Jane Clinton: Anställda tränar bort sina egna kontorsjobb med artificiell intelligens

Arbetstagare som ombeds hjälpa till att införa artificiell intelligens på sina egna arbetsplatser beskriver en ny sorts arbetskonflikt: arbetet flyttas inte till ett annat land, utan till en modell som tränas på deras egen produktion. Det som tidigare var yrkesskicklighet blir råvara i ett automatiseringsprojekt, och när maskinen väl kan efterlikna arbetet kommer nästa steg ofta som ett brev på posten: sänkt ersättning eller färre uppdrag.

I ett reportage i The Guardian beskriver Jane Clinton en akademisk redaktör i Storbritannien som rekryterades för att hjälpa till att träna ”assisterande redaktörer” och först senare förstod att assistenterna var ett system för artificiell intelligens. Redaktören, som kallas Christie, säger att hon i månader rättade märkliga fel – onödig interpunktion och meningslösa utbyten av ord – innan ett nyhetsbrev från företaget avslöjade att förredigeringen skulle automatiseras och att hennes arvode skulle sänkas. ”Jag tjänar nu mindre pengar på att rätta en artificiell intelligens misstag, vilket tar längre tid än att redigera från början”, säger hon till tidningen.

Mönstret är enkelt och bygger på tydliga incitament. Ledningen får fördelen av lägre styckkostnad, snabbare genomströmning och en rad i meritförteckningen om ”omvandling med artificiell intelligens”. Arbetstagaren bidrar med den knappaste ingrediensen – omdöme inom området och kunskap om undantagsfallen – men ersätts enligt gamla villkor, samtidigt som arbetsresultatet blir träningsdata som minskar det framtida behovet av just den arbetstagaren. Kostnaden för försöksverksamheten skjuts nedåt i organisationen: personalen tar tiden som går åt till att städa upp maskinens utkast, och kunderna får bära kvalitetsvariationerna tills systemet stabiliseras.

Clintons rapportering tyder på att detta redan sker i kontorsyrken där indata är text och resultatet snabbt kan kontrolleras: redigering, kundsvar, intern dokumentation och sortering av ärenden. Inom sjukvården finns samma dynamik, men den begränsas av risk. En konsult i palliativ vård, Mark Taubert vid Velindre University NHS Trust i Cardiff, beskriver hur han spelade in timmar av material och matade in riktlinjer i en försökschattrobot som skulle besvara patienters frågor utanför kontorstid. Systemet var, säger han, ”ungefär 50 procent rätt”, men hade svårt med felstavningar, dialekter och patienter som använde fel läkemedelsnamn – just den verklighetens rörighet som gör klinisk kommunikation svår att automatisera.

Glappet mellan putsade demonstrationer och stökig verklighet är där förhandlingsproblemet uppstår. När en arbetstagare ombeds att ”hjälpa verktyget att lära sig” utför han eller hon inte bara dagens arbete; man överför kunnande till en återanvändbar tillgång som arbetsgivaren kontrollerar. I de flesta företag är standardvillkoren skrivna så att denna överföring behandlas som gratis.

Motåtgärder finns, och de liknar mindre traditionella lönebråk och mer villkor om data och arbetsprocess. Anställningsavtal kan ange om en anställds arbetsresultat får användas för att träna modeller, om det får delas med externa leverantörer och om den anställde har rätt till ett påslag när produktionen används för att bygga automatisering som minskar personalstyrkan. Arbetsgrupper kan kräva granskningsrätt: vilka data som samlas in, var de lagras och vilka system de används för att träna. Där kollektivavtal finns kan den mest värdefulla klausulen vara inte en procentsats i löneökning, utan en regel om att automatiseringsprojekt kräver uttryckligt samtycke, ersättningsnivåer och en dokumenterad felbudget – så att kostnaden för misstagen inte i tysthet läggs på dem som gör upprensningen.

Clintons artikel slutar med arbetstagare som fortfarande är osäkra på om tekniken fullt ut kommer att ersätta dem. Men i redaktörens fall har en konkret förändring redan inträffat: den artificiella intelligensen kom först, och lönesänkningen följde efter att träningen var avklarad.