top of page

बॉट द्वारा प्रबंधित: गिग अर्थव्यवस्था में डेटा-संचालित शोषण

WIEReportCover.png

अंतर्वस्तु

अंतर्वस्तु
सारांश

परिचय
 

भाग I: गलत वर्गीकरण 2.0: एल्गोरिथम द्वारा नियंत्रित
निगरानी केस स्टडी I: चेहरे की पहचान विफलता

सर्विलांस केस स्टडी II: जियोलोकेशन चेक
अपारदर्शी प्रदर्शन प्रबंधन

केस स्टडी: एल्गोरिथम नियंत्रण

कानून प्रवर्तन अवसंरचना का विस्तार

केस स्टडी: कानून प्रवर्तन के साथ खुफिया जानकारी साझा करना
 

भाग II: काम पर डेटा अधिकारों का प्रयोग करना: एक्सेस

केस स्टडी: व्यक्तिगत डीएसएआर

वृत्ताकार और निरर्थक उत्तर

असंगत और वृद्धिशील डेटा साझाकरण

आक्षेप और प्रतिरोध

केस स्टडी: WIE द्वारा बैच अनुरोधों के लिए प्लेटफ़ॉर्म प्रतिक्रियाएँ

·   डिलिवरू

·   अब नि: शुल्क

·   अमेज़ॅन फ्लेक्स

·   बस खाओ

·   ओला

·   पेंच

·   उबेर
 

भाग III: काम पर डेटा अधिकारों का प्रयोग करना: मुकदमेबाजी

एम्स्टर्डम मामले

Uber ड्राइवर बनाम Uber I (सामान्य पारदर्शिता अनुरोध)

ओला ड्राइवर बनाम ओला (सामान्य पारदर्शिता अनुरोध)

उबेर ड्राइवर बनाम उबेर II (स्वचालित निर्णय लेने पर पारदर्शिता)

अपील

लंदन लाइसेंसिंग अपील मामले
 

निष्कर्ष: काम पर डिजिटल अधिकारों का प्रयोग करने के लिए आगे का रास्ता?

सारांश
 

  • डेटा ट्रस्ट की स्थापना के माध्यम से सौदेबाजी की शक्ति बनाने के लिए डेटा तक पहुंच और संग्रहण की सुविधा के लिए वर्कर इंफो एक्सचेंज की स्थापना की गई थी।  

 

  • यह नई एल्गोरिथम प्रबंधन प्रथाओं के विकास के जवाब में था जो गहरी सूचनात्मक विषमताएं और कार्यकर्ता शोषण पैदा कर रहा था।
     

  • वर्कर इंफो एक्सचेंज का लक्ष्य जीडीपीआर अनुच्छेद 15, 20 और 22 अधिकारों को रोजगार के संदर्भ में लागू करके डेटा और श्रम अधिकारों के अभिसरण को संबोधित करना है।
     

  • गिग उद्योग में व्यापक जीडीपीआर गैर-अनुपालन द्वारा यह लक्ष्य गंभीर रूप से बाधित है।
     

  • हमने पिछले आठ महीनों में अमेज़ॅन फ्लेक्स, बोल्ट, डिलिवरू, फ्री नाउ, जस्ट ईट, ओला और उबर सहित सात अलग-अलग राइड-शेयर प्लेटफॉर्म पर 500 से अधिक डेटा सब्जेक्ट एक्सेस अनुरोध किए हैं।
     

  • डेटा एक्सेस को उन कंपनियों द्वारा चुनौती दी जाती है जो अंधेरे पैटर्न को लागू करती हैं और जानबूझकर खराब जीडीपीआर कार्यान्वयन का दुरुपयोग करती हैं, जो श्रमिकों को अदालत में मुद्दों को हल करने के लिए प्रेरित करती है।
     

  • गिग प्लेटफार्मों द्वारा डेटा संग्रह अत्यधिक है और श्रमिकों की अनुपातहीन और गैर-जिम्मेदार निगरानी के साथ-साथ एक विस्तारित कानून प्रवर्तन बुनियादी ढांचे की ओर जाता है।
     

  • उपयोग की जाने वाली एल्गोरिथम प्रबंधन प्रणालियों में कोई पारदर्शिता नहीं है। कौन सी तकनीकों का उपयोग किया जाता है और कैसे, इस पर कंपनी के कथन असंगत और अविश्वसनीय हैं।

Summary
Introduction

© 2021 वर्कर इन्फो एक्सचेंज

© 2021 वर्कर इन्फो एक्सचेंज

परिचय
 

पिछले साल ने गिग प्लेटफॉर्म के कर्मचारियों के लिए उनके रोजगार और डिजिटल अधिकारों की प्राप्ति में एक महत्वपूर्ण मोड़ के रूप में चिह्नित किया है। डिजिटल रूप से मध्यस्थता वाले कार्य के अभ्यास ने रोजगार और डेटा संरक्षण अधिकारों का अभिसरण किया है और श्रमिकों द्वारा बढ़ती मुकदमेबाजी और वकालत गतिविधि इन डोमेन में परिणाम दे रही है। पूरे यूरोप में, अदालतों ने ऐसे स्वचालित सिस्टम में निष्पक्षता और पारदर्शिता की कमी की निंदा करते हुए गिग प्लेटफॉर्म द्वारा एल्गोरिथम प्रबंधन प्रथाओं की शोषक भूमिका को मान्यता देते हुए कई महत्वपूर्ण निर्णय पारित किए हैं।  

 

इटली में, बोलोग्ना अदालत ने फैसला सुनाया कि डेलीवरू की रेटिंग प्रणाली ने श्रमिकों के साथ भेदभाव किया था, जबकि डेटा संरक्षण प्राधिकरण, गारांटे ने अपने नौकरी आवंटन और प्रदर्शन प्रबंधन एल्गोरिदम के कामकाज का पर्याप्त रूप से खुलासा करने में विफलता के कारण डिलिवरू और ग्लोवो को दो जीडीपीआर जुर्माना दिया था।  

 

स्पेन ने रोजगार के क्षेत्र में एआई को विनियमित करने का प्रयास करने के लिए पहला कानून पारित किया , जिसमें गिग श्रमिकों के लिए कार्यकर्ता की स्थिति और एल्गोरिदम के नियमों और मापदंडों के बारे में सूचित होने का अधिकार स्थापित किया गया, जिसके अधीन वे हैं - शिकायतों की एक धारा को उजागर करना। यह ग्लोवो के खिलाफ एक और अदालती मामले के परिणामस्वरूप हुआ जो स्पेनिश सुप्रीम कोर्ट में समाप्त हुआ।  

 

इन हाई-प्रोफाइल फैसलों के साथ, यूके के सुप्रीम कोर्ट ने इस साल यह भी निष्कर्ष निकाला कि उबेर ड्राइवर एक परिवहन सेवा के पक्ष थे जो " उबेर द्वारा बहुत कसकर परिभाषित और नियंत्रित " है, जो एक स्पष्ट रोजगार संबंध को धोखा दे रहा है, जिसका दावा कंपनी ने किया था। श्रमिकों को स्वतंत्र ठेकेदारों के रूप में वर्गीकृत (गलत) करने का उसका प्रयास। महत्वपूर्ण रूप से, इस संबंध का प्रमाण डेटा संचालित सिस्टम राइडशेयर प्लेटफॉर्म से आता है जो अपने कार्यबल का प्रबंधन करने के लिए उपयोग करते हैं। यूके के सुप्रीम कोर्ट द्वारा नौकरी स्वीकृति दरों, मार्ग विकल्पों, ड्राइविंग व्यवहार और ग्राहक रेटिंग की एल्गोरिथम निगरानी के माध्यम से ड्राइवरों के प्रबंधन से संबंधित कुछ मुद्दों पर प्रकाश डाला गया। हालाँकि, एल्गोरिथम प्रबंधन की अधिक मान्यता होने के बावजूद, अदालतों में हाल के लाभ श्रमिकों को इसके नुकसान से पूरी तरह से सुरक्षित नहीं करते हैं। सुप्रीम कोर्ट के फैसले के परिणामस्वरूप उबर ड्राइवरों को दिया गया अंग (बी) कार्यकर्ता का दर्जा ठेकेदार और कर्मचारी के बीच एक मध्यस्थ स्थिति है, और अभी भी उन्हें अनुचित बर्खास्तगी से बचाने के लिए कम है, उदाहरण के लिए।

