Skip to Content
logologo
AI Incident Database
Open TwitterOpen RSS FeedOpen FacebookOpen LinkedInOpen GitHub
Open Menu
Découvrir
Envoyer
  • Bienvenue sur AIID
  • Découvrir les incidents
  • Vue spatiale
  • Vue de tableau
  • Vue de liste
  • Entités
  • Taxonomies
  • Soumettre des rapports d'incident
  • Classement des reporters
  • Blog
  • Résumé de l’Actualité sur l’IA
  • Contrôle des risques
  • Incident au hasard
  • S'inscrire
Fermer
Découvrir
Envoyer
  • Bienvenue sur AIID
  • Découvrir les incidents
  • Vue spatiale
  • Vue de tableau
  • Vue de liste
  • Entités
  • Taxonomies
  • Soumettre des rapports d'incident
  • Classement des reporters
  • Blog
  • Résumé de l’Actualité sur l’IA
  • Contrôle des risques
  • Incident au hasard
  • S'inscrire
Fermer

Problème 2949

Loading...
Explicateur : Contrôle et surveillance du lieu de travail
datasociety.net · 2019

La technologie permet aux employeurs de surveiller de plus en plus leurs employés. Cet explicateur de Alexandra Mateescu et Aiha Nguyen identifie quatre tendances actuelles en matière de suivi et de surveillance du lieu de travail : outils de prédiction et de signalement ; données biométriques et de santé; surveillance à distance et suivi du temps ; et la gamification et la gestion algorithmique.

Mateescu et Nguyen examinent l'impact de chaque tendance sur les travailleurs et la dynamique du lieu de travail. Par exemple, les pigistes sur Upwork peuvent être suivis grâce à leurs frappes, clics de souris et captures d'écran pour mesurer le temps de travail des clients. Le travail qui ne peut pas être mesuré de cette manière (par exemple, le remue-méninges en groupe ou la planification à long terme) peut être dévalué ou ne pas être rémunéré.

Les auteurs observent que les asymétries d'information s'aggravent à mesure que les limites de la vie privée sur le lieu de travail changent. Le suivi de mesures telles que les données de santé, par exemple, peut ouvrir la voie à la discrimination et soulever des inquiétudes quant au consentement. Le type de données que les employeurs collectent déterminera quel travail est valorisé, comment ils évaluent les performances et comment les travailleurs sont classés et rémunérés.

Résumé

La gestion algorithmique est un ensemble diversifié d'outils et de techniques technologiques pour gérer les effectifs à distance, en s'appuyant sur la collecte de données et la surveillance des travailleurs pour permettre une prise de décision automatisée ou semi-automatisée. De nombreuses caractéristiques de la gestion algorithmique, telles que les systèmes de notation des consommateurs et les "coups de pouce" automatisés, ont été développées par des entreprises de l'économie du "partage" ou du "gig". Ces pratiques ont suscité des débats sur la classification des employés, car les entreprises de l'économie du « gig » classent les travailleurs comme des entrepreneurs indépendants même s'ils utilisent la technologie pour exercer un contrôle sur leur main-d'œuvre.

Et la gestion algorithmique devient de plus en plus courante dans d'autres contextes de travail au-delà des plates-formes de «gig». Dans le domaine de la livraison et de la logistique, des entreprises allant d'UPS à Amazon en passant par les chaînes d'épicerie utilisent des systèmes automatisés pour optimiser les itinéraires quotidiens des livreurs. Les travailleurs domestiques et les femmes de ménage des hôtels sont de plus en plus suivis et gérés à distance via des logiciels. Dans les secteurs de la vente au détail et des services, la planification automatisée remplace le pouvoir discrétionnaire des gestionnaires sur les horaires des employés, tandis que le travail d'évaluation des employés est transféré aux systèmes de notation des consommateurs.

L’adoption de ces technologies génère de nouveaux défis pour les droits des travailleurs dans quatre grands domaines :

- Surveillance et contrôle : la surveillance basée sur la technologie peut générer de nouvelles pressions sur la vitesse et l'efficacité pour les travailleurs et peut les exclure d'aspects importants de la prise de décision, tels que la possibilité d'utiliser leur discrétion personnelle.

  • Transparence : La gestion algorithmique peut créer des déséquilibres de pouvoir qui peuvent être difficiles à contester sans avoir accès au fonctionnement de ces systèmes ainsi qu'aux ressources et à l'expertise nécessaires pour les évaluer correctement. - Préjugés et discrimination : s'ils sont utilisés pour prendre des décisions concernant les travailleurs, des outils tels que les systèmes d'évaluation basés sur les consommateurs peuvent introduire des pratiques biaisées et discriminatoires envers les travailleurs. - Responsabilité : La gestion algorithmique peut être utilisée pour éloigner les entreprises des effets de leurs décisions commerciales, en masquant les décisions spécifiques prises sur le fonctionnement d'un système.
Lire la source

Recherche

  • Définition d'un « incident d'IA »
  • Définir une « réponse aux incidents d'IA »
  • Feuille de route de la base de données
  • Travaux connexes
  • Télécharger la base de données complète

Projet et communauté

  • À propos de
  • Contacter et suivre
  • Applications et résumés
  • Guide de l'éditeur

Incidents

  • Tous les incidents sous forme de liste
  • Incidents signalés
  • File d'attente de soumission
  • Affichage des classifications
  • Taxonomies

2024 - AI Incident Database

  • Conditions d'utilisation
  • Politique de confidentialité
  • Open twitterOpen githubOpen rssOpen facebookOpen linkedin
  • e1b50cd