📈 economics

Socio-Technical Outcome Asymmetry in Algorithmic Management: Organizational Buffering and Firm Age as Moderators in Indonesian Firms

Deze studie introduceert het Socio-Technical Outcome Asymmetry (STOA) framework om aan te tonen dat bij Indonesische bedrijven algoritmisch management aanzienlijk grotere efficiëntiewinsten oplevert dan surveillance-schade, waarbij de leeftijd van het bedrijf fungeert als een cruciale buffer die negatieve uitkomsten verzacht, terwijl het STOA-model de Socio-Technical Systems theorie uitbreidt door middel van nieuwe asymmetrie- en bufferingsmechanismen.

Oorspronkelijke auteurs: Andi Jaman

Gepubliceerd 2026-07-16

📖 7 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Andi Jaman

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je de kapitein bent van een enorm schip, en dat je zojuist een gloednieuw, superintelligent automatische pilotsysteem hebt geïnstalleerd. Dit is niet zomaar een simpel stuurwiel; het is een complexe computer die koersen kan uitzetten, brandstof kan beheren en zelfs de zeilen automatisch kan bijstellen. In de zakenwereld wordt deze "automatische piloot" algoritmisch management genoemd. Het is de software die bedrijven helpt bij het aannemen van mensen, het volgen van hun werk en het beslissen wie promotie krijgt of wordt ontslagen, allemaal zonder dat er elke seconde een menselijke baas over hun schouder meekijkt.

Al een tijdje zitten wetenschappers die deze systemen bestuderen vast in een soort touwtrekwedstrijd. Aan de ene kant zien ze de "heldere" kant: de automatische piloot maakt het schip sneller, bespaart geld en vindt de beste routes. Aan de andere kant zien ze de "donkere" kant: de bemanning voelt zich geobserveerd, gestrest en heeft het gevoel dat ze hun vrijheid zijn verloren. De meeste onderzoeken behandelen deze twee kanten als een evenwichtige weegschaal—als je meer snelheid krijgt, moet je ook meer stress krijgen. Maar wat als dat niet waar is? Wat als het schip super snel wordt, maar de bemanning slechts een klein beetje meer stress ervarande? Dat is de grote vraag die dit artikel stelt. Het kijkt naar hoe bedrijven in Indonesië deze technologie gebruiken om te zien of het "goede" echt opweegt tegen het "slechte", en waarom sommige bedrijven de stress beter aan kunnen.

De Grote Algoritmische Touwtrekwedstrijd

Dit artikel duikt in een fascinerend mysterie: wanneer bedrijven beginnen met het gebruik van algoritmisch management (die chique computerbaas), gebeurt het "goede" dan net zo gemakkelijk als het "slechte"?

De onderzoekers, onder leiding van Andi Jaman van de Universitas Muhammadiyah Makassar, besloten dit te onderzoeken door naar 50 grote bedrijven in Indonesië te kijken over een periode van zes jaar (van 2020 tot 2025). In plaats van alleen werknemers te vragen hoe zij zich voelden (wat lastig kan zijn omdat mensen kunnen liegen of dingen kunnen vergeten), gebruikten ze een slimme truc genaamd tekstmining. Ze gedroegen zich als digitale detectives die duizenden pagina's aan officiële bedrijfsrapporten scanden om te tellen hoe vaak bedrijven praatten over "goede" zaken (zoals efficiëntie en productiviteit) versus "slechte" zaken (zoals surveillance en zorgen over privacy).

Ze creëerden twee speciale scores: een Bright Index voor de goede zaken en een Dark Index voor de slechte zaken. Vervolgens analyseerden ze de cijfers om te zien wat er gebeurde wanneer bedrijven meer HR-technologie adopteerden.

De Grote Verrassing: Het "Heldere" Wint Groot

Hier is de belangrijkste ontdekking, en het is een behoorlijke schok: het goede gebeurt veel vaker en is veel sterker dan het slechte.

