Los empleadores utilizan sus datos personales para determinar el salario más bajo que aceptará

Los empleadores están utilizando sus datos personales para determinar el salario más bajo que aceptará
Genna Contino
9 minutos de lectura
Es probable que ya haya sentido la punzada digital de los "precios de vigilancia". Podría parecerse a una aerolínea que anuncia un paquete de tarifas específico porque los datos del programa de lealtad sugieren que un cliente es probable que lo compre, o un sitio web que cobra más por fórmula infantil porque un algoritmo detectó la desesperación de un nuevo padre.
Estamos viviendo en un mundo donde su historial de compras, la velocidad de navegación e incluso su código postal dictan cada vez más el costo de su vida. Y a medida que las empresas se vuelven mejores para recopilar y analizar datos personales, no solo están buscando el dinero que sale de su billetera, sino que también están controlando cuánto entra en ella.
Los expertos describen los "salarios de vigilancia" como un sistema en el que los salarios se basan no en el desempeño o la antigüedad de un empleado, sino en fórmulas que utilizan sus datos personales, a menudo recopilados sin el conocimiento de los empleados.
Las empresas ya intentan que los nuevos empleados acepten la oferta salarial más baja posible. Pero mientras que una vez eso significaba evaluar la experiencia y las credenciales de un candidato en relación con la tarifa del mercado, cada vez más significa ingresar los datos personales del candidato en un algoritmo.
Según Nina DiSalvo, directora de políticas del grupo de defensa laboral Towards Justice, algunos sistemas utilizan señales asociadas con la vulnerabilidad financiera, incluidos datos sobre si un empleado potencial ha solicitado un préstamo de día de pago o tiene un saldo alto en una tarjeta de crédito, para inferir el salario mínimo que un candidato podría aceptar. Las empresas también pueden recopilar páginas públicas de redes sociales personales de los candidatos, dijo, para determinar si es más probable que se unan a un sindicato o podrían quedar embarazadas. Los datos se pueden utilizar para determinar los aumentos salariales después de que se contrata a un empleado, y la práctica puede derivar en discriminación, dicen los expertos.
"Si usted es una empresa que está experimentando con este tipo de prácticas en los consumidores, está observando qué tan bien funcionan", dijo Lindsay Owens, directora ejecutiva de Groundwork Collaborative, un grupo de expertos progresista. "Los trabajadores también son consumidores. Si funciona en los consumidores, funciona en los trabajadores. Es la misma psicología".
Una auditoría sin precedentes de 500 empresas de inteligencia artificial de gestión laboral realizada por Veena Dubal, profesora de derecho de la Universidad de California, Irvine, y Wilneida Negrón, estratega tecnológica, encontró que los empleadores en las industrias de atención médica, servicio al cliente, logística y venta minorista son clientes de proveedores cuyos herramientas están diseñadas para permitir esta práctica. El informe, publicado por el Washington Center for Equitable Growth, un grupo de expertos progresista en economía, identificó a importantes empleadores estadounidenses como clientes, incluidos Intuit INTU, Salesforce CRM, Colgate-Palmolive CL, Amwell AMWL y Healthcare Services Group HCSG.
El informe no afirma que todos los empleadores que utilizan estos sistemas participen en la vigilancia algorítmica de los salarios. En cambio, advierte que el uso creciente de herramientas algorítmicas para analizar los datos personales de los trabajadores puede permitir prácticas salariales que priorizan la reducción de costos sobre la transparencia o la equidad.
Thomas DiPiazza, director de comunicaciones corporativas de Colgate-Palmolive, dijo que la empresa "no utiliza herramientas de fijación algorítmica de salarios para tomar decisiones de compensación para nuestros empleados o para fijar salarios de nuevos contratados".
Intuit "no participa en tales prácticas", dijo un portavoz de esa empresa a MarketWatch.
Las otras empresas mencionadas en el informe no respondieron a las solicitudes de comentarios de MarketWatch.
Los salarios de vigilancia no se detienen en la etapa de contratación, sino que también acompañan a los trabajadores al puesto de trabajo.
