Правовые риски нарушения принципов оплаты труда при использовании ИИ

• ПЛУТЕНКО Даниил СергеевичАспирант, кафедра предпринимательского права, гражданского и арбитражного процесса Института философии и права Федеральное государственное автономное образовательное учреждение высшего образования «Новосибирский национальный исследовательский государственный университет»d.plutenko@g.nsu.ru

В настоящей статье автор рассматривает существующие и потенциальные риски нарушения принципов оплаты труда в случае организации процесса расчета оплаты труда работников исключительно посредством использования алгоритмов, в том числе искусственного интеллекта. В ходе анализа было выявлено, что использование ИИ для определения размера оплаты труда работников создает угрозу принципам справедливости, равенства и недискриминации в оплате труда. Исходя из технических особенностей работы сложных алгоритмов, были выделены 3 основные проблемы, возникающие при полном делегировании принятия решений по вопросам оплаты труда ИИ: принцип «черного ящика» или непрозрачность логики принятия решений системой; дискриминация, как явная (например, по половому признаку), так и неявная, выражающаяся в некорректном определении системой нормы работы, от которой следует отталкиваться при оценке эффективности каждого работника; недостаточность учета человеческого фактора при принятии решений об оплате труда. Нарушения принципов трудового права и прав отдельных работников могут проявляться не только в виде решений о сумме заработной платы или ее отдельных частей, но и в распределении объема работы между работниками, основываясь на их относительной оценке, когда размер оплаты зависит от объема выполненной работы. Для обеспечения соответствия решений об оплате труда, принимаемых с использованием алгоритмов, принципам оплаты труда, автором работы предлагается введение ряда мер, направленных на увеличение прозрачности и обоснованности таких решений.

Ключевые слова: Принципы оплаты труда, дискриминация, ИИ, алгоритмическая дискриминация, принцип «черного ящика», автоматизированная обработка данных работников, недостаточная прозрачность, Uber, Amazon, Deliveroo, оплата труда, справедливая оплата труда

Активное внедрение цифровых технологий во все сферы жизни создает как дополнительные возможности, так и новые вызовы. В частности, в сфере трудовых отношений активно применяются специализированные алгоритмы, включая искусственный интеллект (далее – ИИ), для автоматизации задач по управлению персоналом, в том числе при расчете заработной платы сотрудников. В то же время, использование ИИ-инструментов не гарантирует соблюдение основных трудовых прав работников и принципов оплаты труда, предусмотренных международным правом и законодательством Российской Федерации (далее – РФ).

Следует выделить 3 основные проблемы, возникающие при делегировании расчета зарплаты ИИ: принцип «черного ящика», дискриминация и снижение учета человеческого фактора.

Принцип «черного ящика» заключается в «непрозрачности» механизмов расчета размера оплаты труда. В соответствии с п. 1 ч. 1 ст. 136 Трудового кодекса Российской Федерации (далее – ТК РФ), работодатель обязан извещать работника о составных частях заработной платы, что предполагает и разъяснение порядка формирования этих частей. Однако при использовании ИИ, критерии и принцип расчета зачастую неизвестны ни работнику, ни работодателю. Нейросеть самостоятельно находит закономерности в предоставленном массиве данных, которые не сводятся к простым формулам, а являются более комплексными и неочевидными для человека. Это приводит к невозможности для работника получить полную информацию о порядке расчета зарплаты, а для работодателя – обосновать правомерность и справедливость примененного способа расчета. Как справедливо отмечает Veena Dubal, использование алгоритмов для определения размера оплаты труда работников приводит к тому, что отдельные работники получают различную заработную плату, рассчитываемую по постоянно меняющимся формулам, за в целом схожую работу [4]. Отметим, что данная характеристика алгоритмического определения размера оплаты труда точно определяет содержание принципа «черного ящика»: ИИ, даже при наличии общих инструкций, самостоятельно выявляет критерии, влияющие на решение о размере оплаты труда, определяет их приоритет и динамически изменяет их в зависимости от множества факторов, которые зачастую обрабатываются в процессе генерации ответа и не могут быть извлечены и изучены человеком, вследствие чего решения, принятые на основе такого анализа, недопустимо считать справедливыми.

Проблема непрозрачности алгоритмов обнаруживается и признается во многих юрисдикциях.

Одним из примеров действия принципа «черного ящика» можно назвать оплату труда работников платформенной занятости. Так, анализ схемы оплаты труда водителей Uber [1] выявил, что алгоритм в одностороннем порядке может определять тарифы, назначать заказы, а также понижать рейтинг водителя или деактивировать его учетную запись. Критерии, которыми руководствуется система, зачастую остаются неизвестными. Такой подход нарушает принципы добросовестности и справедливости и лишает работников возможности оспорить снижение дохода. Поэтому, учитывая зависимость работников от платформы и непрозрачность решений системы, суды ряда европейских стран стали признавать платформенную занятость такого рода трудовыми отношениями для защиты прав работников.

