Algorytmiczne zwolnienia: gdy AI decyduje o losach pracowników

Amazon, Google, Meta, Microsoft — w ostatnich latach każdy z tych gigantów przeprowadzał masowe zwolnienia. Mniej głośno mówi się o tym, jak duża rolę w wyborze osób do zwolnienia odegrały systemy algorytmiczne. Nie chodzi o proste automatyzacje zadań, ale o oprogramowanie, które ocenia pracowników, przydziela im wyniki i rekomenduje — lub wręcz wymusza — rozstrzelenie kontaktu pracy.

Jak to działa

Systemy typu “workforce analytics” zbierają dane z systemów firmowych: logi aktywności w narzędziach komunikacyjnych (Slack, Teams), czas reakcji na wiadomości, liczba commitów w repozytoriach, spotkania, a nawet ruch myszką i klawaturą. Na tej podstawie budują profile wydajności. Niektóre systemy — jak te stosowane w magazynach i centrach dystrybucji — monitorują tempo pracy w czasie rzeczywistym, porównując je z dynamicznie ustalanymi normami.

W 2023 roku Reuters ujawniało, że system Amazonu do zarządzania magazynami automatycznie generuje listy pracowników do dyscyplinowania lub zwolnienia na podstawie wskaźników “time off task” (czas poświęcony niepracy). Pracownicy nie mają wglądu do algorytmu, nie wiedzą, jak dokładnie liczony jest ich wynik, i nie mogą go sprostować.

Brak procedury, brak obrony

Tradycyjne zwolnienie grupowe lub indywidualne w polskim prawie pracy (i w większości europejskich systemów) wymaga uzasadnienia, procedury, a często też konsultacji z związkami zawodowymi. Pracownik ma prawo do odwołania, do sądu pracy, do dowodzenia, że uzasadnienie jest fałszywe.

Gdy decyduje algorytm, te gwarancje znikają. Decyzja jest “oparta na danych” — co brzmi obiektywnie, ale w praktyce oznacza: oparta na wskaźnikach, których pracownik nie zna, wyliczonych z danych, do których nie ma dostępu, przez model, którego logikę nikt nie wyjaśni (czarna skrzynka). W niektórych jurisdykcjach sądy już orzekły, że “decyzja algorytmiczna” nie zwalnia pracodawcy z obowiązku uzasadnienia — ale egzekwowanie tego w skali indywidualnej jest kosztowne i trudne.

Uprzedzenia w skali

Systemy uczone na historycznych danych przejmują uprzedzenia tych danych. Jeśli historycznie kobiety, osoby starsze lub mniejszości etniczne otrzymywały niższe oceny (bo system był zuchwalny, bo przydzielano im trudniejsze zadania, bo mieli przerwy w pracy) — model to nauczy i będzie powielać.

Badanie AI Now Institute (2023) wykazało, że systemy oceny pracowników w dużych korporacjach systematycznie niżej oceniali kobiet na stanowiskach technicznych, nawet przy porównywalnych wynikach obiektywnych (np. liczba wyprodukowanego kodu). Powód: model uczył się z historycznych ocen menedżerów, które były stronnicze.

Przypadki, o których się dowiadujemy

W 2024 roku sąd w stanie Waszyngton rozpatrywał pozwę pracowników magazynu, którzy twierdzili, że system automatycznego śledzenia wydajności dyskryminuje osób z niepełnosprawnościami — nie biorąc pod uwagę przerw toaletowych czy medycznych. Sprawa zakończyła się porozumieniem, ale ustanowiła ważny precedens: pracodawca musi udowodnić, że system nie dyskryminuje.

W Polsce w 2025 roku Appeleujący sąd w Warszawie orzekł w sprawie kierowcy kurierskiego, którego konto zablokowała platforma na podstawie “niskiego wskaźnika jakości” wyliczonego algorytmicznie. Sąd uznano, że platforma musi ujawnić kryteria oceny i dać pracownikowi szansę na sprostowanie — co de facto wymusza przejrzystość algorytmu.

Regulacje nadciągają

Unijny AI Act (Rozporządzenie 2024/1689) kwalifikuje systemy AI do oceny pracowników, rekrutacji, monitorowania i zwolnień jako systemy wysokiego ryzyka (załącznik III). Oznacza to obowiązek oceny zgodności, dokumentacji, nadzoru ludzkiego, rejestracji w bazie UE i transparentności wobec osób, na których system decyduje. Przepisy wchodzą w życie etapowo — pełne wymogi od 2026 roku.

Równolegle dyrektywa o platformach cyfrowych (Platform Work Directive) nakłada na platformy pracę przez aplikacje obowiązek informowania o algorytmach, prawo do wyjaśnienia i prawo do odwołania od decyzji automatycznych.

Co mogą robić pracownicy i związki

• Wymagać jawnego w regulaminach/umowach informacji o stosowanych systemach oceny algorytmicznej.
• Domagać się dostępu do własnych danych i logiki decyzyjnej (prawo z RODO art. 22 i AI Act).
• Organizować audyty algorytmiczne — niezależne eksperckie oceny systemów pod kątem dyskryminacji i błędów.
• Wpisywać w umowy zbiorowe klauzule o ludzkim nadzorze nad decyzjami algorytnicznymi (human-in-the-loop).

Technologia nie jest złem same w sobie. Ale gdy staje się niewidzialnym menedżerem, który ocenia, karze i zwalnia — bez procedury, bez wyjaśnień, bez odwoławalności — przestaje być narzędziem, a staje się władzą bez kontroli.

Oznaczenie treści AI

Ten artykuł powstał z udziałem sztucznej inteligencji: research oraz tekst przygotował i zredagował agent AI. Dane, daty i cytaty przytoczone w tekście pochodzą ze zweryfikowanych źródeł.