مرداد
اخبار
شکایت ۲۶ کارمند متا؛ وقتی الگوریتم تعیین میکند چه کسی اخراج شود
پروندهای که در دادگاههای آمریکا باز شده، میتواند مرز تازهای برای نقش هوش مصنوعی در محل کار تعیین کند. بیستوشش کارمند شرکت متا مدعیاند سامانههای رتبهبندی الگوریتمی، آنها را دقیقاً در زمانی که در مرخصی پزشکی، زایمان یا مراقبت از خانواده بودند، برای اخراج نشانه گرفتهاند. متا این ادعا را رد میکند و میگوید تصمیم نهایی همیشه با انسان بوده است. اما پرسش اصلی جای دیگری است: وقتی یک مدل، رتبهی عملکرد میلیونها ساعت کار را خلاصه میکند، مسئولیت با کیست؟
لیست مطالب
۱) ماجرا از کجا شروع شد؟
بهار ۲۰۲۶ برای متا فصل تعدیل بود. طبق گزارشها این شرکت در یک موج، نزدیک به هشتهزار نفر — حدود ۱۰ درصد از کل نیروی کارش — را کنار گذاشت. تعدیل در شرکتهای بزرگ فناوری خبر تازهای نیست؛ آنچه این بار متفاوت بود، روایتی است که گروهی از کارکنان اخراجشده از سازوکار انتخاب ارائه کردهاند.
بر پایهی گزارشهای منتشرشده، بیستوشش نفر از این افراد شکایتی جمعی تنظیم کردهاند و ادعا میکنند فهرست اخراج، محصول یک فرایند صرفاً انسانی نبوده است. به روایت آنها، متا برای رتبهبندی عملکرد کارکنان از سامانههای خودکاری استفاده کرده که خروجیشان عملاً تعیینکننده بوده و این سامانهها بازههای مرخصی قانونی را از معادله حذف نکردهاند.
نتیجهی چنین خطایی قابلپیشبینی است: کسی که سه ماه در مرخصی زایمان یا درمان بوده، در بازهی سنجش «خروجی کمتری» ثبت کرده و در رتبهبندی پایین میافتد — نه به دلیل ضعف عملکرد، بلکه به دلیل نبودن در محل کار؛ آن هم نبودنی که قانون صراحتاً از آن حمایت میکند.
۲) ادعای اصلی شاکیان چیست؟
هستهی حقوقی شکایت روی یک نکته میچرخد: تبعیض. شاکیان میگویند اثر نهایی این سامانهها، تبعیض علیه گروههایی بوده که قانون آمریکا صریحاً از آنها محافظت میکند؛ یعنی افراد دارای معلولیت یا بیماری، زنان باردار و تازهزایمانکرده، و کارکنانی که از مرخصی مراقبت از خانواده استفاده کردهاند.
نکتهی ظریف حقوقی اینجاست که در دعاوی تبعیض، همیشه لازم نیست «قصد» تبعیض ثابت شود. اگر یک رویهی ظاهراً بیطرف — مثل امتیازدهی خودکار به بهرهوری — در عمل اثر نامتناسبی بر یک گروه محافظتشده بگذارد، همان اثر میتواند مبنای مسئولیت باشد. این دقیقاً همان جایی است که هوش مصنوعی میتواند کارفرما را غافلگیر کند: مدل «نمیداند» تبعیض قائل شده؛ فقط الگویی را که در داده دیده، بازتولید کرده است.
شاکیان همچنین میگویند شفافیت کافی دربارهی معیارها و وزنهای این امتیازدهی وجود نداشته و افراد نتوانستهاند به رتبهی خود اعتراض مؤثر کنند. به بیان دیگر، ادعا فقط «الگوریتم اشتباه کرد» نیست؛ «الگوریتم قابلبازبینی نبود» هم هست.
۳) پاسخ متا؛ انسان تصمیم میگیرد، نه ماشین
متا این اتهامها را رد کرده است. موضع اعلامشدهی این شرکت آن است که تصمیمهای نیروی انسانی را مدیران انسانی میگیرند و ابزارهای داخلی صرفاً نقش کمکی و گردآوری داده دارند. از منظر متا، چارچوب ارزیابی عملکرد سالهاست وجود دارد و ربطی به موج جدید مدلهای زبانی ندارد.
این دفاع در ظاهر قوی است، اما یک ابهام کلیدی را حل نمیکند: مرز میان «ابزار کمکی» و «تصمیمگیر» کجاست؟ اگر مدیری فهرستی مرتبشده بر اساس امتیاز خودکار دریافت کند و در عمل از بالا به پایین آن حرکت کند، آیا تصمیم انسانی گرفته است یا فقط خروجی ماشین را امضا کرده؟ حقوقدانان به این پدیده «سوگیری خودکارسازی» میگویند؛ گرایش انسان به پذیرفتن توصیهی سامانه، حتی وقتی اختیار رد کردن دارد.
