Poslovni svijet već odavno u praksi provodi nepisano pravilo optimizacije radnog procesa: „Što se može pouzdano izmjeriti, time se može i upravljati; ono čime se može upravljati, može se i optimizirati; ono što je optimizirano, nosi manje troškova i povećava učinkovitost; veća učinkovitost = veća dobit”.

U cijelom dvadesetom i početkom ovoga vijeka ta se „upravljačka mantra” u praksi provodila korištenjem klasičnih, analognih alata: štopericom, tablicama normativa, mjerenjem učinkovitosti „po radniku i po satu rada” i pravim, živim nadzornikom koji radnicima stoji iznad ramena i diše im za vrat. Otkako se u radne procese sve više uvodi računalna tehnologija, načelno se promijenio samo alat: ostao je isti poriv za mjerenjem, kontrolom i optimizacijom, koji sada dolazi u paketu s IT-tehnologijama i alatima – dashboardom, analitikom u stvarnom vremenu, notifikacijama i „pametnim” sustavima koji, istina, ne viču i ne psuju na radnike koji stoje pred skladištem i predugo koriste piš/puš-pauzu – ali zato prate i znaju koliko je svaka ta pauza trajala, koliko je zadataka riješeno i kojim tempom, s koliko pogrešaka i koliko se puta kliknulo na krivo mjesto...

Digitalno šefovanje

Svijet algoritamskog upravljanja (algorithmic management, AM) već odavno nije rezerviran samo za taksiste, dostavljače i digitalne radne platforme (Uber/Bolt za prijevoz, Wolt/Glovo za dostavu, Upwork/Fiverr za online poslove).

Organizacija za ekonomsku suradnju i razvoj (OECD) i njoj srodne institucije unutar EU posljednjih godina sve češće ukazuju na činjenicu da softverski algoritmi postupno preuzimaju sve veći dio klasičnih menadžerskih funkcija u vrlo različitim sektorima, od logistike i call-centara, sve do zdravstva i uredskog ^[1,3]. Drugim riječima, više nije pitanje hoće li algoritam ući u upravljanje radom, jer već odavno jeste ušao; pitanje je kakve učinke algoritmizacija upravljanja ima na poslovanje, na ljude unutar radnih procesa i na ono što smo donedavno smatrali „granicama normalnog“ u praćenju učinkovitosti rada.

U marketingu svi pričaju o produktivnosti, a u stvarnom radu produktivnost često dolazi u paketu s nadzorom, standardizacijom i pritiskom. Upravo zato je AM vruća tema: jedni će reći „nekakav red mora postojati”, drugi će spominjati „digitalni bič”, a treći pomirljivo dodati kako „sve ovisi o tome kako se koristi” – i svi će djelomično biti u pravu. 

Najjednostavnije rečeno, algoritamsko upravljanje znači da poslodavac koristi softver (nekad „ojačan” AI-em, a nekad bez njega) za stvari koje su se tradicionalno smatrale poslom menadžera:
- dodjelu zadataka
- planiranje smjena
- praćenje rada i učinka
- procjenu performansi
- upozorenja i preporuke
- podršku odlukama o nagradama, sankcijama ili rasporedu rada.

Međunarodna organizacija rada (ILO) pojam algoritamskog menadžmenta definira kao „...sustave koji koriste praćene podatke i druge informacije u svrhu organiziranja, dodjeljivanja, nadziranja i evaluiranja rada” – uz važnu nijansu: AM ne mora nužno biti AI; može biti i sasvim „običan”, pravilima vođen poslovni softver ^[4].

Ta činjenica je bitna jer se danas sve trpa u isti koš, pod čarobni zajednički nazivnik „AI”, iz čega se naposljetku iznjedrio i onaj zloslutni ali popularni izraz: „Algoritmi umjetne inteligencije danas upravljaju ljudima.” U praksi, međutim, „digitalni šef” često nije inteligentan (ni prirodno ni umjetno), a nije ni veliki jezični model (LLM), nego je posrijedi neki od namjenskih softverskih uradaka za izradu rasporeda smjena ili scoring alat u CRM-u (Customer Relationship Management), ili workflow sustav za zadatke... ili neka druga platforma koja mjeri i rangira učinak tima.