 

हमारा अनुभव बताता है कि ये एल्गोरिथम प्रबंधन उपकरण, गहन निगरानी प्रथाओं के अलावा, संभावित धोखाधड़ी या गलत काम के लिए श्रमिकों की लगातार जांच कर रहे हैं, जिसके परिणामस्वरूप एक गहरा शोषणकारी कार्य वातावरण हो रहा है। हम पूरे गिग उद्योग में स्वचालित बर्खास्तगी की एक असाधारण संख्या देख रहे हैं, जिनमें से कई को हम सामान्य डेटा संरक्षण विनियमन (जीडीपीआर) के अनुच्छेद 22 के अनुसार गैरकानूनी मानते हैं। अनुच्छेद 22 मानव हस्तक्षेप प्राप्त करने और निर्णय का विरोध करने के अधिकार के माध्यम से श्रमिकों को स्वचालित निर्णय लेने और प्रोफाइलिंग के प्रतिकूल प्रभावों के खिलाफ कुछ सीमित सुरक्षा प्रदान करता है। जीडीपीआर का अनुच्छेद 15 इस तरह के स्वचालित निर्णय लेने के अस्तित्व के बारे में सूचित होने और प्रसंस्करण के तर्क के बारे में सार्थक जानकारी प्रदान करने के अधिकार की गारंटी देता है।

 

इन अधिकारों को एक आधार के रूप में लेते हुए, वर्कर इंफो एक्सचेंज की स्थापना गिग वर्कर्स को इस कॉम्प्लेक्स और अंडर रेगुलेटेड स्पेस में नेविगेट करने में मदद करने के मिशन के साथ की गई थी। हमारे काम का लक्ष्य और प्रेषण यह परीक्षण करना है कि क्या इन जीडीपीआर उपकरणों का उपयोग अनुचित रोजगार प्रथाओं को संबोधित करने के लिए किया जा सकता है और श्रमिकों के रूप में उनकी क्षमता में व्यक्तियों को उपलब्ध कराए गए डेटा के दायरे का विस्तार किया जा सकता है। दूसरे शब्दों में, हमारी महत्वाकांक्षा डिजिटल रूप से मध्यस्थता वाले श्रम बाजार में निवारण के परीक्षण तंत्र के लिए सामूहिक कार्यकर्ता शक्ति के निर्माण की एक विधि के रूप में डेटा एक्सेस का उपयोग करना है।  

 

जब व्यापक डेटा संग्रह और विश्लेषण के माध्यम से गिग प्लेटफॉर्म और कार्यकर्ता के बीच रोजगार संबंध को क्रियान्वित किया जाता है, तो रोजगार अधिकार डेटा अधिकारों के प्रयोग के साथ अटूट रूप से जुड़ जाते हैं। गिग प्लेटफॉर्म एक सूचनात्मक विषमता को बनाए रखते हुए श्रमिकों पर नियंत्रण का दावा करते हैं, और डेटा एक्सेस गिग प्लेटफॉर्म और उनके श्रमिकों के बीच सूचनात्मक अंतर से उत्पन्न शक्ति (आईएम) संतुलन को उजागर करने का एक साधन प्रदान कर सकता है। व्यक्तिगत डेटा तक पहुंच प्राप्त करने से श्रमिकों को उनकी कार्य स्थितियों के बारे में स्वतंत्र मूल्यांकन करने और उनके वेतन गणना, पेश किए गए कार्य की गुणवत्ता और मात्रा से संबंधित प्रश्नों के उत्तर देने के साथ-साथ निलंबन सहित प्रतिकूल प्रदर्शन प्रबंधन के आधार को चुनौती देने की अनुमति मिल सकती है।  बर्खास्तगी
 

डेटा एक्सेस को सुविधाजनक बनाने में हमारा लक्ष्य काम करने की स्थिति और फलस्वरूप सौदेबाजी की शक्ति की अधिक समझ विकसित करने के लिए डेटा के सामूहिक भंडार बनाना है। हाल के वर्षों में, कई उल्लेखनीय पहलें समान उद्देश्यों के साथ काम कर रही हैं, लेकिन डेटा पुनर्प्राप्त करने के लिए विभिन्न तरीकों का उपयोग कर रही हैं। इस क्षेत्र में कुछ परियोजनाएं श्रम की स्थिति की निष्पक्षता का आकलन करने के लिए कमाई और प्रदर्शन पर अपना डेटा संग्रह और विश्लेषण चलाती हैं (उदाहरण के लिए ड्राइवर की सीट कॉप)  और घड़ी,  दूसरों के बीच में।) ये सभी गिग इकॉनमी में अद्वितीय अंतर्दृष्टि प्रस्तुत करते हैं और इसे डेटा अभ्यास की निरंतरता के रूप में माना जाना चाहिए। हमने इस मुद्दे पर यह मांग करते हुए संपर्क किया है कि प्लेटफॉर्म डेटा को साझा करें जिसके लिए श्रमिक कानूनी रूप से हकदार हैं, हालांकि इसने डेटा एकत्र करने के बड़े लक्ष्य के लिए अतिरिक्त बाधाएं पेश की हैं। हमने यह रास्ता इसलिए अपनाया क्योंकि हम डेटा सुरक्षा कानून में मानक और मिसाल कायम करना चाहते थे, बल्कि इसलिए भी कि हम मानते हैं कि कुछ खास तरह की जानकारी होती है जिसे सीधे प्लेटफॉर्म से डेटा का अनुरोध करके ही प्राप्त किया जा सकता है।

 

हमने पाया है, विशेष रूप से निगरानी के मामले में अनियमित गतिविधि और धोखाधड़ी के आरोपों को हवा दी, कि कंपनियों के पास आरोपों को समझने और उनका विरोध करने के लिए डेटा होना आवश्यक है। डेटा एक्सेस हमें प्लेटफ़ॉर्म कंपनियों द्वारा उन्नत कथनों में विसंगतियों का पता लगाने में मदद कर सकता है और सबूत के बोझ को श्रमिकों से वापस प्लेटफ़ॉर्म पर स्थानांतरित करने में मदद कर सकता है। इस दृष्टिकोण से, प्लेटफॉर्म डेटा की मांग करने का प्रयास कई रोजगार विवादों को हल करने में बेहद सफल साबित हुआ है। व्यक्तिगत डेटा प्रदान करने से प्लेटफार्मों के इनकार के सरल प्रदर्शन ने अदालत में कई लाइसेंस निरस्तीकरण (टीएफएल द्वारा लागू) को उलट दिया है और इस प्रकार रोजगार अधिकारों के अभ्यास में एक अतिरिक्त उपकरण बन गया है।

 

