Как алгоритмы усугубляют системное неравенство

ИИ, помимо бесчисленных преимуществ, имеет неожиданную отрицательную черту: ухудшение системного неравенства. Мы опасаемся будущего, в котором роботы крадут наши работы, но что произойдет, когда значительная часть рабочей силы окажется в алгоритмически управляемых рабочих местах?

Классическая история успеха — лидер, начавший скромно, с мелкой должности в почтовом отделении, кассе или на заводе. Хоть это и было нелегко, в традиционных организациях восходящая мобильность была очень даже возможна. Та же Мэри Барра, председатель и главный исполнительный директор General Motors, сама стояла за конвейером. Есть и отечественные примеры: Айдын Рахимбаев начинал свой путь миллионера, будучи разнорабочим.

Для сравнения, сколько водителей Bolt, по вашему мнению, когда-либо получат шанс занять руководящую должность в компании, не говоря уже о том, чтобы стать CEO? Сколько будущих топ-менеджеров Wildberries начнут свою карьеру с доставки посылок или формирования заказов? Кто сможет повторить путь основателя Instacart, Апурвы Меты, лично выполнившего первый заказ компании?

Существует «потолок кода», препятствующий продвижению по карьерной лестнице независимо от пола или расы в организации, основанной на искусственном интеллекте, младшие сотрудники и фрилансеры редко взаимодействуют с другими коллегами-людьми. Вместо этого они управляются алгоритмами.

Сейчас, когда люди работают под началом искусственного интеллекта, информация обычно распределяется иерархически: компания сама выбирает, какими данными делиться с сотрудниками. В классических службах такси водители открыто разговаривали друг с другом и с диспетчером — но когда вы работаете на Uber или Яндекс.Такси, взаимодействия определяет программа, призванная максимизировать эффективность и прибыль.

Алгоритмическое управление означает постоянный мониторинг и наблюдение. Китайские Meituan или Ele.me используют алгоритмы чтобы понять, сколько времени требуется для доставки заказов курьерами. Алгоритм может уменьшать зарплату, штрафуя сотрудника, если тот не уложится в срок. За сотрудниками центров дистрибуции Amazon тоже внимательно бдит ИИ: они должны ходить «в темпе Amazon», который описывается как «нечто среднее между ходьбой и бегом».

В гиг-экономике приходится думать не только о ИИ-боссах, но и о коллегах-конкурентах. Например, жители Чикаго обнаружили рядом с сортировочными центрами Amazon и магазинами Whole Foods висящие на деревьях смартфоны. Оказалось, курьеры-контрактники, пытаясь первыми получить заказ, придумали это: если прицепить телефон на дерево поблизости, можно будет якобы перехитрить алгоритм.

Рынок труда становится все более поляризованным: рабочие места со средней квалификацией сокращаются, по сравнению с работой начального уровня (низкоквалифицированной работой) и работой, требующей более высокого уровня квалификации. Кризис Covid-19, вероятно, ускорил этот процесс. Уже появляется глобальная низкооплачиваемая алгоритмическая рабочая сила. Будь то розничная торговля или финансовые услуги, логистика или производство, организации с искусственным интеллектом управляются небольшой группой высокооплачиваемых сотрудников, поддерживаемых сложной автоматизацией и потенциально миллионами алгоритмически управляемых низкооплачиваемых фрилансеров на периферии.

Долгосрочное решение алгоритмического неравенства будет заключаться не только в налогообложении и регулировании, но, скорее, в нашей способности обеспечить адекватную систему образования для 21 века. Перезагрузить образование будет непросто. Вместо того, чтобы искать способы использовать ИИ в обучении, возникает вопрос: как научить людей использовать машинный интеллект в своей карьере? И как научить людей быть готовыми к непрерывному обучению и переподготовке в течение всей жизни ?

Руководители компаний призваны сыграть решающую роль. Им следует не только найти каналы связи, фидбека и продвижения работников периферии, но и серьезно отнестись к переподготовке и вовлечению коллектива. Например, AT&T переобучает половину своих сотрудников, в то время как Cisco, IBM, Caterpillar, McKinsey и JPMorgan предлагают стажировки старшеклассникам и работают с местными школами над обновлением своих учебных программ. Все этоотличные инициативы, которые стоит взять на заметку, но потребуется ещё больше; не только для социальной сплоченности, но и для обеспечения разнообразия и гибкости рабочей силы завтрашнего дня.