Масштабный сбор данных теперь распространяется на профессии "белых воротничков", когда работодатели отслеживают, как сотрудники используют свое время на компьютерах и различных коммуникационных устройствах.
Некоторый объем контроля является частью прерогативы работодателя, которому необходимо убедиться, что работники выполняют порученные им задания и не повреждают или неправомерно используют оборудование. Однако традиционно работники мотивировались не только контролем, но и доброжелательностью, которая сложилась между ними и работодателем из-за высокой заработной платы и общих удобств на рабочем месте. Например, работодатель или руководитель мог понять, что работник может чувствовать себя не совсем хорошо в данный день, и сделать ему поблажку, или, наоборот, работник мог быть готов работать больше обычного, если в этом возникала необходимость. Мониторинг позволяет работодателям снизить заработную плату и получить больше работы от работников. Таким образом, мониторинг является "деятельностью по перераспределению ренты", то есть он может быть использован для предотвращения распределения прироста производительности и перераспределения ренты от работников без значительного или полного повышения их производительности.
Еще одна область, в которой методы ИИ были применены для изменения арендной платы, — это планирование работы. Ключевым источником автономии для работников является четкое разделение рабочего времени и времени отдыха, а также предсказуемый график. Возьмем работников ресторанов быстрого питания. Если они знают, что должны приходить на работу в 8 утра и уходить в 16.00, это дает им высокую степень предсказуемости и некоторую автономию за пределами этого восьмичасового окна. Но что произойдет, если менеджер вдруг узнает, что после 16.00 придет гораздо больше клиентов? У нее может появиться стимул уменьшить эту автономию и приказать сотрудникам оставаться после 16:00. Может ли она это сделать?
Ответ зависит от противодействующих сил - например, от коллективных договоров, препятствующих подобному навязыванию; от доброй воли и норм приемлемости на рабочих местах; а также от технологий, которые определяют, могут ли компании заранее прогнозировать спрос и составлять графики в режиме реального времени.
Противодействующие силы уже отсутствовали, особенно в сфере услуг, а добрая воля и нормы уважения к автономии работников давно угасли. Оставшийся барьер - технология - теперь преодолен благодаря искусственному интеллекту и массовому сбору данных, что открывает путь к "гибкому графику".
Многие отрасли, работающие с клиентами, отказались от предсказуемых графиков, таких как рабочее время с 8.00 до 16.00, приняв вместо этого сочетание "нулевых часовых контрактов" и изменения графика в режиме реального времени. Контракты с нулевым рабочим днем означают, что компания отказывается от обязательства нанимать и оплачивать работнику регулярные часы каждую неделю. С другой стороны, составление расписания в режиме реального времени позволяет компаниям звонить работникам на мобильный телефон накануне вечером и просить их прийти на работу рано утром или увеличить продолжительность рабочего дня. Это также включает отмену смен по первому требованию, что снижает доход работника.
Обе эти практики основаны на технологиях обработки данных и искусственного интеллекта - например, программное обеспечение для составления расписания, предлагаемое такими технологическими компаниями, как Kronos, - которые позволяют работодателям предсказывать спрос, с которым они столкнутся, а затем заставлять работников адаптироваться к нему. Крайним вариантом такой практики является "клопенинг" - так называется практика, когда один и тот же работник закрывает магазин поздно вечером, а затем открывает его рано утром следующего дня. Это опять же навязывается работникам, часто в последний момент, поскольку менеджеры, наделенные полномочиями с помощью инструментов искусственного интеллекта, считают, что это соответствует их потребностям.
Существует много параллелей между практикой гибкого графика и мониторингом работников. Самая важная из них заключается в том, что обе они являются примерами "так себе" технологий: они создают незначительный прирост производительности, несмотря на существенные затраты для работников. С помощью дополнительного мониторинга компании могут отказаться от усилий по созданию доброй воли и снизить заработную плату. Но это не сильно повышает производительность: работники не становятся лучше в своей работе, потому что им платят меньше, и на самом деле могут потерять мотивацию и стать менее продуктивными. С помощью гибкого графика компании могут немного увеличить свои доходы, имея больше сотрудников, когда спрос высок, и меньше, когда магазин менее загружен. В обоих случаях нагрузка на работников более существенна, чем преимущества в производительности. По словам британского работника, работающего по контракту с нулевым рабочим днем, "здесь нет карьерного роста.... [я] проработал на этой работе шесть с половиной лет. С тех пор роль не менялась, никакого продвижения. У меня вообще нет перспектив продвижения по службе. Я спросила, могу ли я пойти на курсы, на что получила абсолютный отказ". Независимо от затрат на работников и небольшого, эфемерного повышения производительности, компании, стремящиеся сократить расходы и усилить контроль над работниками, продолжают требовать технологий ИИ, а в ответ исследователи, повинующиеся иллюзиям ИИ, поставляют их.
