노동자 이동성이 기술 수용에 미치는 영향: 연구가 중대한 발견을 밝히다

코넬 대학교, 스탠포드 대학교, 그리고 시러큐스 대학교 연구진 팀이 작성한 논문에서, 출퇴근과 기술 수용은 노동자와 기업의 수용과 관련된 측면으로 간주되었습니다. 둘 다 직접적인 양의 상관관계를 보입니다.

또한, 이 논문은 'Job Migration: Machine is an Example for Strategic Management from Strategic Management Journal'이라는 유효한 논문을 제시합니다. 연구를 위해 최근 특정 머신러닝 기술이 활용되었으며, 이는 갑자기 이미 잘 알려진 비즈니스 문제에 직면할 수 있는 경쟁사라고 설명될 수 있는 기업들을 목표로 합니다.

노동자 이동성과 기술 수용

노동자의 고유성, 통신 기술, 그리고 인구통계학적 및 경제적 가능성이 이러한 글로벌 트렌드를 형성하기 위해 수렴하고 있습니다.

코넬 대학교 다이슨 응용경제대학의 연구팀 리더인 크리스 포먼은 “경제적 맥락에서 기계 학습 기술에 대해 근로자들이 기업 간 이동할 기회를 갖는 것이 중요한가?”라는 질문에 답하려 한다. 컨퍼런스 결과, 이 문제는 개별 조직에 중요하며, 책임의 무게가 일반 대중의 인식으로 옮겨져 놀라운 신기술이 도입되는 것을 피하기 위해 더 나은 정보를 제공해야 한다는 것을 보여주었다.

데이터셋은 2010년부터 2018년까지의 기간을 다루는 다주 데이터로, 자연 실험(처치로서 비경쟁 계약 이행의 인과적 효과)으로 사용되었다. 연구자들은 허브를 더 깊이 조사하며 15만 3천 개 이상의 조직을 분석했다. 또한 기계 학습에 대한 기업 운영 규모의 영향 외에도, 직원 없이 상황을 관리하는 상황에서 중요성 비율의 감소가 시각화되었다. 여러 가지 방법으로 차별화될 수 있는 낮은 수요, 예를 들어 많은 경쟁자, 한 지역 내 동등한 경쟁 기업, 또는 예측 분석 등은 이 경쟁의 슬로건이다.

도입에 영향을 미치는 주요 요인

따라서 우려는 노동 이동성에 대한 지식, 즉 노동 시장 접근성과 경쟁과 관련이 있었다. 이제 이동성에 대한 지식으로 인해 노동은 근로자에게 이점을 제공했다. 따라서 조직 외부의 끝없고 무한한 가능성은 마음을 산만하게 하여 상황에 부정적인 영향을 미칠 수 있으며, 이는 직원이 조직을 떠나는 원인이 될 수 있다.

그럼에도 불구하고 리더, 관리자 및 기타 사람들이 예산 및 기술적 제한을 따를 때 주목할 가치가 있다. 그러면 성공은 단순히 제한될 뿐만 아니라 놀라운 속도로 지연되며, 최대화된 기회를 사용하더라도 역량 구축이 뒤처지게 된다.

기계 프로세스의 초기 단계에서 기계는 작업의 최대 효율을 달성하는 데 도움이 되는 교육을 요구하는 운영자에 의해 구동된다. 지역 사회에서 경제적 요소를 생략하면 기업이 숙련되지 않은 근로자를 채용하여 기계에 더 쉽게 의존하게 될 수 있으며, 기술 격차로 인해 기술을 습득할 방법을 찾지 못하게 된다. 그러나 이러한 상황은 안전하지 않으며, 빠르게 발전하는 경쟁자에게 비즈니스가 앞설 수 있는 위험을 초래하여 비즈니스 목표 달성을 위한 모든 노력을 무의미하게 만들 수 있다.

우리는 또한 머신러닝 시스템의 연구가 고려되는 프로젝트의 실용적인 부분도 다루지만, 머신러닝에 대한 논쟁과 더 넓은 맥락을 제공할 것입니다. Chris Forman의 주장을 발전시켜, 저자는 산업에 영향을 미치는 기술이 사람 중심이며, 기업 간 기술 확산은 인간적 과정임을 상기시킵니다.

따라서 기술의 확산 및 확산 과정에 대한 충분한 정보를 얻기 위해 인적 자원 개발에 자금을 지출하는 것이 필수적이다. 이는 연구에서 관찰된 인재 이동성, 기술 성장 및 공로주의적 소용돌이 주제와 함께, 연구에 사용된 즉각적인 개별 지표 및/또는 데이터 처리 시스템에 기반을 둔 연구가 다른 연구의 도움을 받을 수 있음을 일반화한다.