Kehi%yykö vai köyhtyykö työ digitalisaa1on myötä? Tuomo Alasoini tuomo.alasoini[at]tekes.fi

Kehi%yykö vai köyhtyykö työ digitalisaa1on myötä? Tuomo Alasoini tuomo.alasoini[at]tekes.fi

Älykkäästä teknologiasta sano%ua työelämään vapaas1 sovelle%una It is perfectly clear that this [the automa1c machine] will produce an unemployment situa1on in comparison with which the depression of the thir1es will seem a pleasant joke. (Norbert Wiener 1954) Automaa'o johtaa joukkotyö.ömyyteen! In just twenty years 1me, machines would be capable of doing any work a man can do. (Herbert Simon 1965) Automaa'o voi korvata ihmisen kaikenlaisissa töissä! In short, the rise of powerful AI will be either the best, or the worst thing, ever to happen to humanity. (Stephen Hawking 2016 ) Vahvan tekoälyn soveltamisen seuraukset työelämässä ovat merki.äviä, mu.a ennakoima.omia! The first ultra- intelligent machine is the last inven1on that man need ever make. (Irving John Good 1965) Superälykkään koneen kehi.äminen merkitsee nykyisessä muodossa tuntemamme työelämän katoamista!

Digitalisaa1on vaikutukset työhön vaikeas1 ennuste%avissa (1) Itse teknologisen kehityksen vauh4a on vaikea ennustaa: monet kehityskuluista eksponen1aalisia (eivät lineaarisia): shakkilautaeffek' johtuen mm. digitaalitekniikan halpenemisesta ja kehi%yvien teknologioiden uudenlaisista yhdistelmävaikutuksista uudenlaiset skaalaedut (digitaalisen informaa1on levi%ämiskustannusten vähäisyys) ja verko.umisvaikutukset (mitä useampi käy%ää sovellutusta, sitä hyödyllisempi sovellutus usein on käy%äjälleen) asioiden ja ilmiöiden loputon yhdisteltävyys uusina innova1ivisina ratkaisuina (digitoin1 lisää radikaalis1 yhdisteltävyy%ä) investoinnit teknologisia innovaa1oita täydentäviin innovaa'oihin usein ratkaisevan tärkeitä leviämiselle (koulutus, liiketoimintaprosessit, johtaminen, toimintojen ja töiden organisoin1 jne.) (2) Teknologinen kehitys ei suoraan määrää, kuinka työ muu=uu: työn muu%umiseen vaiku%avat monet muutkin ajurit teknologian mahdollisuuksia voidaan hyödyntää moninaisin tavoin (johtaminen, osaaminen, kul%uuri, arvostukset, valtasuhteet jne.)

Työn muutoksen perusskenaariot (kansallisella tasolla) Tehtävän työn määrä kasvaa ja laadullinen sisältö köyhtyy Eriarvoisuus työelämässä uhkaa lisääntyä Tehtävän työn määrä kasvaa ja laadullinen sisältö monipuolistuu Suomi vaurastuu ja eriarvoisuus työelämässä ja yhteiskunnassa voi vähentyä Tehtävän työn määrä vähenee ja laadullinen sisältö köyhtyy Suomi köyhtyy ja eriarvoisuus työelämässä ja yhteiskunnassa uhkaavat lisääntyä Tehtävän työn määrä vähenee ja laadullinen sisältö monipuolistuu Eriarvoisuus yhteiskunnassa uhkaa lisääntyä voimakkaas1

Digitaalisaa1on työhön vaiku%avien muutostekijöiden aikajänteitä Merki%äviä vaikutuksia työhön jo nyt: mm. mobiili internet, pilvipalvelut, koneiden kasvanut laskentateho Merki%äviä vaikutuksia työhön tulossa: mm. big data, esineiden internet, joukkoistaminen, alustatalous Merki%äviä vaikutuksia työhön tulevina vuosina: mm. tekoäly ja koneoppiminen, kehi%ynyt robo1ikka, autonominen liikenne, bioteknologia, genomiikka

Luova tuho ja uudelleenrakentuminen Luova tuho (digitaalisen murroksen 1. aalto) Uudet teknologiat tuo%eissa, palveluissa ja tuotantoprosessien virtaviivaistamisessa Kasvava ins1tu1onaalinen epäsopivuus Työpaikkoja syntyy lisää < katoaa Luova uudelleenrakentuminen (digitaalisen murroksen 2. aalto) Uusien teknologioiden mahdollistamat uudet liiketoiminnalliset, organisatoriset ja sosiaaliset innovaa1ot Ins1tu1onaalinen sopeutuminen Työpaikkoja syntyy lisää > katoaa (?)

