AI draait op werk van miljoenen onzichtbare, slechtbetaalde mensen. Wie komt er voor ze op?
Zonder uitleg ontslagen worden, niet uitbetaald krijgen, geen enkel aanspreekpunt hebben. De miljoenen arbeiders die kunstmatige intelligentie mogelijk maken, leiden een onzeker bestaan. Hoogleraar Claartje ter Hoeven brengt deze onzichtbare werkers naar de voorgrond.
De huidige AI-hype is immens. Het is lastig om tussen alle groteske beloftes, doemscenario’s en verwachtingen rond deze technologie de kennis van de kletskoek te onderscheiden.
Of laat ik voor mijzelf spreken: ik schrijf al een tijd over kunstmatige intelligentie en ik vind dat lastig.
Mijn strategie om AI te doorgronden is daarom om mijn oor te luister te leggen bij mensen die er verstand van hebben; onafhankelijke onderzoekers met een goed verhaal maar zonder de neiging daar al te hard over te willen schreeuwen. Wat heeft het debat over AI in hun ogen nú nodig?
Dat vraag ik vandaag aan Claartje ter Hoeven, hoogleraar Organizational Dynamics in the Digital Society aan de Erasmus Universiteit Rotterdam. Zij doet onderzoek naar het werk dat nodig is om AI mogelijk te maken.
Voor haar is het antwoord op mijn vraag helder. ‘We moeten het hebben over de miljoenen slechtbetaalde arbeiders die werk doen voor AI-bedrijven’, antwoordt ze.
Want het lijkt misschien alsof deze hippe technologie ‘kunstmatig’ is, en zelfstandig een vorm van ‘intelligentie’ bezit; in werkelijkheid kan de technologie niet zonder het werk van naar schatting tientallen miljoenen mensen.
Het is om twee redenen belangrijk om ‘dat werk te zien’, legt Ter Hoeven uit. Allereerst omdat het toont dat AI óók mensenwerk is en niet een vorm van magie. Ten tweede precies omdat het simpelweg werk is en deze mensen betere – namelijk: normale – werkomstandigheden verdienen.
Ter Hoeven doet daarom sinds een jaar of drie onderzoek naar deze zogenoemde ‘ghostworkers’ of ‘microworkers’, een grote groep werkers die allerlei online taken doet voor AI-bedrijven.
Dat zijn bijvoorbeeld vluchtelingen in Syrische en Libanese kampen, die de zelfrijdendeauto-software trainen van verschillende tech- en autobedrijven. Of arme Venezolanen die labels geven aan videobeelden van lantaarnpalen, zebrapaden en voetgangers. Door de programma’s te blijven voeden en trainen, worden die beter in het herkennen van patronen en objecten.
Ter Hoevens onderzoeksgroep richt zich daarbij op de Europese ghostworkers. Ze brengen in kaart wat zij doen, wie ze zijn en hoe ze hun werk beleven. Voor de duidelijkheid: deze mensen hebben geen goedbetaalde baan bij een techbedrijf. Ze krijgen hun taakjes toebedeeld via een soort online uitzendbureaus en weten vaak niet voor welke organisatie ze precies werken.
Deze nieuwe arbeidersklasse is onzichtbaar voor de gebruikers van de AI-applicaties én onzichtbaar in de betekenis van ongezien: ze krijgen geen feedback op hun werk, hebben geen manager met wie ze kunnen praten en geen arbeidsrechten.
Ter Hoeven: ‘Het is mijn persoonlijke missie om ervoor te zorgen dat de maatschappij meer oog krijgt voor deze mensen.’
Onmisbare arbeid voor een grijpstuiver
De hoogleraar vertelt wát deze mensen allemaal doen. Ze vervullen hoofdzakelijk ‘microtasks’, kleine taakjes waar ze meestal een paar centen voor krijgen.
Rode draad in al die taakjes is het labelen en beoordelen van data – de microworkers moeten die input begrijpbaar maken voor AI-modellen. Zij zijn de trainers en de schoonmakers van de data van techbedrijven. Ze transcriberen gesprekken, ze beoordelen beelden, ze categoriseren en schonen data op.
Door bijvoorbeeld afbeeldingen te labelen zodat een algoritme snapt wat een blikje is en wat een glas. Of ze controleren algoritmes die aangeven voor 60 procent zeker te weten dat iets een glas is en geen blikje.
Het kan ook gaan over zoekopdrachten. Dat iemand zoekt naar ‘pannenkoekenhuis in Amsterdam’, een zoekmachine een lijstje van pannenkoekenhuizen geeft, en dat een microworker dan controleert of het bovenste resultaat inderdaad het dichtstbijzijnde is en zo de zoekmachine ‘leert’ dat dit een goed antwoord was. Er zijn ook microworkers die luisteren naar opnames van mensen die opdrachten geven aan AI-assistenten zoals Alexa en die vervolgens vertalen of transcriberen.
