AI와 인력 생태계의 상호작용에 대한 기사 게재

[힘힘]

AI와 인력 생태계의 상호작용에 대한 기사 게재

미국브루킹스연구소(Brookings)

• 원문 바로가기

2023.05.04

□ 브루킹스연구소(Brookings)는 AI와 인력 생태계의 상호작용과 이에 대한 정책적 고려사항을 다룬 기사를 게재*('23.4)
     * Workforce ecosystems and AI

□ 주요 내용
  ○ 업무 설계 관련 정책적 고려사항
    - AI 사용 증가는 인력 생태계의 업무 설계에 지대한 영향을 미침
     ※ 더 많은 AI 공급은 조직이 업무를 설계하는 방식에 영향을 미치고 업무 설계의 변화는 AI에 대한 더 많은 수요를 야기
    - 업무 설계의 변화는 세금, 노동 및 기술 정책에 영향을 미치며, 정부는 보다 포괄적이고 유연한 고용(노동) 정책을 개발하여 근로자의 고용 상태가 아니라 창출한 가치에 따라 동등한 보호와 혜택을 받을 수 있도록 해야 할 것
  ○ 인력 공급과 관련된 정책적 고려사항
    - 인간 노동과 비교하여 자동화에 대한 인센티브 기준을 설정하는 정책을 마련할 필요
    - 공공 및 민간 조직이 근로자 교육 및 지속적인 학습을 위해 보다 긴밀하게 협력해야 할 필요
    - 정책 입안자들은 기술 활용, 안전, 개인정보보호 문제, 자동화 확대 계획, 교육 및 교육에 대한 접근성과 같은 문제를 협상하는 데 단체 교섭이 기여할 수 있는 역할을 명확히 해야할 필요 
  ○ 업무 수행 관련 정책적 고려사항
    - 어시스턴트 또는 동료로서 AI 작업자와 관련된 문제를 해결하기 위해 인간이 AI 로봇과 협력할 때 근무지 안전에 대한 규정이 필요함
    - 직업 안전 및 건강 관리국(OSHA)은 AI 어시스턴트 또는 로봇이 작업자 안전을 보장하기 위해 사이버 보안 요구 사항을 충족해야 하는 경우 이에 대한 표준을 설정할 수 있음
  ○ 업무 및 근로자 모니터링 관련 정책적 고려사항
    - 기업들은 근로자들의 행동과 성과를 측정하기 위해 점차 더 AI를 도입하고 있으며, 이는 업무 효율성을 높이고 근로자의 조건을 개선할 수도 있지만 한편으로는 근로자를 비인간화하고 근무지에서의 차별을 증대시킬 위험도 있음
    - 정책입안자들은 AI가 직장 내 근로자 모니터링(감시)에 활용될 수 있으며, 이러한 모니터링은 전통적인 근로자 뿐 아니라 인력 생태계에 참여하는 비정규직 근로자에게도 영향을 미친다는 것을 고려해야 할 것
    - 이러한 업무 및 근로자 모니터링은 특정 세가지 영역(투명성, AI의 편향성, 형평성)과 관련이 있음
  ○ (결론) 의사결정자들은 근로자와 조직 모두에게 이익이 되는 미래의 업무 배치를 위해 혁신을 제한하기보다는 증가시키는 정책을 개발하기 위해 노력해야 할 것임. 정책 입안자는 인력 생태계에서 AI와 관련된 한정된 규제를 가하면서도 실험과 학습을 허용해야 할 것 
    -점점 더 많은 기업이 AI의 활용을 확대하고 있으며,  AI를 사용한 업무 설계 및 업무 수행, 노동력 공급, 업무 및 근로자에 대한 모니터링 방식이 변모하고 있음. 동시에 기업은 AI 를 활용한 업무를 수행하기 위해 보다 광범위한 참여자((정규직, 시간제 인력, 전문 서비스 제공업체, 장기 및 단기 계약자 등)에 의존하고 있음
    - 오늘날 근로자가 받는 많은 보호 및 혜택은 여전히 ​​직원 대 비정규직 근로자로 구분되며, 기업은 근로자의 안전과 형평성을 보장하면서도 새로운 업무 방식을 수용해야 할 것. 또한 양질의 일자리에 대한 근로자의 요구 및 지속가능성, 경제성장에 대한 조직의 요구 간 균형을 유지해야 할 것임

회사는 전략적 목표와 목표를 달성하기 위해 점점 더 확장된 인력(예: 계약자, 공연 근로자, 전문 서비스 회사, 보완 조직, 알고리즘 관리 및 인공 지능과 같은 기술)에 의존합니다. [ 1 ] 리더들에게 오늘날 자신의 인력을 어떻게 정의하는지 설명하도록 요청하면 그들은 정규직 및 시간제 직원을 넘어 다양한 방식으로 기여하는 다양한 참여자를 언급합니다. 이러한 리더 중 다수는 확장된 인력이 현재 전체 인력의 30-50%를 구성하고 있음을 관찰합니다. 예를 들어, Novartis에는 약 100,000명의 직원이 있고 50,000명 이상의 다른 직원이 외부 기여자입니다. [ 2 ]기업은 또한 점점 더 크라우드소싱 플랫폼을 사용하여 제품 및 서비스 개발에 외부 참가자를 참여시키고 있습니다. [ 3 ] [ 4 ] 관리자는 근로자의 고용 방식뿐만 아니라 결과에 기여하는 사람의 관점에서 인력을 생각합니다. [ 5 ]

데이비드 키론편집장 - MIT Sloan Management Review

DavidKiron1

엘리자베스 J. 알트만경영 부교수 - 매닝 경영 대학원, 매사추세츠 로웰 대학교 객원 편집자 - 인력의 미래, MIT Sloan Management Review

리잘트만

크리스토프 리들부교수 - Northeastern University, D'Amore-McKim 경영대학원

외침

인력 생태계에 대한 우리의 지속적인 연구는 다양한 고용 관계에서 상호 의존적인 행위자 그룹과 함께 조직 경계를 넘어 업무를 관리하는 것이 근로자와 기업 모두에게 새로운 기회와 위험을 창출한다는 것을 보여줍니다. [ 6 ] 이것은 미묘한 변화가 아닙니다. 우리는 인력 생태계를 다음과 같이 정의합니다. [ 7 ]

조직 내부와 외부에서 조직을 위한 가치를 창출하기 위해 노력하는 행위자를 포괄하는 구조입니다. 생태계 내에서 행위자는 참여자 간의 상호 의존성과 보완성을 통해 개인 및 집단 목표를 향해 노력합니다.

