Veri Kolektifleri İşçi İlişkilerinin Yeni Sınırıdır

Yapay zekanın ve özellikle de üretken yapay zekanın etkisi tüm sektörlerde hissediliyor . Ancak yöneticiler bu teknolojinin potansiyeli konusunda heyecanlı olsa da, beyaz yakalı çalışanlar bunun kendileri, işleri ve gelecekleri için ne anlama gelebileceği konusunda genellikle tedirgin oluyorlar. Bu farklı algılar her iki grup için de yeni gerilimler yaratıyor ve yeni zorluklar sunuyor.

Çalışanlar, kuruluşların yapay zeka ile ne yapacağını (veya yapmayacağını) belirleyecek gündem üzerinde etkilerini göstermek için harekete geçtiler bile. En dikkat çekeni, 11.500 senaristi temsil eden bir sendika olan Amerika Yazarlar Birliği'nin (WGA) 2023'te düzenlediği 148 günlük grevdi . Grev, yapay zekanın edebi materyal yazamayacağı veya yeniden yazamayacağı, yapay zeka tarafından üretilen materyalin kaynak materyal olarak kabul edilmeyeceği (yani yapay zeka tarafından üretilen materyalin bir yazarın itibarını veya ayrılmış haklarını zedelemek için kullanılamayacağı), yazarların materyallerinin yapay zekayı eğitmek için kullanılmasının yasak olduğu ve yazarların yazma hizmetleri sunarken yapay zekayı kullanmayı seçebilecekleri ancak şirketin yazarın yazma hizmetleri sunarken yapay zeka yazılımı kullanmasını zorunlu kılamayacağı yönündeki bir anlaşmayla nihayet sona ermeden önce eğlence sektörünü aylarca durma noktasına getirdi.

Bu sonuç WGA için bir zafer olarak duyuruldu , ancak aynı zamanda bu tür müzakerelerin zorluklarını da gösteriyor. Birincisi, anlaşma üç yıl içinde sona eriyor, bu da yazarların çok yakında yeniden müzakere etmek zorunda kalacakları anlamına geliyor. İkincisi, verilerin bir LLM tarafından alınıp alınmadığını kontrol etmenin garantili bir yolu olmadığından anlaşmanın nasıl uygulanacağı net değil. Üçüncüsü, anlaşma sektöre giren yabancılar hakkında hiçbir şey söylemiyor. OpenAI, Hollywood'daki film yapımcıları ve stüdyoları arasında Sora'yı (yapay zeka tabanlı video üretim aracı) tanıtmak için bir saldırı başlattı . Prensip olarak, stüdyoların ve film yapımcılarının OpenAI'nin aracıyla senaryolar ve videolar üretmeye başlamasını engelleyen hiçbir şey yok, bu yalnızca yazarların değil, aktörlerin de etkisini ve gücünü önemli ölçüde azaltacaktır.

WGA grevi çalışan eyleminin en büyük örneği olsa da tek örneği değil. İşverenlerin, AI konusundaki kaygının beyaz yakalı sendikalaşma çabalarını ve kolektif eylemi teşvik etme olasılığına hazırlanmaya başlaması gerekiyor. İngiltere ve Galler'deki mavi ve beyaz yakalı sendikalı işçileri temsil eden bir sendika federasyonu olan Traders Union Congress tarafından başlatılan AI Bill Projesi , sendikaların teknolojinin işyerinde nasıl kullanıldığı konusunda işçilerin söz hakkını artırmak için nasıl hızla evrildiğine dair kanıtlar sunuyor.

Yukarıdaki sorunların tümü, doğrudan veya dolaylı olarak, yüksek kaliteli, bağlamsal verilere erişimde kök salmıştır. Veri, makine öğrenimi algoritmalarının çalışması için gereken girdidir ve yapay zeka bu tür algoritmalardan oluşur. Dolayısıyla, yüksek kaliteli verilere erişimi olanlar yüksek kaliteli yapay zekayı eğitebilir. Şu anda, WGA bir iş gücü tarafından oluşturulan verilerin oluşturulmasını ve kullanımını yönetmemektedir ve AB Yapay Zeka Yasası gibi en son veri koruma düzenlemeleri, çalışanların izlenmesini önlemeye odaklanırken, çalışanlar tarafından oluşturulan içeriğin modelleri eğitmek için nasıl kullanılabileceğine odaklanmamaktadır. Sonuç olarak, çatışma için muazzam bir kapsam vardır. Ve çalışanlar ve kuruluşlar bu veri sorununu anlamlı ve kalıcı bir şekilde ele almadıkları sürece, çatışma çıkmazlar ve parça parça müzakereler yoluyla yargılanmaya devam edecektir.

