آپ کا ڈیٹا ،
آپ کی طاقت
آپ کا ڈیٹا ،
آپ کی طاقت
مشمولات
مشمولات
خلاصہ
حصہ I: غلط درجہ بندی 2.0: الگورتھم کے ذریعے کنٹرول
سرویلنس کیس اسٹڈی I: چہرے کی شناخت میں ناکامی۔
سرویلنس کیس اسٹڈی II: جیو لوکیشن چیکس
مبہم کارکردگی کا انتظام
قانون نافذ کرنے والے انفراسٹرکچر کی توسیع
کیس اسٹڈی: قانون نافذ کرنے والے اداروں کے ساتھ انٹیلی جنس شیئرنگ
حصہ II: کام پر ڈیٹا کے حقوق کا استعمال: رسائی
کیس اسٹڈیز: WIE کی طرف سے بیچ کی درخواستوں پر پلیٹ فارم کے جوابات
حصہ III: کام پر ڈیٹا کے حقوق کا استعمال: قانونی چارہ جوئی
Uber ڈرائیورز بمقابلہ Uber I (عام شفافیت کی درخواستیں)
اولا ڈرائیورز بمقابلہ اولا (عام شفافیت کی درخواستیں)
Uber ڈرائیورز بمقابلہ Uber II (خودکار فیصلہ سازی میں شفافیت)
خلاصہ
ورکر انفو ایکسچینج کو ڈیٹا ٹرسٹ کے قیام کے ذریعے سودے بازی کی طاقت پیدا کرنے کے لیے ڈیٹا تک رسائی اور جمع کرنے میں سہولت فراہم کرنے کے لیے قائم کیا گیا تھا۔
یہ نئے الگورتھمک انتظامی طریقوں کی ترقی کے جواب میں تھا جس سے گہری معلوماتی ہم آہنگی پیدا ہوتی ہے اور کارکنوں کا استحصال ہوتا ہے۔
ورکر انفارمیشن ایکسچینج کا مقصد روزگار کے سیاق و سباق میں GDPR آرٹیکل 15، 20 اور 22 کے حقوق کا استعمال کرتے ہوئے ڈیٹا اور مزدوروں کے حقوق کے ہم آہنگی کو حل کرنا ہے۔
یہ مقصد پوری گیگ انڈسٹری میں وسیع پیمانے پر GDPR کی عدم تعمیل کی وجہ سے شدید رکاوٹ ہے۔
ہم نے پچھلے آٹھ مہینوں میں سات مختلف رائیڈ شیئر پلیٹ فارمز پر 500 سے زیادہ ڈیٹا سبجیکٹ تک رسائی کی درخواستیں کی ہیں جن میں Amazon Flex، Bolt، Deliveroo، Free Now، Just Eat، Ola اور Uber شامل ہیں۔
ڈیٹا تک رسائی کو کمپنیوں کے ذریعہ چیلنج کیا جاتا ہے جو تاریک نمونوں کو تعینات کرتی ہیں اور جان بوجھ کر پیچیدہ GDPR نفاذ کا غلط استعمال کرتی ہیں، جو کارکنوں کو عدالت میں مسائل حل کرنے پر مجبور کرتی ہے۔
گیگ پلیٹ فارمز کے ذریعے ڈیٹا اکٹھا کرنا ضرورت سے زیادہ ہے اور اس سے کارکنوں کی غیر متناسب اور غیر ذمہ دارانہ نگرانی ہوتی ہے، نیز قانون نافذ کرنے والے انفراسٹرکچر میں توسیع ہوتی ہے۔
استعمال کیے جانے والے الگورتھمک مینجمنٹ سسٹمز پر کوئی شفافیت نہیں ہے۔ کمپنی کے بیانیے اس بارے میں کہ کون سی ٹیکنالوجیز استعمال کی جاتی ہیں اور کیسے، متضاد اور ناقابل اعتبار ہیں۔
© 2021 ورکر انفارمیشن ایکسچینج
© 2021 ورکر انفارمیشن ایکسچینج
تعارف
پچھلے سال نے جیگ پلیٹ فارم کے کارکنوں کے لیے ان کے روزگار اور ڈیجیٹل حقوق کے حصول میں ایک اہم موڑ کا نشان لگایا ہے۔ ڈیجیٹل طور پر ثالثی کے کام کی مشق نے روزگار اور ڈیٹا کے تحفظ کے حقوق کو یکجا کیا ہے اور کارکنوں کے ذریعہ قانونی چارہ جوئی اور وکالت کی بڑھتی ہوئی سرگرمی ان ڈومینز میں نتائج دے رہی ہے۔ پورے یورپ میں، عدالتوں نے گیگ پلیٹ فارمز کے الگورتھمک انتظامی طریقوں کے استحصالی کردار کو تسلیم کرتے ہوئے کئی اہم فیصلے صادر کیے ہیں جبکہ ایسے خودکار نظاموں میں انصاف اور شفافیت کے فقدان کی بھی مذمت کی ہے۔
اٹلی میں، بولوگنا کی عدالت نے فیصلہ دیا کہ ڈیلیورو کے درجہ بندی کے نظام نے کارکنوں کے ساتھ امتیازی سلوک کیا ہے جب کہ ڈیٹا پروٹیکشن اتھارٹی، گارانٹے نے ڈیلیورو اور گلوو کو دو جی ڈی پی آر جرمانے کیے ہیں کیونکہ ان کی ملازمت کی تقسیم اور کارکردگی کے انتظام کے الگورتھم کے کام کا مناسب طور پر انکشاف کرنے میں ناکامی کی وجہ سے۔
اسپین نے روزگار کے شعبے میں AI کو ریگولیٹ کرنے کی کوشش کرنے کے لیے پہلی قانون سازی منظور کی ، جس میں گیگ ورکرز کے لیے ورکر کی حیثیت اور الگورتھم کے قوانین اور پیرامیٹرز کے بارے میں آگاہ کرنے کا حق دونوں کو قائم کیا گیا، جس سے وہ شکایات کا ایک سلسلہ جاری کر رہے ہیں۔ یہ گلووو کے خلاف ایک اور عدالتی مقدمہ کا نتیجہ ہے جو ہسپانوی سپریم کورٹ میں ختم ہوا۔
ان ہائی پروفائل فیصلوں کے ساتھ ساتھ، UK کی سپریم کورٹ نے اس سال یہ نتیجہ بھی اخذ کیا کہ Uber ڈرائیور ایک ایسی ٹرانسپورٹیشن سروس کے فریق تھے جو " بہت سختی سے بیان کردہ اور Uber کے زیر کنٹرول ہے " روزگار کے واضح رشتے کو دھوکہ دیتی ہے، جس کا کمپنی نے دعویٰ کیا تھا کہ اس میں موجود نہیں ہے۔ اس کی کوشش (غلط) کارکنوں کو آزاد ٹھیکیداروں کے طور پر درجہ بندی کرنے کی ہے۔ اہم بات یہ ہے کہ اس تعلق کا ثبوت ڈیٹا سے چلنے والے سسٹمز سے ملتا ہے جو رائڈ شیئر پلیٹ فارم اپنی افرادی قوت کو منظم کرنے کے لیے استعمال کرتے ہیں۔ برطانیہ کی سپریم کورٹ کی طرف سے ہائی لائٹ کیے گئے کچھ مسائل جو ملازمت کی قبولیت کی شرحوں، راستے کے انتخاب، ڈرائیونگ کے رویے اور کسٹمر کی درجہ بندیوں کی الگورتھمک نگرانی کے ذریعے ڈرائیوروں کے انتظام سے متعلق ہیں۔ تاہم، اگرچہ الگورتھمک مینجمنٹ کی زیادہ پہچان ہے، عدالتوں میں حالیہ فوائد کارکنوں کو اس کے نقصانات سے مکمل طور پر تحفظ نہیں دیتے ہیں۔ سپریم کورٹ کے فیصلے کے نتیجے میں Uber ڈرائیوروں کو جو اعضاء (b) کارکن کا درجہ دیا گیا ہے وہ ٹھیکیدار اور ملازم کے درمیان ایک ثالثی کا درجہ ہے، اور پھر بھی انہیں غیر منصفانہ برطرفیوں سے بچانے میں کم ہے، مثال کے طور پر۔
ہمارا تجربہ بتاتا ہے کہ یہ الگورتھمک مینجمنٹ ٹولز، نگرانی کے عمل کو تیز کرنے کے ساتھ ساتھ، ممکنہ دھوکہ دہی یا غلط کاموں کے لیے کارکنوں کی مسلسل جانچ پڑتال کے نتیجے میں کام کرنے والے ماحول کا گہرا استحصال ہو رہا ہے۔ ہم پوری گیگ انڈسٹری میں غیر معمولی تعداد میں خودکار برطرفیوں کو دیکھ رہے ہیں، جن میں سے اکثر کو ہم جنرل ڈیٹا پروٹیکشن ریگولیشن (GDPR) کے آرٹیکل 22 کے مطابق غیر قانونی سمجھتے ہیں۔ آرٹیکل 22 کارکنوں کو انسانی مداخلت حاصل کرنے اور فیصلے کا مقابلہ کرنے کے حق کے ذریعے خودکار فیصلہ سازی اور پروفائلنگ کے منفی اثرات کے خلاف کچھ محدود تحفظات فراہم کرتا ہے۔ GDPR کا آرٹیکل 15 اس حق کی ضمانت دیتا ہے کہ اس طرح کے خودکار فیصلہ سازی کے وجود کے بارے میں آگاہ کیا جائے اور پروسیسنگ کی منطق کے بارے میں بامعنی معلومات فراہم کی جائیں۔
ان حقوق کو ایک بنیاد کے طور پر لیتے ہوئے، ورکر انفو ایکسچینج کو اس کمپلیکس اور ریگولیٹڈ اسپیس میں نیویگیٹ کرنے میں ٹمٹم کارکنوں کی مدد کے مشن کے ساتھ قائم کیا گیا تھا۔ ہمارے کام کا مقصد اور ترسیل یہ جانچنا ہے کہ آیا ان GDPR آلات کو روزگار کے غیر منصفانہ طریقوں سے نمٹنے کے لیے استعمال کیا جا سکتا ہے اور اعداد و شمار کے دائرہ کار کو وسیع کیا جا سکتا ہے جو افراد کو ان کی صلاحیت کے مطابق کارکنان کے طور پر دستیاب ہے۔ دوسرے لفظوں میں، ہمارا مقصد ڈیٹا تک رسائی کو ڈیجیٹل طور پر ثالثی لیبر مارکیٹ میں ازالے کے طریقہ کار کی جانچ کے لیے اجتماعی کارکن کی طاقت کی تعمیر کے طریقہ کار کے طور پر استعمال کرنا ہے۔
جب گِگ پلیٹ فارم اور کارکن کے درمیان روزگار کے تعلقات کو وسیع ڈیٹا اکٹھا کرنے اور تجزیہ کے ذریعے عمل میں لایا جاتا ہے، تو روزگار کے حقوق ڈیٹا کے حقوق کے استعمال سے جڑے ہوئے ہوتے ہیں۔ Gig پلیٹ فارمز معلوماتی توازن کو برقرار رکھتے ہوئے کارکنوں پر کنٹرول قائم کرتے ہیں، اور ڈیٹا تک رسائی گیگ پلیٹ فارمز اور ان کے کارکنوں کے درمیان معلوماتی فرق سے پیدا ہونے والی طاقت (im) توازن کو ظاہر کرنے کا ایک ذریعہ فراہم کر سکتی ہے۔ ذاتی ڈیٹا تک رسائی حاصل کرنے سے کارکنوں کو اپنے کام کے حالات کے بارے میں آزادانہ جائزہ لینے اور ان کی تنخواہ کے حساب، پیش کردہ کام کے معیار اور مقدار سے متعلق سوالات کا جواب دینے کے ساتھ ساتھ معطلی اور کارکردگی کے منفی انتظام کی بنیادوں کو چیلنج کرنے کی اجازت مل سکتی ہے۔ برطرفی
ڈیٹا تک رسائی کی سہولت فراہم کرنے میں ہمارا مقصد کام کے حالات اور اس کے نتیجے میں سودے بازی کی طاقت کے بارے میں زیادہ سے زیادہ سمجھ پیدا کرنے کے لیے ڈیٹا کے اجتماعی اسٹورز بنانا ہے۔ حالیہ برسوں میں، متعدد قابل ذکر اقدامات سامنے آئے ہیں جو اسی طرح کے مقاصد کے ساتھ کام کر رہے ہیں لیکن ڈیٹا کی بازیافت کے لیے مختلف طریقہ کار استعمال کر رہے ہیں۔ اس فیلڈ میں کچھ پروجیکٹس اپنے ڈیٹا اکٹھا کرنے اور کمائی اور کارکردگی پر تجزیات چلاتے ہیں تاکہ مزدوری کے حالات کی انصاف پسندی کا اندازہ لگایا جا سکے (مثال کے طور پر ڈرائیور کی سیٹ کوپ اور WeClock، دیگر کے درمیان۔ ہم نے اس مسئلے پر یہ مطالبہ کرتے ہوئے رابطہ کیا ہے کہ پلیٹ فارمز اس ڈیٹا کو شیئر کریں جس کے کارکنان قانونی طور پر حقدار ہیں، تاہم اس نے ڈیٹا اکٹھا کرنے کے بڑے مقصد میں اضافی رکاوٹیں پیدا کی ہیں۔ ہم نے یہ راستہ اس لیے لیا کیونکہ ہم ڈیٹا کے تحفظ کے قانون میں معیارات اور نظیریں قائم کرنا چاہتے تھے، لیکن اس لیے بھی کہ ہمیں یقین ہے کہ کچھ قسم کی معلومات ہیں جو صرف پلیٹ فارمز سے براہ راست ڈیٹا کی درخواست کر کے حاصل کی جا سکتی ہیں۔
