ਕੀ ਐਲਗੋਰਿਦਮ ਵਾਕਈ ਬੇਗਾਰ/ਜਬਰਦਸਤੀ ਮਜ਼ਦੂਰੀ ਪਛਾਣ ਸਕਦੇ ਹਨ, ਜਾਂ ਅਸੀਂ ਸਿਰਫ਼ ਆਪਣੇ ਅੰਨ੍ਹੇ ਪੱਖ ਨੂੰ “ਆਟੋਮੈਟ” ਕਰ ਰਹੇ ਹਾਂ?

ਜ਼ਿੰਮੇਵਾਰ ਸਪਲਾਈ ਚੇਨ ਹੁਣ “ਚੰਗੀ ਗੱਲ” ਨਹੀਂ ਰਹੀ। ਇਹ ਤੇਜ਼ੀ ਨਾਲ ਕੰਪਲਾਇੰਸ ਦੀ ਲੋੜ ਬਣਦੀ ਜਾ ਰਹੀ ਹੈ। EU ਦੀ Corporate Sustainability Due Diligence Directive (CSDDD) ਅਤੇ ਅਮਰੀਕਾ ਦੀ Uyghur Forced Labour Prevention Act (UFLPA) ਨੇ ਏਸ਼ੀਆ-ਪੈਸਿਫਿਕ (APAC) ਵਿੱਚ ਕਈ ਸਪਲਾਇਰਾਂ ਤੇ ਬ੍ਰਾਂਡਾਂ ਉੱਤੇ ਦਬਾਅ ਵਧਾ ਦਿੱਤਾ ਹੈ ਕਿ ਉਹ ਸਾਬਤ ਕਰਨ ਕਿ ਉਨ੍ਹਾਂ ਦੀ ਸਪਲਾਈ ਚੇਨ ਬੇਗਾਰ/ਜਬਰਦਸਤੀ ਮਜ਼ਦੂਰੀ ਤੋਂ ਮੁਕਤ ਹੈ।

ਇਸ ਦਬਾਅ ਵਾਲੇ ਮਾਹੌਲ ਵਿੱਚ AI ਨੂੰ ਹੱਲ ਵਾਂਗ ਪੇਸ਼ ਕੀਤਾ ਜਾ ਰਿਹਾ ਹੈ।

ਹੁਣ ਕਈ ਪਲੇਟਫਾਰਮ ਕਹਿੰਦੇ ਹਨ ਕਿ ਉਹ ਮਿੰਟਾਂ ਵਿੱਚ ਵੱਡੇ ਸਪਲਾਇਰ ਨੈੱਟਵਰਕ ਨੂੰ ਖੰਗਾਲ ਕੇ ਮੁੱਦਾ ਸਾਹਮਣੇ ਆਉਣ ਤੋਂ ਪਹਿਲਾਂ ਹੀ ਜਬਰਦਸਤੀ ਮਜ਼ਦੂਰੀ ਦੇ ਜੋਖ਼ਮ ਨੂੰ ਫਲੈਗ ਕਰ ਦੇਣਗੇ। ਜਿਹੜੀਆਂ ਕੰਪਲਾਇੰਸ ਟੀਮਾਂ ਦਿਨ-ਰਾਤ ਸਪ੍ਰੈਡਸ਼ੀਟਾਂ ਵਿੱਚ ਫਸੀਆਂ ਰਹਿੰਦੀਆਂ ਹਨ, ਉਨ੍ਹਾਂ ਲਈ ਇਹ ਸੁਣਨ ਵਿੱਚ ਰਾਹਤ ਵਰਗਾ ਹੈ। ਪਰ ਸਵਾਲ ਫਿਰ ਵੀ ਰਹਿੰਦਾ ਹੈ: ਕੀ ਮਸ਼ੀਨ ਆਧੁਨਿਕ ਗੁਲਾਮੀ ਦੀ ਗੁੰਝਲਦਾਰ ਤੇ ਲੁਕੀ ਹੋਈ ਹਕੀਕਤ ਨੂੰ ਸੱਚਮੁੱਚ ਪਕੜ ਸਕਦੀ ਹੈ?