Dit klinkt wellicht wat willekeurig, maar dit datawerk is een cruciale bouwsteen voor de hele AI-industrie. Ieder AI-bedrijf heeft goed getrainde en schone data nodig voor zijn producten. Zonder microworkers zou een Tesla geen onderscheid kunnen maken tussen een hond en een stoplicht. ChatGPT zou een racistische hork zijn in plaats van een beleefde gesprekspartner.
Zonder deze onzichtbare en slechtbetaalde arbeid is de huidige AI niet mogelijk.
Wie zijn de mensen achter AI?
En zoals AI afhankelijk is van deze onzichtbare arbeid, is een deel van die arbeiders afhankelijk van dit werk. Ter Hoeven labelt deze groep ‘dependents’: zij die van microwerk proberen te leven.
Hun omstandigheden zijn volgens haar zorgelijk, en deze groep heeft aandacht nodig. Maar ook mensen die dit soort microwork als hobby of naast ander werk doen, verdienen beter, vindt Ter Hoeven. ‘We hebben zowel wereldwijd als in Nederland zelf afspraken gemaakt over wat fatsoenlijk werk inhoudt en dit werk voldoet aan geen van die criteria.’
De microworker kan ontslagen worden zonder toelichting en trekt eigenlijk altijd aan het kortste eind. Ondertussen worden een paar mensen in Silicon Valley er extreem rijk van
Slechte arbeidsomstandigheden zijn van alle tijden, vertelt Ter Hoeven, maar dit online microwork is een nieuw fenomeen.
‘De taken worden uitgedeeld door algoritmes, mensen worden onderbetaald, krijgen geen feedback, hebben geen mogelijkheden om te leren, krijgen regelmatig zonder uitleg niet betaald. De machtsbalans is zo ontzettend scheef. De microworker kan ontslagen worden zonder toelichting en trekt eigenlijk altijd aan het kortste eind. Ondertussen worden een paar mensen in Silicon Valley er extreem rijk van. Dat vind ik een probleem.’
Er is nog een reden om te willen weten wie dit werk doen, gaat Ter Hoeven verder. ‘AI speelt een steeds grotere rol in de zorg en in het juridisch systeem. Of denk aan de toepassingen van AI in zelfrijdende auto’s en luchtverkeer. Je wilt dan wel weten wie dat cruciale datawerk uitvoeren. Wij hebben bijvoorbeeld iemand geïnterviewd die online hielp met het trainen van een operatierobot. Zij mocht meekijken met een operatie en aangeven of ze vond of iemands hand trilde. Maar die vrouw had totaal geen medische achtergrond.’
Daarbij, zegt Ter Hoeven, heeft de manier waarop er voor mensen gezorgd wordt altijd effect op de kwaliteit van hun werk. ‘Je presteert slechter als je je niet goed voelt, ongeacht je beroep. Dat is met microworkers natuurlijk ook zo.’
Wat te doen?
Maar hoe doe je dat, zorgen voor deze mensen? Dat is nog niet zo simpel, legt Ter Hoeven uit: er bestaan grote verschillen tussen Europese landen. In Duitsland doen veel microworkers het werk bijvoorbeeld naast een uitkering. Ter Hoeven: ‘Als we aan hen vragen of zij willen dat het microwork meer gereguleerd wordt, zeggen ze “nee” omdat zij – waarschijnlijk terecht – denken dat het microwork naast een uitkering dan verboden wordt.’
In Portugal, vertelt ze, speelt het tegenovergestelde: daar willen microworkers juist meer regulering omdat er weinig sociaal vangnet voor hen bestaat en zij zo hopen op betere werkomstandigheden.
Nog zoiets: het minimumloon. In principe lijkt het een logische voorwaarde dat mensen in ieder geval het minimumloon verdienen. Alleen: dat verschilt nogal in Europa – in het ene land is dat 2 euro per uur, in het andere 14. Hoe regel je dat? Hoe zorg je ervoor dat het werk zich dan niet verplaatst naar de landen met het laagste minimumloon?
Het zijn vragen waar Ter Hoeven en haar onderzoeksgroep zich de komende tijd over zullen buigen. Ze ‘mijmert’ ook over haar eigen rol, of zij niet kan bijdragen aan betere omstandigheden. ‘Ik vind het zo bizar dat al deze mensen elkaar nooit zien’, zegt ze.
‘Ze doen dit werk alleen en hebben zo helemaal niet door dat er miljoenen mensen zoals zij zijn, dat zij miljoenen collega’s hebben. Hoe kan ik ervoor zorgen dat zij elkaar kunnen ontmoeten en met elkaar kunnen praten? Want dat is een cruciaal onderdeel van werk.’
Antwoorden heeft ze nog niet. Maar door deze groep een stem te geven, komen deze vragen – en de omstandigheden waarin deze groep werkt – tenminste op tafel te liggen.