বিষয়বস্তু
বিষয়বস্তু
সারসংক্ষেপ
পার্ট I: মিসক্ল্যাসিফিকেশন 2.0: অ্যালগরিদম দ্বারা নিয়ন্ত্রিত
নজরদারি কেস স্টাডি I: ফেসিয়াল রিকগনিশন ব্যর্থতা
নজরদারি কেস স্টাডি II: জিওলোকেশন চেক
অস্বচ্ছ কর্মক্ষমতা ব্যবস্থাপনা
কেস স্টাডি: অ্যালগরিদমিক নিয়ন্ত্রণ
আইন প্রয়োগকারী অবকাঠামো সম্প্রসারণ
কেস স্টাডি: আইন প্রয়োগকারীর সাথে বুদ্ধিমত্তা ভাগ করে নেওয়া
পার্ট II: কর্মক্ষেত্রে ডেটা অধিকার অনুশীলন করা: অ্যাক্সেস
অসামঞ্জস্যপূর্ণ এবং ক্রমবর্ধমান ডেটা শেয়ারিং
কেস স্টাডি: WIE দ্বারা ব্যাচ অনুরোধের প্ল্যাটফর্ম প্রতিক্রিয়া
পার্ট III: কর্মক্ষেত্রে ডেটা অধিকার অনুশীলন করা: মামলা
Uber ড্রাইভার বনাম Uber I (সাধারণ স্বচ্ছতার অনুরোধ)
ওলা ড্রাইভার বনাম ওলা (সাধারণ স্বচ্ছতার অনুরোধ)
Uber ড্রাইভার বনাম Uber II (স্বয়ংক্রিয় সিদ্ধান্ত নেওয়ার ক্ষেত্রে স্বচ্ছতা)
সারসংক্ষেপ
ওয়ার্কার ইনফো এক্সচেঞ্জ একটি ডেটা ট্রাস্ট প্রতিষ্ঠার মাধ্যমে দর কষাকষির ক্ষমতা তৈরি করতে ডেটা অ্যাক্সেস এবং সংগ্রহের সুবিধার্থে সেট আপ করা হয়েছিল।
এটি নতুন অ্যালগরিদমিক ব্যবস্থাপনা অনুশীলনের বিকাশের প্রতিক্রিয়া হিসাবে ছিল যা গভীর তথ্যগত অসামঞ্জস্য এবং কর্মীদের শোষণ তৈরি করে।
ওয়ার্কার ইনফো এক্সচেঞ্জের লক্ষ্য হল কর্মসংস্থান প্রসঙ্গে জিডিপিআর অনুচ্ছেদ 15, 20 এবং 22 অধিকারগুলি ব্যবহার করে ডেটা এবং শ্রম অধিকারের সংমিশ্রণকে মোকাবেলা করা।
গিগ শিল্প জুড়ে ব্যাপক GDPR অ-সম্মতির কারণে এই লক্ষ্যটি মারাত্মকভাবে বাধাগ্রস্ত হয়েছে।
আমরা গত আট মাসে Amazon Flex, Bolt, Deliveroo, Free Now, Just Eat, Ola এবং Uber সহ সাতটি ভিন্ন রাইড-শেয়ার প্ল্যাটফর্মে 500 টির বেশি ডেটা সাবজেক্ট অ্যাক্সেসের অনুরোধ করেছি।
ডেটা অ্যাক্সেস কোম্পানিগুলি দ্বারা চ্যালেঞ্জ করা হয় যেগুলি অন্ধকার প্যাটার্ন স্থাপন করে এবং ইচ্ছাকৃতভাবে প্যাঁচি জিডিপিআর বাস্তবায়নের অপব্যবহার করে, যা কর্মীদের আদালতে সমস্যার সমাধান করতে চালিত করে।
গিগ প্ল্যাটফর্মগুলির দ্বারা ডেটা সংগ্রহ অত্যধিক এবং কর্মীদের অসম এবং জবাবদিহিতাহীন নজরদারির পাশাপাশি আইন প্রয়োগকারী পরিকাঠামোর প্রসারিত করে।
ব্যবহৃত অ্যালগরিদমিক ম্যানেজমেন্ট সিস্টেমগুলির উপর কোন স্বচ্ছতা নেই। কি প্রযুক্তি ব্যবহার করা হয় এবং কিভাবে কোম্পানির বর্ণনাগুলি অসঙ্গত এবং অবিশ্বস্ত।
© 2021 কর্মী তথ্য বিনিময়
© 2021 কর্মী তথ্য বিনিময়
ভূমিকা
বিগত বছরটি গিগ প্ল্যাটফর্মের কর্মীদের জন্য তাদের কর্মসংস্থান এবং ডিজিটাল অধিকার আদায়ের ক্ষেত্রে একটি টার্নিং পয়েন্ট চিহ্নিত করেছে। ডিজিটালি মধ্যস্থতামূলক কাজের অভ্যাস কর্মসংস্থান এবং ডেটা সুরক্ষা অধিকারগুলির একটি সংমিশ্রণের দিকে পরিচালিত করেছে এবং কর্মীদের দ্বারা ক্রমবর্ধমান মামলা এবং অ্যাডভোকেসি কার্যকলাপ এই ডোমেনে ফলাফল দিচ্ছে। ইউরোপ জুড়ে, আদালতগুলি গিগ প্ল্যাটফর্মগুলির দ্বারা অ্যালগরিদমিক ম্যানেজমেন্ট অনুশীলনের শোষণমূলক ভূমিকাকে স্বীকৃতি দিয়ে বেশ কয়েকটি গুরুত্বপূর্ণ রায় দিয়েছে এবং এই ধরনের স্বয়ংক্রিয় সিস্টেমে ন্যায্যতা এবং স্বচ্ছতার অভাবকে নিন্দা করেছে।
ইতালিতে, বোলোগনা আদালত রায় দিয়েছে যে ডেলিভারুর রেটিং সিস্টেম কর্মীদের প্রতি বৈষম্যমূলক আচরণ করেছে যখন ডেটা সুরক্ষা কর্তৃপক্ষ, গ্যারান্টে, তাদের কাজের বরাদ্দ এবং কর্মক্ষমতা পরিচালনার অ্যালগরিদমগুলির কার্যকারিতা যথাযথভাবে প্রকাশ করতে ব্যর্থতার কারণে ডেলিভারু এবং গ্লোভোকে দুটি জিডিপিআর জরিমানা করেছে৷
স্পেন কর্মসংস্থানের ক্ষেত্রে AI নিয়ন্ত্রণ করার চেষ্টা করার জন্য প্রথম আইন পাস করেছে , গিগ কর্মীদের জন্য কর্মী মর্যাদা এবং অ্যালগরিদমের নিয়ম ও পরামিতিগুলি সম্পর্কে অবহিত হওয়ার অধিকার প্রতিষ্ঠা করেছে - অভিযোগের একটি প্রবাহ প্রকাশ করে। এটি গ্লোভোর বিরুদ্ধে আরেকটি আদালতের মামলার ফলাফল যা স্প্যানিশ সুপ্রিম কোর্টে শেষ হয়েছিল।
এই হাই-প্রোফাইল সিদ্ধান্তগুলির পাশাপাশি, যুক্তরাজ্যের সুপ্রিম কোর্টও এই বছর উপসংহারে পৌঁছেছে যে উবার চালকরা একটি পরিবহণ পরিষেবার পক্ষ ছিল যেটি " খুব শক্তভাবে সংজ্ঞায়িত এবং উবার দ্বারা নিয়ন্ত্রিত " একটি স্পষ্ট কর্মসংস্থান সম্পর্কে বিশ্বাসঘাতকতা করে, যেটি কোম্পানি দাবি করেছে যে এটির অস্তিত্ব নেই। শ্রমিকদের স্বাধীন ঠিকাদার হিসেবে শ্রেণীবদ্ধ করার (ভুল) প্রচেষ্টা। উল্লেখযোগ্যভাবে, এই সম্পর্কের প্রমাণ পাওয়া যায় ডেটা চালিত সিস্টেম থেকে রাইডশেয়ার প্ল্যাটফর্মগুলি তাদের কর্মশক্তি পরিচালনা করতে ব্যবহার করে। চাকরি গ্রহণের হার, রুট পছন্দ, ড্রাইভিং আচরণ এবং গ্রাহকের রেটিংগুলির অ্যালগরিদমিক পর্যবেক্ষণের মাধ্যমে ড্রাইভারদের পরিচালনার সাথে যুক্ত ইউকে সুপ্রিম কোর্ট দ্বারা হাইলাইট করা কিছু বিষয়। যাইহোক, যদিও অ্যালগরিদমিক ম্যানেজমেন্টের বৃহত্তর স্বীকৃতি রয়েছে, আদালতে সাম্প্রতিক লাভগুলি শ্রমিকদের সম্পূর্ণরূপে এর ক্ষতির বিরুদ্ধে রক্ষা করে না। সুপ্রীম কোর্টের সিদ্ধান্তের ফলে Uber ড্রাইভারদের দেওয়া অঙ্গ (b) কর্মী মর্যাদা হল ঠিকাদার এবং কর্মচারীর মধ্যে একটি মধ্যস্থতাকারীর মর্যাদা, এবং এখনও তাদের অন্যায্য বরখাস্ত থেকে রক্ষা করতে পারে না, উদাহরণস্বরূপ।
