معلوماتك،
طاقتك.
معلوماتك،
طاقتك.
محتويات
محتويات
ملخص
الجزء الأول: سوء التصنيف 2.0: خاضعة للرقابة بواسطة الخوارزمية
دراسة حالة المراقبة 1: فشل التعرف على الوجه
دراسة حالة المراقبة الثانية: فحوصات تحديد الموقع الجغرافي
إدارة أداء مبهمة
توسيع البنية التحتية لإنفاذ القانون
دراسة حالة: تبادل المعلومات الاستخباراتية مع أجهزة إنفاذ القانون
الجزء الثاني: ممارسة حقوق البيانات في العمل: الوصول
مشاركة البيانات غير متسقة وتزايدية
دراسات الحالة: استجابات النظام الأساسي للطلبات المجمعة بواسطة WIE
الجزء الثالث: ممارسة حقوق البيانات في العمل: التقاضي
سائقي أوبر ضد أوبر 1 (طلبات الشفافية العامة)
Ola Drivers v. Ola (طلبات الشفافية العامة)
سائقو أوبر ضد أوبر 2 (الشفافية في اتخاذ القرار الآلي)
الخلاصة: هل الطريق إلى الأمام لممارسة الحقوق الرقمية في العمل؟
ملخص
تم إنشاء تبادل معلومات العمال لتسهيل الوصول إلى البيانات وتجميعها لبناء قوة تفاوضية من خلال إنشاء ثقة بيانات.
كان هذا ردًا على تطوير ممارسات إدارة خوارزمية جديدة خلقت عدم تناسق إعلامي عميق واستغلال العمال.
يهدف تبادل معلومات العمال إلى معالجة تقارب البيانات وحقوق العمل من خلال الاحتجاج بحقوق المادة 15 و 20 و 22 من القانون العام لحماية البيانات في سياقات التوظيف.
يتم إعاقة هذا الهدف بشدة بسبب عدم الامتثال واسع النطاق للائحة العامة لحماية البيانات عبر صناعة الوظائف المؤقتة.
لقد قدمنا أكثر من 500 طلب وصول إلى موضوع البيانات خلال الأشهر الثمانية الماضية إلى سبع منصات مختلفة لمشاركة الرحلات بما في ذلك Amazon Flex و Bolt و Deliveroo و Free Now و Just Eat و Ola و Uber.
يتم تحدي الوصول إلى البيانات من قبل الشركات التي تنشر أنماطًا مظلمة وتنتهك عن عمد تطبيق القانون العام لحماية البيانات غير المكتمل ، مما يدفع العمال إلى حل المشكلات في المحكمة.
يُعد جمع البيانات من خلال منصات gig أمرًا مفرطًا ويؤدي إلى مراقبة غير متكافئة وغير خاضعة للمساءلة للعمال ، فضلاً عن توسيع البنية التحتية لإنفاذ القانون.
لا توجد شفافية حول أنظمة الإدارة الخوارزمية المستخدمة. روايات الشركة حول ماهية التقنيات المستخدمة وكيفية استخدامها ، غير متسقة وغير موثوقة.
© 2021 تبادل معلومات العمال
© 2021 تبادل معلومات العمال
مقدمة
شهد العام الماضي نقطة تحول بالنسبة للعاملين في منصة gig في إعمال حقوقهم الرقمية والتوظيفية. أدت ممارسة العمل الذي يتم التوسط فيه رقميًا إلى تقارب حقوق العمل وحماية البيانات ، كما أدى نشاط التقاضي والدعوة المتزايد من قبل العمال إلى نتائج في هذه المجالات. في جميع أنحاء أوروبا ، أصدرت المحاكم العديد من الأحكام المهمة التي تعترف بالدور الاستغلالي لممارسات الإدارة الخوارزمية من خلال منصات gig بينما تدين أيضًا الافتقار إلى العدالة والشفافية في مثل هذه الأنظمة الآلية.
في إيطاليا ، قضت محكمة بولونيا بأن نظام تصنيف Deliveroo قد مارس التمييز ضد العمال في حين أن هيئة حماية البيانات ، Garante ، خدمت غرمتين من إجمالي الناتج المحلي لشركة Deliveroo و Glovo بسبب فشلهما في الكشف بشكل كافٍ عن طريقة عمل خوارزميات إدارة الأداء وتخصيص الوظائف.
أصدرت إسبانيا أول تشريع لمحاولة تنظيم الذكاء الاصطناعي في مجال التوظيف ، مما أدى إلى تحديد حالة العامل للعاملين في الوظائف المؤقتة والحق في الاطلاع على قواعد ومعايير الخوارزميات التي يخضعون لها - مما أدى إلى إطلاق سيل من الشكاوى. نتج هذا عن قضية أخرى ضد Glovo انتهت في المحكمة العليا الإسبانية.
جنبًا إلى جنب مع هذه القرارات رفيعة المستوى ، خلصت المحكمة العليا في المملكة المتحدة أيضًا هذا العام إلى أن سائقي أوبر كانوا طرفًا في خدمة نقل "يتم تحديدها بدقة شديدة والتحكم فيها من قبل أوبر " مما يخون علاقة عمل واضحة ، والتي ادعت الشركة أنها لم تكن موجودة فيها سعيها إلى (إساءة) تصنيف العمال كمقاولين مستقلين. إلى حد كبير ، يأتي الدليل على هذه العلاقة من الأنظمة التي تعتمد على البيانات والتي تستخدم منصات rideshare لإدارة القوى العاملة لديها. تتعلق بعض المشكلات التي أبرزتها المحكمة العليا في المملكة المتحدة بإدارة السائقين من خلال المراقبة الحسابية لمعدلات قبول الوظائف ، وخيارات المسار ، وسلوك القيادة ، وتقييمات العملاء. ومع ذلك ، على الرغم من وجود اعتراف أكبر بإدارة الخوارزميات ، فإن المكاسب الأخيرة في المحاكم لا تحمي العمال بشكل كامل من أضرارها. الطرف (ب) حالة العامل الممنوحة لسائقي أوبر نتيجة لقرار المحكمة العليا هو وضع وسيط بين المقاول والموظف ، ولا يزال قاصرًا عن حمايتهم من الفصل التعسفي ، على سبيل المثال.
