Att jobba för en app brukar präglas av svårigheter att påverka sin arbetssituation och att organisera sig kollektivt. Men det finns sätt att göra motstånd.
Under sommaren dök ett märkligt fenomen upp i Chicago. I närheten av Amazons lager och Whole foods-affärer dinglade mobiltelefoner från grenarna. Telefonerna tillhörde gigarbetare som sköter leveranser åt företagen. Chaufförerna hade hittat ett sätt att erbjudas fler körningar, genom mobiltelefoner, som hela tiden befann sig geografiskt nära lagren och var synkade med deras egna mobiler, som kunde vara ute på en körning och befinna sig längre därifrån.
Ska man se det som ett sätt att lura systemet för att få en orättvis fördel i den redan hårda konkurrensen eller helt enkelt ett sätt att faktiskt klara av att försörja sig på det arbete som erbjuds på en arbetsmarknad som blivit allt tuffare under pandemin?
Oavsett hur man tolkar det så är det ett av flera exempel på hur gigekonomins arbetare på kreativa sätt rundar systemen och i detta finns en potential. En potential till ett fruktbart motstånd – om det görs kollektivt.
Gigekonomins system är uppbyggda för att maximera produktiviteten. Det är system för att leverera arbetskraft just-in-time, ett bud på minuten när en maträtt behöver levereras, en taxi på ett ögonblick. De är inte designade för att ta ansvar för arbetarnas välbefinnande, försörjning eller hälsa.
De är designade för att maximera vinster och flytta över risken på arbetarna: det är inte Uber eller Deliveroo som ska riskera att stå med overksamma arbetare med löner som tickar under lugna delar av dagen, det är arbetaren som ska riskera stå med obetalda luckor i sin arbetsdag.
Mobiltelefonerna i Chicagos träd pekar på problemen med algoritmisk arbetsledning: alltså att låta en algoritm – designad för vinstmaximering – leda och fördela arbetet istället för en människa.
I en artikel i Human Resource Management Journal från förra året, definierar fyra irländska forskare på området fenomenet så här: Ett kontrollsystem där självlärande algoritmer ges ansvaret för att fatta beslut som påverkar arbetskraften och genom detta begränsar mänsklig inblandning och översikt av arbetsprocessen.
Gigföretagens algoritmer är deras största affärshemligheter, att få information om vad som faktiskt styr arbetet och hur det fördelas är därför svårt.
Övergången till att låta algoritmer bestämma hur arbete ska fördelas, när arbetare ska avskedas eller stängas av, istället för mänskligt kunnande och mänsklig kontakt, är ett tydligt brott mot hur arbetsledning tidigare fungerat och hur relationerna på arbetsmarknaden under lång tid sett ut. Det kan innebära produktivitetsvinster, men forskare varnar för ett allt mer alienerat, osäkert och avhumaniserat arbete.
Arbetet under algoritmisk arbetsledning präglas ofta av informationsvakuum, brist på feedback och datadriven prestationsövervakning. Gigföretagens algoritmer är deras största affärshemligheter, att få information om vad som faktiskt styr arbetet och hur det fördelas är därför svårt.
Arbetare vittnar om att de känner sig isolerade och ensamma med sina frågor, både då det ofta saknas fysiska platser där man kan möta andra som jobbar för samma gigföretag för att dela erfarenheter och då gigföretagen själva ofta är svåra att få tag på och få svar ifrån.
Ofta sker ändringar i appens funktionssätt utan att arbetare informeras, vilket gör det svårt att förstå vad som bidrar till den prestationsstatistik som kan vara avgörande för vilka skift eller uppdrag man erbjuds av algoritmen. Att vara föremål för datadriven utvärdering av arbetsprestationen skapar ytterligare ett lager av osäkerhet där saker som sjukdagar, trafikstockningar och missnöjda kunder kan påverka din statistik och därmed din framtida försörjning.
Algoritmiskt kalkylerade sanktioner kan frånta arbetarna den autonomi och flexibilitet som gigsektorn skryter sig om att erbjuda. Den anställdas prestationsstatistik förlitar sig ofta på kunders subjektiva uppfattningar.
Flexibiliteten är i praktiken kraftigt kringskuren när man jobbar mot en algoritm som gynnar den som accepterar många uppdrag under de tider när behovet är högt. Uber har exempelvis medgett att de använt sig av beteendevetenskapliga rön för att förmå (nudge) förare att arbeta längre skift. Här finns inget tvång, men väl digital manipulation.
Gigarbetarnas försök att kartlägga apparnas funktionssätt och gamea algoritmen är något mer än enbart överlevnadsstrategier i gigekonomin.
Men åter till motståndet. I studien Resisting the Algorithmic Boss: Guessing, Gaming, Reframing and Contesting Rules in App-based Management, undersöker sociologerna Joanna Bronowicka och Mirela Ivanova möjligheterna till motstånd i den så kallade plattformsekonomin. Studien går bortom aktionsformer som protester och strejker, något som också blivit vanligare i branschen, och undersöker även försöken att kartlägga och ”gamea” systemet.
Bland annat har de undersökt hur bud för Deliveroo och Foodora ägnat sig åt att kollektivt kartlägga systemet. Genom att dela kunskaper om vad som verkade påverka uppdragsfördelningen i apparna, byggde man upp en gemensam förståelse. Bronowicka och Ivanova skriver att försöken att bringa klarhet i medvetet fördunklade regelverk kan fungera som ett motstånd, om det görs för att exponera ett orättvist system.
Det kan också handla om försök att gamea systemet. Cykelbud som upptäckte hur man kunde undvika att tilldelas långa körningar genom att cykla långsammare, eller hittade sätt att hoppa över ett tilldelat skift utan att bestraffas. Gigarbetare som skapade svarta marknader för jobbskift, där bud med bra prestationsstatistik solidariskt delade med sig av skift till bud med sämre statistik.
Gigarbetarnas försök att kartlägga apparnas funktionssätt och gamea algoritmen är något mer än enbart överlevnadsstrategier i gigekonomin. Det sätter ljuset på den otroliga maktassymetri som råder på den här delen av arbetsmarknaden. Att informationsdelning står i fokus för motståndsstrategierna är ingen slump. Det ringar in en av de största maktöverföringarna som har skett inom ramen för relationen mellan arbete och kapital – hur kunskapen om arbetet allt mer samlas i händerna på kapitalet.