Principal Inovação A Whole Foods secretamente atualiza a tecnologia para direcionar os esforços de sindicalização do squash

A Whole Foods secretamente atualiza a tecnologia para direcionar os esforços de sindicalização do squash

Os dados do mapa de calor da Whole Foods sugerem que lojas com baixa diversidade racial têm uma alta probabilidade de sindicalização.Justin Heiman / Getty Images



Sombras do Big Brother estão pairando sobre a Whole Foods, que já foi considerada uma das pioneiras da cultura saudável no local de trabalho.De acordo com documentos internos vistos pelo Business Insider, tA rede de supermercados de propriedade da Amazon tem usado um mapa de calor interativo para monitorar seus 510 locais nos EUA e atribuir a cada loja umpontuação de risco de sindicalização com base em critérios comoempregadolealdade, taxa de rotatividade e diversidade racial.

CONSULTE TAMBÉM: Funcionários da Amazon em Nova York protestam contra condições inseguras em meio ao coronavírus

A Whole Foods emprega cerca de 95.000 pessoas em todo o país. Os dados coletados no mapa de calor sugerem que lojas com baixa diversidade racial e étnica, especialmente aquelas localizadas em comunidades pobres, são mais propensas a se sindicalizar. Isso é muito para desvendar sobre o seu lugar favorito para comprar molho de massa orgânico caro. Quando um Whole Foods de repente aparece em um bairro de baixa renda, é sempre um prego no caixão que gentrificação está em andamento -e os aluguéis estão prestes a explodir.

Por que esse esforço anti-sindical não é surpreendente? Bem, como você deve saber, a empresa-mãe da Whole Foods, Amazon, tem um histórico de reprimir agressivamente a sindicalização .

Basta verificar o vazamento de 45 minutos video de treinamento que a Amazon enviou aos líderes de equipe da Whole Foods em 2018 para conter a atividade sindical. O narrador afirmou abertamente que o vídeo foiprojetado especificamente para fornecer as ferramentas de que você precisa para ter sucesso quando se trata de organização do trabalho e queNão acreditamos que os sindicatos atendam aos interesses de nossos clientesou acionistas ou, o mais importante, nossos associados.

Os sindicatos dão direitos e proteção aos trabalhadores. Apenas olhe o que aconteceu no mês passado quando os trabalhadores saíram das instalações da Amazon em Staten Island para protestar contracondições de trabalho inseguras em meio à pandemia.Christian Smalls, que liderou a paralisação, não foi apenas demitido abruptamente, mas vazou e-mails internos mostraram naquelao principal advogado da Amazon também tentou acusá-lo de não ser inteligente ou articulado, a fim de reprimir os esforços de sindicalização.

O mapa de calor da Whole Foods monitora um potencial levante de sindicalização usando cerca de duas dúzias de métricas em três áreas principais:riscos externos, riscos da loja e sentimento dos membros da equipe.

De forma alarmante, a Whole Foods não é a única empresa que emprega tecnologia de ponta para rastrear secretamente seus funcionários. Nós já registramos Como asempresas financeiras e bancos medem a cultura do local de trabalho, o nível de satisfação dos funcionários e a taxa de esgotamento usando inteligência artificial. Por exemplo, a plataforma Receptiviti usa aprendizado de máquina para analisar palavras-chave na comunicação dos funcionários por e-mail da empresa, Folga , Skype e assim por diante para identificar se um determinado escritório tem uma cultura tóxica.

A inteligência artificial também foi usada para prever ações importantes dos funcionários. Em um Harvard Business Review artigo ano passado, gestão professores Brooks Holtom da Georgetown University e David Allen da Texas Christian University relataram suas descobertas de pesquisa queBig Data e algoritmos de aprendizado de máquina são ferramentas eficazes para determinar quando um funcionário está prestes a pedir demissão.

Os pesquisadores acumularam indicadores de rotatividade potencial para mais de 500.000 trabalhadores nos Estados Unidos e basearam suas análises em fatores pessoais ligados à integração que eram de domínio público, como o número de empregos anteriores, aniversário e estabilidade do emprego, habilidades, educação, gênero e geografia.

Usamos o aprendizado de máquina para classificar cada indivíduo como improvável, menos provável, mais provável ou mais provável de ser receptivo a novas oportunidades de emprego, escreveram os autores.

Artigos Interessantes