تشير تجربتنا إلى أن أدوات الإدارة الخوارزمية هذه ، بالإضافة إلى ممارسات المراقبة المكثفة ، والتدقيق المستمر للعمال بحثًا عن الاحتيال أو المخالفات المحتملة ، تؤدي إلى بيئة عمل شديدة الاستغلال. إننا نشهد عددًا هائلاً من عمليات الفصل الآلي في صناعة الخدمات المؤقتة بأكملها ، والتي نعتقد أن العديد منها غير قانوني وفقًا للمادة 22 من اللائحة العامة لحماية البيانات (GDPR) . توفر المادة 22 للعمال بعض الحماية المحدودة ضد الآثار السلبية لصنع القرار الآلي والتنميط ، من خلال الحق في التدخل البشري والطعن في القرار. تضمن المادة 15 من القانون العام لحماية البيانات (GDPR) الحق في الحصول على معلومات حول وجود مثل هذا القرار الآلي والحصول على معلومات مفيدة حول منطق المعالجة.
مع أخذ هذه الحقوق كأساس ، تم إنشاء Worker Info Exchange بهدف دعم عمال gig في التنقل في هذا المجمع وفي ظل مساحة منظمة. يتمثل هدف عملنا ومهامنا في اختبار ما إذا كان يمكن استخدام أدوات القانون العام لحماية البيانات (GDPR) هذه لمعالجة ممارسات التوظيف غير العادلة وتوسيع نطاق البيانات المتاحة للأفراد بصفتهم عاملين. بعبارة أخرى ، طموحنا هو استخدام الوصول إلى البيانات كوسيلة لبناء قوة عاملة جماعية لاختبار آليات الإنصاف في سوق العمل الذي يتم التوسط فيه رقميًا.
عندما يتم تنفيذ علاقة العمل بين منصة gig والعامل من خلال جمع وتحليل البيانات على نطاق واسع ، تصبح حقوق التوظيف مرتبطة ارتباطًا وثيقًا بممارسة حقوق البيانات. تؤكد منصات Gig السيطرة على العمال من خلال الحفاظ على عدم تناسق المعلومات ، ويمكن أن يوفر الوصول إلى البيانات وسيلة لكشف توازن القوة (im) الناتج عن الفجوة المعلوماتية بين منصات gig وعمالها. يمكن أن يسمح الوصول إلى البيانات الشخصية للعمال بإجراء تقييمات مستقلة حول ظروف عملهم والإجابة على الأسئلة المتعلقة بحسابات أجورهم ، ونوعية وكمية العمل المعروض ، بالإضافة إلى تحدي أسباب إدارة الأداء السلبية بما في ذلك التعليق و الفصل.
هدفنا في تسهيل الوصول إلى البيانات هو إنشاء مخازن جماعية للبيانات لتطوير فهم أكبر لظروف العمل وبالتالي القدرة على المساومة. في السنوات الأخيرة ، ظهر عدد من المبادرات الجديرة بالملاحظة تعمل بأهداف متشابهة ولكنها تستخدم منهجيات مختلفة لاسترجاع البيانات. تقوم بعض المشاريع في هذا المجال بتشغيل جمع البيانات والتحليلات الخاصة بها حول الأرباح والأداء لتقييم عدالة ظروف العمل (على سبيل المثال Driver's Seat Coop و WeClock ، من بين أمور أخرى.) تقدم كل هذه الرؤى الفريدة في اقتصاد الوظائف المؤقتة ويجب اعتبارها تشكل سلسلة متصلة من ممارسة البيانات. لقد تعاملنا مع هذه المشكلة من خلال مطالبة المنصات بمشاركة البيانات التي يحق للعمال الحصول عليها قانونًا ، إلا أن ذلك قد أدى إلى ظهور عقبات إضافية أمام الهدف الأكبر المتمثل في تجميع البيانات. اتخذنا هذا المسار لأننا أردنا وضع معايير وسوابق في قانون حماية البيانات ، ولكن أيضًا لأننا نعتقد أن هناك أنواعًا معينة من المعلومات لا يمكن الحصول عليها إلا من خلال طلب البيانات مباشرة من المنصات.
لقد وجدنا ، لا سيما في حالة المراقبة المؤججة مزاعم النشاط غير النظامي والاحتيال ، أنه من الضروري الاحتفاظ بالبيانات لدى الشركات لفهم الاتهامات والطعن فيها. يمكن أن يساعدنا الوصول إلى البيانات في الكشف عن التناقضات في الروايات التي قدمتها شركات المنصات والمساعدة في تحويل عبء الإثبات من العمال إلى المنصات. من هذا المنظور ، أثبت مسعى المطالبة ببيانات المنصة نجاحًا كبيرًا في حل العديد من نزاعات التوظيف. لقد أدى العرض البسيط لرفض المنصات تقديم البيانات الشخصية إلى عكس العديد من عمليات إلغاء الترخيص (التي فرضتها هيئة النقل في لندن) في المحكمة ، وبالتالي أصبحت أداة إضافية في ممارسة حقوق التوظيف.
هذا يشكل الفرع الآخر من النشاط لتبادل معلومات العمال ؛ نظرًا لأننا نشعر بالإحباط في محاولاتنا لاكتساب الوضوح والشفافية بشأن الأنظمة المعقدة التي تحدد ظروف مكان العمل ، فإننا كثيرًا ما نحتاج إلى اللجوء إلى التقاضي واللجوء إلى المحاكم لاتخاذ قرارات في المجال الناشئ لحقوق العمل الرقمية. إن "أزمة البيانات" المصطنعة التي خلقتها منصات العمل الحر هي من نواحٍ عديدة محاولة لاستنفاد واستنفاد موارد العمال والنقابات غير المستقرة على حدٍ سواء عن طريق عرض النزاعات في المحاكم حيث يمكن إطالة أمدها وتأخير المساءلة عن سوء سلوك الشركات.
