Dataarbetare i världen, förenen eder

Vissa förespråkare hävdar att användare borde få betalt för att använda internettjänster.
Äldere kvinna framför dataskärm
Kompetensen att generera värdefulla data är mer spridd i befolkningen än man kan tro. Dagny Carlsson, 108 år, är en av Sveriges mest folkkära bloggare.
Dela på facebook
Dela på twitter
Dela på linkedin
Dela på email

Från The World If publicerad i The Economist, översatt av InPress.
©2020 The Economist Newspaper Limited. Alla rättigheter förbehållna.

Foto: Lotte Fernvall/Aftonbladet/TT, SVT/TT, iStockphoto



Dataslaveri.” Jennifer Lyn Morone, en amerikansk konstnär, anser att det är så de flesta människor lever i dag. För att få gratis internettjänster skänker människor bort känslig personlig information till teknikföretag.

”Personliga data är mycket mer värdefulla än man tror”, säger hon. För att belysa detta sorgliga tillstånd, har Lyn Morone tagit till vad hon kallar ”extremkapitalism”: hon har registrerat sig själv som ett företag i Delaware. 2016 skapade hon dossierer med data och ställde ut dem på ett galleri i London. De var till salu med priser från 135 dollar. Hela samlingen, inklusive hennes hälsodata och folkbok­föringsnummer, kunde köpas för 7 000 dollar.

textnotisBara några få köpare har tagit fasta på hennes erbjudande. Men om en konstnärs uppgift är att fånga tidsandan, så har Lyn Morone slagit huvudet på spiken. Världen har börjat upptäcka att något är ruttet i dataekonomin. Sedan det framkom 2018 att Cambridge Analytica, ett politiskt konsultbolag, hade samlat in data om 97 miljoner Facebookanvändare på ett tveksamt sätt, har debatten om hur personliga data hanteras på internet blivit allt mer högljudd. Till och med Angela Merkel, Tysklands förbundskansler, har efterlyst en värdering av personliga data och bett forskare att hitta lösningar.

Med tanke på dagens situation – där stora företag dominerar exploateringen av personliga data – verkar det tveksamt om Lyn Morones metod kommer att slå igenom. Men tänk om människor verkligen kontrollerade sina data – och teknikjättarna var tvungna att betala för att få tillgång till dem? Hur skulle en sådan dataekonomi se ut?

Det skulle inte vara första gången som en viktig ekonomisk resurs går från att bara användas till att ägas och handlas; samma sak har till exempel skett med land och vatten. Men digital information är en osannolik marknadskandidat. Personliga data är ett exempel på vad ekonomer kallar en resurs med ”ickerivalitet”, vilket innebär att de kan användas mer än en gång. Faktum är att ju fler gånger de används, desto bättre är det för samhället. Men en annan historisk förebild kan fungera som modell, argumenterar Jaron Lanier, en virtual reality-pionjär, och Glen Weyl, en ekonom vid Yale University, som båda arbetar för Microsoft Research.

Arbete är precis som data en resurs som är svår att definiera. Under större delen av den mänskliga historien har arbetare inte kompenserats korrekt för sina insatser. Också när människor blev fria att sälja sin arbetskraft tog det tiotals år innan lönerna nådde nivåer som man kunde leva på. Historien lär inte upprepa sig, men det finns goda chanser att man kommer att kunna se vissa likheter, förutspår Glen Weyl i Radical Markets, en provokativ bok som han har skrivit tillsammans med Eric Posner från University of Chicago. Han argumenterar för att det i den artificiella intelligensens tidsålder är vettigt att betrakta data som en slags arbete.

För att förstå varför kan det vara bra att komma ihåg att ”artificiell intelligens” egentligen är en felaktig beteckning. Glen Weyl och Eric Posner kallar det ”kollektiv intelligens”. De flesta AI-algoritmer behöver tränas genom mänskligt genererade exempel i en process som kallas maskininlärning. Om algoritmerna inte vet vad de rätta svaren är (något som människor tillhandahåller), kan de vare sig översätta språk, förstå tal eller känna igen objekt i bilder. De data som människor står för kan alltså ses som en form av arbete som driver AI. Data­arbetet kommer att ta sig många olika former. En hel del kommer att vara passivt; lajka poster på sociala medier, lyssna till musik, rekommendera restauranger. De genererar data som behövs för att driva nya tjänster. Men vissa människors data kommer att vara mer aktiva, i och med att de fattar beslut (att tagga bilder eller köra en bil genom en stad), data som kan användas för att träna AI-system.

