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 это—отличные 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.