Baš zato je ta tema i fluidna i zanimljiva: novi „algoritamski poslovođa” uopće ne mora biti vrlo pametna i napredna pro-verzija nekog AI alata; najčešće je to običan, klasični non-AI poslovni softver koji je prenamijenjen (ali ne nužno i optimiziran!) za novu ulogu digitalnog menadžera.

Taylorizam v2.0

Klasični taylorizam („znanstvena organizacija rada”) je u vremenima prvih zamaha industrijalizacije počivao na ideji da se svaki radni proces može razložiti na standardizirane, mjerljive korake, u koje se uvedu norme i strogo se kontrolira tempo radnog procesa kako bi se produktivnost „stisnula” prema maksimumu.

Danas se radi to isto, samo na digitalni način, finije, brže i opsežnije nego ikad prije; na snazi je „taylorizam nove generacije, verzija 2.0“. Ranije se mjerilo koliko (desetinki) sekundi traje pokret ruke radnika tijekom rada na pokretnoj traci, a danas se mjeri vrijeme odgovora na korisnički zahtjev (support ticket), broj obrađenih poziva po satu, trajanje neaktivnosti na računalu, prosječno utrošeno vrijeme po zadatku i odstupanje od prosjeka tima. Izmjereni podaci se potom koriste za optimizaciju procesa, predviđanje „pada produktivnosti” ili izračun vjerojatnosti greške i kašnjenja.

Naravno, nije svako mjerenje radnog učinka samo po sebi loša stvar. Ali jest loše ako metrika prestane biti alat za razumijevanje rada i postane zamjena za razumijevanje rada. Jer, nije problem mjeriti; problem nastaje kad mjerenje postane religija. Drugim riječima: problem nastaje kad se brojkama pokušava „silovati” stvarnost.

Nedvojbeno je da svaka organizacija (tvrtka, ustanova, firma, poduzeće) koja pokušava raditi ozbiljno mora pratiti barem neke parametre: vrijeme, kvalitetu, trošak, sigurnost, zadovoljstvo korisnika... Bez mjerenja se posao radi naslijepo, bez povratne informacije o kvaliteti i učinkovitosti, a time i bez prostora za korekciju pogrešaka i podizanje kakvoće proizvoda i usluge. Međutim, kad to praćenje postane cilj samom sebi, postavljaju se temelji za stanje koje ekonomisti opisuju kao distorziju poticaja i pad kvalitete odlučivanja – a u stvarnosti se to brzo pretvori u rast troškova. I ljudskih i ekonomskih.

Rupe u Goodhartu

Taj mehanizam najbolje opisuje Goodhartov zakon: „Kad mjera postane cilj, prestaje biti dobra mjera.” ^[7] U većini se tvrtki i ureda nikada nije ni čulo za tog gospo'n Goodharta pa ga se zato i ne citira tako često, ali ga se unatoč tome često provodi vrlo pedantno i dosljedno. Čim se ljude počne nagrađivati (ili kažnjavati) prema jednoj fiksiranoj, zadanoj brojci, sustav će kad-tad pronaći način da tu brojku ostvari – i to redovito nauštrb baš onoga što je brojka trebala predstavljati. Jer – Goodhartov ili čiji god bio – zakon je ipak samo zakon, a pronalaženje rupe u zakonu je oduvijek i svugdje bila tradicionalna narodna zanimacija i zabava.

Tako naposljetku sve bude formalno ispunjeno: zadana brojka je ostvarena. Samo što se kvaliteta robe i usluge preselila u odjel za reklamacije, a zarada u povrat novca nezadovoljnim kupcima i trošak koji se ne vidi na menadžerskom dashboardu, nego u konačnoj bilanci prihoda.

A evo i kako...