تماشياً مع سلاسل النشاط هذه ، تمت كتابة هذا التقرير في ثلاثة أجزاء: يستكشف القسم الأول الجوانب المختلفة للإدارة الحسابية وأضرارها ، مع دراسات الحالة المرتبطة بها. يتعامل القسم الثاني مع عمليتنا في استخدام طلبات الوصول إلى موضوع البيانات (DSARs) بينما يقدم القسم الثالث نظرة عامة على الحالات ذات الصلة باللائحة العامة لحماية البيانات (GDPR) التي اتخذناها في أمستردام بالإضافة إلى حالات الترخيص التي ندعمها في لندن. يختتم هذا التقرير فترة العمل التي تتناول هذه الوظائف لمنظمتنا ، والتي تم تنفيذها بدعم من مؤسسة موزيلا ، وصندوق الحرية الرقمية ، ومؤسسات المجتمع المفتوح. نأمل أن يوضح هذا التقرير الوضع الحالي في ممارسة الحقوق عند تقاطع البيانات والعمالة ويكشف عن الآثار التراكمية لعدم الامتثال المتكرر من قبل منصات gig.
"تعمل شركات المنصات في فضاء ينعدم فيه القانون حيث يعتقدون أن بإمكانهم وضع القواعد. لسوء الحظ هذه ليست لعبة ؛ الواقع الافتراضي له عواقب وخيمة على العاملين في الوظائف المؤقتة في الحياة الواقعية. الأمر المشجع هو أن العمال أنفسهم لا ينتظرون القوانين ، صانعي السياسات أو حتى الحلفاء في حركة حقوق الإنسان لإنقاذهم. ينظم العمال المؤقتون ويستخدمون صوتهم الجماعي للمطالبة بإجراءات حماية جديدة مناسبة للغرض في الاقتصاد الرقمي ".
باما أثريا ، زميل ، مؤسسات المجتمع المفتوح
الجزء الأول: سوء التصنيف 2.0 تسيطر عليها الخوارزمية
في المعركة التي استمرت ست سنوات من أجل حقوق العمال في اقتصاد الوظائف المؤقتة في المملكة المتحدة ، جادلت شركة أوبر بأنها مجرد وكيل للسائق الذي يعمل لحسابه الخاص لا يفعل شيئًا أكثر من حجز أوامر العمل بشكل سلبي وتحصيل المدفوعات. لتعزيز هذا الخيال ، أقامت منصات الحفلة عقودًا مفصلة تجعل الأمر يبدو كما لو أن السائق والراكب يتعاملان مباشرة مع بعضهما البعض ، في حين أن جميع معلومات الركاب في الواقع محمية عن كثب من قبل الشركات. تقوم أوبر ، على سبيل المثال ، بإنشاء فاتورة افتراضية نيابة عن السائق لكل راكب يحمله. سوف تذكر الفاتورة الاسم الأول للراكب فقط ولن يتم إرسالها فعليًا إلى العميل.
تُمكِّن تقنيات التصنيف الخاطئة ، والتي تُستخدم بشكل شائع في جميع أنحاء اقتصاد العمل الحر ، المنصات من تجنب المسؤوليات القانونية لصاحب العمل مثل حماية حقوق العمال الأساسية ومساهمات التأمين الوطني. في المملكة المتحدة ، مكنت أيضًا شركات المنصات من تجنب ضريبة المبيعات على القيمة المضافة (VAT). لكن في وقت سابق من هذا العام ، أكدت المحكمة العليا حق المحاكم الأدنى في إلغاء العقود المصطنعة وتحديد الطبيعة الحقيقية لعلاقة العمل بناءً على دليل علاقة الإدارة بالسيطرة على العمال.
نظرًا لاستنتاج شركات المنصات أن استخدام العقود المضللة لم يعد قابلاً للتطبيق كطريقة لتصنيف التوظيف الخاطئ ، فسوف تميل إلى مضاعفة أتمتة العمليات لإخفاء الرقابة الإدارية. يصبح التحكم الحسابي تصنيفًا خاطئًا 2.0. في الواقع ، هناك أدلة كثيرة على أن هذا يحدث بالفعل. تم تصميم منصات Gig أكثر من أي وقت مضى لمتابعة استراتيجيات التصنيف الخاطئ حتى يتمكنوا من الاستمرار في السيطرة على القوى العاملة مع تجنب مخاطر تخرج السائقين من حالة "العامل" مع حقوق محدودة لوضع الموظف مع حقوق أكثر بشكل كبير.
إذن ما هو التحكم الخوارزمي وما هي المخاطر المحددة لعمال الوظائف المؤقتة؟ في صناعات الركوب والتوصيل على وجه التحديد ، تشمل وسائل الإدارة الحسابية ذات الأهمية الأكبر بالنسبة لنا ما يلي:
مراقبة. المراقبة المتطفلة للغرض المعلن المتمثل في الأمن وتحديد الهوية. وهذا يشمل استخدام تقنيات الكشف عن الاحتيال والتعرف على الوجه. نحن ندرك أن المراقبة تتم حتى في حالة عدم قيام العامل بتسجيل الدخول لتوفير نفسه للعمل. كما تضمنت مراقبة استخدام العامل للتطبيق كمستهلك.
ادارة الأداء. وهذا يشمل على سبيل المثال لا الحصر مراقبة سلوك القيادة بما في ذلك الوقت المقدر للوصول ، وتقييمات العملاء ، ومعدلات قبول العمل وإتمامه ، والتفاعل مع موظفي الدعم ، والتوافر.
