Digitaliseringen av arbetslivet är den största uppgraderingen av taylorismen någonsin, men i till synes effektiviserande algoritmer göms ökad exploatering. Jon Weman om kontroll, digitalisering och skenet av vetenskaplighet i arbetet.
Det var nära att Fredrick Taylor, skaparen av den ”vetenskapliga arbetsledningen” under början av 1900-talet, aldrig ens fick sin revolution ur startblocken: av de första 28 arbetarna som konfronterades med de nya rutinerna och kravet att under dagen lyfta tre gånger så många ton som tidigare, slutade 27. Henry Noll blev kvar och fick sin bonus.
Senare historieskrivning har ofta överdrivit hur sofistikerade Taylors reformer var. I sin klassiska bok om det moderna arbetslivet, Arbete och monopolkapital, citerar Henry Braverman en arbetssociolog från några årtionden senare som talar om beräkningen av ”den exakta vinkeln för skovelns bett in i högen”, uppenbarligen okunnig om att tackjärn alls inte går att lasta med skovel till att börja med. Till en väsentlig del handlade hans nya ordning helt enkelt om att säga till folk att arbeta snabbare och ta färre pauser, samt övervaka dem hårdare för att se till att de följde order.
”1800-talets arbetsliv” förknippar nog de flesta med daglönare, brutala brukspatroner och livsfarliga fabriksmiljöer, vilket det var, men det var också en tid när i många branscher arbetare var ganska fria att sköta sitt arbete som de fann bäst.
Först med den vetenskapliga arbetsledningen blev det vedertaget att på arbetsplatsen lämna vår självständighet bakom oss och underkasta sig en strikt styrning av våra rörelser och beteende, på ett sätt vi ser i få andra delar av vardagen. Under efterkrigstiden blev kontrollen ännu mer närgången och detaljerad med nymodigheter som tidsstudierna.
Till en väsentlig del handlade hans nya ordning helt enkelt om att säga till folk att arbeta snabbare och ta färre pauser, samt övervaka dem hårdare för att se till att de följde order.
Och den digitala revolutionen på arbetsplatserna är den största uppgraderingen av Taylors principer någonsin, menar en artikel i Harvard Business Review av konsulten Mike Walsh, som noterar att Wikipedias definition av taylorism räknar upp ”datainsamling, processanalys, effektivitet, eliminering av tidsförluster, standardiserade rutiner, förkastande av traditioner, massproduktion och skala, och kunskapsöverföring från arbetare till verktyg, rutiner och dokument” – vilket låter precis som hur moderna digitaliseringskonsulter brukar uttrycka sig, konstaterar han.
Med teknik som RFID-chip och ”sakernas Internet” går det att följa varje anställds förflyttning exakt genom en byggnad. GPS-teknik möjliggör det samma för yrkesgrupper som rör sig ute i det fria, som hemtjänstanställda och lastbilschafförer. Plex Systems, konsulter inom bilindustrin, talar om att göra de anställda till “vandrande sensorer” genom bland annat Google Glass. Företaget Steelcase specialiserar sig på kontorsmiljö – de säljer kontorsmöbler med inbyggda sensorer.
Företag som Uber utformar sina appar efter förebilder i dataspelsbranschen för att uppmuntra förare att köra maximalt.
Och automatiserad dataanalys ger i varje fall en utsikt att hantera övervakningens klassiska dilemma, att man samlar in så mycket information att övervakaren själv inte klarar av att få något vettigt ut av dem.
Som många gånger är Amazon steget före i utvecklingen: de följer inte bara sina anställdas rutt genom lagerbyggnaderna, utan har till och med utrustat dem med armband som registrerar deras exakta rörelser och vibrerar för att korrigera dem – tidsstudiernas mål inbyggt i teknik.
Nu har Covid-19 gett ytterligare ett argument för att skärpa kontrollen. Amazon och Wallmart tar tempen på sina anställda med infraröda kameror vid ingången; amerikanska Radiant RFID säljer armband med just RFID-chip som surrar om två kommer närmre varandra än säkerhetsavståndet. Ett sjukhus i Barcelona testar en utrustning som känner av om vårdanställda har tvättat händerna och först därefter låser upp dörrar in till patientrum, medan ett system företaget Swipesense säljer registrerar information om handhygien och skickar vidare till företagsledningen, enligt tidningen Slate.
Men om och när pandemin är över – kommer systemen att tas bort eller bara ges nya syften?
På 1940-talet utvecklades den ”vetenskapliga arbetsledningen” vidare med ett teoretiskt erkännande av att arbetarna var mänskliga individer med egna tankar och känslor – och systematiska metoder för att hantera, för att inte säga manipulera, dem. Det var då begreppet ”mänskliga resurser” började användas.
I dag finns till exempel Sociometric Solutions, som uppfann vad som ser ut som vanliga ID-brickor, men som är uppkopplade och mäter bland annat hur personen rör sig, med vem han talar, och i vilket tonläge. Hos Bank of America upptäckte de därigenom exempelvis att den avgörande skillnaden mellan mer och mindre produktiva callcenter var om de hade gemensamma raster eller inte. Företag som Uber utformar sina appar efter förebilder i dataspelsbranschen för att uppmuntra förare att köra maximalt.
Den påstådda vetenskapligheten gav argument för att skärpa kontrollen.
Microsoft har tagit patent på ett system som mäter bland annat pupillens utvidgning för att avgöra om en anställd är trött och sända ut en robot med kaffe eller energidryck. En ny algoritm på Amazon ska flytta arbetare mellan skift på ett sätt som varierar belastningen mellan olika muskelgrupper.
Det är belysande att just Amazon lanserar ett sådant system, under förevändningen att det helt enkelt beräknar det optimala sättet att arbeta – samtidigt som företaget gång på gång avslöjats med att hetsa sina anställda i ett omänskligt tempo.
Den ”vetenskapliga företagsledningen” var alltid lika mycket ideologi som vetenskap – i verkligheten var beräkningarna inte alltid så underbyggda, men den påstådda vetenskapligheten gav argument för att skärpa kontrollen.
Den nya tidens taylorism påstår sig också bara med avancerad dataanalys hitta det objektivt bästa sättet att göra saker, men är lika mycket en ideologi, som sätter produktiviteten och vinsten före allt annat och döljer det ställningstagandet genom att bygga in det i en algoritm.