ہم نے پایا ہے، خاص طور پر نگرانی کے معاملے میں غیر قانونی سرگرمیوں اور دھوکہ دہی کے الزامات کو ہوا دی گئی، کہ الزامات کو سمجھنے اور ان کا مقابلہ کرنے کے لیے کمپنیوں کے پاس ڈیٹا کا ہونا ضروری ہے۔ ڈیٹا تک رسائی ہمیں پلیٹ فارم کمپنیوں کی طرف سے پیش کردہ بیانیے میں تضادات کا پتہ لگانے میں مدد کر سکتی ہے اور کارکنوں سے ثبوت کے بوجھ کو دوبارہ پلیٹ فارم پر منتقل کرنے میں مدد کر سکتی ہے۔ اس نقطہ نظر سے، پلیٹ فارم ڈیٹا مانگنے کی کوشش روزگار کے متعدد تنازعات کو حل کرنے میں انتہائی کامیاب ثابت ہوئی ہے۔ پلیٹ فارمز کے ذاتی ڈیٹا فراہم کرنے سے انکار کے سادہ مظاہرے نے عدالت میں کئی لائسنس منسوخی (TfL کے ذریعے نافذ) کو تبدیل کر دیا ہے اور اس طرح روزگار کے حقوق کے استعمال میں ایک اضافی ذریعہ بن گیا ہے۔
یہ ورکر انفارمیشن ایکسچینج کے لیے سرگرمی کی دوسری شاخ تشکیل دیتا ہے۔ چونکہ ہم کام کی جگہ کے حالات کا تعین کرنے والے پیچیدہ نظاموں کے بارے میں وضاحت اور شفافیت حاصل کرنے کی اپنی کوششوں میں مایوس ہیں، ہمیں ڈیجیٹل لیبر کے حقوق کے ابھرتے ہوئے میدان میں فیصلوں کے لیے اکثر قانونی چارہ جوئی اور عدالتوں سے رجوع کرنے کی ضرورت ہوتی ہے۔ گِگ پلیٹ فارمز نے جو مصنوعی 'ڈیٹا بحران' پیدا کیا ہے وہ کئی طریقوں سے غیر محفوظ کارکنوں اور یونینوں کے وسائل کو یکساں طور پر ختم کرنے کی کوشش ہے اور تنازعات کو عدالتوں میں کھینچ کر لایا جا سکتا ہے جہاں انہیں طویل کیا جا سکتا ہے اور کارپوریٹ بدانتظامی کے لیے احتساب میں تاخیر ہو سکتی ہے۔
سرگرمی کے ان حصوں کے مطابق، یہ رپورٹ تین حصوں میں لکھی گئی ہے: پہلا سیکشن الگورتھمک مینجمنٹ کے مختلف پہلوؤں اور اس کے نقصانات، متعلقہ کیس اسٹڈیز کے ساتھ دریافت کرتا ہے۔ دوسرا سیکشن ڈیٹا سبجیکٹ ایکسیس ریکوسٹس (DSARs) کے استعمال کے ہمارے عمل سے متعلق ہے جب کہ تیسرا جی ڈی پی آر سے متعلقہ کیسز کا ایک جائزہ پیش کرتا ہے جو ہم نے ایمسٹرڈیم میں آگے بڑھائے ہیں اور ساتھ ہی لندن میں ان لائسنسنگ کیسز جن کی ہم حمایت کر رہے ہیں۔ یہ رپورٹ موزیلا فاؤنڈیشن، ڈیجیٹل فریڈم فنڈ اور اوپن سوسائٹی فاؤنڈیشنز کے تعاون سے انجام پانے والے ہماری تنظیم کے ان افعال کو حل کرنے کے لیے کام کی مدت کو ختم کرتی ہے۔ ہم امید کرتے ہیں کہ یہ رپورٹ اعداد و شمار اور لیبر کے چوراہے پر حقوق کے استعمال میں کھیل کی موجودہ حالت کو ظاہر کرے گی اور گیگ پلیٹ فارمز کی طرف سے بار بار عدم تعمیل کے مجموعی اثرات کو ظاہر کرے گی۔
"پلیٹ فارم کمپنیاں ایک غیر قانونی جگہ میں کام کر رہی ہیں جہاں انہیں یقین ہے کہ وہ قوانین بنا سکتی ہیں۔ بدقسمتی سے یہ کوئی گیم نہیں ہے؛ ورچوئل رئیلٹیز کے حقیقی زندگی میں گیگ ورکرز کے لیے سخت نتائج ہوتے ہیں۔ حوصلہ افزا بات یہ ہے کہ کارکن خود قوانین کا انتظار نہیں کر رہے ہیں، پالیسی ساز یا حتیٰ کہ انسانی حقوق کی تحریک کے اتحادی بھی ان کو بچانے کے لیے۔ Gig کارکنان نئے تحفظات کا مطالبہ کرنے کے لیے اپنی اجتماعی آواز کو منظم کر رہے ہیں اور استعمال کر رہے ہیں جو ڈیجیٹلائزنگ معیشت کے مقصد کے لیے موزوں ہیں۔"
باما اتھریا، فیلو، اوپن سوسائٹی فاؤنڈیشنز
حصہ I: غلط درجہ بندی 2.0 الگورتھم کے ذریعے کنٹرول کیا جاتا ہے۔
برطانیہ کی ٹمٹم معیشت میں کارکنوں کے حقوق کے لیے چھ سال کی لڑائی میں، Uber نے دلیل دی کہ یہ محض خود ملازم ڈرائیور کا ایجنٹ تھا جو غیر فعال طور پر ورک آرڈر بک کرنے اور ادائیگی جمع کرنے کے علاوہ کچھ نہیں کرتا تھا۔ اس افسانے کو آگے بڑھانے کے لیے، گیگ پلیٹ فارمز نے وسیع معاہدے قائم کیے ہیں جس سے یہ ظاہر ہوتا ہے جیسے ڈرائیور اور مسافر ایک دوسرے کے ساتھ براہ راست لین دین کر رہے ہیں، جب کہ درحقیقت تمام مسافروں کی معلومات کو کمپنیوں کے ذریعے محفوظ رکھا جاتا ہے۔ مثال کے طور پر، Uber ڈرائیور کی جانب سے ہر اس مسافر کے لیے ایک تصوراتی رسید تیار کرتا ہے جسے وہ لے جاتا ہے۔ انوائس میں صرف مسافر کے پہلے نام کا حوالہ دیا جائے گا اور اصل میں کبھی بھی صارف کو نہیں بھیجا جاتا ہے۔
یہ غلط درجہ بندی کی تکنیکیں، جو عام طور پر جیگ اکانومی میں استعمال ہوتی ہیں، پلیٹ فارمز کو آجر کی قانونی ذمہ داریوں سے بچنے کے قابل بناتی ہیں جیسے کارکن کے بنیادی حقوق کے تحفظات اور قومی بیمہ کی شراکت۔ برطانیہ میں اس نے پلیٹ فارم کمپنیوں کو ویلیو ایڈڈ سیلز ٹیکس (VAT) سے بچنے کے قابل بھی بنایا ہے۔ لیکن اس سال کے شروع میں، سپریم کورٹ نے نچلی عدالتوں کے مصنوعی معاہدوں کو ختم کرنے اور کارکنوں پر کنٹرول کے انتظامی تعلقات کے ثبوت کی بنیاد پر ملازمت کے تعلقات کی اصل نوعیت کا تعین کرنے کے حق کی توثیق کی۔
چونکہ پلیٹ فارم کمپنیاں یہ نتیجہ اخذ کرتی ہیں کہ گمراہ کن معاہدوں کا استعمال روزگار کی غلط درجہ بندی کے طریقہ کار کے طور پر اب قابل عمل نہیں ہے، وہ انتظامی کنٹرول کو چھپانے کے لیے پروسیس آٹومیشن کو دوگنا کرنے کا لالچ میں آئیں گی۔ الگورتھمک کنٹرول غلط درجہ بندی 2.0 بن جاتا ہے۔ درحقیقت، اس بات کے کافی ثبوت موجود ہیں کہ یہ پہلے سے ہی ہو رہا ہے۔ Gig پلیٹ فارم غلط درجہ بندی کی حکمت عملیوں کو آگے بڑھانے کے لیے پہلے سے کہیں زیادہ پرعزم ہیں تاکہ وہ اس خطرے سے بچتے ہوئے افرادی قوت کو کنٹرول کرنا جاری رکھ سکیں کہ ڈرائیورز 'کارکن' کی حیثیت سے گریجویٹ ہو سکتے ہیں اور ملازم کی حیثیت کے محدود حقوق کے ساتھ کافی زیادہ حقوق کے ساتھ۔
تو الگورتھمک کنٹرول کیا ہے اور ٹمٹم کارکنوں کے لیے مخصوص خطرات کیا ہیں؟ رائیڈ شیئر اور ڈیلیوری کی صنعتوں میں خاص طور پر الگورتھمک مینجمنٹ کے ذرائع جو ہمارے لیے سب سے زیادہ تشویشناک ہیں ان میں درج ذیل شامل ہیں:
نگرانی۔ سیکورٹی اور شناخت کے بیان کردہ مقصد کے لیے مداخلت کی نگرانی۔ اس میں فراڈ کا پتہ لگانے اور چہرے کی شناخت کرنے والی ٹیکنالوجیز کا استعمال شامل ہے۔ ہم اس بات سے آگاہ ہیں کہ نگرانی اس وقت بھی کی جاتی ہے جب کارکن نے خود کو کام کے لیے دستیاب کرنے کے لیے لاگ ان نہ کیا ہو۔ اس میں کارکن کے بطور صارف ایپ کے استعمال کا سروے کرنا بھی شامل ہے۔
کارکردگی کا انتظام۔ اس میں ETA، کسٹمر کی درجہ بندی، ملازمت کی قبولیت اور تکمیل کی شرح، معاون عملے کے ساتھ تعامل، دستیابی سمیت ڈرائیونگ رویے کی نگرانی شامل ہے لیکن اس تک محدود نہیں ہے۔
کام کی تقسیم۔ Uber نے حال ہی میں اس بات پر اصرار کیا ہے کہ کام کی تقسیم کا فیصلہ ڈرائیوروں اور مسافروں کی ایک دوسرے سے قربت پر کیا جاتا ہے تاہم اب تسلیم کرتے ہیں کہ ماضی کے رویے اور ترجیحات کو اس میں شامل کیا جاتا ہے۔ اولا نے اعتراف کیا کہ ڈرائیور پروفائلز جن میں 'کمائی پروفائل' اور 'فراڈ کا امکان' اسکورنگ شامل ہے۔ کام مختص کرنے والے خودکار فیصلہ سازی میں استعمال ہوتے ہیں۔
قیمتوں کا تعین. کام کی تخصیص سے قریبی تعلق خودکار قیمتوں کا فیصلہ کرنا ہے۔ شاید سب سے مشہور طریقہ Uber کا نام نہاد 'اضافہ' یا 'متحرک قیمتوں کا تعین' ہے جو حقیقی وقت، مقامی قیمتوں کے اتار چڑھاو کے ساتھ مارکیٹ کی طلب کو صاف کرنے کا ارادہ رکھتا ہے۔
مندرجہ بالا انتظامی فیصلے محدود انسانی مداخلت کے ساتھ زیادہ تر خودکار یا نیم خودکار ہوتے ہیں۔ گیگ اکانومی کے کاروباری ماڈل انتظامی فیصلوں اور کام کی جگہ کی نگرانی کے بڑے پیمانے پر آٹومیشن پر انحصار کرتے ہیں۔ اگرچہ کچھ آجر اس بات پر نرمی کا مظاہرہ کر رہے ہیں، ڈیلیورو اپنی سواری کی رازداری کی پالیسی میں اس بارے میں بالکل واضح رہا ہے:
"ڈیلیوری کے حجم کے پیش نظر جس سے ہم ڈیل کرتے ہیں، ہم اوپر بیان کردہ خودکار فیصلے کرنے کے لیے خودکار نظام استعمال کرتے ہیں کیونکہ وہ مشتبہ دھوکہ دہی کی نشاندہی کرنے، آپ کے سپلائر کے معاہدے کی بار بار خلاف ورزیوں کو روکنے اور منفی اثرات کو محدود کرنے کا ایک زیادہ درست، منصفانہ اور موثر طریقہ فراہم کرتے ہیں۔ ہماری خدمت. انسانی جانچ پڑتال صرف ٹائم فریم میں ممکن نہیں ہوگی اور ترسیل کے حجم کو دیکھتے ہوئے جن سے ہم نمٹتے ہیں۔
کارکردگی کا انتظام
اس میں ETA، کسٹمر کی درجہ بندی، ملازمت کی قبولیت اور تکمیل کی شرح، معاون عملے کے ساتھ تعامل، دستیابی سمیت ڈرائیونگ رویے کی نگرانی شامل ہے لیکن اس تک محدود نہیں ہے۔
قیمتوں کا تعین
کام کی تخصیص سے قریبی تعلق خودکار قیمتوں کا فیصلہ کرنا ہے۔ شاید سب سے مشہور طریقہ Uber کا نام نہاد 'اضافہ' یا 'متحرک قیمتوں کا تعین' ہے جو حقیقی وقت، مقامی قیمتوں کے اتار چڑھاو کے ساتھ مارکیٹ کی طلب کو صاف کرنے کا ارادہ رکھتا ہے۔
نگرانی
سیکورٹی اور شناخت کے بیان کردہ مقصد کے لیے مداخلت کی نگرانی۔ اس میں فراڈ کا پتہ لگانے اور چہرے کی شناخت کرنے والی ٹیکنالوجیز کا استعمال شامل ہے۔ ہم اس بات سے آگاہ ہیں کہ نگرانی اس وقت بھی کی جاتی ہے جب کارکن نے خود کو کام کے لیے دستیاب کرنے کے لیے لاگ ان نہ کیا ہو۔ اس میں کارکن کے بطور صارف ایپ کے استعمال کا سروے کرنا بھی شامل ہے۔
کام کی تقسیم
Uber نے حال ہی میں اس بات پر اصرار کیا ہے کہ کام کی تقسیم کا فیصلہ ڈرائیوروں اور مسافروں کی ایک دوسرے سے قربت پر کیا جاتا ہے تاہم اب تسلیم کرتے ہیں کہ ماضی کے رویے اور ترجیحات کو اس میں شامل کیا جاتا ہے۔ اولا نے اعتراف کیا کہ ڈرائیور پروفائلز جن میں 'کمائی پروفائل' اور 'فراڈ کا امکان' اسکورنگ شامل ہے۔ کام مختص کرنے والے خودکار فیصلہ سازی میں استعمال ہوتے ہیں۔