Oavsett om dessa data genereras aktivt eller passivt, kommer få människor att orka hålla koll på all information de genererar eller ha någon aning om dess värde. Och de skulle ändå slå sig ganska slätt i förhandlingarna med AI-företagen. Men arbetets historia ger en hint om hur saker kan utvecklas. Historiskt har det oftast varit tack vare fackföre­ningar som löner har stigit till acceptabla nivåer. Glen Weyl väntar sig fackföreningar för dataarbete. Liksom sina företrädare kommer de att förhandla om ersättningar, övervaka medlemmarnas dataarbete och försäkra sig om kvaliteten på deras digitala produktion. Fackföreningarna kan förmedla specialistdataarbete till sina medlemmar, och till och med organisera strejker genom att blockera tillgång till medlemmarnas data. På liknande sätt kan datafackföreningarna förmedla medlemmarnas databidrag, samtidigt som de skickar räkningar till de AI-företag som drar nytta av dem.

Men varför skulle exempelvis Google och Face­book någonsin släppa sina nuvarande affärsmodeller där de använder gratis data och säljer riktade webb­annonser? Under 2017 kammade de tillsammans hem 135 miljarder dollar i annonspengar. Om de vore tvungna att betala folk för data skulle de bli avsevärt mycket mindre lönsamma. Startups som CitizenMe och DataCoup, som kan ses som en slags tidiga datafackföreningar, har hittills inte kommit särskilt långt. Men teknikjättarna betalar faktiskt för vissa data, även om de inte talar högt om det. Genom outsourcingföretag hyr de in arméer av moderatorer och betygssättare för att ta bort innehåll som är olagligt eller stötande. Andra företag lägger ut dataarbete som att tagga bilder. Mighty AI, en startup från Seattle, betalar tusentals onlinearbetare för att märka gatubilder som används för att träna algoritmer för självkörande bilar.

Och om AI lever upp till hypen, kommer det att leda till krav på mer och bättre data. Allt eftersom AI-tjänsterna blir mer sofistikerade måste algoritmerna matas med allt mer högkvalitativ digital information, något människor bara kommer att bistå med om de får betalt. När en it-jätte börjar betala för data kan andra bli tvungna att följa efter.

Om data betraktas som arbete kommer it-jättarnas vinstmarginaler att pressas, men deras affär som helhet kan växa. Arbetarna kommer att sitta i förarsätet, åtminstone till en början. Deras morgnar kan börja med en titt på datafackets kontrollpanel som visar tillgängliga jobb: från att titta på annonser (datorns kamera spelar in ansiktsuttrycken) till att översätta en text till ett sällsynt språk eller testnavigera i en virtuell byggnad. Kontrollpanelen listar intjänade löner och visar betyg.

Men mycket behöver förändras för att personliga data ska börja ses som arbete och betalas därefter. För det första behövs det rätta juridiska ramverket. EU:s GDPR-lag ger redan människor omfattande rättigheter att kontrollera, ladda ner och radera personliga data. För det andra måste tekniken som håller koll på dataflöden blir mer avancerad. Forskningen för att kalkylera värdet på data är fortfarande i sin linda.

För det tredje, vilket är viktigast, måste människor utveckla en ”klassmedvetenhet” som dataarbetare. De flesta säger att de vill att deras personliga information ska vara skyddad, men byter ändå bort den mot nästan ingenting, ett fenomen som kallas ”integritetsparadoxen”. Men kanske håller saker på att ändras. Mer än 90 procent av amerikanerna anser att det är viktigt att ha kontroll över sina data, enligt tankesmedjan Pew Research Centre.

Även om människor skulle få pengar för sina data, anser skeptiker att de inte skulle få särskilt mycket. Om Facebook delade ut sin vinst på alla månatliga användare, skulle var och en bara få nio dollar om året. Men sådana uträkningar tar inte med i beräkningen att dataåldern precis har inletts. AI liknas ofta vid elektricitet och när elektrifieringen inleddes i slutet på 1800-talet, använde hela städer inte mer el än ett enda hushåll gör i dag.

Skulle inte denna dataekonomi bli enormt ojämlik? Glen Weyl argumenterar för att kompetensen att generera värdefulla data är mer spridd i befolkningen än man kan tro. Dataarbete skulle kunna rucka på det mänskliga kapitalets hierarki. På ett eller annat sätt kommer samhället att behöva hitta en mekanism för att distribuera rikedomarna som skapas av AI. Som det är nu, samlas det mesta i de stora datadestillerierna. Om inte det förändras kan ojämlikheten falla tillbaka till me­deltida nivåer, varnar Glen Weyl. I så fall är det inte orimligt att tänka sig att dataarbetarna i världen en dag verkligen kommer att förenas.