تخصيص العمل. أصرت أوبر حتى وقت قريب جدًا على أن تخصيص العمل يتم تحديده بناءً على قرب السائقين والركاب من بعضهم البعض ، ولكن اعترف الآن بأن السلوك والتفضيلات السابقة قد تم أخذها في الاعتبار. تعترف Ola بأن ملفات تعريف السائق التي تتضمن "ملف تعريف الكسب" و "احتمالية الاحتيال". تستخدم في صنع القرار الآلي لتخصيص العمل.
التسعير. يرتبط اتخاذ قرار التسعير الآلي ارتباطًا وثيقًا بتخصيص العمل. ربما تكون الطريقة الأكثر شهرة هي ما يسمى بـ "الزيادة" أو "التسعير الديناميكي" من أوبر والذي يهدف إلى تصفية الطلب في السوق مع تقلبات الأسعار المحلية في الوقت الفعلي.
غالبًا ما تكون قرارات الإدارة أعلاه آلية أو شبه آلية مع تدخل بشري محدود. تعتمد نماذج الأعمال في اقتصاد الوظائف المؤقتة على أتمتة شاملة لقرارات الإدارة والإشراف في مكان العمل. في حين أن بعض أصحاب العمل متحفظون بشأن هذه النقطة ، فإن Deliveroo كانت صريحة تمامًا بشأن ذلك في سياسة خصوصية الراكب الخاصة بهم:
"نظرًا لحجم عمليات التسليم التي نتعامل معها ، فإننا نستخدم أنظمة آلية لاتخاذ القرارات الآلية الموضحة أعلاه لأنها توفر طريقة أكثر دقة وإنصافًا وفعالية لتحديد الاحتيال المشتبه به ، ومنع الانتهاكات المتكررة لاتفاقية المورد الخاصة بك والحد من التأثير السلبي على خدمتنا. لن تكون الفحوصات البشرية ممكنة ببساطة في الأطر الزمنية وبالنظر إلى حجم عمليات التسليم التي نتعامل معها ".
ادارة الأداء
وهذا يشمل على سبيل المثال لا الحصر مراقبة سلوك القيادة بما في ذلك الوقت المقدر للوصول ، وتقييمات العملاء ، ومعدلات قبول العمل وإكماله ، والتفاعل مع موظفي الدعم ، والتوافر.
التسعير
يرتبط اتخاذ قرار التسعير الآلي ارتباطًا وثيقًا بتخصيص العمل. ربما تكون الطريقة الأكثر شهرة هي ما يسمى بـ "الارتفاع المفاجئ" أو "التسعير الديناميكي" الذي يهدف إلى إزالة الطلب في السوق مع تقلبات الأسعار المحلية في الوقت الفعلي.
مراقبة
المراقبة المتطفلة للغرض المعلن المتمثل في الأمن وتحديد الهوية. وهذا يشمل استخدام تقنيات الكشف عن الاحتيال والتعرف على الوجه. نحن ندرك أن المراقبة تتم حتى في حالة عدم قيام العامل بتسجيل الدخول لتوفير نفسه للعمل. كما تضمنت مراقبة استخدام العامل للتطبيق كمستهلك.
تخصيص العمل
أصرت أوبر حتى وقت قريب جدًا على أن تخصيص العمل يتم تحديده بناءً على قرب السائقين والركاب من بعضهم البعض ، ولكن اعترف الآن بأن السلوك والتفضيلات السابقة قد تم أخذها في الاعتبار. تعترف Ola بأن ملفات تعريف السائق التي تتضمن "ملف تعريف الكسب" و "احتمالية الاحتيال". تستخدم في صنع القرار الآلي لتخصيص العمل.
الجزء الأول: سوء التصنيف 2.0 تسيطر عليها الخوارزمية
في المعركة التي استمرت ست سنوات من أجل حقوق العمال في اقتصاد الوظائف المؤقتة في المملكة المتحدة ، جادلت شركة أوبر بأنها مجرد وكيل للسائق الذي يعمل لحسابه الخاص لا يفعل شيئًا أكثر من حجز أوامر العمل بشكل سلبي وتحصيل المدفوعات. لتعزيز هذا الخيال ، أقامت منصات الحفلة عقودًا مفصلة تجعل الأمر يبدو كما لو أن السائق والراكب يتعاملان مباشرة مع بعضهما البعض ، في حين أن جميع معلومات الركاب في الواقع محمية عن كثب من قبل الشركات. تقوم أوبر ، على سبيل المثال ، بإنشاء فاتورة افتراضية نيابة عن السائق لكل راكب يحمله. سوف تذكر الفاتورة الاسم الأول للراكب فقط ولن يتم إرسالها فعليًا إلى العميل.
تُمكِّن تقنيات التصنيف الخاطئة ، والتي تُستخدم بشكل شائع في جميع أنحاء اقتصاد العمل الحر ، المنصات من تجنب المسؤوليات القانونية لصاحب العمل مثل حماية حقوق العمال الأساسية ومساهمات التأمين الوطني. في المملكة المتحدة ، مكنت أيضًا شركات المنصات من تجنب ضريبة المبيعات على القيمة المضافة (VAT). لكن في وقت سابق من هذا العام ، أكدت المحكمة العليا حق المحاكم الأدنى في إلغاء العقود المصطنعة وتحديد الطبيعة الحقيقية لعلاقة العمل بناءً على دليل علاقة الإدارة بالسيطرة على العمال.
نظرًا لاستنتاج شركات المنصات أن استخدام العقود المضللة لم يعد قابلاً للتطبيق كطريقة لتصنيف التوظيف الخاطئ ، فسوف تميل إلى مضاعفة أتمتة العمليات لإخفاء الرقابة الإدارية. يصبح التحكم الحسابي تصنيفًا خاطئًا 2.0. في الواقع ، هناك أدلة كثيرة على أن هذا يحدث بالفعل. تم تصميم منصات Gig أكثر من أي وقت مضى لمتابعة استراتيجيات التصنيف الخاطئ حتى يتمكنوا من الاستمرار في السيطرة على القوى العاملة مع تجنب مخاطر تخرج السائقين من حالة "العامل" مع حقوق محدودة لوضع الموظف مع حقوق أكثر بشكل كبير.
