Achter bekende Big Tech-bedrijven steekt een complexe, internationale productieketen. Veel van de arbeiders in deze AI-productieketen zijn het slachtoffer van uitbuiting, maatschappelijke onzichtbaarheid en geopolitieke ongelijkheid.
In recent onderzoek, samen met professor Jean-Philippe Deranty van Macquarie University in Sydney, Australië, probeerde ik de verschillende vormen van menselijke arbeid én de verscheidenheid aan onrechtvaardigdheden in de AI-productieketen in kaart te brengen.
Een deel van het probleem is het algemene beeld dat men van artificiële intelligentie heeft. Wanneer wij niet erkennen dat automatisering mensenwerk is, dan kunnen we de problematische arbeidsomstandigheden van AI-arbeiders evenmin herkennen.
Net zoals een CEO geen bedrijf kan runnen zonder medewerkers, investeerders, adviseurs, schoonmakers en ga maar door, zo gaat er een lange keten van arbeid vooraf aan het werk van de zogeheten tech-bros.
AI-arbeiders, zoals ik ze hier voor het gemak zal noemen, zijn álle menselijke werkers wiens inspanningen bijdragen aan het gebruiksklare eindresultaat dat wij AI noemen. Zo’n AI-systeem is bijvoorbeeld een chatbot die de klantenservice van een bedrijf verzorgt, een algoritme dat mogelijk schadelijke inhoud op sociale media verwijderd, of een app op je telefoon die objecten in foto’s kan benoemen of bewerken.
De term ‘AI-arbeiders’ wordt weinig gebruikt. Doorgaans denkt men enkel aan datawetenschappers of programmeurs, wanneer men denkt aan de makers achter AI-systemen. Maar net zoals een CEO geen bedrijf kan runnen zonder medewerkers, investeerders, adviseurs, schoonmakers, transporteurs, mensen die kantoorruimtes bouwen, koks die hen van eten voorzien, en ga zo maar door, zo gaat er een lange keten van arbeid vooraf aan het werk van de zogeheten tech-bros.
De AI-productieketen
Een veelvoorkomend misverstand over AI is dat de technologie ontastbaar is, omdat het zich in de cloud bevindt. Hoewel wij, als gebruikers, AI inderdaad niet direct kunnen aanraken, heeft deze technologie wel degelijk een materiële werkelijkheid. AI-modellen bestaan uit algoritmen die worden getraind en uitgevoerd door middel van dataservers die zich vaak (maar niet noodzakelijk) in grote datacentra bevinden.
Deze dataservers bestaan uit verschillende hardware elementen, waaronder speciale chips zoals Graphic Processing Units (GPU’s). Die chips bestaan op hun beurt weer uit tal van mineralen en metalen die op verschillende plekken in de wereld gewonnen worden. Doorheen de levenscyclus van die hardware wordt bovendien veel water en energie verbruikt: tijdens het mijnen van lithium, de productie van chips in daaraan toegewijde fabrieken, of bij de koeling van oververhitte servers in een datacentrum.
Het maatschappelijke en wetenschappelijke bewustzijn over de materiële werkelijkheid van AI is in de afgelopen jaren fors gegroeid. Maar een schets van AI’s materiële levenscyclus toont nog iets anders aan, namelijk dat AI eveneens een sociale realiteit kent. Er gaat een enorm productieproces vooraf aan ons gebruik van AI-systemen, en bij elke fase van dit proces zijn verschillende vormen van arbeid betrokken.
De AI-productieketen kan grofweg in vijf fasen worden opgedeeld: de productie van hardware, het voorbereiden van data, het model ontwikkelen, het gebruik ervan en tot slot de afwikkeling.
In de hardware-fase spelen sectoren als de mijnbouw, fabrieksproductie, transport en de bouw een rol. In de datavoorbereidingsfase speelt microwerk een grote rol, het soort werk dat tech-bedrijven meestal uitbesteden aan arbeiders in lagelonenlanden, via online platforms of clickfarms.
De Keniaanse arbeiders van Sama, een dochterbedrijf van Meta, moesten beoordelen of video’s, foto’s en teksten die op Facebook gedeeld worden haatdragende of grensoverschrijdende inhoud bevatten. De slechte werkomstandigheden waarin zij moeten werken, leidde vanaf 2022 tot controverse en rechtszaken.
