Pracodawcy wykorzystują Twoje dane osobowe, aby ustalić najniższą płacę, którą przyjmiesz

Pracodawcy wykorzystują Twoje dane osobowe, aby ustalić najniższą płacę, którą przyjmiesz
Genna Contino
9 min czytania
Prawdopodobnie już odczułeś cyfrowy ból „ceny nadzoru”. Może to wyglądać tak, jak linia lotnicza reklamująca konkretny pakiet cenowy, ponieważ dane programu lojalnościowego klienta sugerują, że jest szansa, że go kupi, lub strona internetowa naliczająca więcej za mleko dla niemowląt, ponieważ algorytm wyczuł desperację nowego rodzica.
Żyjemy w świecie, w którym Twoja historia zakupów, szybkość przeglądania i nawet Twój kod pocztowy coraz bardziej decydują o koszcie Twojego życia. A gdy firmy stają się lepsze w zbieraniu i analizowaniu danych osobowych, nie tylko dążą do Twoich pieniędzy wypływających z portfela – kontrolują również to, ile w nie wchodzi.
Specjaliści opisują „płace nadzoru” jako system, w którym wynagrodzenia opierają się nie na wydajności pracownika ani stażu, ale na wzorach wykorzystujących ich dane osobowe, często zbierane bez wiedzy pracowników.
Firmy już próbują nakłonić nowych pracowników do przyjęcia najniższej możliwej oferty płacowej. Ale podczas gdy kiedyś oznaczało to dopasowanie doświadczenia i kwalifikacji kandydata do obowiązującej stawki rynkowej, coraz częściej oznacza to wprowadzenie danych osobowych kandydata do algorytmu.
Według Niny DiSalvo, dyrektora ds. polityki w grupie obrony praw pracowniczych Towards Justice, niektóre systemy wykorzystują sygnały związane z finansową wrażliwością – w tym dane o tym, czy potencjalny pracownik wziął pożyczkę na dzień wypłaty lub ma wysoki saldo na karcie kredytowej – aby wywnioskować najniższą płacę, jaką kandydat może przyjąć. Firmy mogą również przeszukiwać publiczne strony osobiste kandydatów w mediach społecznościowych, powiedziała, aby ustalić, czy są bardziej skłonni do przyłączenia się do związku zawodowego lub mogą się urodzić. Dane mogą być wykorzystane do określenia podwyżek wynagrodzeń po zatrudnieniu pracownika, a praktyka może odbiegać od dyskryminacji, twierdzą eksperci.
„Jeśli jesteś firmą, która grasuje z takimi praktykami wobec konsumentów, obserwujesz, jak dobrze działają”, powiedziała Lindsay Owens, dyrektor wykonawczy Groundwork Collaborative, think tank progresywny. „Pracownicy to również konsumenci. Jeśli działa to na konsumentów, działa również na pracowników. To ta sama psychologia.”
Pierwsza w swoim rodzaju audyt 500 firm sztucznej inteligencji do zarządzania pracą przez Veene Dubal, profesora prawa na Uniwersytecie Kalifornijskim w Irvine, i Wilneidy Negrón, stratega technologicznego, wykazał, że pracodawcy w branży opieki zdrowotnej, obsługi klienta, logistyki i handlu detalicznego są klientami dostawców, których narzędzia są zaprojektowane do umożliwienia tej praktyki. Opublikowany przez Washington Center for Equitable Growth, think tank ekonomiczny progresywny, raport z sierpnia 2025 roku zidentyfikował głównych pracodawców w USA wśród tych klientów, w tym Intuit INTU, Salesforce CRM, Colgate-Palmolive CL, Amwell AMWL i Healthcare Services Group HCSG.
Raport nie twierdzi, że wszyscy pracodawcy korzystający z tych systemów angażują się w nadzór algorytmiczny nad płacami. Zamiast tego ostrzega, że rosnące wykorzystanie narzędzi algorytmicznych do analizy danych osobowych pracowników może umożliwić praktyki płacowe, które priorytetyzują obniżanie kosztów nad przejrzystością lub sprawiedliwością.
Dyrektor ds. korporacyjnych komunikacji Colgate-Palmolive, Thomas DiPiazza, powiedział, że firma „nie wykorzystuje narzędzi do ustalania płac algorytmicznie, aby podejmować decyzje o wynagrodzeniu dla naszych pracowników ani aby ustalać płace dla nowo zatrudnionych”.
Intuit „nie angażuje się w takie praktyki”, powiedział rzecznik tej firmy dla MarketWatch.
Inne firmy wymienione w raporcie nie odpowiedziały na prośby MarketWatch o komentarz.