حصہ I: غلط درجہ بندی 2.0 الگورتھم کے ذریعے کنٹرول کیا جاتا ہے۔
برطانیہ کی ٹمٹم معیشت میں کارکنوں کے حقوق کے لیے چھ سال کی لڑائی میں، Uber نے دلیل دی کہ یہ محض خود ملازم ڈرائیور کا ایجنٹ تھا جو غیر فعال طور پر ورک آرڈر بک کرنے اور ادائیگی جمع کرنے کے علاوہ کچھ نہیں کرتا تھا۔ اس افسانے کو آگے بڑھانے کے لیے، گیگ پلیٹ فارمز نے وسیع معاہدے قائم کیے ہیں جس سے یہ ظاہر ہوتا ہے جیسے ڈرائیور اور مسافر ایک دوسرے کے ساتھ براہ راست لین دین کر رہے ہیں، جب کہ درحقیقت تمام مسافروں کی معلومات کو کمپنیوں کے ذریعے محفوظ رکھا جاتا ہے۔ مثال کے طور پر، Uber ڈرائیور کی جانب سے ہر اس مسافر کے لیے ایک تصوراتی رسید تیار کرتا ہے جسے وہ لے جاتا ہے۔ انوائس میں صرف مسافر کے پہلے نام کا حوالہ دیا جائے گا اور اصل میں کبھی بھی صارف کو نہیں بھیجا جاتا ہے۔
یہ غلط درجہ بندی کی تکنیکیں، جو عام طور پر جیگ اکانومی میں استعمال ہوتی ہیں، پلیٹ فارمز کو آجر کی قانونی ذمہ داریوں سے بچنے کے قابل بناتی ہیں جیسے کارکن کے بنیادی حقوق کے تحفظات اور قومی بیمہ کی شراکت۔ برطانیہ میں اس نے پلیٹ فارم کمپنیوں کو ویلیو ایڈڈ سیلز ٹیکس (VAT) سے بچنے کے قابل بھی بنایا ہے۔ لیکن اس سال کے شروع میں، سپریم کورٹ نے نچلی عدالتوں کے مصنوعی معاہدوں کو ختم کرنے اور کارکنوں پر کنٹرول کے انتظامی تعلقات کے ثبوت کی بنیاد پر ملازمت کے تعلقات کی اصل نوعیت کا تعین کرنے کے حق کی توثیق کی۔
چونکہ پلیٹ فارم کمپنیاں یہ نتیجہ اخذ کرتی ہیں کہ گمراہ کن معاہدوں کا استعمال روزگار کی غلط درجہ بندی کے طریقہ کار کے طور پر اب قابل عمل نہیں ہے، وہ انتظامی کنٹرول کو چھپانے کے لیے پروسیس آٹومیشن کو دوگنا کرنے کا لالچ میں آئیں گی۔ الگورتھمک کنٹرول غلط درجہ بندی 2.0 بن جاتا ہے۔ درحقیقت، اس بات کے کافی ثبوت موجود ہیں کہ یہ پہلے سے ہی ہو رہا ہے۔ Gig پلیٹ فارم غلط درجہ بندی کی حکمت عملیوں کو آگے بڑھانے کے لیے پہلے سے کہیں زیادہ پرعزم ہیں تاکہ وہ اس خطرے سے بچتے ہوئے افرادی قوت کو کنٹرول کرنا جاری رکھ سکیں کہ ڈرائیورز 'کارکن' کی حیثیت سے گریجویٹ ہو سکتے ہیں اور ملازم کی حیثیت کے محدود حقوق کے ساتھ کافی زیادہ حقوق کے ساتھ۔
تو الگورتھمک کنٹرول کیا ہے اور ٹمٹم کارکنوں کے لیے مخصوص خطرات کیا ہیں؟ رائیڈ شیئر اور ڈیلیوری کی صنعتوں میں خاص طور پر الگورتھمک مینجمنٹ کے ذرائع جو ہمارے لیے سب سے زیادہ تشویشناک ہیں ان میں درج ذیل شامل ہیں:
نگرانی۔ سیکورٹی اور شناخت کے بیان کردہ مقصد کے لیے مداخلت کی نگرانی۔ اس میں فراڈ کا پتہ لگانے اور چہرے کی شناخت کرنے والی ٹیکنالوجیز کا استعمال شامل ہے۔ ہم اس بات سے آگاہ ہیں کہ نگرانی اس وقت بھی کی جاتی ہے جب کارکن نے خود کو کام کے لیے دستیاب کرنے کے لیے لاگ ان نہ کیا ہو۔ اس میں کارکن کے بطور صارف ایپ کے استعمال کا سروے کرنا بھی شامل ہے۔
کارکردگی کا انتظام۔ اس میں ETA، کسٹمر کی درجہ بندی، ملازمت کی قبولیت اور تکمیل کی شرح، معاون عملے کے ساتھ تعامل، دستیابی سمیت ڈرائیونگ رویے کی نگرانی شامل ہے لیکن اس تک محدود نہیں ہے۔
کام کی تقسیم۔ Uber نے حال ہی میں اس بات پر اصرار کیا ہے کہ کام کی تقسیم کا فیصلہ ڈرائیوروں اور مسافروں کی ایک دوسرے سے قربت پر کیا جاتا ہے تاہم اب تسلیم کرتے ہیں کہ ماضی کے رویے اور ترجیحات کو اس میں شامل کیا جاتا ہے۔ اولا نے اعتراف کیا کہ ڈرائیور پروفائلز جن میں 'کمائی پروفائل' اور 'فراڈ کا امکان' اسکورنگ شامل ہے۔ کام مختص کرنے والے خودکار فیصلہ سازی میں استعمال ہوتے ہیں۔
قیمتوں کا تعین. کام کی تخصیص سے قریبی تعلق خودکار قیمتوں کا فیصلہ کرنا ہے۔ شاید سب سے مشہور طریقہ Uber کا نام نہاد 'اضافہ' یا 'متحرک قیمتوں کا تعین' ہے جو حقیقی وقت، مقامی قیمتوں کے اتار چڑھاو کے ساتھ مارکیٹ کی طلب کو صاف کرنے کا ارادہ رکھتا ہے۔
مندرجہ بالا انتظامی فیصلے محدود انسانی مداخلت کے ساتھ زیادہ تر خودکار یا نیم خودکار ہوتے ہیں۔ گیگ اکانومی کے کاروباری ماڈل انتظامی فیصلوں اور کام کی جگہ کی نگرانی کے بڑے پیمانے پر آٹومیشن پر انحصار کرتے ہیں۔ اگرچہ کچھ آجر اس بات پر نرمی کا مظاہرہ کر رہے ہیں، ڈیلیورو اپنی سواری کی رازداری کی پالیسی میں اس بارے میں بالکل واضح رہا ہے:
"ڈیلیوری کے حجم کے پیش نظر جس سے ہم ڈیل کرتے ہیں، ہم اوپر بیان کردہ خودکار فیصلے کرنے کے لیے خودکار نظام استعمال کرتے ہیں کیونکہ وہ مشتبہ دھوکہ دہی کی نشاندہی کرنے، آپ کے سپلائر کے معاہدے کی بار بار خلاف ورزیوں کو روکنے اور منفی اثرات کو محدود کرنے کا ایک زیادہ درست، منصفانہ اور موثر طریقہ فراہم کرتے ہیں۔ ہماری خدمت. انسانی جانچ پڑتال صرف ٹائم فریم میں ممکن نہیں ہوگی اور ترسیل کے حجم کو دیکھتے ہوئے جن سے ہم نمٹتے ہیں۔
"ڈیلیوری کے حجم کے پیش نظر جس سے ہم ڈیل کرتے ہیں، ہم اوپر بیان کردہ خودکار فیصلے کرنے کے لیے خودکار نظام استعمال کرتے ہیں کیونکہ وہ مشتبہ فراڈ کی نشاندہی کرنے، آپ کے سپلائر کے معاہدے کی بار بار خلاف ورزیوں کو روکنے اور منفی اثرات کو محدود کرنے کا ایک زیادہ درست، منصفانہ اور موثر طریقہ فراہم کرتے ہیں۔ ہماری خدمت. انسانی جانچ پڑتال صرف ٹائم فریم میں ممکن نہیں ہوگی اور ترسیل کے حجم کو دیکھتے ہوئے جن سے ہم نمٹتے ہیں۔
نگرانی
سیکورٹی اور شناخت کے بیان کردہ مقصد کے لیے مداخلت کی نگرانی۔ اس میں فراڈ کا پتہ لگانے اور چہرے کی شناخت کرنے والی ٹیکنالوجیز کا استعمال شامل ہے۔ ہم اس بات سے آگاہ ہیں کہ نگرانی اس وقت بھی کی جاتی ہے جب کارکن نے خود کو کام کے لیے دستیاب کرنے کے لیے لاگ ان نہ کیا ہو۔ اس میں کارکن کے بطور صارف ایپ کے استعمال کا سروے کرنا بھی شامل ہے۔
کام کی تقسیم
Uber نے حال ہی میں اس بات پر اصرار کیا ہے کہ کام کی تقسیم کا فیصلہ ڈرائیوروں اور مسافروں کی ایک دوسرے سے قربت پر ہوتا ہے تاہم اب یہ بتاتا ہے کہ ماضی کے رویے اور ترجیحات کو اس میں شامل کیا جاتا ہے۔ Ola ڈرائیور پروفائلز کا استعمال کرتا ہے جس میں کام کے لیے خودکار فیصلہ سازی میں 'دھوکہ دہی کے امکان کے اسکور' شامل ہوتے ہیں۔ مختص کرنے.
کارکردگی کا انتظام
کام کی کارکردگی کے جائزے میں ETA، کسٹمر کی درجہ بندی، ملازمت کی قبولیت اور تکمیل کی شرح، معاون عملے کے ساتھ تعامل، دستیابی سمیت ڈرائیونگ رویے کی نگرانی شامل ہے لیکن اس تک محدود نہیں ہے۔
قیمتوں کا تعین
کام کی تقسیم سے قریبی تعلق خودکار قیمت کی ترتیب ہے۔ شاید سب سے مشہور طریقہ Uber کا نام نہاد 'اضافہ' یا 'متحرک قیمتوں کا تعین' ہے جو حقیقی وقت، مقامی قیمتوں کے اتار چڑھاو کے ساتھ مارکیٹ کی طلب کو صاف کرنے کا ارادہ رکھتا ہے۔
نگرانی کے ہتھیاروں کی دوڑ
جب سے Uber نے 2020 کے دوران اپنا نام نہاد ہائبرڈ ریئل ٹائم شناختی نظام متعارف کرایا ہے تب سے ہم گیگ اکانومی میں اسلحے کی نگرانی کی دوڑ دیکھ رہے ہیں۔ ٹرانسپورٹ فار لندن (TfL) نے نومبر 2019 میں اپنے لائسنس کی تجدید سے انکار کرنے کے اپنے فیصلے کا اعلان کرنے سے صرف ایک دن پہلے، Uber نے اس نگرانی کے نظام کو متعارف کرانے کی پیشکش کی جس میں GPS کی نگرانی کے ساتھ چہرے کی شناخت شامل ہے۔
یہ TfL کی شکایت کے جواب میں تھا کہ اکاؤنٹ شیئرنگ میں مصروف 90,000 ڈرائیوروں میں سے 21 ڈرائیوروں کا پتہ چلا (کئی سالوں میں تجزیہ کیا گیا) جس نے ممکنہ طور پر غیر لائسنس یافتہ اور غیر بیمہ ڈرائیوروں کو غیر قانونی طور پر ایپ پر اپنی خدمات پیش کرنے کی اجازت دی۔ یہ سرگرمی ڈیوائس کے GPS لوکیشن کو برطانیہ سے باہر کے طور پر دوبارہ ترتیب دے کر ممکن بنائی گئی ہے، جہاں ڈرائیوروں کے لیے اپنی تصاویر اپ لوڈ کرنا ممکن ہے۔ اس فرق کو اوبر نے جلدی سے بند کر دیا اور جس سرگرمی کا پتہ چلا وہ اوبر کے آپریشن کے پیمانے کے مقابلے میں بہت کم تھا۔ صنعت کی طرف سے چہرے کی شناخت کی ٹیکنالوجی کا متعارف کرایا جانے والے خطرے کے مقابلے میں مکمل طور پر غیر متناسب رہا ہے۔ اس کے باوجود، اصل وقت کی شناخت کی ضرورت ستمبر 2020 میں ویسٹ منسٹر مجسٹریٹس کورٹ میں Uber کے لائسنس کی تجدید کی شرط بن گئی۔
Uber کے معاملے میں، پلیٹ فارم کی انتظامیہ اور TfL دونوں اس بات کو یقینی بنانے میں ناکام رہے ہیں کہ TfL نے مارچ 2020 میں ٹیکنالوجی کے لیے ڈیٹا پروٹیکشن اثر کی تشخیص کا جائزہ لینے کے باوجود ڈرائیوروں کے حقوق اور آزادیوں کے تحفظ کے لیے مناسب حفاظتی اقدامات کیے تھے۔ معلومات کی آزادی TfL سے ریئل ٹائم آئی ڈی سسٹمز کے لیے Uber کے DPIA تک رسائی کی درخواست کی لیکن ہمیں انکار کر دیا گیا۔ TfL کی رپورٹوں کے مطابق ، 94% پرائیویٹ ہائر وہیکل (PHV) ڈرائیور سیاہ فام اور نسلی اقلیتی پس منظر سے ہیں اور اس ٹیکنالوجی کا تعارف، جو کہ ان گروپوں میں اس کی کم درستگی کی شرحوں کے لیے اچھی طرح سے پہچانا جاتا ہے، پہلے سے موجود کمزور کارکنوں کے لیے تباہ کن ثابت ہوا ہے۔ غیر یقینی روزگار.