यह Worker Info Exchange के लिए गतिविधि की दूसरी शाखा का गठन करता है; चूंकि हम कार्यस्थल की स्थितियों को निर्धारित करने वाली जटिल प्रणालियों पर स्पष्टता और पारदर्शिता हासिल करने के अपने प्रयासों में निराश हैं, इसलिए हमें अक्सर मुकदमेबाजी का सहारा लेना पड़ता है और डिजिटल श्रम अधिकारों के उभरते क्षेत्र में निर्णय लेने के लिए अदालतों का रुख करना पड़ता है। गिग प्लेटफार्मों ने जो कृत्रिम 'डेटा संकट' पैदा किया है, वह कई तरह से अनिश्चित श्रमिकों और यूनियनों के संसाधनों को समाप्त करने और अदालतों में विवादों को खींचने का प्रयास है जहां उन्हें लंबा किया जा सकता है और कॉर्पोरेट कदाचार के लिए जवाबदेही में देरी हो सकती है।  

 

गतिविधि के इन पहलुओं के अनुरूप, यह रिपोर्ट तीन भागों में लिखी गई है: पहला खंड संबंधित केस स्टडी के साथ एल्गोरिथम प्रबंधन और इसके नुकसान के विभिन्न पहलुओं की पड़ताल करता है। दूसरा खंड डेटा सब्जेक्ट एक्सेस रिक्वेस्ट (डीएसएआर) का उपयोग करने में हमारी प्रक्रिया से संबंधित है, जबकि तीसरा जीडीपीआर से संबंधित मामलों का एक सिंहावलोकन प्रदान करता है जिसे हमने एम्स्टर्डम में आगे बढ़ाया है और साथ ही लाइसेंसिंग मामलों का हम लंदन में समर्थन कर रहे हैं। यह रिपोर्ट मोज़िला फ़ाउंडेशन, डिजिटल फ़्रीडम फ़ंड और ओपन सोसाइटी फ़ाउंडेशन के समर्थन से किए गए हमारे संगठन के इन कार्यों को संबोधित करते हुए कार्य की अवधि का समापन करती है। हमें उम्मीद है कि यह रिपोर्ट डेटा और श्रम के चौराहे पर अधिकारों के प्रयोग में वर्तमान स्थिति को प्रदर्शित करेगी और गिग प्लेटफार्मों द्वारा बार-बार गैर-अनुपालन के संचयी प्रभावों को प्रकट करेगी।

"प्लेटफ़ॉर्म कंपनियां एक अराजक स्थान में काम कर रही हैं, जहां उनका मानना है कि वे नियम बना सकते हैं। दुर्भाग्य से यह एक खेल नहीं है; आभासी वास्तविकताओं के वास्तविक जीवन में गिग श्रमिकों के लिए कठोर परिणाम होते हैं। उत्साहजनक बात यह है कि कार्यकर्ता स्वयं कानूनों की प्रतीक्षा नहीं कर रहे हैं, उन्हें बचाने के लिए नीति निर्माता या मानवाधिकार आंदोलन में सहयोगी भी। गिग कार्यकर्ता नई सुरक्षा की मांग के लिए अपनी सामूहिक आवाज का आयोजन और उपयोग कर रहे हैं जो एक डिजिटाइज़िंग अर्थव्यवस्था में उद्देश्य के लिए उपयुक्त हैं। "

बामा आत्रेय, फेलो, ओपन सोसाइटी फ़ाउंडेशन

Part I Misclassification 2.0

भाग I: गलत वर्गीकरण 2.0  एल्गोरिथम द्वारा नियंत्रित
 

यूके की गिग इकॉनमी में श्रमिक अधिकारों के लिए छह साल की लड़ाई में, उबेर ने तर्क दिया कि यह केवल स्व-नियोजित ड्राइवर का एजेंट था जो निष्क्रिय रूप से कार्य ऑर्डर बुक करने और भुगतान एकत्र करने के अलावा और कुछ नहीं कर रहा था। इस कल्पना को आगे बढ़ाने के लिए, गिग प्लेटफॉर्म ने विस्तृत अनुबंध स्थापित किए जिससे यह प्रतीत होता है कि ड्राइवर और यात्री एक-दूसरे के साथ सीधे लेन-देन कर रहे हैं, जबकि वास्तव में सभी यात्री जानकारी कंपनियों द्वारा बारीकी से परिरक्षित है। उबेर, उदाहरण के लिए, ड्राइवर की ओर से उनके द्वारा ले जाने वाले प्रत्येक यात्री के लिए एक काल्पनिक चालान बनाता है। चालान केवल यात्री के पहले नाम का उल्लेख करेगा और वास्तव में ग्राहक को कभी नहीं भेजा जाएगा।

 

ये गलत वर्गीकरण तकनीक, आमतौर पर गिग इकॉनमी में उपयोग की जाती हैं, प्लेटफॉर्म को नियोक्ता कानूनी जिम्मेदारियों जैसे कि बुनियादी कार्यकर्ता अधिकारों की सुरक्षा और राष्ट्रीय बीमा योगदान से बचने में सक्षम बनाती हैं। यूके में इसने प्लेटफॉर्म कंपनियों को मूल्य वर्धित बिक्री कर (वैट) से बचने में सक्षम बनाया है। लेकिन इस साल की शुरुआत में, सुप्रीम कोर्ट ने निचली अदालतों के कृत्रिम अनुबंधों को त्यागने और श्रमिकों पर नियंत्रण के प्रबंधन संबंध के साक्ष्य के आधार पर रोजगार संबंधों की वास्तविक प्रकृति का निर्धारण करने के अधिकार की पुष्टि की।

 

जैसा कि मंच कंपनियों ने निष्कर्ष निकाला है कि भ्रामक अनुबंधों का उपयोग करना अब रोजगार के गलत वर्गीकरण की एक विधि के रूप में व्यवहार्य नहीं है, उन्हें प्रबंधन नियंत्रण को छिपाने के लिए प्रक्रिया स्वचालन को दोगुना करने के लिए लुभाया जाएगा। एल्गोरिथम नियंत्रण गलत वर्गीकरण 2.0 बन जाता है। दरअसल, इस बात के पर्याप्त सबूत हैं कि ऐसा पहले से ही हो रहा है। गिग प्लेटफॉर्म गलत वर्गीकरण रणनीतियों को आगे बढ़ाने के लिए पहले से कहीं अधिक दृढ़ हैं ताकि वे इस जोखिम से बचते हुए कार्यबल को नियंत्रित करना जारी रख सकें कि ड्राइवर 'कार्यकर्ता' की स्थिति से सीमित अधिकारों के साथ कर्मचारी की स्थिति तक सीमित अधिकारों के साथ स्नातक हो सकते हैं।  

तो एल्गोरिथम नियंत्रण क्या है और गिग श्रमिकों के लिए विशिष्ट जोखिम क्या हैं? राइड-शेयर और डिलीवरी उद्योगों में विशेष रूप से हमारे लिए सबसे बड़ी चिंता के एल्गोरिथम प्रबंधन के साधनों में निम्नलिखित शामिल हैं:
 

  • निगरानी। सुरक्षा और पहचान के घोषित उद्देश्य के लिए घुसपैठ निगरानी। इसमें धोखाधड़ी का पता लगाने और चेहरे की पहचान तकनीकों का उपयोग शामिल है। हम जानते हैं कि निगरानी तब भी की जाती है जब कार्यकर्ता ने काम के लिए खुद को उपलब्ध कराने के लिए लॉग इन नहीं किया हो। इसमें एक उपभोक्ता के रूप में ऐप के कार्यकर्ता के उपयोग का सर्वेक्षण भी शामिल था।
     

  • निष्पादन प्रबंधन। इसमें ईटीए, ग्राहक रेटिंग, नौकरी स्वीकृति और पूर्णता दर, सहायक कर्मचारियों के साथ बातचीत, उपलब्धता सहित ड्राइविंग व्यवहार की निगरानी शामिल है, लेकिन यह इन्हीं तक सीमित नहीं है।
     