Nadzór nad płacami nie kończy się na etapie zatrudniania – towarzyszy pracownikom również w pracy.
Dostawcy świadczący takie usługi oferują również narzędzia zaprojektowane do ustalania premii lub wynagrodzeń motywacyjnych, zgodnie z raportem. Narzędzia te śledzą ich produktywność, interakcje z klientami i zachowanie w czasie rzeczywistym – w tym w niektórych przypadkach nadzór audio i wideo w pracy. Prawie 70% firm z więcej niż 500 pracowników już w 2022 roku korzystało z systemów monitorowania pracowników, takich jak oprogramowanie monitorujące aktywność komputerową, zgodnie z badaniem International Data Corporation.
„Dane, które mają o tobie, mogą pozwolić systemowi decyzyjnemu algorytmicznemu wysuwać założenia o tym, ile, jak dużą premię, muszą dać konkretnemu pracownikowi, aby wygenerować poszukiwane przez nich zachowanie”, powiedziała DiSalvo.
„Sędzimy nasz wskaźnik desperacji”
Jednym z najwyraźniejszych przykładów ustalania płac napędzanych przez nadzór są usługi zatrudniania personelu opieki zdrowotnej na żądanie. Raport przygotowany przez Roosevelt Institute, think tank ustawicielski liberalny, oparty na wywiadach z 29 pielęgniarkami gigowymi, wykazał, że platformy zatrudniania, których używają pielęgniarki gigowe do rejestrowania się na zmiany, w tym CareRev, Clipboard Health, ShiftKey i ShiftMed, rutynie wykorzystują algorytmy do ustalania płac za pojedyncze zmiany.
ShiftKey zaprzeczył angażowaniu się w ustalanie płac nadzoru, gdy został skontaktowany przez MarketWatch w sprawie komentarza. „ShiftKey jednoznacznie nie wykorzystuje żadnych usług brokerów danych ani nie angażuje się w żadne ustalanie płac nadzoru”, powiedział Regan Parker, główny urzędnik ds. spraw prawnych i publicznych ShiftKey. Parker konkretnie zaprzeczył twierdzeniom z raportu Roosevelt Institute sugerującym, że jego platforma wykorzystuje zadłużenie pracowników do ustalania płac, stwierdzając, że ShiftKey nie wykorzystuje danych z kart kredytowych ani innych długów do ustalania płac i nie mógł wypowiedzieć się o praktykach innych platform.
CareRev, Clipboard Health i ShiftMed nie odpowiedziały na prośby o komentarz.
Zamiast oferować stałą stawkę, platformy dostosowują wynagrodzenie na podstawie tego, co wiedzą o każdym pracowniku – w tym jak często pielęgniarka przyjmuje zmiany, jak szybko odpowiada na ogłoszenia i jaką płacę przyjmowała w przeszłości, zgodnie z raportem Roosevelt Institute. Pielęgniarki, z którymi rozmawiano dla raportu, powiedziały, że często skutkowało to tym, że pielęgniarki otrzymywały różne kwoty za tę samą pracę, nawet w obrębie tej samej placówki.
Krytycy twierdzą, że system nagradza pracowników nie za umiejętności czy doświadczenie, ale za to, co ich zachowanie ujawnia o ich finansowej wrażliwości. Takie systemy „mogą określać płacę na podstawie tego, co firma wie o tym, ile pielęgniarka była skłonna przyjąć za poprzednie zadanie”, napisali autorzy raportu, zamykając ich w niższych przedziałach płacowych w czasie.
Według Rideshare Drivers United, związku reprezentującego kierowców usług rideshare, algorytmiczne wynagrodzenia kształtują wynagrodzenia pracowników tej branży od lat. Ben Valdez, kierowca usług rideshare z Los Angeles, powiedział, że po wprowadzeniu przez Uber UBER i Lyft LYFT nowych algorytmów wynagrodzeń kilka lat temu jego zarobki spadły – nawet gdy popyt po pandemii odzyskał siły. Porównując notatki z innymi kierowcami, Valdez powiedział, że widział różnych kierowców oferowanych różne stawki bazowe za tę samą podróż w tym samym czasie.
Valdez powiedział, że kierowcom początkowo pokazywana jest stawka typu biorący lub zostawiający, która rośnie dopiero po odrzuceniu jej przez wystarczającej liczby kierowców. Jak ustalana jest ta stawka początkowa, jest niejasne. „Dlaczego jeden kierowca otrzymuje inną, wyższą stawkę bazową, jest nieznane”, powiedział.
