14. lapszám · nov. 2–8. 2026Agent Age hírmagazin · Többi kiadás · Keresés · Módszer · HU / ENG

A munka az AI korában kétszer változik meg: előbb az, amit az ember csinál, aztán az, amiért megfizetik.

Esszé

A munka gondolkodói arról vitáznak, kié a munkáról szóló tudás

Taylortól Druckerig és a mai munkagazdászokig ugyanaz a kérdés tér vissza: ki ismeri a munkát, ki mérheti, és mit feltételez közben az emberről. Az AI ezt a százéves vitát folytatja, mert a mérés és a tervezés egy része a szoftverbe kerül.

Varga Zoltán · 2026-11-21 · 10 perc olvasás

A munka tudománya · 1/4. rész

A munka tudományának nagy szerzőit a tankönyvek egymást javító sorként mutatják be: Taylor mért, McGregor emberibbé tette a vezetést, Drucker pedig mindezt a szellemi munkára alkalmazta. Én ebben a sorban inkább egy máig lezáratlan vitát látok, amelynek tárgya meglepően állandó. A vita arról folyik, hol található a munkáról szóló tudás, kinek van joga mérni, és milyen emberképet épít be a szervezet abba, ahogyan a feladatokat kiosztja. Az AI munkahelyi megjelenése ezt a kérdést éleszti újra, mert a mérés, a feladatkiosztás és a tervezés egy része most szoftverbe költözik, és a szoftver is valamelyik régi feltevést viszi magával.

Taylor mérése a munkás tudásából indult

Frederick Winslow Taylor kérdése az volt, mennyi munka vész el a rosszul megtervezett mozdulatokban. Vaclav Smil az Energy and Civilization című könyvében mérnöki teljesítményként írja le a választ: Taylor 1880-tól huszonhat éven át számszerűsítette az acélforgácsolás minden fontos változóját, az eredményt logarléces számításokká egyszerűsítette, és az általános tanulságot 1911-ben, The Principles of Scientific Management (A tudományos vezetés alapelvei) című művében foglalta össze. Smil olvasatában Taylor a munka tényleges energetikáját akarta megérteni. Ellenezte a túlzó normát, mert a kimerült munkás szerinte rosszul kiszabott feladatot jelez, és leírta, hogy a vezetők együttes tudása messze elmarad az alájuk rendelt munkások tudásától és ügyességétől, ezért szoros együttműködést kért a két fél között 1.

Rebecca Henderson a Reimagining Capitalism in a World on Fire lapjain ugyanerről az emberről egészen más képet ad. Az ő Taylorja a Midvale acélműben arra a meggyőződésre jutott, hogy a dolgozók többsége szándékosan lassan dolgozik. A megoldása az volt, hogy a műveletet elemi részekre bontotta, a részeket egyenként javította, a munkást pedig a vezetés által előírt eljárás pontos követésére szorította. Henderson szerint ez a gyakorlatban azt jelentette, hogy a pénzbeli jutalom ígérete gépet csinált az emberből. A sokat idézett példa a Bethlehem Steel nyersvasrakodója, akit Taylor Schmidtnek nevezett: a cél a napi 47 tonna megmozgatása volt, az ösztönző pedig az 1,15 dollár helyett kínált 1,85 dolláros napibér 2.

A két leírás együtt igaz, és számomra éppen ez a taylori örökség lényege. A módszer elismeri, hogy a munka tudása a műhelyben van, majd ezt a tudást kiemeli onnan, szabvánnyá alakítja, és a tervezőasztalhoz rendeli. Cal Newport az A World Without Email című könyvében úgy foglalja össze a végeredményt, hogy az ipari vezetés a munkást egy szűk vezetői kör által megtervezett, optimalizált folyamat végrehajtójának tekintette 3. Aki ma egy nyelvi modellt tapasztalt kollégák megoldásain hangol be, majd az eredményt előírt munkamenetként adja vissza a csapatnak, ugyanezt a kiemelést végzi el, csak gyorsabban és nagyobb felbontásban.

McGregor a vezető feltevését tette a vizsgálat tárgyává

Douglas McGregor 1960-ban megjelent könyve, The Human Side of Enterprise (A vállalat emberi oldala) a kérdést megfordította: a munkás viselkedése helyett a vezető feltevéseit vizsgálta. Marvin R. Weisbord a Productive Workplaces című könyvében így adja vissza a tételt: a vezetés feltevései határozzák meg a vezetés viselkedését. Az X elmélet szerint a legtöbb ember lusta, felelőtlen, passzív és függő, ezért a munkát apró darabokra kell bontani és szorosan felügyelni. Az Y elmélet abból indul ki, hogy az emberek többsége, ha esélyt kap, felelősséget vállal, törődik a munkájával és fejlődni akar. Weisbord azt is rögzíti, hogy az első feltevést évtizedeken át a taylorizmus erősítette, és hogy a blokkolóórában, a szűk munkaszabályokban, a döntésekből kihagyott felnőttekben mindenütt ráismert 4.