আমাদের অভিজ্ঞতা পরামর্শ দেয় যে এই অ্যালগরিদমিক ম্যানেজমেন্ট টুলগুলি, নজরদারি অনুশীলনকে তীব্র করার সাথে, সম্ভাব্য জালিয়াতি বা অন্যায় কাজের জন্য ক্রমাগত কর্মীদের যাচাই-বাছাই করে, এর ফলে একটি গভীর শোষণমূলক কাজের পরিবেশ তৈরি হয়। আমরা সমগ্র গিগ শিল্প জুড়ে অত্যধিক সংখ্যক স্বয়ংক্রিয় বরখাস্ত দেখতে পাচ্ছি, যার মধ্যে অনেকগুলিকে আমরা জেনারেল ডেটা প্রোটেকশন রেগুলেশন (GDPR)-এর ধারা 22 অনুসারে বেআইনি বলে বিশ্বাস করি। অনুচ্ছেদ 22 মানব হস্তক্ষেপ পাওয়ার এবং সিদ্ধান্তের প্রতিদ্বন্দ্বিতা করার অধিকারের মাধ্যমে স্বয়ংক্রিয় সিদ্ধান্ত গ্রহণ এবং প্রোফাইলিংয়ের বিরূপ প্রভাবের বিরুদ্ধে কর্মীদের কিছু সীমিত সুরক্ষা প্রদান করে। GDPR-এর অনুচ্ছেদ 15 এই ধরনের স্বয়ংক্রিয় সিদ্ধান্ত নেওয়ার অস্তিত্ব সম্পর্কে অবহিত হওয়ার এবং প্রক্রিয়াকরণের যুক্তি সম্পর্কে অর্থপূর্ণ তথ্য প্রদানের অধিকারের নিশ্চয়তা দেয়।
এই অধিকারগুলিকে ভিত্তি হিসাবে গ্রহণ করে, ওয়ার্কার ইনফো এক্সচেঞ্জ এই কমপ্লেক্স এবং নিয়ন্ত্রিত স্থানের অধীনে নেভিগেট করার জন্য গিগ কর্মীদের সমর্থন করার লক্ষ্যে প্রতিষ্ঠিত হয়েছিল। আমাদের কাজের লক্ষ্য এবং রেমিট হল এই GDPR যন্ত্রগুলি অন্যায় কর্মসংস্থানের অনুশীলনগুলিকে মোকাবেলা করতে এবং কর্মী হিসাবে ব্যক্তিদের জন্য তাদের সক্ষমতার জন্য উপলব্ধ ডেটার সুযোগ প্রসারিত করতে ব্যবহার করা যেতে পারে কিনা তা পরীক্ষা করা। অন্য কথায়, আমাদের উচ্চাকাঙ্ক্ষা হল ডিজিটালি মধ্যস্থতাকারী শ্রম বাজারে প্রতিকারের প্রক্রিয়া পরীক্ষা করার জন্য যৌথ কর্মী শক্তি তৈরির একটি পদ্ধতি হিসাবে ডেটা অ্যাক্সেস ব্যবহার করা।
যখন গিগ প্ল্যাটফর্ম এবং কর্মীদের মধ্যে কর্মসংস্থান সম্পর্ক ব্যাপক তথ্য সংগ্রহ এবং বিশ্লেষণের মাধ্যমে কার্যকর করা হয়, তখন কর্মসংস্থানের অধিকারগুলি ডেটা অধিকারের অনুশীলনের সাথে অবিচ্ছেদ্যভাবে যুক্ত হয়ে যায়। গিগ প্ল্যাটফর্মগুলি তথ্যগত অসামঞ্জস্য বজায় রাখার মাধ্যমে কর্মীদের উপর নিয়ন্ত্রণ জাহির করে এবং ডেটা অ্যাক্সেস গিগ প্ল্যাটফর্ম এবং তাদের কর্মীদের মধ্যে তথ্যগত ব্যবধান দ্বারা উত্পন্ন শক্তি (im) ভারসাম্য প্রকাশ করার একটি উপায় প্রদান করতে পারে। ব্যক্তিগত ডেটাতে অ্যাক্সেস পাওয়া শ্রমিকদের তাদের কাজের অবস্থা সম্পর্কে স্বাধীন মূল্যায়ন করতে এবং তাদের বেতন গণনা, প্রস্তাবিত কাজের গুণমান এবং পরিমাণ সংক্রান্ত প্রশ্নের উত্তর দিতে পারে, সেইসাথে সাসপেনশন সহ প্রতিকূল কর্মক্ষমতা ব্যবস্থাপনার জন্য ভিত্তিকে চ্যালেঞ্জ করতে পারে। বরখাস্ত
ডেটা অ্যাক্সেসের সুবিধার ক্ষেত্রে আমাদের লক্ষ্য হল কাজের পরিস্থিতি এবং ফলস্বরূপ দর কষাকষির ক্ষমতা সম্পর্কে আরও বেশি বোঝার জন্য ডেটার সমষ্টিগত স্টোর তৈরি করা। সাম্প্রতিক বছরগুলিতে, বেশ কয়েকটি উল্লেখযোগ্য উদ্যোগ একই লক্ষ্যে পরিচালিত হয়েছে তবে ডেটা পুনরুদ্ধারের জন্য বিভিন্ন পদ্ধতি ব্যবহার করে। এই ক্ষেত্রের কিছু প্রকল্প শ্রমের অবস্থার ন্যায্যতা মূল্যায়ন করার জন্য আয় এবং কর্মক্ষমতার উপর তাদের নিজস্ব ডেটা সংগ্রহ এবং বিশ্লেষণ চালায় (উদাহরণস্বরূপ ড্রাইভারের সিট কোপ এবং WeClock, অন্যদের মধ্যে।) এগুলি গিগ অর্থনীতিতে অনন্য অন্তর্দৃষ্টি উপস্থাপন করে এবং ডেটা অনুশীলনের একটি ধারাবাহিকতা গঠন হিসাবে বিবেচনা করা উচিত। আমরা এই সমস্যাটির সাথে যোগাযোগ করেছি যে প্ল্যাটফর্মগুলি সেই ডেটা ভাগ করে যা শ্রমিকদের আইনত অধিকার রয়েছে, তবে এটি ডেটা সংগ্রহের বৃহত্তর লক্ষ্যে অতিরিক্ত বাধা তৈরি করেছে। আমরা এই পথটি নিয়েছি কারণ আমরা ডেটা সুরক্ষা আইনে মান এবং নজির স্থাপন করতে চেয়েছিলাম, কিন্তু এছাড়াও আমরা বিশ্বাস করি যে কিছু নির্দিষ্ট ধরণের তথ্য রয়েছে যা শুধুমাত্র প্ল্যাটফর্মগুলি থেকে সরাসরি ডেটার অনুরোধ করে প্রাপ্ত করা যেতে পারে৷
আমরা দেখেছি, বিশেষত নজরদারির ক্ষেত্রে অনিয়মিত কার্যকলাপ এবং জালিয়াতির অভিযোগগুলিকে উত্সাহিত করার ক্ষেত্রে, অভিযোগগুলি বোঝার এবং প্রতিদ্বন্দ্বিতা করার জন্য সংস্থাগুলির কাছে থাকা ডেটা থাকা প্রয়োজন৷ ডেটা অ্যাক্সেস আমাদের প্ল্যাটফর্ম কোম্পানিগুলির দ্বারা উন্নত বর্ণনাগুলির অসঙ্গতিগুলি খুঁজে বের করতে এবং কর্মীদের কাছ থেকে প্রমাণের বোঝা প্ল্যাটফর্মগুলিতে ফিরিয়ে আনতে সাহায্য করতে পারে৷ এই দৃষ্টিকোণ থেকে, প্ল্যাটফর্ম ডেটা দাবি করার প্রচেষ্টা অসংখ্য কর্মসংস্থান বিরোধ সমাধানে অত্যন্ত সফল প্রমাণিত হয়েছে। ব্যক্তিগত তথ্য প্রদানে প্ল্যাটফর্মের প্রত্যাখ্যানের সহজ প্রদর্শন আদালতে বেশ কয়েকটি লাইসেন্স প্রত্যাহার করেছে (TfL দ্বারা প্রয়োগ করা হয়েছে) এবং এইভাবে কর্মসংস্থান অধিকার অনুশীলনের একটি অতিরিক্ত হাতিয়ার হয়ে উঠেছে।
এটি কর্মী তথ্য বিনিময়ের কার্যকলাপের অন্য শাখা গঠন করে; যেহেতু আমরা কর্মক্ষেত্রের অবস্থা নির্ধারণকারী জটিল সিস্টেমগুলির উপর স্বচ্ছতা এবং স্বচ্ছতা অর্জনের প্রচেষ্টায় হতাশ হয়ে পড়ি, তাই ডিজিটাল শ্রম অধিকারের উদ্ভূত ক্ষেত্রে আমাদের প্রায়শই মামলা মোকদ্দমা অবলম্বন করতে হবে এবং আদালতে যেতে হবে। গিগ প্ল্যাটফর্মগুলি যে কৃত্রিম 'ডেটা ক্রাইসিস' তৈরি করেছে তা হল বিভিন্ন উপায়ে অনিশ্চিত কর্মী এবং ইউনিয়নগুলির সংস্থানগুলিকে নিঃশেষ এবং নিষ্ক্রিয় করার একটি প্রয়াস যা আদালতে বিবাদগুলিকে টেনে এনেছে যেখানে তারা দীর্ঘায়িত হতে পারে এবং কর্পোরেট অসদাচরণের জন্য দায়বদ্ধতা বিলম্বিত হতে পারে।