۴) چرا این پرونده بیسابقه است؟
دعاوی مربوط به تبعیض در استخدام سابقهی طولانی دارند، اما بیشتر پروندههای الگوریتمیِ پیشین به مرحلهی ورود مربوط بودند: غربال خودکار رزومهها، آزمونهای شخصیت آنلاین، یا تحلیل ویدیوی مصاحبه. آنچه این پرونده را متمایز میکند، سمت دیگر ماجراست؛ یعنی خروج از سازمان.
اخراج، برخلاف استخدام، اثر فوری و سنگینی بر زندگی افراد دارد و مستندات داخلی بیشتری هم پشت آن است: امتیازها، بازخوردها، شاخصهای پروژه و ارزیابی همتایان. اگر دادگاه اجازهی دسترسی به این مستندات را بدهد، برای نخستین بار میتوان از نزدیک دید که یک شرکت بزرگ فناوری واقعاً چگونه عملکرد را عددی میکند. همین احتمال، فراتر از سرنوشت خود پرونده، برای کل صنعت اهمیت دارد.
اگر میخواهید تصویر بزرگتری از تواناییها و محدودیتهای واقعی این فناوری داشته باشید، پیشنهاد میکنیم نگاهی به پتانسیل و محدودیتهای واقعی هوش مصنوعی بیندازید.
۵) هوش مصنوعی در منابع انسانی؛ از غربال رزومه تا رتبهبندی عملکرد
استفاده از الگوریتم در منابع انسانی سه لایه دارد و هر لایه ریسک خودش را میسازد:
لایهی اول: جمعآوری داده
شاخصهایی مثل تعداد کامیتهای کد، حجم تیکتهای بستهشده، ساعتهای حضور یا مشارکت در جلسات. مشکل از همینجا شروع میشود: این شاخصها زمانِ نبودن را از «عملکرد ضعیف» تفکیک نمیکنند، مگر آنکه صریحاً برنامهریزی شده باشند.
لایهی دوم: خلاصهسازی و امتیازدهی
اینجاست که مدلهای زبانی وارد میشوند؛ بازخوردهای متنی را جمع میبندند و به نمره تبدیل میکنند. مسئله این است که مدل، سوگیری موجود در متن بازخوردها را هم منتقل میکند.
لایهی سوم: رتبهبندی اجباری
بسیاری از شرکتهای بزرگ سهمیهی مشخصی برای ردههای پایین دارند. وقتی امتیاز الگوریتمی به چنین سهمیهای وصل شود، هر خطای کوچک در لایهی اول، به یک تصمیم قطعی و غیرقابلبازگشت تبدیل میشود.
۶) قانون چه میگوید؟
در آمریکا چند چارچوب همزمان به این پرونده مربوط میشوند: قوانین حمایت از افراد دارای معلولیت، مقررات مرخصی پزشکی و خانوادگی، و قواعد ضدتبعیض جنسیتی که بارداری را هم پوشش میدهند. در کنار اینها، برخی ایالتها و شهرها در سالهای اخیر قوانین تازهای برای «ابزارهای خودکار تصمیمگیری در اشتغال» تصویب کردهاند که کارفرما را ملزم میکند از ممیزی سوگیری و اطلاعرسانی به کارکنان استفاده کند.
در اروپا هم مقررات هوش مصنوعی، کاربردهای مربوط به استخدام و مدیریت کارکنان را در دستهی «پرخطر» قرار داده است؛ یعنی الزام به مستندسازی، نظارت انسانی معنادار و امکان اعتراض. جهت کلی قانونگذاری روشن است: هرچه تصمیم بر زندگی فرد اثر بیشتری بگذارد، بار اثبات بیطرفی سامانه سنگینتر میشود.
۷) این پرونده برای شرکتها چه درسی دارد؟
فارغ از اینکه دادگاه چه رأیی بدهد، چند نتیجهی عملی همین حالا قابلاستخراج است:
نخست، هر سامانهی ارزیابی باید بازههای مرخصی قانونی را بهصورت صریح از محاسبهی بهرهوری کنار بگذارد؛ این کار یک تنظیم فنی ساده است، اما اگر انجام نشود به یک ریسک حقوقی بزرگ تبدیل میشود. دوم، خروجی الگوریتم باید قابلتوضیح باشد؛ اگر نتوانید به کارمند بگویید چرا نمرهاش پایین آمده، در دادگاه هم نمیتوانید. سوم، نظارت انسانی باید واقعی باشد نه تشریفاتی؛ یعنی مدیر باید بتواند و عملاً هم نتیجه را تغییر دهد و این تغییرها ثبت شود.
