Εκείνο το like στην ανάρτηση της ΓΣΕΕ για τη γενική απεργία. Οι φωτογραφίες από τον πρόσφατο γάμο σας. Το προσωπικό δάνειο που χρειάστηκε να πάρετε για να καλύψετε μια έκτακτη επισκευή στο σπίτι. Η πιστωτική σας κάρτα που βρίσκεται «στο κόκκινο» για περισσότερο από έναν μήνα. Τι κοινό μπορεί να έχουν όλα αυτά;
Θεωρητικά, θα μπορούσαν να σας στοιχίσουν τη θέση εργασίας που κυνηγάτε. Ή να «ψαλιδίσουν» την αμοιβή που θα σας προσφέρει ένας εργοδότης, αν τελικά προσληφθείτε.
Η πρακτική ονομάζεται surveillance wages και βρίσκεται στον αντίποδα του surveillance pricing. Η λογική είναι η ίδια. Ο στόχος, όμως, αλλάζει. Δεν είναι πλέον ο καταναλωτής, αλλά ο εργαζόμενος.
Εδώ και χρόνια οι μεγάλες ψηφιακές πλατφόρμες χρησιμοποιούν δεδομένα για να εκτιμήσουν τη μέγιστη τιμή που είναι διατεθειμένος να πληρώσει ένας καταναλωτής για ένα αεροπορικό εισιτήριο, ένα δωμάτιο ξενοδοχείου ή μια διαδρομή με ταξί. Τώρα, ειδικοί προειδοποιούν ότι η ίδια τεχνολογία μπορεί να χρησιμοποιηθεί και προς την αντίθετη κατεύθυνση: για να υπολογίσει τον χαμηλότερο μισθό που είναι πιθανό να αποδεχθεί ένας υποψήφιος εργαζόμενος.
Από την τιμή του προϊόντος… στην τιμή της εργασίας
Οι ειδικοί περιγράφουν τα surveillance wages ως ένα σύστημα στο οποίο οι αμοιβές δεν καθορίζονται από την εμπειρία, την προϋπηρεσία ή την απόδοση ενός εργαζομένου, αλλά από αλγορίθμους που επεξεργάζονται προσωπικά δεδομένα προκειμένου να εκτιμήσουν τη διαπραγματευτική ισχύ ενός υποψηφίου.
Ένα υψηλό υπόλοιπο στην πιστωτική κάρτα ή ένα προσωπικό δάνειο μπορεί να θεωρηθούν ένδειξη οικονομικής πίεσης και αυξημένης ανάγκης για εργασία. Αναρτήσεις ή αλληλεπιδράσεις καταδεικνύουν τη στάση ενός υποψηφίου απέναντι στον συνδικαλισμό. Φωτογραφίες από έναν πρόσφατο γάμο ή άλλες προσωπικές αναρτήσεις ενδέχεται να εκληφθούν ως ένδειξη ότι ένας υποψήφιος σχεδιάζει να αποκτήσει σύντομα οικογένεια.
Αν και κανένα από αυτά τα στοιχεία δεν αποδεικνύει από μόνο του κάτι, η λογική των αλγορίθμων δεν βασίζεται σε βεβαιότητες.
Βασίζεται στον υπολογισμό πιθανοτήτων. Και βάση αυτών λαμβάνει αποφάσεις: θα προσφέρει τη θέση εργασίας; Και αν ναι, με τι αμοιβή;
Όταν η περισσότερη δουλειά σημαίνει λιγότερα χρήματα
Η Νικόλ άρχισε να οδηγεί για τη Lyft τα Σαββατοκύριακα όταν αυξήθηκε η δόση του στεγαστικού της δανείου. Είχε βάλει έναν ξεκάθαρο στόχο: να κερδίζει 200 δολάρια σε κάθε βάρδια, ώστε να καλύπτει τη νέα μηνιαία επιβάρυνση.
Στην αρχή το πετύχαινε σχετικά εύκολα. Μέσα σε μόλις δύο μήνες, όμως, διαπίστωσε ότι χρειαζόταν ολοένα και περισσότερες ώρες για να φτάσει στο ίδιο ποσό. Τα ημερήσια έσοδά της είχαν μειωθεί έως και κατά 50 δολάρια, παρότι συνέχιζε να εργάζεται τις ίδιες ώρες και να διατηρεί υψηλή βαθμολογία ως οδηγός. Έναν χρόνο αργότερα, οι αποδοχές της είχαν μειωθεί κατά άλλα 50 δολάρια ανά βάρδια, αναγκάζοντάς την να εργάζεται πλέον και τις Κυριακές για να συμπληρώσει το χαμένο εισόδημα.