Ta niepewność jest celowa, zgodnie z Zephyr Teachout, profesorem prawa na Uniwersytecie Fordham. W raporcie z 2023 roku Teachout napisał, że Uber „wykorzystuje profile kierowców bogate w dane, aby dopasować wynagrodzenie do indywidualnych zachęt kierowcy i potrzeb platformy”, cytując wcześniejsze badania Dubal i doniesienia z The Markup.
Uber powiedział w wiadomości e-mail do MarketWatch, że jego stawki z góry są oparte na czasie, odległości i warunkach popytu, a jego algorytmy nie wykorzystują indywidualnych cech kierowcy ani poprzedniego zachowania do ustalania płac. Stowarzyszenie handlowe usług rideshare Flex, które odpowiedziało po skontaktowaniu się MarketWatch z Lyft w sprawie komentarza, powiedziało w oświadczeniu, że technologie oparte na danych „pomagają przetwarzać dane w czasie rzeczywistym i historyczne, aby pomóc dopasować pracowników do dostawy lub przejazdu, który stanowi najbardziej efektywne wykorzystanie ich czasu, co z kolei pozwala im spędzać więcej czasu na zarabianiu”
Obrońcy praw pracowniczych pozostają sceptyczni. „Sędzimy nasz wskaźnik desperacji”, powiedziała Nicole Moore, prezydent Rideshare Drivers United.
Niektórzy legislasiści zwracają uwagę
Krytycy płac nadzoru twierdzą, że praktyka może prowadzić do dyskryminacji w miejscu pracy, umożliwiając pracodawcom ominięcie tradycyjnych płac opartych na zasługach. Ponieważ te algorytmy są zaprojektowane do znalezienia bezwzględnego minimum, jaką osoba przyjmie, na podstawie jej historii finansowej i innych czynników, mogą nieproporcjonalnie kierować się na najbardziej finansowo wrażliwych pracowników.
To tworzy cykl, w którym osobista historia gospodarczej trudności lub wybory osobistego życia osoby są wykorzystywane do uzasadnienia niższej płacy w teraźniejszości, często bez wiedzy pracownika, które punkty danych zostały przeciwko niemu wykorzystane.
„Znamy pojęcie szklanej sufitu. Ale przynajmniej w tym pojęciu mamy trochę widoczności przez ten szklany sufit. Mamy poczucie, jak wygląda ten świat. Możemy go złamać, jeśli zrobimy odpowiednie rzeczy i zgromadzimy siły”, powiedział Joe Hudicka, autor książki pt. „The AI Ecosystems Revolution”. „Ten sufit nadzoru płac – jest żelazny. Jest betonowy. To coś nieprzepuszczalnego.”
Legislatorzy byli wolniejsi w rozwiązywaniu problemu płac nadzoru niż cen nadzoru. Nowy Jork niedawno przyjął przepis wymagający od firm ujawnienia konsumentom, kiedy ich ceny są ustalane za pomocą algorytmów wykorzystujących ich dane osobowe – ale większość ustaw w kraju tylko patrzy na ceny, nie wypłaty.
Kolorado próbuje pójść dalej. Projekt ustawy wprowadzony w Izbie Reprezentantów stanu, zatytułowany Akt zakazu wykorzystania danych nadzoru do ustalania cen i płac, zakazywałby firmom wykorzystywania poufnych danych osobowych – takich jak historia pożyczek na dzień wypłaty, dane o lokalizacji lub zachowanie wyszukiwania Google GOOG – do algorytmicznego ustalania tego, za co ktoś jest płacony. Projekt ustawy wyłącza płace oparte na wydajności, co oznacza, że pracodawcy nadal mogliby wiązać wynagrodzenie z mierzalną produktywnością.
Rep. Javier Mabrey, demokrat sponsorujący projekt ustawy, rysuje ostry podział między cenami dynamicznymi – gdzie koszty zmieniają się na podstawie szerokich warunków rynkowych – a tym, co według niego te systemy w rzeczywistości robią. „O czym nasz projekt ustawy to jest ustalanie cen indywidualnych, które różni się od cen dynamicznych”, powiedział. „Wymaga to od firmy wyciągnięcia naprawdę osobistych danych związanych z tobą, a nie podaży i popytu.”
Dla płac nadzoru w szczególności projekt ustawy zakazywałby firmom wykorzystywania danych osobowych pracowników – bez ich zgody – do ustalania tego, za co są płaceni. Uber i Lyft zaprzeczyły wykorzystywaniu indywidualnych cech kierowców do ustalania płac, jednak Mabrey powiedział, że obie firmy lobbują przeciwko projektowi ustawy. „Co to jest problem z zakodowaniem w prawie, że nie wolno?” powiedział.