Primjer 1: Call-centar i „prosječno trajanje poziva“

U call-centrima je sve savršeno zamišljeno: slušalice, skripte, CRM-softver, real-time statistika učinkovitosti; na kontrolnom displeju podaci se vrte kao na aerodromskom rasporedu letova: prosječno trajanje poziva, broj poziva po satu, postotak riješenih upita „iz prve”, trajanje pauze i after call work minutaža...

A onda AI-sustav zaključi da je „prosječno trajanje poziva” predugo. Možda neka statistička krivulja izgleda ružno (a u Excel-kulturi nema mjesta za ružne krivulje); pokreće se novi režim s jasnim ciljem: krivulju treba uglačati, dakle treba skratiti prosjek trajanja poziva. I ubrzo se dogodi čudo: brojka se zaista poboljša.

No, poboljšanje se dogodilo zato što call-agenti počnu raditi ono što od njih traži menadžment, a ne ono što treba korisnik koji je nazvao call-centar. Pozivi trebaju biti kraći? OK, idemo prerano prekidati pozive, usmjeravati korisnike na self-service, prebacivati ga drugom agentu, zatvarati razgovor čim se može „formalno” reći da je nešto učinjeno... kompleksna rješenja ćemo izbjegavati (jer dugo traju pa kvare prosjek) ili ćemo ih „odložiti” – a to što se neriješene stvari kasnije vrate kao dva ili tri nova poziva neka rješavaju oni kojima ti pozivi stignu.

Sve u svemu, tražena statistika je zadovoljena: prosjek trajanja poziva je smanjen. AI-menadžer je dobio ljepšu krivulju – i ružniju stvarnost. Metrika prestaje biti korisni instrument i postaje generator konfuzije i neproduktivnosti.

Primjer 2: Razvoj softvera i „bodovi zadataka”

U razvoju softvera scena izgleda nešto drukčije: timovi, rokovi, backlog lista stvari koje treba napraviti... i vječna želja da se složen, kreativan posao pretvori u uredno, brojčano mjerljiv napredak.

U mnogim timovima se stoga uvodi naizgled jednostavna ideja: svaki zadatak dobije „težinu” u bodovima, tako da mali zahvat vrijedi malo bodova, a veliki zahvat vrijedi puno. Zbroj bodova po tjednu ili sprintu proglasi se pokazateljem produktivnosti: ako tim isporučuje više bodova, to prema bodovnoj tablici izgleda da radi brže; ako isporučuje manje, netko će ih kad-tad upitati „halo, što se događa?”.

Pod pritiskom menadžerskih zahtjeva sustav bodovanja prestaje biti pomoćni jezik planiranja i postaje valuta reputacije: ne mjeri se napredak softvera, nego formalni izgled napretka.

Brojke zaista narastu do zadanih vrijednosti, samo što narastu zato što se posao prilagodio tim brojkama, a ne svojem sadržaju: zadaci se cijepaju na sitnije korake, biraju se lakši zadaci koji brzo donose bodove, a neugodni i rizični se stavljaju na stranu da čekaju „bolje vrijeme”.

Na prvi pogled i kratkoročno, dashboard pokazuje pobjedu: isporučeno je više bodova i krivulja ide prema gore. A ispod površine se gomila ono što se u bodovima ne vidi: umjesto racionalnih rješenja korištene su improvizacije i polurješenja; kumulira se tehnički dug i sitne programske greške koje se dugoročno vraćaju kao bumerang.

Primjer 3: Zdravstvo i „vrijeme po pacijentu”

U zdravstvu se metrika sve češće ponaša kao KPI – poslovni žargon za Key Performance Indicator, „ključni pokazatelj učinka”, brojka koja bi trebala oslikati i sažeti produktivnost sustava. U ambulantama, hitnim prijemima i bolničkim odjelima ta se brojka zove raznim imenima: „vrijeme po pacijentu”, „broj obrađenih u jedinici vremena”, „prosječno trajanje pregleda”, „produktivnost ambulante”...

Na papiru to zvuči razumno: zdravstveni sustav je uvijek i svugdje tradicionalno preopterećen, liste čekanja rastu, ljudi se žale da se „ne može doći na red” za magnet, ultrazvuk, pregled, operaciju...

