Dit koersdocument gaat zoals beloofd dieper in op de inrichting van de toekomstige arbo-dienstverlening in de GO: mens-preferent of digitaal gestuurde dienstverlening? In dat laatste geval zullen de professionals toenemend alleen nog vakjes mogen aanklikken en bepalen algoritmen, systemen en protocollen de uiteindelijke keuzes. Of kiezen we voor een ‘mens-preferent’ beslismodel waarbij de digitale hulpmiddelen ondergeschikt blijven en de eindbesluiten voor de uitvoering altijd door de bedrijfsarts en het sociaal medisch team genomen worden? Een essentiële en steeds meer dringende vraag terwijl het in Arbo-land momenteel vooral over (vanwege de aantrekkelijke verdienmodellen)  Preventie, Leiderschap, Duurzame Inzetbaarheid en Vitaliteit gaat (daarover meer in de volgende blog).       

Een techpionier als Elon Musk voorspelt dat zelflerende kunstmatige intelligentie de mens op elk gebied zal gaan inhalen. Hij, en andere tech-denkers, zouden wel eens gelijk kunnen gaan krijgen vanuit de gedachte dat de mens toenemend als een machine wordt gezien en gemaakt. Logisch, want deze invalshoek ligt in het verlengde van de gedachte dat ongeveer alles ‘maakbaar’ is, tot aan gezondheid toe. Deze wijze van denken vormt het fundament voor de puur digitale benadering van dingen en mensen, een soort omdenken naar data. Behalve dat organisaties proberen om de kilheid van hun data gestuurde beleid met zachte assets aan de HR-kant  te compenseren ontstaat er daardoor ook een belangrijke vraag voor de (nabije) toekomst; wie bepaalt, de mens of de machine? 

Welke visie krijgt bij het beantwoorden van die vraag de voorkeur? De tegenstellingen even in grote lijnen kort door de bocht benaderd: is de mens van nature ‘slecht’ en moet hij daarom door de Staat van bovenaf door gecontroleerd worden (Hobbes)? Of de voorkeur geven aan de tegenhanger die er vanuit gaat dat de mens van binnen juist ‘goed’ is en dat het juist de Staat is die er voor zorgt dat het steeds weer fout gaat (Rousseau)? 

Waarom relevant?

Voor de professionals in de begeleiding van verzuim en arbeidsongeschiktheid zijn deze vragen in meerdere opzichten relevant. Terwijl we op sites als LinkedIn kostbare tijd en energie wordt verspild met zinloze en onnodig verwarrende discussies over het scheiden van de casemanagement-rollen –  deze scheiding is in een GO adequaat en sluitend geregeld – , speelt er in de nabije toekomst een andere en veel meer essentiële kwestie: welke P heeft er straks het laatste woord: Programma of Professional? 

Managerial gaat de voorkeur van organisaties verdedigbaar uit naar een strakke automatisering waarbij de uitkomsten op basis van de programmering in de toekomst nog veel exacter gaan worden omdat er simpelweg meer vergelijkende data (informatie) naast de antwoorden van de vragenbogen gelegd kan worden. De match tussen data en antwoorden kunnen op basis van programmering naar een plan, prognose, aanpak, tijdslijn, etc. worden vertaald. Goed en eenduidig te managen binnen een format van (digitaal) ‘meten is weten’. Dus wie zo efficiënt en kostentechnisch verantwoord mogelijk wil werken heeft een voorkeur voor het opleggen van een vooraf bepaald digitaal werkmodel (Hobbes). 

Bij de overheid worden de conflicterende nadelen van het digitale werkmodel recentelijk het meest zichtbaar en komen ze steeds dominanter aan de oppervlakte. Iedereen kent het voorbeeld dat de leden van de 2^e Kamer unaniem van mening zijn dat er een buitengewoon onwenselijke situatie is ontstaan die zo spoedig mogelijk gerepareerd dient te worden. De Kamer krijgt ‘niet uitvoerbaar’ als antwoord en onbedoeld levert ‘Den Haag’ zo keer op keer zelf het bewijs dat de menselijke wil inmiddels ondergeschikt is aan de digitale onmogelijkheid. In overheidsland krioelt het van de mislukte en ‘onwillige’ ICT-systemen en de kers op de taart zijn de voorbeelden met de Belastingdienst en UWV.  

Wat zijn de nadelen van een (te) digitaal beleid?

Veel techpioniers zetten de mens als een soort machine neer en dat is niet zonder reden want een groot voordeel van die benadering is dat machines allemaal dezelfde eigenschap, zeg maar hetzelfde DNA, bloedgroep, etc. hebben en dat heft de verschillen op. Wat voor het een geldt is ook voor het ander van toepassing en dat is een bijzonder handige voorwaarde voor het neerzetten en implementeren van een digitale beleidsomgeving.

Feit is echter dat de verschillen er zijn, ook wanneer je ze ontkent of er vanuit een visie niet naar wilt kijken. Want met alle data van de wereld, hoe mega super slim en bovenmenselijk intelligent computers en programma’s ook zijn, ze missen de menselijke eigenschappen als:

• Fouten maken en herstellen;
• Gevoel, empathie, vertrouwen, religie;
• Het bewustzijn dat je ‘bent’, voortdurend schipperen, inconsequent zijn;
• Verbeeldingskracht, inspiratie;
• Zelfstandig (buiten de data om) kunnen redeneren;
• Creativiteit en intuïtie;
• Moraliteit, normen en waarden,etc.

