IA on the job: Aufgaben verteilen, ohne Ausgewogenheit mit Gerechtigkeit zu verwechseln

Ein KI-Assistent kann anhand der angegebenen Verfügbarkeit vorschlagen, wie Dossiers, Kunden oder Projekte verteilt werden. Die konkrete Führungsfrage lautet: Wie lässt sich prüfen, ob diese Verteilung unter dem Vorzeichen einer ausgewogenen Arbeitsbelastung die Lernmöglichkeiten immer bei denselben Personen konzentriert?

Was die Forschung belegt

Jason A. Colquitt (2001, Journal of Applied Psychology) liefert empirische Belege für vier unterscheidbare Dimensionen organisationaler Gerechtigkeit: distributive, prozedurale, interpersonale und informationale Gerechtigkeit. Das Ergebnis, sein Zustandekommen, der Umgang mit den Menschen und die gegebenen Erklärungen bilden demnach kein einziges undifferenziertes Urteil. Auf eine KI-gestützte Aufgabenverteilung übertragen, mahnt diese Unterscheidung dazu, gleiche Arbeitsmengen nicht als ausreichenden Beleg für Gerechtigkeit zu betrachten.

Gerechtigkeitsdimensionen, die sich nicht ersetzen

Jason A. Colquitt, Donald E. Conlon, Michael J. Wesson, Christopher O. L. H. Porter und K. Yee Ng (2001, Journal of Applied Psychology) zeigen in einer Metaanalyse, dass diese Dimensionen teilweise unterschiedliche Zusammenhänge mit Einstellungen und Verhaltensweisen am Arbeitsplatz aufweisen. Eine ausführliche Erklärung und eine günstige Zuteilung sind somit nicht einfach austauschbar. Für Führungskräfte bedeutet dies, die Zuteilungskriterien und den Wert der zugeteilten Aufgaben getrennt zu betrachten.

Der voreilige Schluss

Daraus könnte man schliessen, dass eine Verteilung gerecht wird, sobald ihre Kriterien offengelegt und einheitlich angewendet werden. Das wäre voreilig: Ein Kriterium wie bisherige Erfahrung kann eine verlässliche Aufgabenerfüllung unterstützen und zugleich entwicklungsfördernde Aufgaben dauerhaft den bereits Erfahrenen vorbehalten. Dieses Risiko ist eine im Unternehmen zu prüfende Hypothese, kein durch die zitierten Studien belegter KI-Effekt. (unsere Weiterbildungen für Führungskräfte und Mitarbeitende)

Was die Daten nicht belegen

Diese Arbeiten untersuchen organisationale Gerechtigkeit, nicht die Aufgabenverteilung durch generative KI. Sie erlauben weder, einem Tool Gerechtigkeit zu bescheinigen, noch, die richtige Gewichtung von Verfügbarkeit, Kompetenz und beruflicher Entwicklung festzulegen. Die Prüfung muss auch geäusserte Präferenzen und tatsächliche Einschränkungen berücksichtigen: Eine Aufgabe mit hoher Sichtbarkeit ist nicht automatisch eine erwünschte Gelegenheit.

Eine überprüfbare Praxis in Lugano

Im Rahmen von « IA on the job » bei SHR könnte eine Übung darin bestehen, während eines Monats alle Aufgaben eines Teams zu untersuchen, die für eine KI-gestützte Verteilung infrage kommen: Bankdossiers, Markteinführungen in der Modebranche, Lieferantenbeziehungen im Handel oder Projekte eines italienischsprachigen Familien-KMU. Vor der Verteilung würden Führungskraft und Team auf Italienisch definieren, was als Entwicklungsmöglichkeit gilt, und anschliessend für jede Aufgabe die infrage kommenden Personen, ihre Verfügbarkeit, ihre Wünsche und die endgültige Zuteilung festhalten. Die Kennzahl wäre für jede Person die Anzahl erhaltener entwicklungsfördernder Aufgaben geteilt durch die Anzahl jener Aufgaben, für die sie geeignet, verfügbar und zur Übernahme bereit war. Eine Abweichung würde keine Ungerechtigkeit beweisen, aber eine überprüfbare Grundlage bieten, um die Zuteilungsgründe zu untersuchen, ohne Kundendaten an ein nicht freigegebenes Tool zu übermitteln. Weiterführend: entdecken Sie die KI im Arbeitsalltag-Weiterbildung in Lugano, oder durchstöbern Sie unsere Weiterbildungen für Führungskräfte und Mitarbeitende in der Schweiz.

In Bildern: KI im Arbeitsalltag in Lugano

• ki im arbeitsalltag
• Lugano
• forschung
• Weiterbildung lugano