인력 생태계의 출현은 경영 이론, 조직 행동, 사회 복지 및 정책 입안자에게 시사하는 바가 있습니다. 특히 업무 및 근로자의 유연성, 형평성, 데이터 거버넌스 및 투명성을 둘러싼 문제는 정책 입안에 상당한 기회를 제공합니다.

동시에 기계 학습과 알고리즘 관리를 포함하도록 광범위하게 정의하는 인공 지능(AI)은 기업 맥락에서 점점 더 큰 역할을 하고 있습니다. AI의 광범위한 사용은 이미 자동화를 통해 근로자를 대체하고 직장에서 인간의 성과를 높이고 새로운 직업 범주를 창출하고 있습니다.

또한 AI는 인력 생태계의 출현을 가능하게 하고 추진하며 가속화하고 있습니다. 인력 생태계는 물리적 작업과 인지 작업 모두에서 인간-AI ​​협업을 통합하고 관리자, 직원, 비정규직 근로자, 기타 서비스 제공업체 및 AI 간에 새로운 종속성을 도입하고 있습니다.

분명히 정책은 AI 기반 자동화가 근로자와 노동 시장에 더 광범위하게 어떤 영향을 미칠지 고려해야 합니다. 그러나 AI가 조직 및 거버넌스 구조에 미치는 영향을 고려하지 않고 자동화의 영향에만 초점을 맞추는 것은 AI가 이미 업무, 근로자 및 관리 관행에 영향을 미치는 정도를 과소평가하는 것입니다. 정책 논의는 또한 인간과 AI 협업 및 인간의 성과를 향상시키는 AI(예: 생성 AI 도구)의 의미를 고려해야 합니다. 정책 입안자들은 인력 생태계와 AI 사이의 역동적인 관계에 대해 훨씬 더 미묘하고 포괄적인 관점을 필요로 합니다. 이를 위해 이 정책 브리핑은 AI와 인력 생태계의 융합을 다루는 프레임워크를 제시합니다.

인력 생태계 내에서 AI의 사용은 업무 설계, 노동 공급, 업무 수행, 업무와 근로자의 측정을 변화시키고 있습니다. 작업 설계, 작업자 공급, 작업 수행, 작업 및 작업자 측정의 네 가지 범주에서 AI 관련 변화를 검토하면 다양한 정책 시사점이 드러납니다. 이러한 정책 고려 사항을 살펴보고 유연성, 형평성, 데이터 거버넌스 및 투명성이라는 주제를 강조합니다. 또한 인력 생태계로의 전환과 AI 사용 증가가 업무의 미래에 어떤 영향을 미치는지에 대한 폭넓은 시각을 제공합니다.

관련된 컨텐츠

2023년

망치다

15

지난 이벤트ChatGPT와 업무의 미래

오후 2시- 동부 표준시 오후 3시 30분

온라인에서만 가능합니다

기술 및 혁신차별에 대한 고용 알고리즘 감사

알렉스 엥글러

 2021년 3월 12일 금요일

기술 및 혁신로봇이 아닌 세금

로버트 시먼스

 2021년 8월 25일 수요일

AI 및 인력 생태계: 프레임워크

인력 에코시스템은 모든 조직 수준과 기능에 걸쳐 있고 모든 제품 및 서비스 개발 및 제공 단계에 걸쳐 있는 조직 내부 및 외부의 인력 참여자로 구성됩니다. 놀랍게도 인력 생태계 내에서 AI 사용이 증가하고 있으며 동시에 출현과 성장을 가속화하고 있습니다. 인력 생태계로의 이동이 증가함에 따라 AI를 활용할 수 있는 새로운 기회가 창출되고 AI 사용 증가는 인력 생태계로의 이동을 더욱 증폭시킵니다.

이 개요에서는 AI의 지속적인 출현과 인력 생태계의 지속적인 진화 사이의 상호 작용을 더 잘 이해하기 위한 유형을 제시합니다. 이 프레임워크를 통해 우리는 정책 입안자들이 AI의 성장에 수반되는 변화를 이해하도록 지원하는 것을 목표로 합니다. 이 유형에는 AI가 인력 생태계에 영향을 미치는 4가지 영역(작업 설계, 작업자 공급, 작업 수행, 작업 및 작업자 측정)을 강조하는 4가지 범주가 포함됩니다. 네 가지 범주 각각은 뚜렷한(관련된 경우) 정책 함의를 제시합니다.

이 논의에서 가장 중요한 의미 중 하나는 업무 관련 AI 애플리케이션에 대한 정책이 자동화 문제 해결에만 국한되지 않는다는 것입니다. 일자리를 자동화하고 근로자를 대체하기 위해 AI를 사용함으로써 발생하는 영향을 고려하는 정책의 분명한 필요성에도 불구하고 정책 논의를 자동화에만 집중하고 인간의 작업이 AI에 의해 강화되고 인간과 AI가 협업합니다. 이러한 요소를 생략하는 논의는 AI가 업무, 근로자 및 관리 관행에 미치는 현재 및 미래의 영향을 과소평가할 위험이 있습니다.

인력 생태계의 AI 관련 정책은 지속 가능하고 양질의 일자리에 대한 근로자의 관심과 생산성 및 경제 성장에 대한 고용주의 관심 사이에서 균형을 이루어야 합니다. 제대로만 한다면 AI를 활용하여 작업 조건, 작업자 안전, 작업자 이동성/유연성을 개선하고 보다 집단적이고 지능적으로 작업할 수 있는 엄청난 잠재력이 있습니다. [ 8 ] 이러한 정책 개선의 목표는 비인간적인 노동자, 차별 및 불평등의 위험을 제한하면서 기업이 경쟁적 도전에 대처할 수 있도록 하는 것입니다. 정책은 효율성 향상이 적은 작업 자동화와 같이 부가가치가 낮은 맥락에서 AI 사용을 제한하는 인센티브를 제공하는 동시에 경제적 생산성과 고용 성장을 증가시키는 AI의 고부가가치 사용을 촉진할 수 있습니다.[ 9 ]