Wanneer een bedrijf meer HR-technologie begon te gebruiken, schoot de Bright Index aanzienlijk omhoog. De wiskunde laat een sterke verbinding zien (een coëfficiënt van 0,0305). Het is alsof je een lichtschakelaar omzet; op het moment dat je in de technologie investeert, licht de efficiëntie op.

De Dark Index (de stress en zorgen over surveillance) ging echter ook omhoog, maar slechts een klein beetje. De verbinding was veel zwakker (een coëfficiënt van 0,0107). De onderzoekers voerden een speciale statistische test uit (een Wald-test) en bevestigden dat het "heldere" effect ongeveer drie keer groter is dan het "donkere" effect.

Denk er als volgt over na: als je een super snelle sportwagen koopt, krijg je direct een enorme boost in snelheid. Maar het "geluid" dat de auto maakt (de slechte kant) wordt niet drie keer harder alleen omdat je sneller gaat; het blijft relatief stil. In de wereld van deze Indonesische bedrijven levert de technologie een enorme productiviteitsboost op, terwijl de negatieve bijwerkingen veel kleiner en minder consistent zijn.

Maar hier komt de cruciale wending: het artikel waarschuwt dat deze "kleinere" donkere kant een illusie kan zijn, veroorzaakt door de specifieke omgeving. In Indonesië heeft de cultuur een zeer groot respect voor autoriteit (hoge machtsafstand) en zijn de arbeidsbeschermingen zwak. Dit betekent dat wanneer werknemers zich gestrest of geobserveerd voelen, ze vaak niet luidruchtig klagen of staken. In plaats daarvan trekken ze zich misschien simpelweg stil terug of passen ze "quiet quitting" toe. Omdat de rapporten van de bedrijven afhangen van wat er wordt gezegd of wat zichtbaar is, zijn deze verborgen, passieve vormen van verzet moeilijker te detecteren. De "donkere" kant is dus niet noodzakelijkerwijs afwezig; het is gewoon in het volle zicht verborgen, waardoor de "heldere" kant er nog groter uitziet dan hij is.

De "Oude Garde" als Schild: Waarom Sommige Bedrijven Rustiger Zijn

Dus, waarom is de "donkere" kant zo klein (of zo moeilijk te zien)? Het artikel suggereert dat dit komt door iets dat organisatorische buffering wordt genoemd.

Stel je een jong, nieuw bedrijf voor als een springkussen. Als je een bal tegen het springkussen gooit (nieuwe technologie introduceert), wiebelt het overal en worden de mensen binnenin heen en weer geslingerd. Stel je nu een oud, gevestigd bedrijf voor als een stevige, diep gewortelde eikenboom. Als je dezelfde bal tegen de boom gooit, absorberen de wortels en de dikke schors de impact. De boom wiebelt nauwelijks.

In deze studie fungeert de leeftijd van het bedrijf (Firm Age) als die stevige schors. De onderzoekers ontdekten dat oudere bedrijven veel beter waren in het absorberen van de stress van nieuwe technologie.

Jongere bedrijven (onder de 47 jaar) vertoonden een sterkere reactie op de "donkere" kant. Wanneer zij technologie adopteerden, toonden hun rapporten meer zorgen over surveillance en controle.
Oudere bedrijven (ouder dan 47 jaar) vertoonden nauwelijks een toename in de "donkere" kant. Hun "buffering" was zo sterk dat de technologie blijkbaar nauwelijks voor frictie zorgde.

Het lijkt erop dat oudere bedrijven in de loop der jaren betere routines, vertrouwen en governance hebben opgebouwd. Ze weten hoe ze nieuwe hulpmiddelen kunnen introduceren zonder hun werknemers angst aan te jagen. Ze hebben een "sociaal subsysteem" dat werkt als een schokdemper, waardoor de hobbelige weg wordt gladgestreken.

Wat dit Artikel Je Juist Niet Laat Geloven

Het artikel klaart ook een aantal misverstanden op.

