Att öka den sociala verkligheten på arbetsplatsen

Kan vi använda data om människor för att förändra den fysiska verkligheten, även i realtid, och förbättra deras prestationer på jobbet eller i livet? Det är frågan som ställs av ett växande område som kallas förstärkt social verklighet.





Här är ett enkelt exempel. För några år sedan, tillsammans med Sandy Pentlands forskargrupp för mänsklig dynamik vid MIT:s Media Lab, skapade jag vad jag kallade en förstärkt skåp. Den hade två skrivbord åtskilda av en vägg av plexiglas med en manöverstyrd fönstergardin i mitten. Beroende på om vi ville att olika människor skulle prata med varandra, skulle persiennerna byta läge på natten med några dagar eller veckor.

Det utökade skåpet var ett experiment i hur man kan påverka den sociala dynamiken på en arbetsplats. Om ett företag till exempel ville att ingenjörer skulle prata mer med designers, skulle det inte skapa nya rapporteringsrelationer eller schemalägga oändliga möten. Istället skulle persiennerna i båsen mellan grupperna gå ner. Nu när ingenjörer passerade designers skulle det vara lättare att få en snabb pratstund om gårdagens spel eller ett projekt de arbetade med.

Mänsklig social interaktion blir snabbt mer mätbar i stor skala, tack vare alltid påslagna sensorer som mobiltelefoner . Nästa utmaning är att använda det vi lär oss av dessa beteendedata för att påverka eller förbättra hur människor arbetar med varandra. Media Lab-spinoffföretaget jag driver använder ID-brickor packade med sensorer för att mäta anställdas rörelser, deras tonfall, var de befinner sig på ett kontor och vem de pratar med. Vi använder data vi samlar in på kontor för att ge råd till företag om hur de kan förändra sina organisationer, ofta genom faktiska fysiska förändringar av arbetsmiljön. Till exempel, efter att vi upptäckte att människor som åt i större lunchgrupper var mer produktiva, installerade Google och andra teknikföretag som är beroende av överlägsen interaktion för att stimulera innovation större cafeteriabord.



I framtiden kan vissa av dessa ändringar göras i realtid. På Media Lab har Pentlands grupp visat hur tonfall, fluktuationer i talvolym och talhastighet kan förutsäga saker som hur övertygande en person kommer att vara i att till exempel lägga fram en startidé för en riskkapitalist. Som en del av det arbetet visade vi att det är möjligt att digitalt förändra din röst så att du låter mer intresserad och mer engagerad, vilket gör dig mer övertygande.

Ett annat sätt vi kan tänka oss att använda beteendedata för att förstärka den sociala verkligheten är ett system som föreslår vem som ska träffa vem i en organisation. Traditionellt är det en ad hoc-process som sker under möten eller med hjälp av mentorer. Men vi kanske kan dra på sensor- och digital kommunikationsdata för att jämföra faktiska kommunikationsmönster på arbetsplatsen med ett organisationsideal, och sedan uppmana människor att göra introduktioner för att överbrygga klyftorna. Det här är inte LinkedIn-modellen, där folk ber om att få kontakt med dig, utan en där en analytisk motor skulle avgöra vilken av dina kollegor eller vänner som ska presenteras för någon annan. Ett sådant system skulle kunna användas för att sy ihop hela organisationer.

Till skillnad från förstärkt verklighet, som lagrar information ovanpå video eller ditt synfält för att ge extra information om världen, handlar förstärkt social verklighet om system som förändrar verkligheten för att möta en grupps sociala behov.



Till exempel, vad händer om kontorskaffemaskiner flyttade runt i enlighet med det sociala sammanhanget? När en kaffehällande robot dök upp som ett gag i tv-reklam för två år sedan , Jag funderade allvarligt på användningen av en kaffemaskin med hjul. Genom att placera kafferoboten mellan två grupper, till exempel, kan vi öka sannolikheten för att vissa medarbetare stöter på varandra. När vi upptäckte – med hjälp av smarta märken eller någon annan sensor – att rätt konversationer förekom mellan rätt personer, kunde roboten gå vidare till en annan plats. Varuautomater, skålar med snacks – alla kunde migrera runt på kontoret på grundval av sociala data. En demonstration av dessa idéer kom från ett team vid Plymouth University i Storbritannien. I deras Slothbots projekt, långsamt rörliga robotväggar ändrar subtilt sin position över tiden för att förändra flödet av människor i ett offentligt utrymme, och ständigt anpassa deras rörelser som svar på människors beteende.

Den stora mängd beteendedata som vi kan samla in med digitala medel börjar konvergera med teknologier för att forma världen som svar. Kommer vi att meddela människor när deras miljö subtilt förvandlas? Är det ens etiskt att använda datadrivna tekniker för att övertyga och påverka människor på detta sätt? Dessa frågor förblir obesvarade eftersom tekniken leder oss mot denna utökade värld.

Ben Waber är medgrundare och VD för Sociometric Solutions och författare till People Analytics: How Social Sensing Technology Will Transform Business , publicerad av FT Press.



Dölj