  • कार्य आवंटन। उबर ने हाल ही में इस बात पर जोर दिया है कि काम का आवंटन ड्राइवरों और यात्रियों की एक-दूसरे से निकटता पर तय किया जाता है, लेकिन अब स्वीकार करते हैं कि पिछले व्यवहार और वरीयताओं को शामिल किया गया है। ओला स्वीकार करती है कि ड्राइवर प्रोफाइल जिसमें 'कमाई प्रोफ़ाइल' और 'धोखाधड़ी की संभावना' स्कोरिंग शामिल है। कार्य आवंटन स्वचालित निर्णय लेने में उपयोग किया जाता है।
     

  • मूल्य निर्धारण। कार्य आवंटन से संबंधित स्वचालित मूल्य निर्धारण निर्णय लेना है। शायद सबसे प्रसिद्ध तरीका उबेर का तथाकथित 'उछाल' या 'गतिशील मूल्य निर्धारण' है जो वास्तविक समय, स्थानीय मूल्य में उतार-चढ़ाव के साथ बाजार की मांग को पूरा करने के लिए है।  

 

ऊपर दिए गए प्रबंधन निर्णय ज्यादातर सीमित मानवीय हस्तक्षेप के साथ स्वचालित या अर्ध-स्वचालित होते हैं। गिग इकॉनमी के बिजनेस मॉडल प्रबंधन निर्णयों और कार्यस्थल पर्यवेक्षण के बड़े पैमाने पर स्वचालन पर निर्भर करते हैं। जबकि कुछ नियोक्ता इस बिंदु पर मितभाषी हैं, डेलीवरू अपनी राइडर गोपनीयता नीति में इसके बारे में काफी स्पष्ट रहे हैं:  
 

"हमारे द्वारा किए जाने वाले डिलीवरी की मात्रा को देखते हुए, हम ऊपर वर्णित स्वचालित निर्णय लेने के लिए स्वचालित सिस्टम का उपयोग करते हैं क्योंकि वे संदिग्ध धोखाधड़ी की पहचान करने, आपके आपूर्तिकर्ता समझौते के बार-बार उल्लंघन को रोकने और नकारात्मक प्रभाव को सीमित करने का एक अधिक सटीक, निष्पक्ष और कुशल तरीका प्रदान करते हैं। हमारी सेवा। मानव जांच समय-सीमा में संभव नहीं होगी और हमारे द्वारा किए जाने वाले प्रसव की मात्रा को देखते हुए।”

Asset 8_1.5x.png

निष्पादन प्रबंधन

इसमें ईटीए, ग्राहक रेटिंग, नौकरी स्वीकृति और पूर्णता दर, सहायक कर्मचारियों के साथ बातचीत, उपलब्धता सहित ड्राइविंग व्यवहार की निगरानी शामिल है, लेकिन यह इन्हीं तक सीमित नहीं है।

Asset 7_1.5x.png

मूल्य निर्धारण
 

कार्य आवंटन से निकटता से संबंधित स्वचालित मूल्य निर्धारण निर्णय लेना है। शायद सबसे प्रसिद्ध तरीका उबेर का तथाकथित 'उछाल' या 'गतिशील मूल्य निर्धारण' है जो वास्तविक समय, स्थानीय मूल्य में उतार-चढ़ाव के साथ बाजार की मांग को पूरा करने के लिए है। 

निगरानी
 

सुरक्षा और पहचान के घोषित उद्देश्य के लिए घुसपैठ निगरानी। इसमें धोखाधड़ी का पता लगाने और चेहरे की पहचान तकनीकों का उपयोग शामिल है। हम जानते हैं कि निगरानी तब भी की जाती है जब कार्यकर्ता ने काम के लिए खुद को उपलब्ध कराने के लिए लॉग इन नहीं किया हो। इसमें एक उपभोक्ता के रूप में ऐप के कार्यकर्ता के उपयोग का सर्वेक्षण भी शामिल था।

कार्य आवंटन
 

उबर ने हाल ही में इस बात पर जोर दिया है कि काम का आवंटन ड्राइवरों और यात्रियों की एक-दूसरे से निकटता पर तय किया जाता है, लेकिन अब स्वीकार करते हैं कि पिछले व्यवहार और वरीयताओं को ध्यान में रखा जाता है। ओला स्वीकार करती है कि ड्राइवर प्रोफाइल जिसमें 'कमाई प्रोफ़ाइल' और 'धोखाधड़ी की संभावना' स्कोरिंग शामिल है। कार्य आवंटन स्वचालित निर्णय लेने में उपयोग किया जाता है।

Asset 4_1.5x.png
Asset 6_1.5x.png

भाग I: गलत वर्गीकरण 2.0  एल्गोरिथम द्वारा नियंत्रित
 

यूके की गिग इकॉनमी में श्रमिक अधिकारों के लिए छह साल की लड़ाई में, उबेर ने तर्क दिया कि यह केवल स्व-नियोजित ड्राइवर का एजेंट था जो निष्क्रिय रूप से कार्य ऑर्डर बुक करने और भुगतान एकत्र करने के अलावा और कुछ नहीं कर रहा था। इस कल्पना को आगे बढ़ाने के लिए, गिग प्लेटफॉर्म ने विस्तृत अनुबंध स्थापित किए जिससे यह प्रतीत होता है कि ड्राइवर और यात्री एक-दूसरे के साथ सीधे लेन-देन कर रहे हैं, जबकि वास्तव में सभी यात्री जानकारी कंपनियों द्वारा बारीकी से परिरक्षित है। उबेर, उदाहरण के लिए, ड्राइवर की ओर से उनके द्वारा ले जाने वाले प्रत्येक यात्री के लिए एक काल्पनिक चालान बनाता है। चालान केवल यात्री के पहले नाम का उल्लेख करेगा और वास्तव में ग्राहक को कभी नहीं भेजा जाएगा।

 

ये गलत वर्गीकरण तकनीक, आमतौर पर गिग इकॉनमी में उपयोग की जाती हैं, प्लेटफॉर्म को नियोक्ता कानूनी जिम्मेदारियों जैसे कि बुनियादी कार्यकर्ता अधिकारों की सुरक्षा और राष्ट्रीय बीमा योगदान से बचने में सक्षम बनाती हैं। यूके में इसने प्लेटफॉर्म कंपनियों को मूल्य वर्धित बिक्री कर (वैट) से बचने में सक्षम बनाया है। लेकिन इस साल की शुरुआत में, सुप्रीम कोर्ट ने निचली अदालतों के कृत्रिम अनुबंधों को त्यागने और श्रमिकों पर नियंत्रण के प्रबंधन संबंध के साक्ष्य के आधार पर रोजगार संबंधों की वास्तविक प्रकृति का निर्धारण करने के अधिकार की पुष्टि की।

 

जैसा कि मंच कंपनियों ने निष्कर्ष निकाला है कि भ्रामक अनुबंधों का उपयोग करना अब रोजगार के गलत वर्गीकरण की एक विधि के रूप में व्यवहार्य नहीं है, उन्हें प्रबंधन नियंत्रण को छिपाने के लिए प्रक्रिया स्वचालन को दोगुना करने के लिए लुभाया जाएगा। एल्गोरिथम नियंत्रण गलत वर्गीकरण 2.0 बन जाता है। दरअसल, इस बात के पर्याप्त सबूत हैं कि ऐसा पहले से ही हो रहा है। गिग प्लेटफॉर्म गलत वर्गीकरण रणनीतियों को आगे बढ़ाने के लिए पहले से कहीं अधिक दृढ़ हैं ताकि वे इस जोखिम से बचते हुए कार्यबल को नियंत्रित करना जारी रख सकें कि ड्राइवर 'कार्यकर्ता' की स्थिति से सीमित अधिकारों के साथ कर्मचारी की स्थिति तक सीमित अधिकारों के साथ स्नातक हो सकते हैं।  