ক্রিয়াকলাপের এই অংশগুলির সাথে সামঞ্জস্য রেখে, এই প্রতিবেদনটি তিনটি অংশে লেখা হয়েছে: প্রথম বিভাগটি অ্যালগরিদমিক ব্যবস্থাপনার বিভিন্ন দিক এবং এর ক্ষতিকারক, সম্পর্কিত কেস স্টাডির সাথে অনুসন্ধান করে। দ্বিতীয় বিভাগে ডেটা সাবজেক্ট অ্যাকসেস রিকোয়েস্ট (DSARs) ব্যবহার করার ক্ষেত্রে আমাদের প্রক্রিয়া নিয়ে আলোচনা করা হয়েছে যেখানে তৃতীয় অংশটি আমস্টারডামে আমরা এগিয়ে নেওয়া জিডিপিআর সংক্রান্ত মামলাগুলির পাশাপাশি লন্ডনে যে লাইসেন্সিং কেসগুলিকে সমর্থন করছি সেগুলির একটি ওভারভিউ অফার করে৷ এই প্রতিবেদনটি মোজিলা ফাউন্ডেশন, ডিজিটাল ফ্রিডম ফান্ড এবং ওপেন সোসাইটি ফাউন্ডেশনের সহায়তায় পরিচালিত আমাদের সংস্থার এই ফাংশনগুলিকে সম্বোধন করার কাজের একটি সময়কাল শেষ করে৷ আমরা আশা করি এই প্রতিবেদনটি তথ্য ও শ্রমের সংযোগস্থলে অধিকারের অনুশীলনে খেলার বর্তমান অবস্থা প্রদর্শন করবে এবং গিগ প্ল্যাটফর্মগুলির দ্বারা বারবার অ-সম্মতির ক্রমবর্ধমান প্রভাবগুলি প্রকাশ করবে।
"প্ল্যাটফর্ম কোম্পানিগুলি একটি আইনহীন জায়গায় কাজ করছে যেখানে তারা বিশ্বাস করে যে তারা নিয়ম তৈরি করতে পারে৷ দুর্ভাগ্যবশত এটি একটি খেলা নয়; ভার্চুয়াল বাস্তবতা বাস্তব জীবনে গিগ কর্মীদের জন্য কঠোর পরিণতি নিয়ে আসে৷ যা উত্সাহজনক তা হল যে শ্রমিকরা নিজেরাই আইনের জন্য অপেক্ষা করছে না, নীতিনির্ধারক বা এমনকি মানবাধিকার আন্দোলনের সহযোগীরাও তাদের উদ্ধারের জন্য। গিগ কর্মীরা সংগঠিত করছে এবং তাদের সম্মিলিত কণ্ঠস্বর ব্যবহার করে নতুন সুরক্ষা দাবি করছে যা একটি ডিজিটাইজিং অর্থনীতির উদ্দেশ্যে উপযুক্ত।"
বামা আত্রেয়া, ফেলো, ওপেন সোসাইটি ফাউন্ডেশন
পার্ট I: ভুল শ্রেণীবিভাগ 2.0 অ্যালগরিদম দ্বারা নিয়ন্ত্রিত
যুক্তরাজ্যের গিগ অর্থনীতিতে কর্মীদের অধিকারের জন্য ছয় বছরের লড়াইয়ে, উবার যুক্তি দিয়েছিল যে এটি নিছক স্ব-নিযুক্ত চালকের এজেন্ট ছিল প্যাসিভভাবে কাজের অর্ডার বুক করা এবং অর্থ সংগ্রহ করা ছাড়া আর কিছুই করে না। এই কল্পকাহিনীকে এগিয়ে নেওয়ার জন্য, গিগ প্ল্যাটফর্মগুলি বিস্তৃত চুক্তি স্থাপন করে যা এটিকে দেখায় যেন চালক এবং যাত্রী একে অপরের সাথে সরাসরি লেনদেন করছে, যখন প্রকৃতপক্ষে সমস্ত যাত্রীর তথ্য কোম্পানিগুলির দ্বারা ঘনিষ্ঠভাবে রক্ষা করা হয়। উদাহরণস্বরূপ, Uber তাদের বহন করা প্রতিটি যাত্রীর জন্য ড্রাইভারের পক্ষ থেকে একটি ধারণাগত চালান তৈরি করে। চালানটি শুধুমাত্র যাত্রীর প্রথম নাম উল্লেখ করবে এবং প্রকৃতপক্ষে কখনই গ্রাহককে পাঠানো হয় না।
এই ভুল শ্রেণিবিন্যাস কৌশলগুলি, সাধারণত গিগ অর্থনীতিতে ব্যবহৃত হয়, প্ল্যাটফর্মগুলিকে নিয়োগকর্তার আইনি দায়িত্ব যেমন মৌলিক কর্মী অধিকার সুরক্ষা এবং জাতীয় বীমা অবদানগুলি এড়াতে সক্ষম করে৷ যুক্তরাজ্যে এটি প্ল্যাটফর্ম কোম্পানিগুলিকে মূল্য সংযোজন বিক্রয় কর (ভ্যাট) এড়াতে সক্ষম করেছে। কিন্তু এই বছরের শুরুর দিকে, সুপ্রিম কোর্ট নিম্ন আদালতের কৃত্রিম চুক্তি বাতিল করার এবং কর্মীদের উপর নিয়ন্ত্রণের ব্যবস্থাপনা সম্পর্কের প্রমাণের ভিত্তিতে কর্মসংস্থান সম্পর্কের প্রকৃত প্রকৃতি নির্ধারণের অধিকার নিশ্চিত করেছে।
যেহেতু প্ল্যাটফর্ম কোম্পানিগুলি উপসংহারে পৌঁছেছে যে বিভ্রান্তিকর চুক্তিগুলি ব্যবহার করে কর্মসংস্থানের ভুল শ্রেণিবিন্যাসের পদ্ধতি হিসাবে আর কার্যকর নয়, তারা ব্যবস্থাপনা নিয়ন্ত্রণের গোপনীয়তার জন্য প্রক্রিয়া অটোমেশনকে দ্বিগুণ করতে প্রলুব্ধ হবে। অ্যালগরিদমিক নিয়ন্ত্রণ ভুল শ্রেণীবিভাগ 2.0 হয়ে যায়। প্রকৃতপক্ষে, যথেষ্ট প্রমাণ রয়েছে যে এটি ইতিমধ্যেই ঘটছে। গিগ প্ল্যাটফর্মগুলি ভুল শ্রেণীবিভাগের কৌশলগুলি অনুসরণ করার জন্য আগের চেয়ে আরও বেশি দৃঢ়প্রতিজ্ঞ যাতে তারা কর্মীবাহিনীকে নিয়ন্ত্রণ করা চালিয়ে যেতে পারে এবং সেই ঝুঁকি এড়াতে পারে যে ড্রাইভাররা 'কর্মী' মর্যাদা থেকে স্নাতক হতে পারে সীমিত অধিকার সহ কর্মচারী মর্যাদায় যথেষ্ট বেশি অধিকার সহ।
তাহলে অ্যালগরিদমিক নিয়ন্ত্রণ কী এবং গিগ কর্মীদের জন্য নির্দিষ্ট ঝুঁকিগুলি কী কী? রাইড-শেয়ার এবং ডেলিভারি ইন্ডাস্ট্রিতে বিশেষ করে অ্যালগরিদমিক ম্যানেজমেন্টের মাধ্যমে যা আমাদের কাছে সবচেয়ে বেশি উদ্বেগের বিষয় হল:
নজরদারি। নিরাপত্তা এবং সনাক্তকরণের বিবৃত উদ্দেশ্যে অনুপ্রবেশকারী নজরদারি। এটি জালিয়াতি সনাক্তকরণ এবং মুখের শনাক্তকরণ প্রযুক্তির ব্যবহারকে অন্তর্ভুক্ত করে। আমরা সচেতন যে কর্মী যখন লগ ইন না করে তখনও নজরদারি করা হয় নিজেদের কাজের জন্য উপলব্ধ করার জন্য। এতে ভোক্তা হিসেবে কর্মীদের অ্যাপের ব্যবহার জরিপ করাও অন্তর্ভুক্ত ছিল।
কর্মক্ষমতা ব্যবস্থাপনা. এর মধ্যে রয়েছে কিন্তু ইটিএ, গ্রাহকের রেটিং, চাকরির গ্রহণযোগ্যতা এবং সমাপ্তির হার, সহায়তা কর্মীদের সাথে মিথস্ক্রিয়া, প্রাপ্যতা সহ ড্রাইভিং আচরণের নিরীক্ষণের মধ্যেই সীমাবদ্ধ নয়।