디자인 작업

AI 사용 증가는 인력 생태계의 업무 설계에 지대한 영향을 미칩니다. 더 많은 AI 공급은 조직이 작업을 설계하는 방식에 영향을 미치고 작업 설계의 변화는 AI에 대한 더 많은 수요를 유도합니다. 예를 들어 현대식 음식 배달 플랫폼은 다음과 같습니다.그럽허브 와DoorDash는 음식 배달 업계 내에서 작업을 본질적으로 재설계한 정교한 일정, 매칭, 평가 및 라우팅을 위해 AI를 사용합니다. AI가 없다면 이러한 군중 기반 작업 설계는 불가능할 것입니다. 이러한 기술과 작업 설계에 미치는 영향은 음식 배달을 넘어 복잡한 배달 시스템이 존재하는 모든 공급망에 도달합니다. 마찬가지로 AI 기반 도구는 엔티티가 보다 효과적으로 조정하고 협업할 수 있기 때문에 더 크고 평평하며 통합된 팀을 가능하게 합니다. 인력 에코시스템의 경우 이는 조직이 전략적 목표를 달성하기 위해 노력할 때 외부 작업자, 파트너 조직 및 직원을 보다 원활하게 통합할 수 있음을 의미합니다.

반대로 작업 디자인의 변화는 AI에 대한 수요를 증가시킵니다. 예를 들어 작업이 작업으로 세분화되고 작업이 모듈식 및/또는 프로젝트 기반이 됨에 따라 알고리즘은 인간이 보다 효율적이 되도록 도울 수 있습니다. [ 10 ] 기업이 디자인 작업에 대한 접근 방식을 개선함에 따라 더 많은 데이터(예: 의학 연구 및 마케팅 분석)에 액세스할 수 있으며 AI의 가치는 더욱 높아집니다.

비정규 노동에 대한 미국 기업의 의존도 증가와 관련된 정책적 우려는 (적어도) 1994년 Dunlop 위원회로 거슬러 올라갑니다. [ 11 ] 기업은 곧 구식이 될 기술을 갖춘 정규직 직원을 과도하게 고용하는 것을 원하지 않으므로 많은 경우 임시 노동에 의존하는 것을 선호합니다. 그들은 최대의 유연성과 생산성을 위해 작업을 설계하지만 반드시 근로자의 최대 경제적 안정을 위해 설계하지는 않습니다. [ 12 ]고용이 (정규직 및 시간제) 급여에서 보다 유연한 범주(예: 장기 계약자 또는 단기 임시직 근로자)로 이동하면 정규직 근로자 간의 소득 및 부의 격차가 증가하는 경향이 있습니다. 시간제 고용 직위와 계약직 직위는 다양한 계층의 근로자에게 어떤 영향력과 보호가 제공되는지에 영향을 미칩니다. [ 13 ]

특히 비정규직은 '불안정한 노동'과 직접적인 관계가 있다. 불안정한 작업은 "불확실하고 불안정하며 불안정하며 직원이 작업의 위험을 […] 부담하고 제한된 사회적 혜택과 법적 보호를 받는" 작업으로 정의되었습니다. [ 14 ]이것은 다양한 기술을 가진 근로자에게 다양한 방식으로 영향을 미칠 가능성이 높으며, 소득과 부의 불평등뿐만 아니라 다양한 기술 수준을 가진 근로자가 임금을 어느 정도 통제할 수 있기 때문에 인적 자본 불평등으로 이어질 수 있습니다. 예를 들어 고도로 숙련된 데이터 과학자는 프리미엄을 요구할 수 있으며 둘 이상의 고객을 위해 일할 수 있습니다. 해운업에서 상선을 유지하고 운영하는 대부분의 근로자는 계약자이지만 프리미엄을 요구할 가능성이 적고 여러 고객에게 서비스를 제공할 수 없습니다. 유연한 플랫폼 기반 작업 배치는 일부 근로자에게는 불안정한 작업 배치를 초래할 수 있지만 다른 근로자에게는 유연성, 더 높은 임금 및 고도로 전문화할 수 있는 능력을 제공합니다. 이것은 인적 자본 불평등을 만듭니다.

AI가 점점 더 정교해짐에 따라 관리자는 비정규직 인력을 더 쉽게 찾고, 조사하고, 고용할 수 있습니다. AI의 이 새로운 역할을 통해 관리자는 새로운 방식으로 업무를 설계할 수 있습니다. 직원을 고용하고 기술 격차를 풀타임 노동으로 채우는 데 집중하는 대신 관리자는 결과를 달성하기 위한 단기적이고 기술 기반 계약의 원천으로 점점 더 외부 인재 시장과 직원 채용 플랫폼으로 눈을 돌리고 있습니다. 관리자는 기존 작업을 구성 요소 작업으로 분해한 다음 AI를 사용하여 특정 기술을 가진 외부 기여자에게 액세스하여 해당 작업을 수행할 수 있습니다.

작품 디자인을 위한 정책적 고려사항

작업 디자인의 이러한 변화는 세금, 노동 및 기술 정책에 영향을 미칩니다. 연방 및 주 정부는 모든 종류의 고용 모델을 지원하는 보다 포괄적이고 유연한 정책을 개발하여 근로자가 보유하고 있는 고용 상태가 아니라 창출한 가치에 따라 동등한 보호와 혜택을 받을 수 있도록 해야 합니다. 근로자에게 지속 가능하고 안전하며 건강한 작업 환경을 보장하는 보호를 제공하려면 직원이든 비정규직이든 관계없이 모든 근로자에게 동일한 보호가 제공되어야 합니다. 풀타임으로 일하지 않는(또는 구직하는) 근로자를 포함하고 유연한 부분 실업 수당을 제공하도록 자격을 확대하기 위해 실업 보험을 현대화해야 합니다.

오늘날 기업 자체는 보상 및 복리후생 제도에 대해 보다 유연하고 창의적일 수 있지만 노동 규제 제약으로 인해 때때로 그렇게 할 수 있는 기회가 제한적일 수 있습니다. 현대화된 실업 및 기타 노동 정책은 비정규직 근로자의 합리적인 소득 기회, 사회 안전망 및 혜택에 대한 접근을 잠재적으로 증가시킬 것입니다. 실업 보험 외에도 퇴직 저축 기여금, 건강 보험, 의료, 가족 및 육아 휴가를 포함한 다른 혜택은 역사적인 이유로 풀 타임 근로자로 유사하게 제한됩니다(제한 사항은 지역에 따라 다름). 고용주 간의 혜택 이동을 허용하고 지원에 대한 접근성을 개선하도록 정책을 업데이트해야 많은 비정규직 근로자가 직면하는 소득 변동성을 완화할 수 있습니다.

