评分|被算法开除并无处申诉，亚马逊Flex“员工”难以忍受被算法支配的恐惧_Flex|申诉|邮件|系统|包裹|算法

文章图片

图源：Unsplash

文 | Lianzi

在亚马逊，冰冰冷冷的算法常常扮演了合同工老板的角色——在很少或没有人工监督的情况下雇佣、评估和解雇很多员工。这种高度自动化的人力资源系统正在让越来越多的，靠亚马逊工作支撑家庭生活的合同工面临不公平的待遇、不合理的解雇以及申诉无门的现状。
被机器解雇的退伍老兵
“我被一个机器解雇了。 ”63岁的亚马逊Flex合同司机Stephen Normandin告诉彭博社。在过去四年，他作为亚马逊Flex的司机在凤凰城递送包裹。作为类似Uber和Lyft司机一样的角色，这些司机在Flex的系统里接单和递送，帮助庞大的亚马逊电商帝国完成最后一公里的递送服务。
去年10月2日凌晨三点， Normandin按照往常的习惯起床准备洗漱去递送包裹。当他打开手机App想要看看当日亚马逊Flex送货路线时，却发现自己无论怎么尝试也无法登录进系统。他赶忙打开邮箱，发现一封亚马逊发送的通用邮件写着：你已经被终止合作，原因是个人评分已经低于可以接受的级别。同时这封邮件告诉他，跟踪他的算法发现，他没有正确地完成工作。
这让他感到震惊。在此前的三年半时间里，他的评分一直都是超过标准的评价，同时还有亚马逊的人问过他是否有兴趣培训新司机。他回想自己过去一段时间的工作，意识到使得他评分迅速下降的实际上是算法的过错。