بولٹ نے اس کے بعد اعلان کیا ہے کہ وہ چہرے کی شناخت سمیت AI ڈرائیور اینٹی فراڈ کا پتہ لگانے کے نظام میں €150 ملین کی سرمایہ کاری کر رہا ہے۔ ڈیلیورو نے اعلان کیا کہ وہ بھی چہرے کی شناخت کی جانچ متعارف کرائیں گے۔ Ola Cabs نے اپنے گارڈین سسٹم کی ایک خصوصیت کے طور پر چہرے کی شناخت کو بھی متعارف کرایا ہے، جس میں مشین لرننگ کو شامل کیا گیا ہے جس کے بارے میں ان کا دعویٰ ہے کہ وہ خطرے کے سگنلنگ اور فوری حل کو بہتر بنانے کے لیے "ہر ایک دن لاکھوں ڈیٹا پوائنٹس سے مسلسل سیکھنے اور تیار کرنے کے قابل بناتے ہیں۔"
فری ناؤ، جو ڈیملر اور بی ایم ڈبلیو کا مشترکہ منصوبہ ہے، اپنے دھوکہ دہی سے بچاؤ کے پروگرام کے ایک حصے کے طور پر ڈرائیوروں کی بھی قریب سے نگرانی کرتا ہے۔ درحقیقت، FreeNow کی طرف سے ہائی کورٹ میں TfL کے لندن میں لائسنس دینے کے فیصلے کے جوڈیشل ریویو میں دائر کی گئی دستاویزات، انہوں نے انکشاف کیا کہ TfL نے مختلف وجوہات کی بنا پر ڈرائیوروں کی برطرفی کی ماہانہ رپورٹس (بشمول 'دھوکہ دہی کی سرگرمی') کو ان کی شرط قرار دیا ہے۔ لائسنس کی حالیہ تجدید۔ لیکن دھوکہ دہی کی روک تھام کے مقصد کے لیے پروسیس کیے گئے ڈیٹا کی تفصیل FreeNow کی رازداری کی پالیسی کے جوابات سے زیادہ سوالات کو جنم دیتی ہے۔
اس دستاویز میں، Free Now بیان کرتا ہے کہ وہ ایک 'رینڈم فاریسٹ' الگورتھم کا استعمال کرتے ہوئے ایک فراڈ سکور تیار کرتے ہیں جسے وہ " اس کے مطابق بھیجے گئے سفروں کو ترجیح دینے کے لیے استعمال کرتے ہیں۔ یہ منصفانہ اور خطرے کو کم سے کم ترسیل کو یقینی بناتا ہے ۔" Free Now نے اس فراڈ کا پتہ لگانے والے سسٹم کے استعمال کا مقابلہ کیا جب ہم نے جون 2021 میں اس کے بارے میں استفسار کیا اور دعویٰ کیا کہ رازداری کی پالیسی کا یہ حصہ پرانا ہے (براہ کرم رپورٹ کے سیکشن II میں کمپنی کیس اسٹڈی دیکھیں۔) تاہم، اس سسٹم کی تفصیل ستمبر 2021 میں کی گئی تازہ کاری کے باوجود پالیسی میں برقرار ہے۔
خاص طور پر ان سسٹمز کے استعمال کے بارے میں جو بات ہے وہ یہ ہے کہ وہ فراڈ مینجمنٹ کو کارکردگی کے انتظام سے جوڑ دیتے ہیں۔ حقیقت یہ ہے کہ اس طرح کے 'فراڈ' کے اشارے کام کی تقسیم کے لیے متغیر کے طور پر استعمال کیے جاتے ہیں اور یہ کہ ان کو پیدا کرنے والے طرز عمل کو پلیٹ فارم پر جاری رکھنے کی اجازت ہے کہ یہ مجرمانہ دھوکہ دہی کی مثالیں نہیں ہیں، بلکہ کنٹرول کے طریقہ کار ہیں، جو اس بات کا اندازہ لگاتے ہیں کہ کارکنان کتنی اچھی کارکردگی کا مظاہرہ کر رہے ہیں۔ کمپنیوں کے ذریعہ متعین کردہ مبہم میٹرکس کے خلاف۔ ہم تجویز کرتے ہیں کہ ان سیاق و سباق میں استعمال ہونے والی کوئی بھی 'فراڈ' اصطلاحات بھی غلط درجہ بندی کے کھیل کے حصے کے طور پر کام کرتی ہیں، جو کہ روزگار کے تعلقات کو چھپانے کے لیے بنائی گئی ہے۔
سرویلنس کیس اسٹڈی I: چہرے کی شناخت میں ناکامی۔
اپریل 2020 میں، Uber نے UK میں ایک ریئل ٹائم آئی ڈی چیک (RTID) سسٹم متعارف کرایا جو ڈرائیور کی شناخت کی توثیق کرنے اور ڈرائیور کو کام کے لیے اپنے اکاؤنٹ تک رسائی کا اشتراک کرنے سے روکنے کے لیے چہرے کی شناخت اور مقام کی جانچ سمیت ایک مجموعہ استعمال کرتا ہے۔
RTID سسٹم میں مائیکروسافٹ کے FACE API، چہرے کی شناخت کرنے والے سافٹ ویئر کا استعمال شامل ہے اور ڈرائیوروں اور کوریئرز کو Uber ایپ کا استعمال جاری رکھنے کے لیے معمول کے مطابق خود سے ریئل ٹائم سیلفی لینے کی ضرورت ہوتی ہے۔ اس کے بعد تصویر کو ڈرائیور کے اکاؤنٹ کی پروفائل تصویر کے خلاف چیک کیا جاتا ہے (اور کچھ دائرہ اختیار میں، عوامی ڈیٹا بیس کے خلاف " شناختی قرض لینے سے روکنے یا صارفین کی شناخت کی تصدیق کرنے کے لیے ")۔
Pa Edrissa Manjang تقریباً ایک سال سے Uber کے ساتھ کام کر رہا تھا جب سیلفی کی تصدیق میں ناکامی کی وجہ سے وہ غیر فعال ہو گیا تھا۔ جبکہ Uber ڈرائیور اور کورئیر معمول کے مطابق سیلفیز فراہم کرتے ہیں، لیکن یہ ورکرز کے فون پر محفوظ نہیں ہوتے ہیں اور وہ اپنی جمع آوری کے ثبوت کو برقرار نہیں رکھ سکتے ہیں۔ پا کو ان کی برطرفی تک کوئی وارننگ نہیں دی گئی اور نہ ہی کسی مسئلے کے بارے میں مطلع کیا گیا۔ ریئل ٹائم آئی ڈی کی تصدیق کا نظام اس کی تمام تصاویر کو گرین چیک کے ساتھ منظور کرتا دکھائی دیا۔
اس کی برطرفی کے بعد، Pa نے Uber کو اس مسئلے کو ٹھیک کرنے کے لیے متعدد پیغامات بھیجے، خاص طور پر ایک انسان سے اپنی عرضداشتوں کا جائزہ لینے کے لیے کہا۔ ہر بار جب Pa کو بتایا گیا کہ "ہم اس بات کی تصدیق کرنے کے قابل نہیں تھے کہ فراہم کردہ تصاویر اصل میں آپ کی تھیں اور مسلسل عدم مماثلت کی وجہ سے، ہم نے آپ کے ساتھ اپنی شراکت ختم کرنے کا حتمی فیصلہ کیا ہے۔" ہم نے زیربحث سیلفیز کو موضوع تک رسائی کی درخواست کے ذریعے حاصل کیا، جس سے معلوم ہوا کہ Pa نے جو بھی تصاویر جمع کرائی ہیں وہ ان کی ہی تھیں۔ یہ پہلا واقعہ تھا جس میں ہم کسی کورئیر یا ڈرائیور کے ذریعے جمع کرائی گئی سیلفیز حاصل کرنے میں کامیاب ہوئے۔ یہ واضح نہیں ہے کہ یہ درخواست کیوں کامیاب ہوئی جب اس سے پہلے بہت سے لوگ ناکام ہوئے۔
ہم نے سال کے شروع میں مائیکروسافٹ کو بھی خط لکھا تھا تاکہ Uber کے اس کے پلیٹ فارم پر FACE API کے غیر منظم استعمال کے بارے میں اپنے خدشات کا اظہار کیا جا سکے۔ جواب میں ، مائیکروسافٹ نے زور دیا کہ ایسی ٹیکنالوجیز کی تعیناتی میں شامل تمام فریقوں کی ذمہ داریاں ہیں جن میں شامل ہیں: "غلط شناخت یا دیگر ناکامی کے معاملات کا پتہ لگانے اور حل کرنے کے لیے بامعنی انسانی جائزے کو شامل کرنا" اور "لوگوں کو مدد فراہم کرنے کے لئے جو یقین رکھتے ہیں کہ ان کے نتائج غلط تھے؛ اور حالات میں تبدیلی کی وجہ سے درستگی میں اتار چڑھاو کی نشاندہی کرنا اور ان کو حل کرنا۔" Pa کا کیس صاف ظاہر کرتا ہے کہ یہ اہم چیک آر ٹی آئی ڈی امیجز کی پروسیسنگ میں لاگو نہیں ہوئے ہیں۔
Pa اب Uber کے خلاف اس کی نسلی امتیازی چہرے کی شناخت کی تعیناتی کو چیلنج کرنے کے لیے مقدمہ لا رہا ہے، جس کی نمائندگی بیٹس ویلز نے کی ہے، مساوات اور انسانی حقوق کمیشن، ایپ ڈرائیورز اینڈ کوریئرز یونین اور ورکر انفو ایکسچینج کے تعاون سے۔
ایمبیڈ: پا کی ویڈیو
سرویلنس کیس اسٹڈی II: جیو لوکیشن چیکس
اگرچہ چہرے کی شناخت کے ناقص نظاموں کا استعمال بلاشبہ پریشانی کا باعث ہے، ہم نے بہت سے ڈرائیوروں کو Uber کی جانب سے جھوٹے الزامات کے بعد برخاست ہوتے ہوئے بھی دیکھا ہے کہ وہ ایک ہی وقت میں دو جگہوں پر Uber کی طرف سے دو ڈیوائسز کا پتہ لگانے کے بعد جعلی اکاؤنٹ شیئرنگ میں مصروف تھے۔ ان تمام معاملات میں جن کا ہم نے تجزیہ کیا ہے، ہم نے پایا ہے کہ مسئلہ ڈرائیور نے سہولت کے لیے دو ڈیوائسز پر ایپ انسٹال کی ہے لیکن کام کے لیے لاگ ان ہونے والے آلات میں سے صرف ایک کے ساتھ ہے۔
11 ستمبر 2020 کی رات 8 بجے سے ٹھیک پہلے اور Aweso Moulana جنوبی لندن میں Uber کے لیے کام کر رہے تھے۔ وہ 4.95 اسٹار ریٹیڈ ڈرائیور تھا جس نے Uber کے لیے کام کرتے ہوئے 5 سالوں میں 11,500 سے زیادہ ٹرپس کیے تھے۔ Aweso نے ابھی ایک مسافر کو Elephant and Castle کے قریب گرایا تھا جب اس نے مختصر وقفے کے لیے لاگ آف کیا۔ بہت سے ڈرائیوروں کی طرح، Aweso نے ایک دوسرے ڈیوائس پر ایپ انسٹال کی تھی جو ایک آئی فون تھا۔ اس خاص شام کو وہ آئی فون گھر سے نکلا تھا اور اپنے دوسرے فون سام سنگ کے ساتھ کام کر رہا تھا۔
رات 8:02 پر Aweso نے Uber ایپ میں دوبارہ لاگ ان ہونے کی کوشش کی تاکہ خود کو اپنی اگلی نوکری کے لیے دستیاب کرایا جا سکے۔ اس سے پہلے کہ اسے دوبارہ لاگ ان ہونے کی اجازت دی جائے اسے Uber کے ریئل ٹائم آئیڈینٹی چیک (RTID) کے حصے کے طور پر سیلفی فراہم کرنے کا کہا گیا۔ اس کی تصویر Uber کی حوالہ جاتی تصویر سے مماثل ہے لہذا اس نے اپنی شفٹ کو جاری رکھنے کے لیے لاگ ان کا طریقہ کار کامیابی سے مکمل کیا۔ لیکن اس کے لیے نامعلوم، Uber سسٹمز نے یا تو اس کے دوسرے فون کا پتہ لگا لیا تھا اور/یا اسے پنگ کر دیا تھا۔ اس کے بیٹے نے غلطی سے اپنا دوسرا فون اٹھا لیا تھا اور اسے اپنے ساتھ اکسبرج میں اپنی گرل فرینڈ کے گھر لے گیا تھا۔ Uber نے بعد میں کہا کہ انہوں نے رات 8:03 بجے اس ڈیوائس سے RTID چیک کرنے کی درخواست کی لیکن اس وقت تک Aweso جنوبی لندن میں پہلے سے ہی آن لائن تھا۔ Uber کا دعویٰ ہے کہ ID چیک کا جواب اسی شام تقریباً 11:55 بجے آئی فون سے بھیجا گیا تھا۔