노동자 공급

AI를 사용하여 개선된 커뮤니케이션, 조정 및 매칭을 통해 더 많은 유형의 작업자(예: 계약자, 긱 작업자)의 공급을 늘리면 인력 생태계가 보다 쉽고 효과적이며 효율적으로 성장할 수 있습니다. 동시에 인력 생태계의 성장으로 모든 종류의 근로자에 ​​대한 수요가 증가하여 근로자 공급을 늘리고 관리하는 데 도움이 되는 AI에 대한 수요가 증가하고 있습니다.

조직에서는 점점 더 다양한 근로자가 다양한 방식으로(정규직, 시간제, 전문 서비스 제공업체, 장기 및 단기 계약자 등) 참여하도록 요구하고 있습니다. 예를 들어, AI를 사용하여 이러한 근로자를 소싱하는 데 도움을 줄 수 있습니다. 예를 들어, 내부 및 외부 노동 플랫폼과 인재 시장을 모두 사용하여 근로자를 보다 효과적으로 찾고 일치시킵니다. [ 15 ] 향상된 매칭 기능, 일정, 채용, 계획 및 평가를 포함하는 AI를 사용하면 다양한 작업자 군단에 대한 접근성이 높아집니다. 조직은 AI를 사용하여 특정 비즈니스 요구 사항에 부합하고 다양성 목표를 충족하는 데 도움이 되는 인력 에코시스템을 보다 효과적으로 구축할 수 있습니다.

AI 사용을 늘리면 인력 공급에 부정적인 영향과 긍정적인 결과가 모두 발생할 수 있습니다. 예를 들어 채용의 편견을 지속시키거나 줄일 수 있습니다. [ 16 ] 유사하게, AI 시스템은 (유사한 직업에 대한 급여의 성별 차이를 식별하고 수정함으로써) 임금 평등을 보장하거나, 예를 들어 기존 기술의 가치를 증폭시키면서 다른 기술의 가치를 감소시킴으로써 인력 생태계 전반의 불평등에 기여할 수 있습니다. 기술. [ 17 ]특정 기술의 가치가 점점 더 높아지는 인력 생태계에서 AI는 기존 기술을 효율적이고 객관적으로 확인 및 검증하고 근로자가 새로운 기술을 습득할 수 있는 기회를 찾을 수 있습니다. 그러나 부정적인 측면에서 이러한 공무원 평가는 확인 프로세스에 오류가 도입되고 근로자가 이를 수정할 의지가 거의 없을 때 지속적인 결과를 초래할 수 있습니다. [ 18 ]

작품을 공급하는 것과 작품을 디자인하는 것은 구분되지만 둘 사이의 경계는 허공입니다. 예를 들어, 조직은 작업을 모듈식 조각으로 재설계한 다음 AI 기반 인재 마켓플레이스를 사용하여 이러한 소규모 작업을 수행할 작업자를 소싱할 수 있습니다. 조직은 하나의 작업을 10개의 개별 작업으로 나누고 다음과 같은 온라인 노동 시장을 통해 한 명이 아닌 10명을 고용할 수 있습니다.아마존 메카니컬 터크 또는업워크 .

또한 조직에서 점점 더 AI를 사용하여 작업자(소프트웨어 봇과 같은 인간 및 기술 작업자 포함)를 효과적으로 소싱할 수 있다면 조직은 보다 풍부하고 다양하며 유연한 작업자 공급을 활용하도록 작업을 설계할 수 있습니다. 조직은 단기적이고 구체적인 과제에 참여할 사람(및 파트너 조직)을 점점 더 많이 찾을 수 있기 때문에 비즈니스 목표를 달성하기 위해 복잡하고 상호 연결된 인력 에코시스템을 보다 쉽게 ​​구축할 수 있습니다.

인력 공급을 위한 정책적 고려사항

정책은 인력 공급과 관련된 AI 지원 인력 생태계에서 여러 역할을 합니다. 우리는 세 가지 문제를 고려합니다: 노동 투자보다 자본을 선호하는 세금 정책; 훈련 및 개발과 관련된 상대적으로 융통성이 없는 기존 교육 정책; 그리고, 단체 교섭.

첫째, 정책은 인간 노동에 비해 자동화에 대한 인센티브를 형성합니다. 현재 미국의 조세 정책은 노동에 대한 과세는 상대적으로 높고 자본에 대한 과세는 상대적으로 낮아 자동화를 선호할 수 있습니다. [ 19 ] 이것은 고도로 자동화된 산업에 남아 있는 근로자들에게 혜택을 줄 수 있지만 조직이 인간 근로자를 대체하는 자동화 기술에 투자하도록 인센티브를 제공할 수 있습니다. 그러나 이러한 자동화 투자는 로봇에 대한 세금으로 효과적으로 제한되지 않을 것입니다 . [ 20 ]우리는 실제로 인적 자본과 노동에 대한 투자를 더 매력적으로 만드는 정책 인센티브가 필요합니다. 여기에는 직원과 외부 기여자 모두의 기술 향상 및 재기술, 양질의 일자리 프로그램 창출 또는 자동화 및 인간 노동에 대한 투자를 조정하는 프로그램 개발에 대한 세금 인센티브가 포함될 수 있습니다. [ 21 ]

둘째, 공공 및 민간 조직은 근로자 교육 및 지속적인 학습에 대해 보다 긴밀하게 협력할 수 있습니다. 조직은 특히 미국을 포함한 일부 지역의 현재 규정으로 인해 조직이 계약직 근로자에게 교육을 제공하는 것을 금지하기 때문에 근로자를 위한 교육, 재교육 및 평생 학습을 제공하기 위해 커뮤니티 전반에 걸쳐 관계를 구축할 수 있습니다. [ 22 ]공공-민간 파트너십은 좋은 일자리와 공정한 작업을 가능하게 하고, 근로자에게 경력 기회를 제공하고, 고용주에게 경제적 혜택을 추가하는 데 도움이 될 수 있습니다. 교육은 직원들에게 대학을 넘어, 어떤 경우에는 대학을 대신하여 신선한 기술을 제공하기 위해 보다 유연해질 필요가 있습니다. AI는 직무를 구성 작업으로 분해할 뿐만 아니라 팀 구성 및 경력 관리를 지원하는 데 활용할 수 있습니다. [ 23 ] 디지털 학습과 디지털 자격 증명 및 평판 시스템은 보다 유연하고 포괄적인 근로자 공급을 가능하게 하는 데 중요한 역할을 할 것입니다. 이러한 모든 조치는 산업 및 경제 전반에 걸쳐 인력 생태계의 지속적인 성장과 성공을 지원할 것입니다.

