Các nhà tuyển dụng đang sử dụng dữ liệu cá nhân của bạn để xác định mức lương thấp nhất bạn sẽ chấp nhận

Arbeidsgivere bruker dine personopplysninger for å finne ut den laveste lønnen du vil akseptere
Genna Contino
9 minutter lesetid
Du har sannsynligvis allerede kjent den digitale smerten ved "surveillance pricing." Det kan se ut som et flyselskap som annonserer en spesifikk billettpakke fordi data fra lojalitetsprogrammet antyder at kunden sannsynligvis vil kjøpe den, eller en nettside som tar mer for morsmelkerstatning fordi en algoritme registrerte desperasjonen til en nyforelder.
Vi lever i en verden der kjøpshistorikken din, nettleserhastigheten og til og med postnummeret ditt i økende grad dikterer kostnadene ved livet ditt. Og ettersom selskaper blir flinkere til å samle inn og analysere personopplysninger, sikter de ikke bare mot pengene som kommer ut av lommeboken din – de kontrollerer også hvor mye som går inn i den.
Eksperter beskriver "surveillance wages" som et system der lønninger er basert ikke på en ansatts prestasjoner eller ansiennitet, men på formler som bruker deres personopplysninger, ofte samlet inn uten de ansattes kunnskap.
Selskaper prøver allerede å få nye ansatte til å akseptere det lavest mulige lønnstilbudet. Men mens det en gang betydde å vurdere en kandidats erfaring og kvalifikasjoner opp mot markedsprisen, betyr det i økende grad å mate kandidatens personopplysninger inn i en algoritme.
Ifølge Nina DiSalvo, policy director i arbeidsadvokatgruppen Towards Justice, bruker noen systemer signaler knyttet til økonomisk sårbarhet – inkludert data om hvorvidt en potensiell ansatt har tatt opp en daglån eller har en høy kredittkortsaldo – for å slutte seg til den laveste lønnen en kandidat kan akseptere. Selskaper kan også skrape kandidaters offentlige personlige sosiale mediesider, hun sa, for å finne ut om de er mer sannsynlig å bli med i et fagforening eller kan bli gravide. Dataene kan brukes til å bestemme lønnsøkninger etter at en ansatt er ansatt, og praksisen kan gli inn i diskriminering, sier eksperter.
"Hvis du er et selskap som tukler med denne typen praksis på forbrukere, ser du på hvor godt det fungerer," sa Lindsay Owens, direktør for Groundwork Collaborative, en progressiv tenketank. "Arbeidere er også forbrukere. Hvis det fungerer på forbrukere, fungerer det på arbeidere. Det er den samme psykologien."
En audit av 500 arbeids- og ledelses-kunstig intelligens-selskaper i sinart, utført av Veena Dubal, professor ved University of California, Irvine, og Wilneida Negrón, en teknologistrateg, fant at arbeidsgivere i helsevesen, kundeservice, logistikk og detaljhandel er kunder hos leverandører hvis verktøy er designet for å muliggjøre denne praksisen. Rapporten, publisert av Washington Center for Equitable Growth, en progressiv økonomisk tenketank, identifiserte store amerikanske arbeidsgivere som blant disse kundene, inkludert Intuit INTU, Salesforce CRM, Colgate-Palmolive CL, Amwell AMWL og Healthcare Services Group HCSG.
Rapporten hevder ikke at alle arbeidsgivere som bruker disse systemene, engasjerer seg i algoritmisk lønnsspionasje. Den advarer imidlertid om at den økende bruken av algoritmiske verktøy for å analysere ansattes personopplysninger kan muliggjøre lønnsmessige praksiser som prioriterer kostnadsbesparelser fremfor åpenhet eller rettferdighet.
Colgate-Palmolives direktør for corporate communications, Thomas DiPiazza, sa at selskapet "ikke bruker algoritmisk lønnsfastsettende verktøy for å ta lønnsbeslutninger for våre ansatte eller for å fastsette lønninger for nyansatte."
Intuit "engasjerer seg ikke i slike praksiser," sa en talsperson for det selskapet til MarketWatch.
