Incidente 527: Según informes, las empresas tecnológicas influyeron en el comportamiento de los trabajadores independientes utilizando algoritmos para variar el salario por la misma cantidad de trabajo.
Descripción: En un estudio etnográfico de varios años se acusó a Amazon y Uber de utilizar sistemas algorítmicos basados en datos de trabajadores independientes para modificar los salarios, por ejemplo, ofreciéndoles salarios más bajos por la misma cantidad de trabajo.
Entidades
Ver todas las entidadesPresunto: un sistema de IA desarrollado e implementado por Uber y Amazon, perjudicó a Uber drivers , gig workers y Amazon delivery workers.
Estadísticas de incidentes
Risk Subdomain
A further 23 subdomains create an accessible and understandable classification of hazards and harms associated with AI
1.1. Unfair discrimination and misrepresentation
Risk Domain
The Domain Taxonomy of AI Risks classifies risks into seven AI risk domains: (1) Discrimination & toxicity, (2) Privacy & security, (3) Misinformation, (4) Malicious actors & misuse, (5) Human-computer interaction, (6) Socioeconomic & environmental harms, and (7) AI system safety, failures & limitations.
- Discrimination and Toxicity
Entity
Which, if any, entity is presented as the main cause of the risk
AI
Timing
The stage in the AI lifecycle at which the risk is presented as occurring
Post-deployment
Intent
Whether the risk is presented as occurring as an expected or unexpected outcome from pursuing a goal
Intentional
Informes del Incidente
Cronología de Informes
Los recientes desarrollos tecnológicos relacionados con la extracción y el procesamiento de datos han dado lugar a preocupaciones generalizadas sobre la reducción de la privacidad en el lugar de trabajo. Sin embargo, para un número crecient…
[Los trabajadores temporales] (https://www.businessinsider.com/recession-outlook-laid-off-workers-turn-to-gig-work-2023-1) están haciendo los mismos trabajos por diferentes salarios, y este modelo podría Ven a tu lugar de trabajo algún día.…
Variantes
Una "Variante" es un incidente de IA similar a un caso conocido—tiene los mismos causantes, daños y sistema de IA. En lugar de enumerarlo por separado, lo agrupamos bajo el primer incidente informado. A diferencia de otros incidentes, las variantes no necesitan haber sido informadas fuera de la AIID. Obtenga más información del trabajo de investigación.
¿Has visto algo similar?