কাজের বরাদ্দ। Uber খুব সম্প্রতি পর্যন্ত জোর দিয়েছিল যে চালক এবং যাত্রীদের একে অপরের সান্নিধ্যের উপর কাজের বরাদ্দ নির্ধারণ করা হয় তবে এখন স্বীকার করে যে অতীতের আচরণ এবং পছন্দগুলিকে ফ্যাক্টর করা হয়। ওলা স্বীকার করে যে ড্রাইভারের প্রোফাইলগুলির মধ্যে 'আয়ন প্রোফাইল' এবং 'প্রতারণার সম্ভাবনা' স্কোরিং অন্তর্ভুক্ত রয়েছে কাজের বরাদ্দ স্বয়ংক্রিয় সিদ্ধান্ত গ্রহণে ব্যবহৃত হয়।
মূল্য নির্ধারণ। কাজের বরাদ্দের সাথে ঘনিষ্ঠভাবে সম্পর্কিত স্বয়ংক্রিয় মূল্য নির্ধারণের সিদ্ধান্ত নেওয়া। সম্ভবত সবচেয়ে সুপরিচিত পদ্ধতি হল Uber-এর তথাকথিত 'সার্জ' বা 'ডাইনামিক প্রাইসিং' যা রিয়েল টাইম, স্থানীয় দামের ওঠানামার সাথে বাজারের চাহিদা মেটাতে সাহায্য করে।
উপরের ব্যবস্থাপনার সিদ্ধান্তগুলি বেশিরভাগই স্বয়ংক্রিয় বা আধা-স্বয়ংক্রিয় সীমিত মানব হস্তক্ষেপে। গিগ অর্থনীতির ব্যবসায়িক মডেলগুলি ব্যবস্থাপনার সিদ্ধান্ত এবং কর্মক্ষেত্রের তত্ত্বাবধানের ব্যাপক অটোমেশনের উপর নির্ভর করে। যদিও কিছু নিয়োগকর্তা এই বিষয়ে নতজানু, ডেলিভারু তাদের রাইডার গোপনীয়তা নীতিতে এটি সম্পর্কে বেশ স্পষ্টবাদী ছিলেন:
“আমরা যে পরিমাণ ডেলিভারি মোকাবেলা করি তার পরিপ্রেক্ষিতে, উপরে বর্ণিত স্বয়ংক্রিয় সিদ্ধান্ত নিতে আমরা স্বয়ংক্রিয় সিস্টেম ব্যবহার করি কারণ তারা সন্দেহভাজন জালিয়াতি সনাক্ত করার, আপনার সরবরাহকারী চুক্তির বারবার লঙ্ঘন প্রতিরোধ এবং নেতিবাচক প্রভাব সীমিত করার আরও সঠিক, ন্যায্য এবং দক্ষ উপায় প্রদান করে। আমাদের সেবা. সময়সীমার মধ্যে মানব চেক করা সম্ভব হবে না এবং আমরা যে পরিমাণ ডেলিভারি মোকাবেলা করি তার পরিপ্রেক্ষিতে।"
কর্মক্ষমতা ব্যবস্থাপনা
এর মধ্যে রয়েছে কিন্তু ETA, গ্রাহকের রেটিং, চাকরির গ্রহণযোগ্যতা এবং সমাপ্তির হার, সহায়তা কর্মীদের সাথে মিথস্ক্রিয়া, প্রাপ্যতা সহ ড্রাইভিং আচরণের নিরীক্ষণের মধ্যেই সীমাবদ্ধ নয়।
মূল্য নির্ধারণ
কাজের বরাদ্দের সাথে ঘনিষ্ঠভাবে সম্পর্কিত স্বয়ংক্রিয় মূল্য নির্ধারণের সিদ্ধান্ত নেওয়া। সম্ভবত সবচেয়ে সুপরিচিত পদ্ধতি হল Uber-এর তথাকথিত 'সার্জ' বা 'ডাইনামিক প্রাইসিং' যা রিয়েল টাইম, স্থানীয় দামের ওঠানামার সাথে বাজারের চাহিদা মেটাতে সাহায্য করে।
নজরদারি
নিরাপত্তা এবং সনাক্তকরণের বিবৃত উদ্দেশ্যে অনুপ্রবেশকারী নজরদারি। এটি জালিয়াতি সনাক্তকরণ এবং মুখের শনাক্তকরণ প্রযুক্তির ব্যবহারকে অন্তর্ভুক্ত করে। আমরা সচেতন যে কর্মী যখন লগ ইন না করে তখনও নজরদারি করা হয় নিজেদের কাজের জন্য উপলব্ধ করার জন্য। এতে ভোক্তা হিসেবে কর্মীদের অ্যাপের ব্যবহার জরিপ করাও অন্তর্ভুক্ত ছিল।
কাজের বরাদ্দ
Uber খুব সম্প্রতি পর্যন্ত জোর দিয়েছিল যে চালক এবং যাত্রীদের একে অপরের নৈকট্যের উপর কাজের বরাদ্দ নির্ধারণ করা হয় তবে এখন স্বীকার করে যে অতীতের আচরণ এবং পছন্দগুলিকে ফ্যাক্টর করা হয়। ওলা স্বীকার করে যে ড্রাইভারের প্রোফাইলগুলির মধ্যে 'আয়ন প্রোফাইল' এবং 'জালিয়াতির সম্ভাবনা' স্কোরিং অন্তর্ভুক্ত রয়েছে কাজের বরাদ্দ স্বয়ংক্রিয় সিদ্ধান্ত গ্রহণে ব্যবহৃত হয়।
পার্ট I: ভুল শ্রেণীবিভাগ 2.0 অ্যালগরিদম দ্বারা নিয়ন্ত্রিত
যুক্তরাজ্যের গিগ অর্থনীতিতে কর্মীদের অধিকারের জন্য ছয় বছরের লড়াইয়ে, উবার যুক্তি দিয়েছিল যে এটি নিছক স্ব-নিযুক্ত চালকের এজেন্ট ছিল প্যাসিভভাবে কাজের অর্ডার বুক করা এবং অর্থ সংগ্রহ করা ছাড়া আর কিছুই করে না। এই কল্পকাহিনীকে এগিয়ে নেওয়ার জন্য, গিগ প্ল্যাটফর্মগুলি বিস্তৃত চুক্তি স্থাপন করে যা এটিকে দেখায় যেন চালক এবং যাত্রী একে অপরের সাথে সরাসরি লেনদেন করছে, যখন প্রকৃতপক্ষে সমস্ত যাত্রীর তথ্য কোম্পানিগুলির দ্বারা ঘনিষ্ঠভাবে রক্ষা করা হয়। উদাহরণস্বরূপ, Uber তাদের বহন করা প্রতিটি যাত্রীর জন্য ড্রাইভারের পক্ষ থেকে একটি ধারণাগত চালান তৈরি করে। চালানটি শুধুমাত্র যাত্রীর প্রথম নাম উল্লেখ করবে এবং প্রকৃতপক্ষে কখনই গ্রাহককে পাঠানো হয় না।
এই ভুল শ্রেণিবিন্যাস কৌশলগুলি, সাধারণত গিগ অর্থনীতিতে ব্যবহৃত হয়, প্ল্যাটফর্মগুলিকে নিয়োগকর্তার আইনি দায়িত্ব যেমন মৌলিক কর্মী অধিকার সুরক্ষা এবং জাতীয় বীমা অবদানগুলি এড়াতে সক্ষম করে৷ যুক্তরাজ্যে এটি প্ল্যাটফর্ম কোম্পানিগুলিকে মূল্য সংযোজন বিক্রয় কর (ভ্যাট) এড়াতে সক্ষম করেছে। কিন্তু এই বছরের শুরুর দিকে, সুপ্রিম কোর্ট নিম্ন আদালতের কৃত্রিম চুক্তি বাতিল করার এবং কর্মীদের উপর নিয়ন্ত্রণের ব্যবস্থাপনা সম্পর্কের প্রমাণের ভিত্তিতে কর্মসংস্থান সম্পর্কের প্রকৃত প্রকৃতি নির্ধারণের অধিকার নিশ্চিত করেছে।
যেহেতু প্ল্যাটফর্ম কোম্পানিগুলি উপসংহারে পৌঁছেছে যে বিভ্রান্তিকর চুক্তিগুলি ব্যবহার করে কর্মসংস্থানের ভুল শ্রেণিবিন্যাসের পদ্ধতি হিসাবে আর কার্যকর নয়, তারা ব্যবস্থাপনা নিয়ন্ত্রণের গোপনীয়তার জন্য প্রক্রিয়া অটোমেশনকে দ্বিগুণ করতে প্রলুব্ধ হবে। অ্যালগরিদমিক নিয়ন্ত্রণ ভুল শ্রেণীবিভাগ 2.0 হয়ে যায়। প্রকৃতপক্ষে, যথেষ্ট প্রমাণ রয়েছে যে এটি ইতিমধ্যেই ঘটছে। গিগ প্ল্যাটফর্মগুলি ভুল শ্রেণীবিভাগের কৌশলগুলি অনুসরণ করার জন্য আগের চেয়ে আরও বেশি দৃঢ়প্রতিজ্ঞ যাতে তারা কর্মীবাহিনীকে নিয়ন্ত্রণ করা চালিয়ে যেতে পারে এবং সেই ঝুঁকি এড়াতে পারে যে ড্রাইভাররা 'কর্মী' মর্যাদা থেকে স্নাতক হতে পারে সীমিত অধিকার সহ কর্মচারী মর্যাদায় যথেষ্ট বেশি অধিকার সহ।
