Working and organizing in the age of the learning algorithm

الگوریتم های یادگیری، فن آوری هایی که پاسخ ها، طبقه بندی ها و یا پیش بینی های پویا را شبیه به کار یک دانشمند تولید می کنند، پرسش های مهم تحقیقاتی را برای دانش پژوهان سازمان مربوط به کار و سازماندهی می کنند. ما پیشنهاد می کنیم که چنین الگوریتمی ها با چهار جنبه پی در پی تفاوت دارند: عملکرد جعبه سیاه، دیجیتالی جامع، اندازه گیری پیش بینی و سیاست های پنهان. این جنبه ها احتمالا کار و سازماندهی را با روش های کیفی متفاوت فراتر از سادگی نشان می دهد که شتاب روند روندهای تکنولوژیکی درازمدت است. تجزیه و تحلیل ما نشان می دهد که الگوریتم های یادگیری تخصص در سازمان ها را تغییر خواهد داد، تغییر شکل کار و مرزهای شغلی و ارائه فرم های جدید هماهنگی و کنترل. بنابراین، الگوریتم های یادگیری را می توان به صورت مقدماتی در نظر گرفت، به طوری که استفاده از آنها می تواند شکل گیری و تغییر کار و واقعیت های سازمانی. استقرار سریع آنها نیازمند توجه علمی به مسائل اجتماعی است، از جمله اینکه میزان الگوریتم مجاز به تصمیم گیری، نیاز به اخلاق در تکنولوژی و پتانسیل دیجیتالی آن است.