Veri kooperatifleri anlamlı bir ilerleme yolu sunar. Bireylerin verilerini analiz eden şirketlerle pazarlık gücü kazanmak amacıyla verilerini bir araya getirmelerini sağlayan bir organizasyon modelidir. Swash , datum , MIDATA , Gener8 , SAOS , GISC ve Data Worker's Union gibi kooperatifler , bireylerin verilerini paraya dönüştürmeleri ve yönetmeleri için yollar sunarak, dijital ekonomideki rolünü ve kendilerinin rolünü dönüştürür. Bu kooperatifler bireysel kontrolü, etik kullanımı ve adil muameleyi vurgular ve kullanıcıların dijital ayak izleri üzerinde sahiplik ve inisiyatif sahibi olmalarını sağlar. Dahası, birçok durumda kooperatif üyelerinin verilerinin kar amaçlı paraya dönüştürülmesini sağlayarak üçüncü tarafların bu verilerden (sorumlu ve gizliliği koruyan bir şekilde) içgörü elde etmesini sağlarlar. Böylece, veri kooperatifleri veri tabanlı içgörülere veya yapay zeka eğitimine olan talebi karşılayabilir . Aynı zamanda, kuruluşlara bağlamlarıyla son derece alakalı, düzenli olarak güncellenen, yüksek kaliteli veriler sağlarlar. Bu, üyelerin verileri üzerinde kontrole sahip oldukları ve belirli şirketlerin bu verileri sorumlu bir şekilde kullanmasına izin verebilecekleri anlamına gelir.

Üretimin Yeni Bir Faktörü Olarak Veri

Teknolojinin çalışanlar ve işverenleri üzerindeki etkisi genellikle her iki taraf arasında sıfır toplamlı oyun olarak analiz edilir; burada otomasyon işverenler için karları artırırken çalışanlar için işleri azaltır . Ancak, AI'nın yeni verilere olan bağımlılığı bu görüşü üç nedenden dolayı altüst eder:

• Üretken AI'nın içerik üretme yetenekleri reklamcılık ve pazarlama , ilaç tasarımı ve inovasyon , ürün ve süreç tasarımı ve geliştirme gibi rolleri etkileyebilir . Gerçekten de, gen AI'nın programlama işleri üzerindeki etkisi halihazırda hissediliyor .
• Yapay zeka modelleri aşırı derecede veri açlığı çektiğinden, yalnızca bitmiş ürünler üzerinde değil, aynı zamanda oluşturma süreci sırasında toplanan veriler üzerinde de eğitilebilirler. Üretilen bu tür veriler genellikle kuruluşa aittir, bu da gelecekteki dahili yapay zeka modellerini eğitmeyi daha da kolaylaştırır.
• Çoğu kuruluş, geçmiş verilerden oluşan büyük altın madenlerinin üzerinde oturuyor ve bunların birçoğu, yapay zeka modellerini önceden eğitmek veya ince ayar yapmak için başarıyla kullanılabilir.

Örneğin, yeni bir model yılı için bir otomobilin aktarma organları üzerinde çalışan bir mühendis ekibini düşünün. Böyle bir ekip, çeşitli becerilere ve deneyimlere sahip birkaç düzine kişiden oluşabilir. Aynı zamanda, tüm otomobil üreticileri, performansları, maliyetleri ve tasarım süreçleri de dahil olmak üzere önceki aktarma organları yaratımından gelen bol miktarda veriye erişebilir. Bu nedenle, şirketlerin başlangıçtaki işlerin daha fazlasını yapay zekaya kaydırmayı düşünebilecekleri ve böylece bölgedeki birçok beyaz yakalı işi etkileyebilecekleri öngörülebilir.