ਵਾਅਦਾ: ਤੇਜ਼ੀ ਅਤੇ ਸਕੇਲ

AI ਵੱਡੀ ਮਾਤਰਾ ਵਿੱਚ ਡਾਟਾ ਸੰਭਾਲਣ ਵਿੱਚ ਤਗੜੀ ਹੈ। ਜੇ ਤੁਸੀਂ ਸਿੰਗਾਪੁਰ ਵਿੱਚ ਬੈਠ ਕੇ ਵੀਅਤਨਾਮ, ਬੰਗਲਾਦੇਸ਼ ਅਤੇ ਇੰਡੋਨੇਸ਼ੀਆ ਦੇ ਸਪਲਾਇਰਾਂ ਨੂੰ ਦੇਖ ਰਹੇ ਹੋ, ਤਾਂ ਜਾਣਕਾਰੀ ਦਾ ਵਹਾਅ ਕਿਸੇ ਵੀ ਟੀਮ ਨੂੰ ਥਕਾ ਸਕਦਾ ਹੈ।

ਅੱਜ ਦੇ ਟੂਲ ਆਮ ਤੌਰ ’ਤੇ ਦੋ ਕੰਮਾਂ ਵਿੱਚ ਚੰਗੇ ਨਤੀਜੇ ਦਿੰਦੇ ਹਨ।

ਉਹ ਸਪਲਾਈ ਚੇਨ ਮੈਪ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰ ਸਕਦੇ ਹਨ। ਉਹ bill of lading ਡਾਟਾ, ਕੰਪਨੀ ਰਜਿਸਟਰੀਆਂ ਅਤੇ ਵਪਾਰਕ ਰਿਕਾਰਡ ਮਿਲਾ ਕੇ Tier 2 ਅਤੇ Tier 3 ਦੇ ਉਹ ਖਿਡਾਰੀ ਲੱਭ ਸਕਦੇ ਹਨ ਜਿਨ੍ਹਾਂ ਬਾਰੇ ਬ੍ਰਾਂਡ ਨੂੰ ਪਹਿਲਾਂ ਪਤਾ ਨਹੀਂ ਹੁੰਦਾ।

ਉਹ ਜਨਤਕ ਸੰਕੇਤ ਵੀ ਤੇਜ਼ੀ ਨਾਲ ਖੰਗਾਲ ਸਕਦੇ ਹਨ। “ਸੋਸ਼ਲ ਲਿਸਨਿੰਗ” ਟੂਲ ਕਈ ਭਾਸ਼ਾਵਾਂ ਵਿੱਚ ਲੋਕਲ ਖ਼ਬਰਾਂ, ਸੋਸ਼ਲ ਮੀਡੀਆ ਅਤੇ NGO ਰਿਪੋਰਟਾਂ ਨੂੰ ਛਾਣ ਕੇ ਹੜਤਾਲਾਂ, ਇਲਜ਼ਾਮਾਂ ਜਾਂ ਨਕਾਰਾਤਮਕ ਕਵਰੇਜ ਨੂੰ ਫੌਰਨ ਫਲੈਗ ਕਰ ਦਿੰਦੇ ਹਨ।

ਜੇ ਮਕਸਦ ਜਾਣਕਾਰੀ ਨੂੰ ਤਰਤੀਬ ਦੇਣਾ ਹੈ, ਤਾਂ AI ਸੱਚਮੁੱਚ ਫ਼ਾਇਦੇਮੰਦ ਹੈ। ਪਰ ਜੇ ਮਕਸਦ ਮਨੁੱਖੀ ਅਧਿਕਾਰ ਉਲੰਘਣਾ ਨੂੰ “ਲੱਭਣਾ” ਹੈ, ਤਾਂ ਤਸਵੀਰ ਕਾਫ਼ੀ ਅਸਹਿਜ ਹੋ ਜਾਂਦੀ ਹੈ।

ਹਕੀਕਤ: ਬੇਗਾਰ/ਜਬਰਦਸਤੀ ਮਜ਼ਦੂਰੀ ਅਕਸਰ ਨਿਸ਼ਾਨ ਨਹੀਂ ਛੱਡਦੀ

AI ਡਾਟਾ ਵਿੱਚ ਪੈਟਰਨਾਂ ’ਤੇ ਨਿਰਭਰ ਕਰਦੀ ਹੈ। ਜਬਰਦਸਤੀ ਮਜ਼ਦੂਰੀ ਅਕਸਰ ਉੱਥੇ ਹੁੰਦੀ ਹੈ ਜਿੱਥੇ ਡਾਟਾ ਗਾਇਬ ਹੁੰਦਾ ਹੈ ਜਾਂ ਡਾਟਾ ਨੂੰ ਸਵਾਰ ਕੇ ਪੇਸ਼ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।

