Usynlige arbejdere driver meget af AI’s succes, men de har få karriereudsigter

I en ny artikel fra MIT’s Technology Review, talte direktøren for West Virginia University’s human-computer interaction lab, Sapih Savage, om problemet med “usynlige arbejdere” i AI-industrien. Mange af de store, enterprise-skala deep learning-applikationer kræver en masse træningsdata for at være pålidelige, og data-mærkning er typisk udført af mange lavtlønnede arbejdere fordelt over hele verden.

De største og mest succesfulde machine learning-modeller er ofte trænet på data, der er mærket af gig-arbejdere, ofte gennem platforme som Amazon’s Mechanical Turk. Mechanical Turk-arbejdere tager på mikroarbejde/mikroopgaver, der indebærer mærkning af data. Som eksempel kan arbejdere mærke objekter i billeder, så computer vision-systemet kan genkende objekter, eller transskribe dialog, så en talegenkendelsessystem kan bruges til en digital assistent.

Nogle estimeringer sætter antallet af Mechanical Turk-arbejdere i USA til mere end en halv million mennesker, og mere end halvdelen af dem tjener tre fjerdedele eller mere af deres indtægt gennem platformen. Antallet af gig-arbejdere på platforme som Mechanical Turk er vokset i de seneste måneder på grund af Covid-19-pandemien, der har sat mange arbejdsløse.

Savage talte om, hvordan crowd work ikke er en intrinsisk dårlig ting, men det kan potentielt være udnyttende. Flertallet af disse arbejdere tjener under minimumsløn. Disse stillinger tenderer også til at være stagnerende, da de ikke giver arbejderne mulighed for at opgradere eller udføre arbejde, som de let kan liste på en CV. Andre tech-virksomheder som Microsoft eller Google kan have deres egne platforme, som de rekrutterer arbejdere på, men processen er ofte den samme.

Savage mener, det ikke er intentionen, at store tech-virksomheder, der beskæftiger distribuerede arbejdere, underbetaler arbejdere. Savage argumenterer for, at det er mere sandsynligt, at tech-virksomheder ikke forstår, hvor involveret og kompetent arbejdet er, som de beder deres arbejdere om at udføre, og forventer, at det ikke tager så lang tid, som det faktisk gør.

Savage argumenterer for, at en række ændringer kan gøres for at forbedre arbejdsforhold og karriereforløb for de usynlige arbejdere, der muliggør oprettelsen af AI-modeller. Det er muligt at oprette systemer, der hjælper arbejdere med at evaluere, hvor lang tid en opgave vil tage at fuldføre, så de kan afgøre, om det er værd at bruge deres tid. I virkeligheden forsøger Savage at oprette en AI-model, der hjælper arbejdere med bedre at forudsige, hvilke opgaver der er værd at bruge deres tid på, og hvilke opgaver der vil hjælpe dem med at bygge de ønskede færdigheder. Den foreslåede AI-model vil lære, hvilken type råd der er mest effektivt for dens nuværende bruger, tage feedback og forbedre sig over tid. Hvis en arbejder ønsker at øge den mængde penge, de tjener, kan de bruge AI-værktøjet til at bestemme, hvilke opgaver de skal fokusere på.

I forhold til at hjælpe usynlige arbejdere med at forbedre karriere muligheder, kan arbejdere vejledes mod opgaver, der vil hjælpe dem med at bygge nye færdigheder. Virksomheder, der poster opgaver på disse mikroarbejdsplatforme, kan også tilbyde praktik og kurser ud over træningssessioner. Til sidst argumenterer Savage for, at gig-arbejdere i tech-rummet behøver at få agentur og respekt, ligesom arbejdere i enhver anden del af tech-sektoren. Som Savage citeres via MIT Technology Review:

“Det handler om at ændre narrativen, også. Jeg mødte nylig to crowdworkers, som jeg har talt med, og de kalder sig selv tech-arbejdere, hvilket – jeg mener, de er tech-arbejdere på en vis måde, fordi de driver vores tech. Når vi taler om crowdworkers, præsenteres de typisk som havende disse forfærdelige jobs. Men det kan være hjælpsomt at ændre måden, vi tænker om, hvem disse mennesker er. Det er bare endnu et tech-job.”

Savages interview kommer, da der gives mere opmærksomhed til rettighederne for gig-arbejdere i tech-sektoren. Lige for nylig anerkendte den tyske føderale arbejdsret en crowdworker som havende den juridiske status som ansat, muligvis med implikationer for fremtidig behandling af crowdworkers i Tyskland.