# Как алгоритмы усугубляют системное неравенство

ИИ, помимо бесчисленных преимуществ, имеет неожиданную отрицательную черту: ухудшение системного неравенства

ИИ, помимо бесчисленных преимуществ, имеет неожиданную отрицательную черту: ухудшение системного неравенства. Мы опасаемся будущего, в котором роботы крадут наши работы, но что произойдет, когда значительная часть рабочей силы окажется в алгоритмически управляемых рабочих местах?Классическая история успеха — лидер, начавший скромно, с мелкой должности в почтовом отделении, кассе или на заводе. Хоть это и было нелегко, в традиционных организациях восходящая мобильность была очень даже возможна. Та же Мэри Барра, председатель и главный исполнительный директор General Motors, сама стояла за [конвейер](<https://www.esquire.com/lifestyle/cars/interviews/a44325/what-ive-learned-mary-barra/>)ом. Есть и отечественные примеры: Айдын Рахимбаев начинал свой путь миллионера, будучи разнорабочим.Для сравнения, сколько водителей Bolt, по вашему мнению, когда-либо получат шанс занять руководящую должность в компании, не говоря уже о том, чтобы стать CEO? Сколько будущих топ-менеджеров Wildberries начнут свою карьеру с доставки посылок или формирования заказов? Кто сможет повторить путь основателя Instacart, Апурвы Меты, лично выполнившего первый заказ компании?Существует «потолок кода», препятствующий продвижению по карьерной лестнице — независимо от пола или расы — в организации, основанной на искусственном интеллекте, младшие сотрудники и фрилансеры редко взаимодействуют с другими коллегами-людьми. Вместо этого они управляются алгоритмами.Сейчас, когда люди работают под началом искусственного интеллекта, информация обычно распределяется иерархически: компания сама выбирает, какими данными делиться с сотрудниками. В классических службах такси водители открыто разговаривали друг с другом и с диспетчером — но когда вы работаете на Uber или Яндекс.Такси, взаимодействия определяет программа, призванная максимизировать эффективность и прибыль.Алгоритмическое управление означает постоянный мониторинг и наблюдение. Китайские Meituan или Ele.me [используют алгоритмы](<https://www.thenation.com/article/archive/china-delivery-meituan-uber/>) чтобы понять, сколько времени требуется для доставки заказов курьерами. Алгоритм может уменьшать зарплату, штрафуя сотрудника, если тот не уложится в срок. За сотрудниками центров дистрибуции Amazon тоже внимательно [бдит ИИ](<https://www.abc.net.au/news/2019-02-27/amazon-australia-warehouse-working-conditions/10807308?nw=0>): они должны ходить «в темпе Amazon», который описывается как «нечто среднее между ходьбой и бегом».В гиг-экономике приходится думать не только о ИИ-боссах, но и о коллегах-конкурентах. Например, жители Чикаго обнаружили рядом с сортировочными центрами Amazon и магазинами Whole Foods висящие на деревьях смартфоны. Оказалось, курьеры-контрактники, пытаясь первыми получить заказ, [придумали это](<https://www.bloomberg.com/news/articles/2020-09-01/amazon-drivers-are-hanging-smartphones-in-trees-to-get-more-work>): если прицепить телефон на дерево поблизости, можно будет якобы перехитрить алгоритм.Рынок труда становится все более поляризованным: рабочие места со средней квалификацией сокращаются, по сравнению с работой начального уровня (низкоквалифицированной работой) и работой, требующей более высокого уровня квалификации. Кризис Covid-19, вероятно, ускорил этот процесс. Уже появляется глобальная низкооплачиваемая алгоритмическая рабочая сила. Будь то розничная торговля или финансовые услуги, логистика или производство, организации с искусственным интеллектом управляются небольшой группой высокооплачиваемых сотрудников, поддерживаемых сложной автоматизацией и потенциально миллионами алгоритмически управляемых низкооплачиваемых фрилансеров на периферии.Долгосрочное решение алгоритмического неравенства будет заключаться не только в налогообложении и регулировании, но, скорее, в нашей способности обеспечить адекватную систему образования для 21 века. Перезагрузить образование будет непросто. Вместо того, чтобы искать способы использовать ИИ в обучении, возникает вопрос: как научить людей использовать машинный интеллект в *своей *карьере? И как научить людей быть готовыми к непрерывному обучению и переподготовке в течение всей жизни ?Руководители компаний призваны сыграть решающую роль. Им следует не только найти каналы связи, фидбека и продвижения работников периферии, но и серьезно отнестись к переподготовке и вовлечению коллектива. Например, AT&T [переобучает половину своих сотрудников](<https://www.cnbc.com/2018/03/13/atts-1-billion-gambit-retraining-nearly-half-its-workforce.html>), в то время как Cisco, IBM, Caterpillar, McKinsey и JPMorgan предлагают стажировки старшеклассникам и [работают с местными школами](<https://www.ft.com/content/15fa61fe-4a10-11e8-8ee8-cae73aab7ccb>) над обновлением своих учебных программ. Все это—отличные инициативы, которые стоит взять на заметку, но потребуется ещё больше; не только для социальной сплоченности, но и для обеспечения разнообразия и гибкости рабочей силы завтрашнего дня.