إذن ما هو التحكم الخوارزمي وما هي المخاطر المحددة لعمال الوظائف المؤقتة؟ في صناعات الركوب والتوصيل على وجه التحديد ، تشمل وسائل الإدارة الحسابية ذات الأهمية الأكبر بالنسبة لنا ما يلي:
مراقبة. المراقبة المتطفلة للغرض المعلن المتمثل في الأمن وتحديد الهوية. وهذا يشمل استخدام تقنيات الكشف عن الاحتيال والتعرف على الوجه. نحن ندرك أن المراقبة تتم حتى في حالة عدم قيام العامل بتسجيل الدخول لتوفير نفسه للعمل. كما تضمنت مراقبة استخدام العامل للتطبيق كمستهلك.
ادارة الأداء. وهذا يشمل على سبيل المثال لا الحصر مراقبة سلوك القيادة بما في ذلك الوقت المقدر للوصول ، وتقييمات العملاء ، ومعدلات قبول العمل وإتمامه ، والتفاعل مع موظفي الدعم ، والتوافر.
تخصيص العمل. أصرت أوبر حتى وقت قريب جدًا على أن تخصيص العمل يتم تحديده بناءً على قرب السائقين والركاب من بعضهم البعض ، ولكن اعترف الآن بأن السلوك والتفضيلات السابقة قد تم أخذها في الاعتبار. تعترف Ola بأن ملفات تعريف السائق التي تتضمن "ملف تعريف الكسب" و "احتمالية الاحتيال". تستخدم في صنع القرار الآلي لتخصيص العمل.
التسعير. يرتبط اتخاذ قرار التسعير الآلي ارتباطًا وثيقًا بتخصيص العمل. ربما تكون الطريقة الأكثر شهرة هي ما يسمى بـ "الزيادة" أو "التسعير الديناميكي" من أوبر والذي يهدف إلى تصفية الطلب في السوق مع تقلبات الأسعار المحلية في الوقت الفعلي.
غالبًا ما تكون قرارات الإدارة أعلاه آلية أو شبه آلية مع تدخل بشري محدود. تعتمد نماذج الأعمال في اقتصاد الوظائف المؤقتة على أتمتة شاملة لقرارات الإدارة والإشراف في مكان العمل. في حين أن بعض أصحاب العمل متحفظون بشأن هذه النقطة ، فإن Deliveroo كانت صريحة تمامًا بشأن ذلك في سياسة خصوصية الراكب الخاصة بهم:
"نظرًا لحجم عمليات التسليم التي نتعامل معها ، فإننا نستخدم أنظمة آلية لاتخاذ القرارات الآلية الموضحة أعلاه لأنها توفر طريقة أكثر دقة وإنصافًا وفعالية لتحديد الاحتيال المشتبه به ، ومنع الانتهاكات المتكررة لاتفاقية المورد الخاصة بك والحد من التأثير السلبي على خدمتنا. لن تكون الفحوصات البشرية ممكنة ببساطة في الأطر الزمنية وبالنظر إلى حجم عمليات التسليم التي نتعامل معها ".
"نظرًا لحجم عمليات التسليم التي نتعامل معها ، فإننا نستخدم أنظمة آلية لاتخاذ القرارات الآلية الموضحة أعلاه لأنها توفر طريقة أكثر دقة وإنصافًا وفعالية لتحديد الاحتيال المشتبه به ، ومنع الانتهاكات المتكررة لاتفاقية المورد الخاصة بك والحد من التأثير السلبي على خدمتنا. لن تكون الفحوصات البشرية ممكنة ببساطة في الأطر الزمنية وبالنظر إلى حجم عمليات التسليم التي نتعامل معها ".
مراقبة
المراقبة المتطفلة للغرض المعلن المتمثل في الأمن وتحديد الهوية. وهذا يشمل استخدام تقنيات الكشف عن الاحتيال والتعرف على الوجه. نحن ندرك أن المراقبة تتم حتى في حالة عدم قيام العامل بتسجيل الدخول لتوفير نفسه للعمل. ويشمل أيضًا مراقبة استخدام العامل للتطبيق كمستهلك.
تخصيص العمل
أصرت أوبر حتى وقت قريب جدًا على أن تخصيص العمل يتم تحديده بناءً على قرب السائقين والركاب من بعضهم البعض ، ولكن تنص الآن على أن السلوكيات والتفضيلات السابقة يتم أخذها في الاعتبار. تستخدم Ola ملفات تعريف السائق التي تتضمن "درجات احتمالية الاحتيال" في اتخاذ القرار الآلي للعمل توزيع.
ادارة الأداء
يشمل تقييم أداء العمل ، على سبيل المثال لا الحصر ، مراقبة سلوك القيادة بما في ذلك ETA ، وتقييمات العملاء ، ومعدلات قبول العمل وإتمامه ، والتفاعل مع موظفي الدعم ، والتوافر.
التسعير
يرتبط تحديد السعر الآلي ارتباطًا وثيقًا بتخصيص العمل. ربما تكون الطريقة الأكثر شهرة هي ما يسمى بـ "الارتفاع المفاجئ" أو "التسعير الديناميكي" الذي يهدف إلى إزالة الطلب في السوق مع تقلبات الأسعار المحلية في الوقت الفعلي.
سباق التسلح المراقبة
لقد شهدنا سباق تسلح للمراقبة في اقتصاد الوظائف المؤقتة منذ أن قدمت أوبر ما يسمى بنظام تحديد الوقت الحقيقي الهجين خلال عام 2020. قبل يوم واحد فقط من إعلان هيئة النقل في لندن (TfL) قرارها برفض تجديد رخصتها في نوفمبر 2019 ، عرضت أوبر تقديم نظام المراقبة هذا الذي يتضمن التعرف على الوجه مع مراقبة GPS.