اگلے دن، Uber نے اسے مطلع کیا کہ اس کے اکاؤنٹ کو 'مشکوک ایپلیکیشن کی سرگرمی کے لیے جھنڈا لگا دیا گیا ہے' اور یہ کہ اس کا اکاؤنٹ اب معطل کر دیا جائے گا جب کہ 'ایک خصوصی ٹیم اس کا جائزہ لے گی۔' کچھ عرصے بعد، Uber نے متن کے ذریعے Aweso کو مستقل طور پر یہ کہتے ہوئے برخاست کر دیا کہ انہیں اس کے اکاؤنٹ پر 'فرضی سرگرمی کی نشاندہی کرنے والے ثبوت ملے ہیں'۔ پھر Uber نے الزام لگایا کہ وہ اپنے اکاؤنٹ تک رسائی کا اشتراک کر رہا تھا اور ایسا کرتے ہوئے اس نے شرائط و ضوابط کی خلاف ورزی کی تھی۔ اگلے مہینے ٹرانسپورٹ فار لندن نے اس بنیاد پر Aweso کا لائسنس فوری طور پر منسوخ کر دیا کہ وہ Uber سے برخاست ہونے کی بنیاد پر عوامی لائسنس رکھنے کے لیے 'فٹ اور مناسب' نہیں پایا جا سکتا تھا۔
ورکر انفو ایکسچینج نے سبجیکٹ تک رسائی کی درخواست کرنے اور موصولہ ڈیٹا کا تجزیہ کرنے میں Aweso کی مدد کی۔ 'D River Detailed Device Data ' نامی ایک فائل میں ڈیوائسز سے Uber تک ریئل ٹائم میں کم از کم کچھ ڈیٹا سٹریمنگ ریکارڈ کی جاتی ہے۔ Uber کی اپنی رازداری کی پالیسی اس بات کی نشاندہی کرتی ہے کہ جہاں ایک ڈیوائس کے پس منظر یا پیش منظر میں ایپ کھلی ہوئی ہے، چاہے آن لائن نہ ہو اور کرایہ قبول کرنے کے لیے تیار ہو۔ ایک درجن سے زیادہ معاملات میں جہاں ہم نے مجسٹریٹ کورٹ میں ڈرائیوروں کی منسوخی کی اپیل کی حمایت کی تھی، ہر اپیل کو برقرار رکھا گیا تھا اور TfL کو لائسنس دوبارہ بحال کرنے کا حکم دیا گیا تھا۔ اس فائل سے ہم ڈیوائسز سے Uber کے ذریعے ریکارڈ کیے جانے والے ڈیٹا کی 230 قطاریں فی منٹ دیکھ سکتے ہیں۔ Aweso کے آلات سے جمع کردہ ڈیٹا Uber میں شامل ہے۔ جیو لوکیشن، بیٹری لیول، رفتار، کورس کی سرخی، IMEI نمبر وغیرہ۔
اعداد و شمار سے پتہ چلتا ہے کہ Uxbridge میں ڈیوائس کو اس دن کام کے لیے کبھی لاگ ان نہیں کیا گیا تھا کیونکہ 'driver_online' کے عنوان سے ایک فیلڈ نے آئی فون کو اس دن ہر وقت 'FALSE' کے طور پر دکھایا جس میں Uxbridge میں ریکارڈ کیا گیا تھا۔ یہ اس بات کا ثبوت ہے کہ ڈیوائس کو دوسروں کے ساتھ کام کے لیے شیئر نہیں کیا جا رہا تھا جیسا کہ Uber اور ٹرانسپورٹ فار لندن نے الزام لگایا ہے۔ Uber دونوں RTID چیکوں میں جمع کی گئی تصاویر سمیت ذاتی ڈیٹا تک رسائی فراہم کرنے میں ناکام رہا۔ 'تفصیلی ڈیوائس ڈیٹا' رات 8:03:43 بجے کے بعد آئی فون کے لیے مزید کسی سرگرمی کا کوئی ریکارڈ نہیں دکھاتا ہے۔ ہم نے 11:55 بجے ڈیوائس کی سرگرمی کا کوئی ڈیٹا ثبوت نہیں دیکھا جب Uber نے کہا کہ اسے پہلے جاری کردہ ID چیک کا جواب موصول ہوا ہے۔
Pa اور Aweso کا تجربہ گزشتہ سال کے دوران بہت زیادہ مقبول تھا اور اس نے ورکر انفو ایکسچینج اور ایپ ڈرائیورز اینڈ کوریئرز یونین کے زیر انتظام کیس ورک کا ایک اہم حجم بنایا۔ لندن میں، ٹرانسپورٹ فار لندن نے ان ڈرائیوروں کے لائسنس فوری طور پر منسوخ کرنے کی کوشش کی جن کے بارے میں بتایا گیا تھا کہ وہ سسٹم میں واضح مسائل کے باوجود Uber کے RTID چیک میں ناکام ہو گئے ہیں۔ ایک سے زیادہ ڈیوائس کے استعمال کے لیے اکثر معقول وضاحتیں ہوتی ہیں جو خود بخود دھوکہ دہی کے طور پر درجہ بند ہوجاتی ہیں۔ Uber کی اپنی رازداری کی پالیسی اس بات کی نشاندہی کرتی ہے کہ جہاں ایک ڈیوائس کے پس منظر یا پیش منظر میں ایپ کھلی ہوئی ہے، چاہے آن لائن نہ ہو اور کرایہ قبول کرنے کے لیے تیار ہو۔ ایک درجن سے زیادہ معاملات میں جہاں ہم نے مجسٹریٹ کورٹ میں ڈرائیوروں کی منسوخی کی اپیل کی حمایت کی تھی، ہر اپیل کو برقرار رکھا گیا تھا اور TfL کو لائسنس دوبارہ بحال کرنے کا حکم دیا گیا تھا۔
ورکر انفو ایکسچینج، بگ برادر واچ اور ایپ ڈرائیورز اینڈ کوریئرز یونین نے لندن کے میئر کو ایک مشترکہ خط لکھا تاکہ نقل و حمل کے لیے لندن کے Uber کی جانب سے منسوخی کا فیصلہ کرنے میں ناقص ثبوتوں پر انحصار کرنے کے بارے میں ہمارے تحفظات کا اظہار کیا جا سکے۔ لندن کے بورڈ کے لیے، کہ وہ اس طرح کی تمام غلط منسوخیوں کا جائزہ لینے کا حکم دے۔ آج تک، نہ ہی میئر اور نہ ہی TfL نے کوئی جواب دیا ہے۔
مبہم کارکردگی کا انتظام
پلیٹ فارم کمپنیوں کی دھندلاپن کارکنوں کی سمجھ کو روکتی ہے کہ کس طرح الگورتھمک کنٹرول کو اہم عمل کے دوران اور وقت کے ساتھ مربوط کیا جا سکتا ہے۔ مثال کے طور پر، کارکنوں کو وہ شفافیت فراہم نہیں کی گئی ہے جس کے وہ قانونی طور پر حقدار ہیں تاکہ یہ سمجھ سکیں کہ کس طرح کارکردگی کی پروفائلنگ پیش کردہ کام کے معیار اور مقدار کے ساتھ ساتھ اس طرح کے کام کی متوقع پیداوار سے جوڑتی ہے۔
Ola کے معاملے میں، ہمارے پاس ڈیٹا کیٹیگریز کے بارے میں کچھ علم ہے جو وہ اپنے کام کے مختص نظام میں جمع کرتے ہیں اور اس پر کارروائی کرتے ہیں - جیسے کہ دھوکہ دہی کے امکان کے اسکور، کمائی کا پروفائل، بکنگ کی قبولیت اور منسوخی کی تاریخ، دیگر کے علاوہ - تاہم یہ مختلف وزنوں کو ظاہر نہیں کرتا ہے۔ ان متغیرات پر لاگو ہوتا ہے، اور نہ ہی پروسیسنگ کی منطق۔
Uber نے طویل عرصے سے برقرار رکھا ہے کہ اس کا مماثل نظام مکمل طور پر محل وقوع سے طے ہوتا ہے، اس کے باوجود کہ اس کا اپنا "پارٹنر-ڈرائیور" انٹرفیس دوسری صورت میں تجویز کرتا ہے۔ Uber کا پرو پروگرام (جس میں ڈرائیورز خود بخود اندراج ہو جاتے ہیں تاکہ انہیں فوائد اور انعامات کے بدلے کارکردگی کے اہداف کو پورا کرنے کی ترغیب دی جا سکے) ڈرائیوروں کو مبہم زبان میں مطلع کرتا ہے کہ "زیادہ تصدیقی شرحوں کا مطلب ہے صارفین کے لیے انتظار کا کم وقت اور سب کے لیے پک اپ کا کم وقت۔ ڈرائیورز" ڈھیلے اس حقیقت کی طرف اشارہ کرتے ہوئے کہ ملازمتوں میں کمی کے نتیجے میں ملازمت کی کم پیشکشیں ہوں گی۔
Uber نے حال ہی میں اپنی پرائیویسی پالیسی میں اپ ڈیٹ کے ذریعے میچنگ سسٹم پر مزید شفافیت کی پیشکش کی ہے جس میں کہا گیا ہے، "صارفین کو دستیابی، قربت اور دیگر عوامل کی بنیاد پر ملایا جا سکتا ہے جیسے کہ ان کے ماضی کے رویے یا ترجیحات کی بنیاد پر ٹرپ کو قبول کرنے کے امکانات"۔ لیکن، لکھنے کے وقت، ملاپ کے نظام پر مزید معلومات پیش کرنے والا لنک ٹوٹ گیا ہے، جو اس طرح کے ڈیٹا پروسیسنگ کی ابھرتی ہوئی نوعیت کی تصدیق کرتا ہے۔ معلومات کی ایک حالیہ آزادی کی درخواست جو ہم نے TfL سے کی تھی، اس بارے میں استفسار کرتے ہوئے کہ Uber نے اپنے مماثل نظام پر کیا اپ ڈیٹس فراہم کیے ہیں (جیسا کہ وہ اپنے آپریٹنگ ماڈل میں تبدیلیاں کرتے وقت ایسا کرنے کا پابند ہے) کوئی نتیجہ نہیں نکلا، جس سے اس کے الگورتھمک انتظامی طریقوں کی ابہام کو مزید اجاگر کیا گیا۔ اور ریگولیٹری نگرانی کی عدم موجودگی۔
کام کی تقسیم کا تعین کرنے والے متغیرات پر حالیہ انکشافات ڈرائیوروں کو پیش کی جانے والی ملازمتوں کے معیار کے بارے میں بھی اہم سوالات اٹھاتے ہیں۔ کیا اعلی ملازمت کی قبولیت کی شرح والے ڈرائیوروں کو اسی طرح کی پروفائلنگ کی بنیاد پر طویل مدت اور مدت کے سفر کی پیشکش کی جاتی ہے، جس کے نتیجے میں زیادہ تنخواہ ملتی ہے؟ یا، ایک قدم آگے بڑھتے ہوئے، کیا ڈرائیوروں کو ڈائنامک پرائسنگ سسٹم کے ذریعے مختلف نرخوں کی پیشکش کی جاتی ہے؟ درحقیقت، کام کی تقسیم کے ساتھ الگورتھمک قیمتوں کا تعین کیا اور کیسے کیا جاتا ہے یہ ایک حساس مسئلہ ہے جس کے بارے میں ابھی تک بہت کم معلومات ہیں۔
حالیہ برسوں میں، Uber نے مقررہ قیمتوں کے ماڈل کے لیے صارفین کے لیے وقت اور فاصلے کے متغیر قیمتوں کی جگہ لے لی ہے جس میں سفر کے آغاز پر پیشگی قیمت قبول کی جاتی ہے۔ Uber کا کہنا ہے کہ، "ابتدائی قیمتوں کا تعین متحرک ہے، جس کا مطلب ہے کہ سپلائی اور ڈیمانڈ کے توازن میں مدد کے لیے قیمت کو حقیقی وقت میں طے کیا جاتا ہے۔" ابھی حال ہی میں، ڈرائیوروں نے انفرادی ملازمتوں کے لیے بہت کم شرحوں کی پیشکش کی ہے۔ یہاں Uber کے لیے مسافروں کے ذریعے ادا کیے جانے والے حتمی کرایے میں اپنا حصہ بڑھانے کا واضح موقع ہے۔ مسافروں پر قیمتوں کے ان متحرک نظاموں کو استعمال کرنے کے امتیازی نتائج کے بارے میں تشویش کا اظہار کیا گیا ہے، جو اس امکان کو متعارف کراتے ہیں کہ ڈرائیور بھی حقیقی وقت میں ذاتی نوعیت کی قیمتوں کے تابع ہو سکتے ہیں۔ یہاں سنگین اخلاقی مسائل ہیں اگر آپریٹرز پروفائلنگ کی بنیاد پر کمزور کارکنوں کو کم قیمتوں کی پیشکش کر رہے ہیں جو مختلف قیمتوں پر کام قبول کرنے کے لیے ان کی رضامندی کی پیش گوئی کرتا ہے۔
UK میں، اس طرح کے طرز عمل ایمپلائمنٹ رائٹس ایکٹ کے سیکشن 1 کی دفعات کے خلاف دکھائی دیتے ہیں جو کارکنوں کو اپنے آجر سے اپنے کام کی شرائط بشمول تنخواہ کی شرحوں کا واضح بیان حاصل کرنے کا حق دیتا ہے۔
کیس اسٹڈی: الگورتھمک کنٹرول