I onda se pojavi AI-dashboard koji obećava mir i prosperitet vođen neoborivo jednostavnom logikom: ako skratimo prosječno vrijeme po pacijentu, kroz sustav će proći više ljudi; ako kroz sustav prođe više ljudi, brojke će pokazati da smo efikasniji.

No, u stvarnom životu medicina nije pokretna traka koja na kraju rezultira uvijek istim proizvodom, nego složena interakcija s vrlo različitim osobama, kontekstima, problemima i varijablama. Kad se podigne tempo, prvo će biti žrtvovano ono što je najteže izmjeriti: individualni pristup – osobni kontakt, komunikacija i razgovor. A individualni pristup je često baš onaj element zdravstvenog procesa koji  sprječava dijagnostičke greške, loše usmjerene uputnice, suvišne pretrage i kasnije komplikacije, troškove i statistički nepovoljne brojke.

Prizor je svima poznat: čekaonica je puna, sat otkucava, a na ekranu nekog nadzornog programa se crveni „loš prosjek”. Ravnateljstvo je nezadovoljno, pa se kreće u podizanje statistike učinkovitosti: pregledi se skraćuju, anamneza više nije razgovor nego yes-or-no checklista, složeniji problemi se odgađaju do dolaska iduće smjene...

U kratkom roku brojke mogu postati impresivno poboljšane jer je više ljudi prošlo kroz sustav. Ali, srednjeročno će na naplatu stići cijena takvog pristupa: više povratnih i ponovnih dolazaka istih pacijenata, više administrativnih ciklusa obrade, više nepotpunih priča koje završavaju kao suvišne pretrage ili pogrešno usmjeravanje. Pacijent ubrzo shvati da za njegov specifični problem nema predviđene rubrike u tablici koju liječnik ispunjava. A dugoročno dolazi najskuplja stavka u vidu propuštene prilike za liječenje koje se vraćaju kao ozbiljniji problem za pojedinca i populaciju: pada kvaliteta zdravlja pojedinaca i cijelog društva, a s njima pada i opća produktivnost, ekonomija, standard... Zdravstvo s jedne strane postane mjerljivo „efikasnije”, ali suštinski postaje sve slabije i nekvalitetnije. 
_{(disclaimer: ovo sa zdravstvom je posve izmišljena situacija koja nema nikakve veze sa Sada i Ovdje, op.a.)}

Gaming metrika: optimizacija brojke umjesto posla

Premda navedeni primjeri izgledaju kao varanje sustava (jer u osnovi i jesu varanje), u organizacijskoj kulturi se to zove „snalažljivost”, a u znanstvenom žargonu ta pojava ima i svoj stručni naziv – „gaming metrika”: ponašanje koje je formalno usklađeno s pravilima, ali u suštini sabotira smisao mjerenja. To je prilagodba ponašanja s ciljem da se poboljša mjerena brojka bez stvarnog poboljšanja (ili čak uz pogoršanje) rezultata.

Zašto baš „gaming“? Ne zato što netko na poslu igra Solitaire umjesto da produktivno radi (naravno da ima i takvih primjera, ali nećemo sada o tome...), nego zato što je riječ izvedena iz engleskog glagola 'to game' u značenju „izigrati sustav”, „iskoristiti pravila” ili „namjestiti igru” tako da se dobije povoljan ishod.

U klasičnim igrama i sportovima to bi bio pokušaj da se pronađe „legalna” rupa u pravilima i to tako da ih se ne prekrši otvoreno, nego da ih se „savije” i okrene u svoju korist. Ista logika vrijedi i u sustavima koji su kontrolirani metrikom: ne mijenja se nužno kvaliteta rada, nego se mijenja ponašanje tako da brojka izgleda bolje – a to je, u toj „igri”, ono što se zapravo boduje. Kad se jednom uvede Key Performance Indicator, dio sustava počne se ponašati kao da je KPI nekakav semafor na cilju utrke, a ne instrument za navigaciju kro radni proces.