1) “ਸਾਫ਼ ਡਾਟਾ” ਦਾ ਧੋਖਾ

APAC ਵਿੱਚ ਕੁਝ ਸਭ ਤੋਂ ਵੱਡੇ ਜੋਖ਼ਮ ਗੈਰ-ਰਸਮੀ ਕੰਮ, ਬਿਨਾਂ ਪਰਵਾਨਗੀ ਵਾਲੀ ਸਬਕਾਂਟ੍ਰੈਕਟਿੰਗ ਜਾਂ ਕਾਗਜ਼ਾਂ ਤੋਂ ਬਾਹਰ ਚਲਦੇ ਲੇਬਰ ਬਰੋਕਰਾਂ ਵਿੱਚ ਹੁੰਦੇ ਹਨ। ਇਹ ਲੋਕ ਰਿਪੋਰਟਾਂ ਨਹੀਂ ਛਾਪਦੇ। ਇਹ ਸਾਫ਼-ਸੁਥਰੇ ਡਾਟਾ-ਸੈੱਟਾਂ ਵਿੱਚ ਨਹੀਂ ਦਿਸਦੇ। ਵਪਾਰਕ ਰਿਕਾਰਡਾਂ ਵਿੱਚ ਵੀ ਅਕਸਰ ਇਹ ਤਰ੍ਹਾਂ ਨਹੀਂ ਆਉਂਦੇ ਕਿ ਮਜ਼ਦੂਰੀ ਹਾਲਾਤ ਦਾ ਅੰਦਾਜ਼ਾ ਲੱਗ ਸਕੇ।

ਜੇ ਫੈਕਟਰੀ ਪ੍ਰਵਾਸੀ ਮਜ਼ਦੂਰਾਂ ਦੇ ਪਾਸਪੋਰਟ ਜ਼ਬਤ ਕਰ ਲਵੇ, ਤਾਂ ਉਹ ਜ਼ਬਰ ਜਨਤਕ ਤੌਰ ’ਤੇ ਕੋਈ ਨਿਸ਼ਾਨ ਨਹੀਂ ਛੱਡਦਾ। ਵਪਾਰਕ ਫ਼ਲੋਅ ਅਤੇ ਕਾਰਪੋਰੇਟ ਫ਼ਾਈਲਿੰਗਸ ਪੜ੍ਹਨ ਵਾਲਾ ਮਾਡਲ ਉਸ ਸਾਈਟ ਨੂੰ “ਨਾਰਮਲ” ਸਮਝ ਸਕਦਾ ਹੈ। ਉਹ ਜ਼ੁਲਮ ਨੂੰ ਇਸ ਲਈ ਮਿਸ ਕਰ ਸਕਦਾ ਹੈ ਕਿਉਂਕਿ ਜ਼ੁਲਮ ਕਦੇ ਡਾਟਾ ਬਣਦਾ ਹੀ ਨਹੀਂ।

2) ਸੰਦਰਭ ਦੀ ਕਮੀ

ਲੇਬਰ ਜੋਖ਼ਮ ਕੀਵਰਡ ਦਾ ਮਸਲਾ ਨਹੀਂ। AI ਅਕਸਰ ਨੁਕਤੇਵਾਰੀ ਨੂੰ ਨਹੀਂ ਸਮਝਦੀ।

ਇੱਕ ਟੂਲ ਭਾਰਤ ਵਿੱਚ “labour unrest” ਨੂੰ ਜੋਖ਼ਮ ਮੰਨ ਸਕਦਾ ਹੈ। ਮਨੁੱਖੀ ਮਾਹਰ ਉਹੀ ਗੱਲ ਨੂੰ ਇਸ ਤਰ੍ਹਾਂ ਵੀ ਦੇਖ ਸਕਦਾ ਹੈ ਕਿ ਮਜ਼ਦੂਰ ਇਕੱਠੇ ਹੋ ਸਕਦੇ ਹਨ, ਬੋਲ ਸਕਦੇ ਹਨ ਤੇ ਮੋਲ-ਭਾਵ ਕਰ ਸਕਦੇ ਹਨ। ਦੂਜੇ ਪਾਸੇ, ਮੀਡੀਆ ਵਿੱਚ ਚੁੱਪ ਡਰ, ਧਮਕੀ ਜਾਂ ਸੈਂਸਰਸ਼ਿਪ ਦੀ ਨਿਸ਼ਾਨੀ ਵੀ ਹੋ ਸਕਦੀ ਹੈ।