Kasvava sääntelyhaaste

Passiivinen vs. ak1ivinen yhteiskunnallinen sääntely Passiivinen keskeiset olemassa olevat yhteiskunnalliset sääntelyjärjestelmät suoda%avat digitalisaa1on vaikutuksia Ak1ivinen yhteiskunnalliset sääntelyjärjestelmät sopeu%avat jo ennakoivas1 toimintaansa kyetäkseen ohjaamaan teknologisen kehityksen myötä syntyviä ratkaisuja tavoiteltuun suuntaan

Digitaalisen murroksen suoda%uneisuus Digitalisaa1o Eefnen fil%eri Sosiaalinen fil%eri Ins1tu1onaalinen fil%eri Säädöksellinen fil%eri Taloudellinen fil%eri Osaamiseen lii%yvä fil%eri Kul%uurinen fil%eri Työ

Tärkein kysymys EI OLE miten digitalisaa1o vaiku%aa työhön? VAAN mitä pitäisi tehdä, jo%a tehtävää työtä rii%äisi mahdollisimman monille ja työn laadullinen sisältö monipuolistuisi digitalisaa1on myötä?

Hyvän AI- yhteiskunnan ratkaisuja ohjaavia periaa%eita Läpinäkyvyys Vastuullisuus Laaja- alaises1 ilmenevä yhteiskunnallinen hyöty

Koska digitalisaa1on työelämään kohdistuvissa vaikutuksissa on kyse kompleksisen sosioteknisen järjestelmän dynamiikan ymmärtämisestä, edelly%ää vaikutusten kokonaisvaltainen ymmärtäminen väkisinkin moni1eteisiä, monella eri tasoilla (mikro, meso, makro) liikkuvia sekä usein mielellään kokeilevia tutkimus- ja kehi%ämiso%eita.

Three framings of innova1on policy in an evolu1onary perspec1ve Na4onal system of innova4on (1980s- 2010s): fixing structural system failures for maintaining na1onal compe11veness through improved knowledge u1liza1on (focus: ins1tu1onal links and interac1ons within exis1ng innova1on systems) R&D and regula4on (1960s- 1980s): fixing market failures for maintaining na1onal compe11veness through increased knowledge genera1on (focus: discovery and inven1on) Transforma4ve innova4on policy (2010s- ): targe1ng transforma1onal system failures for achieving economic, social and environmental sustainability (focus: societal experimenta1on and learning for new development paths) 09-2016 DM