В Российской Федерации защита работников от решений, принимаемых исключительно алгоритмом, реализуется посредством норм статьи 16 Федерального закона от 27.07.2006 N 152- ФЗ «О персональных данных» (далее – ФЗ «О персональных данных»), где предусмотрен общий запрет на исключительно автоматизированную обработку персональных данных. Такая обработка возможна только если работник предоставил письменное согласие на ее осуществление.

Тем не менее, даже в случае наличия согласия, работодатель обязан разъяснить работнику порядок принятия решения на основании исключительно автоматизированной обработки его персональных данных, что гарантирует наличие определенных правил принятия решения с использованием алгоритмов. Однако обязанность работодателя по разъяснению порядка принятия решения является неисполнимой в случае, если обработка персональных данных производится с использованием ИИ. Аналогичным образом, работодатель, при использовании ИИ для определения размера заработной платы, фактически лишен возможности исполнить требования статей 22 и 68 ТК РФ, устанавливающих обязанность работодателя ознакомить работника с локальными нормативными актами, непосредственно связанными с его трудовой деятельностью. Данный вывод обусловлен тем, что, как было обозначено ранее, параметры, анализируемые ИИ при определении размера оплаты труда работников, динамически изменяются и остаются неизвестными работодателю, вследствие чего не представляется возможным закрепить в локальном правовом акте исчерпывающий алгоритм и критерии, используемые ИИ для определения размера оплаты труда работников, и ознакомить работника с таким локальным актом, разъяснив ему порядок принятия решения о размере оплаты его труда. Это является прямым нарушением прав работника, а также влечет риск нарушения принципов трудового права при определении размера оплаты труда конкретных работников.

В определенной степени из принципа «черного ящика» вытекают 2 другие из обозначенных ранее проблем, так как недостаток информации о критериях оценки, применяемых ИИ, усложняет определение фактов дискриминации и игнорирования обстоятельств, относящихся к человеческому фактору.

В соответствии с ч. 2 ст. 132 ТК РФ, запрещается дискриминация в условиях оплаты труда.

Использование ИИ для определения размера оплаты труда может привести к нарушению принципа равенства и недискриминации. Это связано с тем, что при обучении ИИ используются архивные данные. Учитывая способность ИИ искать сложные закономерности, проведенный им анализ данных может выявить существовавшую ранее дискриминацию отдельных категорий работников, которая ляжет в основу последующих решений ИИ [3]. Так, при найме сотрудников компания Amazon использовала ИИ для отбора кандидатов. Нейросеть, обученная на архивных данных, определила, что мужчины исторически чаще проходили интервью и принимались на работу. Эта логика легла в основу решений ИИ в отношении новых кандидатов, создав дискриминацию по половой принадлежности, вследствие чего компании пришлось прекратить использование ИИ на данном этапе найма [2]. Аналогичная ситуация возможна и при расчете заработной платы. Например, если ИИ выявит, что исторически зарплата работников мужского пола была выше и будет рассчитывать зарплату с учетом этих данных. Помимо «явной» дискриминации, выраженной в создании преимуществ для определенных категорий работников, исходя из пола, возраста, расовой принадлежности и иных подобных критериев, решения ИИ также могут быть основаны на «скрытой» дискриминации, которая выражается не в предоставлении преимуществ некоторым из указанных выше категорий работников, а на некорректной относительной оценке отдельных характеристик труда. Так, изучив массив данных по средней загруженности работников, ИИ может некорректно определить «норму» работы и снизить оценку эффективности тем работникам, у которых отсутствуют переработки, или которые используют право на дополнительный отпуск, в результате чего их рабочее время уменьшается, что может повлечь и снижение размера оплаты труда таких работников.

В качестве примера «скрытой» дискриминации приведем дело итальянского сервиса доставки Deliveroo [5]. В 2021 году суд Италии выявил дискриминацию в работе алгоритма, применявшегося компанией для оценки эффективности работников. «Индекс надежности», который рассчитывала система для каждого работника, был ниже у работников, которые отсутствовали на работе, даже в случае болезни или отпуска. Система не учитывала причину отсутствия и опиралась исключительно на норму отработанного времени, в результате чего оценка работников, допустивших отсутствие по основаниям, считающимся уважительными, была снижена, вследствие чего их переменная часть заработной платы соразмерно уменьшалась, по сравнению с работниками, не допускавшими отсутствия на рабочем месте.

