演算法正在惡化經濟不平等

Algorithms Are Making Economic Inequality Worse
麥克.瓦許 Mike Walsh
瀏覽人數:3532
使用人工智慧的企業,通常會雇用一小群高薪員工,再搭配數百萬個低薪勞工。新的數位鴻溝正在不斷擴大,一邊是有辦法得到高等教育與領導能力培訓的勞工,另一邊是無力取得這些資源,甚至還會受到演算法管理的勞工。面對演算法造成的不平等,企業領導人必須扮演重要的角色,不只應該為自由工作者規畫一些溝通、回饋意見和升遷的管道,還必須認真思考如何重新訓練員工,並提升社區參與。

演算法的歧視與偏誤風險,已受到很多注意與檢視,理應如此。但隨著社會使用人工智慧(AI)的情況日益增多,還有另一項隱含的不良副作用,那就是工作的本質正在改變,因而造成系統性的不平等。我們擔心未來機器人會搶走我們的工作,但如果未來有很大一部分勞工,最終是擔任由演算法管理的工作,而且未來發展很小,也很少有升遷的可能,又該如何?

有關憑自己努力而成功的常見說法之一,就是原本出身寒微,從公司的收發、出納或工廠第一線做起,一路向上爬。雖然這件事的難度,遠高於好萊塢電影描述的情況,但至少在傳統企業裡,由下向上流動仍是可能的。麥當勞前執行長查理.貝爾(Charlie Bell),一開始只是煎漢堡的工作人員。通用汽車(GM)董事長暨執行長瑪麗.芭拉(Mary Barra),出身於生產線。沃爾瑪(Walmart)執行長董明倫(Doug McMillon),最早的工作是在物流配送中心。

相較之下,你認為有多少優步(Uber)司機,有機會在這家共乘龍頭企業升上管理職?更不用說是經營這家公司了。未來,亞馬遜(Amazon)的最高層主管,又有多少人會是從送包裹、在層架上堆貨出身?雜貨配送與接送服務公司Instacart創辦人兼執行長已經成了億萬富翁,公司的第一筆訂單也許是由他親自遞送的,但你覺得之後還有多少人能這樣?

問題在於,現在有一種「程式碼天花板」妨礙了職涯升遷,而這種阻礙與性別或種族無關,因為在使用AI的組織裡,較資淺的員工和自由工作者,很少與其他人類員工互動,而是由演算法來管理。

在這個以數位方式協調工作的新時代,通常會有階層式的資訊流,也就是由公司決定要與你分享哪些資訊。計程車駕駛的運作方式,在司機和派車員之間、司機與司機之間,都會公開使用無線電溝通,而你若是為優步或Lyft工作,情況則不同,你們之間的互動內容,是一項優化功能所輸出的資訊,而這項功能的設計目的,是要讓效率與獲利極大化。

受到演算法管理,就會持續受到監控。如果你是中國食物外送平台「美團」或是「餓了麼」的幾百萬名外送員之一,會有一套演算法來判斷你送達某筆訂單的合理時間,如果你未能達成,就會被扣錢。同樣地,亞馬遜物流配送中心的員工,也會受到演算法嚴密追蹤,必須以「亞馬遜的步調」來工作,有人描述這種速度「大概界於走路和小跑步之間」。

你若是零工經濟工作者,除了應該要擔心AI上司的問題,還得擔心同事都是你的競爭對手。舉例來說,住在亞馬遜配送點或全食超市(Whole Foods)店面附近的芝加哥居民,發現一幅奇特景象:樹上掛著許多智慧型手機。為什麼?因為約聘的送貨駕駛員迫切想要贏過別的送貨員,得到送貨工作。他們相信,如果把手機掛在配送點附近,有助於矇騙分派工作的演算法;掛在樹上的手機,可能正是比別人早幾秒搶下15美元送貨單的關鍵。

過去幾十年間,「工作」一直在改變。勞動市場已變得愈來愈極端,相較於入門級、低階技能的工作,以及需要更高層級技能的高階職位,中階技能的職務正受到侵蝕。新冠病毒危機可能已加速了這個過程。自1990年以來,每一次美國經濟衰退之後,都伴隨失業型復甦(jobless recovery)。這一次,隨著AI、演算法與自動化重塑了勞動人力,最後可能帶來更糟的情形:K型復甦,也就是頂層階級前景大好,而其他所有人的財富大幅減少。

這個新的數位落差,是指能獲得高等教育、領導力指導、工作經驗的勞工,與無法取得這些資源的勞工之間的鴻溝正不斷擴大。我最近的著作《演算法領導人》(The Algorithmic Leader),就探討一種駭人的情境:出現以階級為分隔基礎的落差,包括:一群為演算法工作的大眾;一個享有特權的專業階級,擁有設計及訓練演算法系統的技能和能力;一小群超級富有的貴族階級,擁有運作這個世界的演算平台。