তাহলে অ্যালগরিদমিক নিয়ন্ত্রণ কী এবং গিগ কর্মীদের জন্য নির্দিষ্ট ঝুঁকিগুলি কী কী? রাইড-শেয়ার এবং ডেলিভারি ইন্ডাস্ট্রিতে বিশেষ করে অ্যালগরিদমিক ম্যানেজমেন্টের মাধ্যমে যা আমাদের কাছে সবচেয়ে বেশি উদ্বেগের বিষয় হল:
নজরদারি। নিরাপত্তা এবং সনাক্তকরণের বিবৃত উদ্দেশ্যে অনুপ্রবেশকারী নজরদারি। এটি জালিয়াতি সনাক্তকরণ এবং মুখের শনাক্তকরণ প্রযুক্তির ব্যবহারকে অন্তর্ভুক্ত করে। আমরা সচেতন যে কর্মী যখন লগ ইন না করে তখনও নজরদারি করা হয় নিজেদের কাজের জন্য উপলব্ধ করার জন্য। এতে ভোক্তা হিসেবে কর্মীদের অ্যাপের ব্যবহার জরিপ করাও অন্তর্ভুক্ত ছিল।
কর্মক্ষমতা ব্যবস্থাপনা. এর মধ্যে রয়েছে কিন্তু ইটিএ, গ্রাহকের রেটিং, চাকরির গ্রহণযোগ্যতা এবং সমাপ্তির হার, সহায়তা কর্মীদের সাথে মিথস্ক্রিয়া, প্রাপ্যতা সহ ড্রাইভিং আচরণের নিরীক্ষণের মধ্যেই সীমাবদ্ধ নয়।
কাজের বরাদ্দ। Uber খুব সম্প্রতি পর্যন্ত জোর দিয়েছিল যে চালক এবং যাত্রীদের একে অপরের সান্নিধ্যের উপর কাজের বরাদ্দ নির্ধারণ করা হয় তবে এখন স্বীকার করে যে অতীতের আচরণ এবং পছন্দগুলিকে ফ্যাক্টর করা হয়। ওলা স্বীকার করে যে ড্রাইভারের প্রোফাইলগুলির মধ্যে 'আয়ন প্রোফাইল' এবং 'প্রতারণার সম্ভাবনা' স্কোরিং অন্তর্ভুক্ত রয়েছে কাজের বরাদ্দ স্বয়ংক্রিয় সিদ্ধান্ত গ্রহণে ব্যবহৃত হয়।
মূল্য নির্ধারণ। কাজের বরাদ্দের সাথে ঘনিষ্ঠভাবে সম্পর্কিত স্বয়ংক্রিয় মূল্য নির্ধারণের সিদ্ধান্ত নেওয়া। সম্ভবত সবচেয়ে সুপরিচিত পদ্ধতি হল Uber-এর তথাকথিত 'সার্জ' বা 'ডাইনামিক প্রাইসিং' যা রিয়েল টাইম, স্থানীয় দামের ওঠানামার সাথে বাজারের চাহিদা মেটাতে সাহায্য করে।
উপরের ব্যবস্থাপনার সিদ্ধান্তগুলি বেশিরভাগই স্বয়ংক্রিয় বা আধা-স্বয়ংক্রিয় সীমিত মানব হস্তক্ষেপে। গিগ অর্থনীতির ব্যবসায়িক মডেলগুলি ব্যবস্থাপনার সিদ্ধান্ত এবং কর্মক্ষেত্রের তত্ত্বাবধানের ব্যাপক অটোমেশনের উপর নির্ভর করে। যদিও কিছু নিয়োগকর্তা এই বিষয়ে নতজানু, ডেলিভারু তাদের রাইডার গোপনীয়তা নীতিতে এটি সম্পর্কে বেশ স্পষ্টবাদী ছিলেন:
“আমরা যে পরিমাণ ডেলিভারি মোকাবেলা করি তার পরিপ্রেক্ষিতে, উপরে বর্ণিত স্বয়ংক্রিয় সিদ্ধান্ত নিতে আমরা স্বয়ংক্রিয় সিস্টেম ব্যবহার করি কারণ তারা সন্দেহভাজন জালিয়াতি সনাক্ত করার, আপনার সরবরাহকারী চুক্তির বারবার লঙ্ঘন প্রতিরোধ এবং নেতিবাচক প্রভাব সীমিত করার আরও সঠিক, ন্যায্য এবং দক্ষ উপায় প্রদান করে। আমাদের সেবা. সময়সীমার মধ্যে মানব চেক করা সম্ভব হবে না এবং আমরা যে পরিমাণ ডেলিভারি মোকাবেলা করি তার পরিপ্রেক্ষিতে।"
“আমরা যে পরিমাণ ডেলিভারি মোকাবেলা করি তার পরিপ্রেক্ষিতে, উপরে বর্ণিত স্বয়ংক্রিয় সিদ্ধান্ত নিতে আমরা স্বয়ংক্রিয় সিস্টেম ব্যবহার করি কারণ তারা সন্দেহভাজন জালিয়াতি শনাক্ত করার, আপনার সরবরাহকারী চুক্তির বারবার লঙ্ঘন প্রতিরোধ এবং নেতিবাচক প্রভাব সীমিত করার আরও সঠিক, ন্যায্য এবং দক্ষ উপায় প্রদান করে। আমাদের সেবা. সময়সীমার মধ্যে মানব চেক করা সম্ভব হবে না এবং আমরা যে পরিমাণ ডেলিভারি মোকাবেলা করি তার পরিপ্রেক্ষিতে।"
নজরদারি
নিরাপত্তা এবং সনাক্তকরণের বিবৃত উদ্দেশ্যে অনুপ্রবেশকারী নজরদারি। এটি জালিয়াতি সনাক্তকরণ এবং মুখের শনাক্তকরণ প্রযুক্তির ব্যবহারকে অন্তর্ভুক্ত করে। আমরা সচেতন যে কর্মী যখন লগ ইন না করে তখনও নজরদারি করা হয় নিজেদের কাজের জন্য উপলব্ধ করার জন্য। এতে ভোক্তা হিসেবে কর্মীদের অ্যাপের ব্যবহার জরিপ করাও অন্তর্ভুক্ত রয়েছে।
কাজের বরাদ্দ
Uber খুব সম্প্রতি পর্যন্ত জোর দিয়েছিল যে চালক এবং যাত্রীদের একে অপরের নৈকট্যের উপর কাজের বরাদ্দ নির্ধারণ করা হয় তবে এখন বলে যে অতীতের আচরণ এবং পছন্দগুলি ফ্যাক্টর করা হয়। Ola ড্রাইভার প্রোফাইল ব্যবহার করে যার মধ্যে কাজের জন্য স্বয়ংক্রিয় সিদ্ধান্ত নেওয়ার ক্ষেত্রে 'জালিয়াতির সম্ভাবনা স্কোর' অন্তর্ভুক্ত রয়েছে বরাদ্দ
কর্মক্ষমতা ব্যবস্থাপনা
কাজের পারফরম্যান্সের মূল্যায়নের মধ্যে রয়েছে কিন্তু ইটিএ, গ্রাহকের রেটিং, কাজের গ্রহণযোগ্যতা এবং সমাপ্তির হার, সহায়তা কর্মীদের সাথে মিথস্ক্রিয়া, প্রাপ্যতা সহ ড্রাইভিং আচরণের নিরীক্ষণের মধ্যেই সীমাবদ্ধ নয়।
মূল্য নির্ধারণ
কাজের বরাদ্দের সাথে ঘনিষ্ঠভাবে সম্পর্কিত স্বয়ংক্রিয় মূল্য নির্ধারণ। সম্ভবত সবচেয়ে সুপরিচিত পদ্ধতি হল Uber-এর তথাকথিত 'সার্জ' বা 'ডাইনামিক প্রাইসিং' যা রিয়েল টাইম, স্থানীয় দামের ওঠানামার সাথে বাজারের চাহিদা মেটাতে সাহায্য করে।
নজরদারি অস্ত্র রেস
2020 সালে Uber তার তথাকথিত হাইব্রিড রিয়েল টাইম আইডেন্টিফিকেশন সিস্টেম চালু করার পর থেকে আমরা গিগ অর্থনীতিতে একটি নজরদারি অস্ত্রের প্রতিযোগিতা দেখছি। 2019 সালের নভেম্বরে ট্রান্সপোর্ট ফর লন্ডন (TfL) তাদের লাইসেন্স পুনর্নবীকরণ প্রত্যাখ্যান করার সিদ্ধান্ত ঘোষণা করার ঠিক একদিন আগে, উবার এই নজরদারি ব্যবস্থা চালু করার প্রস্তাব দিয়েছে যা জিপিএস মনিটরিংয়ের সাথে মুখের শনাক্তকরণকে অন্তর্ভুক্ত করে।
