Содержание |
Прекариат является продуктом неолиберализма с гибким рынком труда, позволяющим быстро менять размер заработной платы (особенно в сторону понижения), уровень занятости.
Появление класса «рикш XXI века», работающих на цифровую экономику, — это, по сути, внутренний аутсорсинг, обнаружение капиталом в развитых странах рабочей силы, которой можно предоставлять условия труда, практически сравнимые с таковыми в Бангладеш или Камбодже. Внутренний аутсорсинг напоминает процесс внутренней колонизации (см. книгу Александра Эткинда «Внутренняя колонизация. Имперский опыт России»). Особенно выделяется применение к «автохтонному» населению практик, отработанных в колониях (сейчас — в современных странах аутсорсинга).
На 2018 год средний класс, достигший пика своего могущества в 1970-х, медленно, но верно опускается до состояния прекариата. И есть все предпосылки для того, что в недалеком будущем эволюция пролетариата в прекариат продолжится и последний станет «ненужнориатом».
Исследований, посвященных перспективам замещения людей роботами по отраслям и отдельным экономикам, уже сотни, если не тысячи. И выводы их похожи. Если верить исследованиям экономистов Карла Фрея и Майкла Осборна, в США к 2033 году под натиском роботизации рискует исчезнуть 47% рабочих мест, существующих в 2018 г. Мировой банк подсчитал, что для Китая эта доля может составить и вовсе 77%. Международная организация труда считает, что даже в таких странах, как Камбоджа, Индонезия, Филиппины, Вьетнам и Таиланд, 56% работников подпадают под риск автоматизации
Состав прекариата:
- трудоспособное население, занятое постоянно на временной работе (водители Яндекс.Такси),
- люди, работающие неполный рабочий день или пробивающиеся сезонными и случайными приработками,
- безработное население,
- люди, занимающиеся фрилансом и заемным трудом,
- мигранты,
- студенты и стажеры.
Для прекариата характерны:
- неустойчивое социальное положение,
- слабая социальная защищенность и отсутствие многих социальных гарантий,
- нестабильный доход,
- депрофессионализация.
Трудовые отношения между прекариатом и работодателем носят название прекаризация.
Цифровая экономика как причина ослабления слабых
К 2018 году автоматизация, аутсорсинг и технологическое изменение баланса сил уже привели к резкому ослаблению «слабых».
Роботизация и внедрение искусственного интеллекта (ИИ) сделают «слабых» просто ненужными. До такой степени, до которой изобретение двигателя внутреннего сгорания сделало ненужными лошадей в начале ХХ века.Сергей Петренко, МТС RED: ИБ-игроки строят экосистемы, чтобы обеспечить заказчика интегрированными средствами защиты
Многие экономисты, в том числе российские, склонны полагать, что опасения преувеличены. Их критику можно свести к тезису о том, что через процесс автоматизации мировая экономика проходит непрерывно как минимум с начала первой промышленной революции, но в итоге ничего страшного не происходит — создаются новые рабочие места.
Однако критики не вполне осознают, что искусственный интеллект способен заместить «навыки Поланьи», которые до последнего времени считались исключительно человеческими (распознавание изображений и звука, их алгоритмическая обработка и трансформация, тонкая моторика). Сфер деятельности, где человек может быть более продуктивным, чем машина, видимо, будет все меньше и меньше.
Как отмечает специалист по ИИ Сергей Марков, вероятность автоматизации той или иной профессии в кратко- или среднесрочной перспективе зависит во многом от трех основных признаков трудового процесса — степени шаблонности и однообразия выполняемых работником операций, осуществления взаимодействий с клиентами, контрагентами и другими участниками бизнес-процесса при помощи стандартных интерфейсов (например, стандартных форм документов, шаблонных коммуникаций через голосовые или текстовые каналы связи) и наличия накопленных массивов данных, которые могут быть использованы для обучения системы искусственного интеллекта, призванной заменить работника.
Образование прекариата уже давно находится в сфере интересов экономистов. Между тем бурно растущая в последние годы цифровая экономика способна дать фору всем этим процессам. Здесь наблюдаются тенденции еще более драматического, чем в последние 50 лет, смещения баланса сил в ущерб «слабым».
В случае с цифровой экономикой, или, как ее еще называют, «платформенной» либо gig-экономикой, владельцы капитала — это, по сути, владельцы алгоритмов. У многих, если не у большинства современных хайтек-компаний и тем более техностартапов толком нет никаких материальных активов. Основной их актив зачастую алгоритм и средство коммуникации — платформа, в основном в виде мобильного приложения для той или иной деятельности. Классический случай здесь, конечно, Uber.