Innova4on achieved through R&D (Framing 1) Na4onal systems of innova4on (Framing 2) Heyday 1960s- 1980s 1980s- 2010s 2010s(?)- Meta policy target Policy ra1onale Rate of change Rate of change Direc1on of change Fixing market failures (for maintaining na1onal compe11veness) Fixing structural system failures (for maintaining na1onal compe11veness) Transforma4ve change (Framing 3) Fixing transforma'onal system failures (for achieving economic, social and environmental sustainability) Innova1on model Linear and science- led Interac1ve and system- bound Systemic and experimental Focus of public support Knowledge genera1on for discovery and inven1on Knowledge u1liza1on by strengthening ins1tu1onal links and interac1ons of exis1ng innova1on systems Collec1ve search and learning for new development paths Policy prac1ces Mission oriented research, direct R&D subsidies, venture capital arrangements, tax incen1ves, technological foresights, intellectual property protec1on and educa1on In addi1on to Framing 1: condi1onal funding, building networks, boos1ng absorp1ve capaci1es and cul1va1ng entrepreneurship In addi1on to Framing 1 & 2: an1cipa1on, public procurement, societal experimenta1on, and reflexive and par1cipatory processes for joint ac1on Main actor constella1on Clear division of labour between scien1sts, government and (large) enterprises Close interac1on and par1al overlap between government, enterprises and universi1es Mul1ple actors, incl. also communi1es and civil society, in close coopera1on Policy context Public enthusiasm and op1mism, broad consensus, na1onal pres1ge and ideological compe11on, technocra1c focus, and externaliza1on of poten1al risks Trade advantage, concern for employment, technocra1c focus, and externaliza1on of poten1al risks Inclusiveness, policy coordina1on and coherence, and concern for economic, social and environmental risks View of knowledge Appropriate and transferable: easy to adopt, apply and u1lize without protec1ve measures S1cky and situated: u1liza1on requires proximity, absorp1ve capacity and interac1ve learning Emergent and co- produced: generated through dialogue between mul1ple actors as part of a collec1ve search process Based 03-2013 on Schot & Steinmueller 2016; Weber & Rohracher 2012 DM

Joitain avainalueita tutkimukselle, kehi%ämiselle ja poli1ikkavaiku%amiselle 1 Automa1soinnin kohteena olevien työtehtävien uudelleen aja%elu ja organisoin1 2 Ihmisten geneeristen taitojen kehi%äminen digitalisaa1ossa 3 Ihmisen ja älykkään koneen vuorovaiku%einen oppiminen ja vuorovaikutuksen uudenlaiset mahdollisuudet ja riskit 4 Alustatalouden työ työelämän kehi%ämisen välineenä 5 Uuden sukupolven työelämäinnovaa1ot 6 Resilienfen työmarkkinoiden luominen työn murrosten kohtaamiseen

1 Automa1soinnin kohteena olevien työtehtävien uudelleen aja%elu ja organisoin1 Digitalisaa1on avulla voidaan jatkossa automa1soida hyvinkin suuri osa ihmisten nykyään tekemistä työtoiminnoista. Kuitenkin vain verraten harva työtehtävä voidaan (tai kanna%aa) automa1soida kokonaan: automa1soin1 koskee tavallisimmin vain työtehtäviin sisältyviä yksi%äisiä toimintoja. Olennainen kysymys työn kehi%ymisen vs. köyhtymisen näkökulmasta on, miten ajatellaan ja organisoidaan uudelleen jäljelle jäävät ihmisen toteu%amat toiminnot jatkossa. Millaisten osaamisten ja käytäntöjen ohjaamina työorganisaa1ot Suomessa eri aloilla ja toiminnoissa toimivat tällaisissa 1lanteissa? Yhdistelläänkö ihmisen tekemiksi jääviä työtoimintoja en1stä vaa1vimmiksi ja monipuolisiksi kokonaisuuksiksi vai onko suuntana työn sisältöjen lisääntyvä sirpaleistuminen ja köyhtyminen? Miten voidaan vaiku%aa siihen, e%ä työorganisaa1ot pystyisivät täysimääräises1 hyödyntämään uuden teknologian mahdollisuuksia ja e%ä uusi teknologia myös tukisi täysimääräises1 ihmisten mahdollisuuksia kehi%ää ja hyödyntää osaamistaan työssä?

Nykyisten työtehtävien automa1soin1poten1aali USA:ssa Tehtävän toteutustapa Datan hankinta Ennustaminen Päätöksen teko Toiminta Manuaalinen Ihminen Ihminen Ihminen Ihminen Osi%ain automa1soitu (nykyinen poten1aali 45-58 % tehtävistä) Ihminen Tekoäly Ihminen Ihminen Sensori Tekoäly Ihminen Robof Automa1soitu (nykyinen poten1aali < 5 % tehtävistä) Sensori Tekoäly Tekoäly Robof