Het gaat niet alleen om het hebben van een "Raad van Bestuur". Je zou kunnen denken dat het hebben van onafhankelijke mensen in de raad (die geen deel uitmaken van het managementteam) de slechte zaken zou stoppen. Maar de studie vond dat onafhankelijkheid van de raad alleen geen verschil maakte. Alleen al het hebben van onafhankelijke mensen is niet genoeg als ze de technologie niet daadwerkelijk begrijpen.
Het is geen perfect evenwicht. Het artikel spreekt de opvatting tegen dat technologie een "tweesnijdend zwaard" is waarbij het goede en het slechte gelijk zijn. In plaats daarvan suggereert het dat de "goede" kant veel scherper is en makkelijker te gebruiken dan de "slechte" kant.

De Kern van het Verhaal

Deze studie suggereert dat in de snel veranderende zakenwereld van Indonesië, algoritmisch management vooral een overwinning is voor de productiviteit. De "heldere" resultaten (efficiëntie, kostenbesparing) zijn echt, meetbaar en aanzienlijk groter dan de "donkere" resultaten (surveillance, stress).

Echter, de "donkere" kant is niet verdwenen; het wordt slechts beheerd—of misschien wel verborgen. Het geheime wapen? Tijd en volwassenheid. Oudere bedrijven, met hun diepe wortels en gevestigde manieren van werken, zijn beter in staat om de stress van nieuwe technologie op te vangen. Voor jongere bedrijven is de les duidelijk: als je deze krachtige algoritmen wilt gebruiken zonder je bemanning af te schrikken, moet je je "sociale buffers"—vertrouwen, duidelijke regels en goede communicatie—net zo snel opbouwen als je je technologie.

De onderzoekers benadrukken voorzichtig dat dit gebaseerd is op wat bedrijven zeggen in hun rapporten, en niet noodzakelijkerwijs op wat elke individuele werknemer in zijn hart voelt. Sterker nog, het artikel suggereert dat de "slechte" gevoelens in plaatsen als Indonesië zelfs sterker kunnen zijn dan de rapporten laten zien, omdat het hoge respect voor autoriteit ervoor zorgt dat mensen minder snel hun stem laten horen. Maar de data schetsen een duidelijk beeld: in deze bedrijven werkt de technologie, en de "heldere" kant wint de race tegen de "donkere" kant duidelijk.

Technische Samenvatting: Socio-Technische Uitkomstasymmetrie in Algoritmisch Management

1. Probleemstelling en Onderzoeksgat

De snelle digitale transformatie van Human Resources (HR) heeft algoritmische managementsystemen geïntroduceerd die efficiëntiewinst beloven, terwijl ze tegelijkertijd zorgen oproepen over surveillance en werknemersautonomie. Bestaande literatuur presenteert een gefragmenteerd beeld: "bright-side" studies documenteren productiviteitsverbeteringen, terwijl "dark-side" onderzoek wijst op psychologische reactantie en erosie van de privacy. Deze stromen verklaren echter zelden waarom dezelfde technologie uiteenlopende gevolgen produceert met verschillende magnitudes.

De huidige Socio-Technische Systemen (STS) theorie stelt dat uitkomsten afhangen van de afstemming of frictie tussen technische en sociale subsystemen, maar behandelt deze processen als symmetrisch. Het slaagt er niet in uit te leggen waarom efficiëntiewinsten (bright outcomes) consequent worden waargenomen, terwijl surveillance-gerelateerde schade (dark outcomes) aanzienlijk varieert in magnitude. Bovendien is empirisch bewijs uit opkomende markten, met name met betrekking tot organisatieniveau-gevolgen in plaats van individueel platformwerk, nog schaars. Deze studie adresseert drie hiaten: het gebrek aan een verenigd kader dat uitkomstasymmetrie verklaart, de schaarste aan bewijs uit opkomende markten zoals Indonesië, en de afhankelijkheid van perceptie-gebaseerde enquêtes die kwetsbaar zijn voor common method bias.