ਗਲਤ ਅਲਰਟ (false positives) ਵੀ ਬੋਝ ਬਣਦੇ ਹਨ। ਧੁੰਦਲੇ ਸ਼ਬਦਾਂ ਨਾਲ ਚਲਣ ਵਾਲੇ ਅਲਰਟਾਂ ਦੀ ਬਾਰਿਸ਼ ਹੁੰਦੀ ਹੈ। ਲੋਕ ਅਸਲੀ ਨੁਕਸਾਨ ਦੀ ਜਾਂਚ ਕਰਨ ਦੀ ਥਾਂ “ਨੌਇਜ਼” ਕੱਟਣ ਵਿੱਚ ਸਮਾਂ ਗਵਾ ਦਿੰਦੇ ਹਨ।

3) “ਬਲੈਕ ਬਾਕਸ” ਵਾਲਾ ਕਾਨੂੰਨੀ ਜੋਖ਼ਮ

ਨਵੇਂ ਡਿਊ ਡਿਲੀਜੈਂਸ ਕਾਨੂੰਨ ਫ਼ੈਸਲਿਆਂ ਦੀ ਵਜਾਹ ਮੰਗਦੇ ਹਨ। ਜਰਮਨੀ ਦੇ Supply Chain Act (LkSG) ਵਰਗੇ ਕਾਇਦਿਆਂ ਹੇਠ ਕੰਪਨੀ ਨੂੰ ਦਿਖਾਉਣਾ ਪੈ ਸਕਦਾ ਹੈ ਕਿ ਉਸ ਨੇ ਜੋਖ਼ਮ ਕਿਵੇਂ ਅੰਕਿਆ ਅਤੇ ਕਿਉਂ ਕਾਰਵਾਈ ਕੀਤੀ।

ਜੇ ਤੁਸੀਂ “ਐਲਗੋਰਿਦਮ ਨੇ ਫਲੈਗ ਕੀਤਾ” ਕਹਿ ਕੇ ਸਪਲਾਇਰ ਨਾਲ ਰਿਸ਼ਤਾ ਤੋੜ ਦਿਓ, ਤਾਂ ਫ਼ੈਸਲਾ ਜਾਇਜ਼ ਠਹਿਰਾਉਣਾ ਔਖਾ ਹੋ ਸਕਦਾ ਹੈ। ਜੇ ਤੁਸੀਂ ਸਪਲਾਇਰ ਨੂੰ ਇਸ ਲਈ ਰੱਖ ਲਿਆ ਕਿ ਸਿਸਟਮ ਨੇ “ਘੱਟ ਜੋਖ਼ਮ” ਸਕੋਰ ਦਿੱਤਾ, ਤੇ ਬਾਅਦ ਵਿੱਚ ਗੰਭੀਰ ਉਲੰਘਣਾ ਸਾਹਮਣੇ ਆ ਜਾਵੇ, ਤਾਂ “ਮਾਡਲ ਨੇ ਠੀਕ ਕਿਹਾ ਸੀ” ਕੋਈ ਬਚਾਅ ਨਹੀਂ।

ਵਿਡੰਬਨਾ: AI ਦੀ ਆਪਣੀ ਵੀ ਸਪਲਾਈ ਚੇਨ ਹੁੰਦੀ ਹੈ

ਇੱਕ ਹੋਰ ਅਸਹਿਜ ਪਹਲੂ ਹੈ। ਕਈ AI ਸਿਸਟਮ “ਗੋਸਟ ਵਰਕ” ’ਤੇ ਟਿਕੇ ਹੁੰਦੇ ਹਨ, ਜਿਵੇਂ ਡਾਟਾ ਲੇਬਲਿੰਗ ਅਤੇ ਕੰਟੈਂਟ ਮੋਡਰੇਸ਼ਨ। ਇਹ ਕੰਮ ਅਕਸਰ ਗਲੋਬਲ ਸਾਊਥ ਵਿੱਚ ਘੱਟ ਤਨਖ਼ਾਹ ਵਾਲੇ ਕਰਮਚਾਰੀਆਂ ਨੂੰ ਆਉਟਸੋਰਸ ਹੁੰਦਾ ਹੈ। ਹਾਲਾਤ ਨਾਜ਼ੁਕ ਹੋ ਸਕਦੇ ਹਨ। ਇਸ ਕਰਕੇ ਇਹ ਸੇਲਜ਼ ਪਿਚ ਅਟਪਟੀਂ ਲੱਗਦੀ ਹੈ: ਨੈਤਿਕ ਇਨਫੋਰਸਮੈਂਟ ਵਜੋਂ ਵੇਚੇ ਜਾਂਦੇ ਟੂਲ ਖੁਦ ਐਸੇ ਮਜ਼ਦੂਰੀ ਮਾਡਲ ’ਤੇ ਖੜ੍ਹੇ ਹੋ ਸਕਦੇ ਹਨ ਜਿੱਥੇ ਭਲਾਈ ਬਾਰੇ ਸਵਾਲ ਉੱਠਦੇ ਹਨ।