El informe indica que los proveedores que ofrecen estos servicios también ofrecen herramientas diseñadas para establecer la compensación por bonos o incentivos. Estas herramientas rastrean su productividad, interacciones con el cliente y comportamiento en tiempo real, incluidos, en algunos casos, la vigilancia de audio y video en el trabajo. Casi el 70% de las empresas con más de 500 empleados ya estaban utilizando sistemas de monitoreo de empleados en 2022, como software que monitorea la actividad de la computadora, según una encuesta de International Data Corporation.
"Los datos que tienen sobre usted pueden permitir que un sistema de decisión algorítmica haga suposiciones sobre cuánto, qué tan grande es el incentivo que necesitan darle a un trabajador en particular para generar la respuesta conductual que buscan", dijo DiSalvo.
"Juzgando nuestra tasa de desesperación"
Uno de los ejemplos más claros de la fijación salarial impulsada por la vigilancia aparece en la dotación de personal sanitario bajo demanda. Un informe elaborado por el Roosevelt Institute, un grupo de expertos de tendencia liberal, se basó en entrevistas con 29 enfermeras independientes y encontró que las plataformas de dotación de personal que las enfermeras independientes utilizan para inscribirse en turnos, incluidas CareRev, Clipboard Health, ShiftKey y ShiftMed, utilizan rutinariamente algoritmos para fijar el pago por turnos individuales.
ShiftKey negó participar en la fijación salarial de vigilancia cuando fue contactado por MarketWatch para comentar. "ShiftKey no utiliza de manera alguna servicios de intermediarios de datos ni participa en ninguna fijación salarial de vigilancia", dijo Regan Parker, la directora legal y de asuntos públicos de la empresa. Parker refutó específicamente las afirmaciones del informe del Roosevelt Institute de que su plataforma utiliza los niveles de deuda de los trabajadores para determinar el pago, afirmando que ShiftKey no utiliza datos de tarjetas de crédito ni otros datos de deuda para fijar salarios y no podía hablar sobre las prácticas de otras plataformas.
CareRev, Clipboard Health y ShiftMed no respondieron a las solicitudes de comentarios.
En lugar de ofrecer un salario fijo, las plataformas ajustan el pago en función de lo que saben sobre cada trabajador, incluidos con qué frecuencia una enfermera acepta turnos, con qué rapidez responden a las publicaciones y qué pago han aceptado en el pasado, según el informe del Roosevelt Institute. Las enfermeras entrevistadas para el informe dijeron que esto a menudo resultaba en que se pagara diferentes cantidades a las enfermeras por el mismo trabajo, incluso dentro de la misma instalación.
Los críticos argumentan que el sistema recompensa a los trabajadores no por sus habilidades o experiencia, sino por lo que su comportamiento revela sobre su vulnerabilidad financiera. Tales sistemas "pueden determinar el pago según lo que la empresa sabe sobre cuánto estaba dispuesta a aceptar una enfermera por una asignación anterior", escribieron los autores del informe, lo que las encierra en bandas salariales más bajas con el tiempo.
Según Rideshare Drivers United, el sindicato que representa a los conductores de viajes compartidos, los salarios algorítmicos han estado dando forma al pago de los trabajadores de esa industria durante años. Ben Valdez, un conductor de viajes compartidos con sede en Los Ángeles, dijo que después de que Uber UBER y Lyft LYFT lanzaron nuevos algoritmos de pago hace varios años, sus ganancias disminuyeron, incluso cuando la demanda posterior a la pandemia se recuperó. Al comparar notas con otros conductores, Valdez dijo que ha visto diferentes conductores recibir diferentes tarifas base por el mismo viaje al mismo tiempo.
Valdez dijo que inicialmente se muestra a los conductores una tarifa de "tómalo o déjalo", que solo aumenta después de que suficientes conductores la rechacen. Cómo se establece esa tarifa inicial es opaco. "Por qué un conductor recibe una tarifa base diferente y más alta es desconocido", dijo.