Но есть ли другой путь, кроме использования цифровых технологий на службе непрерывной автоматизации и контроля за работниками? Ответ - да. Когда цифровые технологии направлены на помощь и дополнение человека, результаты могут быть, и уже были, намного лучше.
Непройденный путь
При интерпретации как недавней, так и далекой истории часто встречается детерминистское заблуждение: то, что произошло, должно было произойти. Зачастую это не совсем верно. Существует множество возможных путей, по которым могла бы развиваться история. То же самое верно и для технологии. Нынешний подход, который доминирует в третьей волне ИИ, основанной на массовом сборе данных и непрерывной автоматизации, — это выбор. На самом деле это дорогостоящий выбор, и не только потому, что он следует предвзятому отношению элиты к автоматизации и слежке и наносит ущерб экономическому существованию работников. Он также отвлекает энергию и исследования от других, социально более полезных направлений развития цифровых технологий общего назначения. Далее мы увидим, что парадигмы, отдающие приоритет полезности машин, добились замечательных успехов в прошлом, когда их пытались применить, и предлагают много плодотворных возможностей в будущем.
Еще до конференции в Дартмуте эрудит из Массачусетского технологического института Норберт Винер сформулировал другое видение, в котором машины позиционировались как дополнение к человеку. Хотя Винер не использовал этот термин, MU (полезность машин) вдохновлен его идеями. Мы хотим от машин не какого-то аморфного понятия интеллекта или "высокоуровневых возможностей", а их использования для достижения целей человека. Сосредоточение внимания на MU, а не на ИИ, скорее всего, поможет нам достичь этой цели.
Винер определил три критические проблемы, которые мешали мечтам об автономном машинном интеллекте со времен Тьюринга. Во-первых, превзойти и заменить человека сложно, потому что машины всегда несовершенны в имитации живых организмов. Как сказал Винер в несколько ином контексте: "Лучшая материальная модель для кошки — это другая, а лучше та же самая кошка".
Во-вторых, автоматизация оказала немедленный негативный эффект на работающих людей: "Давайте помнить, что автомат, что бы мы ни думали о каких-либо чувствах, которые он может иметь или не иметь, является точным экономическим эквивалентом рабского труда. Любой труд, конкурирующий с рабским, должен принять экономические последствия рабского труда".
И, наконец, стремление к автоматизации также означает, что ученые и технологи могут потерять контроль над путем развития технологий. "Необходимо осознать, что человеческие действия — это действия с обратной связью" - это означает, что мы корректируем свои действия на основе информации о том, что происходит вокруг нас. Но "когда созданная нами машина способна оперировать поступающими данными в темпе, который мы не можем поддерживать, мы можем не знать, пока не станет слишком поздно, когда ее выключить". Однако все это не было неизбежностью: машины могут быть поставлены на службу людям в качестве дополнения к нашим навыкам. Как писал Винер в статье, подготовленной в 1949 году для New York Times (часть статьи была опубликована посмертно в 2013 году), "мы можем быть скромными и жить хорошо с помощью машин, или мы можем быть высокомерными и погибнуть".
Два провидца подхватили факел Винера. Первым был Дж. К. Р. Ликлайдер, который сосредоточился на поощрении других к принятию и продуктивному развитию этого подхода. Первоначально Ликлайдер получил образование психолога, но впоследствии перешел в сферу информационных технологий и предложил идеи, которые стали решающими для сетевых компьютеров и интерактивных вычислительных систем. Четкая формулировка этого видения содержится в его новаторской статье 1960 года "Симбиоз человека и компьютера". Анализ Ликлайдера актуален и сегодня, спустя более шестидесяти лет после его публикации, особенно, где он подчеркивает, что "по сравнению с людьми, вычислительные машины очень быстры и точны, но они ограничены в выполнении только одной или нескольких элементарных операций за раз. Люди гибкие, способные "программировать себя на случай" на основе вновь полученной информации".