文章图片

据他回忆，去年8月开始，他开始遇到一系列他无法控制的运送延迟问题。有一天，亚马逊的系统在天亮前给他派发了带密码的公寓大楼的配送工作。他告诉媒体，这种算法犯的错误很常见。当他抵达公寓时，发现公寓没有开门，之后按照一般惯例送到公寓办公室，然而凌晨这里同样没有开门。当他按照指示给用户打电话，由于天还没亮，用户也无法接通电话。
几乎在同一时间，他被亚马逊算法要求将包裹送到公寓大楼的亚马逊送货柜，但却发现储物柜故障打不开。之后在拨通了亚马逊Flex服务电话30分钟后，他收到通知，将包裹退回到亚马逊送货分拣中心。
事后，他发现自己的评分迅速下降。当他致电亚马逊司机服务中心后，解释了缘由——是储物柜的故障导致自己无法按时完成配送。但最终的结局， Normandin仍然被裁退了。
在被算法错误判定责任后， Normandin并不是没有上诉过。但和成千上万司机的遭遇相类似，他进入了一个奇怪被亚马逊机器人踢皮球的状态。
“能不能告诉我是什么标准没有达到？上一封解雇邮件并没有写明确。我有整个过程的记录。目前看，我的唯一‘问题’就是那天送货柜门的系统问题。我的评分过去三年来一直是超过预期。 ”Normandin在邮件中尝试为自己申诉。
经过大改10多天不断的申诉， Normandin收到了来自亚马逊不同的落款发出的多封疑似系统自动回复的邮件。除了各种客套话外， Normandin的问题还是没有解决。
最终的一封署名SYAM的邮件于10月28日发到Normandin的邮箱。这封邮件仍然没有对Normandin的解雇提出任何解释，也没有回答Normandin提出的任何问题，只是最终宣告了Normandin的“裁员”决定。
“作为一个退伍老兵，我的工作理念一直是付出110%的努力，也从没有过纰漏，但没想到却被算法这样辞退了。 ”他说。
司机们遭受不公平待遇后申诉无门
实际上， Normandin被算法错误判定评分和裁员后投诉无门的遭遇绝对不是个例。同样收到SYAM发出的解雇邮件的Flex司机大多认为亚马逊Flex司机的雇佣、解聘并没有真人操作，而都是依赖算法。同样收到这封邮件被解雇的还有一位有三个孩子的单亲妈妈Lira 。
在过去递送8000多个包裹的过程中，她获得的评价一直都是“出色” 。这些评价是亚马逊算法根据司机的可靠性、交付速度和服务质量对司机给出的评分。衡量标准大致是他们是否按时领取包裹，是否在预期时间窗口内交付包裹。简单来说，这个评价系统最看重的就是“准时” 。相对于Uber和Lyft的评价系统更看重服务、礼貌，亚马逊的单一维度评价让司机很难控制自己的命运，尤其是当他们常常遇到不可控的外部问题时。
Lira表示，她曾经在送货站外排队一小时，才领到要配送的包裹。有次，她向系统报告了轮胎在路上被扎了钉子，也没有遇到亚马逊派出其他送货员来取包裹，而是要求她将包裹送回配送站。就是因为这次轮胎漏气导致的配送不及时，她的评级就从优秀降到了不合格。
就在被解雇前一天，她还收到系统分发的表扬信，告诉她她的评分非常好，是亚马逊最好的送货合作伙伴。但第二天，她就收到了邮件，告诉她因为她违反了服务条款，不再有资格继续参与亚马逊Flex送货计划。
当她和Normandin一样，在10天上诉期内尝试通过邮件上诉，却没有得到人工回复，只是和Normandin一样收到一封自动回复的表示对于延迟处理非常抱歉的“官话”搪塞。
最后，经过几轮发送申诉，机器人官话自动回复，申诉，自动回复的拉扯，她最终收到了和Normandin一样来自SYAM的邮件，告诉她已经审查了记录，仍然维持原判的结局。
在丢掉了这份唯一的工作后，她已经无法继续支付房屋贷款，和三个孩子面临巨大的生存危机。同时，她也对亚马逊的人工智能算法感到愤怒，指责其过于冷漠，和缺乏必需的人工干预。
冰冷的算法支配着司机的人生
实际上，和Normandin、Lira猜测并无二致。亚马逊在Flex项目上的HR工作大多依赖于算法。而这种高度自动化对人类工作的监督、奖惩，甚至是裁员也是亚马逊对外毫不避讳的一点。
之所以能够成为全球第一的线上零售商，亚马逊的成功也依赖于算法。此前，他们利用算法来管理其线上数百万第三方商家，曾经也一度引发了不少被诬告的投诉。尽管有瑕疵，但算法带来的高效让亚马逊变得更加成功。
但当亚马逊将这种算法用于人力资源上，同时又不匹配足够的人工干预时，就显得过于冷冰冰。亚马逊在过去几年，越来越多地依赖算法来完成人力资源工作——管理仓库员工、监督合同工司机、甚至是办公室员工的表现。
熟悉这套人力资源战略的知情人对彭博社表示：贝索斯认为，机器能比人类更快、更准确地做出决策，从而降低人力资源成本，目前也是亚马逊运营的一大优势。
亚马逊从2015年就有了零工风格的Flex交付服务，当时对标的是Uber和Lyft的司机。在推出之初，亚马逊的标语大多和“做自己的老板”、“完成最后一公里送货”相关。目前，亚马逊送货越来越多的依赖于类似Uber司机的这种第三方个人配送。正是这些“零工”保证了人们能够准时在当日收到亚马逊包裹。根据媒体披露，这些零工每小时收入大概在25美金一小时。
但就在这些司机注册后，却发现所谓的“当自己的老板”实际上是被算法无时无刻监控的工作状态。算法会监督她们是否送货到站、是否在规定窗口完成了路线，是否将包裹放在了正确的位置、是否将包裹隐藏在花盆后面等等。亚马逊的算法会扫描大量反馈数据和性能模式，并决定接下来哪些司机获得更多快递单，哪些司机将被停用。
整个工作过程中， Flex司机“职场上”遇到的人工反馈极少。司机偶尔会收到算法系统自动分发的邮件，告诉他们目前的评级——非常好（Fantastic）、出色（Great）、一般（Fair）和有不合格风险（At Rist）。
在彭博社接触的15位Flex司机中，大约1/3表示自己被错误的解雇了。这15位员工都有一个共同的观点——亚马逊高度自动化的人力资源系统不足以适应当前司机每天要面对的现实挑战。一位接受采访的前经理表示：亚马逊公司层面知道将这种人力资源工作派发给机器算法会导致一些错误和误判。但亚马逊却认为，只要有足够的司机有兴趣加入Flex项目，这就不是事儿。在亚马逊看来，利用算法提高解雇效率比花钱请人调查错误并完成解雇合同工的工作，要便宜高效得多。
亚马逊的想法在逻辑上也许并没有错误。根据AppAnnie的数据，全球范围内，大约有400万名司机下载了这款App 。单过去一个月，美国境内就有66万新用户加入了Flex计划，比去年同期增长了21% 。
一位Flex项目相关的工程师表示：在亚马逊内部， Flex计划被认为是一个巨大的成功，其收益早已超过它所能带来的负面损害。 “高管们知道这很糟糕， ”但仍然没有计划改变它。
Flex项目对于亚马逊来说的确解决了巨大的司机缺口，帮亚马逊完成了最后一公里运送，打造了几乎完美的物流体系。但它的负面损害却都将伤害附加到了那些以Flex为生的零工身上——哪怕受到不公平待遇，却仍然只能和机器申诉，和机器对抗，之后再被机器踢皮球。
可以说，当Flex司机认为自己受到不公平待遇时，几乎没有任何申诉权利。如果他们想要申诉，还需要额外支付200美金提交仲裁，但很少有零工舍得这样做。
当另一位Flex司机被辞退后表示：人们没法满足算法的要求，因为总有大雪天气、泥泞的道路等外部因素让运送出现差池。当司机出现问题，这些算法和亚马逊员工并没有提供支持。 “当你对抗的是机器，就不可能赢，所以甚至不想去尝试。 ”他悲观地回忆自己申诉过程中的遭遇。
当司机遭遇糟糕的评级时，他们提起申诉后甚至无法判断自己是否在和真人交流。虽然邮件偶尔有署名，但回复通常针对很多状况，而不是司机问出的特定问题。根据知情人描述，即使回复里有姓名，前几封邮件也很可能只是机器的回复。
其中会有少部分的情况能够最终等到人类经理参与处理。但这些处理往往并不专业。一位曾经在司机支持中心工作的前雇员表示，监督数百万司机的这些员工很多都只是兼职，且几乎没有接受过任何培训。
而正是这种冷冰冰的处理方式，让Normandin们最终委屈地接受了不公平的辞退待遇，甚至无法申诉，更不可能获得赔偿。
来源：硅星人
【评分|被算法开除并无处申诉，亚马逊Flex“员工”难以忍受被算法支配的恐惧】_原题被算法开除并无处申诉，亚马逊Flex“员工”难以忍受被算法支配的恐惧