Исходя из этого, следует говорить о том, что в ряде случаев алгоритмическое определение раз- 7 мера оплаты труда может быть связано с дискриминацией, как «явной», так и «скрытой». Вероятность проявления такой дискриминации зависит от того, какие данные использовались при обучении ИИ.

Снижение роли человеческого фактора заключается в том, что ИИ самостоятельно определяет критерии расчета заработной платы и их приоритет, и может не учитывать те из них, которые не поддаются количественному учету или возникают недостаточно часто. Например, индивидуальные достижения или неформальный вклад сотрудников в работу могут не учитываться ИИ при расчете их заработной платы, в то время как они могли оказать существенное влияние на реализацию рабочего проекта. С одной стороны, как в примере, изложенном ранее, вынужденное отсутствие работника на рабочем месте, вследствие болезни, может быть признано ИИ негативным фактором и привести к оплате труда в меньшем размере, несмотря на то что отсутствие по болезни правомерно и не должно учитываться при расчете эффективности работника [4]. С другой стороны, если работник осуществляет наставничество, занят выполнением задач, которые не отслеживаются системами мониторинга рабочего времени или занят творческой деятельностью, которая требует больше времени, чем выполнение стандартных обязанностей, ИИ может не учитывать такую деятельность, что негативно скажется на оценке эффективности и размере заработной платы. Исходя из этого, следует говорить о том, что порядок учета ИИ различной трудовой активности может быть различен в каждом конкретном случае, что может привести к более низкой оценке труда работника и, соответственно, к меньшей оплате, несмотря на то что деятельность работника, которая не была учтена при оценке, фактически имеет больший положительный эффект для работодателя.

Исходя из изложенного, применение алгоритмов при расчете размера оплаты труда работников повышает эффективность выполнения таких задач, однако сопряжено с рядом существенных рисков, которые следует учитывать при внедрении ИИ в рабочие процессы. Так, при отсутствии контроля за решениями, принимаемыми на основе анализа данных с использованием искусственного интеллекта, возможно нарушение принципов справедливости, равенства и недискриминации при определении размера оплаты труда работников. Такие факторы, как «непрозрачность» решений ИИ, формирование критериев оценки на основе архивных данных и снижение учета человеческого фактора могут повлиять на объективность и законность решений, принятых на основе анализа с использованием алгоритмов. При этом, нарушение принципов оплаты труда происходит не только в результате расчета заработной платы при помощи ИИ, но также и при внедрении алгоритмов в процесс распределения работы в случаях, когда переменная часть оплаты труда зависит от достижения количественных показателей и, соответственно, выплачивается в меньшем размере в случае выполнения меньшего объема работы.

Для компенсации изложенных в настоящей работе рисков предлагается:

1) закрепить в ТК РФ право работника требовать от работодателя понятного и полного объяснения порядка расчета его зарплаты, что предполагает введение в алгоритм четких обязательных для исполнения инструкций, описывающих критерии и формулы расчета заработной платы; 2) ввести обязательный аудит алгоритмов расчета зарплаты, в том числе ИИ-инструментов, на предмет дискриминации и справедливости, что позволит эффективнее выявлять и не допускать возникновение явного или скрытого нарушения принципа равенства и недискриминации; 3) сохранить возможность оспаривания решений ИИ через традиционные механизмы:

комиссию по трудовым спорам и суды, с обязательным участием человека-эксперта, что позволит обеспечить и защитить права работников, оплата труда которых рассчитывается с использованием алгоритмов.

Список литературы

1. Binns, R., Stein, J., Datta, S. and others Not Even Nice Work If You Can Get It; A Longitudinal Study of Uber’s Algorithmic Pay and Pricing // New York: ACM, FAccT ’25. 2025. P. 1484-1497.
2. Chen, Z. Ethics and discrimination in artificial intelligence-enabled recruitment practices // Humanities and Social Sciences Communications. 2023. Vol. 10. P. 1-12.
3. Del Castillo, A.P., Taes, S. Artificial Intelligence and Labor Law // The Cambridge Handbook of the Law, Ethics and Policy of Artificial Intelligence / ed. by N. A. Smuha. Cambridge: Cambridge University Press, 2025. P. 339–366.
4. Dubal, V. On algorithmic wage discrimination // Columbia Law Review. 2023. Vol. 123. P. 1929- 1992.
5. Pietrogiovanni, V. Deliveroo and Riders’ Strikes: Discriminations in the Age of Algorithms // International Labor Rights Case Law. 2021. Vol. 7. N 3. P. 317–321.

Скачать