De term microwerk verwijst naar de microscopische taken die bijdragen aan de verzameling, generatie en bewerking van data of aan het trainen en verbeteren van AI-modellen. Een concreet voorbeeld van microwerk in een clickfarm zijn de Keniaanse arbeiders van Sama, een dochterbedrijf van Meta, die moeten beoordelen of video’s, foto’s en teksten die op Facebook gedeeld worden haatdragende of grensoverschrijdende inhoud bevatten. De slechte werkomstandigheden waarin zij moeten werken, leidde vanaf 2022 tot controverse en rechtszaken.
In de model-ontwikkelingsfase komen dan weer vooral gespecialiseerde datawetenschappers, AI-ingenieurs of AI-architecten voor. De gebruiksfase houdt vervolgens onder meer verband met het beheer van datacentra, de ontwikkeling van een gebruikersbeleid, het testen van de gebruiksvriendelijkheid en andere factoren.
De afwikkelingsfase, tot slot, heeft betrekking op de verwerking van gebruikte elektronica, zoals chips die niet meer genoeg capaciteit hebben voor het nieuwste AI-model, of andere overblijfselen uit het productieproces.
Clickfarms
De AI-productieketen is een globale keten. Waar in de wereld een bepaalde vorm van AI-werk plaatsvindt, is sterk afhankelijk van de beschikbaarheid van goedkope arbeidskrachten, specifieke specialismes, zeldzame of schaarse materialen, en van de juiste voorzieningen voor chipfabrieken, datacentra en clickfarms (ook bekend als BPO’s, ‘Business Process Outsourcing’).
Sommige van de genoemde beroepen zijn misschien niet uniek voor de creatie van AI – denk aan arbeiders in mijnen, chauffeurs die chips transporteren of bouwvakkers die datacentra bouwen – maar we moeten deze beroepen wel tot de groep AI-arbeiders rekenen. Elke genoemde stap vormt een noodzakelijke schakel in het AI-productieproces.
Deze verborgen en ondergewaardeerde AI-werkers creëren het fundament waarop AI-modellen gestoeld zijn. Zonder hen zou de tech-sector ineenstorten, als een toren die zijn fundament verloor.
Het gemiddelde jaarsalaris van een doorsnee datawetenschapper in de Verenigde Staten wordt op 130.000 dollar geschat, terwijl microwerkers in de platformeconomie gemiddeld minder dan twee dollar per uur verdienen.
Het staat buiten kijf dat de tech-sector gigantische winsten binnensleept. Arbeiders in de model-ontwikkelingsfase, die zich veelal in Westerse landen en tech-hubs bevinden, profiteren daar vaak mee van dankzij torenhoge salarissen. Het gemiddelde jaarsalaris van een doorsnee datawetenschapper in de Verenigde Staten wordt bijvoorbeeld op 130.000 dollar geschat, terwijl microwerkers in de platformeconomie gemiddeld minder dan twee dollar per uur verdienen, blijkt uit recent onderzoek van Fairwork.
Met andere woorden, de economische verschillen tussen arbeiders binnen de AI-productieketen zijn disproportioneel groot.
Naast een gering inkomen, zijn er nog andere aspecten die het werk van AI-arbeiders onzeker en precair maken. Sommige stappen in het AI-productieproces stoelen op informeel werk in derdewereldlanden.
Dit is bijvoorbeeld het geval in de context van de mijnen en bij de verwerking van elektronisch afval. Deze vormen van AI-werk zijn bovendien buitengewoon schadelijk voor de fysieke gezondheid van arbeiders, denk maar aan de schadelijke stoffen die vrijkomen bij het bewerken van mineralen.
Als een vorm van freelance werk zorgt microwerk via online platforms dan weer voor risico’s omtrent werkzekerheid en welzijn. De situatie van microwerkers in clickfarms, vaak dochterbedrijven van grote tech-bedrijven, is niet veel beter. Korte-termijncontracten en geringe salarissen zijn de norm. Daarbij is het werk zeer belastend voor het mentale welzijn van arbeiders, onder meer door de veelal gewelddadige of seksueel expliciete inhoud van de beelden en teksten die zij moeten beoordelen.
Frans Madagaskar
De complexiteit en internationale schaal van de AI-industrie maakt het complex om de precaire arbeidsomstandigheden in deze industrie te bestrijden. Op de eerste plaats is het moeilijk voor arbeiders om met elkaar in contract te treden, omdat zij nauwelijks zicht hebben op het grotere geheel waaraan hun arbeid bijdraagt of enkel via een algoritmisch platform kunnen communiceren.
Alleen wanneer arbeiders toegang tot hun directe en indirecte collega’s hebben, kunnen zij wederzijds begrip ervaren en zich verenigen om gezamenlijk betere omstandigheden af te dwingen. Verder worden traditionele vakbonden bemoeilijkt in hun functioneren door de globale verspreiding en verborgenheid van microwerk en andere voor AI noodzakelijke, precaire arbeid.