Gaming metrika se događa iz jednostavnog razloga: ljudi rade ono za što su plaćeni. Ako su plaćeni za brojku, radit će za brojku. I tu se pojavljuje rečenica koju bi trebalo ugravirati na ulazu u svaku zgradu u kojoj se neki menadžer u organiziranju radnog procesa slijepo vodi samo bešćutnim dashboardom: „KPI je dobar sluga, ali katastrofalan gazda”.

Uberizacija bez taksija

Digitalne radne platforme bile su prvi pokusni laboratorij za testiranje algoritamskog menadžmenta. Tamo je AM najvidljiviji: aplikacija dodjeljuje zadatke, prati izvedbu, mjeri vrijeme, rangira radnike, a ponekad i „automatski” kažnjava ili uklanja s platforme. Europska pravila za platformski rad uvode transparentnost algoritamskog upravljanja i pravo radnika da ospore automatizirane odluke – što je već samo po sebi priznanje da se ovdje ne radi o benignom softveru^[5].

No poanta nije da svi postajemo dostavljači. Poanta je da sve više poslova postaje „dostava” u organizacijskom smislu. Ta „platformska logika” ima prepoznatljive komponente koje se sve češće kopiraju u klasične organizacije:
- tasking: posao se razbije na male zadatke koji se dodjeljuju i prate
- scoring i rangiranje: učinak se boduje, uspoređuje i pretvara u listu
- reputacija: score postaje valuta vidljivosti, povjerenja i rasporeda
- automatizirana eskalacija: sustav gura upozorenja i pritisak kad brojke „odstupaju”
- mikronadzor: bilježe se sitne aktivnosti koje prije nisu bile tema upravljanja.

Sama tehnologija tu nije egzotična. Egzotičan je efekt: rad se pretvara u niz atomiziranih isporuka, a čovjek u objekt nadzora i rangiranja.

Mini-scena 1: Logistika i skladište – rad „na autopilotu”

U skladištu sve izgleda jednostavno: uzmi, skeniraj, odnesi, odloži. Ali iza tog ritma sve češće stoji sloj tehnologije koji ne služi samo praćenju, nego i koordinaciji – svojevrsni digitalni metronom rada. Fairworkov izvještaj ^[9] o Amazonu opisuje kako radnici dobivaju upute kroz skenere, ekrane i sustave „pick-by-light”, uz vrlo malo prostora za vlastitu procjenu: rad postaje „automatski način rada”. Nije samo pitanje što treba uzeti, nego i kada, kojim redom i kojom rutom – a sve se, naravno, mjeri, uspoređuje i pretvara u tempo.

I tu se dogodi ona sitna, ali ključna promjena: algoritam više nije samo „karta” skladišta, nego i sat koji otkucava. Ako je sustav odlučio da je normalno uzeti 120 komada na sat, onda je 118 već razlog za žutu boju na zaslonu, a 110 postaje „odstupanje” koje traži objašnjenje. Radnik, naravno, ne prestaje biti čovjek: mora do WC-a, mora popiti vode, mora podignuti nešto teže, mora paziti da ne slomi robu ili sebe. No metronom ne zna za to; on zna za prosjek.

U takvom okruženju AM nije samo nadzor, nego i režija: sustav određuje tempo, prioritet i putanju, a čovjek postaje izvršitelj logističkog scenarija koji se u hodu prilagođava brojkama. A kad se brojke počnu prilagođavati ljudima (npr. tako da „normalno” sutra postane ono što je jučer bilo „maksimum”), skladište dobije na brzini – i na rubnim troškovima, od pogrešnih skenova i krivih paketa do ozljeda i fluktuacije koje se u dashboardu pojave tek kad već postanu skupe.

Mini-scena 2: Ured na daljinu i „activity” metrika

Rad na daljinu je otvorio novu industriju metrike: praćenje aktivnosti. Kad se posao ne vidi, traži se zamjena za „vidljivost”, a zamjena često dolazi kao brojka – jer brojka djeluje kao dokaz da se „nešto radi”, čak i kad ne govori ništa o tome što se radi i s kakvim učinkom. Microsoftov Productivity Score je dobar primjer kako mainstream alati mogu skliznuti prema individualnom praćenju: nakon učestalih kritika da Productivity Score predstavlja izravni nadzor pojedinačnih zaposlenika, Microsoft je najavio promjene i pritom najavio novi pristup, tzv. agregirano izvještavanje ^[8], što znači da se podaci ne prikazuju na razini pojedinca, nego se zbrajaju u skupine (tim, odjel, cijela organizacija) i tek se onda prikazuju kao trendovi ili prosjeci. 