마지막으로 정책 입안자들은 기술 사용, 안전, 개인 정보 보호 문제, 자동화 확대 계획, 교육 및 교육에 대한 접근(예: 교육 완료를 위한 유급 휴가)과 같은 문제를 협상하는 데 단체 교섭이 기여할 수 있는 역할을 명확히 해야 합니다. . 이상적으로는 이러한 혜택을 확장하여 기존 정규직 근로자뿐만 아니라 생태계 전반의 모든 근로자를 포함할 수 있습니다.

작업 수행

인력 에코시스템에서 인간과 AI는 다양한 수준의 상호 의존성과 서로에 대한 제어를 통해 가치를 창출하기 위해 협력합니다. MIT 교수 Thomas Malone이 언급한 바와 같이: [ 24 ]

기계가 도구로만 작동할 때 사람들이 가장 많은 통제력을 가집니다. 그리고 기계는 역할이 비서, 동료, 그리고 마지막으로 관리자로 확장됨에 따라 점점 더 많은 제어 기능을 갖게 됩니다.

정책은 인간과 AI가 협력할 때 존재하는 모든 상호 작용 범위를 다루어야 합니다. 비서, 동료 및 관리자와 같은 이러한 범주는 분명히 겹치지만 각 유형의 작업 관계는 작업 수행에 대한 새로운 정책 요구를 제안합니다.

AI 어시스턴트. AI는 인력 생태계 내에서 개인의 성과를 지원합니다. 예를 들어 기업은 개인 및 팀 성과를 향상시키기 위해 증강 현실/가상 현실(AR/VR) 기술에 점점 더 의존하고 있습니다. 이러한 기술은 일부 작업장 환경에서 작업자 안전을 개선할 것을 약속합니다. [ 25 ] 그러나 새로운 기술은 또한 AI 지원 직장 아바타가 상호 작용할 수 있도록 하여 친사회적 및 반사회적 모두에서 매우 인간적인 편애를 디지털 환경으로 가져옵니다. [ 26 ]

AI-as-Peer : 인간과 AI는 결과를 달성하기 위해 상호 보완적인 기능을 사용하여 인력 생태계에서 점점 더 협력자로서 협력하고 있습니다. 인간 근로자의 60%는 이미 AI를 동료로 보고 있습니다. [ 27 ] 병원에서는 방사선 전문의와 AI가 협력하여 둘 중 하나만 달성할 수 있는 것보다 더 정확한 방사선학적 해석을 개발합니다. 로펌에서 알고리즘은 합병 및 인수를 위한 실사라는 힘든 프로세스의 요소를 대신하여 관련 용어에 대해 수천 개의 문서를 분석하고 직원이 더 높은 가치의 할당에 집중할 수 있도록 합니다. [ 28 ]

관리자로서의 AI: AI는 이미 작업장에서 예를 들어 누구를 고용, 승진 또는 재할당할지 결정하는 등 광범위한 인간 행동을 지시하는 데 사용되고 있습니다. Uber는 알고리즘을 사용하여차량 서비스 할당 및 예약 ,임금 을 정하고성능 추적 ; 그리고 AI는모션 센서를 기반으로 한 햅틱 피드백으로 창고 작업자의 손 움직임을 지시합니다 . AI는 감독 또는 관리의 한 형태로 간주될 수 있는 감시 애플리케이션에도 사용되고 있습니다. [ 29 ]

업무수행을 위한 정책적 고려사항

조수 또는 동료로서 AI와 관련된 문제를 해결하기 위해 미국은 인간이 AI 에이전트 및 로봇과 협력할 때 작업장 안전에 대한 규정이 필요합니다. 이러한 규제는 기존 정부 규제 구조를 가로막을 가능성이 높습니다. 예를 들어, 공장 현장의 AI 비서 또는 로봇이 작업자 안전을 보장하기 위해 사이버 보안 요구 사항을 충족해야 하는 경우 OSHA(직업 안전 및 건강 관리국) 또는 다른 기관에서 이러한 표준을 설정합니까? ~ 안에OSHA의 AZ 웹사이트 색인 , 현재 사이버 보안에 대한 언급은 없습니다.

관리자로서의 AI의 핵심 문제는 AI 결정이 불투명하고 혼란스러워 보일 수 있어 작업자가 특정 결정이 어떻게 왜 내려졌는지, 잘못된 데이터 왜곡 결정이 있을 때 무엇을 할 수 있는지 추측하게 할 수 있다는 것입니다. 예를 들어, 불합리한 승객은 승차 공유 운전자에게 낮은 점수를 줄 수 있으며, 이는 다시 운전자의 수입 기회에 부정적인 영향을 미칩니다. 정책 입안자들은 알고리즘 관리 결정이 내려지는 방식에 대해 작업자의 투명성을 높이기 위해 규칙을 통과시킬 수 있습니다. 이러한 규칙은 고용주와 온라인 노동 플랫폼 비즈니스가 어떤 데이터가 어떤 결정에 사용되는지 공개하도록 강요할 수 있습니다. 이것은 플랫폼과 작업자 사이의 현재 정보 비대칭에 대응하는 데 도움이 될 것입니다.

마지막으로 정책 입안자들은 인간의 결정을 규제하기 위한 기존의 차별 금지 규칙이 알고리즘과 인간-AI ​​팀에 어떻게 적용될 수 있는지 고려해야 합니다. 현재 알고리즘 기반 차별은 독립적인 검토 및 외부 감사가 없기 때문에 검증 및 입증이 어렵습니다. [ 30 ] [ 31 ]이러한 감사는 알고리즘이 부주의하게 인간의 타고난 약점을 악용하고 결함이 있는 데이터 세트를 사용할 때 의도하지 않은 결과를 해결(및 완화)하는 데 도움이 될 수 있습니다. 정책 입안자는 외부 감사를 지시하고, 어떤 데이터를 사용할 수 있는지 설정하고, 알고리즘 속성을 평가하려는 시도를 지원하고, 증명 가능한 속성을 가진 알고리즘 공정성과 기계 학습 알고리즘에 대한 연구를 촉진하고, 인간과 AI 협업의 경제적 영향을 분석할 수 있습니다. 또한 차별을 줄이려는 정책은 어떤 편향(인간 또는 알고리즘)이 최소화해야 할 가장 중요한 편향인지 씨름해야 할 수도 있습니다.