এটি TfL-এর অভিযোগের প্রতিক্রিয়া হিসাবে যে 21 জন ড্রাইভার সনাক্ত করা হয়েছে (কয়েক বছর ধরে বিশ্লেষণ করা হয়েছে 90,000 এর মধ্যে) অ্যাকাউন্ট ভাগ করে নেওয়ার সাথে জড়িত যা সম্ভাব্য লাইসেন্সবিহীন এবং বীমাবিহীন ড্রাইভারদের অবৈধভাবে অ্যাপে তাদের পরিষেবাগুলি অফার করার অনুমতি দিয়েছে। ক্রিয়াকলাপটি যুক্তরাজ্যের বাইরে ডিভাইসের GPS অবস্থান রিসেট করে সম্ভব হয়েছিল, যেখানে ড্রাইভারদের পক্ষে তাদের নিজস্ব ফটো আপলোড করা সম্ভব। এই ব্যবধানটি উবার দ্রুত বন্ধ করে দেয় এবং সনাক্ত করা কার্যকলাপটি উবারের অপারেশনের স্কেলের তুলনায় অদৃশ্য হয়ে যায়। শিল্প দ্বারা মুখ শনাক্তকরণ প্রযুক্তির প্রবর্তন অনুভূত ঝুঁকির তুলনায় সম্পূর্ণরূপে অসামঞ্জস্যপূর্ণ হয়েছে। তা সত্ত্বেও, রিয়েল টাইম শনাক্তকরণের প্রয়োজনীয়তা 2020 সালের সেপ্টেম্বরে ওয়েস্টমিনস্টার ম্যাজিস্ট্রেট আদালতে উবারের লাইসেন্স নবায়নের শর্তে পরিণত হয়েছিল।
Uber-এর ক্ষেত্রে, প্ল্যাটফর্মের ব্যবস্থাপনা এবং TfL উভয়ই নিশ্চিত করতে ব্যর্থ হয়েছে যে 2020 সালের মার্চ মাসে TfL প্রযুক্তির জন্য ডেটা সুরক্ষা প্রভাব মূল্যায়ন পর্যালোচনা করা সত্ত্বেও ড্রাইভারদের অধিকার এবং স্বাধীনতা রক্ষা করার জন্য উপযুক্ত সুরক্ষা ব্যবস্থা রাখা হয়েছে। রিয়েল টাইম আইডি সিস্টেমের জন্য Uber-এর DPIA-এ অ্যাক্সেস পাওয়ার জন্য TfL-এর কাছে তথ্যের স্বাধীনতার অনুরোধ, কিন্তু আমাদের প্রত্যাখ্যান করা হয়েছিল। TfL রিপোর্ট অনুসারে, 94% প্রাইভেট হায়ার ভেহিকল (PHV) চালক কৃষ্ণাঙ্গ এবং জাতিগত সংখ্যালঘু পটভূমি থেকে এবং এই প্রযুক্তির প্রবর্তন, যা এই গোষ্ঠীগুলির মধ্যে কম নির্ভুলতার হারের জন্য স্বীকৃত, ইতিমধ্যেই দুর্বল কর্মীদের জন্য বিপর্যয়কর প্রমাণিত হয়েছে। অনিশ্চিত কর্মসংস্থান।
বোল্ট ঘোষণা করেছে যে এটি মুখের স্বীকৃতি সহ AI ড্রাইভার অ্যান্টি-ফ্রড সনাক্তকরণ সিস্টেমে €150 মিলিয়ন বিনিয়োগ করছে। ডেলিভারু ঘোষণা করেছে যে তারাও ফেসিয়াল রিকগনিশন আইডেন্টিটি চেক চালু করবে। Ola Cabs এর গার্ডিয়ান সিস্টেমের একটি বৈশিষ্ট্য হিসাবে মুখের শনাক্তকরণ শনাক্তকরণও চালু করেছে, মেশিন লার্নিং অন্তর্ভুক্ত করে যা তারা দাবি করে যে তারা "প্রতিদিন লক্ষ লক্ষ ডেটা পয়েন্ট থেকে ক্রমাগত শিখতে এবং বিকাশ করতে সক্ষম করে, ঝুঁকি সংকেত এবং তাত্ক্ষণিক রেজোলিউশন উন্নত করতে।"
FreeNow, একটি Daimler এবং BMW এর যৌথ উদ্যোগ, তাদের জালিয়াতি প্রতিরোধ কর্মসূচির অংশ হিসেবে ড্রাইভারদের ঘনিষ্ঠভাবে পর্যবেক্ষণ করে। প্রকৃতপক্ষে, লন্ডনে তাদের লাইসেন্স দেওয়ার জন্য TfL-এর সিদ্ধান্তের বিচার বিভাগীয় পর্যালোচনায় FreeNow-এর দ্বারা হাইকোর্টে দাখিল করা নথি, তারা প্রকাশ করেছে যে TfL বিভিন্ন কারণে ড্রাইভার বরখাস্তের মাসিক রিপোর্ট করেছে ('জালিয়াতিমূলক কার্যকলাপ' সহ) তাদের শর্ত সাম্প্রতিক লাইসেন্স নবায়ন। কিন্তু জালিয়াতি প্রতিরোধের উদ্দেশ্যে প্রক্রিয়াকৃত ডেটার বিবরণ FreeNow-এর গোপনীয়তা নীতির উত্তরের চেয়ে বেশি প্রশ্ন উত্থাপন করে।
এই নথিতে, Free Now বলেছে যে তারা একটি 'র্যান্ডম ফরেস্ট' অ্যালগরিদম ব্যবহার করে একটি জালিয়াতি স্কোর তৈরি করতে যা তারা ব্যবহার করে " সেই অনুযায়ী প্রেরিত যাত্রাকে অগ্রাধিকার দিতে৷ এটি একটি ন্যায্য এবং ঝুঁকি ন্যূনতম প্রেরণ নিশ্চিত করে ।" Free Now এই জালিয়াতি সনাক্তকরণ সিস্টেমের ব্যবহারে প্রতিদ্বন্দ্বিতা করেছিল যখন আমরা 2021 সালের জুনে এটি সম্পর্কে অনুসন্ধান করেছিলাম, দাবি করে যে গোপনীয়তা নীতির এই বিভাগটি পুরানো হয়ে গেছে (অনুগ্রহ করে প্রতিবেদনের বিভাগ II এ কোম্পানির কেস স্টাডি দেখুন।) তবে, এই সিস্টেমের বর্ণনা 2021 সালের সেপ্টেম্বরে একটি আপডেট করা সত্ত্বেও নীতিতে রয়ে গেছে।
এই সিস্টেমগুলির ব্যবহার সম্পর্কে যা বিশেষভাবে উদ্বেগজনক তা হল যে তারা কর্মক্ষমতা ব্যবস্থাপনার সাথে জালিয়াতি ব্যবস্থাপনাকে একত্রিত করে। এই ধরনের 'জালিয়াতি' সূচকগুলি কাজের বরাদ্দের জন্য পরিবর্তনশীল হিসাবে ব্যবহার করা হয় এবং যে আচরণগুলি তৈরি করে তা প্ল্যাটফর্মে চালিয়ে যাওয়ার অনুমতি দেয় তা প্রমাণ করে যে এগুলি অপরাধমূলক জালিয়াতির উদাহরণ নয়, তবে নিয়ন্ত্রণের প্রক্রিয়া, যা কর্মীরা কতটা ভাল কাজ করছে তা মূল্যায়ন করে। কোম্পানি দ্বারা সেট অস্বচ্ছ মেট্রিক্স বিরুদ্ধে. আমরা পরামর্শ দিই যে এই প্রসঙ্গে ব্যবহৃত যেকোন 'প্রতারণা' পরিভাষাগুলিও কর্মসংস্থানের সম্পর্ক গোপন করার জন্য ডিজাইন করা ভুল শ্রেণীবিভাগের খেলার অংশ হিসাবে কাজ করে।
নজরদারি কেস স্টাডি I: ফেসিয়াল রিকগনিশন ব্যর্থতা
এপ্রিল 2020 এ, Uber যুক্তরাজ্যে একটি রিয়েল টাইম আইডি চেক (RTID) সিস্টেম চালু করেছে যা একজন ড্রাইভারের পরিচয় প্রমাণীকরণের জন্য এবং চালকদের কাজের জন্য তাদের অ্যাকাউন্টে অ্যাক্সেস শেয়ার করা থেকে বিরত করার চেষ্টা করার জন্য মুখের শনাক্তকরণ এবং অবস্থান পরীক্ষা সহ একটি সমন্বয় ব্যবহার করে।
আরটিআইডি সিস্টেমে মাইক্রোসফটের ফেস এপিআই, ফেসিয়াল রিকগনিশন সফ্টওয়্যার ব্যবহার করা হয়েছে এবং উবার অ্যাপ ব্যবহার চালিয়ে যাওয়ার জন্য ড্রাইভার এবং কুরিয়ারদের নিয়মিত রিয়েল-টাইম সেলফি তোলার প্রয়োজন। তারপরে ফটোটি ড্রাইভারের অ্যাকাউন্ট প্রোফাইল ছবির (এবং কিছু এখতিয়ারে, পাবলিক ডাটাবেসের বিরুদ্ধে " পরিচয় ধার নেওয়া প্রতিরোধ বা ব্যবহারকারীদের পরিচয় যাচাই করার জন্য ") এর বিপরীতে পরীক্ষা করা হয়।