Het ontbreken van deze eigenschappen kan met zich meebrengen dat een organisatie die op basis van een digitaal beleid wordt gemanaged het risico loopt dat de menselijke eigenschappen niet of onvoldoende aan bod komen. Machines (computers en software) kennen deze eigenschappen niet en een computer of een programma zijn op zichzelf per definitie niet goed of slecht (behalve in Hollywood). Qua menselijke eigenschappen zijn ze zo dood als een pier omdat ze slechts data gestuurd zijn. Vanuit intuïtie je leefomgeving in kunnen schatten en begrijpen is wat anders dan het combineren van data (waardoor spraakcomputers zelfstandig met taal aan de slag gingen). Het leervermogen van een computer is anders dan dat van mensen omdat de mens een andere intelligentie bezit, meer flexibel, meer vloeibaar (tijdsgeest) en meer intuïtief.

Kiezen voor A of B

De bedreiging van de digitale arbodienstverlening zit in de afvlakking van de keuze zonder zelf na te denken: de mens als robot is een grotere bedreiging dan de robot als mensachtige. De mens als robot heeft zich ondergeschikt gemaakt aan het machinale reken- en denkvermogen en beperkt zich alleen nog tot het kiezen uit de keuzemogelijkheden die de computer voorstelt. Door de toepassing van keuzemanagement worden zelfdenkzaamheid en de andere menselijke eigenschappen steeds meer verdrongen. De Overheid werkt hier zelf het hardst aan mee door ongeveer alle dienstverlening digitaal te maken en burgers naar een of andere robot richting (bijvoorbeeld) het digitale “Mijn Belastingdienst”-loket te dwingen waar dan vervolgens vakjes aangeklikt mogen/moeten worden.

Vanuit efficiënt en smart werken zal er beleidsmatig steeds vaker worden opgelegd om je kennis, vaardigheden en competenties als professional ondergeschikt te maken aan rekenkundige en statistische keuze-opties. Het aanklikken van een digitaal berekende oplossing is totaal wat anders dan zelf een analyse maken, zelf begrijpen en voelen en van alle menselijke eigenschappen gebruik te maken om een casus te doorgronden en de situatie in een perspectief te kunnen plaatsen. 

De verschillende manier van leren, het rekenkundige en statistische leren zoals de computer doet, is niet te vergelijken met de wijze waarop een mens (of dier) kan leren. Voor wie het leuk vindt, kijk op youtube maar eens naar het filmpje dat Josh Tenenbaum laat zien aan de hand van Michael Tomasello ‘New MIT Social Intelligence Algorithm Helps Build Machines That better Understand Human Goals’). 

Super leuk en heel leerzaam om te zien hoe een jochie van 1,5 jaar toekijkt hoe een man tegen een kast op botst. Hij herkent niet alleen het probleem dat de man heeft, hij lost het ook op zonder dat hij de casus vooraf kende! In de wereld van kunstmatige intelligentie is dit onderzoek een klassieker dat met tal van ander onderzoek wordt gebruikt om machines meer menselijk ‘begrip’ te kunnen geven. MIT voorspelt in een prachtige definitie hoe met behulp van algoritmen in de toekomst de ideale kunstmatige sociale intelligentie (met behulp van GEN, een super programmeringsplatform) gebouwd kan worden. “Ideally, the algorithms of the future will recognize our mistakes, bad habits and irrationalities and help us avoid, rather than reinforce them.” Lees het als je wilt nog een keer en bedenk dat zoiets niet zonder gevaar is want van avoiding is de stap naar killing nog maar een kleine wanneer die oplossing rekenkundig misschien veel logischer is. “Ideally, the algorithms of the future will recognize our mistakes, bad habits and irrationalities and kill all the people because that is better for the world.”

Nog steeds zijn er verschillen in leren, beoordelen en handelen – de computer is superieur qua rekenkundige en statistische intelligentie en de mens is tot een andersoortige weging van een casus in staat. Omdat deze verschillen complementair zijn ligt het voor de hand dat samenwerken met kunstmatige intelligentie succesvoller zal blijken dan enkel kiezen voor A of B. Voor veel organisaties ontstaat de uitdaging doordat samenwerken minder voor de hand ligt wanneer de vertrekpunten voor een beleid vooral worden bepaald door likes voor efficiency, kostenbeheersing en omzetprognoses. Juist deze organisaties stellen de machine op basis van het verdienmodel beleidsmatig boven de medewerkers (iets wat juist dit soort organisaties zullen ontkennen om er vervolgens weer driftig mee verder te gaan).

Voor een zo goed mogelijk functionerend en presterend Sociaal Medisch Team binnen de GO is het daarom essentieel dat de positie van de professionals ongeacht het verdienmodel leidend is. Uiteindelijk zijn zij het die , gebruikmakend van alle beschikbare technologie, de casus analyseren om vervolgens voor iedere werknemer afzonderlijk de beste keuzes te maken. Mensen die zich vanuit hun professie inzetten voor mensen met gebruikmaking van de machines en niet andersom. Dat is het beleid dat past bij een werkgever die er voor kiest dat de medewerkers belangrijker zijn dan de machines, dat is het beleid dat bij een GO past. 

Bedankt voor jullie tijd, blijf allemaal gezond en veel leesplezier op www.verzuimdynamiek.nl

Hartelijke groet,

Herwin Schrijver