İşverenler, kabul edeceğiniz en düşük maaşı belirlemek için kişisel verilerinizi kullanıyor

İşverenler, kabul edeceğiniz en düşük maaşı belirlemek için kişisel verilerinizi kullanıyor
Genna Contino
9 dakika okuma
Muhtemelen zaten “gözetim fiyatlandırması”nın dijital acısını hissetmişsinizdir. Bu, bir müşterinin sadakat programı verilerinin, onu satın alma olasılığı yüksek olduğu için belirli bir ücret paketini reklam olarak gösteren bir havayolunu veya yeni bir ebeveynin çaresizliğini algılayan bir algoritmanın bebek maması için daha fazla ücret talep eden bir web sitesini gösterebilir.
Satın alma geçmişiniz, gezinme hızınız ve hatta posta kodunuzun giderek yaşamınızın maliyetini belirlediği bir dünyada yaşıyoruz. Ve şirketler kişisel verileri toplama ve analiz etmede daha iyi hale geldikçe, sadece cüzdanınızdan çıkan parayı hedeflemekle kalmıyor, aynı zamanda içine ne kadar girdiğini de kontrol ediyorlar.
Uzmanlar, “gözetim ücretlerinin” bir sistem olarak tanımlanır; burada ücretler bir çalışanın performansına veya kıdemine göre değil, kişisel verilerini kullanan formüllere dayanır; bu veriler genellikle çalışanların bilgisi olmadan toplanır.
Şirketler zaten yeni işe alımların mümkün olan en düşük maaş teklifini kabul etmelerini sağlamaya çalışıyor. Ancak bu, bir zamanlar bir adayın deneyimini ve niteliklerini piyasadaki geçerli ücretle karşılaştırmak anlamına gelirken, giderek adayın kişisel verilerini bir algoritmaya aktarmak anlamına geliyor.
Çalışma hakları savunucusu Towards Justice’daki politika direktörü Nina DiSalvo’ya göre, bazı sistemler, potansiyel bir çalışanın finansal açıdan savunmasız olup olmadığına dair verileri (bir gün ödeme kredisi aldığı veya yüksek bir kredi kartı borcu olduğu gibi) kullanarak, bir adayın kabul edebileceği en düşük maaşı tahmin etmek için sinyaller kullanır. Şirketlerin, adayların kamuya açık kişisel sosyal medya sayfalarını da kazıyarak, bir sendikaya katılma olasılıklarını veya hamile kalıp kalmayacaklarını belirleyebileceğini de söyledi. Veriler, bir çalışan işe alındıktan sonra ücret artışlarını belirlemek için kullanılabilir ve bu uygulama uzmanların dediği gibi ayrımcılığa yol açabilir.
“Tüketiciler üzerinde bu tür uygulamalarla oynayan bir şirket iseniz, bunların ne kadar iyi çalıştığını izliyorsunuz” dedi, ilerici düşünce kuruluşu Groundwork Collaborative’ın yürütme direktörü Lindsay Owens. “İşçiler de tüketicidir. Tüketiciler üzerinde işe yararsa, işçiler üzerinde de işe yarar. Aynı psikolojidir.”
Veena Dubal, İrvine Üniversitesi’nde hukuk profesörü ve Wilneida Negrón, bir teknoloji stratejisti tarafından yapılan, 500 işveren-çalışan yapay zeka şirketinin ilk kez yapılan denetimi, sağlık, müşteri hizmetleri, lojistik ve perakende sektörlerindeki işverenlerin, bu uygulamayı etkinleştirmek için tasarlanmış araçlara sahip satıcılardan hizmet aldığını ortaya koydu. İlerici bir ekonomik düşünce kuruluşu olan Washington Center for Equitable Growth tarafından yayınlanan Ağustos 2025 tarihli rapor, Intuit INTU, Salesforce CRM, Colgate-Palmolive CL, Amwell AMWL ve Healthcare Services Group HCSG gibi büyük ABD işverenlerinin bu müşteriler arasında yer aldığını belirledi.
Rapor, bu sistemleri kullanan tüm işverenlerin algoritmik ücret gözetimine dahil olduğunu iddia etmiyor. Bunun yerine, çalışanların kişisel verilerinin algoritmik araçlarla analiz edilmesinde artan kullanımın, şeffaflıktan veya adaletten ziyade maliyet kesintilerini önceliklendiren ücret uygulamalarını teşvik edebileceği konusunda uyarıyor.
Colgate-Palmolive’ın kurumsal iletişim direktörü Thomas DiPiazza, şirketin “çalışanlarımız için ücret kararları vermek veya yeni işe alımların maaşlarını belirlemek için algoritmik ücret belirleme araçlarını kullanmadığını” söyledi.
Intuit, MarketWatch’a yaptığı açıklamada “bu tür uygulamalara dahil olmadıklarını” söyledi.
