یک الگوریتم تعیین فرفره کارگران پرداخت و آنها آن را دوست ندارم

همان روز تحویل شده است یک بخش در حال رشد هدف کسب و کار در طول بیماری همه گیر. اما هدف کارکنان نمی انجام بسیاری از کار چیدن کالا از فروشگاه ها و تحویل آن به مشتریان خانه. به جای آن بیشتر به کار گرفته شده توسط فرفره کارگران استخدام از طریق یک پلت فرم به نام Shipt.

در این هفته برخی از آنها در اعتراض خود ساختار پرداخت. به جای پرداخت یک مجموعه رای دادن در هر سفارش یک الگوریتم را وزن چقدر شلوغ یک فروشگاه است چگونه بد ترافیک خیابان است و عوامل دیگر به مجموعه ای از پرداخت برای سفارش.

الگوریتم های بنیادی برای چه گیگ سیستم عامل مانند Uber و یا Instacart انجام کسب و کار. اکثر کاربران با آن آشنا هستند افزایش قیمت که در آن قیمت ها بسته به تقاضا است. اما این فقط بخشی از یک شبکه پیچیده از الگوریتم های که بر همه چیز را از که شغل یک گیگ کارگر ارائه شده است به چه مقدار از آنها دریافت پرداخت برای آنها.

"من واقعا مقایسه آن را به مانند جادوگر, پشت پرده, در فیلم" جادوگر شهر از,'" گفت: کارلوس راموس یک سوار-نقطه راننده در سان Diego سه سال گذشته. "چیزهای اتفاق می افتد به عقب وجود دارد و شما هیچ ایده چه خبر است."

راموس است متوجه برخی از الگوهای: زمانی که او برای اولین بار سیاهههای مربوط در او به نظر می رسد ارائه یک مقدار کوتاه تر و کمتر سودآور سواری تا زمانی که او تصمیم می گیرد به آن روز و سر خانه.

"و سپس من شما می توانید یک درخواست برای یک صد مایل سفر در جهت دیگر" او گفت:. "این اتفاق افتاده است وقت و زمان دوباره."

او فکر می کند آن را به دلیل از, Lyft, الگوریتم, اما او نمی تواند مطمئن باشد چرا که شرکت های خود را نگه دارید نرم افزار مخفی.

"ما هیچ ایده" گفت: Veena Dubal یک استاد در دانشگاه کالیفرنیا Hastings, کالج از قانون است. "همه چیز که ما می دانیم در مورد الگوریتم های مبتنی بر آنچه کارگران به ما بگویید که آنها تجربه می کنند."

Dubal به بررسی صدها گیگ کارگران به اذیت کردن چگونه الگوریتم کار می کنند و او به این نتیجه رسیدند آنها طراحی شده برای نگه داشتن کارگران وارد شده برای به عنوان کم به عنوان امکان پذیر است.

"بنابراین آنها نمی تواند پیش بینی درآمد خود را در هر روز داده شده و یا هر shift," او گفت:.

این سیستم باعث بی ثباتی مالی قرار می دهد که کارگران در یک نقطه ضعف در گفت کیت کرافورد از بنیانگذاران هوش مصنوعی در حال حاضر موسسه در دانشگاه نیویورک.

"این الگوریتمی سیستم اساسا افزایش قدرت عدم تقارن بین کارگران و کارفرمایان به کاملا یک درجه افراطی," او گفت:.

در حالی که هر یک پلت فرم منحصر به فرد الگوریتم همه آنها یک هدف مشترک او گفت: به حداکثر رساندن سود اغلب در هزینه های کارگران است.

داستان های مربوط به