كان هذا ردًا على شكوى TfL بأنه تم اكتشاف 21 سائقًا (من بين 90.000 تم تحليلها على مدار عدة سنوات) على أنهم متورطون في مشاركة الحساب مما سمح للسائقين غير المرخصين وغير المؤمّن عليهم بتقديم خدماتهم بشكل غير قانوني على التطبيق. أصبح هذا النشاط ممكنًا من خلال إعادة تعيين موقع GPS للجهاز خارج المملكة المتحدة ، حيث يمكن للسائقين تحميل صورهم الخاصة. تم إغلاق هذه الفجوة بسرعة بواسطة Uber وكان النشاط المكتشف صغيرًا جدًا مقارنة بحجم عملية Uber. كان إدخال تقنية التعرف على الوجه من قبل الصناعة غير متناسب تمامًا مع المخاطر المتصورة. ومع ذلك ، أصبح شرط تحديد الهوية في الوقت الفعلي شرطًا لتجديد ترخيص أوبر في محكمة وستمنستر الابتدائية في سبتمبر 2020.
في حالة Uber ، فشلت إدارة المنصة و TfL في ضمان وضع الضمانات المناسبة لحماية حقوق وحريات السائقين على الرغم من قيام TfL بمراجعة تقييم تأثير حماية البيانات للتكنولوجيا في مارس 2020. لقد قمنا بعمل طلب حرية المعلومات إلى TfL للوصول إلى Uber's DPIA لأنظمة تحديد الهوية في الوقت الفعلي ولكن تم رفضنا. وفقًا لتقارير TfL ، فإن 94 ٪ من سائقي السيارات الخاصة المستأجرة (PHV) هم من خلفيات سوداء وأقلية عرقية ، وقد ثبت أن إدخال هذه التكنولوجيا ، المعروفة جيدًا بمعدلات دقتها المنخفضة داخل هذه المجموعات ، كارثي بالنسبة للعمال الضعفاء الموجودين بالفعل. العمالة غير المستقرة.
أعلن Bolt منذ ذلك الحين أنه كان يستثمر 150 مليون يورو في أنظمة الكشف عن الاحتيال للسائقين بالذكاء الاصطناعي بما في ذلك التعرف على الوجه. أعلن Deliveroo أنهم سيقدمون أيضًا فحوصات التعرف على الوجه. قامت Ola Cabs أيضًا بطرح التعرف على الوجه كميزة لنظام Guardian الخاص بها ، والذي يتضمن التعلم الآلي الذي يزعمون أنه يمكّنهم من "التعلم المستمر والتطور من ملايين نقاط البيانات كل يوم ، لتحسين إشارات المخاطر والحل الفوري."
تقوم FreeNow ، وهي شركة مشتركة بين Daimler و BMW ، بمراقبة السائقين عن كثب كجزء من برنامج منع الاحتيال الخاص بهم. في الواقع ، كشفت المستندات التي قدمتها FreeNow إلى المحكمة العليا في مراجعة قضائية لقرار TfL بمنحهم ترخيصًا في لندن ، أن TfL قد قدمت تقارير شهرية عن طرد السائقين لأسباب مختلفة (بما في ذلك `` النشاط الاحتيالي '') شرطًا لهم. تجديد الترخيص الأخير. لكن وصف البيانات التي تمت معالجتها بغرض منع الاحتيال يثير أسئلة أكثر مما تجيب عليه سياسة خصوصية FreeNow.
في هذا المستند ، تنص Free Now على أنها تستخدم خوارزمية "مجموعة عشوائية" لإنتاج نتيجة احتيال يستخدمونها " لتحديد أولويات الرحلات المرسلة وفقًا لذلك. وهذا يضمن إرسالًا عادلًا ومحدودًا من المخاطر ". اعترضت Free Now على استخدامهم لنظام الكشف عن الاحتيال عندما استفسرنا عنه في يونيو 2021 ، مدعين أن هذا القسم من سياسة الخصوصية قديم (يرجى الاطلاع على دراسة حالة الشركة في القسم الثاني من التقرير.) ومع ذلك ، وصف هذا النظام ظلت في السياسة ، على الرغم من التحديث الذي تم إجراؤه في سبتمبر 2021.
ما يثير القلق بشكل خاص حول استخدام هذه الأنظمة هو أنها تدمج إدارة الاحتيال مع إدارة الأداء. إن حقيقة استخدام مؤشرات `` الاحتيال '' هذه كمتغيرات لتخصيص العمل وأن السلوكيات التي تولدها يُسمح لها بالاستمرار على المنصة تُظهر أن هذه ليست حالات احتيال جنائي ، ولكنها آليات للرقابة ، والتي تقيم مدى جودة أداء العمال. مقابل المقاييس المبهمة التي وضعتها الشركات. نقترح أن أي مصطلحات "احتيال" مستخدمة في هذه السياقات تعمل أيضًا كجزء من لعبة التصنيف الخاطئ ، المصممة لإخفاء علاقة العمل.
دراسة حالة المراقبة 1: فشل التعرف على الوجه
في أبريل 2020 ، قدمت أوبر نظام التحقق من الهوية في الوقت الحقيقي (RTID) في المملكة المتحدة والذي يستخدم مزيجًا يشمل التعرف على الوجه والتحقق من الموقع لمصادقة هوية السائق ومحاولة منع السائق من مشاركة الوصول إلى حسابه للعمل.
يشتمل نظام RTID على استخدام واجهة برمجة تطبيقات FACE من Microsoft ، وبرنامج التعرف على الوجه ، ويتطلب من السائقين والناقلين التقاط صور شخصية لأنفسهم بشكل روتيني في الوقت الفعلي لمواصلة استخدام تطبيق أوبر. ثم يتم فحص الصورة مقابل صورة ملف تعريف حساب السائق (وفي بعض الولايات القضائية ، مقابل قواعد البيانات العامة " لمنع استعارة الهوية أو للتحقق من هويات المستخدمين ").
