Auswirkungen der Arbeitskräftemobilität auf die Technologieakzeptanz: Studie liefert wichtige Erkenntnisse

In einer Studie, die von einem Forscherteam der Cornell University, der Stanford University und der Syracuse University verfasst wurde, wurden Pendelverkehr und Technologieakzeptanz als zusammenhängende Aspekte der Akzeptanz durch Arbeitnehmer und Unternehmen betrachtet. Beide weisen einen direkten positiven Zusammenhang auf.

Die Arbeit präsentiert außerdem einen relevanten Artikel mit dem Titel „Jobmigration: Machine Learning als Beispiel für strategisches Management“ aus dem Strategic Management Journal. Im Rahmen der Untersuchung wurde kürzlich eine spezifische Technologie des maschinellen Lernens eingesetzt, die sich an Unternehmen richtet, die als wettbewerbsfähig gelten können, da sie plötzlich mit bereits bekannten Geschäftsproblemen konfrontiert sein könnten.

Arbeitskräftemobilität und Technologieakzeptanz

Die Einzigartigkeit der Arbeitnehmer, die Kommunikationstechnologien sowie die demografischen und wirtschaftlichen Möglichkeiten wirken zusammen und prägen diese globalen Trends.

Chris Forman, Leiter des Forschungsteams an der Dyson School of Applied Economics der Cornell University, will der Frage nachgehen, ob die Möglichkeit für Arbeitnehmer, zwischen verschiedenen Unternehmen zu wechseln, für die Technologie hinter maschinellem Lernen im wirtschaftlichen Kontext entscheidend ist. Die Konferenzergebnisse zeigten, dass dieses Problem für einzelne Organisationen von Bedeutung ist und die Verantwortung letztendlich bei der Öffentlichkeit liegt, die bessere Informationen bereitstellen muss, um unerwartete Auswirkungen neuer Technologien zu vermeiden.

Der Datensatz umfasst mehrere Bundesstaaten und deckt den Zeitraum von 2010 bis 2018 ab. Er wurde als natürliches Experiment genutzt (die kausale Wirkung der Durchsetzung einer Wettbewerbsverbotsvereinbarung in einer Behandlungsgruppe). Die Forscher analysierten die Daten von über 153.000 Organisationen. Neben dem Einfluss der Unternehmensgröße auf maschinelles Lernen wurde auch der abnehmende Stellenwert der Proportionen visualisiert, der sich in der Situation ohne Mitarbeiter ergibt. Geringere Nachfrage, die sich auf verschiedene Weise differenzieren lässt, z. B. durch hohe Konkurrenz, gleichstarke Wettbewerber an einem Standort oder Prognoseanalysen, ist das zentrale Thema dieses Wettbewerbs.

Schlüsselfaktoren, die die Akzeptanz beeinflussen

Die Bedenken hingen also mit dem Wissen um die Arbeitskräftemobilität zusammen, etwa dem Zugang zum Arbeitsmarkt und dem Wettbewerb. Durch dieses Wissen bot der Arbeitsmarkt den Arbeitnehmern Vorteile. Die unendlichen und grenzenlosen Möglichkeiten außerhalb des Unternehmens lenken dietracab und können die Situation negativ beeinflussen – im schlimmsten Fall könnte ein Mitarbeiter das Unternehmen verlassen.

Dennoch ist es bemerkenswert, wenn Führungskräfte und andere Beteiligte den Budget- und Technologiebeschränkungen folgen. Dann wird der Erfolg nicht nur eingeschränkt, sondern auch alarmierend verlangsamt, und der Kapazitätsaufbau bleibt selbst bei optimaler Nutzung aller Möglichkeiten auf der Strecke.

In der Anfangsphase dieses Prozesses wird die Maschine von einem Bediener gesteuert, der anschließend Schulungen benötigt, um die größtmögliche Effizienz zu erzielen. Werden wirtschaftliche Faktoren in einer Region außer Acht gelassen, kann dies dazu führen, dass Unternehmen ungelernte Arbeitskräfte einstellen, die dadurch nur nochdent von Maschinen werden, da sie aufgrund der bestehenden Lücke keine Möglichkeit haben, ihre Qualifikationen zu erwerben. Dies ist jedoch nicht ungefährlich und birgt das gefürchtete Risiko, dass das Unternehmen von schnell wachsenden Wettbewerbern überholt wird, wodurch alle Bemühungen zur Erreichung der Unternehmensziele zunichtegemacht werden.

Wir behandeln auch einen praktischen Teil unseres Projekts, in dem die Erforschung von Systemen des maschinellen Lernens im Vordergrund steht; dabei werden jedoch auch Argumente und ein breiterer Kontext des maschinellen Lernens erläutert. In Anlehnung an Chris Formans Ausführungen erinnert uns der Autor daran, dass Technologien, die Branchen beeinflussen, den Menschen in den Mittelpunkt stellen und die Verbreitung von Technologie in Unternehmen ein menschlicher Prozess ist. 

Daher ist es unerlässlich, in die Personalentwicklung zu investieren, um ausreichend Informationen über die Verbreitung und den Diffusionsprozess von Technologien zu erhalten. Dies bedeutet, dass die Studie auf den im Rahmen der Forschung verwendeten individuellen Indikatoren und/oder Datenverarbeitungssystemen basiert und dass Ergebnisse aus anderen Studien, die sich mit diesem Thema der Talentmobilität, des technologischen Wachstums und der meritokratischen Dynamik befassen, ergänzt werden können.