அல்காரிதங்கள் உண்மையிலேயே கட்டாயத் தொழிலைக் கண்டுபிடிக்குமா, அல்லது நம் கண்ணுக்குத் தெரியாத பல இடங்களை நாமே தானாகச் ‘சிஸ்டம்’ செய்து விடுகிறோமா?

பொறுப்பான விநியோகச் சங்கிலி இப்போது “இருந்தால் நல்லது” என்ற நிலையில் இல்லை. அது நாளுக்கு நாள் இணக்கம் (compliance) தேவை என்ற நிலையில் போகிறது. ஐரோப்பிய ஒன்றியத்தின் Corporate Sustainability Due Diligence Directive (CSDDD) மற்றும் அமெரிக்காவின் Uyghur Forced Labour Prevention Act (UFLPA) காரணமாக, ஆசியா–பசிபிக் (APAC) முழுவதும் பல சப்ளையர்கள் மற்றும் பிராண்டுகள் “எங்களின் சப்ளைச் சங்கிலி கட்டாயத் தொழிலிலிருந்து விடுபட்டது” என்பதை காட்ட வேண்டிய கட்டாயத்தில் உள்ளன.

இந்த அழுத்தமான சூழலில், AI தான் தீர்வு என்று பலர் விற்பனை செய்கிறார்கள்.

இப்போது பல தளங்கள், பெரும் அளவு சப்ளையர் நெட்வொர்க்கை சில நிமிடங்களில் ‘ஸ்கேன்’ செய்து, பிரச்சனை வெளியில் தெரியும் முன்பே கட்டாயத் தொழில் அபாயத்தை குறிக்க முடியும் என்று கூறுகின்றன. முடிவில்லாத ஸ்ப்ரெட்ஷீட் வேலைகளில் சிக்கியுள்ள இணக்கக் குழுக்களுக்கு இது நிம்மதியாகக் கேட்கலாம். ஆனால் கேள்வி ஒன்று மட்டும் விடவில்லை. நவீன அடிமைத்தனத்தின் குழப்பமான, மறைந்திருக்கும் உண்மையை ஒரு இயந்திரம் உண்மையில் பிடிக்க முடியுமா?

வாக்குறுதி: வேகம், அளவு

AI பெருமளவு தரவை விரைவாகச் செயலாக்குவதில் வலுவாக இருக்கிறது. நீங்கள் சிங்கப்பூரில் இருந்து வியட்நாம், பங்களாதேஷ், இந்தோனேஷியா ஆகிய இடங்களில் உள்ள சப்ளையர்களை கவனிக்க வேண்டும் என்றால், தகவல் ஓட்டமே ஒரு குழுவைத் திணற வைக்கும்.

இன்றைய AI கருவிகள் பொதுவாக இரண்டு விஷயங்களில் தான் அதிகம் “வேலை” செய்கின்றன.

முதல் விஷயம் விநியோகச் சங்கிலி மேப்பிங். bill of lading தரவு, நிறுவனப் பதிவுகள், வர்த்தகப் பதிவுகள் போன்றவற்றை இணைத்து, பிராண்டுக்கே தெரியாமல் இருந்த Tier 2 மற்றும் Tier 3 நிறுவனங்களை வெளியே கொண்டு வர முடியும்.

இரண்டாவது விஷயம் பொது சிக்னல் ஸ்கேனிங். “Social listening” கருவிகள் உள்ளூர் செய்திகள், சமூக ஊடகம், NGO அறிக்கைகள் ஆகியவற்றை பல மொழிகளில் தேடி, வேலைநிறுத்தம், குற்றச்சாட்டு, எதிர்மறை செய்தி போன்றவற்றை வேகமாகக் குறிக்கலாம்.

நோக்கம் தகவலை ஒழுங்குபடுத்துவது என்றால், AI உண்மையில் உதவும். ஆனால் நோக்கம் மனித உரிமை மீறலை “கண்டுபிடிப்பது” என்றால், கதை மாறுகிறது.

நிஜம்: கட்டாயத் தொழில் பெரும்பாலும் தடம் விடாது

AI தரவிலுள்ள முறைமைகளை (patterns) பார்த்தே முடிவு எடுக்கிறது. ஆனால் கட்டாயத் தொழில் அடிக்கடி நடப்பது தரவு இல்லாத இடங்களில், அல்லது தரவு ‘அழகுபடுத்தப்பட்ட’ இடங்களில் தான்.

1) “சுத்தமான தரவு” என்ற மாயை

APAC-ல் கடுமையான அபாயங்கள் பல, அமைப்பு வெளியான வேலை, அனுமதி இல்லாத துணை ஒப்பந்தம், அல்லது பதிவுகளுக்கு வெளியே இயங்கும் தொழிலாளர் நடுவணர் (labour broker) வழியாகவே வருகிறது. இவர்கள் அறிக்கைகள் வெளியிட மாட்டார்கள். சீரமைக்கப்பட்ட டேட்டா செட்டுகளில் தெரிய மாட்டார்கள். வர்த்தகப் பதிவுகளில் வந்தாலும், வேலைநிலை பற்றி சொல்வதாக இருக்காது.