كان Pa Edrissa Manjang يعمل مع Uber لمدة عام تقريبًا عندما تم إلغاء تنشيطه بسبب فشل التحقق من الصور الشخصية. في حين أن سائقي أوبر وشركات التوصيل يقدمون صورًا ذاتية بشكل روتيني ، لا يتم تخزين هذه الصور على هواتف العمال ولا يمكنهم الاحتفاظ بالأدلة على ما قدموه. لم يتم إعطاء Pa أي تحذيرات أو إخطار بأي مشاكل حتى إقالته ؛ يبدو أن نظام التحقق من الهوية في الوقت الحقيقي يوافق على جميع صوره بشيك أخضر.
بعد إقالته ، أرسل Pa العديد من الرسائل إلى Uber لتصحيح المشكلة ، وطلب على وجه التحديد من الإنسان مراجعة طلباته. في كل مرة يتم إخبار Pa "لم نتمكن من التأكد من أن الصور المقدمة هي لك بالفعل وبسبب عدم التطابق المستمر ، اتخذنا القرار النهائي بشأن إنهاء شراكتنا معك". لقد حصلنا على الصور الشخصية المعنية من خلال طلب وصول موضوع ، والذي كشف أن جميع الصور التي أرسلها Pa هي في الواقع له. كانت هذه هي المرة الأولى التي نجحنا فيها في الحصول على صور شخصية مقدمة من ساعي أو سائق. من غير الواضح سبب نجاح هذا الطلب بينما فشل الكثير من قبله.
لقد كتبنا أيضًا إلى Microsoft في وقت سابق من العام لإثارة مخاوفنا بشأن استخدام Uber غير المنظم لـ FACE API عبر نظامها الأساسي. رداً على ذلك ، شددت Microsoft على أن جميع الأطراف المشاركة في نشر هذه التقنيات لديها مسؤوليات تشمل: "دمج مراجعة بشرية هادفة لاكتشاف وحل حالات الخطأ في تحديد الهوية أو أي فشل آخر" و "لتقديم الدعم للأشخاص الذين يعتقدون أن نتائجهم كانت غير صحيحة ؛ ولتحديد ومعالجة التقلبات في الدقة بسبب الاختلاف في الظروف." توضح حالة Pa بوضوح أن هذه الفحوصات الحاسمة لم يتم تنفيذها في معالجة صور RTID.
ترفع Pa الآن دعوى ضد Uber للطعن في نشرها التمييزي العنصري للتعرف على الوجه ، الذي يمثله Bates Wells ، بدعم من لجنة المساواة وحقوق الإنسان ، واتحاد سائقي التطبيقات والسعاة ، و Worker Info Exchange.
EMBED: فيديو Pa
دراسة حالة المراقبة الثانية: فحوصات تحديد الموقع الجغرافي
في حين أن استخدام أنظمة التعرف على الوجه المعيبة يمثل مشكلة بلا شك ، فقد رأينا أيضًا العديد من السائقين يتم طردهم بعد اتهامات كاذبة من Uber بأنهم شاركوا في مشاركة احتيالية للحساب بعد أن تم اكتشاف جهازين بواسطة Uber في موقعين في نفس الوقت. في جميع الحالات التي قمنا بتحليلها ، وجدنا أن المشكلة تتعلق بقيام السائق بتثبيت التطبيق على جهازين للراحة ولكن مع تسجيل دخول واحد فقط من الأجهزة للعمل.
قبل الساعة 8 مساءً بقليل في 11 سبتمبر 2020 ، كان أويسو مولانا يعمل لدى أوبر في جنوب لندن. لقد حصل على تصنيف 4.95 نجوم وقد أجرى أكثر من 11500 رحلة في أكثر من 5 سنوات من العمل في أوبر. كان أويسو قد أنزل للتو راكبًا بالقرب من Elephant and Castle عندما قام بتسجيل الخروج لقضاء استراحة قصيرة. مثل العديد من برامج التشغيل ، قام Aweso بتثبيت التطبيق على جهاز ثان كان iPhone. في هذا المساء بالذات ، غادر iPhone المنزل وكان يعمل بهاتفه الآخر ، Samsung.
في الساعة 8:02 مساءً ، حاول Aweso تسجيل الدخول مرة أخرى إلى تطبيق Uber ليكون متاحًا لوظيفته التالية. قبل أن يُسمح له بتسجيل الدخول مرة أخرى ، طُلب منه تقديم صورة شخصية كجزء من Uber's Real Time Identity Check (RTID). تطابقت صورته مع الصورة المرجعية لأوبر ، لذا أكمل بنجاح إجراء تسجيل الدخول لمواصلة مناوبته. لكن غير معروف له ، فقد اكتشفت أنظمة أوبر هاتفه الثاني و / أو أزيزت عليه. كان ابنه قد التقط هاتفه الثاني عن طريق الخطأ وأخذه معه إلى منزل صديقته في أوكسبريدج. قالت أوبر لاحقًا إنها طلبت فحص RTID من هذا الجهاز في الساعة 8:03 مساءً ولكن بحلول هذا الوقت كان Aweso متصلاً بالفعل في جنوب لندن. تدعي أوبر أن الرد على التحقق من الهوية تم إرساله من iPhone في حوالي الساعة 11:55 مساءً من ذلك المساء.
في اليوم التالي ، أبلغه أوبر أنه تم "وضع علامة على حسابه بسبب نشاط تطبيق مشبوه" وأن حسابه سيتم تعليقه الآن بينما "يراجع فريق متخصص ذلك". بعد مرور بعض الوقت ، رفضت Uber بشكل دائم Aweso عبر رسالة نصية تقول إنها `` عثرت على دليل يشير إلى نشاط احتيالي '' على حسابه. ثم ادعى أوبر أنه كان يشارك الوصول إلى حسابه وبذلك يكون قد انتهك الشروط والأحكام. في الشهر التالي ، ألغت هيئة النقل في لندن رخصة أويسو على الفور على أساس أنه لم يعد من الممكن أن يكون "لائقًا ومناسبًا" للحصول على ترخيص عام على أساس فصله من أوبر.