Uber معمول کے مطابق ڈرائیوروں کو پیغامات بھیجتا ہے جب انہیں اس کے دھوکہ دہی کا پتہ لگانے والے نظام کے ذریعے جھنڈا لگایا جاتا ہے تاکہ انہیں متنبہ کیا جا سکے کہ اگر وہ سسٹم کو متحرک کرنے والے کسی بھی طرز عمل کو جاری رکھتے ہیں تو وہ اپنی ملازمت سے ہاتھ دھو سکتے ہیں۔ پیغامات میں ممکنہ محرکات کی ایک غیر مکمل فہرست ہے لیکن انفرادی ڈرائیور کے لیے کوئی خاص وجہ فراہم نہیں کرتے جس پر دھوکہ دہی کا الزام لگایا جا رہا ہے۔ جب الیگزینڈرو کو ان پیغامات میں سے دوسرا اور آخری پیغام موصول ہوا تو، یہ جانتے ہوئے کہ ایک اور جھنڈا برخاست ہو جائے گا، اس نے ڈرائیور سپورٹ ٹیم کو فون کرنے کا فیصلہ کیا تاکہ مزید تفصیلات حاصل کی جا سکیں کہ وہ اینٹی فراڈ سسٹم کو کیوں متحرک کر رہا ہے اور اس سے بچنے کے لیے وہ کیا کر سکتا ہے۔ . کال کے ذریعے، الیگزینڈرو اور سپورٹ ایجنٹ نے مختلف قسم کے حالات پر تبادلہ خیال کیا جس کی وجہ سے ہو سکتا ہے کہ اس کے دوروں کو بے قاعدگی سے ظاہر کیا جا سکے، جس سے پتہ چلتا ہے کہ سپورٹ ٹیموں کے پاس سسٹم کی طرف سے دیے گئے اشارے کو سمجھنے کی محدود صلاحیت ہے۔ اس کال کے تین ماہ بعد، Uber نے معافی کا ایک پیغام بھیجا جس میں کہا گیا کہ اسے غلطی سے وارننگ بھیجی گئی تھی۔
اگرچہ کمپنی کی پالیسی اور مسافروں کے مطالبات مختلف ہونے پر ڈرائیوروں کو درپیش مشکلات کو سمجھنے کے حوالے سے بات چیت روشن ہے، لیکن ہمارے لیے خاص طور پر اس بات چیت (کال میں 25 منٹ) سڑک کے کاموں کی وجہ سے الیگزینڈرو کے ایک چکر کے بارے میں تھی، اور ساتھ ہی اس کی کم اینٹی فراڈ سسٹم کے ذریعہ اس کے پتہ لگانے کی ممکنہ وجوہات کے طور پر ملازمت کی قبولیت کی شرح۔ سپریم کورٹ کے اس فیصلے کے بعد جس میں اس سال کے شروع میں Uber ڈرائیوروں کو کارکنان کے طور پر درجہ بندی کیا گیا تھا، Uber نے دعویٰ کیا کہ اس نے اپنے پلیٹ فارم میں اہم تبدیلیاں کی ہیں جیسے کہ قیمت اور منزل کی شفافیت کی پیشکش کے ساتھ ساتھ ملازمتوں سے انکار پر تعزیری اقدامات کو ہٹانا، یہ دلیل دینے کے لیے کہ سپریم کورٹ کے فیصلے کا اطلاق موجودہ Uber ڈرائیوروں پر نہیں ہوتا۔
پلیٹ فارم پر الیگزینڈرو کا تجربہ اس بیانیے کے خلاف ہے، جیسا کہ یہ ظاہر ہو جاتا ہے کہ ممکنہ طور پر راستے سے ہٹنے پر اسے جھنڈا لگایا جا رہا ہے (اس حقیقت کے باوجود کہ Uber اب ایک مقررہ قیمت کا ماڈل چلا رہا ہے، یعنی ڈرائیور اپنے خرچ پر روٹنگ میں ایسی تبدیلیاں کرتے ہیں) اور پلیٹ فارم پر اس کو پیش کردہ کافی کام کو قبول نہیں کرنا۔ اس کال سے یہ بات ناقابل تردید طور پر واضح ہو جاتی ہے کہ عملی طور پر، ڈرائیور اب بھی پہلے کی طرح اوبر کے ذریعے مضبوطی سے کنٹرول کر رہے ہیں۔
ان انتظامی طریقوں کے علاوہ، اوپر ذکر کردہ پرو پروگرام ایک اور ٹول ہے جسے Uber اپنی افرادی قوت پر کنٹرول کرنے کے لیے استعمال کرتا ہے، جبکہ اس طرح کے کنٹرول سے منسلک قانونی ذمہ داریوں سے بچتا ہے۔ مثال کے طور پر، فریق ثالث کمپنیوں کے ساتھ اعلیٰ درجہ بندی کو برقرار رکھنے یا قیمتوں کے فوائد میں شرکت کو مکمل طور پر اختیاری کے طور پر پیش کرنے سے کچھ انعامات جوڑ کر، Uber ڈرائیوروں کو مکمل آزادی اور لچک کے ساتھ کام کرنے دینے کا بھرم پیدا کرتا ہے۔ ڈرائیوروں کی ان پروگراموں کے ساتھ رضاکارانہ مشغولیت کے نتیجے میں ملازمت سے تعلق رکھنے کے نتیجے میں حقوق سے دستبرداری ہوتی ہے۔
ایمبیڈ: الیگزینڈرو کی ویڈیو
قانون نافذ کرنے والے انفراسٹرکچر کی توسیع
اس بات کے شواہد بھی موجود ہیں کہ پلیٹ فارم تیزی سے پولیس اور سیکورٹی سروسز کے لیے انٹیلی جنس کا ایک پرکشش ذریعہ بن گئے ہیں۔ ستمبر 2020 میں ویسٹ منسٹر مجسٹریٹ کورٹ میں Uber کی لائسنسنگ اپیل میں ثبوت کے طور پر پیش کیے گئے ایک گواہ کے بیان میں، Uber کے UK اور مغربی یورپ کے جنرل منیجر جیمی ہیووڈ نے پولیس اور سیکیورٹی سروسز کے ساتھ بڑھتے ہوئے قریبی تعلقات کی تصدیق کی۔ ان میں نیشنل کاؤنٹر ٹیررازم پولیسنگ نیٹ ورک، SO15 - میٹرو پولیٹن پولیس سروس کی کاؤنٹر ٹیررازم کمانڈ، نیشنل پولیس چیفس کونسل (NPCC)، کالج آف پولیسنگ، نیشنل کرائم ایجنسی اور برٹش ٹرانسپورٹ پولیس شامل ہیں۔ تعاون کا ایک شعبہ منشیات کی نام نہاد کاؤنٹی لائنز کی نقل و حمل کے مسئلے پر رہا ہے۔ این پی سی سی کے جاسوس انسپکٹر اسٹورٹ لڈل کے حوالے سے، ہیووڈ نے انٹیلی جنس شیئرنگ کی جدید ترین سطحوں پر مبنی پختہ تعلقات کی گواہی دی:
"میں اس معاملے کے بارے میں Uber کی طرف سے دکھائی جانے والی مصروفیت سے حوصلہ افزائی کرتا ہوں اور اب تک کے کام کو آگے بڑھانے کے لیے [2020 میں] مزید کام کا منصوبہ ہے۔ یہ کاؤنٹی لائنز کے مزید پیچیدہ پہلوؤں، معلومات اور انٹیلی جنس کے بہاؤ اور نیشنل کاؤنٹی لائنز کوآرڈینیشن سینٹر کے درمیان تعلقات کو مضبوط بنانے پر توجہ مرکوز کرے گا۔
درحقیقت، NPCC نے Uber کی لائسنس کی اپیل کی حمایت میں لندن کمشنر مائیک براؤن کے لیے ٹرانسپورٹ کی لابنگ کی۔ چیف کانسٹیبل مارک کولنز نے یہاں تک کہا کہ Uber کے لائسنس کو مسترد کرنے کا فیصلہ برطانیہ کی پولیسنگ پر منفی اثر ڈال سکتا ہے۔
"امید ہے، یہ خط برطانیہ کی پولیسنگ پر منفی اثرات کا خاکہ پیش کرتا ہے، اگر پولیس میرے بیان کردہ ڈیٹا اور معلومات تک رسائی حاصل کرنے کے قابل نہ ہو۔"
ہیووڈ نے یہ بھی گواہی دی کہ کولنز نے دعویٰ کیا تھا کہ اکیلے میٹروپولیٹن پولیس سروس ہر سال Uber کو ڈیٹا کے لیے 2,000 سے زیادہ درخواستیں کرتی ہے۔ یہ درخواستوں کی نسبتاً زیادہ تعداد ہے جس پر غور کرتے ہوئے، Uber کی اپنی ٹرانسپیرنسی رپورٹ کے مطابق ، 2020 میں تمام امریکی قانون نافذ کرنے والے حکام نے صرف 5,000 سے کم ڈیٹا کی درخواستیں کی تھیں اور کینیڈا کے تمام قانون نافذ کرنے والے حکام نے مل کر صرف 411 ایسی درخواستیں کی تھیں۔
یہ امکان ہے کہ Uber انتظامیہ پولیس کی انٹیلی جنس جمع کرنے کے اقدامات کے ساتھ تعاون کرنے کے لیے دباؤ محسوس کرتی ہے، خاص طور پر ٹرانسپورٹ فار لندن کے اپنے لائسنس کی دو بار تجدید سے انکار کرنے کے فیصلے کی روشنی میں۔ اس کی وجہ یہ ہے کہ کرائم اینڈ ڈس آرڈر ایکٹ 1998 کا سیکشن 17 لائسنس دینے والے حکام پر براہ راست ذمہ داری عائد کرتا ہے کہ وہ اپنے علاقے میں جرائم اور بد نظمی کو روکیں۔ یہ لائسنسنگ اتھارٹیز جیسے ٹرانسپورٹ فار لندن کے لیے کرائم اینڈ ڈس آرڈر ریڈکشن پارٹنرشپس (CDRP) قائم کرنے کے لیے ایک تقاضہ قائم کرتا ہے جس میں Uber جیسے ٹرانسپورٹ آپریٹرز کی شرکت کی توقع کی جاتی ہے۔
لائسنس دینے والے حکام کے لیے محکمہ برائے ٹرانسپورٹ کی قانونی رہنمائی میں ، حکومت پولیس، لائسنس دینے والے حکام اور Uber جیسے ٹرانسپورٹ آپریٹرز کے درمیان انٹیلی جنس شیئرنگ کی توقع کو تقویت دیتی ہے:
"ویلیو لائسنسنگ اتھارٹیز کی پولیس فورسز کے درمیان آگاہی کو بڑھانا جو موصول ہونے والی معلومات پر، خاص طور پر ناقابل یقین انٹیلی جنس پر، ان تعلقات کو آگے بڑھانے میں مدد کرے گا اور معلومات کے زیادہ سے زیادہ اشتراک کے فوائد کو تقویت دے گا۔ یہ رشتہ باہمی طور پر فائدہ مند ہو سکتا ہے، جرائم کو روکنے میں پولیس کی مدد کر سکتا ہے۔ پولیس ڈرائیوروں اور آپریٹرز سے قیمتی انٹیلی جنس حاصل کر سکتی ہے..."
جب کہ اس طرح کے تعلقات کمیونٹی کی سطح پر جرائم پر قابو پانے کے لیے اہم اہمیت رکھتے ہیں، ایسا لگتا ہے کہ ڈرائیوروں اور مسافروں کے بھرپور ذاتی ڈیٹا تک نسبتاً آسان رسائی کی شہری آزادیوں کے خطرے کو بہت کم اہمیت دی گئی ہے جیسا کہ Uber، Bolt اور Ola جیسے پلیٹ فارمز کے ذریعے جمع اور ذخیرہ کیا گیا ہے۔ ٹیکسیاں
"میں اس معاملے کے حوالے سے Uber کی طرف سے دکھائی گئی مصروفیت سے حوصلہ افزائی کرتا ہوں اور اب تک کے کام کو آگے بڑھانے کے لیے [2020 میں] مزید کام کا منصوبہ ہے۔ یہ کاؤنٹی لائنز کے مزید پیچیدہ پہلوؤں، معلومات اور انٹیلی جنس کے بہاؤ اور نیشنل کاؤنٹی لائنز کوآرڈینیشن سینٹر کے درمیان تعلقات کو مضبوط بنانے پر توجہ مرکوز کرے گا۔
"امید ہے، یہ خط برطانیہ کی پولیسنگ پر منفی اثرات کا خاکہ پیش کرتا ہے، اگر پولیس میرے بیان کردہ ڈیٹا اور معلومات تک رسائی حاصل کرنے کے قابل نہ ہو۔"
"ویلیو لائسنسنگ اتھارٹیز کی پولیس فورسز کے درمیان آگاہی کو بڑھانا جو موصول ہونے والی معلومات پر، خاص طور پر ناقابل یقین انٹیلی جنس پر، ان تعلقات کو آگے بڑھانے میں مدد کرے گا اور معلومات کے زیادہ سے زیادہ اشتراک کے فوائد کو تقویت دے گا۔ یہ رشتہ باہمی طور پر فائدہ مند ہو سکتا ہے، جرائم کو روکنے میں پولیس کی مدد کر سکتا ہے۔ پولیس ڈرائیوروں اور آپریٹرز سے قیمتی انٹیلی جنس حاصل کر سکتی ہے..."