तो एल्गोरिथम नियंत्रण क्या है और गिग श्रमिकों के लिए विशिष्ट जोखिम क्या हैं? राइड-शेयर और डिलीवरी उद्योगों में विशेष रूप से हमारे लिए सबसे बड़ी चिंता के एल्गोरिथम प्रबंधन के साधनों में निम्नलिखित शामिल हैं:
 

  • निगरानी। सुरक्षा और पहचान के घोषित उद्देश्य के लिए घुसपैठ निगरानी। इसमें धोखाधड़ी का पता लगाने और चेहरे की पहचान तकनीकों का उपयोग शामिल है। हम जानते हैं कि निगरानी तब भी की जाती है जब कार्यकर्ता ने काम के लिए खुद को उपलब्ध कराने के लिए लॉग इन नहीं किया हो। इसमें एक उपभोक्ता के रूप में ऐप के कार्यकर्ता के उपयोग का सर्वेक्षण भी शामिल था।
     

  • निष्पादन प्रबंधन। इसमें ईटीए, ग्राहक रेटिंग, नौकरी स्वीकृति और पूर्णता दर, सहायक कर्मचारियों के साथ बातचीत, उपलब्धता सहित ड्राइविंग व्यवहार की निगरानी शामिल है, लेकिन यह इन्हीं तक सीमित नहीं है।
     

  • कार्य आवंटन। उबर ने हाल ही में इस बात पर जोर दिया है कि काम का आवंटन ड्राइवरों और यात्रियों की एक-दूसरे से निकटता पर तय किया जाता है, लेकिन अब स्वीकार करते हैं कि पिछले व्यवहार और वरीयताओं को शामिल किया गया है। ओला स्वीकार करती है कि ड्राइवर प्रोफाइल जिसमें 'कमाई प्रोफ़ाइल' और 'धोखाधड़ी की संभावना' स्कोरिंग शामिल है। कार्य आवंटन स्वचालित निर्णय लेने में उपयोग किया जाता है।
     

  • मूल्य निर्धारण। कार्य आवंटन से संबंधित स्वचालित मूल्य निर्धारण निर्णय लेना है। शायद सबसे प्रसिद्ध तरीका उबेर का तथाकथित 'उछाल' या 'गतिशील मूल्य निर्धारण' है जो वास्तविक समय, स्थानीय मूल्य में उतार-चढ़ाव के साथ बाजार की मांग को पूरा करने के लिए है।  

 

ऊपर दिए गए प्रबंधन निर्णय ज्यादातर सीमित मानवीय हस्तक्षेप के साथ स्वचालित या अर्ध-स्वचालित होते हैं। गिग इकॉनमी के बिजनेस मॉडल प्रबंधन निर्णयों और कार्यस्थल पर्यवेक्षण के बड़े पैमाने पर स्वचालन पर निर्भर करते हैं। जबकि कुछ नियोक्ता इस बिंदु पर मितभाषी हैं, डेलीवरू अपनी राइडर गोपनीयता नीति में इसके बारे में काफी स्पष्ट रहे हैं:  
 

"हमारे द्वारा किए जाने वाले डिलीवरी की मात्रा को देखते हुए, हम ऊपर वर्णित स्वचालित निर्णय लेने के लिए स्वचालित सिस्टम का उपयोग करते हैं क्योंकि वे संदिग्ध धोखाधड़ी की पहचान करने, आपके आपूर्तिकर्ता समझौते के बार-बार उल्लंघन को रोकने और नकारात्मक प्रभाव को सीमित करने का एक अधिक सटीक, निष्पक्ष और कुशल तरीका प्रदान करते हैं। हमारी सेवा। मानव जांच समय-सीमा में संभव नहीं होगी और हमारे द्वारा किए जाने वाले प्रसव की मात्रा को देखते हुए।”

"हमारे द्वारा किए जाने वाले डिलीवरी की मात्रा को देखते हुए, हम ऊपर वर्णित स्वचालित निर्णय लेने के लिए स्वचालित सिस्टम का उपयोग करते हैं क्योंकि वे संदिग्ध धोखाधड़ी की पहचान करने, आपके आपूर्तिकर्ता समझौते के बार-बार उल्लंघन को रोकने और नकारात्मक प्रभाव को सीमित करने का एक अधिक सटीक, निष्पक्ष और कुशल तरीका प्रदान करते हैं। हमारी सेवा। मानव जांच समय-सीमा में संभव नहीं होगी और हमारे द्वारा किए जाने वाले प्रसव की मात्रा को देखते हुए।”

WIE-Report-Illustration-1_2x.png
WIE-Report-Illustration-3_2x.png

निगरानी
 

सुरक्षा और पहचान के घोषित उद्देश्य के लिए घुसपैठ निगरानी। इसमें धोखाधड़ी का पता लगाने और चेहरे की पहचान तकनीकों का उपयोग शामिल है। हम जानते हैं कि निगरानी तब भी की जाती है जब कार्यकर्ता ने काम के लिए खुद को उपलब्ध कराने के लिए लॉग इन नहीं किया हो। इसमें एक उपभोक्ता के रूप में ऐप के कार्यकर्ता के उपयोग का सर्वेक्षण करना भी शामिल है।

कार्य आवंटन
 

उबर ने हाल ही में इस बात पर जोर दिया है कि काम का आवंटन ड्राइवरों और यात्रियों की एक-दूसरे से निकटता पर तय किया जाता है, लेकिन अब कहता है कि पिछले व्यवहार और वरीयताओं को ध्यान में रखा जाता है। ओला ड्राइवर प्रोफाइल का उपयोग करती है जिसमें काम के लिए स्वचालित निर्णय लेने में 'धोखाधड़ी संभावना स्कोर' शामिल होता है। आवंटन।

WIE-Report-Illustration-2_2x.png

निष्पादन प्रबंधन

कार्य प्रदर्शन के आकलन में ईटीए, ग्राहक रेटिंग, नौकरी स्वीकृति और पूर्णता दर, सहायक कर्मचारियों के साथ बातचीत, उपलब्धता सहित ड्राइविंग व्यवहार की निगरानी शामिल है, लेकिन यह इन्हीं तक सीमित नहीं है।

WIE-Report-Illustration-4_2x.png

मूल्य निर्धारण
 

कार्य आवंटन से संबंधित स्वचालित मूल्य निर्धारण है। शायद सबसे प्रसिद्ध तरीका उबेर का तथाकथित 'उछाल' या 'गतिशील मूल्य निर्धारण' है जो वास्तविक समय, स्थानीय मूल्य में उतार-चढ़ाव के साथ बाजार की मांग को पूरा करने के लिए है। 

निगरानी शस्त्र दौड़
 

जब से उबर ने 2020 के दौरान अपनी तथाकथित हाइब्रिड रीयल टाइम आइडेंटिफिकेशन सिस्टम पेश की थी, तब से हम गिग इकॉनमी में एक निगरानी हथियारों की दौड़ देख रहे हैं। ट्रांसपोर्ट फॉर लंदन (TfL) ने नवंबर 2019 में अपने लाइसेंस के नवीनीकरण से इनकार करने के अपने निर्णय की घोषणा के ठीक एक दिन पहले, उबेर ने इस निगरानी प्रणाली को पेश करने की पेशकश की जिसमें जीपीएस मॉनिटरिंग के साथ चेहरे की पहचान शामिल है।  
 