Η ιστορία της Νικόλ ανοίγει τη μελέτη του Κέντρου της Ουάσιγκτον για τη Δίκαιη Ανάπτυξη (Washington Center for Equitable Growth), έναν από τους σημαντικότερους ανεξάρτητους ερευνητικούς οργανισμούς στις Ηνωμένες Πολιτείες που ειδικεύεται στη σχέση μεταξύ οικονομικής ανάπτυξης, αγοράς εργασίας και ανισοτήτων.
Η μελέτη, με τίτλο «How Artificial Intelligence Uncouples Hard Work from Fair Wages through “Surveillance Pay” Practices—and How to Fix It» (Αύγουστος 2025), τεκμηριώνει ένα φαινόμενο που μέχρι πρόσφατα θεωρούνταν αποκλειστικό χαρακτηριστικό της gig economy: τη χρήση αλγορίθμων για τον καθορισμό των αμοιβών των εργαζομένων.
Οι ερευνήτριες Veena Dubal και Wilneida Negrón πραγματοποίησαν αυτό που χαρακτηρίζουν ως τον πρώτο συστηματικό έλεγχο της αγοράς λογισμικού τεχνητής νοημοσύνης για τη διαχείριση εργαζομένων. Εξέτασαν 500 εταιρείες που αναπτύσσουν εφαρμογές για τη διαχείριση προσωπικού, την παρακολούθηση εργαζομένων και την ανάλυση της απόδοσής τους και εντόπισαν 20 προμηθευτές των οποίων τα προϊόντα θεωρούνται υψηλού κινδύνου για τη δημιουργία συστημάτων surveillance pay.
Σύμφωνα με τη μελέτη, τα συγκεκριμένα εργαλεία επεκτείνονται – εκτός από τις πλατφόρμες διανομής και μεταφορών -στην υγεία, την εξυπηρέτηση πελατών, τα logistics και το λιανεμπόριο, ενώ τα περισσότερα μπορούν να συνδεθούν απευθείας με τα πληροφοριακά συστήματα ανθρώπινου δυναμικού και μισθοδοσίας μιας επιχείρησης.
Οι ερευνήτριες υποστηρίζουν ότι πρόκειται για μια θεμελιώδη αλλαγή στον τρόπο με τον οποίο καθορίζονται οι αποδοχές. Όπως προειδοποιούν, η τεχνητή νοημοσύνη κινδυνεύει να «αποσυνδέσει τη σκληρή δουλειά από τον δίκαιο μισθό», αντικαθιστώντας διαφανείς κανόνες αμοιβής με αδιαφανείς αλγοριθμικές αποφάσεις.
«Uber» για τις νοσηλεύτριες
Σύμφωνα με έρευνα του Ινστιτούτου Ρούζβελτ (Roosevelt Institute), ενός από τους σημαντικότερους αμερικανικούς οργανισμούς δημόσιας πολιτικής, το μοντέλο της gig economy έχει επεκταθεί σε έναν από τους πιο κρίσιμους κλάδους της οικονομίας: την υγεία.
Νοσοκομεία και μονάδες περίθαλψης στις Ηνωμένες Πολιτείες χρησιμοποιούν ολοένα και περισσότερο ψηφιακές πλατφόρμες όπως οι Clipboard Health και ShiftKey για να καλύπτουν κενές βάρδιες νοσηλευτών, μετατρέποντας ουσιαστικά τη νοσηλευτική σε εργασία «κατά παραγγελία».
Η έρευνα «Uber for Nursing: How an AI-Powered Gig Model Is Threatening Health Care» (2024) βασίστηκε σε 29 συνεντεύξεις με νοσηλεύτριες και βοηθούς νοσηλευτών που εργάζονται μέσω αυτών των εφαρμογών και περιγράφει ένα σύστημα όπου η τεχνητή νοημοσύνη επηρεάζει άμεσα και τον τρόπο με τον οποίο διαμορφώνονται οι αμοιβές.
Χαρακτηριστική είναι η περίπτωση της Ashley, μιας πιστοποιημένης βοηθού νοσηλευτή (Certified Nursing Assistant – CNA) που εργάζεται μέσω της πλατφόρμας ShiftKey, αναζητώντας βάρδιες σε οίκους ευγηρίας και άλλες δομές μακροχρόνιας φροντίδας.
Για να διεκδικήσει μια διαθέσιμη βάρδια, δεν αρκεί να δηλώσει ότι είναι διαθέσιμη. Η εφαρμογή την καλεί να υποβάλει προσφορά, δηλώντας «τον χαμηλότερο ωριαίο μισθό για τον οποίο είναι διατεθειμένη να εργαστεί» . Για να αυξήσει τις πιθανότητες να επιλεγεί, η Ashley αναγκάζεται να μειώνει συνεχώς την προσφορά της, ανταγωνιζόμενη άλλες νοσηλεύτριες που διεκδικούν την ίδια βάρδια.
