Ukurasa huu ni nini—na sio nini
Swali la uhamishaji kwa kawaida linaulizwa kama hesabu: AI inachukua kazi ngapi? Hilo lina umuhimu, na Kuondolewa Kazini na Uhamishaji wa Kiuchumi linalishughulikia. Ukurasa huu unauliza swali tofauti: nini kinatokea kwa kazi zinazobaki? Mfanyakazi anaweza kuendelea kupokea mshahara huku akipoteza udhibiti wa ratiba, kasi, hukumu za maamuzi, na heshima iliyofanya kazi hiyo istahili kufanywa.
Utaratibu ulioelezwa hapa—usimamizi wa kialgorithimu—umeonekana, umerekodiwa, na ni halisi. Utabiri wa kupanua matokeo ya sasa ya uchumi wa gigi na maghala kwenye uchumi mzima ni hoja, wala si kipimo. Ukurasa huu unabainisha ni kipi kilicho kipi.
Utaratibu: usimamizi wa kialgorithimu
Mapitio yenye kunukuliwa sana ya Kellogg, Valentine, na Christin yanafafanua usimamizi wa kialgorithimu kama programu inayofanya kazi za kiusimamizi: kugawa kazi, kufuatilia utendaji, kutathmini matokeo, na kuadhibu au kuthawabisha wafanyakazi (Kellogg, Valentine & Christin, “Algorithms at Work: The New Contested Terrain of Control,” Academy of Management Annals, 2020). Wanapanga zana katika mifumo sita—kupendekeza, kurekodi, kupima, kubadilisha, kuthawabisha, na kuadhibu—na kubainisha kwamba eneo la mgongano si jipya. Waajiri daima wamejaribu kutoa juhudi zaidi kwa malipo kidogo; kilichobadilika ni ukamilifu, kasi, na kutolingana kwa mfumo unaofanya hivyo.
Kwa vitendo hii inamaanisha: ratiba zilizowekwa na utabiri wa mahitaji badala ya meneja anayejua una mtoto shuleni; alama za uzalishaji zilizohesabiwa kutoka mibonyezo ya vitufe, uchunguzi, au sekunde-kwa-kazi; ukadiriaji wa nyota wa wateja unaotendewa kama upitiaji wa utendaji; na kufukuzwa kunakochochewa kiotomatiki wakati kipimo kinaposhuka chini ya kizingiti, wakati mwingine bila binadamu yeyote katika mzunguko huo kabisa. Mfanyakazi anapitia hili kama bosi ambaye daima anaangalia, hawezi kujadiliwa, na haiwezekani kukata rufaa kwake, kwa sababu hakuna mtu pale.
Mwelekeo wa safari
AI inapochukua kazi za kawaida za kiakili, kazi zilizobaki kwa binadamu zinapangwa katika makundi mawili. La kwanza ni kazi ambazo mashine hazijaweza kufanya bado: ufundi wenye ujuzi katika mazingira ya kimwili yasiyotabirika, mazungumzo changamano ya kibinadamu, hukumu ya kweli ya kibunifu. La pili ni kazi ambazo binadamu lazima wadumishwe kwa ajili yake—kwa sababu sheria, kanuni ya uwajibikaji, au mapendeleo ya mteja inahitaji mtu mahali fulani katika mnyororo, hata mfumo unapoweza kufanya karibu kila kitu kingine.
Ni katika kundi la pili ambapo ubora unadhoofika haraka zaidi. Iwapo mtu yupo tu kutimiza sharti, motisha ya mwajiri ni kufanya uwepo huo kuwa nafuu na wenye udhibiti kadri iwezekanavyo: hiari iliyoandikwa, utii unaofuatiliwa, hakuna nafasi. Mfanyakazi anakuwa muhuri wa idhini wa kibinadamu uliopigwa juu ya matokeo ya mashine—anawajibika kwa matokeo, ameondolewa mamlaka ya kuyaunda. Muuguzi anayetakiwa “kuthibitisha” upangaji wa AI kwa sekunde kumi na mbili kwa kila mgonjwa hasaidiwi; ni kizuizi cha uwajibikaji chenye stethoscope.
Kile ushahidi unaonyesha—na kile hakionyeshi
Ushahidi imara zaidi unatoka mazingira ambapo usimamizi wa kialgorithimu tayari ni kamili. Katika majukwaa ya gigi, watafiti walirekodi jinsi mifumo ya ukadiriaji na kanuni zisizo wazi za kufungiwa zinavyohamisha hatari kwa wafanyakazi huku wakiwanyima taarifa kuhusu nani anayeamua na kwa nini (Rosenblat & Stark, 2016). Katika maghala, ukamilifu wa ufuatiliaji hadi sekunde-kwa-kazi unahusishwa na viwango vya juu vya majeraha na uachaji katika uripoti wa uandishi wa habari na utetezi, ingawa makadirio ya sababu yaliyopitiwa na wenzake bado ni machache. Uchambuzi wa kimataifa wa Shirika la Kazi Duniani wa AI ya kuzalisha unabainisha wazi kwamba mfiduo wa uotomatishaji si sawa na kupoteza kazi, na kwamba vipimo vya ubora—ukamilifu wa kazi, uhuru, na fursa ya kutumia ujuzi—vinasogea kando kando na idadi ya wafanyakazi (ILO, 2023).