পা এদ্রিসা মানজাং প্রায় এক বছর ধরে উবারের সাথে কাজ করছিলেন যখন সেলফি যাচাইকরণ ব্যর্থতার কারণে তাকে নিষ্ক্রিয় করা হয়েছিল। উবার ড্রাইভার এবং কুরিয়াররা নিয়মিত সেলফি প্রদান করলেও, এগুলি কর্মীদের ফোনে সংরক্ষণ করা হয় না এবং তারা তাদের জমা দেওয়ার প্রমাণ ধরে রাখতে পারে না। বরখাস্ত না হওয়া পর্যন্ত পা-কে কোনো সতর্কতা বা কোনো সমস্যা সম্পর্কে অবহিত করা হয়নি; রিয়েল টাইম আইডি যাচাইকরণ সিস্টেম সবুজ চেক সহ তার সমস্ত ফটোগ্রাফ অনুমোদন করতে উপস্থিত হয়েছিল।
তার বরখাস্তের পর, Pa সমস্যাটি সংশোধন করার জন্য উবারে অসংখ্য বার্তা পাঠিয়েছে, বিশেষ করে একজন মানুষকে তার জমা দেওয়া পর্যালোচনার জন্য অনুরোধ করেছে। প্রতিবারই Pa কে বলা হয়েছিল "আমরা নিশ্চিত করতে পারিনি যে প্রদত্ত ফটোগুলি আসলে আপনারই ছিল এবং ক্রমাগত অমিলের কারণে, আমরা আপনার সাথে আমাদের অংশীদারিত্ব শেষ করার চূড়ান্ত সিদ্ধান্ত নিয়েছি।" আমরা একটি বিষয় অ্যাক্সেস অনুরোধের মাধ্যমে প্রশ্নযুক্ত সেলফিগুলি পেয়েছি, যা প্রকাশ করেছে যে Pa জমা দেওয়া সমস্ত ফটো বাস্তবে তাঁরই ছিল৷ এটিই প্রথম দৃষ্টান্ত যেখানে আমরা একজন কুরিয়ার বা ড্রাইভারের জমা দেওয়া সেলফিগুলি পেতে সফল হয়েছি। এটা স্পষ্ট নয় কেন এই অনুরোধটি সফল হয়েছিল যখন অনেক আগে এটি ব্যর্থ হয়েছিল।
উবারের প্ল্যাটফর্ম জুড়ে FACE API-এর অনিয়ন্ত্রিত ব্যবহার সম্পর্কে আমাদের উদ্বেগ প্রকাশ করার জন্য আমরা বছরের শুরুর দিকে মাইক্রোসফ্টকেও চিঠি দিয়েছিলাম। এর প্রতিক্রিয়ায় , মাইক্রোসফ্ট জোর দিয়েছিল যে এই ধরনের প্রযুক্তি স্থাপনের সাথে জড়িত সমস্ত পক্ষের দায়িত্ব রয়েছে যার মধ্যে রয়েছে: "ভুল শনাক্তকরণ বা অন্যান্য ব্যর্থতার ঘটনাগুলি সনাক্ত এবং সমাধানের জন্য অর্থপূর্ণ মানব পর্যালোচনা অন্তর্ভুক্ত করা" এবং "যারা বিশ্বাস করে যে তাদের ফলাফলগুলি ভুল ছিল তাদের সমর্থন প্রদান করা; এবং শর্তের তারতম্যের কারণে নির্ভুলতার ওঠানামা চিহ্নিত করা এবং মোকাবেলা করা।" Pa-এর কেস স্পষ্টভাবে দেখায় যে এই গুরুত্বপূর্ণ চেকগুলি RTID ছবিগুলির প্রক্রিয়াকরণে বাস্তবায়িত হয়নি৷
Pa এখন Uber এর বিরুদ্ধে একটি মামলা আনছে তার জাতিগতভাবে বৈষম্যমূলক ফেসিয়াল রিকগনিশন মোতায়েনকে চ্যালেঞ্জ করার জন্য, যেটির প্রতিনিধিত্ব করেছেন বেটস ওয়েলস, সমতা ও মানবাধিকার কমিশন, অ্যাপ ড্রাইভার এবং কুরিয়ার ইউনিয়ন এবং ওয়ার্কার ইনফো এক্সচেঞ্জের সমর্থনে।
এম্বেড: পা এর ভিডিও
নজরদারি কেস স্টাডি II: জিওলোকেশন চেক
যদিও ত্রুটিপূর্ণ ফেসিয়াল রিকগনিশন সিস্টেমের ব্যবহার নিঃসন্দেহে সমস্যাযুক্ত, আমরা দেখেছি অনেক ড্রাইভারকে Uber থেকে মিথ্যা অভিযোগের পরে বরখাস্ত করা হয়েছে যে তারা একই সময়ে দুটি স্থানে Uber দ্বারা দুটি ডিভাইস সনাক্ত করার পরে তারা প্রতারণামূলক অ্যাকাউন্ট শেয়ারিংয়ে জড়িত ছিল। আমরা যে সমস্ত ক্ষেত্রে বিশ্লেষণ করেছি, আমরা দেখেছি যে সমস্যাটি ড্রাইভারের সুবিধার জন্য দুটি ডিভাইসে অ্যাপটি ইনস্টল করার সাথে সম্পর্কিত কিন্তু শুধুমাত্র একটি ডিভাইসে কাজের জন্য লগ-ইন করা হয়েছে।
11 সেপ্টেম্বর, 2020-এ রাত 8 টার ঠিক আগে এবং Aweso Mowlana দক্ষিণ লন্ডনে Uber-এর জন্য কাজ করছিলেন। তিনি ছিলেন একজন 4.95 স্টার রেটেড ড্রাইভার যিনি Uber-এর জন্য কাজ করে 5 বছরেরও বেশি সময়ে 11,500 টিরও বেশি ট্রিপ পরিচালনা করেছিলেন। Aweso একটি সংক্ষিপ্ত বিরতির জন্য লগ-অফ করার সময় এলিফ্যান্ট এবং ক্যাসলের কাছে একজন যাত্রীকে নামিয়ে দিয়েছিলেন। অনেক ড্রাইভারের মতো, Aweso অ্যাপটিকে একটি দ্বিতীয় ডিভাইসে ইনস্টল করেছিল যা একটি আইফোন ছিল। এই বিশেষ সন্ধ্যায় তিনি আইফোন বাড়িতে রেখেছিলেন এবং তার অন্য ফোন, একটি স্যামসাংয়ের সাথে কাজ করছিলেন।
8:02 pm এ Aweso তার পরবর্তী কাজের জন্য নিজেকে উপলব্ধ করতে Uber অ্যাপে আবার লগ ইন করার চেষ্টা করেছিল। তাকে আবার লগ ইন করার অনুমতি দেওয়ার আগে তাকে উবারের রিয়েল টাইম আইডেন্টিটি চেক (RTID) এর অংশ হিসাবে একটি সেলফি প্রদান করার জন্য অনুরোধ করা হয়েছিল৷ তার ছবি Uber এর রেফারেন্স ছবির সাথে মিলে যায় তাই তিনি সফলভাবে তার শিফট চালিয়ে যাওয়ার জন্য লগ-অন প্রক্রিয়া সম্পন্ন করেন। কিন্তু তার অজানা, উবার সিস্টেম তার দ্বিতীয় ফোনটি সনাক্ত করেছে এবং/বা পিং করেছে। তার ছেলে ভুলবশত তার দ্বিতীয় ফোনটি তুলে নিয়েছিল এবং তার সাথে ইউক্সব্রিজে তার বান্ধবীর বাড়িতে নিয়ে গিয়েছিল। Uber পরে বলেছিল যে তারা রাত 8:03 টায় এই ডিভাইস থেকে একটি RTID চেক করার অনুরোধ করেছিল কিন্তু এই সময়ের মধ্যে Aweso ইতিমধ্যেই দক্ষিণ লন্ডনে অনলাইনে ছিল। উবার দাবি করেছে যে আইফোন থেকে আইফোন থেকে আইডি চেকের প্রতিক্রিয়া পাঠানো হয়েছিল রাত 11:55 টায়।
পরের দিন, উবার তাকে জানায় যে তার অ্যাকাউন্ট 'সন্দেহজনক অ্যাপ্লিকেশন কার্যকলাপের জন্য ফ্ল্যাগ করা হয়েছে' এবং 'একটি বিশেষ দল এটি পর্যালোচনা করার সময় তার অ্যাকাউন্ট এখন স্থগিত করা হবে।' কিছু সময় পরে, Uber স্থায়ীভাবে Awesoকে টেক্সটের মাধ্যমে বরখাস্ত করে যে তারা তার অ্যাকাউন্টে 'প্রতারণামূলক কার্যকলাপ নির্দেশ করে এমন প্রমাণ পেয়েছে'। তখন উবার অভিযোগ করে যে তিনি তার অ্যাকাউন্টে অ্যাক্সেস ভাগ করে নিচ্ছেন এবং এটি করার সময় শর্তাবলী লঙ্ঘন করেছেন। পরের মাসে ট্রান্সপোর্ট ফর লন্ডন অবিলম্বে আওয়েসোর লাইসেন্স প্রত্যাহার করে এই ভিত্তিতে যে তাকে আর উবার থেকে বরখাস্ত করার কারণে একটি পাবলিক লাইসেন্স রাখার জন্য 'ফিট এবং যথাযথ' খুঁজে পাওয়া যায়নি।