Raporda adı geçen diğer şirketler, MarketWatch’un yorum taleplerine yanıt vermedi.
Gözetim ücretleri sadece işe alma aşamasında durmaz; işe de takip eder.
Rapora göre, bu tür hizmetleri sağlayan satıcılar, aynı zamanda bonus veya teşvik ödemelerini belirlemek için tasarlanmış araçlar da sunuyor. Bu araçlar, çalışanların üretkenliğini, müşteri etkileşimlerini ve gerçek zamanlı davranışlarını takip eder; bazı durumlarda, işte ses ve video gözetimi de dahil. Uluslararası Veri Kuruluşu’nun bir anketine göre, 2022 yılında 500’den fazla çalışanı olan şirketlerin neredeyse %70’i, bilgisayar etkinliğini izleyen yazılımlar gibi çalışan izleme sistemlerini zaten kullanıyordu.
DiSalvo, “Sahip oldukları veriler, algoritmik bir karar verme sisteminin, aradığı davranışsal tepkiyi üretmek için belirli bir çalışana verilmesi gereken teşvik miktarını veya büyüklüğünü tahmin etmesine olanak sağlayabilir” dedi.
‘Çaresizliğimizin oranını değerlendirmek’
Gözetim odaklı ücret belirlemenin en açık örneklerinden biri, isteğe bağlı sağlık hizmetleri personelinde ortaya çıkıyor. Roosevelt Enstitüsü adlı liberal eğilimli bir düşünce kuruluşu tarafından hazırlanan bir rapor, 29 gig hemşireyle yapılan görüşmelere dayanıyordu ve gig hemşirelerin vardiyalar için kayıt yaptırmak için kullandığı CareRev, Clipboard Health, ShiftKey ve ShiftMed gibi platformların, bireysel vardiyalar için ödemeyi belirlemek için rutin olarak algoritmalar kullandığını ortaya koydu.
ShiftKey, MarketWatch tarafından yorum için ulaşıldığında gözetim ücret belirlemesine dahil olmadığını reddetti. Şirketin hukuk ve halkla ilişkiler müdürü Regan Parker, “ShiftKey kesin olarak hiçbir veri aracısı hizmeti kullanmıyor veya gözetim ücret belirlemesine dahil olmuyor” dedi. Parker, Roosevelt Enstitüsü raporundan, platformlarının çalışanların borç seviyelerini ücret belirlemek için kullandığı iddialarını özellikle çürütürken, ShiftKey’in kredi kartı veya diğer borç verilerini ücret belirlemek için kullanmadığını ve diğer platformların uygulamaları hakkında konuşamayacağını söyledi.
CareRev, Clipboard Health ve ShiftMed yorum taleplerine yanıt vermedi.
Sabit bir ücret sunmak yerine, platformlar, bir hemşirenin ne sıklıkla vardiyaları kabul ettiğini, gönderilere ne kadar hızlı yanıt verdiğini ve geçmişte hangi ücretleri kabul ettiğini de içeren, her çalışana ne bildiğine göre ödemeyi ayarlıyor. Rapora göre, bu durum genellikle aynı tesis içinde bile aynı iş için farklı hemşirelere farklı miktarlarda ödeme yapılmasına yol açıyor.
Eleştirmenler, sistemin çalışanları beceri veya deneyimle değil, davranışlarının finansal açıdan savunmasızlıkları hakkında ne ortaya çıkardığına göre ödüllendirdiğini savunuyor. Bu tür sistemler “bir firmanın bir hemşirenin önceki bir görev için ne kadar ödeme yapmaya istekli olduğunu bildiği şeyle ücreti belirleyebilir” ve bu durumun onları zamanla daha düşük ücret aralıklarına kilitleyebileceğini, raporun yazarları belirtti.
Rideshare Drivers United’a göre, sürücüleri temsil eden sendika, algoritmik ücretlerin sektördeki çalışanların ücretlerini yıllardır şekillendirdiğini belirtiyor. Los Angeles merkezli bir rideshare sürücüsü olan Ben Valdez, Uber UBER ve Lyft LYFT’in birkaç yıl önce yeni ücret algoritmaları piyasaya sürdükten sonra kazancının düştüğünü söyledi; bu durum, pandemi sonrası talebin toparlanmasına rağmen yaşandı. Diğer sürücülerle not alışverişi yapan Valdez, aynı anda aynı yolculuk için farklı sürücülere farklı temel ücretler sunulduğunu gördüğünü söyledi.
Valdez, sürücülerin başlangıçta ya kabul edip ya da reddedebilecekleri bir oran gösterildiğini ve bunun yalnızca yeterli sayıda sürücü reddettikten sonra yükseldiğini söyledi. Bu başlangıç oranının nasıl belirlendiği belirsiz. “Neden bir sürücüye farklı, daha yüksek bir temel ücret verildiği bilinmiyor” dedi.
Bu belirsizlik, Fordham Üniversitesi hukuk profesörü Zephyr Teachout’un 2023 tarihli bir raporuna göre tasarımla ilgilidir. Teachout, Uber’in “sürücünün bireysel teşvikleri ve platformun ihtiyaçları için ücreti eşleştirmek için veri açısından zengin sürücü profillerini kullandığını” ve bunun da Dubal’ın önceki araştırmalarına ve The Markup’tan gelen raporlara atıfta bulunduğunu yazdı.
Uber, MarketWatch’a gönderdiği bir e-postada, ön ödemelerinin zaman, mesafe ve talep koşullarına dayandığını ve algoritmalarının ücretleri belirlemek için bireysel sürücü özelliklerini veya geçmiş davranışlarını kullanmadığını söyledi. Rideshare ticaret derneği Flex, MarketWatch’un Lyft için yorum istemesi üzerine yanıt verdikten sonra yaptığı açıklamada, veri odaklı teknolojilerin “çalışanları zamanlarının en verimli şekilde kullanıldığı bir teslimat veya yolculukla eşleştirmeye yardımcı olmak için gerçek zamanlı ve tarihi verileri işlemesine yardımcı olduğunu ve bunun da onlara kazanma konusunda daha fazla zaman harcamalarını sağladığını” belirtti.
Çalışan savunucuları şüpheci kalıyor. “Çaresizliğimizin oranını değerlendiriyorlar” dedi, Rideshare Drivers United başkanı Nicole Moore.
Eleştirmenler, gözetim ücretlerinin, işyerinde ayrımcılığa yol açabileceğini ve işverenlerin geleneksel liyakate dayalı ücretlendirmeyi atlamasına izin verebileceğini savunuyor. Bu algoritmaların, bir kişinin finansal geçmişi ve diğer faktörlere göre kabul edeceği mutlak minimumu bulmak üzere tasarlandığından, orantısız bir şekilde en savunmasız finansal çalışanları hedefleyebilirler.
Bu, bir kişinin geçmişteki ekonomik sıkıntılarının veya kişisel yaşam seçimlerinin, çoğu zaman çalışanın hangi verilerin kullanıldığının farkında olmadan, bugünkü daha düşük ücretleri haklı çıkarmak için kullanıldığı bir döngü yaratır.
“Cam tavan kavramını biliyoruz. Ancak o kavramda bile, o camın arkasından bir görünürlüğümüz var. O dünyanın nasıl göründüğünü anlıyoruz. Doğru şeyleri yaparsak ve harekete geçersek onu kırabiliriz” dedi, “The AI Ecosystems Revolution” adlı bir kitabın yazarı Joe Hudicka. “Bu ücret gözetim tavanı — bu demir. Bu beton. Bu geçirgen olmayan bir şey.”
Yasama organları, gözetim fiyatlandırmasından daha yavaş bir şekilde gözetim ücretlerini ele alıyor. New York eyaleti, yakın zamanda fiyatların kişisel verileri kullanarak belirlendiğinde tüketicilere bunun açıklanmasını gerektiren bir kural çıkardı; ancak ülkedeki çoğu yasa yalnızca fiyatları, maaşları değil, ele alıyor.
Colorado daha ileri gitmeye çalışıyor. Eşevde tanıtılan, “Fiyatları ve Ücretleri Belirlemek için Hassas Kişisel Verilerin Yasaklanması Yasası” adlı tasarı, şirketlerin maaşları algoritmik olarak belirlemek için paydayım kredisi geçmişi, konum verileri veya Google GOOG arama davranışı gibi hassas kişisel verileri kullanmasını yasaklarken, performans temelli ücretleri mümkün kılıyor; yani işverenler hala ücretleri ölçülebilir üretkenlikle ilişkilendirebilir.
Tasarıyı destekleyen Demokrat milletvekili Javier Mabrey, mali koşullara dayalı genel fiyat değişiklikleri ile ilgili dinamik fiyatlandırma ile aslında yaptıkları şeyi ayırt ettiğini söyledi. “Bu yasanın amacı, şirketlerin sizinle ilgili gerçekten kişisel bazı verileri çekmesini gerektiren bireyselleştirilmiş fiyat belirlemesidir; bu da arz ve talebi değil” dedi.
Gözetim ücretleri için özellikle, yasa şirketlerin çalışanların ücretlerini belirlemek için rızaları olmadan kişisel verilerini kullanmasını yasaklarken, Uber ve Lyft’in tasarıya karşı lobi yaptığını, ancak Mabrey’in her iki şirketin de bu konuda karşı çıktığını söyledi. “Neden yasayla kodlanmasını istemiyorsunuz?” diye sordu.