2 Ihmisten geneeristen taitojen kehi%äminen digitalisaa1ossa Teknologinen kehitys on korvannut ihmistyötä ensin työntekijätehtävissä, si%emmin alemmissa toimihenkilötehtävissä ja korvaa jatkossa yhä enemmän myös ylemmissä asiantun1jatehtävissä. Tekoäly korvaa ei- ru1inimaista, mu%a toteutustavaltaan ja tuloksiltaan ennuste%avissa olevaa asiantun1jatyötä, jota on aiemmin suojannut työn sisältämän hiljaisen 1edon suuri määrä. Koulutus ja osaamisen lisääminen sellaisenaan ei ole ratkaisu ihmisten työmarkkinakelpoisuuden säily%ämiseksi vaan on 1ede%ävä, millaista osaamista ei jatkossakaan pystytä korvaamaan tai ole muuten perusteltua korvata teknologialla. Koska automa1soinnin merki%ävin pullonkaula on työtehtävään sisältyvä luovan ja/tai sosiaalisen älykkyyden vaa1mus, tulee tämän olla keskeisenä lähtökohtana suunniteltaessa koulutussisältöjä tai organisoitaessa työtä ja toimintoja jatkossa. Millaista luovaa ja sosiaalista älykkyy%ä ihmiset tarvitsevat tulevaisuudessa voidakseen yhdessä kehi%yvien koneiden kanssa muodostaa tehokkaas1 toimivia vuorovaiku%eisia kokonaisuuksia? Millaisia uusia oppimisen malleja tämän edistämiseksi tarvitaan? Miten tällaisten geneeristen taitojen kehi%yminen voidaan kytkeä osaksi ihmisten elinikäisen oppimisen prosesseja ja näin tukea heidän selviytymistään teknologisen kehityksen syrjäy%ämisvaikutuksilta? Millaiseksi tulisi muodostua eri toimijoiden (yhteiskunta, työelämän organisaa1ot, yksilöt) keskinäinen vastuunjako?

Osaamisen ja oppimisen kivijalka digitaalisessa murroksessa Kyky elinikäiseen oppimiseen (metataito). Ehdollistajina: - Yhteiskunnan oppimisympäristö - Työn sisältö ja organisoin1, työpaikan koulutus- ja kannus1njärjestelmät - Ihmisen omat ajankäy%övalinnat Työtehtävän vaa1mat erityistaidot Luova älykkyys (geneerinen taito) Kuten ainutlaatuisuus ja taiteellisuus DM Sosiaalinen älykkyys (geneerinen taito) Kuten sosiaalinen havainnoin1, suostu%elu, neuvo%elu sekä toisten au%aminen ja toisista väli%äminen

3 Ihmisen ja älykkään koneen vuorovaiku%einen oppiminen ja vuorovaikutuksen uudenlaiset mahdollisuudet ja riskit Robo1t ovat olleet konemaisia, suhteellisen yksinkertaisia lai%eita, joiden käy%ö on suunniteltu ennalta tarkas1 raja%uihin toimintoihin. Robofen lisääntyvään kykyyn oppia ja toimia vuorovaiku%eises1 sisältyy merki%äviä uusia mahdollisuuksia, mu%a eefsestä ja hyvinvoin1näkökulmasta samanaikaises1 myös merki%äviä riskejä. Kone ei ole norma1ivinen oppija kuten ihminen eikä sitä ei ohjaa ajatus moraalises1 oikeansuuntaisesta oppimisesta eikä absoluufsesta vaan ainoastaan 1lastollisesta totuudesta. Syvien neuroverkkojen ja syväoppimisen kehi%yessä koneen tekemien yksi%äisten päätösten perusteisiin on syntyvien epälineaarisuuksien johdosta aiempaa hankalampaa päästä käsiksi. Uudet oppisen mahdollisuudet: Miten uusia ihminen/kone- oppimisen muotoja voitaisiin ymmärtää paremmin ja saada ne mahdollisimman tehokkaalla ja tarkoituksenmukaisella tavalla edistämään työorganisaa1oiden toiminnan ja työn kehi%ymistä? Miten nämä uudet oppimisen muodot poikkeavat perinteisistä ihmiseltä ihmiselle oppimisen muodoista? Millaisia ovat läheisestä vuorovaiku%eisesta suhteesta robofen kanssa ihmiselle työssä aiheutuvat erilaiset riskit (esim. fyysinen turvallisuus, henkinen kuormi%avuus, ihmissuhteisiin ulo%uva esineellistäminen) ja miten niitä voitaisiin jo ennakoivas1 estää?