Kako to izgleda u praksi? Kad se provodi „individualni score“ (izvještavanje za jednu osobu), sustav može pokazati koliko je mailova poslala, koliko je sastanaka imala, koliko je „aktivna“, itd. To je ono što ljudima previše „miriše“ na nadzor – jer se može koristiti za „tko radi / tko ne radi“ procjenu pojedinaca u radnom procesu. S druge strane, agregirano izvještavanje je manje individualizirano: sustav kaže npr. „u odjelu od 40 ljudi porastao je udio kolaboracije u dokumentima” ili „prosječno vrijeme u sastancima poraslo je 12%”. Nema “Ivan je klikao 312 puta”, nego “tim radi ovako”. Obično se uvodi i minimalna veličina grupe (npr. ne prikazuje se tim od 2–3 osobe) da se pojedinci ne mogu “odgonetnuti”.

Razlika je važna, jer agregat je (u teoriji) alat za upravljanje procesom, a individualno ocjenjivanje produktivnosti vrlo lako postane alat za upravljanje ljudima – i onda se brzo pretvori u KPI-zaciju radnog mjesta (pri čemu KPI  znači “klikaj da izgledaš produktivno”).

Poanta priče o ovoj mini-sceni nije Microsoft. Poanta je psihologija: kad se rad prevede na mjerenje  aktivnosti (activity metrics: brojanje klikova, mailova, vremena u Teamsu), dobije se mjerljiv rad... i nemjerljiv gubitak povjerenja. A povjerenje je, ironično, jedan od rijetkih resursa koji se u organizaciji ne može jednostavno „optimizirati” – može se samo strpljivo izgraditi ili brzopleto izgubiti.

Zakoni koji pokušavaju obuzdati dashboarde

U javnosti se češće može čuti da novim zakonskim propisima „EU regulira AI.” ^[6] U stvarnosti, EU ne regulira nikakvu umjetnu inteligenciju, nego svojim legislativnim mjerama pokušava regulirati rizik – a rizik na radnom mjestu najčešće ni nema oblik nekakvog umjetno-inteligentnog humanoidnog robota, nego se generira i kontrolira u domeni automatiziranog nadzora i automatiziranih odluka.

Uzmimo jedan real-life primjer: kada neki algoritamski sustav koji prati i boduje radni učinak (zaprimanje zadataka, brzinu rada, broj finalnih proizvoda u jedinici vremena...) registrira da je productivity score nekog radnog procesa pao ispod očekivanog praga, već u sljedećem danu ili tjednu radnici će dobiti drukčiji raspored smjena ili drukčiju individualnu dodjelu poslova. Nitko im pritom neće reći da je prag promijenjen. Nitko im neće reći koja komponenta unutar productivity scorea je pala ispod željene razine. Nitko uostalom i ne zna objasniti zašto je „odjednom” nastala promjena u rasporedu i opterećenju poslovima. Menadžer samo slegne ramenima: „Tako je izračunao sustav.” U tom trenutku riječ „optimizacija” prestaje biti tehnički termin i počinje zvučati kao loš izgovor za bullying na radnom mjestu. 

Europski parlament je krajem 2025. zatražio od Europske komisije da predloži mjere za zaštitu radnika od rizika algoritamskog upravljanja. Spominju se stvari koje zvuče banalno dok se ne pokušaju provesti: ljudski nadzor algoritamskih procesa, pravo na informacije o podacima koji se prikupljaju, pravo na objašnjenje i reviziju odluke, te ograničenja obrade posebno osjetljivih podataka (emocionalni status, privatne komunikacije, off-duty podaci) ^[3].

