Les données de la carte thermique de Whole Foods suggèrent que les magasins à faible diversité raciale ont une forte probabilité de se syndiquer.Justin Heiman/Getty Images Shades of Big Brother plane sur Whole Foods, autrefois considéré comme un pionnier de la culture d'un lieu de travail sain.Selon documents internes vus par Business Insider, ta chaîne de supermarchés appartenant à Amazon utilise une carte thermique interactive pour surveiller ses 510 emplacements à travers les États-Unis et attribuer à chaque magasin unscore de risque de syndicalisation basé sur des critères tels queemployéloyauté, taux de roulement et diversité raciale.
Whole Foods emploie environ 95 000 personnes dans tout le pays. Les données collectées dans la carte thermique suggèrent que les magasins à faible diversité raciale et ethnique, en particulier ceux situés dans des communautés pauvres, sont plus susceptibles de se syndiquer. C'est beaucoup à déballer sur votre endroit préféré pour acheter une sauce pour pâtes biologique coûteuse. Lorsqu'un Whole Foods apparaît soudainement dans un quartier à faible revenu, c'est toujours un clou dans le cercueil qui la gentrification est en marche—et les loyers sont sur le point de monter en flèche.
Pourquoi cet effort antisyndical n'est-il pas surprenant ? Eh bien, comme vous le savez peut-être, la société mère de Whole Foods, Amazon, a des antécédents de répression agressive de la syndicalisation .
Il suffit de vérifier la fuite de 45 minutes vidéo de formation qu'Amazon a envoyé aux chefs d'équipe de Whole Foods en 2018 pour freiner l'activité syndicale. Le narrateur a déclaré ouvertement que la vidéo étaitspécialement conçu pour vous donner les outils dont vous avez besoin pour réussir en matière d'organisation syndicale et que wous ne pensons pas que les syndicats soient dans le meilleur intérêt de nos clientsou les actionnaires ou, plus important encore, nos associés.
Les syndicats accordent aux travailleurs des droits et une protection. Il suffit de regarder ce qui s'est passé le mois dernier lorsque les travailleurs sont sortis de l'usine d'Amazon à Staten Island pour protester contreconditions de travail dangereuses au milieu de la pandémie.Christian Smalls, qui a mené le débrayage, a non seulement été brutalement congédié, mais fuite d'e-mails internes a montré cettele meilleur avocat d'Amazon a également tenté de le diffamer comme n'étant pas intelligent ou articulé afin d'étouffer les efforts de syndicalisation.
La carte thermique de Whole Foods surveille un soulèvement potentiel de syndicalisation en utilisant environ deux douzaines de mesures dans trois domaines principaux :les risques externes, les risques en magasin et le sentiment des membres de l'équipe.
De manière alarmante, Whole Foods n'est pas la seule entreprise à utiliser une technologie de pointe pour suivre secrètement ses employés. Nous avons déjà fait la chronique commentles sociétés financières et les banques mesurent la culture au travail, le niveau de satisfaction des employés et le taux d'épuisement professionnel à l'aide de l'intelligence artificielle. Par exemple, la plate-forme Réceptivité utilise l'apprentissage automatique pour analyser les mots-clés dans la communication des employés via l'e-mail de l'entreprise, Mou , Skype et ainsi de suite pour identifier si un bureau particulier a une culture toxique.
L'intelligence artificielle a également été utilisée pour prédire les actions importantes des employés. Dans un revue de Harvard business article l'année dernière, gestion ples professeurs Brooks Holtom de l'Université de Georgetown et David Allen de la Texas Christian University ont rapporté les résultats de leurs recherches selon lesquelsLes algorithmes de big data et d'apprentissage automatique sont des outils efficaces pour déterminer quand un employé est sur le point de démissionner.
Les chercheurs ont accumulé des indicateurs de rotation potentiels pour plus de 500 000 travailleurs aux États-Unis et ont basé leurs analyses sur des facteurs personnels liés à l'enracinement qui étaient dans le domaine public, tels que le nombre d'emplois antérieurs, l'anniversaire d'emploi et l'ancienneté, les compétences, l'éducation, le sexe et la géographie.
Nous avons utilisé l'apprentissage automatique pour classer chaque individu comme improbable, moins probable, plus susceptible ou plus susceptible d'être réceptif aux nouvelles opportunités d'emploi, ont écrit les auteurs.