ஒரு தொழிற்சாலை குடியேற்றத் தொழிலாளர்களின் பாஸ்போர்டுகளை பறிமுதல் செய்தாலும், அந்த கட்டாயம் வெளியே எந்த “ரெக்கார்டாகவும்” வராமல் போகலாம். வர்த்தக ஓட்டம், நிறுவன ஆவணம் மட்டும் பார்க்கும் மாடல் ஒரு தளத்தை “ஸ்டேபிள்” என்று நினைத்துவிடும். ஆனால் அங்கு நடப்பது தரவாகவே மாறவில்லை என்றால், அது தவறவிடப்படும்.

2) சூழல் புரிதல் குறைவு

தொழிலாளர் அபாயம் என்பது கீ-வேர்ட்கள் மட்டுமே அல்ல. AI நுணுக்கங்களை (nuance) பல நேரங்களில் தவறவிடும்.

உதாரணமாக, இந்தியாவில் “labour unrest” என்று வந்த செய்தியை ஒரு கருவி அபாயமாக குறிக்கலாம். ஆனால் மனித நிபுணர் அதையே “தொழிலாளர்கள் குரல் கொடுக்க முடிகிறது, பேரம் பேச முடிகிறது” என்ற சைகையாகவும் பார்க்கலாம். அதேபோல், ஊடகம் அமைதியாக இருக்கிறது என்றால் “பிரச்சனை இல்லை” என்பது அல்ல; மிரட்டல், தணிக்கை, அல்லது பயம் என்பதும் காரணமாக இருக்கலாம்.

மற்றொரு பிரச்சனை தவறான எச்சரிக்கைகள் (false positives). மங்கலான சொற்கள் அடிப்படையில் அலர்ட்கள் குவிந்தால், பல குழுக்கள் உண்மையான பாதிப்பை தேடுவதற்கு பதிலாக, சத்தத்தை மட்டும் நீக்கும் வேலையிலேயே நேரத்தைச் செலவழிக்கிறார்கள்.

3) “பிளாக் பாக்ஸ்” சட்ட அபாயம்

புதிய ட்யூ டிலிஜென்ஸ் கட்டமைப்புகள் “நீங்கள் ஏன் இப்படிச் செய்தீர்கள்?” என்று கேட்கும். ஜெர்மனியின் Supply Chain Act (LkSG) போன்ற சூழலில், அபாயத்தை எப்படி மதிப்பிட்டீர்கள், ஏன் அந்த நடவடிக்கை எடுத்தீர்கள் என்பதைக் காட்ட வேண்டிய நிலை வரும்.

“அல்காரிதம் குறித்தது” என்பதால் மட்டும் ஒரு சப்ளையரை நிறுத்தினால், அதை நியாயப்படுத்துவது கடினம். “லோ ரிஸ்க்” என்று சிஸ்டம் சொன்னதால் தொடர்ந்தீர்கள், பின்னர் கடுமையான மீறல் வெளிப்பட்டால், “மாடல் சரி என்றது” என்பது பாதுகாப்பாகாது.

இன்னொரு சிரமமான உண்மை: AI-க்கும் ஒரு விநியோகச் சங்கிலி இருக்கிறது

பல AI அமைப்புகள் “ghost work” மீது நம்பி நிற்கின்றன. தரவு லேபிளிங், content moderation போன்ற வேலைகள் பெரும்பாலும் Global South பகுதிகளில் குறைந்த ஊதியத் தொழிலாளர்களிடம் அவுட்சோர்ஸ் ஆகிறது. வேலை நிபந்தனைகள் உறுதியில்லாமல் இருக்கலாம். ஆகவே “நெறிமுறை அமலாக்கம்” என்று விற்கப்படும் கருவிகள், தங்கள் அடித்தளத்தில் வேறு தொழிலாளர் சிக்கல்களைக் கொண்டிருக்கலாம்.

நல்ல வழி: “Augmented intelligence”

AI உதவி செய்யலாம். ஆனால் அது ஓட்டுநர் இருக்கையில் இருக்கக் கூடாது. அது ‘கோ-பைலட்’ ஆக இருந்தால் தான் சரி.

கலப்பு (hybrid) அணுகுமுறை பொதுவாக வலுவான முடிவுகளை தருகிறது.

AI ஆரம்ப சுருக்கத்தில் (triage) உதவலாம். சப்ளையர் மேப்பிங் செய்யலாம், துறை மற்றும் புவியியல் அடிப்படையில் அபாயங்களை குழுவாக்கலாம், சாத்தியமான ஹாட்ஸ்பாட்களை காட்டலாம்.

சரிபார்ப்பு மனிதர்களின் வேலை. தொழிற்சாலைக்கு வெளியே தொழிலாளர் பேட்டி, முன் அறிவிப்பில்லா ஆய்வு, நம்பகமான உள்ளூர் கூட்டாளிகள் ஆகியவை தான் கடன் அடிமைத்தனம் (debt bondage), பாலியல் தொல்லை, மிரட்டல், மனஅழுத்தக் கட்டாயம் போன்றவற்றை உண்மையில் பிடிக்கும் வழிகள். இவை பெரும்பாலும் டாஷ்போர்டில் தெரியாது.

தொழில்நுட்பம் தடமறிதலை மேம்படுத்தும். ஆனால் பொறுப்பை மாற்ற முடியாது.

ஆவணப் பணியை தானியக்கமாக்கலாம். நம்பிக்கையை தானியக்கமாக்க முடியாது.