Erilaisia oppimisen mahdollisuuksia Ihminen - ihmiseltä Ihminen - koneelta Oppija - ope%aja Kone - ihmiseltä Kone - koneelta

4 Alustatalouden työ työelämän kehi%ämisen välineenä Työllistämisen muoto, jossa organisaa1ot tai yksilöt jakavat digitaalisen alustan kau%a kertaluonteisia tehtäviä tai projekteja aineellista palkkiota vastaan joukolle muita organisaa1oita tai yksilöitä. Hyvin monimuotoinen ilmiö. Tee%äjä ja tekijä eivät väl%ämä%ä kohtaa toisiaan muuten kuin alustan välityksellä. Alustan hal1jat voivat olla tähän erikoistuneita yrityksiä tai esimerkiksi suuryrityksiä, jotka käy%ävät alustoja joihinkin erityistehtäviin. Alustojen ansaintamallit ja työn tekijöiden korvausten perusteet vaihtelevat. Alustatalouden työtä tekevillä on tyypillises1 muitakin tulonlähteitä eivätkä he useinkaan toimi vain yhdellä alustalla. Mikään erityislainsäädäntö ei tyypillises1 sääntele alustojen toimintaa. Tekijän ja tee%äjän tai tekijän ja alustan hal1jan välille ei tyypillises1 katsota muodostuvan työsuhde%a.

Työtä väli%ävien alustatalouden yritysten tyypi%elyä Online Matala/keskitason osaaminen Online Korkea osaaminen Mobiili Matala/keskitason osaaminen Mobiili Korkea osaaminen

Arvioita alustatalouden työn yleisyydestä Yhdysvallat (Codagnone ym. 2016) Digitaalisilla alustoilla on tehnyt töitä 4 % työvoimasta (6 miljoonaa ihmistä). Viikoi%ain tällaista työtä tekeviä on 1-2 % työvoimasta. Iso- Britannia (CIPD 2017) Viimeisen vuoden aikana digitaalisilta alustoilta oli hankkinut töitä 4 % (18-70- vuo1aista). Pääasiallinen työ tämä oli ollut 1 %:lle. Tanska (Ilsøe & Madsen 2017) Viimeisen vuoden aikana digitaalisilta alustoilta oli hankkinut töitä 1 % (15-74- vuo1aista).

Miksi alustatalouden työ ei ole marginaalinen ilmiö? Monet alustoista on peruste%u vasta hilja%ain: 80 % vuoden 2010 jälkeen (Kilhoffer ym. 2017). Suurimmilla alustoilla kuten Freelancers, Upwork, Crowdsource, Care.com ja Crowdflower on jo miljoonia rekisteröityneitä työn tekijöitä (Codagnone ym. 2016). Kasvuvauh1 on ollut 25 % vuodessa (Graham ym. 2017). Nuoret aikuiset käy%ävät iäkkäämpiin verra%una paljon yleisemmin alustoja työn ja palvelujen hankkimiseen. Alustat mataloi%avat kasvavan eläkeläisjoukon mahdollisuu%a osallistua satunnaista työmarkkinoille. Alustatalouden työ haastaa radikaalis1 perinteisen normaalityösuhteisen työn, koska siinä hylätään kokonaan ajatus 1e%yä työsuoritusta pysyvämmästä suhteesta tee%äjän ja tekijän välillä.