यह टीएफएल की शिकायत के जवाब में था कि 21 ड्राइवरों का पता चला था (कई वर्षों में 90,000 में से विश्लेषण किया गया था) खाता साझा करने में लगे हुए थे, जिसने संभावित रूप से बिना लाइसेंस वाले और बिना बीमा वाले ड्राइवरों को ऐप पर अवैध रूप से अपनी सेवाएं देने की अनुमति दी थी। डिवाइस के जीपीएस स्थान को यूके के बाहर रीसेट करके गतिविधि को संभव बनाया गया था, जहां ड्राइवरों के लिए अपनी तस्वीरें अपलोड करना संभव है। उबेर द्वारा इस अंतर को जल्दी से बंद कर दिया गया था और उबर के संचालन के पैमाने की तुलना में पता चला गतिविधि गायब हो गई थी। उद्योग द्वारा चेहरे की पहचान तकनीक की शुरूआत कथित जोखिम के सापेक्ष पूरी तरह से अनुपातहीन रही है। फिर भी, वास्तविक समय की पहचान की आवश्यकता सितंबर 2020 में वेस्टमिंस्टर मजिस्ट्रेट कोर्ट में उबर के लाइसेंस नवीनीकरण की शर्त बन गई।
 

उबेर के मामले में, प्लेटफॉर्म के प्रबंधन और टीएफएल दोनों यह सुनिश्चित करने में विफल रहे हैं कि मार्च 2020 में टीएफएल द्वारा प्रौद्योगिकी के लिए डेटा सुरक्षा प्रभाव मूल्यांकन की समीक्षा करने के बावजूद ड्राइवरों के अधिकारों और स्वतंत्रता की रक्षा के लिए उचित सुरक्षा उपाय किए गए थे। हमने एक बनाया वास्तविक समय आईडी सिस्टम के लिए उबर के डीपीआईए तक पहुंच के लिए टीएफएल से सूचना की स्वतंत्रता अनुरोध लेकिन हमें अस्वीकार कर दिया गया था। टीएफएल की रिपोर्ट के अनुसार, निजी भाड़े के वाहन (पीएचवी) के 94% चालक अश्वेत और जातीय अल्पसंख्यक पृष्ठभूमि से हैं और इस तकनीक की शुरूआत, जो इन समूहों के भीतर कम सटीकता दर के लिए अच्छी तरह से मान्यता प्राप्त है, पहले से ही कमजोर श्रमिकों के लिए विनाशकारी साबित हुई है। अनिश्चित रोजगार।  
 

बोल्ट ने तब से घोषणा की है कि वह चेहरे की पहचान सहित AI ड्राइवर एंटी-फ्रॉड डिटेक्शन सिस्टम में €150 मिलियन का निवेश कर रहा है। डेलीवरू ने घोषणा की कि वे भी चेहरे की पहचान पहचान जांच शुरू करेंगे। ओला कैब्स ने अपने गार्जियन सिस्टम की एक विशेषता के रूप में फेशियल रिकग्निशन आइडेंटिफिकेशन भी शुरू किया है, जिसमें मशीन लर्निंग को शामिल किया गया है, जिसके बारे में उनका दावा है कि यह उन्हें "हर दिन लाखों डेटा पॉइंट्स से लगातार सीखने और विकसित करने, रिस्क सिग्नलिंग और इंस्टेंट रिजॉल्यूशन में सुधार करने में सक्षम बनाता है।"  
 

डेमलर और बीएमडब्ल्यू का संयुक्त उद्यम, फ्रीनाउ भी अपने धोखाधड़ी रोकथाम कार्यक्रम के हिस्से के रूप में ड्राइवरों का बारीकी से सर्वेक्षण करता है। दरअसल, लंदन में लाइसेंस देने के टीएफएल के फैसले की न्यायिक समीक्षा में फ्रीनाउ द्वारा उच्च न्यायालय में दायर दस्तावेजों में उन्होंने खुलासा किया कि टीएफएल ने विभिन्न कारणों ('धोखाधड़ी गतिविधि' सहित) के लिए ड्राइवर की बर्खास्तगी की मासिक रिपोर्ट उनकी एक शर्त रखी है। हाल ही में लाइसेंस नवीनीकरण। लेकिन धोखाधड़ी की रोकथाम के उद्देश्य से संसाधित किए गए डेटा का विवरण FreeNow की गोपनीयता नीति द्वारा दिए गए उत्तर की तुलना में अधिक प्रश्न उठाता है।

इस दस्तावेज़ में, फ्री नाउ बताता है कि वे एक 'रैंडम फ़ॉरेस्ट' एल्गोरिथम का उपयोग एक धोखाधड़ी स्कोर बनाने के लिए करते हैं जिसका उपयोग वे " तदनुसार प्रेषित यात्राओं को प्राथमिकता देने के लिए करते हैं। यह एक निष्पक्ष और जोखिम कम से कम प्रेषण सुनिश्चित करता है ।" फ्री नाउ ने इस धोखाधड़ी का पता लगाने वाली प्रणाली के उपयोग का विरोध किया जब हमने जून 2021 में इसके बारे में पूछताछ की, यह दावा करते हुए कि गोपनीयता नीति का यह खंड पुराना था (कृपया रिपोर्ट के खंड II में कंपनी केस स्टडी देखें।) हालांकि, इस प्रणाली का विवरण सितंबर 2021 में किए गए अपडेट के बावजूद नीति में बना हुआ है।

 

इन प्रणालियों के उपयोग के बारे में विशेष रूप से चिंता की बात यह है कि वे धोखाधड़ी प्रबंधन को प्रदर्शन प्रबंधन के साथ मिलाते हैं। तथ्य यह है कि इस तरह के 'धोखाधड़ी' संकेतक का उपयोग कार्य आवंटन के लिए चर के रूप में किया जाता है और उन्हें उत्पन्न करने वाले व्यवहारों को प्लेटफॉर्म पर जारी रखने की अनुमति है, यह दर्शाता है कि ये आपराधिक धोखाधड़ी के उदाहरण नहीं हैं, बल्कि नियंत्रण के तंत्र हैं, जो यह आकलन करते हैं कि कार्यकर्ता कितना अच्छा प्रदर्शन कर रहे हैं कंपनियों द्वारा निर्धारित अपारदर्शी मेट्रिक्स के खिलाफ। हमारा सुझाव है कि इन संदर्भों में उपयोग की जाने वाली कोई भी 'धोखाधड़ी' शब्दावली भी गलत वर्गीकरण के खेल के हिस्से के रूप में कार्य करती है, जिसे रोजगार संबंधों को छिपाने के लिए डिज़ाइन किया गया है। 

Surveillance Arms Race

निगरानी केस स्टडी I: चेहरे की पहचान विफलता

 


अप्रैल 2020 में, उबेर ने यूके में एक रियल टाइम आईडी चेक (RTID) प्रणाली शुरू की, जो ड्राइवर की पहचान को प्रमाणित करने के लिए चेहरे की पहचान और स्थान की जाँच सहित संयोजन का उपयोग करती है और ड्राइवर को काम के लिए अपने खाते तक पहुँच साझा करने से रोकने का प्रयास करती है।  

 

आरटीआईडी सिस्टम में माइक्रोसॉफ्ट के फेस एपीआई, फेशियल रिकग्निशन सॉफ्टवेयर का उपयोग शामिल है और उबर ऐप का उपयोग जारी रखने के लिए ड्राइवरों और कोरियर को नियमित रूप से स्वयं की रीयल-टाइम सेल्फी लेने की आवश्यकता होती है। फिर फोटो को ड्राइवर के अकाउंट प्रोफाइल पिक्चर के खिलाफ चेक किया जाता है (और कुछ अधिकार क्षेत्र में, सार्वजनिक डेटाबेस के खिलाफ " पहचान उधार लेने से रोकने या उपयोगकर्ताओं की पहचान सत्यापित करने के लिए ")।