Uaminifu unahitaji mpaka: tafiti hizi zinapima mahali pa kazi mahususi, palipofuatiliwa sana. Kuzipanua kwa uchumi mzima ni hoja kwa kufanana, wala si kipimo. Baadhi ya kazi zilizobaki zitakuwa bora zaidi; ufuatiliaji fulani utashindwa au kurudi nyuma; wafanyakazi fulani wanapendelea unyumbufu unaoongozwa na programu kuliko mbadala, ambayo mara nyingi ni hakuna kitu. Dai linaloweza kutetewa ni finyu zaidi na bado zito: popote binadamu wanadumishwa katika mzunguko dhidi ya mapendeleo ya mwajiri, shinikizo la kawaida la kiuchumi linaelekea kwenye udhibiti, wala si uhuru.
Ishara tatu zinaonyesha ni upande upi mahali pa kazi panaelekea: kama wafanyakazi wanaweza kuona na kupinga data inayotumika kuwatathmini, kama binadamu yeyote mwenye mamlaka anaweza kupindua mfumo, na kama malengo ya uzalishaji yanaongezeka kiotomatiki huku programu ikijifunza ni zamu ipi ya utendaji bora ilikuwa. La tatu ndilo ishara. Mfumo unaoendelea kuongeza kiwango wafanyakazi wanapozoea si zana ya kupanga kazi; ni chombo cha uchimbaji, na kikomo chake kinawekwa na fiziolojia, wala si hukumu.
Swali la ukamilishano
Kama AI inaboresha jukumu lililobaki au kulidhoofisha halijaamuliwa na teknolojia. Linaamuliwa na nani anayechagua muundo. Mfano ule ule wa upangaji unaomwezesha muuguzi kutumia saa yake na wagonjwa wanaomhitaji unaweza badala yake kutumika kuweka kiwango chake. Msaidizi yule yule wa kuandika msimbo anayeshughulikia kazi za kawaida ili mwandaji programu mchanga ajifunze usanifu unaweza badala yake kutumika kuhalalisha usimamizi wa wachanga wanne badala ya kuajiri wakuu wawili.
| Uchaguzi wa muundo | Matokeo ya kuboresha | Matokeo ya kudhoofisha |
|---|---|---|
| Nani anaweka kasi | Mfanyakazi anadhibiti mfululizo | Mfumo unaweka kiwango, mfanyakazi anajaribu kufuata |
| Nani anaona data | Mfanyakazi anapata maoni ya utendaji | Mwajiri anafuatilia, mfanyakazi hawezi kukagua |
| Nani anamiliki hukumu | AI inashauri, binadamu anaamua kwa sababu | Binadamu anapiga muhuri, uwajibikaji unabaki kwa binadamu |
| Nini kinatokea kwa kosa | Upitiaji na mafunzo upya | Kushushwa kiotomatiki au kufukuzwa |
Viamuzi ni vya kitaasisi, wala si vya kiufundi: uwezo wa kujadiliana, viwango vinavyoweza kutekelezwa, kama mfanyakazi anaweza kukagua na kupinga data, na kama mtu yeyote juu ya kialgorithimu ana mamlaka na motisha ya kukipindua.
Kutolingana kumoja kunastahili msisitizo. Uboreshaji unapoahidiwa, mnufaika aliyeahidiwa ni mfanyakazi; udhoofishaji unapotokea, mnufaika ni mstari wa gharama. Kutolingana huko kunamaanisha mzigo wa uthibitisho unapaswa kuwa kwa shirika linalotumia mfumo: iwapo mfumo kweli unaboresha, wabunifu wake wanaweza kuonyesha hiari iliyodumishwa, data inayoweza kukaguliwa, na malengo thabiti. “Binadamu daima yupo katika mzunguko” si ushahidi wa uboreshaji wakati hatua pekee inayoruhusiwa kwa binadamu ni kuendelea.
Majibu ya sera na majadiliano
Ubora wa kazi ni suala la viwango vya kazi, wala si suala la msaada wa mpito tu. Programu za mafunzo upya hazifanyi lolote kwa mfanyakazi ambaye kazi yake mpya inaendeshwa, kupimwa, na kufungwa na kialgorithimu. Vyombo husika ni vya zamani zaidi na butu zaidi: haki za uwazi juu ya data inayotumika kukutathmini, taarifa na upitiaji wa binadamu kabla ya hatua mbaya, mipaka juu ya ufuatiliaji nje ya saa za kazi, na majadiliano ya kisekta yanayoweka sakafu za ratiba na kasi. Mikataba ya ILO kuhusu hali za kazi na usalama kikazi inatoa msingi ulioanzishwa—mfumo wa kutendea ukamilifu na ufuatiliaji kama masuala ya viwango, wala si maslahi ya kujadili mmoja mmoja (ILO, usalama na afya kazini).
Hakuna kati ya haya kinachohitaji kutendea AI kuwa ovu wa kipekee. Kinahitaji kukataa mfumo wa fikra kwamba chaguo pekee ni kati ya idadi ya kazi na hakuna kitu. Wafanyakazi wanaokabiliwa na ubora ulioshuka wanakabiliana na swali lile lile kama wafanyakazi wanaokabiliwa na uhamishaji katika Uchumi wa Mgawanyo na Mkusanyiko wa Madaraka: kama faida zinaelekea kwa watu ambao mfumo unawaangalia, au kwa wamiliki wake pekee. Watu binafsi wanaweza kujikinga kwa kiwango cha kaya kupitia Utofautishaji wa Kazi na Kipato; viwango vyenyewe ni mapambano ya pamoja, na yanastahili kupiganiwa kabla kundi la pili la kazi kuwa la kawaida.