کیس اسٹڈی: قانون نافذ کرنے والے اداروں کے ساتھ انٹیلی جنس شیئرنگ
ایک اور کارکن جس نے مدد کے لیے ہم سے رابطہ کیا وہ ایک Uber ڈرائیور تھا جسے پولیس کی طرف سے کی گئی انٹیلی جنس درخواست کے بعد، Uber پلیٹ فارم سے غلط طریقے سے سات ہفتوں کے لیے معطل کر دیا گیا، جس سے تقریباً £5000 کا نقصان ہوا۔ 2019 میں، ڈرائیور کو Uber کی جانب سے ایک پیغام موصول ہوا جس میں کہا گیا تھا کہ اسے جاری تحقیقات کی وجہ سے عارضی طور پر معطل کر دیا گیا ہے۔ اسے نہ تو کوئی وجہ بتائی گئی اور نہ ہی اس کی معطلی کا کوئی ٹائم فریم۔ درحقیقت اسے واضح طور پر کہا گیا تھا کہ وہ Uber سے رابطہ نہ کرے جب تک وہ تحقیقات کر رہے تھے۔ سات ہفتے بعد، اسے ایک کال موصول ہوئی جس میں بتایا گیا کہ وہ اب کام کر سکتا ہے۔
دو سال بعد، لائسنس کی تجدید کی درخواست ڈرائیور نے TfL کو دی (جس میں ایک بہتر انکشاف اور بیرنگ سروس چیک شامل ہے) نے معطلی کی وجہ بتائی، جب TfL نے اس سے 2019 میں منشیات کی فراہمی کے بارے میں سوال کیا اور اس کا لائسنس چھین لینے کی دھمکی دی۔ اس انکشاف سے حیران، ڈرائیور نے کرائم ریفرنس نمبر کا مطالبہ کیا، اور نہ صرف TfL بلکہ میٹروپولیٹن پولیس سے بھی مزید پوچھ گچھ کی۔
ہم نے Uber، TfL اور پولیس کو موضوع تک رسائی کی درخواستیں اور شکایات کرنے میں ڈرائیور کی مدد کی۔ Uber درخواست کو پورا کرنے میں ناکام رہا (ڈرائیور کو بتایا گیا کہ اس کی درخواست ایک ماہر ٹیم کو دی گئی تھی لیکن اسے مزید کوئی جواب نہیں ملا) تاہم، TfL کے جواب نے مختلف عہدیداروں کے درمیان ای میلز کی ایک وسیع زنجیر کا انکشاف کیا کیونکہ انہوں نے انٹیلی جنس کے ماخذ کی شناخت کرنے کی کوشش کی۔ درخواست اوبر نے دعویٰ کیا کہ پولیس نے ان سے رابطہ کیا تھا جبکہ پولیس ڈرائیور سے تفتیش کرنے کا کوئی ریکارڈ یا ثبوت تلاش کرنے میں ناکام رہی۔ بالآخر Uber نے اس افسر کا نام لیا جس نے انٹیلی جنس کی درخواست کی تھی لیکن جب TfL نے کیس کے بارے میں تفصیلات طلب کیں تو OIC نے دعویٰ کیا کہ اسے زیربحث ڈرائیور کے بارے میں کوئی یاد نہیں ہے۔
ڈرائیور کی جانب سے میٹروپولیٹن پولیس کو کی گئی شکایت کا بالآخر اکتوبر 2021 میں جواب دیا گیا اور یہ نتیجہ اخذ کیا گیا کہ ڈرائیور کی شناخت کبھی بھی مشتبہ کے طور پر نہیں ہوئی:
"افسران کو ایک سنگین جرم کے سلسلے میں ایک مشتبہ شخص کی شناخت کرنے کا کام سونپا گیا تھا۔ افسران کو دلچسپی رکھنے والے شخص کا نام دیا گیا تھا۔ میں تصدیق کر سکتا ہوں کہ یہ آپ نہیں تھے۔ ڈیٹا پروٹیکشن فارم 20 فروری 2019 کو Uber کو اس نامزد مشتبہ تفصیلات کے ساتھ جمع کرایا گیا تھا۔ مجھے اس بارے میں مزید تفصیلات بتانے کی آزادی نہیں ہے۔
"اوبر کے ساتھ کی گئی اس تحقیقی انکوائری میں کسی بھی مرحلے پر آپ کا نام نمایاں نہیں ہوا۔ افسر نے آپ سے منسلک کسی بھی معلومات کی تلاش میں Uber سے رابطہ نہیں کیا۔ ہماری انکوائری کے نتیجے میں، Uber نے پولیس کو آپ کی تفصیلات فراہم کیں۔ ایک بار جب Uber سے معلومات واپس موصول ہوئیں اور انہوں نے ہمیں آپ کا نام دیا، تو ہم جانتے تھے کہ آپ ہماری تحقیقات سے منسلک نہیں ہیں اور مزید کوئی کارروائی نہیں کی گئی اور آپ کو مزید پوچھ گچھ سے خارج کر دیا گیا۔
"افسر نے کسی پیشہ ورانہ معیار کی خلاف ورزی نہیں کی ہے اور نہ ہی بطور پولیس افسر اپنے کردار سے ہٹ کر کام کیا ہے یا اپنی طاقت کا غلط استعمال نہیں کیا ہے۔ آپ کا نام درخواست کا مقصد نہیں تھا اور ہم نے کبھی بھی Uber کو یہ نہیں بتایا کہ آپ دلچسپی رکھنے والے شخص ہیں۔
"اوبر کو شاید یہ بتانا چاہئے کہ وہ کسی ایسے شخص کو کیسے معطل کرتے ہیں جو اصل درخواست کا موضوع نہیں تھا اور یہ بھی کہ کیوں، 10 دن کے بعد، آپ کو خود بخود ایپ میں بحال نہیں کیا گیا اور آپ کام جاری رکھنے کے قابل نہیں ہوئے۔"
ایمبیڈ: ایل کی ویڈیو
"افسران کو ایک سنگین جرم کے سلسلے میں ایک مشتبہ شخص کی شناخت کرنے کا کام سونپا گیا تھا۔ افسران کو دلچسپی رکھنے والے شخص کا نام دیا گیا تھا۔ میں تصدیق کر سکتا ہوں کہ یہ آپ نہیں تھے۔ ڈیٹا پروٹیکشن فارم 20 فروری 2019 کو Uber کو اس نامزد مشتبہ تفصیلات کے ساتھ جمع کرایا گیا تھا۔ مجھے اس بارے میں مزید تفصیلات بتانے کی آزادی نہیں ہے۔
"اوبر کے ساتھ کی گئی اس تحقیقی انکوائری میں کسی بھی مرحلے پر آپ کا نام نمایاں نہیں ہوا۔ افسر نے آپ سے منسلک کسی بھی معلومات کی تلاش میں Uber سے رابطہ نہیں کیا۔ ہماری انکوائری کے نتیجے میں، Uber نے پولیس کو آپ کی تفصیلات فراہم کیں۔ ایک بار جب Uber سے معلومات واپس موصول ہوئیں اور انہوں نے ہمیں آپ کا نام دیا، تو ہم جانتے تھے کہ آپ ہماری تحقیقات سے منسلک نہیں ہیں اور مزید کوئی کارروائی نہیں کی گئی اور آپ کو مزید پوچھ گچھ سے خارج کر دیا گیا۔
"افسر نے کسی پیشہ ورانہ معیار کی خلاف ورزی نہیں کی ہے اور نہ ہی بطور پولیس افسر اپنے کردار سے ہٹ کر کام کیا ہے یا اپنی طاقت کا غلط استعمال نہیں کیا ہے۔ آپ کا نام درخواست کا مقصد نہیں تھا اور ہم نے کبھی بھی Uber کو یہ نہیں بتایا کہ آپ دلچسپی رکھنے والے شخص ہیں۔
"اوبر کو شاید یہ بتانا چاہئے کہ وہ کسی ایسے شخص کو کیسے معطل کرتے ہیں جو اصل درخواست کا موضوع نہیں تھا اور یہ بھی کہ کیوں، 10 دن کے بعد، آپ کو خود بخود ایپ میں بحال نہیں کیا گیا اور آپ کام جاری رکھنے کے قابل نہیں ہوئے۔"
حصہ II: کام پر ڈیٹا کے حقوق کا استعمال: رسائی
ملازمت کے قانون میں الگورتھمک مینجمنٹ سے پیدا ہونے والے غیر منصفانہ طریقوں سے کارکنوں کو مکمل طور پر تحفظ فراہم کرنے کے لیے ضروری دفعات نہیں ہیں۔ تاہم، افراد کو GDPR کے تحت ایسے حقوق حاصل ہیں جو روزگار کے سیاق و سباق میں ان کے مفادات کا تحفظ کر سکتے ہیں۔ کارکنوں کی حمایت میں، ہم آرٹیکل 15، 20 اور 22 کے ذریعہ بیان کردہ ان کے حقوق کا مطالبہ کرتے ہیں، جو انہیں ذاتی ڈیٹا تک رسائی کا حق، ڈیٹا پورٹیبلٹی کا حق ، نیز خودکار فیصلہ سازی اور منطق کے بارے میں مطلع کرنے کا حق دیتے ہیں۔ پروسیسنگ کے
آرٹیکل 22: ڈیٹا کے مضامین صرف ڈیٹا کی خودکار پروسیسنگ پر مبنی قانونی (یا اسی طرح کے اہم) اثرات کے ساتھ فیصلوں کے تابع نہیں ہو سکتے۔
[اگر ڈیٹا کنٹرولر ڈیٹا کے موضوع کی واضح رضامندی کے ساتھ ڈیٹا پر کارروائی کرتا ہے، یا ان کے ساتھ کسی معاہدے کی کارکردگی کے لیے، ڈیٹا کے موضوع کو انسانی مداخلت حاصل کرنے، اپنے نقطہ نظر کا اظہار کرنے، اور فیصلے کا مقابلہ کرنے کا حق ہے]
آرٹیکل 15: ڈیٹا کے مضامین کو اضافی معلومات کے ساتھ اپنے ذاتی ڈیٹا کی ایک کاپی حاصل کرنے کا حق حاصل ہے جیسے کہ ڈیٹا پر کارروائی کرنے کے مقاصد، ڈیٹا کو کس کے ساتھ شیئر کیا جا سکتا ہے، پروسیسنگ کی مدت وغیرہ۔
آرٹیکل 20: ڈیٹا کے مضامین کو یہ حق حاصل ہے کہ وہ ذاتی ڈیٹا حاصل کریں جو انہوں نے کنٹرولر کو ایک منظم، عام طور پر استعمال شدہ اور مشین سے پڑھنے کے قابل فارمیٹ میں فراہم کیا ہے۔ ان کے پاس ڈیٹا کو دوسرے کنٹرولر کو منتقل کرنے ('پورٹ') کا حق بھی ہے۔ جہاں ممکن ہو، وہ ڈیٹا کو براہ راست ایک کنٹرولر سے دوسرے میں منتقل کرنے کے لیے کہہ سکتے ہیں۔
اگرچہ پلیٹ فارمز ورکرز کے لیے ڈیٹا ڈاؤن لوڈز دستیاب کراتے ہیں، لیکن یہ کام کی شرائط کے بارے میں پوچھ گچھ کے لیے سب سے زیادہ سازگار اور ضروری ڈیٹا کیٹیگریز کو اکثر چھوڑ دیتے ہیں (جیسے تنخواہ کی منصفانہ پن، ملازمت کی تقسیم اور استعمال جیسا کہ اوپر درج ہے۔) ہمارے دائرہ کار کو وسعت دینے کی خواہش میں کارکنوں کے لیے دستیاب ڈیٹا، ہم مخصوص موضوع تک رسائی اور پورٹیبلٹی کی درخواستیں کرتے ہیں جو ان سے جمع کردہ ڈیٹا گیگ پلیٹ فارم کی پوری رینج کا احاطہ کرتی ہے۔ ان درخواستوں میں، ہم تین مختلف قسم کے ڈیٹا حاصل کرنے کی کوشش کرتے ہیں:
1) ان پٹ ڈیٹا - ورکرز خود فراہم کرتے ہیں۔
2) مشاہداتی ڈیٹا - کارکنوں کے پلیٹ فارمز کے استعمال پر مبنی (یعنی خام پیمائش اور نگرانی کا ڈیٹا جیسے کہ لوکیشن ڈیٹا، ٹیلی میٹکس وغیرہ)
3) تخمینہ شدہ ڈیٹا - مشاہداتی ڈیٹا کے تجزیہ سے اخذ کیا گیا ہے (مثال کے طور پر خطرے اور دھوکہ دہی کے جائزوں کی شکل میں کارکن کے رویے کی پروفائلنگ)
آرٹیکل 22: ڈیٹا کے مضامین کو قانونی (یا اسی طرح کے اہم) اثرات کے ساتھ فیصلوں کے تابع نہیں کیا جا سکتا، جو کہ مکمل طور پر ڈیٹا کی خودکار پروسیسنگ پر مبنی ہے۔
