Espen Utne Landgraff
Lønnsomme algoritmer
Lønn er viktig i interessekampen mellom de som jobber og dem de jobber for. Satt på spissen vil førstnevnte jobbe så lite som mulig for så mye som mulig, mens sistnevnte vil ha folk som jobber så mye som mulig for så lite som mulig.
I den digitale plattformøkonomien har gig-selskapene utviklet verktøy som fikser interessekampen i deres egen favør: algoritmisk lønnsstyring. Glem arbeidstakere og arbeidsgivere, her er det (på papiret) selvstendige oppdragstakere som selger sine tjenester via gig-selskapenes plattformer og får betalt per oppdrag. Det er Uber i USA som har utviklet de mest sofistikerte verktøyene for algoritmisk lønnsstyring.
Tidligere hadde Uber-sjåførene en forutsigbar minstepris per tur, fordi betalingen var direkte knyttet til distansen de kjørte og tiden de brukte. Men hvorfor skal Uber binde seg til en minstepris når noen er villig til å ta turen for enda lavere betaling?
Løsningen er en ugjennomsiktig algoritme som frikobler betalingen fra distanse og tid, og som prøver å løse følgende problem: hva er den laveste summen Uber kan betale for hver enkelt tur, men likevel ha nok sjåfører?
En usofistikert person vil lete etter ett riktig svar, men Ubers dataingeniører har skjønt at det fins like mange svar som sjåfører: sjåfør A og B lever i ulik grad av økonomisk nød og dermed er den laveste prisen de er villig til å akseptere, ulik. Målet for algoritmen er å gjette, ved hjelp av maskinlæring og store mengder sjåførdata, hvor lavt de ulike sjåførene er villig til å gå.
Et annet mål er å lokke sjåfører som bare kjører av og til, til å kjøre ofte.