ਵਧੀਆ ਰਾਹ: “ਆਗਮੈਂਟਡ ਇੰਟੈਲੀਜੈਂਸ”

AI ਮਦਦ ਕਰ ਸਕਦੀ ਹੈ, ਪਰ ਇਸ ਨੂੰ ਪਾਇਲਟ ਨਹੀਂ ਬਣਾਉਣਾ ਚਾਹੀਦਾ। ਇਹ ਸਭ ਤੋਂ ਵਧੀਆ “ਕੋ-ਪਾਇਲਟ” ਹੈ।

ਹਾਈਬ੍ਰਿਡ ਪਹੁੰਚ ਅਕਸਰ ਵਧੀਆ ਨਤੀਜੇ ਦਿੰਦੀ ਹੈ।

AI ਸ਼ੁਰੂਆਤੀ ਛੰਟਾਈ (triage) ਵਿੱਚ ਮਦਦ ਕਰ ਸਕਦੀ ਹੈ। ਇਹ ਸਪਲਾਇਰ ਮੈਪਿੰਗ ਕਰ ਸਕਦੀ ਹੈ, ਸੈਕਟਰ ਅਤੇ ਭੂਗੋਲ ਅਨੁਸਾਰ ਜੋਖ਼ਮ ਗਰੂਪ ਕਰ ਸਕਦੀ ਹੈ ਅਤੇ ਟੀਮਾਂ ਨੂੰ ਸੰਭਾਵੀ ਹਾਟਸਪਾਟਾਂ ਵੱਲ ਭੇਜ ਸਕਦੀ ਹੈ।

ਤਸਦੀਕ ਮਨੁੱਖਾਂ ਨੇ ਕਰਨੀ ਹੈ। ਸਾਈਟ ਤੋਂ ਬਾਹਰ ਵਰਕਰ ਇੰਟਰਵਿਊ, ਬਿਨਾਂ ਐਲਾਨ ਦੇ ਦੌਰੇ ਅਤੇ ਭਰੋਸੇਯੋਗ ਲੋਕਲ ਭਾਗੀਦਾਰ ਹੀ ਉਹ ਤਰੀਕੇ ਹਨ ਜਿਨ੍ਹਾਂ ਨਾਲ ਕਰਜ਼ੇ ਨਾਲ ਬੰਧਨ (debt bondage), ਯੌਨ ਉਤਪੀੜਨ, ਧਮਕੀ ਅਤੇ ਮਨੋਵੈਜਾਨਕ ਜ਼ਬਰ ਦਾ ਪਤਾ ਲੱਗਦਾ ਹੈ। ਇਹ ਗੱਲਾਂ ਡੈਸ਼ਬੋਰਡਾਂ ’ਚ ਲਗਭਗ ਕਦੇ ਨਹੀਂ ਦਿਸਦੀਆਂ।

ਟੈਕਨਾਲੋਜੀ ਟ੍ਰੇਸਬਿਲਿਟੀ ਸੁਧਾਰ ਸਕਦੀ ਹੈ। ਪਰ ਇਹ ਜ਼ਿੰਮੇਵਾਰੀ ਦੀ ਥਾਂ ਨਹੀਂ ਲੈ ਸਕਦੀ।

ਤੁਸੀਂ ਕਾਗਜ਼ੀ ਕਾਰਵਾਈ ਆਟੋਮੈਟ ਕਰ ਸਕਦੇ ਹੋ। ਤੁਸੀਂ ਭਰੋਸਾ ਆਟੋਮੈਟ ਨਹੀਂ ਕਰ ਸਕਦੇ।