Ancak, AI'nın performansını öğrenmek ve geliştirmek için daha yeni, daha temiz ve daha büyük veri kümelerine ihtiyacı vardır. AI'nın mevcut yeteneklerine güvenen kuruluşlar, er ya da geç, kullandıkları algoritmaların "model bozulması" yoluyla eskiden olduğundan daha kötü performans göstermeye başladığını görebilirler - AI'nın performansının zamanla bozulması. Bunun nedeni, eğitildikleri verilerin artık AI'nın gezinmesi gereken gerçekliği temsil etmemesidir.

Tercihlerimiz, bağlamımız, mizah anlayışımız, zevkimiz ve modamız sürekli değişiyor. Ve biz insanların tercihlerimizi ortaya koymamız, komik bir şey bulduğumuzda gülmemiz ve etkileşime girmemiz ve moda bulduğumuz bir ürünü giymemiz gerekiyor. En değerli veriler biz insanlar hakkında olacak ve bu nedenle bu verilerle sonuçlanan dijital sistemlerle etkileşimimiz olacak. İnsanı ortadan kaldırmak, yapay zekanın içerik üretmek üzere tasarlandığı kişiyle ilgili verileri ortadan kaldırmak anlamına geliyor. O şakayı yeterince eğlenceli bulup bulmadığımızı, o ince renk değişikliğinin moda olup olmadığını veya şimdi yeni bir şeye ihtiyaç olup olmadığını yalnızca biz belirleyebiliriz çünkü üç ay önce beğendiğimiz şeyi üretmek artık yeterli değil.

Yalnızca yapay zekanın doğasından kaynaklanan ve geçmişte iş gücü piyasasını etkileyen diğer teknolojilerin doğasından kaynaklanmayan bu gerçek, şaşırtıcı bir şekilde işverenlerin ve çalışanların ihtiyaçlarının uyumlu hale getirilmesine yardımcı olabilir; çünkü yapay zekayı yönlendirebilecek yeni verilerin üretilmesinde insan çalışanlar temel rol oynar.

Veri Kooperatifleri Veriye Ne İse İşçi Sendikaları da İşçiye Odur

Çalışma bağlamında, her yeni zorluk ve yenilikle birlikte değişen şey çalışanların sahadaki bilgileri, sorun çözme yetenekleri ve gelişen beceri setleridir. Bu nedenle, çalışanların görevlerini devralabilecek AI için en değerli veriler, doğrudan çalışanların gerçekleştirdiği görevlerden gelecektir, çünkü araçlar, sistemler ve müşterilerle uygulamalı etkileşimleri, AI'nın doğru ve yararlı kalması için ihtiyaç duyduğu kesin verileri üretir.

Veri kooperatiflerinin, çalışanların kolektif verilerini az çok merkezi olmayan bir karar alma süreci aracılığıyla ortaklaşa sahip olmalarını ve yönetmelerini sağlayarak veri yönetimine yeni bir yaklaşım sunduğu yer burasıdır  . Bu, bir veri kooperatifinin üyelerinin şu anda farklı kaynaklarda ayrı ayrı depolanmış verileri tek bir pakete çekebilmesi sayesinde gerçekleşir. Üyelerin çeşitli kaynaklardan ve durumlardan ürettiği verilerin toplanması, yalnızca bireysel katkılarla veya tek kaynaklardaki verilerin kullanımıyla (örneğin tek bir şirket, tek bir platform, tek bir hizmet sağlayıcı vb.) elde edilemeyecek yeni ürünlerin, hizmetlerin ve iş modellerinin geliştirilmesine yol açabilir.

Dahası, çalışanlar kooperatifler aracılığıyla verilerinin paraya dönüştürüldüğünü gördüklerinde, daha iyi veri toplamayı kolaylaştırmak için kendi süreçlerini yeniden düzenleme olasılıkları çok daha yüksek olacaktır; bu da kuruluş için daha iyi yapay zeka sonuçları ve çalışanlar için verilerden daha yüksek gelirler üretebilir.