Pa Edrissa Manjang लगभग एक साल से Uber के साथ काम कर रहे थे, जब सेल्फी सत्यापन में विफलता के कारण उन्हें निष्क्रिय कर दिया गया था। जबकि उबेर ड्राइवर और कूरियर नियमित रूप से सेल्फी प्रदान करते हैं, ये कर्मचारियों के फोन पर संग्रहीत नहीं होते हैं और वे अपने सबमिशन के साक्ष्य को बरकरार नहीं रख सकते हैं। पा को उनकी बर्खास्तगी तक कोई चेतावनी या किसी भी मुद्दे की सूचना नहीं दी गई थी; रीयल टाइम आईडी सत्यापन प्रणाली हरे रंग के चेक के साथ उसकी सभी तस्वीरों को स्वीकृत करती दिखाई दी।
 

 

अपनी बर्खास्तगी के बाद, पा ने समस्या को ठीक करने के लिए उबेर को कई संदेश भेजे, विशेष रूप से एक मानव से अपने सबमिशन की समीक्षा करने के लिए कहा। हर बार पा से कहा गया कि "हम इस बात की पुष्टि करने में सक्षम नहीं थे कि प्रदान की गई तस्वीरें वास्तव में आपकी थीं और निरंतर बेमेल होने के कारण, हमने आपके साथ अपनी साझेदारी को समाप्त करने का अंतिम निर्णय लिया है।" हमने एक विषय एक्सेस अनुरोध के माध्यम से विचाराधीन सेल्फी प्राप्त की, जिससे पता चला कि पा द्वारा सबमिट की गई सभी तस्वीरें वास्तव में उसी की थीं। यह पहला उदाहरण था जिसमें हम किसी कूरियर या ड्राइवर द्वारा सबमिट की गई सेल्फी प्राप्त करने में सफल रहे। यह स्पष्ट नहीं है कि यह अनुरोध क्यों सफल हुआ जबकि इससे पहले कई विफल हो गए।

pa.jpg

हमने इस साल की शुरुआत में माइक्रोसॉफ्ट को भी लिखा था कि वह अपने प्लेटफॉर्म पर एफएसीई एपीआई के उबेर के अनियमित उपयोग के बारे में अपनी चिंताओं को उठाएं। जवाब में , माइक्रोसॉफ्ट ने जोर देकर कहा कि ऐसी प्रौद्योगिकियों की तैनाती में शामिल सभी पक्षों की जिम्मेदारियां हैं जिनमें शामिल हैं: "गलत पहचान या अन्य विफलता के मामलों का पता लगाने और उन्हें हल करने के लिए सार्थक मानव समीक्षा को शामिल करना"  तथा  "उन लोगों को सहायता प्रदान करने के लिए जो मानते हैं कि उनके परिणाम गलत थे; और स्थितियों में भिन्नता के कारण सटीकता में उतार-चढ़ाव की पहचान करना और उन्हें संबोधित करना।" पा का मामला स्पष्ट रूप से प्रदर्शित करता है कि इन महत्वपूर्ण जांचों को आरटीआईडी छवियों के प्रसंस्करण में लागू नहीं किया गया है।  

 

पा अब समानता और मानवाधिकार आयोग, ऐप ड्राइवर्स और कूरियर यूनियन और वर्कर इंफो एक्सचेंज के समर्थन से, बेट्स वेल्स द्वारा प्रतिनिधित्व किए गए नस्लीय भेदभावपूर्ण चेहरे की पहचान तैनाती को चुनौती देने के लिए उबर के खिलाफ मामला ला रहा है।

एम्बेड करें: पा का वीडियो

Surveillance Case Study I: Facial Recognition

सर्विलांस केस स्टडी II: जियोलोकेशन चेक  
 

जबकि दोषपूर्ण चेहरे की पहचान प्रणाली का उपयोग निस्संदेह समस्याग्रस्त है, हमने कई ड्राइवरों को उबेर के झूठे आरोपों के बाद खारिज कर दिया है कि वे एक ही समय में दो स्थानों पर उबेर द्वारा दो उपकरणों का पता लगाने के बाद धोखाधड़ी खाता साझा करने में लगे थे। सभी मामलों में हमने विश्लेषण किया है, हमने पाया है कि समस्या ड्राइवर से संबंधित है, जिसने सुविधा के लिए दो उपकरणों पर ऐप इंस्टॉल किया है, लेकिन काम के लिए केवल एक डिवाइस में लॉग-इन किया है।  
 

11 सितंबर, 2020 को रात 8 बजे से ठीक पहले और अवेसो मौलाना दक्षिण लंदन में उबर के लिए काम कर रहे थे। वह एक 4.95 स्टार रेटेड ड्राइवर था जिसने उबेर के लिए काम करते हुए 5 वर्षों में 11,500 से अधिक यात्राएं की थीं। अवेसो ने हाथी और महल के पास एक यात्री को छोड़ दिया था जब उसने एक छोटे से ब्रेक के लिए लॉग-ऑफ किया। कई ड्राइवरों की तरह, Aweso ने एक दूसरे डिवाइस पर ऐप इंस्टॉल किया था जो कि एक iPhone था। इस विशेष शाम को उन्होंने iPhone घर छोड़ दिया था और अपने दूसरे फोन, सैमसंग के साथ काम कर रहे थे।
 

8:02 बजे Aweso ने अपनी अगली नौकरी के लिए खुद को उपलब्ध कराने के लिए Uber ऐप में वापस लॉग इन करने का प्रयास किया। इससे पहले कि उन्हें वापस लॉग इन करने की अनुमति दी गई, उन्हें उबर के रियल टाइम आइडेंटिटी चेक (RTID) के हिस्से के रूप में एक सेल्फी प्रदान करने के लिए कहा गया। उसकी तस्वीर उबेर की संदर्भ तस्वीर से मेल खाती है इसलिए उसने अपनी शिफ्ट जारी रखने के लिए लॉग-ऑन प्रक्रिया को सफलतापूर्वक पूरा किया। लेकिन उसके लिए अज्ञात, उबेर सिस्टम ने या तो उसके दूसरे फोन का पता लगा लिया और/या उसे पिंग कर दिया। उसके बेटे ने गलती से उसका दूसरा फोन उठा लिया था और उसे अपने साथ उक्सब्रिज में अपनी प्रेमिका के घर ले गया था। उबर ने बाद में कहा कि उन्होंने इस डिवाइस से रात 8:03 बजे आरटीआईडी जांच का अनुरोध किया था, लेकिन इस समय तक दक्षिण लंदन में अवेसो पहले से ही ऑनलाइन था। उबर का दावा है कि उस शाम करीब 11:55 बजे आईफोन से आईडी चेक का जवाब भेजा गया था।  
 

अगले दिन, उबर ने उन्हें सूचित किया कि उनके खाते को 'संदिग्ध एप्लिकेशन गतिविधि के लिए चिह्नित' कर दिया गया है और उनका खाता अब निलंबित कर दिया जाएगा, जबकि 'एक विशेष टीम इसकी समीक्षा करेगी।' कुछ समय बाद, उबेर ने टेक्स्ट के माध्यम से अवेसो को स्थायी रूप से यह कहते हुए खारिज कर दिया कि उन्हें उसके खाते में 'धोखाधड़ी गतिविधि का संकेत देने वाले सबूत' मिले हैं। उबेर ने तब आरोप लगाया था कि वह अपने खाते तक पहुंच साझा कर रहा था और ऐसा करने में उसने नियम और शर्तों का उल्लंघन किया था। अगले महीने ट्रांसपोर्ट फॉर लंदन ने इस आधार पर अवेसो का लाइसेंस तुरंत रद्द कर दिया कि उबर से बर्खास्तगी के आधार पर सार्वजनिक लाइसेंस रखने के लिए उन्हें अब 'फिट और उचित' नहीं पाया जा सकता है।  
 

