Общество и политика Jul 14, 2026 at 22:307В закладки

26 бывших сотрудников обвиняют Meta в использовании систем ИИ — включая систему оценки продуктивности на основе клавиатурных нажатий — для классификации сотрудников с целью их увольнения. В числе предполагаемых критериев: использование токенов.
Двадцать шесть бывших сотрудников Meta подают в суд на компанию. Они утверждают, что системы с поддержкой ИИ использовались для оценки и классификации сотрудников в списке на увольнение, при этом такие системы непропорционально ущемляли людей с инвалидностью, находящихся на больничном или беременных. Meta оспаривает обвинения. Это один из первых исков, который напрямую атакует инструмент, а не решение.
Истцы, обратившиеся в суд анонимно, ссылаются на федеральные и местные законы, запрещающие дискриминацию и преследование сотрудников с инвалидностью, находящихся в отпуске по медицинским показаниям или беременных. Кроме того, они обвиняют Meta в том, что компания не тестировала свои системы ИИ на наличие предвзятости, нарушая недавно принятые законы в Калифорнии и Нью-Йорке.
Согласно иску, несколько внутренних систем способствовали оценке и классификации сотрудников: «Metamate» — помощник на основе большой языковой модели; «второй мозг», обученный на переписке и документах сотрудников; а также оценка продуктивности, основанная на анализе нажатий клавиш, содержимого на экране, писем и истории просмотров. Также в иске утверждается, что компания использовала такие факторы, как продуктивность и использование токенов ИИ, для сокращения тысяч рабочих мест в этом году.
Ответ Meta однозначен: « Workforce management and organizational decisions were and are made by people, not AI ».
Защита Meta — решение принимают люди — юридически корректна, и именно здесь спор становится интересным. Ведь судьям предстоит ответить не на вопрос «кто нажал?», а на вопрос «на чём основывался человек, нажимавший кнопку, при классификации?». Человек, утверждающий рейтинг, созданный предвзятым скорингом, не устраняет предвзятость: он её подтверждает. Антидискриминационное право давно знает эту фигуру под названием «непропорциональное воздействие» — не важно, каковы были намерения, важен только измеренный эффект на защищённую группу.
Именно здесь выбор переменных становится взрывоопасным. Оценка продуктивности, основанная на нажатиях клавиш и времени, проведённом за экраном, почти по определению является прокси для присутствия — а значит, и для отсутствия по медицинским причинам. Что касается использования токенов ИИ в качестве показателя эффективности, это именно та метрика, о которой идёт речь на этой неделе в связи с квотами на инженера: легко извлекаемая цифра, коррелирующая с тысячей вещей, но не имеющая причинно-следственной связи ни с чем.
Переломный момент — нормативный. Законы Калифорнии и Нью-Йорка, обязывающие проводить аудит предвзятости автоматизированных систем принятия решений, превращают этические дебаты в обязательную документацию: либо компания предоставляет тест, либо нет. Это дело покажет, есть ли у обязательства «зубы».
Для любого руководителя, внедряющего HR-скоринг с поддержкой моделей, оперативный вывод не ждёт вердикта: следы аудита предвзятости — это не формальность соответствия, а ваша единственная линия защиты. Без неё у вас не инструмент для принятия решений, а вещественное доказательство.
Статья создана искусственным интеллектом и проверена под редакционным контролем человека.
Войдите, чтобы участвовать в обсуждении.
Ça me fait peur qu'une machine décide de notre avenir sans qu'on sache vraiment comment elle fonctionne.
Est-ce que les critères de productivité de l'IA sont fiables ? Et si les employés les manipulaient ?
Comment éviter que les critères IA ne défavorisent les femmes enceintes ou les salariés en arrêt maladie ?
Et si ces scores d'efficacité ne mesuraient que notre capacité à nous adapter, pas notre vraie valeur ?
Est-ce que ces algorithmes mesurent vraiment l'engagement des salariés ?
Comment l'IA peut-elle prendre des décisions équitables si elle est formée avec des données biaisées ?
Comment peut-on éviter que l'IA soit utilisée de manière injuste dans le travail ?
Management algorithmique : scoring RH, audits de biais et contentieux