ওয়ার্কার ইনফো এক্সচেঞ্জ একটি বিষয় অ্যাক্সেসের অনুরোধ করতে এবং প্রাপ্ত ডেটা বিশ্লেষণে Aweso কে সহায়তা করেছে। 'ডি রিভার ডিটেইল্ড ডিভাইস ডেটা ' নামে একটি ফাইল ডিভাইস থেকে উবারে রিয়েল টাইমে অন্তত কিছু ডেটা স্ট্রিমিং রেকর্ড করে। Uber-এর নিজস্ব গোপনীয়তা নীতি নির্দেশ করে যে যেখানে একটি ডিভাইসের ব্যাকগ্রাউন্ডে বা ফোরগ্রাউন্ডে অ্যাপ খোলা আছে, এমনকি অনলাইনে না হলেও এবং ভাড়া গ্রহণের জন্য প্রস্তুত। এক ডজনেরও বেশি ক্ষেত্রে যেখানে আমরা ম্যাজিস্ট্রেট আদালতে চালকদের তাদের প্রত্যাহারের আবেদনকে সমর্থন করেছি, প্রতিটি আপিল বহাল রাখা হয়েছিল এবং TfL-কে লাইসেন্সগুলি পুনঃস্থাপনের নির্দেশ দেওয়া হয়েছিল। এই ফাইল থেকে আমরা দেখতে পাচ্ছি যে প্রতি মিনিটে 230 সারি ডেটা Uber দ্বারা ডিভাইসগুলি থেকে রেকর্ড করা হচ্ছে। Aweso এর ডিভাইসগুলি থেকে Uber সংগ্রহ করা ডেটা অন্তর্ভুক্ত ভূ-অবস্থান, ব্যাটারি স্তর, গতি, কোর্স শিরোনাম, আইএমইআই নম্বর ইত্যাদি।
ডেটা দেখায় যে Uxbridge-এ ডিভাইসটি সেদিন কাজের জন্য লগ ইন করা হয়নি কারণ 'driver_online' শিরোনামের একটি ক্ষেত্র আইফোনটিকে Uxbridge-এ রেকর্ড করার সময় সহ সেদিন সব সময়ে 'FALSE' হিসেবে দেখিয়েছিল। এটি প্রমাণ যে ডিভাইসটি অন্যদের সাথে কাজের জন্য শেয়ার করা হচ্ছে না বলে অভিযোগ উবার এবং ট্রান্সপোর্ট ফর লন্ডন। Uber সংগৃহীত ফটো সহ উভয় RTID চেক প্রক্রিয়াকৃত ব্যক্তিগত ডেটা অ্যাক্সেস দিতে ব্যর্থ হয়েছে। 'বিশদ ডিভাইস ডেটা' 8:03:43 pm পরে আইফোনের জন্য আর কোনও কার্যকলাপের রেকর্ড দেখায় না। আমরা 11:55 pm এ ডিভাইসের কার্যকলাপের কোন তথ্য প্রমাণ দেখিনি যখন Uber বলেছিল যে এটি আগে জারি করা আইডি চেকের প্রতিক্রিয়া পেয়েছে।
Pa এবং Aweso-এর অভিজ্ঞতা গত এক বছরে খুবই প্রচলিত ছিল এবং ওয়ার্কার ইনফো এক্সচেঞ্জ এবং অ্যাপ ড্রাইভার ও কুরিয়ার ইউনিয়ন দ্বারা পরিচালিত কেসওয়ার্কের একটি উল্লেখযোগ্য পরিমাণ তৈরি করেছে। লন্ডনে, ট্রান্সপোর্ট ফর লন্ডন সিস্টেমের সাথে সুস্পষ্ট সমস্যা থাকা সত্ত্বেও উবারের আরটিআইডি চেক ব্যর্থ হয়েছে বলে রিপোর্ট করা ড্রাইভারদের লাইসেন্স অবিলম্বে প্রত্যাহার করার প্রবণতা দেখায়। একাধিক ডিভাইস ব্যবহারের জন্য প্রায়ই যুক্তিসঙ্গত ব্যাখ্যা রয়েছে যা স্বয়ংক্রিয়ভাবে জালিয়াতি হিসাবে শ্রেণীবদ্ধ করা হয়। Uber-এর নিজস্ব গোপনীয়তা নীতি নির্দেশ করে যে যেখানে একটি ডিভাইসের ব্যাকগ্রাউন্ডে বা ফোরগ্রাউন্ডে অ্যাপ খোলা আছে, এমনকি অনলাইনে না হলেও এবং ভাড়া গ্রহণের জন্য প্রস্তুত। এক ডজনেরও বেশি ক্ষেত্রে যেখানে আমরা ম্যাজিস্ট্রেট আদালতে চালকদের তাদের প্রত্যাহারের আবেদনকে সমর্থন করেছি, প্রতিটি আপিল বহাল রাখা হয়েছিল এবং TfL-কে লাইসেন্সগুলি পুনঃস্থাপনের নির্দেশ দেওয়া হয়েছিল।
ওয়ার্কার ইনফো এক্সচেঞ্জ, বিগ ব্রাদার ওয়াচ এবং অ্যাপ ড্রাইভার অ্যান্ড কুরিয়ার ইউনিয়ন লন্ডনের মেয়রকে একটি যৌথ চিঠি লিখেছিল যাতে লন্ডনের পরিবহনের জন্য লন্ডনের একটি প্রত্যাহার সিদ্ধান্ত নেওয়ার ক্ষেত্রে ত্রুটিপূর্ণ প্রমাণের উপর নির্ভরশীলতা সম্পর্কে উদ্বেগ প্রকাশ করা হয় এবং পরিবহনের চেয়ারম্যান হিসাবে দাবি করা হয় লন্ডনের বোর্ডের জন্য, তিনি এই ধরনের সমস্ত অন্যায় প্রত্যাহার পর্যালোচনার আদেশ দেন। আজ পর্যন্ত, মেয়র বা TfL কেউই প্রতিক্রিয়া জানায়নি।
অস্বচ্ছ কর্মক্ষমতা ব্যবস্থাপনা
প্ল্যাটফর্ম কোম্পানিগুলির অস্বচ্ছতা কর্মীদের বোঝার বাধা দেয় যে কীভাবে অ্যালগরিদমিক নিয়ন্ত্রণ সমালোচনামূলক প্রক্রিয়ার সময় এবং সময়ের সাথে একত্রিত হতে পারে। উদাহরণস্বরূপ, কর্মক্ষমতা প্রোফাইলিং কীভাবে প্রস্তাবিত কাজের গুণমান এবং পরিমাণের সাথে সেইসাথে এই ধরনের কাজের জন্য প্রত্যাশিত ফলনের সাথে সম্পর্কযুক্ত তা বোঝার জন্য কর্মীদের স্বচ্ছতা প্রদান করা হয়নি যা তারা আইনত অধিকারী।
Ola-এর ক্ষেত্রে, তারা তাদের কাজের বরাদ্দ সিস্টেমে যে ডেটা বিভাগগুলি সংগ্রহ করে এবং প্রক্রিয়া করে সে সম্পর্কে আমাদের কিছু জ্ঞান আছে - যেমন জালিয়াতির সম্ভাবনা স্কোর, উপার্জন প্রোফাইল, বুকিং গ্রহণযোগ্যতা এবং বাতিল করার ইতিহাস, অন্যদের মধ্যে - তবে এটি বিভিন্ন ওজন প্রকাশ করে না এই ভেরিয়েবলগুলিতে প্রয়োগ করা হয়, না প্রক্রিয়াকরণের যুক্তিতে।
উবার দীর্ঘদিন ধরে বজায় রেখেছে যে এর মিল সিস্টেম শুধুমাত্র অবস্থান দ্বারা নির্ধারিত হয়, যদিও এর নিজস্ব "পার্টনার-ড্রাইভার" ইন্টারফেস অন্যথায় পরামর্শ দেয়। Uber-এর প্রো প্রোগ্রাম (যা ড্রাইভাররা স্বয়ংক্রিয়ভাবে নথিভুক্ত হয় যাতে তারা সুবিধা এবং পুরষ্কারের বিনিময়ে কর্মক্ষমতা লক্ষ্য পূরণে উৎসাহিত হতে পারে) অস্পষ্ট ভাষায় ড্রাইভারদের জানায় যে "উচ্চ নিশ্চিতকরণ হার মানে গ্রাহকদের জন্য অপেক্ষার সময় কম এবং সকলের জন্য পিক-আপের সময় কম। চালকরা" ঢিলেঢালাভাবে এই সত্যের প্রতি ইঙ্গিত করে যে চাকরি হ্রাসের ফলে চাকরির অফার কম হবে।