작업 및 작업자 측정

기업들은 한때 추적이 불가능했던 행동과 성과를 측정하기 위해 점점 더 AI를 사용하고 있습니다. 고급 측정 기술은 효율성을 높이고 근로자의 조건을 개선할 수 있는 잠재력이 있지만 근로자를 비인간화하고 작업장에서 차별을 증가시킬 위험도 있습니다. 데이터 수집 및 분석 비용을 줄이는 AI의 능력은 가능한 모니터링 범위를 크게 확장하여 위치, 움직임, 생체 인식, 정서 및 언어 및 비언어적 의사 소통을 포함합니다. 예를 들어 AI는 그룹 회의에서 기분, 성격 및 새로운 리더십을 예측할 수 있습니다. [ 32 ] 감시 자체가 합법적이고 근로자가 감시를 직접 경험하지 않더라도 근로자는 그러한 도구를 침해적으로 경험할 수 있습니다.

동시에 작업자는 새로 제공되는 AI 시스템을 사용하여 자신의 성과를 실시간으로 평가하고 효율적인 조치를 처방하고 스트레스 균형을 유지하며 성과를 개선할 수 있습니다. [ 33 ] 세분화된 실시간 측정은 집단 지성을 지원하는 프로세스를 개선할 수 있기 때문에 특히 유용할 수 있습니다. 예 를 들어, 전화 통화에서 감정 변화를 감지하는 AI는 약사가 고객의 불만을 보다 효과적으로 처리할 수 있도록 합니다 . [ 35 ] 육체 노동 근로자를 위한 생체 인식 센서는 격렬한 움직임을 감지하고 부상 위험을 줄일 수 있습니다. [ 36 ]작업자는 성능을 높이고 안전을 향상시키는 AI를 환영할 수 있습니다. 반면 업무와 근로자 측정에 AI를 활용하려는 기업의 바람은 근로자를 인간보다 기계처럼 취급하고 AI 기반 차별을 도입할 위험이 있다.

작업 및 근로자 측정을 위한 정책 고려 사항

정책 입안자들은 AI 가 직장 내 전자 통신 모니터링을 직접 관리하는 유일한 연방법인 1986년 전자 통신 개인 정보 보호법 (ECPA) 의 규제 범위를 넘어 감시의 본질을 변화시키고 있음을 인식해야 합니다 . [ 37 ] 감시는 전통적인 직원뿐만 아니라 인력 생태계에 참여하는 비정규직 근로자에게도 영향을 미칩니다. 그리고 많은 경우에 계약직 근로자는 특히 원격지에서 일할 때 다른 근로자보다 더 많은 감시를 받을 수 있습니다. 세 가지 특정 영역이 특히 관련이 있는 것으로 두드러집니다.

투명성: 양질의 작업을 보장하려면 데이터 투명성이 특히 중요합니다. 추적 작업자(물리적 위치 내부 및 원격 작업자의 경우 디지털)는 무례하고 개인 정보를 침해할 수 있기 때문입니다. 현재 직원들은 자신의 성과를 측정하고 보상 및 작업 할당을 결정하는 데 어떤 유형의 데이터가 사용되고 있는지 명확하지 않습니다. 직원들이 가장 수익성이 좋은 업무를 얻는 방법을 알아내어 시스템을 조작하려는 이야기가 많이 있습니다. [ 38 ]정책 입안자는 데이터 수집 및 사용에 대한 정당한 목적과 이를 근로자와 공유하는 방법에 대한 지침을 수립해야 합니다. 그들은 알고리즘 관리 및 AI 시스템으로 인한 침략적인 작업 감시 및 차별적 관행의 위험을 해결해야 합니다. 데이터 보안, 개인 정보 보호, 소유권, 공유 및 투명성에 대한 지침은 규제 환경 전반에서 훨씬 더 구체적으로 다루어져야 합니다.

AI 편향: 기존 조직 및 인력 생태계 내에서 알고리즘 관리의 편향은 세 가지 소스에서 발생할 수 있습니다. (b) 소프트웨어 개발자(인구의 일부를 반영할 수 있음)의 편향된 의사 결정; (c) 다른 행동이 보장되는 상황을 감지하기에는 너무 엄격한 AI(즉, 포트홀을 피하기 위해 방향을 바꾸는 것은 부주의가 아닌 주의 깊은 운전을 나타낼 수 있음). 문제를 더욱 복잡하게 만드는 것은 AI 자체가 소프트웨어를 개발할 수 있으며, 이는 다른 편견을 도입할 수 있습니다.

형평성: 고용 계약은 노동력 생태계에서 점점 더 유연해지고 유동적이 되며, 근로자 고용 상태가 모니터링 유형을 결정할 수 있습니다. 예를 들어 인력 생태계의 비정규직 근로자는 유사한 작업을 수행하는 직원이 하지 않는 방식으로 모니터링될 수 있습니다. 직원들 사이에도 비슷한 불평등이 존재합니다. 예를 들어, 원격 근무가 증가함에 따라 모든 직원에 대한 다양한 유형의 모니터링이 증가하고 있는 것 같습니다. 그러나 집에서 일하는 직원은 사무실에서 일하는 직원과 다른 감시 대상이 될 수 있습니다. [ 39 ]실제로, 감시의 위협은 작업장으로의 복귀를 장려하는 데 사용될 수 있습니다. 조직 문화가 위협에 의해 직장으로 복귀함으로써 이익을 얻을 수 있는지에 대한 질문 외에도 기업이 유사한 업무를 수행하는 직원들 사이에서 프라이버시를 선택적으로 보호하거나 이용하도록 허용해야 하는지에 대한 실질적인 질문이 있습니다. 가능한 차별적 관행을 해결하기 위해 정책 입안자는 합법적인 데이터 수집 및 사용에 대한 규칙과 다양한 작업 방식에서 프라이버시를 공평하게 보호하기 위한 규칙을 수립해야 합니다. 동시에 이러한 정책은 작업 및 작업자 유연성, 혁신 및 경제 성장의 필요성과 신중하게 균형을 이루어야 합니다.

결론

기업에서 AI를 사용하면 작업의 설계와 수행, 노동 공급, 작업과 작업자의 측정이 변모하고 있습니다. 동시에 기업은 작업을 수행하기 위해 점점 더 광범위한 행위자, 직원 및 그 이상에 의존하고 있습니다. 이 두 가지 추세의 교차점은 직장에서의 자동화보다 더 결과적이고 광범위한 정책적 함의를 가지고 있습니다.