Όπως επισημαίνουν οι ερευνητές Katie J. Wells και Funda Ustek Spilda, η διαδικασία δημιουργεί μια «κούρσα προς τα κάτω» (race to the bottom) στις αμοιβές, καθώς οι εργαζόμενοι ανταγωνίζονται μεταξύ τους για να εξασφαλίσουν μια βάρδια αποδεχόμενοι ολοένα χαμηλότερες αμοιβές.
Πρώτη απόπειρα να μπουν κανόνες: Απέτυχε
Καθώς το φαινόμενο εξαπλώνεται σε ολόκληρη την αγορά εργασίας, ειδικοί και νομοθέτες προσπαθούν να βάλουν φρένο στην ασυδοσία.
Η Ομοσπονδία Αμερικανών Επιστημόνων (Federation of American Scientists – FAS), ένας από τους παλαιότερους και πλέον επιδραστικούς επιστημονικούς οργανισμούς δημόσιας πολιτικής στις Ηνωμένες Πολιτείες, δημοσίευσε πρόσφατα αναλυτική πρόταση πολιτικής (Move Algorithmic-Driven Pay and Scheduling Systems From Surveillance Pay to Fair Wages, Ιούνιος 2026) , προειδοποιώντας ότι το πρόβλημα δεν περιορίζεται μόνο στον βασικό μισθό που προσφέρεται σε έναν εργαζόμενο.
Οι αλγόριθμοι μπορούν να επηρεάζουν ένα πολύ ευρύτερο φάσμα αποδοχών, από την ανάθεση βαρδιών και τις υπερωρίες έως τα μπόνους, τα επιδόματα και άλλες μεταβλητές αμοιβές.
Σύμφωνα με τον οργανισμό, όταν αυτές οι αποφάσεις λαμβάνονται από αδιαφανή συστήματα τεχνητής νοημοσύνης, οι εργαζόμενοι συχνά αδυνατούν να γνωρίζουν γιατί πληρώνονται διαφορετικά ή να αμφισβητήσουν την απόφαση. Η FAS ζητεί, μεταξύ άλλων, μεγαλύτερη διαφάνεια στους αλγορίθμους, δικαίωμα ενημέρωσης των εργαζομένων και δυνατότητα ανθρώπινου ελέγχου των αυτοματοποιημένων αποφάσεων.
Το Κολοράντο επιχείρησε να γίνει η πρώτη αμερικανική Πολιτεία που θα απαγόρευε στις εταιρείες να χρησιμοποιούν δεδομένα παρακολούθησης —όπως το ιστορικό αναζητήσεων, τα δεδομένα τοποθεσίας, η οικονομική κατάσταση ή άλλα προσωπικά στοιχεία— για να καθορίζουν εξατομικευμένους μισθούς ή τιμές.
Το σχετικό νομοσχέδιο HB26-1210 πέρασε από τη Βουλή και τη Γερουσία της Πολιτείας τον Ιούνιο, ωστόσο, λίγες εβδομάδες αργότερα ο κυβερνήτης του Κολοράντο, Τζάρεντ Σουτς Πόλις, άσκησε βέτο, υποστηρίζοντας ότι το νομοσχέδιο ήταν υπερβολικά ευρύ και θα μπορούσε να περιορίσει νόμιμες και ωφέλιμες χρήσεις της τεχνολογίας, όπως προγράμματα επιβράβευσης ή άλλες μορφές εξατομικευμένων προνομίων.
Παρά το βέτο, η πρωτοβουλία θεωρείται σημείο καμπής, καθώς για πρώτη φορά η χρήση προσωπικών δεδομένων για τον αλγοριθμικό καθορισμό μισθών βρέθηκε στο επίκεντρο μιας νομοθετικής μάχης στις Ηνωμένες Πολιτείες.
Διαβάστε ακόμη
6+1 νέα εργαλεία-ασπίδα για καταθέσεις και περιουσίες
Τραμπ κατά Big Oil: Κέρδη-μαμούθ 26,5 δισ. για Exxon και Chevron πυροδοτούν πολιτική θύελλα στις ΗΠΑ
ΔΕΗ: Αμετάβλητο το πράσινο τιμολόγιο – Πλήρης απορρόφηση της αύξησης πάνω από 18% στη χονδρική
Για όλες τις υπόλοιπες ειδήσεις της επικαιρότητας μπορείτε να επισκεφθείτε το Πρώτο ΘΕΜΑ
Σχολίασε εδώ
Για να σχολιάσεις, χρησιμοποίησε ένα ψευδώνυμο.