Yapay zekanın şirketlere girmesi, salt teknolojik güncellemenin ötesine geçiyor ve görevlerin, hiyerarşilerin ve sorumlulukların yeniden tanımlanmasına ve aynı zamanda işin kalitesine de yansıyor. Uluslararası Çalışma Örgütü (ILO) tarafından sağlanan veriler, kadınların hakim olduğu mesleklerin (idari, sekreterlik, muhasebe, müşteri hizmetleri), genellikle daha fiziksel veya teknik olan erkeklere göre otomasyona daha fazla maruz kaldığını gösteriyor. Bu asimetri daha büyük bir problemin parçasıdır. önyargıları güçlendirmek halihazırda küresel işgücü piyasasında mevcuttur. Rakamlar, merkezinde kadınların mesleki ayrımcılığı deneyimlediği yapısal bir dinamiği gizliyor. Yapay zekanın iş desteği sağlarken temponun ve güvencesizliğin artmasına katkıda bulunduğu bir bağlamda en otomatikleştirilebilir profesyonel rolleri kapsıyor.
Cinsiyet eşitsizliğinin artmasını önlemek için, önümüzdeki yıllarda yapılacak kurumsal ve politik tercihlerin dijital becerilere eşit erişimi, değerlendirme sistemlerinde şeffaflığı ve hatta bundan önce daha dengeli algoritmik yönetişimi içermesi gerekecek. Derinlemesine incelediğimiz konular Anam Butt, ILO cinsiyet eşitliği ve ayrımcılık yasağı uzmanıbirkaç yazarı
çalışmalar ve araştırmalar.
Soruşturma
Algoritmalar bize zaman kazandırır. Ama bu bizi gerçekten özgür bırakacakları anlamına gelmiyor
kaydeden Federica Spampinato
Yapay zekaya maruz kalmanın erkekler ve kadınlar arasında farklı olduğunu gösteren işaretler nelerdir?
«Çeşitli göstergeler, üretken yapay zekaya maruz kalmadaki açık cinsiyet farklılıklarını vurguluyor. İlk olarak, yakın zamanda geliştirilen bir mesleki maruz kalma endeksinin mesleklere ilişkin verilere uygulanması, kadın egemen mesleklerin üretken yapay zekaya maruz kalma olasılığının erkek egemen mesleklere göre neredeyse iki kat daha fazla olduğunu gösteriyor: %29'a karşılık %16. İkinci olarak, kadınlar en yüksek riskli meslek kategorilerinde daha fazla yoğunlaşmaktadır: Kadınların hakim olduğu mesleklerin %16'sı maruz kalma düzeyi 3 ve 4'e girmektedir. [dove 4 è il massimo, nda]erkek egemen olanların ise sadece %3'ü. Üçüncüsü, 84 ülkedeki fiili istihdam kalıpları göz önüne alındığında, ülkelerin %88'inde kadınlar erkeklerden daha fazla maruz kalıyor.
örnek”.
Mesleki ayrımcılık kültürel, ekonomik veya politik bir olgu mudur?
“Tüm bu faktörlerin kesişmesiyle ortaya çıkan yapısal bir olgudur. Kadınlar ve erkekler için “uygun” rolleri tanımlayan, genellikle ilkini bakım, idari ve destek faaliyetlerine, ikincisini ise teknik, yönetimsel ve karar alma pozisyonlarına yönlendiren kalıcı toplumsal cinsiyet normları ve stereotipler tarafından şekillendirilmektedir. Ayrışma, makroekonomik ve sektörel politikalar, yapısal dönüşüm kalıpları ve ücretsiz bakım işinin eşit olmayan dağılımı da dahil olmak üzere, farklı sektörlere erişimi ve istihdamın kalitesini birlikte etkileyen ekonomik dinamikler tarafından güçlendirilmektedir. Ayrıca politika tercihleri, düzenleyici çerçeveler ve kurumsal güç ilişkileri istihdama, kaynaklara ve fırsatlara erişimi belirlediği için bu politik bir olgudur; birçok ülkede kadınların çalışmasına yönelik yasal kısıtlamaların ısrarla varlığının da gösterdiği gibi.”
Soruşturma
Algoritmalar bize zaman kazandırır. Ama bu bizi gerçekten özgür bırakacakları anlamına gelmiyor
kaydeden Federica Spampinato
Yapay zekanın kadınların yaptığı işin kalitesini somut olarak iyileştirdiği durumlar var mı?
“Evet. Yapay zeka halihazırda, sorumlu bir şekilde tasarlanan ve yönetilen koşullar altında çalışma koşullarını iyileştirebilecek ve cinsiyet eşitliğini teşvik edebilecek şekillerde kullanılıyor. Örnekler arasında işe alım reklamlarındaki önyargıyı tespit edebilen, cinsiyetler arası ücret farklarını ortaya çıkarmak için ücret verilerini analiz edebilen ve işyerinde cinsiyete dayalı şiddet ve tacizi önleyecek ve bunlara yanıt verecek sistemleri güçlendirebilen araçlar yer alıyor. Yapay zekanın işin fiziksel yoğunluğunu azaltma, çalışanların refahını destekleme ve işyerinde güvenliği güçlendirme potansiyeli de vurgulanmalıdır.”