چهارم، مستندسازی. شرکتی که پیش از بحران، گزارش ممیزی سوگیری داشته باشد، در برابر شرکتی که بعد از شکایت شروع به جمعآوری مدرک میکند، موقعیت کاملاً متفاوتی دارد. برای درک بهتر اینکه چرا این موضوع به یک مزیت رقابتی تبدیل شده، مرور اهمیت هوش مصنوعی در کسبوکار میتواند مفید باشد.
۸) برای کارکنان چه اتفاقی میافتد؟
پیام این پرونده برای کارکنان هم روشن است: مستندسازی شخصی اهمیت پیدا کرده است. نگهداشتن سوابق مکتوب از اهداف توافقشده، بازخوردهای دریافتی، تاریخهای مرخصی و تغییرات دامنهی کار، دیگر یک عادت اداری نیست؛ ابزار دفاعی است.
همزمان، مهارتآموزی در حوزهی هوش مصنوعی به عامل تعیینکنندهی امنیت شغلی تبدیل شده است. کسی که بلد است این ابزارها را در کار روزمرهاش بهکار بگیرد، در همان شاخصهای بهرهوری بهتر دیده میشود. اگر میخواهید از پایه شروع کنید، آموزشهای چتجیپیتی و راهنمای پرامپتنویسی به زبان ساده نقطهی شروع خوبی هستند.
۹) نگاه به آینده؛ اگر متا ببازد چه میشود؟
سه سناریو پیش روست. در سناریوی نخست، پرونده با توافق خارج از دادگاه بسته میشود؛ محتملترین حالت در دعاوی اینچنینی، که هزینهی مالی دارد اما رویهی حقوقی نمیسازد. در سناریوی دوم، دادگاه به نفع متا رأی میدهد و عملاً استاندارد فعلی — یعنی «نظارت انسانی روی کاغذ» — تثبیت میشود.
سناریوی سوم پرهزینهترین است: اگر دادگاه بپذیرد که اثر نامتناسب سامانههای خودکار بهتنهایی برای احراز تبعیض کافی است، هر شرکت بزرگی که از امتیازدهی الگوریتمی استفاده میکند باید فرایندهایش را بازطراحی کند. در آن صورت، صنعت تازهای از «ممیزی الگوریتم منابع انسانی» شکل میگیرد؛ درست همانطور که پس از مقررات حسابداری، صنعت حسابرسی مالی گسترش یافت.
در هر سه حالت، یک چیز تغییر نمیکند: پس از این پرونده، هیچ شرکتی نمیتواند بگوید نمیدانست خروجی الگوریتم میتواند تبعیضآمیز باشد. تازهترین تحولات این حوزه را میتوانید در بخش اخبار هوش مصنوعی دنبال کنید.
پرسشهای پرتکرار دربارهی شکایت کارکنان متا
چند نفر شکایت کردهاند و ادعایشان دقیقاً چیست؟
طبق گزارشها بیستوشش کارمند فعلی و سابق متا شکایت کردهاند. ادعای اصلی این است که در موج تعدیل حدوداً هشتهزارنفره، سامانههای امتیازدهی خودکار کارکنانِ در مرخصی پزشکی، زایمان یا مراقبت از خانواده را بهطور نامتناسبی در ردههای پایین قرار دادهاند.
آیا واقعاً هوش مصنوعی تصمیم گرفته چه کسی اخراج شود؟
این دقیقاً نقطهی اختلاف است. شاکیان میگویند خروجی سامانهها عملاً تعیینکننده بوده؛ متا میگوید تصمیم نهایی با مدیران انسانی بوده و ابزارها فقط نقش پشتیبان داشتهاند. تعیین اینکه کدام روایت درست است، بر عهدهی دادگاه و بررسی مستندات داخلی است.
آیا استفاده از الگوریتم در ارزیابی کارکنان غیرقانونی است؟
خودِ استفاده غیرقانونی نیست. آنچه ممنوع است، تبعیض علیه گروههای محافظتشده است — چه بهدست انسان و چه بهواسطهی سامانه. به همین دلیل تمرکز پرونده روی نتیجهی سامانه است، نه صرف وجود آن.
این پرونده چه ربطی به شرکتهای ایرانی و کسبوکارهای کوچک دارد؟
هر سازمانی که برای ارزیابی عملکرد از داشبوردهای خودکار یا مدلهای زبانی استفاده میکند، با همین ریسک روبهروست: شاخصهایی که غیبت قانونی را از ضعف عملکرد جدا نمیکنند. اصلاح این موضوع در سازمان کوچک بسیار ارزانتر از سازمان بزرگ است.
کارمندان چطور میتوانند از خودشان محافظت کنند؟
با نگهداشتن سوابق مکتوب از اهداف، بازخوردها و تاریخ مرخصیها، درخواست توضیح شفاف دربارهی معیارهای ارزیابی، و ثبت کتبی هر اعتراض. در کنار آن، ارتقای مهارتهای کاربردی هوش مصنوعی، بهترین بیمهی بلندمدت شغلی است.
