Thuật toán có thật sự phát hiện được lao động cưỡng bức, hay chúng ta chỉ đang “tự động hoá” những điểm mù của chính mình?

Chuỗi cung ứng có trách nhiệm không còn là chuyện “làm thì tốt”. Nó đang trở thành yêu cầu tuân thủ. Chỉ thị Thẩm định Trách nhiệm Bền vững của doanh nghiệp (CSDDD) của EU và Đạo luật Ngăn chặn Lao động Cưỡng bức người Duy Ngô Nhĩ (UFLPA) của Mỹ đã khiến nhiều nhà cung cấp và thương hiệu trên khắp châu Á–Thái Bình Dương (APAC) phải chứng minh chuỗi cung ứng của mình không có lao động cưỡng bức.

Trong “nồi áp suất” đó, AI được bán như một lời giải.

Nhiều nền tảng hứa hẹn có thể quét mạng lưới nhà cung cấp rất lớn chỉ trong vài phút và gắn cờ rủi ro lao động cưỡng bức trước khi vụ việc lộ ra. Với các đội tuân thủ đang chìm trong bảng tính, điều này nghe như một sự giải toả. Nhưng câu hỏi vẫn còn nguyên: máy móc có thể phát hiện được thực tế lộn xộn, bị che giấu của nô lệ thời hiện đại hay không?

Lời hứa: nhanh và làm được ở quy mô lớn

AI rất mạnh ở việc xử lý dữ liệu số lượng lớn. Nếu bạn ngồi ở Singapore nhưng phải theo dõi nhà cung cấp tại Việt Nam, Bangladesh và Indonesia, lượng thông tin đổ về có thể làm bất kỳ đội nào cũng quá tải.

Các công cụ hiện nay thường làm tốt nhất ở hai việc.

Một là hỗ trợ “vẽ bản đồ” chuỗi cung ứng. Chúng có thể kéo dữ liệu vận đơn (bill of lading), cơ sở dữ liệu đăng ký doanh nghiệp và hồ sơ thương mại để lộ ra các thực thể Tier 2 và Tier 3 mà thương hiệu trước đó không biết tồn tại.

Hai là quét tín hiệu công khai. Các công cụ “social listening” lọc tin địa phương, mạng xã hội và báo cáo của NGO bằng nhiều ngôn ngữ, rồi gắn cờ các cuộc đình công, cáo buộc hoặc tin tiêu cực với tốc độ rất nhanh.

Nếu mục tiêu là sắp xếp thông tin, AI có thể giúp đáng kể. Nếu mục tiêu là phát hiện vi phạm nhân quyền, bức tranh sẽ kém dễ chịu hơn.

Thực tế: lao động cưỡng bức hiếm khi để lại dấu vết

AI dựa vào mẫu hình trong dữ liệu. Lao động cưỡng bức lại thường nằm ở nơi dữ liệu vắng mặt hoặc bị “làm đẹp”.

1) Ảo tưởng “dữ liệu sạch”

Một số rủi ro nặng nhất ở APAC nằm trong lao động phi chính thức, thuê thầu phụ không phép, hoặc các “cò” lao động hoạt động ngoài sổ sách. Những tác nhân này không xuất bản báo cáo. Họ không xuất hiện trong bộ dữ liệu được chuẩn hoá. Họ cũng có thể không hiện lên trong hồ sơ thương mại theo cách phản ánh điều kiện lao động.

Nếu một nhà máy tịch thu hộ chiếu của lao động di cư, hành vi cưỡng ép đó có thể không tạo ra dấu vết công khai. Một mô hình chỉ đọc luồng thương mại và hồ sơ doanh nghiệp có thể thấy một cơ sở “ổn định”. Nó có thể bỏ sót lạm dụng vì lạm dụng chưa từng trở thành dữ liệu.

2) Khoảng trống bối cảnh

Rủi ro lao động không phải bài toán từ khoá. AI thường khó xử với sắc thái.

Một công cụ có thể coi “bất ổn lao động” ở Ấn Độ là tín hiệu rủi ro. Một chuyên gia con người có thể đọc cùng tín hiệu đó như dấu hiệu người lao động có thể tổ chức, lên tiếng và thương lượng. Ngược lại, truyền thông im ắng đôi khi lại là dấu hiệu của đe doạ, kiểm duyệt hoặc sợ hãi.

Cảnh báo sai (false positives) cũng tạo gánh nặng thật. Nhiều đội phải xử lý một “cơn mưa” cảnh báo từ các thuật ngữ mơ hồ. Họ tốn thời gian gạt nhiễu thay vì kiểm tra tổn hại thực sự.

3) Rủi ro pháp lý kiểu “hộp đen”

Các luật thẩm định trách nhiệm mới khiến doanh nghiệp phải giải thích quyết định. Dưới cơ chế như Luật Chuỗi cung ứng của Đức (LkSG), công ty có thể phải cho thấy mình đánh giá rủi ro thế nào và vì sao hành động như vậy.

Nếu bạn chấm dứt quan hệ với nhà cung cấp vì “thuật toán gắn cờ”, bạn có thể khó biện minh. Nếu bạn giữ nhà cung cấp vì hệ thống chấm “rủi ro thấp”, rồi sau đó phát hiện lạm dụng nghiêm trọng, câu “mô hình nói ổn” không phải là lá chắn.

Nghịch lý: AI cũng có chuỗi cung ứng của riêng nó

Còn một lớp khó nói khác. Nhiều hệ thống AI dựa vào “lao động hậu trường” như gắn nhãn dữ liệu và kiểm duyệt nội dung. Công việc này thường được thuê ngoài cho lao động lương thấp ở các nước đang phát triển. Điều kiện có thể bấp bênh. Vì vậy thông điệp bán hàng trở nên chênh: công cụ được quảng cáo như thực thi đạo đức có thể lại dựa trên mô hình lao động vốn có câu hỏi riêng về phúc lợi.

Con đường tốt hơn: “trí tuệ tăng cường”

AI có thể giúp, nhưng không nên ngồi ghế lái. Nó hợp vai “cơ phó” hơn.

Cách tiếp cận kết hợp thường cho kết quả chắc hơn.

AI có thể hỗ trợ sàng lọc ban đầu. Nó có thể giúp lập bản đồ nhà cung cấp, gom nhóm rủi ro theo ngành và địa lý, rồi chỉ ra điểm nóng cần soi kỹ.

Con người phải làm phần kiểm chứng. Phỏng vấn người lao động ngoài nhà máy, kiểm tra đột xuất, và đối tác địa phương đáng tin cậy vẫn là cách để phát hiện bóc lột do nợ (debt bondage), quấy rối tình dục, đe doạ và cưỡng ép tâm lý. Những chuyện đó hiếm khi hiện lên trên dashboard.

Công nghệ có thể cải thiện truy xuất. Nó không thể thay thế trách nhiệm.

Bạn có thể tự động hoá giấy tờ. Bạn không thể tự động hoá niềm tin.