ساعد تبادل معلومات العمال شركة Aweso في تقديم طلب وصول للموضوع وتحليل البيانات المتلقاة. يسجل ملف واحد يسمى " بيانات الجهاز المفصلة لنهر D" على الأقل بعض البيانات المتدفقة من الأجهزة إلى أوبر في الوقت الفعلي. تشير سياسة الخصوصية الخاصة بـ Uber إلى أنه عندما يكون الجهاز مفتوحًا في الخلفية أو في المقدمة ، حتى لو لم يكن متصلاً بالإنترنت وجاهزًا لقبول الأسعار. في أكثر من اثنتي عشرة قضية دعمنا فيها استئناف السائقين لإلغائهم في محكمة الصلح ، تم تأييد كل استئناف وأمرت هيئة النقل في لندن بإعادة الرخص. من هذا الملف يمكننا أن نرى ما يصل إلى 230 صفًا من البيانات في الدقيقة يتم تسجيلها بواسطة Uber من الأجهزة. البيانات التي جمعتها أوبر من أجهزة Aweso متضمنة الموقع الجغرافي ، ومستوى البطارية ، والسرعة ، وعنوان الدورة ، ورقم IMEI ، إلخ.
أظهرت البيانات أن الجهاز في أوكسبريدج لم يتم تسجيل دخوله للعمل في ذلك اليوم لأن حقلًا بعنوان "driver_online" أظهر جهاز iPhone كـ "FALSE" في جميع الأوقات في ذلك اليوم بما في ذلك وقت تسجيله في أوكسبريدج. هذا دليل على أن الجهاز لم تتم مشاركته للعمل مع الآخرين كما زعمت شركة Uber and Transport for London. فشلت أوبر في توفير الوصول إلى البيانات الشخصية التي تمت معالجتها في كل من فحوصات RTID بما في ذلك الصور التي تم جمعها. لا تظهر "بيانات الجهاز التفصيلية" أي سجل لأي نشاط إضافي لجهاز iPhone بعد الساعة 8:03:43 مساءً. لم نر أي بيانات دليل على نشاط الجهاز في الساعة 11:55 مساءً عندما قالت أوبر إنها تلقت ردًا على التحقق من الهوية الذي تم إصداره مسبقًا.
كانت تجربة Pa و Aweso منتشرة للغاية خلال العام الماضي وشكلت حجمًا كبيرًا من الأعمال الحالة التي تمت معالجتها بواسطة Worker Info Exchange و App Drivers & Courier Union. في لندن ، اتجهت هيئة النقل في لندن إلى الإلغاء الفوري لتراخيص السائقين الذين أفيد أنهم فشلوا في فحوصات RTID الخاصة بأوبر على الرغم من المشكلات الواضحة في النظام. غالبًا ما توجد تفسيرات معقولة لاستخدام أجهزة متعددة والتي يتم تصنيفها تلقائيًا على أنها احتيال. تشير سياسة الخصوصية الخاصة بـ Uber إلى أنه عندما يكون الجهاز مفتوحًا في الخلفية أو في المقدمة ، حتى لو لم يكن متصلاً بالإنترنت وجاهزًا لقبول الأسعار. في أكثر من اثنتي عشرة قضية دعمنا فيها استئناف السائقين لإلغائهم في محكمة الصلح ، تم تأييد كل استئناف وأمرت هيئة النقل في لندن بإعادة الرخص.
كتب Worker Info Exchange و Big Brother Watch و App Drivers & Courier Union رسالة مشتركة إلى عمدة لندن لإثارة مخاوفنا بشأن اعتماد النقل في لندن على أدلة معيبة من Uber في اتخاذ قرار الإلغاء وطالبوا بذلك ، بصفته رئيس النقل لمجلس إدارة لندن ، أنه يأمر بمراجعة جميع عمليات الإلغاء غير المشروعة هذه. حتى الآن ، لم يستجب رئيس البلدية ولا TfL.
إدارة أداء مبهمة
إن عتامة شركات النظام الأساسي تمنع فهم العمال لكيفية تكامل التحكم الحسابي عبر نطاق العمليات الحرجة وبمرور الوقت. على سبيل المثال ، لم يتم تزويد العمال بالشفافية التي يحق لهم قانونًا الحصول عليها من أجل فهم كيفية ارتباط تصنيف الأداء بجودة وكمية العمل المعروض بالإضافة إلى العائدات المتوقعة لهذا العمل.
في حالة Ola ، لدينا بعض المعرفة بفئات البيانات التي يقومون بجمعها ومعالجتها في أنظمة تخصيص العمل الخاصة بهم - مثل درجات احتمالية الاحتيال ، وكسب الملف الشخصي ، وقبول الحجز وسجل الإلغاء ، من بين أمور أخرى - ولكن هذا لا يكشف عن الأوزان المختلفة تنطبق على هذه المتغيرات ، ولا منطق المعالجة.
لطالما أكدت أوبر أن نظام المطابقة الخاص بها يتم تحديده فقط من خلال الموقع ، على الرغم من أن واجهة "الشريك السائق" الخاصة بها تشير إلى خلاف ذلك. يُعلم برنامج Uber's Pro (الذي يتم تسجيل السائقين فيه تلقائيًا حتى يمكن تحفيزهم لتحقيق أهداف الأداء مقابل المزايا والمكافآت) السائقين بلغة غامضة أن "معدلات التأكيد الأعلى تعني فترات انتظار أقصر للعملاء وأوقات استلام أقصر للجميع السائقين "في إشارة فضفاضة إلى حقيقة أن تراجع الوظائف سيؤدي إلى عدد أقل من عروض العمل.