İşçilerin koşullarını iyileştirmek için geleneksel olarak tek yönlü bir yol arayan işçi sendikaları dışında, veri kooperatifleri eğitim verisi sağlayıcıları gibi çalışır ve karşılanmamış bir talebi (güncel verilerle yapay zeka sistemlerini eğitme talebi) karşılamak için piyasa kurallarını takip eder. Ve bu, kooperatif üyelerinin özel içgörülerini özel tutmaları gibi gizliliği koruyan yollarla yapılabilir . Bu örgütlenme modeli, çalışanların veri kullanımı için paylaşılan kurallar oluşturmalarına izin vererek onları güçlendirir ve potansiyel olarak işverenlerle pazarlık güçlerini artırır. Uygulamada, bu, veri kooperatiflerinin çalışanların verilerini farklı kaynaklardan ayrı ayrı toplamalarını ve hangi üçüncü tarafın (örneğin işverenleri gibi) bu veriler üzerinde bir algoritma eğitebileceğine vaka bazında karar vermelerini gerektirir. Bu, çalışanların verilerini paraya çevirmelerini ve tek bir şemsiye altında kontrol altında tutmalarını sağlar. Bunun nasıl yapılacağına dair bir dizi model vardır: bazıları blok zinciri kullanır, diğerleri üçüncü taraf uygulamaları kullanır, diğerleri ise verileri yerel olarak depolar ve kullanıcılara yalnızca kimin erişebileceği ve nasıl kullanılabileceği konusunda daha fazla kontrol sağlar.

Veri artık ekonomide giderek daha fazla üretim faktörü (yani girdi) olarak kullanıldığına göre, veri kooperatiflerinin bir çözüm olarak ortaya çıkması doğal görünüyor. Bu, geçmişte işçi sendikalarının gelişmesine yol açan mantıkla aynıdır: Üretim faktörünün (veri veya emek olsun) sahiplik yapısının parçalanması, bir bireyin işverenle pazarlık gücünü engeller.

Üretimin kritik faktörleri olan veri ve emek, parçalanma zorluğunu paylaşır. Ancak, verinin esas olarak büyük hacimlerde değer yaratması gerçeğinde farklılık gösterirler. Bu nedenle, içgörüler aracılığıyla değerini açığa çıkarmak için bir araya getirilmesi gerekir. "Büyük veri"den bahsetmemizin nedeni bu gerekli bir araya getirmedir.

Veri kooperatifleri bağlamında, verilerin kolektif sahiplik modeli yalnızca pazarlık gücünü artırmaktan fazlasını yapar; üyelerinin verilerinin hacmini ve çeşitliliğini kaldıraçlayarak değer yaratılmasını teşvik eder. Bu, dağıtılmış sahiplik yapılarının salt pazarlık kaldıracının ötesinde daha geniş ekonomik ve sosyal faydaları nasıl yönlendirebileceğini gösterir.

Bunun Çalışan-İşveren İlişkilerinin Geleceği İçin Anlamı Nedir?

Bu ekonomik değerin açığa çıkması ve hem işverenlerin hem de çalışanların veri ekonomisinde başarılı olması için, dahil olan herkesin veri okuryazarlığı seviyesini yükseltmesi gerekir. Hem çalışanlar hem de işverenler, karar vermeyi iyileştirebilecek ve yapay zeka modellerini eğitebilecek içgörüleri ve kalıpları ortaya çıkarmak için verilerin nasıl bir araya getirilip analiz edildiğini anlamalıdır. Ayrıca, çalışanlar çalışırken bu tür verilerin oluşturulmasına ve yönetilmesine nasıl katkıda bulunduklarını anlamalı ve işin geleceği hakkında doğru tartışmayı yapmak için kooperatiflerin kendilerine sağladığı kolektif etkiyi kullanmalıdır.