Alustatalouden työn tehtävälista (tarkemmin Alasoini 2017) 1 Alustatalouden työn tutkiminen: käsiteanalyysi, levinneisyys ja vaikutukset 2 Työn tekijöiden oikeudellinen asema: oikeudet ja velvollisuudet 3 Työn tekijöitä suojaava turvajärjestelmä 4 Joustavat työmarkkinasiirtymät 5 Apu työntekijöiden hyvinvoin1ongelmiin ja alustaurien suunni%eluun 6 Työn eefset ja moraaliset riskit 7 Joukkoälyn hyödyntäminen alustatalouden työssä 8 Osallistava ja mahdollistava alustatalouden työ 9 Alustatalouden liiketoiminta- ja kansalaistaidot 10 Alustatalouden kansainvälinen benchmarking- 1eto

5 Uuden sukupolven työelämäinnovaa1ot Työ muu%uu mobiilia digitaalitekniikkaa hyödynne%äessä toiminnaksi, jota tehdään en1stä moninaisemmin, hajautetummin ja yksilöllisemmin tavoin en1stä useammin vaihtelevas1 erilaisissa paikoissa, erilaisina aikoina sekä osana erilaisia yhteisöjä ja verkostoja. Syntyy uudenlaisia työaikakul%uureja, työ1laratkaisuja ja työyhteisöllisiä muotoja. Esimerkkejä uuden sukupolven työelämäinnovaa1oista ovat toimistohubit, yhteisölliset työ1lat, fablabit, pop up - työpaikat, erilaiset alustatalouden työn muodot, virtuaali1lat, - kokoukset ja - osallistuminen (ml. teleläsnäolo ja - robo1ikka) jne. Millaisia uuden sukupolven työelämäinnovaa1oita Suomessa jo hyödynnetään ja millaisia kokemuksia näistä on esimerkiksi työn tuo%avuuden, uusien ideoiden ja yhteistyöverkostojen syntymisen sekä työn laadun näkökulmasta? Kuinka tällaisia innovaa1oita voitaisiin edelleen kehi%ää ja levi%ää työelämää laajemminkin kehi%ävinä ja työelämässä laajemminkin hyödynne%ävissä olevina käytäntöinä?

6 Resilienfen työmarkkinoiden luominen työn murrosten kohtaamiseen Digitalisaa1oon sisältyy merki%äviä ihmisten eriarvoisuu%a niin työmarkkinoilla kuin koko yhteiskunnassa voimistavia kehityspiirteitä (supertäh1talous, 1imialasitalous). Nämä murentavat pohjoismaisen hyvinvoin1val1on legi1maa1operustaa ja ovat ris1riidassa hyvän AI- yhteiskunnan yleisten periaa%eiden kanssa (erityises1 ajatus laaja- alaises1 ilmenevästä yhteiskunnallisesta hyödystä). Tehokkain tapa vastata jo ennakoivas1 näin syntyvään yhteiskunnalliseen haasteeseen on työtoimintojen kehi%äminen en1stä vaa1vammiksi ja monipuolisemmiksi kokonaisuuksiksi sekä ihmisten luovaan ja sosiaaliseen älykkyyteen lii%yvien kykyjen edistäminen (ks. edellä). Tämän ohella tarvitaan ajatusta uudenlaisista resilienteistä työmarkkinoista, jotka au%avat ihmisiä kohtaamaan kestävällä tavalla elämänsä eri vaiheissa teknologisista yms. syistä aiheutuvia murroksia työssä. Millaisia muutoksia koulutus-, työehtosopimus- ja sosiaaliturvajärjestelmiin edellytetään tarvi%avan resilienssin aikaan saamiseksi? Millaisia uudenlaisia välineitä on kehite%ävä ihmisten uudelleen koulutuksen, uudelleen sijoi%umisten sekä ylipäätään joustavien työmarkkinasiirtymien ja muutosturvan tueksi?