İşe alma, değerlendirme ve ücretlendirme için kullanılan algoritmalar hangi gereksinimlere sahip olmalıdır?
“İşçiler, işverenler ve düzenleyicilerin kararların nasıl alındığı konusunda ortak bir anlayışı paylaşabilmeleri için şeffaf olmalılar. Tarihsel ayrımcılığı yeniden üretmemek veya kadınları ve diğer dışlanmış grupları sistematik olarak dışlamamak için yüksek kaliteli, temsili veri kümelerine dayanmalılar. Özellikle önyargılı sistemler kadınları işe alma süreçlerinde cezalandırabileceği, ücret eşitsizliklerini artırabileceği ve kesişimsel ayrımcılığa maruz kalanları dezavantajlı hale getirebileceği için, ayrımcılık karşıtı güçlü güvenceler ve hesap verebilirlik mekanizmaları içermelidirler. [che si sovrappongano e interagiscano simultaneamente, ndr]. Veri koruma ve uygun etik risk değerlendirmelerine uygun olarak uygulanmalıdırlar. Son olarak, istişare ve sosyal diyalog yoluyla tanıtılmalı, işçilerin sesleri tasarım, uygulama ve izlemeye entegre edilmelidir.”
Hangi kültürel veya ekonomik engeller teknik rollere erişimi engelliyor ve bu tür yaygın sistemlerin çeşitliliği az olan gruplar tarafından tasarlanması ne kadar riskli?
“Bu ciddi bir risk. Kadınlar küresel yapay zeka iş gücünün yalnızca %30'unu temsil ediyor ve bu sistemlerin geliştirilmesinde ve yönetilmesinde yetersiz temsil edilmeleri, onları şekillendiren perspektiflerin genellikle çok dar olduğu anlamına geliyor. Bu sadece eşitlik açısından değil aynı zamanda kalite, meşruiyet ve ekonomik verimlilik açısından da risklidir. Eksik veya temsili olmayan verilerle eğitilen yapay zeka sistemleri, kadınların özgeçmişlerini cezalandıran işe alım araçları, cinsiyetler arası ücret farklarını yeniden üreten maaş belirleme sistemleri ve ırk, engellilik veya göçmenlik durumuyla ilgili önyargıları güçlendiren diğer araçlar da dahil olmak üzere ayrımcı sonuçlar üretebilir. Bir kısır döngü riski de vurgulanıyor: planlama aşamasından dışlanmak çarpık sonuçlar doğuruyor ve bu sonuçlar da katılımı daha da caydırıyor ve eşitsizlikleri daha da artırıyor.”
İtalyan Tech albümü
Yapay zeka işinizi kaybetmenize neden olacak mı? İşlerin gerçekte nasıl olduğunu anlamak için bir araştırma
kaydeden Federico Ferrazza
Bu durum pratikte nasıl çözülür?
«Sorumluluk hükümetler, işverenler ve işçi örgütleri arasında paylaşılmalıdır. Hükümetler, şeffaflığı, veri korumayı, hesap verebilirliği ve ayrımcılık yapmamayı sağlayan düzenleme ve politika çerçevelerinin oluşturulmasında ve ayrıca yapısal cinsiyet eşitsizliklerini ele alan makroekonomik, işgücü piyasası ve bakım hizmetleri politikalarının oluşturulmasında merkezi bir rol oynamaktadır. İşverenler, bu sistemlerin adil, şeffaf olmasını ve çalışma koşullarına zarar vermemesini sağlamak için açık yönetişim modelleri, becerilere yatırım ve etik risk değerlendirmeleri ile yapay zekayı anlık değil stratejik olarak benimsemelidir. İşçi örgütleri, işçilerin yapay zekanın nasıl tanıtılacağı, müzakere edileceği ve izleneceği konusunda söz sahibi olmasını sağlamak için çok önemlidir. Daha genel olarak, yüksek kaliteli ve temsili veri kümelerinin kullanılması ve yapay zeka ile ilgili iş ve karar alma süreçlerine kadınların katılımının arttırılması da dahil olmak üzere, cinsiyet eşitliğinin yapay zeka sistemlerinin tasarımına, uygulanmasına ve yönetimine entegre edilmesi gerekmektedir. İşgücü piyasası kurumlarının ve istihdamın korunmasının güçlendirilmesi, toplumsal cinsiyet eşitliğini merkeze alan ekonomi politikalarıyla birlikte, teknolojik değişimin herkes için daha fazla ve daha kaliteli işler yaratmasını sağlamak açısından hayati önem taşıyacak.”
Bir yanıt yazın