Peter Senge és szerzőtársai a The Dance of Change című kötetben azt a mechanizmust emelik ki, amely miatt McGregor gondolata több egy rokonszenves emberképnél. Az X elmélet gyakran önbeteljesítő jóslatként működik: a munkatárs, akit blokkolóórával és minden lépésének figyelésével kezelnek, arra jut, hogy fölösleges bármi újjal próbálkoznia. Az Y elmélet szerint a hiba legalább részben az embert körülvevő szerkezetben keresendő 5. Rendszerszemlélettel ez visszacsatolási hurok: a bizalmatlan felügyelet passzivitást termel, a passzivitás pedig igazolja a felügyeletet.

Az algoritmikus irányításnál ugyanez a hurok szoftverben épül meg. Huram Konjen 2025-ös előzetes közleménye, az Algorithmic Management and the Future of Human Work fogalmi elemzés, saját adatfelvétel nélkül. Azt állítja, hogy az algoritmikus rendszerek javíthatják a működési hatékonyságot, közben viszont szűkíthetik a munka kapcsolati és helyzetfüggő oldalát, és a mérésük gyakran figyelmen kívül hagyja az olyan megfoghatatlan hozzájárulást, mint a kreativitás, az empátia vagy a közös problémamegoldás 6. McGregor nyelvén ez azt jelenti, hogy a rendszer tervezője dönt X és Y között, és a döntés a felület mögött marad.

Herzberg, Hackman, Oldham és Graeber: a munka tartalma

A következő csoport a feltevésektől a feladat anyagához fordult. Frederick Herzberg megkülönböztette a motivátorokat (maga a munka, a teljesítmény, az elismerés, a felelősség, az előrelépés) a higiénés tényezőktől, vagyis a vállalati szabályoktól, a felügyelettől, a fizetéstől és a munkakörülményektől, amelyek hiánya elégedetlenséget kelt, a jelenlétük viszont önmagában senkit sem mozgat. A tétel szerint az embert a munka tartalma készteti cselekvésre, a környezete kevésbé. Ezt az összefoglalást Geert Hofstede Cultures and Organizations című könyvéből veszem, aki rögtön vitába is száll vele. Herzberg egyetemes emberi sajátosságnak tekintette a megkülönböztetést, Hofstede szerint viszont olyan kultúrákra illik, ahol kicsi a hatalmi távolság és gyenge a bizonytalanságkerülés. Ahol a kötelességtudat erős, ott a szabály valódi motivátor, ahol pedig nagy a hatalmi távolság, ott a felettestől való függés is az 7.

Richard Hackman és Greg Oldham 1976-os tanulmánya, a Motivation through the Design of Work: Test of a Theory 8 mérhetővé tette Herzberg sejtését. Frank J. Landy és Jeffrey M. Conte tankönyve, a Work in the 21st Century szerint kérdőívvel pontozták, mekkora egy munkakör motiváló ereje, és ezt öt jellemzőhöz kötötték: a szükséges készségek változatosságához, a feladat lezártságához és áttekinthetőségéhez, a jelentőségéhez, az önállósághoz, valamint ahhoz, hogy a visszajelzés magából a munkából érkezik-e. A szerzőpáros feltételt is szabott: a jellemzők csak annál hatnak, akit a magasabb rendű szükségletei foglalkoztatnak 9. Ez az öt tétel ma használható ellenőrzőlista. Ha egy AI-eszköz átveszi a munka elejét és végét, a munkatársnál a közbülső javítás marad, és ezzel éppen a feladat lezártsága és a munkából érkező visszajelzés sérül, miközben a darabszám nő.

David Graeber a jelentőség kérdését vitte a végletekig. A Bullshit munkák című, 2018-as könyve már a tartalomjegyzékében jelzi a két pillért: a meghatározás a munkát végző ember saját megítélésére épít, és a szerző öt alaptípusba rendezi az értelmetlennek érzett állásokat 10. Graeber antropológusként érvel, tétele mérésben nehezen fogható meg, a kérdése mégis pontos: mi történik azzal az emberrel, akinek a munkája Hackman és Oldham skáláján a jelentőség rovatban nullát kap.