वर्कर इंफो एक्सचेंज ने एवेसो को सब्जेक्ट एक्सेस अनुरोध करने और प्राप्त डेटा का विश्लेषण करने में सहायता की। 'डी रिवर डिटेल्ड डिवाइस डेटा ' नाम की एक फाइल रियल टाइम में डिवाइस से उबर में कम से कम कुछ डेटा स्ट्रीमिंग को रिकॉर्ड करती है। उबेर की अपनी गोपनीयता नीति इंगित करती है कि जहां किसी डिवाइस में ऐप पृष्ठभूमि या अग्रभूमि में खुला है, भले ही वह ऑनलाइन न हो और किराए को स्वीकार करने के लिए तैयार हो। एक दर्जन से अधिक मामलों में जहां हमने मजिस्ट्रेट कोर्ट में ड्राइवर की अपील को रद्द करने की अपील का समर्थन किया, हर अपील को सही ठहराया गया और टीएफएल को लाइसेंस बहाल करने का आदेश दिया गया। इस फ़ाइल से हम देख सकते हैं कि उबर द्वारा उपकरणों से प्रति मिनट डेटा की 230 पंक्तियों को रिकॉर्ड किया जा रहा है। अवेसो के उपकरणों से उबर द्वारा एकत्र किया गया डेटा शामिल है  भू-स्थान, बैटरी स्तर, गति, पाठ्यक्रम शीर्षक, IMEI नंबर आदि।  

डेटा ने दिखाया कि Uxbridge में डिवाइस उस दिन काम के लिए कभी भी लॉग इन नहीं किया गया था क्योंकि 'driver_online' नामक फ़ील्ड ने उस दिन हर समय iPhone को 'FALSE' के रूप में दिखाया, जिसमें Uxbridge में रिकॉर्ड किए गए समय भी शामिल थे। यह इस बात का सबूत है कि उबर और ट्रांसपोर्ट फॉर लंदन द्वारा लगाए गए आरोप के अनुसार डिवाइस को अन्य लोगों के साथ काम करने के लिए साझा नहीं किया जा रहा था। उबेर एकत्र किए गए फोटो सहित दोनों आरटीआईडी जांचों में संसाधित व्यक्तिगत डेटा तक पहुंच प्रदान करने में विफल रहा। 'विस्तृत डिवाइस डेटा' आईफोन के लिए 8:03:43 बजे के बाद किसी और गतिविधि का कोई रिकॉर्ड नहीं दिखाता है। हमने रात 11:55 बजे डिवाइस गतिविधि का कोई डेटा सबूत नहीं देखा जब उबर ने कहा कि उसे पहले जारी किए गए आईडी चेक का जवाब मिला है।    

पिछले वर्ष के दौरान Pa और Aweso का अनुभव बहुत प्रचलित था और वर्कर इंफो एक्सचेंज और ऐप ड्राइवर्स एंड कूरियर यूनियन द्वारा संभाले जाने वाले केसवर्क की एक महत्वपूर्ण मात्रा को बनाया। लंदन में, ट्रांसपोर्ट फॉर लंदन ने उन ड्राइवरों के लाइसेंस को तुरंत रद्द करने का प्रयास किया, जिनके बारे में बताया गया था कि वे सिस्टम के साथ स्पष्ट समस्याओं के बावजूद उबेर के आरटीआईडी जांच में विफल रहे हैं। कई उपकरणों के उपयोग के लिए अक्सर उचित स्पष्टीकरण होते हैं जिन्हें स्वचालित रूप से धोखाधड़ी के रूप में वर्गीकृत किया जाता है। उबेर की अपनी गोपनीयता नीति इंगित करती है कि जहां किसी डिवाइस में ऐप पृष्ठभूमि या अग्रभूमि में खुला है, भले ही वह ऑनलाइन न हो और किराए को स्वीकार करने के लिए तैयार हो। एक दर्जन से अधिक मामलों में जहां हमने मजिस्ट्रेट कोर्ट में ड्राइवर की अपील को रद्द करने की अपील का समर्थन किया, हर अपील को सही ठहराया गया और टीएफएल को लाइसेंस बहाल करने का आदेश दिया गया।  

 

वर्कर इंफो एक्सचेंज, बिग ब्रदर वॉच और ऐप ड्राइवर्स एंड कोरियर्स यूनियन ने लंदन के मेयर को एक संयुक्त पत्र लिखकर लंदन के परिवहन के बारे में हमारी चिंताओं को उठाने के लिए उबेर से त्रुटिपूर्ण साक्ष्य पर निर्भरता का निर्णय लिया और मांग की कि, परिवहन के अध्यक्ष के रूप में लंदन के बोर्ड के लिए, कि वह ऐसे सभी गलत निरसन की समीक्षा का आदेश देता है। आज तक न तो मेयर ने और न ही टीएफएल ने कोई जवाब दिया है।

Surveillance Case Study II: Geolocation
Opaque Performance Management

अपारदर्शी प्रदर्शन प्रबंधन
 

प्लेटफ़ॉर्म कंपनियों की अस्पष्टता कार्यकर्ता की समझ को बाधित करती है कि महत्वपूर्ण प्रक्रियाओं और समय के साथ एल्गोरिथम नियंत्रण को कैसे एकीकृत किया जा सकता है। उदाहरण के लिए, श्रमिकों को वह पारदर्शिता प्रदान नहीं की गई है जिसके वे कानूनी रूप से हकदार हैं ताकि यह समझ सकें कि प्रदर्शन रूपरेखा किस प्रकार प्रस्तावित कार्य की गुणवत्ता और मात्रा के साथ-साथ ऐसे कार्य के लिए अपेक्षित प्रतिफल से जुड़ी है। 

ओला के मामले में, हमें उन डेटा श्रेणियों के बारे में कुछ जानकारी है जो वे अपने कार्य आवंटन सिस्टम में एकत्र करते हैं और संसाधित करते हैं - जैसे धोखाधड़ी की संभावना स्कोर, कमाई प्रोफ़ाइल, बुकिंग स्वीकृति और रद्दीकरण इतिहास, अन्य - हालांकि यह अलग-अलग भारों को प्रकट नहीं करता है इन चरों पर लागू होता है, न ही प्रसंस्करण के तर्क पर।

उबेर ने लंबे समय से यह सुनिश्चित किया है कि इसकी मिलान प्रणाली पूरी तरह से स्थान द्वारा निर्धारित की जाती है, इसके बावजूद इसके "पार्टनर-ड्राइवर" इंटरफ़ेस अन्यथा सुझाव देते हैं। Uber's Pro प्रोग्राम (जिनमें ड्राइवरों को स्वचालित रूप से नामांकित किया जाता है ताकि उन्हें लाभ और पुरस्कारों के बदले प्रदर्शन लक्ष्यों को पूरा करने के लिए प्रोत्साहित किया जा सके) अस्पष्ट भाषा में ड्राइवरों को सूचित करता है कि "उच्च पुष्टिकरण दरों का मतलब ग्राहकों के लिए कम प्रतीक्षा समय और सभी के लिए कम पिक-अप समय है। ड्राइवरों” ने इस तथ्य की ओर इशारा करते हुए कहा कि नौकरियों में गिरावट के परिणामस्वरूप कम नौकरी की पेशकश होगी।