Алгоритмизированная структура gig-экономики позволяет обойти все формальные права наемных работников, доставшиеся им в наследство от «угольной демократии» Митчелла, — медицинское страхование, минимальную зарплату, пенсионное обеспечение, формальный письменный контракт, выходное пособие, социальный пакет и т. п.
В 2018 году в штате Uber работает всего несколько тысяч сотрудников, а по скачанному в смартфоне алгоритму-приложению на компанию по факту трудится порядка 2 млн водителей по всему миру. Немногочисленные штатные сотрудники Uber получают неплохие зарплаты, хотя их благосостояние несравнимо с доходами собственников компании. А вот 2 млн водителей имеют медианный доход чуть больше $150 в месяц. Uber не считает водителей своими сотрудниками и не обеспечивает их каким-либо социальным пакетом.
Все это очень неплохо для владельцев алгоритмов и клиентов, но одновременно это тенденция, резко усиливающая прекариатизацию, поляризацию рабочих мест, неравенство и дальнейшее ослабление «слабых». В странах с сильными сетями соцзащиты (Нидерланды, Франция, Германия, Швеция) уберизация пока слабо угрожает размыванию среднего класса, но вот для США и некоторых других государств ситуация может стать более острой уже в ближайшее время.
В идеале всесильному алгоритму «рикши XXI века» нужны лишь как временное решение, до скорого появления более совершенных технологий. Машины без водителей — дело ближайшего будущего, и акционерам Uber 2 млн самозанятых скоро окажутся не нужны: у них уже есть капитал, на который можно будет купить или арендовать многомиллионный парк автономных машин и добавить к ним алгоритм, предоставляющий транспорт по запросу клиента.
Еще более простая конфигурация компании — один только алгоритм, позволяющий собственникам автономных автомобилей (например, крупным автоконцернам) предоставлять функцию мобильности по запросу (в этом случае Uber будет похож на Airbnb — компанию, состоящую, по сути, из одного алгоритма, связывающего по миру владельцев недвижимости).
Кстати, приставший к Uber, Airbnb и некоторым похожим компаниям термин sharing economy («шеринговая экономика», то есть экономика, основанная на том, что агенты делятся друг с другом тем или иным благом) часто вводит в заблуждение по поводу ее якобы альтруистической природы. Никто ни с кем просто так ничем не делится, просто алгоритм и приложение позволяют рационализировать использование того или иного блага и увеличить отдачу. Например, тот же частный автомобиль эксплуатируется всего около 10% времени, а остальные 90% он простаивает (как и некоторая недвижимость). По сути, такая оптимизация ограничена в большинстве случаев частными домохозяйствами. В промышленности и в значительной степени в сфере услуг загрузка мощностей и так давно оптимизирована, а в домохозяйствах явный кандидат на оптимизацию именно автомобиль (в чуть меньшей степени — недвижимость). Сложно себе представить попытку «расшерить» телевизор в доме, кухонную технику или одежду. Так что сам по себе эффект шеринговой экономики ограничен, хотя и важен для отдельных ниш (прежде всего для частного владения автомобилями).
Управление прекариатом
К 2018 году людей из прекрасного нового мира цифровой экономики еще полностью не вытеснили, приходится оптимизировать их деятельность, в частности выстраивая за ними тотальный контроль. Возможности, которые предоставляют новые технологии, впечатляют.
Дорогие и ненадежные системы надзора за наемными работниками (из-за того, что их основу составляли люди, за которыми, в свою очередь, надо было следить) довольно успешно заменяются дешевыми и надежными алгоритмами. При этом возможности рутинного сопротивления у наемных (пока еще) рабочих во многих сферах падают практически до нуля.
В современной gig-экономике алгоритм блестяще выполняет работу, с которой не справился бы даже самый лучший надсмотрщик. В сервисах Uber, Lyft или курьерской службе Deliveroo задачу контроля и оценки работников выполняет алгоритм — приложение на смартфоне.
В той же Deliveroo алгоритм мониторит курьеров. Пока этих других «рикш XXI века» не заменили дронами, Deliveroo даже в большей степени, чем Uber, вынуждена совмещать суперсовременные и средневековые технологии, что само по себе довольно забавно.
Алгоритм регулярно высылает работникам персональные оценки за месяц. Курьеры, которые, кстати, как и шоферы Uber, не включаются в штат компании, а юридически являются самозанятыми и не имеют никакой социальной защиты (тот же классический прекариат), оцениваются сразу по нескольким параметрам. Например, «время принятия заказа», «время в пути до ресторана», «время в пути до клиента», «время у клиента», «опоздания» и «непринятые заказы». Алгоритм сравнивает результаты курьера с собственной оценкой того, какими они должны быть. Может похвалить: «Ваше среднее время в пути до клиента оказалось меньше нашей оценки, что означает, что вы соответствуете нашему уровню качества услуг. Ваша средняя разница составила –3,1 минуты». А может и поругать, в итоге наказав рублем (или любой другой валютой, хоть биткоином).
