Porträttbild på German Bender, programchef för arbetsmarknad och utbildning på Tankesmedjan Arena Idé.
German Bender

krönika Om facken ska kunna påverka de allt kraftfullare algoritmerna, måste vi inse att de inte enbart är tekniska system. Samhällsvetenskaplig forskning kan ge vägledning.

När jag säger att jag forskar om fackligt inflytande på algoritmer möts jag ibland av förvirring. Dels för att de flesta nog har en ganska grumlig uppfattning om vad algoritmer är, dels för att algoritmer av många inte betraktas som en facklig fråga. Men tro mig, det är de.

Första gången jag stötte på ordet algoritm var för ganska precis 20 år sedan, när jag gick min första programmeringskurs i civilingenjörsutbildningen på KTH. Den enkla definitionen vi fick lära oss var att en algoritm är en serie instruktioner för hur någonting ska göras, ofta genom behandling av digitala data. En liknelse (och förenkling) som läraren använde var att man kan se algoritmen ungefär som ett recept, där de olika stegen motsvarar instruktioner och ingredienserna motsvarar data.

Sedan dess har termen algoritm gått från ett obskyrt tekniskt ord som programmerare och matematiker använder till en given plats i zeitgeist-vokabulären, som alla svänger sig med men få har en djupare förståelse av. Begreppets växande popularitet är dock inte bara en ytlig trend, utan speglar betydligt djupare förändringar av hur algoritmer fungerar i moderna samhällen och hur de kan förstås.

När jag pluggade på KTH låg fokus av uppenbara skäl på de tekniska aspekterna. Jag kan inte minnas att vi någonsin pratade om att algoritmer ingår i större system där de interagerar med människor och institutioner, som lagar, regelverk och avtal. Men i dag har begreppet laddats med politiska, kulturella och ekonomiska dimensioner som är minst lika viktiga för förståelsen av vad algoritmer är och hur de fungerar.

Särskilt när det gäller mer komplexa, självlärande och självförändrande system (som blir allt vanligare) bör algoritmer inte betraktas som statisk teknik eller en svart låda, utan som en föränderlig och integrerad del av större system där människor och institutionella faktorer är minst lika viktiga inslag.

Den radikala tidskriften Fronesis vill i sitt senaste nummer ”avmystifiera” algoritmen. I en serie texter försöker man granska begreppet kritiskt genom att visa hur algoritmer ofta är beroende av och samtidigt döljer arbete som utförs av människor av kött och blod, hur de i princip alltid är sammanflätade med och genomsyrade av sociala och kulturella faktorer som människors attityder, normer och institutioner. Med andra ord att algoritmer inte är den neutrala och objektiva effektivitetsteknologi de ofta framställs som, utan allt oftare verktyg för kontroll, maktutövning och värdeackumulation.

Och för varje progressiv person är det uppenbart att kontroll, maktutövning och värdeackumulation kräver samhälleliga motkrafter. En av dessa samhällskrafter är facken. Digitala algoritmer har nämligen sedan många år börjat användas i allt fler branscher och de klampar tämligen oblygt rakt in i fackets domäner.

Algoritmer påverkar till exempel hur arbetet styrs, utförs och av vem. De kan påverka antalet jobb och jobbens innehåll och kvalifikationsgrad. De påverkar fördelningen av det ekonomiska värdet som arbetet skapar. Allt detta är fackliga kärnfrågor.

Vad kan då facken göra för att bemöta det eskalerande bruket av algoritmer i arbetslivet? Mycket görs redan, men i förhållande till algoritmernas snabbt ökande komplexitet och utbredning är många fackliga strategier knappt i embryostadiet. Därför är det viktigt att fundera på vad som redan nu finns i den fackliga verktygslådan och hur detta kan användas – utan att för den skull ge avkall på att utveckla nya verktyg och metoder.

Att lära sig förstå algoritmer är första steget mot att utveckla fackliga strategier för framtidens arbetsmarknad.

Jag skulle föreslå att man låter sig inspireras av den samhällsvetenskapliga forskningen om algoritmer, som kommit längre och nu befinner sig i en närmast explosiv fas. Ett exempel är en välciterad artikel där kulturgeografen Rob Kitchin beskriver sex forskningsmetoder inom humaniora och samhällsvetenskap, som kan bidra till förståelsen av moderna algoritmer. Med viss bearbetning kan de sex forskningsmetoderna omvandlas till fem fackliga strategier.

