Überzeugungsbemühungen vonseiten des Managements. Der Ansatz des Social Contracts (oberer linker Quadrant Abb. 1) ergibt sich schließlich direkt aus den Empfehlungen von Martin (2016) zur Annahme eines konsensbasierten, kontextbasierten und Stakeholder-basierten Ansatzes für die Entwicklung von Normen und Richtlinien. Dieser Ansatz beinhaltet die meiste Kontrolle und das meiste Sicherheitsgefühl für die Mitarbeiter, wird aber nur wenig in Unternehmen genutzt. Da KI-Tools immer häufiger werden, ist es wahrscheinlich, dass viele neue und unbeabsichtigte Ergebnisse auftreten werden (Seeber et al., 2020). Dies macht eine ständige Auseinandersetzung mit Fragen rund um ihre Nutzung erforderlich. Ohne einen soliden Social-Contract-Ansatz, der viele Interessengruppen einbezieht, fühlen sich Mitarbeiter leicht in ihrer Privatsphäre verletzt. Ein Social-Contract-Ansatz strebt eine für beide Seiten vorteilhafte Vereinbarung über den Austausch und die Nutzung von Informationen an (Martin, 2016). Die Anwendung eines solchen Ansatzes erfordert, dass die Stakeholder kontinuierlich kommunizieren, um Normen und Richtlinien für die Nutzung von Mitarbeiterdaten und algorithmischen Tools auszuhandeln. Dieser Ansatz sollte aus mehreren Gründen bevorzugt werden: zum Schutz der Mitarbeiter, zur Maximierung der Mitarbeiterleistung und zur Vermeidung von weitreichendemMitarbeiterwiderstand. Angesichts der tiefgreifenden Veränderungen in der Datennutzung, die mit neuen KI-Tools möglich sind, ist der Social-Contract-Ansatz gut positioniert, Normen und Richtlinien in einem offenen, transparenten und beiderseitig zufriedenstellenden Dialog zu entwickeln. SUMMARY Research question: How should and shouldn’t employee data be used? In what ways should AI tools be applied or not applied to employee data? Methodology: Qualitative interviews with 50 employees and managers from different industries in Germany, China and USA Practical Implications: We recommend that organizations strongly consider adopting a social contract approach to setting policy and guidelines for employee data in order to generate a sustainable conversation about protecting employees and increasing performance. PROF. DR. CAROLIN FLEISCHMANN Professur für International Business an der Fakultät für Betriebswirtschaft Technische Hochschule Rosenheim E-Mail: carolin.fleischmann@th-rosenheim.de www.th-rosenheim.de LITERATURVERZEICHNIS Braganza, A./Chen, W./Canhoto, A./Sap, S. (2021): Productive employment and decent work: The impact of AI adoption on psychological contracts, job engagement and employee trust. Journal of Business Research, 131, 485–494. Donaldson, Th./Dunfee, Th. W. (1994): Towards a unified Conception of Business Ethics: Integrative Social Contracts Theory. In: Academy of Management Review,Vol.19, No. 2, S. 252-284. Edmondson, A. (1999): Psychological safety and learning behavior in work teams. Administrative Science Quarterly, 44(2), 350–383. Gal, U./Jensen, T. B./Stein, M.-K. (2020): Breaking the vicious cycle of algorithmic management: A virtue ethics approach to people analytics. Information and Organization, 30, 2, 100301. Kellogg, K. C./Valentine, M. A./Christin, A. (2020): Algorithms at work: The new contested terrain of control. The Academy of Management Annals, 14(1), 366–410. Martin, K. (2016): Understanding privacy online: Development of a social contract approach to privacy. Journal of Business Ethics, 137, 551–569. Newman, D. T./Fast, N. J./Harmon, D. J. (2020): When eliminating bias Isn’t fair: Algorithmic reductionism and procedural justice in human resource decisions. Organizational Behavior and Human Decision Processes, 160, 149–167. Seeber, I./Waizenegger, L./Seidel, S./Morana, S./Benbasat, I./Lowry, P. B. (2020): Collaborating with technology-based autonomous agents: Issues and research opportunities. Internet Research, 30(1), 1–18.
RkJQdWJsaXNoZXIy Mjc4MQ==