오늘날 근로자가 받는 많은 보호 및 혜택은 여전히 ​​직원 대 비정규직 근로자로 분류되어 있습니다. 다음과 같은 정책이 필요합니다.

• 여러 범주에 걸쳐 근로자의 안전과 형평성을 보장하기 위해 다양한 작업 방식을 예상하고 설명합니다.
• 모든 근로자를 지원하고 보호하는 점점 더 새로운 작업 방식을 수용합니다.
• 양질의 일자리에 대한 근로자의 욕구와 지속 가능성 및 경제 성장에 대한 조직의 요구 사이의 균형을 유지합니다.

이 모든 것은 정책 입안자들이 의도하지 않은 결과를 주의 깊게 주시하는 동안 달성되어야 합니다. AI 기술과 회사 관행 모두 빠르게 발전하고 있어 어떤 상황에서 어떤 미래 작업 방식이 가장 성공적일지 예측하기 어렵습니다. 따라서 의사결정자들은 근로자와 조직 모두에게 이익이 되는 미래의 작업 배치를 위해 혁신을 제한하기보다는 증가시키는 정책을 개발하기 위해 노력해야 합니다. 정책 입안자는 인력 생태계에서 AI와 관련된 규제 복잡성을 제한하면서 명시적으로 실험과 학습을 허용해야 합니다.

각주

1. 1Altman, Elizabeth J., David Kiron, Jeff Schwartz 및 Robin Jones. 2021. "일의 미래는 인력 생태계를 통해 이루어집니다." MIT 슬론 관리 검토. https://sloanreview.mit.edu/article/the-future-of-work-is-through-workforce-ecosystems/
2. 2Altman, Elizabeth J., David Kiron, Robin Jones 및 Jeff Schwartz. 2022. "인력 생태계 조율: 조직 경계를 넘어 전략적으로 작업 관리." MIT 슬론 관리 검토. https://sloanreview.mit.edu/projects/orchestrating-workforce-ecosystems/
3. 삼Riedl, C. 및 Anita Williams Woolley. 2016. "팀 대 군중: 군중 기반 문제 해결 성능에 대한 인센티브, 구성원 능력 및 긴급 협업의 상대적 기여도에 대한 현장 테스트." 관리 발견 아카데미 3, no. 4: 382-403. https://doi.org/10.5465/amd.2015.0097
4. 4풀커, Z. 및 크리스토프. 2023. “누가 협력하고 싶고 왜? 온라인 노동 시장에서 크라우드 노동자의 태도와 인식.” arXiv. 작업 용지. https://doi.org/10.48550/arXiv.2301.08808 .
5. 5알트만 외. al., "일의 미래는 인력 생태계를 통해 이루어집니다."  
6. 6Altman, Elizabeth J., David Kiron, Jeff Schwartz 및 Robin Jones. 2023. 인력 생태계. 최첨단 관리. 메사추세츠 캠브리지: MIT Press. https://mitpress.mit.edu/9780262047777/workforce-ecosystems/
7. 7알트만 외. al., 인력 생태계.
8. 8Westby, S. 및 Christoph Riedl. 2023. "인간-AI ​​팀의 집단 지능: 마음 접근의 베이지안 이론." 인공 지능에 관한 37차 AAAI 회의 간행물 . https://arxiv.org/abs/2208.11660 .
9. 9아세모글루, 다론. 2021. "AI의 피해." 국가 경제 연구국 작업 보고서 29247. 2021년 9월. http://doi.org/10.3386/w29247 .
10. 10Jesuthasan, Ravin 및 John W. Boudreau. 2022. 작업 없는 작업: 조직의 작업 운영 체제를 재부팅하는 방법 . 최첨단 관리. 메사추세츠 캠브리지: MIT Press. https://mitpress.mit.edu/9780262545969/work-without-jobs/
11. 11노사 관계의 미래에 관한 미국 위원회. 1994. 최종 보고서. https://ecommons.cornell.edu/bitstream/handle/1813/79039/DunlopCommissionFutureWorkerManagementFinalReport.pdf
12. 12Parker, Sharon, Frederick P. Morgeson 및 Gary Johns. 2017. “100년의 작품 디자인 연구: 과거와 미래.” 응용 심리학 저널 102, no. 3: 403-420. https://doi.org/10.1037/apl0000106
13. 13Autor, D., David Mindell, Elisabeth Reynolds. 2020. "미래의 작업." 미래 작업에 대한 MIT 태스크 포스. https://workofthefuture.mit.edu/research-post/the-work-of-the-future-building-better-jobs-in-an-age-of-intelligent-machines/ .
14. 14Kalleberg, Arne L., Steven P. Vallas, eds. 2017. "위태로운 작업 조사: 이론, 연구 및 정치." 불안정한 작업 에서 , 31:1–30. 노동사회학 연구. 에메랄드 출판 제한. https://doi.org/10.1108/S0277-283320170000031017 .
15. 15

    Schrage, Michael, Jeff Schwartz, David Kiron, Robin Jones 및 Natasha Buckley. 2020. "기회 시장: 디지털 엔터프라이즈에서 인력 투자와 가치 창출 조정." MIT 슬론 관리 검토. https://sloanreview.mit.edu/projects/opportunity-marketplaces/