2. Theoretisch Kader: Socio-Technische Uitkomstasymmetrie (STOA)

Het artikel introduceert het Socio-Technische Uitkomstasymmetrie (STOA) kader als een theoretische uitbreiding van de STS-theorie. STOA stelt dat bright en dark outcomes niet louter divergent zijn, maar fundamenteel asymmetrisch in hun generatiemechanismen:

Bright Outcomes (Socio-Technische Afstemming): Deze komen primair voort uit technische investeringen. Efficiëntiewinsten, automatisering en datagestuurde beslissingen worden automatisch gerealiseerd bij implementatie en vereisen minimale sociale aanpassing. Ze zijn minder contextafhankelijk.
Dark Outcomes (Socio-Technische Frictie): Deze ontstaan wanneer technologische capaciteiten de sociale aanpassing inhalen. Ze zijn niet automatisch, maar hangen af van hoe organisaties frictie absorberen of onderdrukken via hun sociale subsystemen.
Organisatorische Buffering: Een kernmechanisme in STOA is het vermogen van het sociale subsysteem om frictie te absorberen voordat deze escaleert in waarneembare schade. Deze buffering wordt geoperationaliseerd via gevestigde routines, organisatiecultuur/vertrouwen, governance-mechanismen en de stabiliteit van de arbeidsrelatie.

De studie conceptualiseert Bedrijfleeftijd als een parsimonieuze proxy voor de volwassenheid van het sociale subsysteem, waarbij wordt geargumenteerd dat oudere bedrijven beschikken over meer volwassen manifestaties van deze bufferingmechanismen.

3. Methodologie

Context en Steekproef:
De studie maakt gebruik van een gebalanceerde paneldataset van 50 beursgenoteerde bedrijven in Indonesië geobserveerd over de periode 2020–2025, wat resulteert in 300 bedrijf-jaar observaties. Indonesië werd gekozen als een boundary condition vanwege de snelle digitale adoptie, opkomende regelgevende kaders, een hoge machtsafstand-cultuur en zwakke arbeidsproductbescherming.

Dataverzameling en Meting:
Om common method bias te vermijden, maakt de studie gebruik van text mining van gecontroleerde jaarverslagen en corporate governance-verklaringen. Er werd een systematisch vijffasen proces voor de ontwikkeling van metingen gebruikt:

Woordenboekontwikkeling: Trefwoorden werden afgeleid uit literatuuronderzoek (38 bright-side, 32 dark-side en 28 termen gerelateerd aan digitale transformatie).
Expertvalidatie: Vijf experts (HR-praktijkbeoefenaars en text-mining methodologen) valideerden de trefwoorden.
Inhoudelijke Validatiebeoordeling: De Content Validity Index (CVI) scores overschreden 0,90 voor alle woordenboeken.
Pilot Codering: De inter-coder betrouwbaarheid (Cohen's κ) overschreed 0,80.
Definitieve Indexconstructie:
- Onafhankelijke Variabele: De Digital Transformation Disclosure Index (DTDI), die de adoptie van HR-technologie meet.
- Afhankelijke Variabelen: De Bright Index (frequentie van positieve trefwoorden zoals 'efficiëntie', 'productiviteit') en de Dark Index (frequentie van negatieve trefwoorden zoals 'surveillance', 'privacy', 'algoritmische controle').
- Moderator: Bedrijfleeftijd (jaren sinds oprichting).
- Controles: Bedrijfsomvang (log assets), Board Independence, Jaar en Bedrijf Fixed Effects.

Analytische Aanpak:
De studie maakt gebruik van fixed-effects panelregressie om ongeobserveerde tijd-invariante heterogeniteit te controleren. Hypothesen werden getest met modellen voor bright en dark outcomes afzonderlijk, waarbij Wald-tests werden gebruikt om de magnitude van de coëfficiënten te vergelijken. Robuustheidscontroles omvatten alternatieve woordenboeken, uitsluiting van uitschieters, vertraagde (lagged) onafhankelijke variabelen en subgroepanalyse naar bedrijfleeftijd.

4. Belangrijkste Resultaten

Hypothesetesten:

H1 (Bright Outcomes): Ondersteund. Adoptie van HR-technologie (DTDI) heeft een significant positief effect op de Bright Index ( $\beta = 0,0305, p < 0,05$ ).
H2 (Dark Outcomes): Gedeeltelijk Ondersteund. HR-technologie adoptie heeft een positief maar marginaal significant effect op de Dark Index ( $\beta = 0,0107, p < 0,10$ ).
Uitkomstasymmetrie: Wald-tests bevestigen dat het effect aan de bright-zijde significant groter is dan het effect aan de dark-zijde ( $\chi^2 = 4,87, p < 0,05$ ). De ratio van de coëfficiënten is ongeveer 2,85:1, wat aangeeft dat bright outcomes bijna drie keer zo groot zijn in magnitude als dark outcomes.
H3 (Organisatorische Buffering): Ondersteund via subgroepanalyse. Bedrijfleeftijd moduleert de relatie tussen HR-technologie en dark outcomes significant.
- Jongere Bedrijven: Vertonen een sterker positief effect op de Dark Index ( $\beta = 0,0152, p < 0,05$ ).
- Oudere Bedrijven: Vertonen een zwakker, niet-significant effect ( $\beta = 0,0063, p > 0,10$ ), wat bevestigt dat volwassen sociale subsystemen bufferen tegen socio-technische frictie.

Aanvullende Bevindingen:

Board Independence: Moduleerde de relatie niet significant, wat suggereert dat structurele onafhankelijkheid alleen onvoldoende is zonder digitale competentie.
Robuustheid: De resultaten bleven consistent over alternatieve trefwoordwoordenboeken, uitsluiting van uitschieters en de lagged specificaties.

5. Betekenis en Bijdragen

Het artikel claimt drie primaire bijdragen:

Theoretische Uitbreiding (STOA): De studie breidt de STS-theorie uit door uitkomstasymmetrie en organisatorische buffering te introduceren. Het gaat verder dan de "double-edged sword" metafoor om te verklaren waarom één kant systematisch scherper is: bright outcomes zijn technisch gedreven en contextonafhankelijk, terwijl dark outcomes sociaal gemedieerd en afhankelijk zijn van de bufferingcapaciteit.
Contextuele Inzicht (Indonesië als Boundary Condition): De studie demonstreert hoe institutionele kenmerken (hoge machtsafstand, zwakke arbeidsproductbescherming, regulatoire achterstand) de manifestatie van dark outcomes veranderen. In culturen met een hoge machtsafstand kan weerstand worden onderdrukt in latente vormen (bijv. quiet quitting) in plaats van zichtbare protesten, waardoor frictie in conventionele maten systematisch ondergedetecteerd wordt. Het benadrukt ook dat structurele board independence onvoldoende is zonder digitale competentie.
Methodologische Innovatie: De ontwikkeling van reproduceerbare Bright en Dark Indices afgeleid van text mining biedt een objectieve, reproduceerbare aanpak voor het meten van organisatieniveau algoritmische uitkomsten, waarmee de beperkingen van perceptie-gebaseerde enquêtes worden geadresseerd.

6. Beperkingen en Toekomstige Richtingen

De auteurs erkennen verschillende beperkingen:

Meting: De afhankelijkheid van jaarverslagen kan leiden tot onderrapportage van dark outcomes vanwege reputatieoverwegingen.
Data-omvang: De steekproef is beperkt tot Indonesische beursgenoteerde bedrijven, wat de generaliseerbaarheid beperkt.
Proxy Validiteit: Bedrijfleeftijd wordt gebruikt als proxy voor buffering; toekomstig onderzoek zou directe maten zoals board tenure, personeelsverloop of de frequentie van klachten kunnen onderzoeken.
Causaliteit: Hoewel vertraagde variabelen zijn gebruikt, stelt de studie geen definitieve causaliteit vast, wat suggereert dat er behoefte is aan experimenteel of quasi-experimenteel ontwerp.
Exploratieve Hypothese: De hypothese betreffende Board Digital Competence (H4) werd niet empirisch getest vanwege databeperkingen, maar wordt voorgesteld als een kritieke route voor toekomstig onderzoek.

De studie concludeert dat het versterken van sociale subsystemen (transparantie, training, klachtenmechanismen) essentieel is om algoritmische schade te beperken terwijl productiviteitswinsten worden benut, met name in digitaal transformerende opkomende economieën.