Istovremeno postoje dva velika regulatorna sloja: jedan je „AI Act” kao okvir za AI sustave, s naglaskom na rizike i obvezu ljudskog nadzora u relevantnim slučajevima ^[6], a drugi su platformska pravila (Platform Work Directive / provedbeni okvir) kao specifičan set propisa za platforme, uključujući transparentnost algoritama i pravo osporavanja automatiziranih odluka ^[5]. No problem je što se AM često odvija na prostoru između tih okvira: dio algoritamskih alata formalno i nije AI, a dio radnika formalno nisu „platformski radnici”, no posljedice loše regulacije mogu biti itekako stvarne.

Kad se komplicirani pravni rječnik svede na normalan ljudski jezik, paket zahtjeva Europskog parlameta se svodi na tri stvari:

1. Ljudski nadzor: sustav može preporučiti, ali čovjek mora razumjeti i preuzeti odgovornost.
2. Pravo na objašnjenje i osporavanje: ako je sustav utjecao na raspored, ocjenu, kaznu ili otkaz, mora postojati način da se razumije logika i da se odluka preispita.
3. Granice podataka: ne prikupljati sve što se može samo zato što se može.

Jedna tema, tri mehanizma

Dok metrike određuju što se optimizira, a platformska logika određuje kako se optimizacija provodi (zadaci, bodovi, rang-liste, automatizirana koordinacija...), zakonska regulativa pokušava odrediti gdje su granice (koje odluke moraju imati ljudsku odgovornost, koji podaci su zabranjeni, kako se odluke objašnjavaju i osporavaju...).

A kad se metrika, optimizacija i regulativa uzajamno loše poslože, dobije se paradoksalna situacija u kojoj posao postaje „mjerljivo učinkovitiji”, ali istodobno lošiji (jer se optimizira samo ono što je lako izmjeriti, a ono što je teško mjeriti se jednostavno odreže ili ignorira). Za radnika kao osobu se taj „mjerljivo učinkovitiji” posao u pravilu pokaže kao nezdraviji, stresniji i opasniji, jer se rad pretvara u stalni audit – neprestano provjeravanje i dokumentiranje učinka (tko je što napravio, koliko brzo i po kojem standardu), kao da mu se na radnom mjestu svaki dan vrši interna revizija. Složenost radnog procesa pokušava se strpati u metriku koja nema dovoljno dimenzija, a najmanje onu ljudsku.

Problem AM-a nije u tome što sada „umjetna inteligencija upravlja ljudima”; problem je što se to upravljanje pretvara u nasilnu, digitalnu optimizaciju bez odgovornosti za posljedice (jer kako utvrditi odgovornost računalnog programa, softvera, tabličnog kalkulatora, algoritma...?), uz posljedično svaljivanje krivice za loše pokazatelje produktivnosti isključivo na radnika.

Premda propitivanje učinkovitosti i posljedica algoritamskog menadžmenta promatra ne samo ljudsku stranu, već i njenu tehnološku i ekonomsku opravdanost i profitabilnost, kritika AM-a nije sama po sebi ni tehnofobna ni antikapitalistička. Ona je pitanje optimizacije dizajna: što se mjeri, tko odlučuje, tko odgovara i tko snosi posljedice kad brojke pokušavaju glumiti realnost.

Literatura

1. OECD (PDF) – How widespread is algorithmic management in workplaces? (19 Dec 2025)
2. European Parliament / EPRS (PDF) – Digitalisation, artificial intelligence and algorithmic management in the workplace (2025)
3. European Parliament (PDF) – MEPs demand new measures to protect against algorithmic management at work (Press release, 17 Dec 2025)
4. ILO – Algorithmic management in the workplace
5. Council of the EU – Platform workers: Council adopts new rules to improve their working conditions (14 Oct 2024)
6. European Commission – AI Act | Shaping Europe’s digital future
7. Goodhart’s law (formulacija i povijest), Wikipedija
8. The Guardian – Microsoft productivity score feature criticised as workplace surveillance (26 Nov 2020)
9. Fairwork (PDF) – Fairwork Amazon Report 2024 (26 Jun 2024)