Алгоритм Uber также выдает своим шоферам рейтинги на основании ответов на запросы клиентов и оценок самих клиентов (это своего рода аутсорсинг мониторинга, как, впрочем, и почти всех других процессов, кроме сделки с клиентом и шофером).
Клиент выигрывает от более дешевого и качественного сервиса. А вот у работников полностью пропадает возможность рутинного сопротивления, баланс сил смещается в сторону владельцев капитала.
Различные стартапы — скажем, калифорнийский Percolata — внедряют системы алгоритмизированной оценки и контроля труда и в другие сферы сектора услуг (в промышленности они уже давно стали нормой), например в розничную торговлю.
Сенсоры в магазинах оценивают поток посетителей и потом смотрят, сколько посетителей стали покупателями и с какими чеками, какой продавец им помог (пока алгоритмическая экономика все же вынуждена терпеть живых продавцов). Потом устанавливают каждому продавцу оценку, разделяя тот чек, который он принес, на поток посетителей, и выдают ему персональный рейтинг. Алгоритм отслеживает и то, в каких парах, тройках и т. д. продавцы работают лучше, и на этом основании формирует команды, смотрит на успехи продавцов в разных обстоятельствах: кто-то лучше работает при большом потоке посетителей, кто-то — при малом, кто-то — утром, кто-то — вечером. Как отмечает основатель Percolata Грег Танака, «ирония в том, что мы не автоматизировали работу продавцов, а автоматизировали работу управляющего; при этом алгоритм справляется с ней лучше».
Еще один возможный шаг в духе цифровой экономики — вывести продавцов на аутсорс и сделать их самозанятыми, как шоферов Uber или курьеров Deliveroo. Ну а потом вообще убрать профессию как таковую — магазины без продавцов тестируются многими техногигантами, к примеру Amazon[1].
Участие в классовой борьбе
Прекариат ощущает своё нестабильное социальное положение, для людей возможны различные варианты поведения:
- смирение с ситуацией;
- попытки приспособления;
- активные действия (от акций против правящего режима до криминальной деятельности).
99,9% классовой борьбы вовсе не революции. В основном борьба идет в скрытой форме рутинного ежедневного сопротивления, которое американский политолог Джеймс Скотт называл оружием слабых. Однако его ценность и возможная трансформация во что-то более серьезное во многих случаях определяются существующей технологией и чисто практическими возможностями применения.
Робототехника
- Роботы (робототехника)
- Робототехника (мировой рынок)
- Обзор: Российский рынок промышленной робототехники 2019
- Карта российского рынка промышленной робототехники
- Промышленные роботы в России
- Каталог систем и проектов Роботы Промышленные
- Топ-30 интеграторов промышленных роботов в России
- Карта российского рынка промышленной робототехники: 4 ключевых сегмента, 170 компаний
- Технологические тенденции развития промышленных роботов
- В промышленности, медицине, боевые (Кибервойны)
- Сервисные роботы
- Каталог систем и проектов Роботы Сервисные
- Collaborative robot, cobot (Коллаборативный робот, кобот)
- IoT - IIoT - Цифровой двойник (Digital Twin)
- Компьютерное зрение (машинное зрение)
- Компьютерное зрение: технологии, рынок, перспективы
- Как роботы заменяют людей
- Секс-роботы
- Роботы-пылесосы
- Искусственный интеллект (ИИ, Artificial intelligence, AI)
- Обзор: Искусственный интеллект 2018
- Искусственный интеллект (рынок России)
- Искусственный интеллект (мировой рынок)
- Искусственный интеллект (рынок Украины)
- В банках, медицине, радиологии, ритейле, ВПК, производственной сфере, образовании, Автопилот, транспорте, логистике, спорте, СМИ и литература, видео (DeepFake, FakeApp), музыке
- Национальная стратегия развития искусственного интеллекта
- Национальная Ассоциация участников рынка робототехники (НАУРР)
- Российская ассоциация искусственного интеллекта
- Национальный центр развития технологий и базовых элементов робототехники
- Международный Центр по робототехнике (IRC) на базе НИТУ МИСиС
- Машинное обучение, Вредоносное машинное обучение, Разметка данных (data labeling)
- RPA - Роботизированная автоматизация процессов
- Видеоаналитика (машинное зрение)
- Машинный интеллект
- Когнитивный компьютинг
- Наука о данных (Data Science)
- DataLake (Озеро данных)
- BigData
- Нейросети
- Чатботы
- Умные колонки Голосовые помощники
- Безэкипажное судовождение (БЭС)
- Автопилот (беспилотный автомобиль)
- Беспилотные грузовики
- Беспилотные грузовики в России
- В мире и России
- Летающие автомобили
- Электромобили