[اگر ڈیٹا کنٹرولر ڈیٹا کے موضوع کی واضح رضامندی کے ساتھ ڈیٹا پر کارروائی کرتا ہے، یا ان کے ساتھ کسی معاہدے کی کارکردگی کے لیے، ڈیٹا کے موضوع کو انسانی مداخلت حاصل کرنے، اپنے نقطہ نظر کا اظہار کرنے، اور فیصلے کا مقابلہ کرنے کا حق ہے]
آرٹیکل 15: ڈیٹا کے مضامین کو اضافی معلومات کے ساتھ اپنے ذاتی ڈیٹا کی ایک کاپی حاصل کرنے کا حق حاصل ہے جیسے کہ ڈیٹا پر کارروائی کرنے کے مقاصد، ڈیٹا کو کس کے ساتھ شیئر کیا جا سکتا ہے، پروسیسنگ کی مدت وغیرہ۔
آرٹیکل 20 : ڈیٹا کے مضامین کو یہ حق حاصل ہے کہ وہ ذاتی ڈیٹا حاصل کریں جو انہوں نے کنٹرولر کو ایک منظم، عام طور پر استعمال شدہ اور مشین سے پڑھنے کے قابل فارمیٹ میں فراہم کیا ہے۔ ان کے پاس ڈیٹا کو دوسرے کنٹرولر کو منتقل کرنے ('پورٹ') کا حق بھی ہے۔ جہاں ممکن ہو، وہ ڈیٹا کو براہ راست ایک کنٹرولر سے دوسرے میں منتقل کرنے کے لیے کہہ سکتے ہیں۔
ان پٹ ڈیٹا
کارکنوں نے خود فراہم کیا۔
مشاہدہ شدہ ڈیٹا
کارکنوں کے پلیٹ فارمز کے استعمال کی بنیاد پر (یعنی خام پیمائش اور نگرانی کے ڈیٹا جیسے کہ لوکیشن ڈیٹا، ٹیلی میٹکس وغیرہ)
تخمینہ شدہ ڈیٹا
مشاہداتی اعداد و شمار کے تجزیہ سے ماخوذ (مثال کے طور پر خطرے اور دھوکہ دہی کے جائزوں کی شکل میں کارکن کے رویے کی پروفائلنگ)
ڈیٹا کے ان زمروں کو اکثر رہنمائی کے دستاویزات اور رازداری کی پالیسیوں میں واضح کیا جاتا ہے لیکن ڈرائیوروں کے ساتھ شیئر نہیں کیا جاتا جب وہ اپنا ڈیٹا ڈاؤن لوڈ کرتے ہیں یا موضوع تک رسائی کی درخواستیں کرتے ہیں۔ ہمارے تجربے میں، جب کارکنان یہ معلومات تلاش کرتے ہیں، تو gig پلیٹ فارم کا مقصد مختلف قسم کے غیر تعمیل والے رویے میں شامل ہو کر اس عمل کو مشکل اور بوجھل بنانا ہے۔ جامع اعداد و شمار کی تلاش کرنے والے کارکنوں کو انتہائی پیچیدہ اور رکاوٹیں ڈالنے والی ویب سائٹ کے فن تعمیر کو نیویگیٹ کرنا پڑتا ہے اور انہیں معاون ایجنٹوں کے ذریعہ مزید مایوسی کی کوششوں کو روکنے کی ضرورت ہوتی ہے، جو غیر ضروری طور پر سادہ انتظامی عمل کو طول دیتے ہیں یا خودکار جوابات فراہم کرتے ہیں جو سوالات کے مناسب جواب دینے میں ناکام رہتے ہیں۔ ان طریقہ کار کو ' ڈارک پیٹرن' کے طور پر بیان کیا جا سکتا ہے جو کارکنوں کو ڈیٹا کے مضامین کے طور پر اپنے حقوق کے استعمال سے دور رہنمائی کے لیے ڈیزائن کیا گیا ہے۔ ایسے مواقع پر جہاں کارکنان اپنا ڈیٹا حاصل کر پاتے ہیں، اس میں اکثر یا تو کافی سیگمنٹ غائب ہوتے ہیں یا غیر مطابقت پذیر اور غیر مشینی پڑھنے کے قابل فارمیٹس میں پیش کیے جاتے ہیں، جس سے تجزیہ مؤثر طریقے سے ناممکن ہو جاتا ہے۔ رکاوٹوں کی یہ حرکتیں کارکنوں کو بار بار درخواستیں کرنے پر مجبور کرتی ہیں جنہیں کمپنیاں بالآخر انہیں بدنام کرنے کی وجہ کے طور پر استعمال کرتی ہیں۔
DSAR کے تمام ریٹرن میں جو ہم نے دیکھے ہیں، کسی بھی آجر نے خودکار ذاتی ڈیٹا پروسیسنگ کا مکمل اور مناسب اکاؤنٹ نہیں دیا ہے۔ یہ خاص طور پر ان شعبوں میں اہم ہے جو روزگار کے تحفظ کا تعین کر سکتے ہیں جیسے کام کی تقسیم، کارکردگی کا انتظام، حفاظت اور سلامتی، جیسا کہ اس رپورٹ کے ذریعے بحث کی گئی ہے۔ Uber اور Ola نے عدالت میں دلیل دی ہے کہ اگر اس طرح کے ڈیٹا پروسیسنگ کی منطق کو ان کے کارکنوں کے سامنے ظاہر کیا جاتا ہے تو ان کے پلیٹ فارم کی حفاظت اور حفاظت سے سمجھوتہ کیا جا سکتا ہے۔ ہمارے خیال میں، حفاظت اور تحفظ کو تبھی بڑھایا جا سکتا ہے جب پلیٹ فارمز خفیہ نگرانی اور خلاصہ برخاستگیوں پر انحصار کرنے کے بجائے شفاف طریقے سے قواعد اور کارکردگی کے معیارات مرتب کریں، جو DSARs کے چند اہم محرکات ہیں۔
DSARs کے اس مزاحمتی رویے کو دیکھتے ہوئے، یہ نوٹ کرنا بھی ضروری ہے کہ بہت سے ڈرائیور درخواستیں کرنے پر کمپنیوں کی طرف سے انتقامی کارروائی سے ڈرتے ہیں۔ جب گِگ پلیٹ فارمز موضوع تک رسائی کی درخواستوں کے جواب میں غیر معمولی اور طویل شناختی جانچ پڑتال کرتے ہیں، تو کارکنوں کو آسانی سے حوصلہ شکنی اور ڈرایا جاتا ہے (پلیٹ فارم ریسپانس کیس اسٹڈیز میں Uber کی طرف سے ڈرائیوروں کو بھیجی گئی ای میلز دیکھیں)۔ ہم نے ڈرائیوروں کے ساتھ کیے گئے متعدد انٹرویوز میں، لمبے لمبے تصدیقی پیغامات، جو پیچیدہ قانونی زبان میں پہنچائے گئے ہیں، اکثر درخواستوں کی پیروی میں رکاوٹ کے طور پر حوالہ دیا گیا ہے۔ بہت سے ڈرائیوروں کے لیے درخواست پر قائم رہنے کا عمل پیرا پیٹ کے اوپر سر رکھنے اور اپنی روزی روٹی اور ملازمت کی حفاظت کو خطرے میں ڈالنے کے مترادف ہے۔
یہ تاثر اکثر مسلسل استحصال اور عدم تحفظ کے تجربات سے حاصل ہوتا ہے، جمہوری حقوق کے استعمال میں کارکنوں کی محدود صلاحیت اور علم کی وجہ سے، چاہے وہ یو کے میں بطور تارکین وطن ہوں یا ان کے آبائی ممالک میں، جو بہت سے معاملات میں آمرانہ جھکاؤ ظاہر کرتے ہیں۔ ایک ایسی افرادی قوت میں جو پہلے ہی بہت زیادہ بکھری ہوئی ہے اور معاشی عدم استحکام کا شکار ہے، جہاں سیکورٹی کی ضرورت ناانصافی کو چیلنج کرنے کی خواہش سے کہیں زیادہ ہے، کمپنیوں کے اس قسم کے معاندانہ رویے کے اثرات کو بڑھا چڑھا کر پیش نہیں کیا جا سکتا۔ یہ عدم تحفظ انتظامی الگورتھم کے مبہم پن سے بھی بڑھ گیا ہے۔ بلیک باکس ورک ایلوکیشن یا پرفارمنس مینجمنٹ سسٹم کیسے کام کرتے ہیں اس کی واضح وضاحتوں کی عدم موجودگی میں، کارکنوں کے لیے قیاس آرائی یا حتیٰ کہ سازشی سوچ میں مشغول ہونا بہت آسان ہو جاتا ہے کہ پلیٹ فارم کے ساتھ ان کی بات چیت ان کے کام کو کیسے متاثر کرتی ہے۔ اس کے بعد یہ دوسرے اداروں کے بارے میں عمومی عدم اعتماد اور تنظیمی سرگرمیوں کی طرف بیزاری تک پھیل سکتا ہے۔ یہ تمام افرادی قوت میں مضبوط اور مستقل کمزوریاں ہیں جن پر خصوصی توجہ اور حفاظت کی ضرورت ہوتی ہے۔
کیس اسٹڈیز: انفرادی DSARs
درج ذیل کیس اسٹڈیز کچھ ایسے طریقوں کو ظاہر کرتی ہیں جن سے Uber کارکنوں کی ڈیٹا کی درخواستوں کا جواب دینے میں رکاوٹ اور غیر تعمیل والے رویے میں ملوث ہوتا ہے۔ اہم بات یہ ہے کہ ان مثالوں کو غیر تجربہ کار معاون ایجنٹوں سے متعلق استثناء یا الگ تھلگ واقعات کے طور پر بیان نہیں کیا جا سکتا۔ یہ جوابات Uber کے معیاری طریقہ کار کی نمائندگی کرتے ہیں جب کارکنان اپنے ڈیٹا تک رسائی کے حقوق استعمال کرنا چاہتے ہیں۔
سرکلر اور فضول جوابات
ایم احمد ایک سابق Uber ڈرائیور اور Uber Eats کورئیر ہیں۔ اکتوبر 2020 میں، اس کے Uber ڈرائیور اور کورئیر اکاؤنٹس دونوں کو معطل کر دیا گیا تھا، اور فروری 2021 میں، اس کا ڈرائیور اکاؤنٹ غیر فعال کر دیا گیا تھا۔ اس سے اس کا UberEats کورئیر اکاؤنٹ بھی متاثر ہوا، جسے بعد میں غیر فعال اور حذف کر دیا گیا۔
مسٹر احمد نے جب ان کی برطرفی کی وجہ پوچھی تو انہیں متضاد جوابات دیے گئے۔ Uber نے ابتدائی طور پر چہرے کی شناخت کی ناکام جانچ کا حوالہ دیا، اور بعد میں دعویٰ کیا کہ غیر ڈیلیوری آرڈرز کی ایک بڑی تعداد کی وجہ سے غیر فعال ہونا تھا۔ تمام خط و کتابت کے دوران، انہوں نے اسے غلط نام سے مخاطب کیا اور بالآخر قبول کیا کہ ناکام ریئل ٹائم آئی ڈی چیکس کے حوالے سے پیغامات غلطی سے بھیجے گئے تھے۔ اس کی برطرفی کے ارد گرد الجھن نے اسے اپنا ذاتی ڈیٹا تلاش کرنے پر مجبور کیا۔
پچھلے کچھ مہینوں سے مسٹر احمد اپنے غیر فعال Uber Eats اکاؤنٹ سے وابستہ ڈیٹا کو بازیافت کرنے کی کوشش کر رہے ہیں۔ مسٹر احمد نے سب سے پہلے 15 اپریل 2021 کو Uber ویب سائٹ پر 'Uber اکاؤنٹ کے بغیر پرائیویسی انکوائری جمع کروائیں' فارم کے ذریعے اپنا ڈیٹا حاصل کرنے کی کوشش کی، کیونکہ ان کی برطرفی کے بعد ان کا اکاؤنٹ حذف کر دیا گیا تھا۔
جواب میں، اسے Uber کی طرف سے ایک ای میل موصول ہوا جس میں کہا گیا تھا: "ہمارا پرائیویسی نوٹس اکاؤنٹ ہولڈر کی معلومات کا اشتراک کرنے کی ہماری صلاحیت کو محدود کرتا ہے۔ ہم یہ معلومات صرف اپنے ڈیٹا کی درخواست کے رہنما خطوط میں بیان کردہ عمل کے ذریعے فراہم کر سکتے ہیں۔ اس عمل سے مراد اکاؤنٹ میں سائن ان کرنا اور اکاؤنٹ کے اندر سے درخواست کرنا ہے۔ "اس نے کہا، ہم ضرورت کے مطابق مدد کرنے کے لیے مناسب چینلز کے ذریعے آپ کے ساتھ کام کر سکتے ہیں۔"
مسٹر احمد نے واپس لکھا جس میں مشورہ طلب کیا گیا کہ وہ اپنے اب حذف شدہ اکاؤنٹ سے وابستہ ڈیٹا تک کیسے رسائی حاصل کر سکتے ہیں۔ اس نے وضاحت کی کہ وہ اپنے Uber Eats اکاؤنٹ سے منسلک ای میل سے لکھ رہا تھا اور اس نے اس اکاؤنