|
Eiropas Savienības |
LV C sērija |
|
C/2025/1185 |
21.3.2025 |
Eiropas Ekonomikas un sociālo lietu komitejas atzinums
Darba ņēmējiem labvēlīgs mākslīgais intelekts: sviras MI potenciāla izmantošanai un risku mazināšanai saistībā ar nodarbinātības un darba tirgus politiku
(pašiniciatīvas atzinums)
(C/2025/1185)
Ziņotāja:
Franca SALIS-MADINIER|
Padomnieki |
Odile CHAGNY (ziņotājai) Isaline OSSIEUR (I grupai) Etzerodt CLEMENS ØRNSTRUP (I grupai) Aïda PONCE DEL CASTILLO (II grupai) Anthony BOCHON (III grupai) |
|
Pilnsapulces lēmums |
15.2.2024. |
|
Juridiskais pamats |
Reglamenta 52. panta 2. punkts |
|
Atbildīgā specializēta nodaļa |
Nodarbinātības, sociālo lietu un pilsoniskuma specializētā nodaļa |
|
Pieņemts specializētās nodaļas sanāksmē |
17.12.2024. |
|
Pieņemts plenārsesijā |
22.1.2025. |
|
Plenārsesija Nr. |
593 |
|
Balsojuma rezultāts (par/pret/atturas) |
142/103/14 |
1. Secinājumi un ieteikumi
|
1.1. |
EESK atbalsta sociālo partneru kopīgo deklarāciju, kas pieņemta pēdējā G7 samitā Itālijā (1) un kurā teikts, ka “mākslīgā intelekta (MI) sistēmu, tostarp ģeneratīvā mākslīgā intelekta (ĢMI), straujā attīstība neapšaubāmi ir viena no nozīmīgākajām tendencēm, kas skar darba pasauli un mūsu sabiedrību kopumā. Vai šīs pārmaiņas ir uz labu vai uz ļaunu, nav predestinēts: tas ir atkarīgs no politikas veidotāju pieņemtajiem lēmumiem, proti, no tā, vai tiks ieviestas vērienīgas un efektīvas rīcībpolitikas, kā arī tāds tiesiskais regulējums, kas sekmē sociālo progresu, iekļautību, līdztiesību, ekonomisko labklājību, ilgtspējīgus uzņēmumus, uzņēmējdarbības nepārtrauktību un noturību, pienācīgu darbvietu radīšanu, respektu pret demokrātiskām institūcijām un darba ņēmēju tiesībām (..), un šajā saistībā svarīga loma ir sociālajam dialogam”. |
|
1.2. |
Sociālajam dialogam un darba ņēmēju iesaistei ir izšķiroši nozīmīga loma darba ņēmēju pamattiesību saglabāšanā un “uzticama” MI popularizēšanā darba pasaulē. Viena no MI sistēmu risku un kaitīgās ietekmes mazināšanas svirām ir darba ņēmēju un viņu pārstāvju ciešāka iesaiste. |
|
1.3. |
EESK uzstāj, ka ar leģislatīvām vai citām iniciatīvām, ar kurām tiek pielāgoti pašreizējie tiesību akti, būtu jānovērš nepilnības darba ņēmēju tiesību aizsardzībā darbavietā un jānodrošina, ka visā cilvēka un mašīnas mijiedarbībā kontroli saglabā cilvēks. |
|
1.4. |
ES pašreizējās tiesību normas, kas attiecas uz MI izmantošanu darbavietā, būtu jāpapildina ar skaidriem norādījumiem par spēkā esošajiem tiesību aktiem. |
|
1.5. |
EESK aicina nekavējoties īstenot MI akta (2) 4. pantu, kurā noteikts, ka MI sistēmu nodrošinātāji un uzturētāji veic pasākumus, ar ko cik iespējams labi nodrošina pietiekamu MI pratības līmeni savam personālam. |
|
1.6. |
Publiskajām iestādēm ir jāīsteno darba ņēmējiem paredzētas prasmju pilnveides iniciatīvas, lai nodrošinātu, ka mākslīgā intelekta sistēmas uzlabo cilvēku sniegumu, nevis viņus aizstāj. |
|
1.7. |
EESK noteikti iesaka ar ES un dalībvalstu publiskajām rīcībpolitikām izglītībā un apmācībā izstrādāt MI veltītus moduļus un darīt iedzīvotājiem pieejamus izpratnes veicināšanas materiālus par MI. Formāla izglītība par MI tehnoloģijām būtu jānodrošina jau agrīnā posmā, tādējādi ļaujot visiem iedzīvotājiem apgūt šo kultūru. |
|
1.8. |
Lai novērstu dalībvalstu pašreizējo iniciatīvu sadrumstalotību un nodrošinātu vienlīdzīgus konkurences apstākļus vienotajā tirgū, EESK stingri aicina īstenot pastiprinātu sociālo dialogu par MI sistēmu ieviešanu, pamatojoties uz ad hoc ES juridisku instrumentu, kurā būtu ietverti noteikumi, ar kuriem efektīvāk sasniegt šādus mērķus:
|
|
1.9. |
EESK aicina Eiropas MI biroju izveidot ciešu sadarbību ar Eiropas starpnozaru sociālajiem partneriem, lai nodrošinātu, ka sociālā dialoga loma tiek pienācīgi atspoguļota gaidāmajās MI biroja pamatnostādnēs, un sniegt skaidrojumus par visām MI sistēmām. Būtu jāizveido padziļināti, stabili un skaidri strukturēti koordinācijas kanāli starp MI biroju un Eiropas Komisijas EMPL ĢD un CONNECT ĢD. |
2. Vispārīgas piezīmes
|
2.1. |
Šā pašiniciatīvas atzinuma mērķis ir sniegt ieteikumus un konkrētus priekšlikumus Eiropas un valstu līmeņa politikas veidotājiem, lai radītu vidi, kas veicina MI sistēmu un rīku pozitīvu ieviešanu darba pasaulē. Ņemot vērā nākamās prezidentvalsts Polijas lūgumu, īpaša nodaļa veltīta sviru izpētei, ar kuru palīdzību izmantot MI potenciālu un mazināt tā riskus nodarbinātības un darba tirgus politikas jomā. Šajā atzinumā apkopots ieguldījums, kas iegūts divos EESK notikušos darbsemināros, kuros tika izmantota Kopīgā pētniecības centra prognozēšanas metodika un kuros piedalījās Eiropas un starptautiskie eksperti. |
|
2.2. |
MI tiek uzskatīts par “vispārējas nozīmes” tehnoloģiju (8), kas padara iespējamas pārveidojošas digitālās lietotnes ar lielu sociālās un ekonomiskās ietekmes potenciālu (9). Mākslīgais intelekts, lielie dati un augstas veiktspējas datošana ir savstarpēji saistīti. Ģeneratīvais mākslīgais intelekts (ĢMI) ietver tādas sistēmas kā sarežģīti lielu valodu modeļi, kas, mācoties no apjomīgiem apmācības datiem, var radīt jaunu saturu, sākot no teksta līdz pat attēliem. Šajā atzinumā izmantota plaša pieeja, lai aplūkotu gan algoritmiskās pārvaldības sistēmas, gan digitālo darbavietu tehnoloģiju, tādu kā uzraudzības rīki un digitālās cilvēkresursu platformas, plašāku izmantošanu, kam ir ievērojama ietekme uz darba ņēmējiem. |
|
2.3. |
Lai gan aplēses liecina, ka kopš ĢMI rīku parādīšanās MI rīku ieviešana Eiropas uzņēmumos ir strauji pieaugusi, šķiet, ka ieviešanā pastāv būtiskas atšķirības starp lieliem uzņēmumiem un MVU (10). Lai arī trūkst konsekventu datu un zināšanu par to, tieši kādā virzienā MI attīstīsies, var pamatoti sagaidīt, ka MI daudzos veidos ietekmēs darba pasauli un varētu kļūt par būtisku iezīmi daudzu cilvēku darbavietās (11). |
|
2.4. |
Mūsu darbsemināros par MI nākotni darba pasaulē (12) izpētītie scenāriji parāda, ka vēl nav par vēlu ietekmēt MI attīstību darba vidē, lai nodrošinātu, ka tas tiek izmantots visu labā. Vizionārais scenārijs, kas tika nodēvēts par “ideālo scenāriju”, parādīja, ka ES tiesību aktu pielāgošana un sociālā dialoga stiprināšana šim nolūkam vispiemērotākajā līmenī var pildīt nozīmīgu funkciju uzticamai MI izmantošanai darbavietā, mudinot Eiropas uzņēmumus ieguldīt pētniecībā, izstrādē un inovācijā. |
|
2.5. |
MI ietekme uz darba pasauli ir netieši skarta ES tiesību aktos, kas attiecas uz sociālajiem jautājumiem (13). ES iestādes ir ieguldījušas ievērojamus resursus arī kopīgas digitālās programmas un digitālā vienotā tirgus izstrādē. |
|
2.6. |
Saskaņā ar Eiropas Komisijas priekšsēdētājas priekšlikumu ņemt vērā iniciatīvas, kurās aplūkots, kā digitalizācija ietekmē darba pasauli, sākot ar MI pārvaldību un beidzot ar tāldarbu, un saskaņā ar G7 samitā sociālo partneru nesen pieņemto deklarāciju EESK pieprasa ar ikvienu likumdošanas iniciatīvu novērst nepilnības darba ņēmēju tiesību aizsardzībā, kas paredzēta spēkā esošajos tiesību aktos, kuri attiecas uz MI, un nodrošināt, ka tiek efektīvi piemērots princips “kontroli saglabā cilvēks” . |
|
2.7. |
EESK aicina Eiropas Komisiju nodrošināt, ka pašreizējās tiesību normas, kas attiecas uz MI izmantošanu darbavietā, tiek papildinātas ar skaidriem norādījumiem. |
|
2.8. |
Sociālajiem partneriem un iedzīvotājiem jāpilda būtiska funkcija darba ņēmēju pamattiesību saglabāšanā un “uzticama” MI popularizēšanā darba pasaulē un visā sabiedrībā (14). |
3. MI sistēmu definīcija šā atzinuma kontekstā
3.1. Šajā atzinumā EESK iesaka izmantot MI aktā sniegto definīciju (15)
|
3.2. |
Saskaņā ar MI akta 3. panta 1. punktu ““MI sistēma” ir mašinizēta sistēma, kura projektēta darboties ar dažādiem autonomijas līmeņiem, kura var pēc ieviešanas būt adaptīva un kura eksplicītiem vai implicītiem mērķiem secina no informācijas, ko tā saņem, kā ģenerēt iznākumus, piemēram, prognozes, saturu, ieteikumus vai lēmumus, kas var ietekmēt fizisko vai virtuālo vidi”. |
|
3.3. |
Šī definīcija ir pietiekami plaša, lai aptvertu MI sistēmu trīs būtiskās iezīmes:
|
|
3.4. |
EESK arī norāda, ka darbavietās izmantoto MI sistēmām salīdzinājumā ar iepriekšējām digitālajām tehnoloģijām ir trīs galvenās specifiskās iezīmes:
|
4. MI ietekme uz darba tirgu un darba apstākļiem
4.1. Ietekme uz nodarbinātību
|
4.1.1. |
Ņemot vērā MI straujo attīstību, nenoteiktību saistībā ar tā integrēšanu ražošanas procesos un ietekmi uz organizācijām un darba ņēmējiem, MI ietekme uz nodarbinātību un darba ņēmējiem nevar būt predestinēta. Apjoms, kādā MI rada, maina, atbalsta vai iznīcina darbvietas, ir atkarīgs arī no tā ieviešanas mērķa (procesu optimizācija, izmaksu samazināšana, efektivitāte, inovācija utt.). |
|
4.1.2. |
Mākslīgajam intelektam ir potenciāla vērtība šādās darbībās: (i) piemeklēt darba profilam atbilstošus kandidātus, tādējādi uzlabojot nodarbinātības politikas efektivitāti; (ii) pieņemt darbā piemērotus kandidātus; (iii) paātrināt jaunu darbinieku iestrādāšanās procesus; (iv) pārvaldīt sniegumu; (v) izstrādāt efektīvas personalizētas apmācības metodes un apzināt digitālo prasmju trūkumu; (vi) vākt un analizēt lielos datus; (vii) izstrādāt protokolus; (viii) sagatavot darba aprakstus; (ix) vadīt kadru piesaistīšanu un mainību un prognozēt turpmākās darbā pieņemšanas vajadzības (21). |
|
4.1.3. |
Lielākais MI radītais potenciālais grūdiens ekonomikai, visticamāk, būs saistīts ar uzlabotu produktivitāti (22). Tas ietver ikdienišķu un nogurdinošu uzdevumu (23) automatizāciju, papildinot darbinieku spējas un viņus atslogojot, lai viņi varētu koncentrēties uz stimulējošāku darbu, kas dod lielāku pievienoto vērtību (24). Jaunākās tehnoloģiskās norises ļauj MI sistēmām aizstāt vai papildināt cilvēka funkcijas daudz dažādākā jomu klāstā nekā iepriekšējās tehnoloģijas, tostarp uzņemties ar rutīnu nesaistītus un kognitīvus uzdevumus (25), it īpaši veselības un izglītības nozarēs. |
|
4.1.4. |
Jaunākajos pētījumos norādīts uz ĢMI tehnoloģiju “papildinošo” potenciālu (26). SDO lēš (27), ka pārveides potenciāls valstīs ar augstiem ienākumiem ir vairāk nekā divas reizes lielāks par automatizācijas potenciālu (attiecīgi 13,4 % un 5,1 %). Tomēr no empīriskajiem konstatējumiem vēl nevar izdarīt secinājumus par ietekmi uz nodarbinātību un ražīgumu (28). Faktiskais produktivitātes pieauguma apmērs ir neskaidrs (29) un varētu būt pārspīlēts (30). Kas attiecas uz ĢMI, to profesiju īpatsvars, kurās nav skaidrības par automatizācijas un papildināmības potenciālu, ir augsts (31) (11,6 % valstīs ar augstiem ienākumiem (32)). ĢMI var uzlabot darba pieejamību cilvēkiem ar invaliditāti (33), taču var arī automatizēt darbu, ko viņi dara. |
4.2. Mākslīgajam intelektam būs ievērojama ietekme uz vajadzību pēc prasmēm (34) .
|
4.2.1. |
No vienas puses, MI replicēs dažas manuālas prasmes un smalkas psihomotoriskās spējas, kā arī kognitīvās prasmes, piemēram, izpratni, plānošanu un konsultēšanu. No otras puses, svarīgākas kļūs prasmes, kas vajadzīgas MI sistēmu izstrādei un uzturēšanai, un prasmes, kuras vajadzīgas MI lietojumprogrammu ieviešanai, izmantošanai un mijiedarbībai ar tām. Palielināsies pieprasījums pēc digitālajām pamatprasmēm un datu zinātnes (35). Būs vajadzīgas kognitīvās un transversālās prasmes, kas vislabāk papildina MI (tostarp radoša problēmu risināšana, oriģinalitāte un citas transversālas prasmes, piemēram, sociālās un pārvaldības prasmes (36)). MI ieviešanā liela nozīme būs arī vadītāju un uzņēmēju prasmēm un zināšanām (37). Ir pierādījumi, ka ar MI saistītu pienācīgu prasmju trūkums ir šķērslis MI izmantošanai darba vidē (38). MI var izmantot arī pieaugušo mācīšanās sistēmu uzlabošanai. |
4.3. Darba apstākļi
|
4.3.1. |
Darba apstākļi ir joma, kurā MI sistēmu ietekme ir visneskaidrākā (39), jo MI sistēmām piemīt potenciāls pārveidot organizatoriskās un pārvaldības darbības un kontroli (40), kā arī padziļināti pārveidot organizatoriskos procesus (41). |
|
4.3.2. |
Ja uz MI balstīti rīki tiek izmantoti saprātīgi, tie varētu uzlabot gan veselības un darba aizsardzības apstākļus, palīdzot samazināt darbinieku darba slodzi (42), gan darba un privātās dzīves līdzsvaru (43) un psihoemocionālo veselību darbavietā (44). MI rīki var palīdzēt likvidēt vai samazināt bīstamus uzdevumus un palīdzēt izvairīties no balsta un kustību aparāta traucējumiem. Taisnīgi pārdalīts laiks, ko darbinieki ietaupa, veicot uzdevumus, var uzlabot viņu labbūtību. Ja MI rīkus izmanto, lai aizstātu atkārtojošos un nogurdinošus uzdevumus, tie var palielināt apmierinātību ar darbu (45). MI lietojumprogrammu izmantošana var nodrošināt labākus, taisnīgākus un nediskriminējošus lēmumus un praksi (46). |
|
4.3.3. |
MI lietojumprogrammas var nodrošināt visaptverošāku augstvērtīgākas informācijas izplatīšanu, sniegt padziļinātu ieskatu par datiem un uzlabot precīzām robežām pakļautu lēmumu kvalitāti. |
|
4.3.4. |
No otras puses, ja netiek izpildīti nosacījumi MI sistēmu uzticamai ieviešanai darbā, var iestāties daži riski (47). |
|
4.3.5. |
Algoritmiskās pārvaldības sistēmas nodrošina tāda veida visaptverošu kontroli, kas ir daudz spēcīgāka nekā jebkurš iepriekšējais kontroles veids, radot potenciāli kaitīgu ietekmi uz darba ņēmējiem (48). Ir savākti pierādījumi (49), kas liecina, ka algoritmiskā pārvaldība var negatīvi ietekmēt darba ņēmēju veselību un drošību un ka uzņēmumi nav ieinteresēti izmantot šādas tehnoloģijas, lai uzlabotu arodveselību un drošību. |
|
4.3.6. |
Darba ņēmēji var saskarties ar ļaunprātīgu novērošanu, diskrimināciju, autonomijas zaudēšanu un psihosociāliem riskiem (50). MI rīki var sagraut kolektīvu darbavietā un saasināt izolētības sajūtu darba ņēmēju vidū. |
|
4.3.7. |
MI sistēmas var pastiprināt informācijas asimetriju starp vadību un darba ņēmējiem (51). |
4.4. Nevienlīdzības izskaušana
|
4.4.1. |
Nesen veiktos ĢMI pētījumos norādīts, ka šīm sistēmām piemīt potenciāls samazināt nevienlīdzību, to turpināt vai pat radīt jaunus nevienlīdzības riskus. |
|
4.4.1.1. |
Varētu būt iespējams samazināt nevienlīdzību starp augsti kvalificētiem un mazāk kvalificētiem darba ņēmējiem. Lielākajā daļā pētījumu ir vienprātīgi secināts, ka ĢMI ieviešanas rezultātā augstākas kvalifikācijas profesijas būs pakļautas lielākiem ar nodarbinātību saistītiem riskiem (52). Ja ĢMI ieviešanas mērķis ir palielināt uzņēmumu inovācijas spēju, uzlabot darba organizāciju un veicināt kvalitatīvas darbvietas, vislielāko labumu no ĢMI rīkiem gūs mazāk kvalificēti un mazāk pieredzējuši darba ņēmēji, jo MI modeļus var izmantot paraugprakses kopīgošanai starp pieredzējušiem darba ņēmējiem un nesen darbā pieņemtajiem darbiniekiem (53). |
|
4.4.1.2. |
Sievietes un mazkvalificēti un gados vecāki darba ņēmēji ir neaizsargātās grupas, kuras MI ietekmē visvairāk (54). Tā kā automatizācijas riskam vairāk ir pakļautas administratīvas darbvietas, tad ietekme uz nodarbinātību ir atkarīga no dzimuma, proti, sieviešu īpatsvars, kuru darbvietas varētu ietekmēt automatizācija, ir vairāk nekā divas reizes lielāks (55), un viņas tiek skartas biežāk, kad ir runa par darbvietu pārveides potenciālu. |
|
4.4.1.3. |
Dažās valstīs zemais sieviešu īpatsvars STEM nozaru absolventu vidū vai datorzinātnes un informācijas tehnoloģiju jomā rada būtiskas problēmas dzimumu nodarbinātības un atalgojuma nevienlīdzības ziņā MI izplatības kontekstā (56). Dzimumu līdztiesības jautājumam būtu vairāk jāpievēršas visos līmeņos. Ļoti svarīgs ir sociālais dialogs un labākas rīcībpolitikas, lai prognozētu šīs tendences. |
4.4.2. Jauna globāla nevienlīdzība
|
4.4.2.1. |
MI izstrādi atbalsta “neredzami” darba ņēmēji, kuri galvenokārt atrodas valstīs ar zemiem ienākumiem un strādā sliktos darba apstākļos (57). |
4.5. Lai izmantotu MI potenciālu, svarīgs ir sociālais dialogs un darba ņēmēju iesaistīšana.
|
4.5.1. |
MI sistēmu īpašo iezīmju un to ietekmes uz organizatoriskajiem jautājumiem dēļ MI pozitīvās ietekmes veicināšanā ir svarīgi, lai MI tiktu akceptēts, lai tas būtu uzticams un lai cilvēki tam uzticētos (58). |
|
4.5.2. |
Ir pierādījumi, ka apspriešanās ar darba ņēmēju pārstāvjiem uzlabo sniegumu un darba apstākļus (59). Ja darba ņēmēju pārstāvji izmanto kopīgas lēmumu pieņemšanas “kolektīvās balss” sistēmu, tā palīdz aizsargāt darba ņēmēju privātumu, autonomiju un rīcības brīvību attiecībā pret personāla vadības tehnoloģijām (60). |
|
4.5.3. |
Lai nodrošinātu efektīvu sociālo dialogu visās struktūrās, kurās tiek izmantots MI, EESK aicina attiecīgajos juridiskajos un citos dokumentos, kas nav juridiski, sniegt skaidrus norādījumus. |
|
4.5.4. |
Cilvēkiem un ieinteresētajām personām būtu jāvar lemt par MI lietojumu un mērķi mūsu sabiedrībā un darba vidē. Sociālie partneri un iedzīvotāji būtu jāiesaista publiskās debatēs, prasmju pilnveidē un apmācībā. |
4.6. Svarīga ir sagatavotība MI izmantošanai (61) .
|
4.6.1. |
Lai gūtu labumu no MI ieviešanas darba vidē, EESK aicina Eiropas Komisiju: |
|
4.6.1.1. |
mudināt politikas veidotājus visos līmeņos pārskatīt prasmju politiku, lai nodrošinātu, ka jaunās MI sistēmas papildina darba ņēmēju veikto darbu, nevis viņus aizstāj; |
|
4.6.1.2. |
atbalstīt tādu publisko rīcībpolitiku, kuras mērķis ir izstrādāt MI veltītus moduļus agrīnā izglītībā un apmācībā un darīt iedzīvotājiem pieejamus izpratnes veicināšanas materiālus par MI. Ar šādām rīcībpolitikām jau agrīnā posmā būtu jānodrošina formāla izglītība par MI tehnoloģijām, tādējādi ļaujot visiem iedzīvotājiem apgūt šo kultūru; |
|
4.6.1.3. |
nekavējoties īstenot MI akta 4. pantu, kurā noteikts, ka MI sistēmu nodrošinātāji un uzturētāji veic pasākumus, ar ko cik iespējams labi nodrošina pietiekamu MI pratības līmeni savam personālam. |
5. Pašreizējo ES tiesību aktu izpilde un pielāgošana
5.1. VDAR (62) nav īpaši izstrādāta tā, lai risinātu ar datu aizsardzību darbavietā saistītus jautājumus.
|
5.1.1. |
Taču VDAR kā atsevišķas regulas juridiskie pamati nav pietiekami, lai mazinātu kaitīgu MI sistēmu radīto risku darbavietā, jo tajos nav ņemts vērā MI sistēmu specifiskais raksturs attiecībā uz personas datu apstrādi nodarbinātības un darbavietas kontekstā. |
|
5.1.2. |
Pastāv konsenss, ka ne darbinieka piekrišana, ne leģitīmās intereses nav derīgs pamats datu apstrādei, ņemot vērā asimetriskās varas dinamiku darbavietā (63). Nesen veiktā 6 300 darba ņēmēju aptauja ziemeļvalstīs liecina, ka visās pētījumā aplūkotajās nozarēs notiek šādas asimetriskas varas ļaunprātīga izmantošana (64). |
|
5.1.3. |
VDAR 15. panta 1. punkta h) apakšpunktam par pārredzamības prasībām ir ierobežota darbības joma, jo tas neattiecas uz daļēji automatizētu lēmumu pieņemšanu. |
|
5.1.4. |
Darbiniekus var vairāk ietekmēt tādu datu apstrāde, kas savākti no citiem darbiniekiem, nevis ar viņiem pašiem saistītie savāktie dati (65). Arodbiedrību vai darba ņēmēju pārstāvju tiesības kontrolēt datu vākšanu un apstrādi ir ierobežotas. Būtiska vājā vieta algoritmiskās pārvaldības sistēmu kontekstā ir pieņēmums, ka ar privātuma aizskārumu saistīts kaitējums vienmēr ir individuāls. Turklāt noteikumi par ietekmes novērtējumiem, kas saistīti ar datu aizsardzību, ir nepietiekami. |
|
5.1.5. |
VDAR 88. pantā teikts, ka personas datu apstrāde saistībā ar nodarbinātību ir jāregulē, izmantojot “konkrētākus noteikumus”, kas dalībvalstīm jānosaka tiesību aktos vai koplīgumos (66). Kopš VDAR stāšanās spēkā 88. pants ir īstenots vāji un gandrīz visās dalībvalstīs joprojām ir palicis tikai uz papīra (67). |
|
5.1.6. |
Lai darba ņēmējiem piešķirtu lielāku varu pār saviem datiem, EESK aicina Eiropas Komisiju veikt pasākumus, lai nodrošinātu VDAR 88. panta efektīvu izpildi. |
5.2. MI akts
|
5.2.1. |
MI akta vispārējais mērķis ir stimulēt MI ieviešanu un izplatīšanu Eiropas Savienībā, izstrādājot vienotu tiesisko regulējumu attiecībā uz “uzticamu MI” un pamatojoties uz loģiku, ka tad, ja tiks novērsti ar MI izmantošanu saistītie riski, paplašināsies tā ieviešana. Regulai, kas ir transversāls tiesību akts, ir vairāki sevišķi svarīgi mērķi, piemēram, augsts veselības, drošības un pamattiesību aizsardzības līmenis. Taču MI akta juridiskais pamats pirmām kārtām sakņojas LESD noteikumos par vienoto tirgu. MI akts nav īpaši izstrādāts tā, lai risinātu ar problēmām darbavietā saistītus jautājumus (68). |
|
5.2.2. |
MI akts nosaka ierobežojumus MI izmantošanai darbavietā, aizliedzot konkrētas sistēmas un izvirzot stingras prasības saistībā ar MI sistēmu nodrošināšanu vai ieviešanu, it īpaši tādu, kas sakarā ar to izmantojumu nodarbinātības, darba ņēmēju pārvaldības un piekļuves pašnodarbinātībai jomā klasificētas kā augsta riska sistēmas. Šajā saistībā MI akts ir svarīgs solis pareizajā virzienā. |
|
5.2.3. |
EESK norāda uz vairākām MI akta nepilnībām saistībā ar pamattiesību ievērošanu darbavietā. |
|
5.2.3.1. |
MI aktā ir atzīts, ka riska jēdziena ex ante definīcija nav pietiekama, lai aizsargātu pret MI sistēmu nodarīto iespējamo kaitējumu, un ka to nevar pilnībā noteikt iepriekš, jo tas ir atkarīgs arī no ieviešanas konteksta (69). Ar augsta riska MI sistēmām saistītu risku pārvaldības sistēmas ir jāizmanto visā sistēmas dzīves ciklā (9. pants). Taču MI aktā ir skaidri atzīta iespējamība, ka MI sistēma gan var atbilst regulai, tomēr tā var radīt risku personu veselībai vai drošībai vai apdraudēt pamattiesības. (82. pants) (70). |
|
5.2.3.2. |
Pienākums veikt augsta riska MI sistēmu ietekmes uz pamattiesībām novērtējumu attiecas tikai uz publisko tiesību subjektiem, privātām vienībām, kas sniedz sabiedriskos pakalpojumus, kā arī banku un apdrošināšanas vienībām (27. pants). |
|
5.2.3.3. |
Darba ņēmēju pārstāvjiem ir tikai tiesības tikt informētiem, nevis uzklausītiem (26. panta 7. punkts). “Regulatīvās smilškastes” (57. pants) un augsta riska sistēmu testēšana reālos apstākļos (60. pants) ir atļautas vienīgi pirms sistēmas nodošanas ekspluatācijā. |
|
5.2.3.4. |
EESK uzskata, ka eksperimenti ir izšķiroši svarīgi, lai organizācijām ļautu identificēt riskus, pārbaudīt, vai rodas neparedzētas sekas, un precizēt algoritmus kontrolētā vidē pirms pilnīgas ieviešanas. MI akts būtu jāpapildina ar skaidriem norādījumiem, lai nodrošinātu juridisko noteiktību un tā viennozīmīgu piemērošanu un izpildi. |
|
5.2.4. |
Lai novērstu šīs problēmas, EESK aicina MI biroju, tam strādājot pie savām pirmajām pamatnostādnēm, cieši sadarboties ar Eiropas starpnozaru sociālajiem partneriem, lai izstrādātu skaidras pamatnostādnes un skaidrojumus par MI sistēmām, kas ļauj secināt fizisku personu emocijas. Būtu jāizveido padziļināti, stabili un skaidri strukturēti koordinācijas kanāli starp MI biroju un Eiropas Komisijas EMPL ĢD un CONNECT ĢD. |
|
5.2.5. |
EESK uzskata, ka, pirms visās struktūrās ieviest augsta riska sistēmas, nodrošinātājiem ir jāveic ex ante ietekmes uz pamattiesībām novērtējums. |
|
5.2.6. |
EESK aicina iekļaut skaidras pamatnostādnes par to, kā visās gaidāmajās iniciatīvās par MI darba vidē var izmantot “smilškastes” un testēšanu reālos apstākļos. |
5.3. Direktīva par darbinieku informēšanu un uzklausīšanu, Direktīva par darba ņēmēju drošību un veselības aizsardzība darbā un Eiropas sociālo partneru autonomais pamatnolīgums par digitalizāciju
|
5.3.1. |
Direktīva 2002/14/EK (71) darbinieku pārstāvjiem garantē kolektīvās tiesības uz informēšanu un uzklausīšanu un attiecas uz jebkādiem sagatavošanās pasākumiem, kas rada draudus nodarbinātībai, un jebkuru lēmumu, kurš izraisa “būtiskas pārmaiņas” darba organizācijā (4. pants). Saskaņā ar Direktīvu 89/391/EK (72) darba devējiem ir jāgarantē darba ņēmēju drošība un veselības aizsardzība visos ar darbu saistītajos aspektos, kā arī informācija un apmācība, un jākonsultējas ar darba ņēmēju pārstāvjiem par veselību un drošību. Tomēr, ņemot vērā nepārredzamo veidu, kādā MI rīki tiek ieviesti, to mainīgo raksturu un sarežģītību, kas saistīta ar “būtisku pārmaiņu” definēšanu, minētās direktīvas ir jāstiprina, izmantojot skaidrus norādījumus. |
|
5.3.2. |
MI sistēmu iteratīvā un dinamiskā rakstura dimensija rezonē ar iteratīvā dialoga procesu, kas ietverts Eiropas sociālo partneru pamatnolīgumā par digitalizāciju (73). |
|
5.3.3. |
Tomēr nolīgums tikai margināli pievēršas MI problēmjautājumiem, un konkrētas ar MI saistītas valstu sociālo partneru darbības, ar ko īsteno nolīgumu, ir bijušas samērā ierobežotas, un lielākā daļa no tām pievēršas tikai jautājumiem, kas saistīti ar tāldarbu un tiesībām būt bezsaistē. |
|
5.3.4. |
EESK aicina Eiropas Komisiju ad hoc instrumentā izsmeļoši pievērsties ar MI saistītiem jautājumiem, lai autonomajā nolīgumā ņemtu vērā sociālā dialoga dinamisko dimensiju un MI sistēmu radītā veselības un drošības riska novērtējumus. |
5.4. Platformu darba direktīva (74)
|
5.4.1. |
Platformu darba direktīvā ir iekļauti noteikumi, kas varētu efektīvi regulēt automatizētas uzraudzības un lēmumu pieņemšanas sistēmas. Konkrēti III nodaļa (75):
|
|
5.4.2. |
Platformu darba direktīvas III nodaļas noteikumi attiecas tikai uz personām, kas veic platformu darbu. Tomēr algoritmiskās pārvaldības prakse parastajās darbavietās jau tagad ir realitāte (76), piemēram, saistībā ar maiņu darba sadali un optimizēšanu, darba pretendentu pārbaudi un novērtēšanu, snieguma rādītāju novērtēšanu un ar cilvēkresursiem saistītu jautājumu risināšanu. EESK aicina Eiropas Komisiju paplašināt Platformu darba direktīvas III nodaļas noteikumu darbības jomu, attiecinot tos uz visiem darba ņēmējiem. |
Briselē, 2025. gada 22. janvārī
Eiropas Ekonomikas un sociālo lietu komitejas
priekšsēdētājs
Oliver RÖPKE
(1) Shaping the advancement of artificial intelligence through social dialogue.
(2) OV L, 2024/1689, 12.7.2024., ELI: http://data.europa.eu/eli/reg/2024/1689/oj.
(3) OV L 119, 4.5.2016., 1. lpp.
(4) OV L, 2024/2831, 11.11.2024., ELI: http://data.europa.eu/eli/dir/2024/2831/oj.
(5) OV L 80, 23.3.2002., 29. lpp.
(6) OV L 183, 29.6.1989., 1. lpp.
(7) Pamatnolīgums par digitalizāciju | ETUC resursu centrs.
(8) Pasaules Ekonomikas forums, Markets of Tomorrow: Pathways to a New Economy , 2020.
(9) McKinsey, Shaping the digital transformation in Europe, 2020.
(11) STOA (Scientific foresight) pētījums par mākslīgā intelekta izmantošanu darbavietas pārvaldībā, 2022.
(13) Sk. pielikumu.
(15) OV L, 2024/1689, 12.7.2024., ELI: http://data.europa.eu/eli/reg/2024/1689/oj.
(16) K. C. Kellogg et al. (2020), Algorithms at Work: The New Contested Terrain of Control.
(17) Gadījums, kad visu MI rīku pamatā ir adaptatīva mašīnmācīšanās. Sk. atjaunināto ESAO definīciju.
(18) ESAO (2024) The impact of Artificial Intelligence on productivity, distribution and growth .
(19) Kellogg et al. (2020); Cazzaniga et al (2024), Gen-AI: Artificial Intelligence and the Future of Work.
(20) T. Babina et al (2024), “Firm Investments in Artificial Intelligence Technologies and Changes in Workforce Composition”.
(21) EPRS (2022), AI and digital tools in workplace management and evaluation; Tambe et al “Artificial Intelligence in Human Resources Management: Challenges and a Path Forward”, California Management Review, 2019.
(22) PwC (2017), Sizing the prize.
(23) EPRS (2022), Hmoud, B. and Laszo V. L. (2019), Will Artificial Intelligence Take Over Human Resources Recruitment and Selection, Network Intelligence Studies.
(24) PwC (2017).
(25) ESAO (2024).
(26) M. Comunale et al.(2024), “ The Economic Impacts and the Regulation of AI: A Review of the Academic Literature and Policy Actions ”, SVF darba dokuments Nr. 2024/65.
(27) Gmyrek P. et al. (2023), “Generative AI and jobs: A global analysis of potential effects on job quantity and quality” , SDO darba dokuments Nr. 96.
(28) Comunale et al. (2024).
(29) Comunale et al. (2024).
(30) D. Acemoglu (2024), The Simple Macroeconomics of AI, Massachusetts Institute of Technology.
(31) Gmyrek P. at al. (2023).
(32) Gmyrek P. et al. (2023), p. 37.
(33) ESAO 2024, Who will be the workers most affected by AI?, ESAO MI darba dokuments Nr. 26.
(34) ESAO (2023), ESAO Nodarbinātības perspektīva 2023.
(35) Francijas Ģeneratīvā MI komisijas ziņojums, 2024.
(36) Alekseeva, L. et al. (2021), “The demand for AI skills in the labor market”, Labour Economics, Vol. 71.
(37) ESAO (2023), ESAO Nodarbinātības perspektīva 2023.
(38) ESAO (2023), The impact of AI on the workplace: Main findings from the OECD AI surveys of employers and workers .
(39) Böhmer & H. Schinnenburg (2023), Critical exploration of AI-driven HRM to build up organizational capabilities.
(40) Kellogg et al., (2020), J. Adams-Prassl, H. Abraha et al (2023): Regulating algorithmic management: A blueprint, European Labour Law Journal 2023, Vol. 14(2) pp. 124-151.
(41) Nurski L. (2024), AI at Work, why there’s more to it than task automation, CEPS Explainer.
(42) EPRS (2022), CIPD and PA Consulting; People and machines: from hype to reality; Chartered Institute of Personnel and Development, 2019.
(43) EP pētījums Improving working conditions using Artificial Intelligence, 2021.
(44) Workplace Intelligence, AI at Work 2020 Study.
(45) ESAO (2023), ESAO Nodarbinātības perspektīva 2023.
(46) Pessach, D., Singer, G., Avrahami, D., et al. (2020), Employees recruitment: A prescriptive analytics approach via machine learning and mathematical programming. Decision Support Systems.
(47) V. Mandinaud, A. Ponce del Castillo (2024), AI systems, risks and working conditions AI systems, risks and working conditions, in Artificial intelligence, labour and society, Eiropas Arodbiedrību institūts (EAI).
(48) Kellogg et al. 2020.
(49) EU-OSHA(2024), Worker management through AI - From technology development to the impacts on workers and their safety and health, 2024.
(50) EU-OSHA (2022), OSH Pulse - Occupational safety and health in post-pandemic workplaces, 2022.
(51) ESAO (2023).
(52) Eloundou, T. et al. (2023), GPTs are GPTs: An Early Look at the Labor Market Impact Potential of Large Language Models.
(53) Comunale et al. (2024); Brynjolfsson E. et al. (2023): Generative IA at work, NBER darba dokuments Nr. 3116.
(54) ESAO 2024.
(55) ILO Global Survey on Microtasks workers (2017), Tubaro et al. (2020). The trainer, the verifier, the imitator: Three ways in which human platform workers support artificial intelligence. Big Data & Society, 7(1).
(56) Francijas Ģeneratīvā MI komisijas ziņojums, 2024.
(57) Globālā līmenī MI izstrādi atbalsta “neredzami” darba ņēmēji, kuri galvenokārt atrodas valstīs ar zemiem ienākumiem un strādā sliktos darba apstākļos. Tubaro et al. (2020).
(58) ESAO (2024).
(59) ESAO (2023), The impact of AI on the workplace: Main findings from the OECD AI surveys of employers and workers .
(60) FEPS (2024), Algorithm by and for the workers.
(61) Cazzaniga et al. (2024).
(62) OV L 119, 4.5.2016., 1. lpp.
(63) EPRS (2022).
(64) FEPS (2024).
(65) Martin Tisné (2020), The Data Delusion: protecting individual data isn’t enough when the harm is collective, Luminate, Stanford University’s Cyber Policy Center.
(66) 88. pants ES dalībvalstīs joprojām ir nepietiekami izmantots.
(67) Abraha H. (2023), Article 88 GDPR and the Interplay between EU and Member State Employee Data protection rules, The Modern Law Review.
(68) Aida Ponce Del Castillo, The EU’s AI Act: governing through uncertainties and complexity, identifying opportunities for action, global workplace law and policy, kluwerlawonline.com, 2024.
(69) Isabel Kusche (2024), Possible harms of artificial intelligence and the EU AI act: fundamental rights and risk, Journal of Risk Research.
(70) Isabel Kusche (2024).
(71) OV L 80, 23.3.2002., 29. lpp.
(72) OV L 183, 29.6.1989., 1. lpp.
(73) https://resourcecentre.etuc.org/agreement/framework-agreement-digitalisation.
(74) OV L, 2024/2831, 11.11.2024., ELI: http://data.europa.eu/eli/dir/2024/2831/oj.
(75) J. Adams-Prassl, H. Abraha et al (2023).
(76) EU Science Hub (2024), “Algorithmic management practices in regular workplaces are already a reality”.
I PAPILDINĀJUMS
Šis grozījums ieguva vismaz vienu ceturto daļu nodoto balsu, taču tika noraidīts debatēs (Reglamenta 14. panta 3. punkts):
1. GROZĪJUMS
SOC/803
Darba ņēmējiem labvēlīgs mākslīgais intelekts
Visu SOC specializētās nodaļas iesniegto atzinumu aizstāt ar šādu tekstu (pamatojums sniegts dokumenta beigās):
|
Grozījums |
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
1. Secinājumi un ieteikumi
2. Mākslīgā intelekta pavērtās iespējas un radītie izaicinājumi ES ekonomikā
2.7. MI pavērtās iespējas un radītās problēmas darba vidē
3. Eiropas satvars attiecībā uz MI izmantošanu darbā 3.1. Pašreizējais ES tiesiskais regulējums
3.2. Sociālā dialoga nozīme
3.3. Pašreizējās situācijas novērtējums
|
Pamatojums
Šis teksts ietver grozījumu, kura mērķis ir paust viedokli, kas kopumā atšķiras no specializētās nodaļas atzinuma nostājas, un tāpēc tas ir jākvalificē kā pretatzinums. Tajā ir izklāstīti iemesli, kāpēc EESK uzskata, ka darba pasaulē nav vajadzīgi papildu tiesību akti par MI, un kāpēc Komisijai, pamatojoties uz pašreizējo tiesisko regulējumu, būtu jāļauj uzņēmumiem izstrādāt atbildīgas un ētiskas pieejas darbam ar MI tehnoloģijām.
Balsojuma rezultāts
Par: 112
Pret: 136
Atturas: 11
(1) Eiropas Komisija (2024) Eiropas konkurētspējas nākotne – A daļa – Eiropas konkurētspējas stratēģija .
(2) Eiropas Parlamenta Izpētes dienests, AI investment: EU and global indicators .
(3) Eiropas Komisija (2024) Eiropas konkurētspējas nākotne – B daļa – Padziļināta analīze un ieteikumi .
(4) https://www.ecb.europa.eu/press/economic-bulletin/focus/2024/html/ecb.ebbox202406_01~9c8418b554.en.html.
(5) https://www.ecb.europa.eu/press/economic-bulletin/focus/2024/html/ecb.ebbox202404_01~3ceb83e0e4.en.html.
(6) Sk., piemēram, Eiropas politikas pētījumu centrs (CEPS): AI World Navigate Tomorrow’ s Intelligence Today/AI World .
(7) OECD (2024), OECD Digital Economy Outlook 2024 (Volume 1): Embracing the Technology Frontier, OECD Publishing, Parīze, https://doi.org/10.1787/a1689dc5-en.
(8) Sk., piemēram Lane, M., M. Williams and S. Broecke (2023), “ The impact of AI on the workplace: Main findings from the OECD AI surveys of employers and workers”, OECD Social, Employment and Migration Working Papers, No. 288, OECD Publishing, Parīze.
(9) EU-OSHA (2021) Impact of artificial intelligence on occupational safety and health .
(10) Bruegel_factsheet_2024_0.pdf.
(11) Sk. papildu atsauci šā pretatzinuma 3. sadaļā.
(12) Norādīts EK priekšsēdētājas pilnvarojuma vēstulē izpildvietniecei Roxana Mînzatu.
(13) Prezidentvalsts Polija lūdza izstrādāt izpētes atzinumu ar nosaukumu “Mākslīgais intelekts – potenciāls un riski nodarbinātības un darba tirgus politikas kontekstā”.
(14) OECD (2024), OECD Digital Economy Outlook 2024 (Volume 1): Embracing the Technology Frontier, OECD Publishing, Parīze.
(15) Sk., piemēram, Eiropas politikas pētījumu centrs (CEPS): AI World Navigate Tomorrow’ s Intelligence Today/AI World .
(16) Politikas pamatnostādnes nākamajai Eiropas Komisijai (2024–2029).
(17) 2023. gadā mākslīgā intelekta tehnoloģijas izmantoja 8 % ES uzņēmumu. Lielos ES uzņēmumos šis rādītājs bija 30,4 %. Sk. Eurostat Use of artificial intelligence in enterprises - Statistics Explained .
(18) Eurostat Use of artificial intelligence in enterprises - Statistics Explained.
(19) Eiropas Komisija (2024) Eiropas konkurētspējas nākotne – A daļa – Eiropas konkurētspējas stratēģija .
(20) Eiropas Komisija (2024) Eiropas konkurētspējas nākotne – B daļa – Padziļināta analīze un ieteikumi .
(22) MI indeksa ziņojumu sk. arī šeit.
(23) The state of AI in early 2024: Gen AI adoption spikes and starts to generate value.
(24) Boston Consulting Group (2023) Turning GenAI Magic into Business Impact.
(25) The state of AI in early 2024: Gen AI adoption spikes and starts to generate value.
(26) Šī norise ir atspoguļota ziņojumos un pētījumos par darbvietu attīstību, piemēram, Pasaules Ekonomikas foruma 2025. gada ziņojumā par darbvietu nākotni ( Future of Jobs Report 2025: These are the fastest growing and declining jobs | World Economic Forum ).
(27) MI indeksa ziņojumu sk. arī šeit.
(28) Pasaules Ekonomikas forums (PEF).
(29) Sk., piemēram, EURES How AI can improve the talent acquisition process .
(30) SVF Gen-AI: Artificial Intelligence and the Future of Work .
(31) PEF Future of Jobs Report 2025 2025. gada janvāris.
(32) Lane, M., M. Williams and S. Broecke (2023), “ The impact of AI on the workplace: Main findings from the OECD AI surveys of employers and workers”, OECD Social, Employment and Migration Working Papers, No. 288, OECD Publishing, Parīze.
(33) Workplace Intelligence, AI at Work 2020 Stud, CIPD and PA Consulting; People and machines: from hype to reality; Chartered Institute of Personnel and Development, 2019.
(34) EP pētījums Improving working conditions using Artificial Intelligence , 2021.
(35) Pētījums Workplace Intelligence, AI at Work 2020 .
(36) Lane, M., M. Williams and S. Broecke (2023), “ The impact of AI on the workplace: Main findings from the OECD AI surveys of employers and workers”, OECD Social, Employment and Migration Working Papers, No. 288, OECD Publishing, Parīze.
(37) Dana Pessach, Gonen Singer, Dan Avrahami, Hila Chalutz Ben-Gal, Erez Shmueli, Irad Ben-Gal, Employees recruitment: A prescriptive analytics approach via machine learning and mathematical programming, Decision Support Systems, Volume 134, 2020.
(38) Sk. ziņojumu Artificial intelligence for worker management: an overview .
(39) Sk. Work organisation and job quality in the digital age | European Foundation for the Improvement of Living and Working Conditions .
(40) Baiocco, S., Fernández-Macías, E., Rani, U. un Pesole, A., The Algorithmic Management of work and its implications in different contexts , Sevilja: Eiropas Komisija, 2022, JRC129749.
(41) Ar Kibernoturības aktu tiek pastiprināti savienoto produktu ražotāju pienākumi nodrošināt efektīvu rīcību ievainojamību gadījumā un ielāpu uzlikšanu tām, kā arī palielināt ierīču/mašīnu aizsardzību.
(44) Norādīts EK priekšsēdētājas pilnvarojuma vēstulē izpildvietniecei Roxana Mînzatu.
(45) Attiecībā uz riskiem skatīt, piemēram, Baiocco, S., Fernández-Macías, E., Rani, U. un Pesole, A., The Algorithmic Management of work and its implications in different contexts , Sevilja: Eiropas Komisija, 2022, JRC129749.
ELI: http://data.europa.eu/eli/C/2025/1185/oj
ISSN 1977-0952 (electronic edition)