Deci, Ryan és Edmondson: az önállóság és a megszólalás

Edward Deci és Richard Ryan a motiváció mennyisége helyett a minőségét vizsgálta. Az önmeghatározás-elméletről írt 2000-es összefoglaló tanulmányuk, a Self-Determination Theory and the Facilitation of Intrinsic Motivation, Social Development, and Well-Being abból indul ki, hogy az ember nagyrészt a társas feltételektől függően lesz kezdeményező és elkötelezett vagy passzív és elidegenedett. A kutatás három veleszületett lélektani szükségletet nevez meg, a kompetenciát, az autonómiát és a kapcsolódást: a kielégülésük erősíti az önmotivációt és a lelki egészséget, az akadályozásuk gyengíti a motivációt és a jóllétet 11. Az elmélet 2017-es összefoglaló kötete, a Self-Determination Theory szerint az autonóm, vagyis a személy által sajátjának érzett motiváció a szervezet iránti elköteleződés fontos alapja, és az összefüggés ebben az irányban erősebb, mint fordítva. A könyv egy véglegesített vezetéstudományi professzorok körében végzett vizsgálatot is ismertet: a szakma iránti elköteleződés a kutatás belső motivációjával járt együtt, az egyetem iránti elköteleződés a külsővel, a belső motiváció pedig magasabb kutatási célokkal és több kutatással töltött órával társult. Ryan és Deci a saját elméletét Hackman és Oldham munkajellemzőihez köti: az önállóság, a visszajelzés és a jelentőség olyan támasz, amelytől autonómabb motiváció várható 12.

Ide tartozik Amy Edmondson is. 1999-es tanulmánya, a Psychological Safety and Learning Behavior in Work Teams vezette be a csoport pszichológiai biztonságának fogalmát: a tagok közös meggyőződését arról, hogy a csoportban biztonságos személyközi kockázatot vállalni, amilyen egy kétely vagy egy hiba kimondása. Terepvizsgálatában a pszichológiai biztonság együtt járt a csoport tanulási viselkedésével 13. Én annyit teszek hozzá, hogy a gondolat McGregor hurkának kijárata: ahol a megszólalásnak ára van, ott a rendszer hibáiról szóló tudás a munkatársnál marad.

E szerzők és Taylor között éles a feszültség. A szabványosított eljárás éppen azt veszi el, amit Deci és Ryan a tartós teljesítmény forrásának tart, a sajátnak érzett döntést.

Drucker a tudásmunkára alkalmazta a kérdést

Peter Drucker abból indult ki, hogy a szellemi munkánál a taylori megfigyelő egyszerűen kevesebbet tud, mint akit megfigyel. Newport felidézi, hogy Drucker az ötvenes és hatvanas években alkotta meg a tudásmunka fogalmát, és 1967-es könyvében, A hatékony vezető*ben (*The Effective Executive) leírta: a tudásmunkást képtelenség közelről, részleteiben felügyelni, önmagát kell irányítania 3. Egy kései előadásában azt mondta, hogy a tudásmunkások egymással fel nem cserélhető, hosszú képzést igénylő szakmák tagjai, akiket vezetni sem lehet a régi értelemben, csak segíteni abban, hogy termelékenyek legyenek 14.

Ronald J. Baker a Measure What Matters to Customers című könyvében Druckert a tudásmunkás modern Taylorjának nevezi, és ezzel jól megragadja a kettősséget. Drucker 1999-es műve, a Management Challenges for the 21st Century szerint a tudásmunka termelékenységének kutatása 2000-ben nagyjából ott tartott, ahol a fizikai munkáé 1900-ban. A hat tényező közül, amelyet Baker idéz, az első maga a kérdés, hogy mi a feladat, a második a tudásmunkás önállósága és saját felelőssége, egy további pedig az, hogy a minőség legalább annyit számít, mint a mennyiség 15. Drucker tehát megtartotta Taylor célját, a termelékenységet, és elvetette az eszközét, a külső megfigyelőt.

A generatív AI ezt a megoldást teszi próbára, mert a kimenet mennyisége olcsón nő, a minősége pedig nehezebben látszik. Katelyn Xiaoying Mei és Nic Weber 2025-ös előzetes közleménye, a Designing AI Systems that Augment Human Performed vs. Demonstrated Critical Thinking állásfoglaló írás, amely különválasztja a ténylegesen elvégzett és a pusztán felmutatott kritikai gondolkodást, mert a teljesítmény javulása a képesség erősödése nélkül is bekövetkezik 16. Drucker első kérdése, hogy mi a feladat, ettől új élt kap: a leadott szöveg és a mögötte álló ítélet két külön termék.