一群全球性、低薪、由演算法管理的勞動人力已經出現。在拉丁美洲,Rappi是成長最快速的新公司之一,業務結合了Uber Eats、Instacart和TaskRabbit的特色。在波哥大(Bogotá)、墨西哥市之類城市的顧客,為每一筆訂單需支付約一美元,或是每個月七美元就能享有所有服務,使用廣大的隨需供應送貨員的服務網路,他們可遞送食物、日用雜貨等,幾乎任何你想得到的都行。亞馬遜有個非正式的送貨員網路,稱為Amazon Flex,現在已經可以幫你把貨送到門口,不久之後,甚至可能在街上交貨給你、把貨放到你的後車廂裡,或是打開你家的門,然後幫你把貨品放到冰箱裡。

凱因斯(John Maynard Keynes)在1930年的演講「我們孫輩後代的經濟可能性」(Economic Possibilities for Our Grandchildren)中預測,到了2030年左右,生產的問題已經得到解決,每個人都有足夠的所有東西。但隱藏的問題是,機器會造成技術性失業(technological unemployment)。凱因斯沒有完全預料到的情境,就是我們現在面臨的高技術性失業,還伴隨著嚴重的不平等。

勞動人力正在改變,職場也在改變。你愈來愈會發現,最高層主管與外圍的臨時工作者之間有落差,甚至在組織內部也有這種落差。不論是在零售業或金融服務業、物流業或製造業,AI促成的企業都是由一小群高薪員工在經營,靠的是精密的自動化,以及在外圍邊緣地帶有著可能多達上百萬名、由演算法管理、低薪的自由工作者。

工作兩極化(job polarization)只是這個問題的一部分。我們真正應該要擔心的,是經過不斷循環,而出現由演算法造成的不平等陷阱。如果你是零工經濟工作者,依賴手機分派給你的工作,那麼不僅你會很少有升遷或發展的機會,而且其他的演算法也可能讓你的情況雪上加霜。不妨把這想成是一所數位的窮人救濟工廠。這群新的AI貧困階級,無論是收入或工作都受制於市場波動,而且可能受到自動化系統的不公平對待,這些系統決定誰能獲得福利、貸款、保險或健康照護,或者由這些系統來決定刑期。

但在問題還沒有真正完全顯現之前,就想貿然解決,可能非常危險,尤其如果是要把20世紀對勞工的保護做法,移植到21世紀的商業模式,就更加危險。受到民粹平台支持的一些政府及法規監管機構,已經把重點放在攻擊全球化的巨型數位企業,想讓這些企業無法迴避稅務責任,也設法規範他們提供給自由工作者的工作條件,限制他們的資料收集,甚至想對這些企業使用的機器人徵稅。其中一些構想確實有優點,而另一些構想並不成熟,或更糟的,就只是政治炒作。

對於演算法造成的不平等,較長期的解決方法不只是徵稅與法規管制,而在於我們是否有能力為21世紀提供合乎需求的教育系統。要調整並重新啟動教育,不會是件簡單的事。重點不是要尋求運用AI來教學的方式,真正的問題是:我們要如何教導人們在職涯當中善用機器智慧?我們要如何教導人們,為終生不斷學習和重新受訓做好準備?

企業領導人必須扮演重要的角色,不只應該為位於公司邊緣地帶的自由工作者,規畫一些溝通、回饋意見和升遷的管道,還必須認真思考如何重新訓練員工,並提升社區參與。舉例來說,AT&T重新訓練一半的員工,而思科(Cisco)、IBM、卡特彼勒(Caterpillar)、麥肯錫(McKinsey)、摩根大通(JPMorgan)提供實習機會給高中生,並與當地學校合作改進課程。這些都是很好的方案,但需要做更多,不只是為了凝聚社會,也是為了確保未來勞動力的多元性及敏捷度。

對於未來,我們需要更好的計畫。否則由演算法造成的不平等陷阱,不只會顯現在各種統計數據與財富比例上,也會出現其他令人憂慮的跡象,像是掛在樹上的智慧型手機,供遊民使用的帳篷區,以及送貨員仰望天空中送貨的無人機,預示著自己的末日逐步逼近。

(林俊宏譯)



麥克.瓦許 Mike Walsh

著有《演算法領導人》(The Algorithmic Leader: How to Be Smart When Machines Are Smarter Than You),他是全球顧問公司Tomorrow的執行長,協助設計符合21世紀需求的企業。


本篇文章主題技術