Исследование: компании используют алгоритмы для дискриминации гиг-работников в оплате труда

Компании научились использовать алгоритмы в свою пользу. Речь идёт об оплате труда гиг-работников Amazon, Uber, Lyft и им подобных. Пока все обсуждают новые возможности искусственного интеллекта, профессор права Юридического колледжа Гастингс Калифорнийского университета Вина Дубал опубликовала исследование «Об алгоритмической дискриминации в оплате труда».

«От Amazon и Uber до сектора здравоохранения работникам платят разные суммы за один и тот же объём работы, выполняемой в течение одного и того же времени», — утверждает Дубал. Она собирала данные в течение более шести лет и провела тысячи часов интервью с сотнями водителей Uber и Lyft, многие из которых работали более чем на одной платформе. И как заявляет исследовательница, компании обладают «большими наборами данных» о контрактных работниках: от того, где они живут и как долго работают, до того, на какую работу готовы согласиться и сколько получали на прошлых местах. Компании используют эти данные для «расчёта точных ставок заработной платы, необходимых для стимулирования желаемого поведения», — утверждает Дубал в интервью для Los Angeles Times. 

Пример такого желаемого поведения — оставаться в дороге как можно дольше, чтобы быть доступным для удовлетворения постоянно меняющегося уровня спроса. У компаний есть свои мотивы либо держать людей без заказов, либо удлинять время отправки оплаты. Водителям Uber не платят за любое время, когда они не заняты, что часто составляет до 40% смены, а «алгоритмы компаний могут даже предсказать, сколько времени конкретный водитель готов ждать оплаты за проезд», — утверждает Дубал.

В большинстве случаев водителям предоставляется только два варианта выбора на платформе: согласиться на заказ или отказаться от него, и они не имеют права договариваться о своих ставках. Имея «информационное преимущество» на своей стороне, компании используют собранные данные для достижения своих целей.

В Uber и Lyft алгоритмы предлагают более низкую ставку тем водителям доставки, которые с наибольшей вероятностью согласятся на неё. Если же водитель склонен работать до тех пор, пока не достигнет определённой дневной отметки, скажем, пока не заработает $100, алгоритм может предложить ему более низкие ставки или какое-то время оставлять без заказов, чтобы он работал дольше.

Например, один из водителей Uber, с которым разговаривала Дубал, рассказал, что однажды вечером ему не хватило одной поездки, чтобы разблокировать бонус в размере $100, а потом у него было 45 минут «мёртвого времени» в популярном и оживлённом районе, прежде чем ему удалось получить заказ на ещё одну поездку. 

Компании активно внедряют AI-технологии, и профессор Дубал считает, что практика алгоритмической дискриминации в оплате труда «имеет большой потенциал для проникновения в работу других секторов», а значит, повлияет не только на гиг-работников. 

Алгоритмическая дискриминация в оплате труда стала одной из причин, по которой Калифорнийская комиссия по труду подала в суд на Uber и Lyft в 2020 году, так как компании задолжали водителям в общей сложности $1,3 млрд за отработанное ими время. Судебные процессы всё ещё продолжаются.