Esa incertidumbre es intencional, según Zephyr Teachout, profesora de derecho de la Universidad de Fordham. En un informe de 2023, Teachout escribió que Uber "utiliza perfiles ricos en datos de los conductores para hacer coincidir el salario con los incentivos individuales del conductor y las necesidades de la plataforma", citando investigaciones anteriores de Dubal e informes de The Markup.
Uber dijo en un correo electrónico a MarketWatch que sus tarifas iniciales se basan en el tiempo, la distancia y las condiciones de demanda, y que sus algoritmos no utilizan las características individuales del conductor ni el comportamiento pasado para determinar el pago. Flex, la asociación comercial de viajes compartidos, que respondió después de que MarketWatch solicitó comentarios a Lyft, dijo en un comunicado que las tecnologías basadas en datos "ayudan a procesar datos en tiempo real e históricos para ayudar a hacer coincidir a los trabajadores con una entrega o viaje que represente el uso más eficiente de su tiempo, lo que, a su vez, les permite pasar más tiempo ganando".
Los defensores de los trabajadores siguen siendo escépticos. "Está juzgando nuestra tasa de desesperación", dijo Nicole Moore, presidenta de Rideshare Drivers United.
Algunos legisladores están prestando atención
Los críticos de los salarios de vigilancia argumentan que esta práctica puede conducir a la discriminación en el lugar de trabajo al permitir que los empleadores eviten los sistemas de pago basados en el mérito tradicionales. Debido a que estos algoritmos están diseñados para encontrar el mínimo absoluto que una persona aceptará en función de su historial financiero y otros factores, pueden atacar desproporcionadamente a los trabajadores más financieramente vulnerables.
Esto crea un ciclo en el que la angustia económica pasada de una persona o las decisiones personales se utilizan para justificar un salario más bajo en el presente, a menudo sin que el empleado sepa nunca qué puntos de datos se utilizaron en su contra.
"Sabemos el concepto del techo de cristal. Pero al menos en ese concepto, tenemos algo de visibilidad a través de ese techo de cristal. Tenemos una idea de cómo se ve ese mundo. Podemos romperlo si hacemos las cosas correctas y galvanizamos", dijo Joe Hudicka, el autor de un libro llamado "The AI Ecosystems Revolution". "Este techo de vigilancia salarial: es de hierro. Es de concreto. Es algo que es impermeable".
Los legisladores han sido más lentos para abordar los salarios de vigilancia que los precios de vigilancia. El estado de Nueva York aprobó recientemente una regla que exige a las empresas que revelen a los consumidores cuando sus precios se fijan con algoritmos que utilizan sus datos personales, pero la mayoría de las leyes del país solo están analizando los precios, no los salarios.
Colorado está tratando de ir más allá. Un proyecto de ley presentado en la Cámara del estado, titulado Prohibit Surveillance Data to Set Prices and Wages Act, prohibiría a las empresas utilizar datos personales íntimos, como el historial de préstamos de día de pago, los datos de ubicación o el comportamiento de búsqueda de Google GOOG, para fijar algorítmicamente lo que una persona es pagada. El proyecto de ley excluye los salarios basados en el desempeño, lo que significa que los empleadores aún podrían vincular el pago a la productividad medible.
El representante Javier Mabrey, un demócrata que patrocina el proyecto de ley, traza una línea clara entre la fijación dinámica de precios, donde los costos cambian en función de las condiciones generales del mercado, y lo que argumenta que estos sistemas realmente hacen. "Lo que trata nuestro proyecto de ley es la fijación de precios individualizada, que es distinta de la fijación dinámica de precios", dijo. "Requiere que la empresa extraiga algunos datos realmente personales relacionados con usted, no con la oferta y la demanda".
Para los salarios de vigilancia específicamente, el proyecto de ley prohibiría a las empresas utilizar los datos personales de los trabajadores, sin su consentimiento, para determinar cuánto se les paga. Uber y Lyft han negado utilizar las características individuales del conductor para fijar salarios, pero Mabrey dijo que ambas empresas están presionando contra el proyecto de ley. "¿Cuál es el problema de codificar en la ley que no está permitido hacer?", dijo.