İnsanların ürettiği verilerden tam anlamıyla yararlanmak, çalışanların hangi verileri sundukları konusunda kontrol sahibi olmalarını ve bu veriler için adil bir şekilde tazmin edilmelerini sağlamak için, işverenler ve çalışanlar dijital ekonominin ve dolayısıyla işin geleceğini şekillendirebilmek adına şu adımları izlemelidir:

1. Kuruluşun iç veri kaynaklarını ve potansiyelini değerlendirir.

İşverenler ve çalışanlar, kuruluşun halihazırda topladığı ve ürettiği verilerin kapsamlı bir denetimini yaparak, AI eğitimi veya analitiği için değerli olabilecek verileri belirlemeye odaklanarak başlamalıdır. Bu alıştırmada, çalışan tarafından üretilen verileri belirlemek, çalışanların kuruluş tarafından üretilen veri tabanlı değere katkısını ölçmek için bir temel oluşturabilir. " Çalışanların Algoritma Gözlemevi ", çalışanların veri toplamasını ve platform ekonomisinde ve ötesinde maaş, program ve daha fazlasını belirleyen platformların arkasındaki algoritmik sistemleri araştırmasını sağlayan Princeton Üniversitesi'nde doğan bir girişimdir. İşverenler ve çalışanlar bu girişimi ilham ve destek için kullanabilirler.

2. Çalışanları veri okuryazarlığı programlarına dahil edin.

Kuruluşlar, çalışanlarının veri okuryazarlığını geliştirmek için eğitim programları uygulayabilirler. Günlük faaliyetlerinin nasıl değerli veriler ürettiği, bu verilerin yapay zeka gelişimindeki önemi ve veri kooperatiflerine nasıl katılabilecekleri konusunda onları eğiterek değerli bilgi yaratılır. Bu bilgi, çalışanların kuruluşların verileri aracılığıyla daha fazla değer üretmesini sağlar ve aynı zamanda kuruluştaki tüm ilgili paydaşların veri kooperatiflerinin yaratabileceği değer hakkında ortak bir anlayışa ve dile sahip olmasını sağlar. Bu herkese fayda sağlar: çalışanlar nasıl değer yarattıklarını ve bunun için nasıl tazmin edildiklerini daha iyi anlar ve işverenler karşılığında daha kaliteli veri elde eder. İlaç şirketi Roche bu alanda öncüdür .

3. İş sözleşmelerine veri işbirliği maddelerini ekleyin.

Çalışanların verilerine ilişkin haklarını tanıyan ve verilerinin veri kooperatifleriyle iş birliği içinde nasıl kullanılabileceğini ana hatlarıyla belirten maddeleri içerecek şekilde istihdam sözleşmelerini güncelleyerek, kuruluşlar kendilerini bu alanda öncü olarak konumlandırabilirler. Bu, şeffaflığı sağlayacak ve veri kullanımı için yasal bir çerçeve sağlayacak ve yeni yeteneklerin çekilmesine yardımcı olabilir. Bu tür maddeler,  çalışanların ürettikleri veriler üzerindeki haklarını savunan Veri İşçileri Sendikası gibi girişimlerde tartışılıyor . Şirketler, kendi politikalarını oluşturmak ve büyük bir işçi sorunu olma vaadinde bulunan şeyin önünde olmak için bu tartışmalardan ilham alabilir ve böylece bu konu hakkındaki tartışmaya öncülük edebilir ve onu şekillendirebilirler. Şirketler şimdi proaktif olarak hareket ederek karşılıklı olarak faydalı bir sistem geliştirebilir ve daha sonra daha fazla fedakarlık yapmak zorunda kalabilecekleri bir çekişme noktasını önleyebilirler.

Toplumun dinamik yapısı göz önüne alındığında, yapay zekanın (en azından öngörülebilir gelecekte) gerçek değer yaratmak için insanların verilerine ve rehberliğine ihtiyacı olacak. Bu nedenle, çalışanlar yapay zekanın alakalı kalmasında temel bir rol oynayacak. McKinsey gibi danışmanlık şirketlerinin öngördüğü değeri yaratacak olan şey, emek, sermaye ve yapay zekanın birleşimidir . Bu nedenle çalışanlar sermaye, emek ve veri arasındaki etkileşimi anlamaya odaklanmalı ve yapay zekanın doğasına dair doğru anlayışla işin geleceği hakkındaki tartışmayı yönlendirmeye başlamalıdır.

İş liderleri, yapay zeka çağında kuruluşların ve dolayısıyla toplumun gelişmesine olanak tanıyan iş birliği çerçevelerini proaktif bir şekilde önermek için sermaye, emek ve veri arasındaki bağımlılıkları eşit şekilde anlamalıdır.