16. 16Engler, A. 2021. "차별 고용 알고리즘 감사." 브루킹스 연구소,  2021년 3월 12일. https://www.brookings.edu/research/auditing-employment-algorithms-for-discrimination/
17. 17Autor, D., David Mindell, Elisabeth Reynolds. 2020. "미래의 작업: 지능형 기계 시대에 더 나은 일자리 구축". 미래 작업에 대한 MIT 태스크 포스. https://workofthefuture.mit.edu/research-post/the-work-of-the-future-building-better-jobs-in-an-age-of-intelligent-machines/
18. 18팔레, 아만다. 2014. “신규 노동시장의 비효율적 채용.” 아메리칸 이코노믹 리뷰 104, no. 11(2014년 11월): 3565–99. https://doi.org/10.1257/aer.104.11.3565 .
19. 19Acemoglu, Daron, Andrea Manera 및 Pascual Restrepo. 2020. "미국 세법은 자동화를 선호합니까?" 경제 활동에 관한 브루킹스 논문. 2020년 3월 18일. https://www.brookings.edu/bpea-articles/does-the-us-tax-code-favor-automation/ .
20. 20선원들, 로버트. 2021. "로봇에 세금을 부과하지 마십시오." 브루킹스 연구소. 2021년 8월 25일. https://www.brookings.edu/research/tax-not-the-robots/ .
21. 21Goldberg, Kalman, Jannett Highfill 및 Michael McAsey. "기술 선택: 출력 및 고용 절충." 미국 경제 및 사회학 저널 57, no. 1(1998년 1월), pp. 27-46. https://www.jstor.org/stable/i277647 .
22. 22IRS 세입 규정 87-41은 고용주-고용인 관계 여부를 결정하는 데 도움이 되는 20가지 요소를 제시합니다. 이것들은 버지니아 고용 위원회 웹사이트 에 잘 요약되어 있습니다 . 요인 #2는 계약자가 서비스 구매자로부터 교육을 받아서는 안 된다고 설명합니다. 또한 IRS는 직원인지 계약자인지 판단하는 것과 관련된 지침을 게시합니다.
23. 23풀커, Z., 크리스토프 리들. “누가 협력하고 싶습니까? 그리고 그 이유는 무엇입니까? 온라인 노동 시장에서 크라우드 노동자의 태도와 인식.” 작업 문서 https://arxiv.org/abs/2301.08808.
24. 24Malone, Thomas W. 2018. "인간-컴퓨터 '슈퍼마인드'가 업무의 미래를 재정의하는 방법." MIT Sloan Management Review , 2018년 5월 21일. https://sloanreview.mit.edu/article/how-human-computer-superminds-are-redefining-the-future-of-work/ .
25. 25박찬식, 김현진. “건설안전관리 및 시각화 시스템을 위한 프레임워크.” 건설 자동화 , 건축, 엔지니어링 및 건설의 증강 현실, 33(2013년 8월 1일): 95–103. https://doi.org/10.1016/j.autcon.2012.09.012 .
26. 26테일러, 티모시. 2022. "메타버스 직장에서의 성희롱 방지." Law360 . 2022년 5월 23일. https://www.law360.com/employment-authority/articles/1494398/preventing-sexual-harassment-in-the-metaverse-workplace
    Shen, M. 2022. “메타버스에서의 성희롱? 여자는 가상 세계에서 강간을 주장합니다.” USA 투데이 , 2월 1일. https://www.usatoday.com/story/tech/2022/01/31/woman-allegedly-groped-metaverse/9278578002/
27. 27Ransbotham, Sam, David Kiron, François Candelon, Shervin Khodabandeh 및 Michael Chu. 2022. "AI로 개인 및 조직의 가치 달성." MIT Sloan Management Review , 2022년 10월 31일. https://sloanreview.mit.edu/projects/achieving-individual-and-organizational-value-with-ai/ .
28. 28Ransbothamet al. "AI를 통해 개인 및 조직의 가치 달성."
29. 29Chokshi, N. 2019. "AI로 감시 카메라를 무기화하는 방법" New York Times. 2019년 6월 13일. https://www.nytimes.com/2019/06/13/us/aclu-surveillance-artificial-intelligence.html 
    Aloisi, Antonio 및 Elena Gramano. "인공 지능이 직장에서 당신을 지켜보고 있습니다: EU 맥락에서 디지털 감시, 직원 모니터링 및 규제 문제." 비교 노동법 및 정책 저널 41, no. 1(2019년 가을): 95-122. https://heinonline.org/HOL/LandingPage?handle=hein.journals/cllpj41&div=8&id=&page=
30. 30Lazer, DM, A. Pentland, DJ Watts, S. Aral, S. Athey, N. Contractor 및 C. Wagner. 2020. "계산사회과학: 장애물과 기회." 사이언스 369, 아니. 6507: 1060-1062. https://doi.org/10.1126/science.aaz8170 .
31. 31이 주제에 대한 자세한 내용은 Algorithmic Justice League를 참조하십시오 .
32. 32Zhang, Lingyu, Indrani Bhattacharya, Mallory Morgan, Michael Foley, Christoph Riedl, Brooke Foucault Welles, Richard J. Radke. 2020. "그룹 회의에서 성격 특성 추정을 위한 다자간 시각적 동시 발생." 2020년 컴퓨터 비전 응용 프로그램에 관한 IEEE 동계 회의(WACV) 절차 , 2074–83. https://doi.org/10.1109/WACV45572.2020.9093642 .
33. 33Westby, S. 및 Christoph Riedl. 2023. "인간-AI ​​팀의 집단 지능: 마음 접근의 베이지안 이론." 인공 지능에 관한 37차 AAAI 회의 간행물. https://arxiv.org/abs/2208.11660 .
34. 34Riedl, Christoph, Young Ji Kim, Pranav Gupta, Thomas W. Malone, Anita Williams Woolley. "인간 그룹의 집단 지능 정량화." 국립 과학 아카데미 회보 118, no. 21(2021년 5월 25일): e2005737118. https://doi.org/10.1073/pnas.2005737118 .
35. 35Ransbothamet al. "AI를 통해 개인 및 조직의 가치 달성."
36. 36Patel, V., Chesmore, A., Legner, CM 및 Pandey, S. 2022. "차세대 직업 안전, 건강 및 생산성을 위한 작업장 웨어러블 기술 및 연결된 작업자 솔루션의 추세." 고급 지능형 시스템 4, no. 1. https://doi.org/10.1002/aisy.202100099 .
37. 371986년 전자 통신 개인 정보 보호법. 18 USC §§ 2510-2523. 인적자원관리협회(Society for Human Resource Management)
    에 따르면 “의회는 1986년에 연방 Wiretap Act에 대한 수정안으로 [ECPA]를 통과시켰습니다. Wiretap Act는 구두 및 유선 통신의 가로채기와 모니터링만 제한했지만 ECPA는 이러한 제한을 이메일과 같은 전자 통신으로 확장했습니다.”
38. 38브레슬러, 베카, 라티프 나세르, 배리 램. 2022. "기가버스." Radiolab, 2022년 8월 26일. 팟캐스트, 51:22. https://radiolab.org/episodes/gigaverse .
39. 39워드, 알리사. "집에서 일하기: 원격 직원 모니터링에 대한 새로운 한계." The National Law Review , 2022년 10월 31일. https://www.natlawreview.com/article/bringing-work-home-emerging-limits-monitoring-remote-employees .