رسانه مدیاتی – با توجه به گزارش‌های اخیر آمازون برای استخدام و اخراج کارمندانش از یک اپ و الگوریتم هوش مصنوعی استفاده می کند.
بررسی کارمندان آمازون با هوش مصنوعی
گزارشی جدید نشان می‌دهد رانندگان پیمانکار طرح «فلکس» آمازون با چالش‌های زیادی مانند استخدام و اخراج با استفاده از الگوریتم‌ها است.
بلومبرگ در گزارشی جدید اشاره می‌کند آمازون برای ارسال به موقع محموله‌هایش میلیون‌ها راننده پیمانکاری را در طرح «فلکس» کمک می‌گیرد. این طرح در سال ۲۰۱۵ میلادی آغاز شده و رانندگان با استفاده از یک اپ موبایل می‌توانند علاوه بر ثبت نام در طرح، انتخاب شیفت‌های کاری، هماهنگی تحویل محموله، مشکلات خود را نیز گزارش کنند.
اما در کنار موارد گفته شده، آمازون با استفاده از الگوریتم هوش مصنوعی و اندک دخالت کارمندان انسانی عملکرد رانندگان را رصد و حتی آنها را اخراج می‌کند.
این در حالی است که گاهی اوقات سیستم مذکور کارمندان را بدون دلیل مناسبی اخراج می‌کند. یکی از کارگران آمازون در این باره فاش کرد پس از آنکه مجبور شده بود به دلیل سوراخ شدن لاستیک خودرو، ارسال محموله را به تعویق بیندازد، رده بندی عملکرد او در اپ کاهش یافته بود. عملکرد کارگران آمازون در اپ براساس گروه‌های بسیار عالی، عالی، خوب یا در معرض خطر دسته بندی شده است.
البته این کارگر توانسته بود چند هفته بعد رتبه عملکرد خود را ارتقا دهد اما در نهایت به دلیل نقض قوانین آمازون، حساب کاربری وی تعطیل شده بود. او نسبت به اخراج خود اعتراض کرد اما شرکت شغلش را به او برنگرداند.
راننده دیگری به دلیل بسته بودن در ورودی یک مجموعه آپارتمانی نتوانسته بود بسته را تحویل دهد. در یک ساختمان دیگر انبار آمازون باز نشده بود. در نتیجه رتبه عملکرد راننده مذکور کاهش یافت و وی مجبور شد ۶ هفته صرف ارتقای آن کند. اما در نهایت به دلیل کاهش رده بندی عملکردش به پایین‌تر از سطح لازم، اخراج شد.
اگر راننده معتقد باشد که اخراج او ناعادلانه بوده، نمی‌تواند اقدامات زیادی برای معکوس کردن این روند انجام دهد. رانندگان باید برای هرگونه اعتراض به اخراج خود مبلغ ۲۰۰ دلار بپردازند و به گفته بسیاری از آنها این فرایند ارزش چنین هزینه‌ای را ندارد.
این در حالی است که آمازون، این طرح را موفقیت آمیز می‌داند. این شرکت ادعا می‌کند حدود ۴ میلیون راننده در سراسر جهان اپ مذکور را دانلود کرده‌اند که ۲.۹ میلیون آنها در آمریکا حضور دارند.