  1. Granska och förhandla om koden. Här gäller det att skilja på så kallad pseudokod och källkod. Pseudokoden anger vad som ska göras, i vilken ordning och med vilka data. Den kan skrivas på olika sätt. Till exempel i vardagligt språk, som matematiska formler eller med tekniska specifikationer – men inte i ett programmeringsspråk. Källkoden däremot, är ”datorns språk”, alltså den mjukvara som talar om för hårdvaran vad som ska utföras och skrivs i ett eller flera programmeringsspråk. Att förstå den kräver IT-expertis som facken sällan har, men som vissa fackförbund kan behöva överväga att skaffa, antingen med egna anställda eller genom att anlita (dyra) IT-konsulter. Det är dock ofta svårt att få tillgång till både pseudo- och källkod, eftersom företag och myndigheter kan betrakta dem som affärshemligheter eller icke offentliga.
  2. Reverse engineering (baklängeskontruktion). Om man inte får tillgång till programkoden kan algoritmen betraktas som en svart låda och man får försöka begripa sig på den genom att studera input och output. Exempel på det är förare som försöker förstå hur Ubers algoritmer fungerar och liknande strategier bland cyklister för Deliveroo och Foodora. Problemet med den här metoden är att man får en väldigt vag uppfattning om algoritmens konstruktion och att företaget snabbt kan förändra sina algoritmer om människor (eller facket) försöker ”överlista” dem.
  3. Intervjua sakkunniga. Systemarkitekter, programmerare och andra experter. Helst de som varit med och utvecklat de specifika algoritmerna, men också andra (även IT-forskare, inte bara konsulter) kan vara till stor hjälp om de jobbat med liknande system. Beroende på system kan detta dock ge begränsade insikter, eftersom många moderna algoritmer är så komplexa och föränderliga att inte ens de som utvecklat dem alltid förstår hur de fungerar.
  4. Sätt algoritmen i ett större sammanhang. I arbetslivet finns en uppsjö av mänskliga och institutionella faktorer som har stor betydelse för hur ett algoritmiskt system fungerar. Dessa kan (och bör) användas som fackliga hävstänger oavsett om man har möjlighet att påverka algoritmerna rent tekniskt. Vilka avtal, lagar, regelverk, ekonomiska ramar, normer och attityder kan påverka hur algoritmen fungerar och används? Här kan även företagets eller myndighetens offentliga (och inofficiella om man kommer över sådana) dokument och uttalanden om varför man tagit fram systemet och hur man vill att det ska fungera i sitt specifika sammanhang ge viktiga insikter om hur man tänkt kring algoritmerna.
  5. Undersök hur algoritmen fungerar i praktiken. Här krävs att man tar hänsyn till hur systemen fungerar för olika användare, platser och omgivande faktorer. Fokus bör ligga på konsekvenserna, utfallet, och eventuella fackliga aspekter. Ett av många sätt att göra detta är så kallade kontrafaktiska förklaringar.

De här strategierna kan med fördel kombineras och i många fall duger gamla beprövade fackliga verktyg alldeles utmärkt. Några exempel:

  • Kollektivavtal ger möjlighet att förhandla om algoritmernas kod och specifikationer.
  • Medbestämmandelagen ger facket rätt att löpande diskutera med arbetsgivaren om hur algoritmerna utvecklas och fungerar i praktiken. Detta är viktigt, eftersom algoritmiska system inte är statiska, utan föränderliga och integrerade med omgivande faktorer.
  • LAS ger vissa (och kanske snart utökade) möjligheter att ställa krav på kompetensutveckling för att algoritmerna inte ska drabba de anställdas anställningstrygghet.
  • Arbetsmiljölagen ger möjlighet att påverka hur algoritmer och deras implementering påverkar arbetsförhållandena.
  • Fackliga ombudsmän i olika förbund har redan börjat arbeta mer fokuserat för att förstå hur företag, myndigheter och programmerare tänker när de utvecklar algoritmer som påverkar fackens medlemmar. Det är en sorts kunskapsuppbyggnad som bara facken själva kan göra och som kommer vara till stor nytta framöver.
  • Opinionsbildning är viktigt för att förklara för både politiker och allmänheten hur algoritmer kan användas på ett sätt som gynnar enskilda löntagare och samhället i stort, och hur facken kan bidra till den utvecklingen.

En avgörande slutsats från forskningen om algoritmiska system, är att de (liksom så mycket annat inom samhällsvetenskapen) bör förstås som processer. Det kan låta som akademiskt fikonspråk, men har faktiskt konkreta konsekvenser.

För fackens del betyder det till exempel att man aldrig blir färdig, utan konstant måste övervaka och följa upp algoritmerna. Man kan inte kan slå sig till ro även om man varit delaktig i utvecklingen av ett algoritmiskt system och förhandlat om vilka data som får användas, vilka befattningar som får beröras och inom vilka juridiska och organisatoriska ramar det får agera. Allt detta är nog så viktigt, men det fackliga arbetet måste pågå ständigt.

Att lära sig förstå algoritmer är första steget mot att utveckla fackliga strategier för framtidens arbetsmarknad. Därför behövs mer forskningsbaserat fackligt arbete och mer verksamhetsnära forskning.

 

German Bender är programchef på Arena Idé och doktorand vid Handelshögskolan