De andre selskapene som er nevnt i rapporten, svarte ikke på MarketWatchs forespørsler om kommentarer.
Surveillance wages stopper ikke ved ansettelsesstadiet – de følger også arbeiderne på jobb.
Leverandørene som tilbyr slike tjenester, tilbyr også verktøy som er utviklet for å fastsette bonus- eller insentivkompensasjon, ifølge rapporten. Disse verktøyene sporer deres produktivitet, kundekontakter og sanntidsatferd – inkludert, i noen tilfeller, lyd- og videoovervåking på jobb. Nesten 70 % av selskapene med mer enn 500 ansatte brukte allerede systemer for overvåking av ansatte i 2022, for eksempel programvare som overvåker datamaskinvirksomhet, ifølge en undersøkelse fra International Data Corporation.
"Dataene de har om deg kan tillate et algoritmisk beslutningssystem å gjøre antagelser om hvor mye, hvor stort et insentiv, de trenger å gi en bestemt arbeider for å generere den ønskede atferdsmessige responsen," sa DiSalvo.
'Dømmende vår desperasjonsrate'
Et av de klareste eksemplene på overvåkningsdrevet lønnsfastsettelse finnes i on-demand helsepersonell. En rapport utarbeidet av Roosevelt Institute, en liberal-orientert tenketank, var basert på intervjuer med 29 gig-sykepleiere og fant at bemanningsplattformer som gig-sykepleiere bruker for å melde seg på vakter, inkludert CareRev, Clipboard Health, ShiftKey og ShiftMed, rutinemessig bruker algoritmer for å fastsette betaling for individuelle vakter.
ShiftKey benektet å engasjere seg i lønnsspionasje da de ble kontaktet av MarketWatch for kommentarer. "ShiftKey benekter utvetydig å bruke noen datamediatortjenester eller engasjere seg i noen form for lønnsspionasje," sa Regan Parker, selskapets juridiske direktør og offentlig talsperson. Parker bestred spesifikt påstander fra Roosevelt Institute-rapporten om at plattformen deres bruker ansattes gjeldnivåer for å fastsette lønn, og uttalte at ShiftKey ikke bruker kredittkort- eller annen gjeldsdata for å fastsette lønn og ikke kunne kommentere praksisen til andre plattformer.
CareRev, Clipboard Health og ShiftMed svarte ikke på forespørsler om kommentarer.
I stedet for å tilby en fast lønn, justerer plattformene betalingen basert på hva de vet om hver arbeider – inkludert hvor ofte en sykepleier aksepterer vakter, hvor raskt de svarer på utlysninger og hvilken lønn de har akseptert tidligere, ifølge Roosevelt Institute-rapporten. Sykepleiere som ble intervjuet for rapporten, sa at dette ofte resulterte i at sykepleiere ble betalt forskjellige beløp for det samme arbeidet, selv innenfor samme anlegg.
Kritikere hevder at systemet belønner arbeidere ikke for ferdigheter eller erfaring, men for hva deres atferd avslører om deres økonomiske sårbarhet. Slike systemer "kan bestemme lønn basert på hva firmaet vet om hvor mye en sykepleier var villig til å akseptere for en tidligere oppgave," skrev rapportens forfattere, og låser dem inn i lavere lønnsbånd over tid.
Ifølge Rideshare Drivers United, fagforeningen som representerer rideshare-sjåfører, har algoritmisk lønn formet lønnen for den bransjens arbeidere i årevis. Ben Valdez, en rideshare-sjåfør basert i Los Angeles, sa at etter at Uber UBER og Lyft LYFT rullet ut nye lønnsalgoritmer for flere år siden, sank inntektene hans – selv om etterspørselen etter pandemien tok seg opp igjen. Ved å sammenligne notater med andre sjåfører, sier Valdez at han har sett forskjellige sjåfører tilbudt forskjellige grunnpriser for samme tur til samme tid.
Valdez sier at sjåfører i utgangspunktet blir vist en ta-eller-la-deg-rate, som bare stiger etter at nok sjåfører har avvist den. Hvordan denne startprisen er satt, er ugjennomsiktig. "Hvorfor en sjåfør får en annen, høyere grunn, er ukjent," sier han.
Den usikkerheten er etter design, ifølge Zephyr Teachout, professor ved Fordham University. I en rapport fra 2023 skrev Teachout at Uber "bruker data-rike sjåførprofiler for å matche lønnen til den enkelte sjåførens insentiver og plattformens behov," og siterte tidligere forskning av Dubal og rapportering fra The Markup.
Uber sa i en e-post til MarketWatch at deres oppadgående priser er basert på tid, avstand og etterspørselsforhold, og at deres algoritmer ikke bruker individuelle sjåføreksempler eller tidligere atferd for å fastsette lønn. Rideshare trade association Flex, som svarte etter at MarketWatch hadde kontaktet Lyft for kommentarer, sa i en uttalelse at data-drevne teknologier "hjelper til med å behandle sanntids- og historiske data for å hjelpe med å matche arbeidere med en levering eller tur som representerer den mest effektive bruken av deres tid, noe som igjen lar dem bruke mer tid på å tjene."
Arbeidsadvokater er fortsatt skeptiske. "Det er å dømme vår desperasjonsrate," sa Nicole Moore, president i Rideshare Drivers United.
Noen lovgivere følger med
Kritikere av lønnsspionasje hevder at praksisen kan føre til diskriminering på arbeidsplassen ved å tillate arbeidsgivere å omgå tradisjonelle merittbaserte lønninger. Fordi disse algoritmene er designet for å finne det absolutte minimum en person vil akseptere basert på deres økonomiske historie og andre faktorer, kan de uforholdsmessig målrette de mest økonomisk sårbare arbeidstakerne.
Dette skaper en syklus der en persons tidligere økonomiske vanskeligheter eller personlige livsvalg brukes til å rettferdiggjøre lavere lønn i nåtiden, ofte uten at arbeidstakeren noen gang vet hvilke dataelementer som ble brukt mot dem.
"Vi vet konseptet om glass taket. Men i det konseptet har vi i det minste litt synlighet gjennom det glass taket. Vi har en følelse av hvordan den verden ser ut. Vi kan bryte det hvis vi gjør de riktige tingene og mobiliserer," sa Joe Hudicka, forfatteren av en bok som heter "The AI Ecosystems Revolution." "Dette lønnsspionasjetaket – det er jern. Det er betong. Det er noe som er ugjennomtrengelig."
Lovgivere har vært tregere med å ta tak i lønnsspionasje enn overvåkningsprising. New York state har nylig vedtatt en regel som krever at selskaper avslører for forbrukere når prisene deres er satt med algoritmer som bruker deres personopplysninger – men de fleste lover rundt landet ser bare på priser, ikke lønnsslipper.
Colorado prøver å gå lenger. Et lovforslag som er introdusert i delstatsforsamlingens hus, med tittelen Prohibit Surveillance Data to Set Prices and Wages Act, vil forby selskaper å bruke intime personopplysninger – for eksempel daglånshistorikk, lokalitetsdata eller Google GOOG-søkebehov – til å algoritmisk fastsette hva noen blir betalt. Lovforslaget skiller ut ytelsesbaserte lønninger, noe som betyr at arbeidsgivere fortsatt kan knytte lønn til målbar produktivitet.
Rep. Javier Mabrey, en demokrat som sponser lovforslaget, trekker en skarp linje mellom dynamisk prising – der kostnader skifter basert på brede markedsforhold – og hva han hevder disse systemene faktisk gjør. "Det lovforslaget handler om er individualisert prising, noe som er forskjellig fra dynamisk prising," sa han. "Det krever at selskapet trekker noen virkelig personlige data relatert til deg, ikke tilbud og etterspørsel."
For lønnspionasje spesifikt vil lovforslaget forby selskaper å bruke ansattes personopplysninger – uten deres samtykke – for å bestemme hva de blir betalt. Uber og Lyft har benektet å bruke individuelle sjåføreksempler for å fastsette lønn, men Mabrey sier at begge selskapene lobbyer mot lovforslaget. "Hva er problemet med å kodifisere i lov at du ikke har lov til?" spurte han.