A közgazdászok a feladatot tették az elemzés egységévé

A közgazdászok kívülről, a munkaerőpiac felől érkeztek, és a foglalkozás helyett a feladatot vizsgálják. David Autor 2015-ös esszéje, a Why Are There Still So Many Jobs? szerint a számítógép a rutinszerű, szabályokba foglalható feladatokban helyettesíti a dolgozót, és közben felerősíti az ember komparatív előnyét a problémamegoldásban, az alkalmazkodásban és a kreativitásban 17. Janneke Pieters és munkatársai 2025-ös előzetes közleménye, az Inequality at risk of automation? az erre épülő irodalmat foglalja össze: a technológiai változás nyerteseket és veszteseket termel, sokáig a magasan képzetteknek kedvezett, újabban pedig a rutinfeladatokat érinti a legerősebben. A szerzők a fejlődő országok munkaerőpiacán azt írják le, miben tér el a nők és a férfiak munkájának rutintartalma, és ebből mennyit magyaráz a foglalkozási szegregáció 18.

Daron Acemoglu és Pascual Restrepo 2019-es tanulmánya, az Automation and New Tasks ugyanebben a keretben két ellentétes erőt nevez meg: az automatizálás kiszorítja az embert azokból a feladatokból, amelyeket addig ő végzett, az új feladatok pedig, amelyekben az embernek komparatív előnye van, visszahelyezik a munkát a termelésbe 19. Erik Brynjolfsson és munkatársai 2020-as tanulmánya, The Productivity J-Curve a mérés felől közelít: az általános célú technológiák kiegészítő, gyakran megfoghatatlan beruházásokat kívánnak, amelyeket a nemzeti számlák rosszul mérnek 20. Ebben a sorban a közös vonásuk a fontos: mindhárom munka empirikus kérdéssé tette azt, amit Taylor és Drucker a szervezeten belülről nézett.

Hogy ez a mérés milyen óvatosságot kíván, azt Dora Zhao és munkatársai 2026-os előzetes közleménye, az AI Exposure and the Changing Responsibilities in Job Postings mutatja meg. A szerzők 33 vállalat 50 000 álláshirdetését elemezték a 2023 és 2025 közötti időszakból. Az AI kifejezett említése 66 százalékkal nőtt, a növekedés nagy része azonban a tényleges munkatevékenységek leírásán kívül jelent meg. Az AI-nak jobban kitett tevékenységek aránya a meghirdetett feladatok között csak enyhén csökkent, és ezek egyre gyakrabban társultak kifejezetten AI-val végzendő felelősséggel 21. A minta kevés cégre terjed ki, a hirdetés pedig a munkáltató kinyilvánított igényét rögzíti, amely eltérhet a ténylegesen végzett munkától.

Az AI a tervezőasztalt viszi át a szoftverbe

A szerzőket egymás mellé téve a vita tengelyének a munkáról szóló tudás helyét látom. A tudományos munkaszervezés ezt a tudást a műhelyből a tervezőhöz vitte, és minden későbbi iskola ennek az áthelyezésnek az árát mérte fel: a bizalomban, a feladat épségében, a sajátnak érzett döntésben, végül a szellemi munkánál abban, hogy a kiemelés eleve csak részben sikerülhet. A munkagazdaságtan mindehhez azt a szintet adta hozzá, ahol az egyes vállalati döntések bérekben és foglalkozási szerkezetben összegződnek.

Az AI-rendszer ebben a vitában a tervezőasztal új alakja. Egy agent, amely feladatot oszt, munkamenetet javasol vagy teljesítményt pontoz, a szervezet feltevéseit hajtja végre az emberről, és ezek a feltevések a beállításokban, a mért mutatókban és a kivételek kezelésében olvashatók ki. A szervezet, amely ilyen rendszert vezet be, akkor is állást foglal X és Y között, ha erről soha nem tárgyal. A magam részéről ezért a bevezetés legfontosabb iratának a munkakör újraírt leírását tartom: abból derül ki, mekkora önállóság, milyen visszajelzés és mennyi lezárt, saját eredmény marad annál, aki a géppel együtt dolgozik.

A klasszikusok korlátja is ide tartozik. Hofstede figyelmeztetése szerint a motiváció elméletei kultúrához kötöttek, Hackman és Oldham modellje feltételes, a munkaerőpiaci mérések pedig egy-egy mintáról és időszakról szólnak. A felsorolt szerzők kérdései tartósabbak a válaszaiknál, és egy AI-bevezetés megítéléséhez elsősorban a kérdéseikre van szükség.