Daarbij komt nog de complexiteit van internationale en supranationale wetgeving. Werkgevers in land X maken gebruik van bemiddelende bedrijven in land Y om werk uit te besteden aan arbeiders in land Z. Daardoor is het vaak onduidelijk aan welke regels werkgevers moeten voldoen en waar arbeiders kunnen aankloppen om betere arbeidsomstandigheden op te eisen.
Microwerk is makkelijk uit te besteden. Via online platformen kunnen arbeiders deze vorm van werk relatief makkelijk vinden, en vanuit een willekeurige locatie (met internet) uitvoeren.
Binnen de brede, wereldwijde groep van AI-werkers bestaan verschillende machtsdynamieken, die ieder op eigen wijze uitbuiting in de hand spelen. Op de eerste plaats is er sprake van het klassieke kapitalistische systeem waarin de lagere sociale klassen voor hun inkomen afhankelijk zijn van het werk dat hen wordt aangeboden door hogere sociale klassen, die op hun beurt winsten boeken dankzij het feit dat zij al vermogend waren.
Tech-bedrijven in vermogende landen, met name de Verenigde Staten, besteden grote delen van de AI-productieketen uit aan minder ontwikkelde landen, niet alleen omdat ze daar toevallig de nodige mineralen en metalen kunnen winnen, maar ook omdat de prijs van arbeid daar het goedkoopst is. Met name het microwerk is makkelijk uit te besteden. Via online platformen kunnen arbeiders deze vorm van werk relatief makkelijk vinden, en vanuit een willekeurige locatie (met internet) uitvoeren.
Ten tweede steunt de AI-productieketen op neokoloniale, geopolitieke machtsverhoudingen. Enerzijds creëert de grote inkomenskloof tussen de tech-bros in het Mondiale Noorden en onzichtbare AI-werkers in het Mondiale Zuiden een nieuwe, neokoloniale dynamiek. Critici zeggen daarom geregeld dat AI een nieuwe wereldorde voortbrengt.
Anderzijds maken tech-bedrijven gretig gebruik van bestaande ongelijkheden en oude koloniale banden tussen verschillende landen en werelddelen. Zo maken Franse AI-startups gebruik van het feit dat men in de voormalige kolonie Madagaskar nog alom Frans spreekt, door microwerk uit te besteden aan arbeiders in Madagaskar.
Verborgen arbeid
De verborgenheid van het mensenwerk dat AI produceert helpt de slechte arbeidsomstandigheden en ongelijkheid binnen de AI-industrie in stand te houden. Die verborgenheid kent vele lagen. Arbeiders in de productieketen zijn niet zichtbaar voor de eindgebruikers, onder meer doordat zij zich in andere werelddelen bevinden of hun werk van thuis uit uitvoeren.
Daarnaast speelt de illusie van automatisering een belangrijke rol. Processen die als geautomatiseerd aan ons verkocht worden, zijn in werkelijkheid soms sterk afhankelijk van microwerkers die op de achtergrond de taken uitvoeren waartoe AI (nog) niet in staat is. De nadruk op AI’s capaciteit om menselijke arbeid te automatiseren, en dus overbodig te maken, is een ideologische troef van de tech-sector, die de waarde van menselijke arbeid bagatelliseert.
Tot slot kan de functie en waarde van AI-arbeid verborgen zijn voor AI-arbeiders zelf, die geen besef hebben van het belang van hun werk binnen de winstgevende industrie waaraan zij bijdragen.
De politiek-filosofische erkenningstheorie van Axel Honneth, een van de denkers van de Frankfurter Schule, kan ons helpen begrijpen waarom die verborgenheid zo onrechtvaardig is. AI blijft immers wel degelijk afhankelijkheid van menselijke arbeid, zowel van de werkers in de productieketen als van de eindgebruikers.
Wanneer een industrie zoals de tech-sector erin slaagt om werkers zelf de waarde van hun arbeid te laten miskennen, worden zij er tegelijkertijd van weerhouden om een rechtvaardigere behandeling op te eisen. Wanneer de samenleving geen weet heeft van de materiële en sociale kosten die de AI-productie genereert, kunnen zij de rechten en noden van AI-werkers niet erkennen.
Het is cruciaal dat wij het algemene beeld bestrijden van AI als een automatisch proces dat zich in de cloud afspeelt. AI is een materieel product dat door mensen wordt gemaakt.