Valikoitua taustakirjallisuu%a Agrawal, A., Gans, J.S. & Goldfarb, A. (2017) What to expect from ar1ficial intelligence. MITSloan Management Review Spring/2017. h%ps://sloanreview.mit.edu/ar1cle/what- to- expect- from- ar1ficial- intelligence/ Alasoini, T. (2017) Joukkoiste%u työ niche- innovaa1ona ja työsuhderegiimin murtajana? Monitasomalliin perustuva analyysi. Työelämän tutkimus 15 (3), 266-280. Alasoini, T. (2017) 10 1etä hyvään alustatalouden työhön. Talous & Yhteiskunta 3/2017, 34-38. h%p://www.labour.fi/ty/tyleh1/ty/ty32017/unnamed- file.pdf/ty32017alasoini.pdf Brynjolfsson, E. & McAfee, A. (2017) The business of ar1ficial intelligence. Harvard Business Review July/ 2007. h%ps://hbr.org/cover- story/2017/07/the- business- of- ar1ficial- intelligence Cath, C., Wachter, S., Mi%elstadt, B., Taddeo, M. & Floridi, L. (2017) Ar1ficial intelligence and the good society : the US, EU and UK approach. Science and Engineering Ethics. DOI 10.1007/s1 1948-017- 9901-7. Chui, M., Manyika, J. & Miremadi, M. (2015) Four fundamentals of workplace automa'on. h%p://www.mckinsey.com/business- func1ons/digital- mckinsey/our- insights/four- fundamentals- of- workplace- automa1on CIPD (2017) To gig or not to gig? Stories from the modern economy. London: CIPD. h%ps://www.cipd.co.uk/images/to- gig- or- not- to- gig_2017- stories- from- the- modern- economy_tcm18-18955.pdf Codagnone, C., Abadie, F. & Biagi, F. (2016) The future of work in the sharing economy : market efficiency and equitable opportuni1es or unfair precarisa1on? Seville: Ins'tute for Prospec've Technological Studies, JRC Science for Policy Report EUR 27913 EN. h%p://publica1ons.jrc.ec.europa.eu/repository/bitstream/jrc101280/jrc101280.pdf

Valikoitua taustakirjallisuu%a Deloi%e (2017) Rewri'ng the rules for the digital age: 2017 Deloi.e global human capital trends. Deloi%e University Press. h%ps://www2.deloi%e.com/content/dam/deloi%e/us/documents/human- capital/hc- 2017- global- human- capital- trends- us.pdf Dormehl, L. (2016) Thinking machines: the inside story of Ar'ficial Intelligence and our race to build the future. London: VH Allen. Graham, M., Hjorth, I. & Lehdonvirta, V. (2017) Digital labour and development: impacts of global labour pla~orms and the gig economy in worker livelihoods. Transfer 23 (2), 135-162. Ilsøe, A. & Madsen, L.W. (2017) Digitalisering af arbejdsmarkedet: Danskernes erfaring med digital automa1sering og digitale pla~orme. København: Københavns Universitet, Sociologisk Ins'tut, FaOS 157. h%p://faos.ku.dk/publika1oner/forskningsnotater/fnotater- 2017/Fnotat_157_- _Digitalisering_af_arbejdsmarkedet.pdf Kilhoffer, Z., Lenaerts, K. & Beblavý (2017) The pla~orm economy and industrial rela1ons: applying the old framework to the new reality. Brussels: CEPS, Research Report 2017/12. h%ps://www.ceps.eu/system/files/rr2017-12_pla~ormeconomyandir.pdf Meyer, H. (2016) Five filters moderate the technological revolu'on. h%p://blogs.lse.ac.uk/businessreview/2016/07/05/five- filters- moderate- the- technological- revolu1on/ Perez, C. (2013) Unleashing a golden age a er the financial collapse: drawing lessons from history. Environmental Innova'on and Societal Transi'ons 6 (1), 9-23. Rid, T. (2016) Rise of the machines: the lost history of cyberne'cs. Melbourne: Scribe. Schot, J. & Steinmueller, E. (2016) Framing innova'on policy for transforma've change: innova'on policy 3.0. University of Sussex, Science Policy Research Unit (SPRU). h%p://www.johanschot.com/wordpress/wp- content/uploads/2016/09/ SchotSteinmueller_FramingsWorkingPaperVersionUpdated2018.10.16- New- copy.pdf Weber, M.K. & Rohracher, H. (2012) Legi1mizing research, technology and innova1on policies for transforma1ve change: combining insights from innova1on systems and mul1- level perspec1ve in a comprehensive failures framework. Research Policy 41 (6), 1037-1047.