A válaszok ellenőrzése még hátravan

A gondolkodók sorra vétele megmutatja, ki mit kérdezett, azt viszont nyitva hagyja, melyik válasz mennyire állta ki az ellenőrzést. A következő rész ezért az elméleteket és a vitákat teszi mérlegre: mit jósol a kéttényezős modell, a munkakörjellemzők elmélete vagy a feladatalapú megközelítés, mi szól mellettük és ellenük, és milyen megfigyelés döntené el a kiváltásról és a kiegészítésről folyó vitát. Az AI korában a munka tudományának klasszikusait olyan mércének tekintem, amelyhez minden új rendszer emberképe hozzámérhető.

Ajánlott olvasmányok

Források

  1. [1] Vaclav Smil (2017): Energy and Civilization: A History. könyv
  2. [2] Rebecca Henderson (2020): Reimagining Capitalism in a World on Fire. könyv
  3. [3] Cal Newport (2021): A World Without Email: Reimagining Work in the Age of Overload. könyv
  4. [4] Marvin R. Weisbord (2011): Productive Workplaces. könyv
  5. [5] Peter Senge, Art Kleiner, Charlotte Roberts, Richard Ross, George Roth, Bryan Smith (1999): The Dance of Change: The Challenges to Sustaining Momentum in Learning Organizations. könyv
  6. [6] Huram Konjen (2025): Algorithmic Management and the Future of Human Work: Implications for Autonomy, Collaboration, and Innovation. arXiv. előnyomat, lektorálás előtt
  7. [7] Geert Hofstede, Gert Jan Hofstede, Michael Minkov (2010): Cultures and Organizations: Software of the Mind, 3rd Edition. könyv
  8. [8] J. Richard Hackman, Greg R. Oldham (1976): Motivation through the design of work: test of a theory. Organizational Behavior and Human Performance.
  9. [9] Frank J. Landy, Jeffrey M. Conte (2018): Work in the 21st Century: An Introduction to Industrial and Organizational Psychology, 6th Edition. könyv
  10. [10] David Graeber (2018): Bullshit Jobs: A Theory. könyv
  11. [11] Richard M. Ryan, Edward L. Deci (2000): Self-determination theory and the facilitation of intrinsic motivation, social development, and well-being.. American Psychologist.
  12. [12] Richard M. Ryan, Edward L. Deci (2017): Self-Determination Theory: Basic Psychological Needs in Motivation, Development, and Wellness. könyv
  13. [13] Amy C. Edmondson (1999): Psychological Safety and Learning Behavior in Work Teams. Administrative Science Quarterly.
  14. [14] Peter F. Drucker (2010): The Drucker Lectures. könyv
  15. [15] Ronald J. Baker (2006): Measure What Matters to Customers. könyv
  16. [16] Katelyn Xiaoying Mei, Nic Weber (2025): Designing AI Systems that Augment Human Performed vs. Demonstrated Critical Thinking. arXiv. előnyomat, lektorálás előtt
  17. [17] David Autor (2015): Why Are There Still So Many Jobs? The History and Future of Workplace Automation. The Journal of Economic Perspectives.
  18. [18] Janneke Pieters, Ana Kujundzic, Rulof Burger, Joel Gondwe (2025): Inequality at risk of automation? Gender differences in routine tasks intensity in developing country labor markets. arXiv. előnyomat, lektorálás előtt
  19. [19] Daron Acemoğlu, Pascual Restrepo (2019): Automation and New Tasks: How Technology Displaces and Reinstates Labor. The Journal of Economic Perspectives.
  20. [20] Erik Brynjolfsson, Daniel Rock, Chad Syverson (2020): The Productivity J-Curve: How Intangibles Complement General Purpose Technologies. American Economic Journal Macroeconomics.
  21. [21] Dora Zhao, Lin Ai, Pranav Khadpe, Siddharth Suri és munkatársai (2026): AI Exposure and the Changing Responsibilities in Job Postings. arXiv. előnyomat, lektorálás előtt

Esszék és áttekintések →

Heti levél

Hetente egy levél az Agent Age kiadások fő történeteiről. E-mailben erősíti meg, egy kattintással leiratkozhat.

Mindjárt kész: e-mailt küldtünk. Nyissa meg, és kattintson a megerősítő hivatkozásra. Ha pár percen belül nem érkezik meg, nézze meg a spam mappát.

↑