コーネル大学、スタンフォード大学、シラキュース大学の研究者チームが起草した論文では、通勤とテクノロジーの受け入れが労働者と企業の受け入れに関連する側面であると見なされています。どちらも直接的な正の関係を示しています。

また、この論文では、Strategic Management Journal の「Job Migration: Machine is an Example for Strategic Management」という有効な論文も紹介されています。研究のために、すでによく知られているビジネス上の問題に突然直面する可能性があるため、競争力があると言える企業をターゲットとして、特定の機械学習テクノロジーが最近使用されました。

労働者の流動性とテクノロジーの採用

労働者の独自性、通信技術、人口動態や経済の可能性が融合し、こうした世界的な傾向を形成しています。

コーネル大学ダイソン応用経済学部の研究チームリーダー、クリス・フォーマン氏は、「労働者が企業間で競争する機会を持つことが、経済の文脈における機械学習の背後にある技術にとって重要であるかどうかという問題」に取り組むつもりだ。会議の結果は、この問題が個々の組織にとって重要であり、その責任の重さは一般大衆の認識にかかっており、新しい技術の導入を予期しないものにしないために、より良い情報を提供しなければならないことを示した。

データセットは、2010年から2018年までの期間をカバーするマルチステートであり、自然実験（治療における非競争契約の実施の因果効果）として使用されました。研究者はハブをさらに深く掘り下げ、153,000を超える組織を調査します。機械学習に基づいて運営されている事業の規模の影響に加えて、状況に従業員なしで自分自身を管理している割合の重要性の低下が視覚化されました。多くの競争があること、1つの地域で同等の競争ビジネスがあること、または予測分析など、いくつかの異なる方法で差別化できる需要の低下は、この競争のスローガンです。

採用に影響を与える主な要因

したがって、懸念は、労働市場へのアクセスや競争など、労働力の流動性に関する知識に関連していました。現在、流動性に関する知識のおかげで、労働は労働者に利点を提供しています。したがって、組織外の終わりのない無限の可能性は、気を散らし続け、状況に悪影響を及ぼす可能性があります。従業員が組織を離れる原因となる可能性があります。

しかし、リーダーや管理者などが予算や技術の制約に従うと、成功が制限されるだけでなく、驚くべき速さで遅れ、機会を最大限に活用しても能力構築が遅れてしまうことにも注意が必要です。

機械がこのプロセスの初期段階にあるときは、オペレーターが操作し、その後、作業の効率を最大限に高めるためにトレーニングが必要になります。コミュニティで経済的要因が省略されると、企業は未熟練労働者を雇用することになり、その労働者は機械に簡単に依存することになり、ギャップによってスキルが消えてしまうため、スキルを習得する方法を見つけることができません。しかし、このようなことは安全とは言えず、急速に発展する競合他社にビジネスが追い抜かれ、ビジネス目標を達成するための努力が無駄になるという、非常に恐ろしいリスクをもたらす可能性があります。

また、機械学習システムの研究が検討されるプロジェクトの実践的な部分も取り上げますが、機械学習の議論とより広い文脈が提供されます。著者は、Chris Forman の主張を展開しながら、業界に影響を与えるテクノロジーの中心には人がおり、企業間でのテクノロジーの普及は人間のプロセスであることを私たちに思い出させます。

したがって、技術の普及と拡散のプロセスに関する十分な情報を得るために、人材育成にいくらかの資金を費やすことが不可欠です。これは、研究で使用される即時の個々の指標やデータ処理システム、および才能の流動性、技術の進歩、および実力主義の渦というテーマが観察される他の研究によって支援される結果に基づいて研究が行われていることを一般化します。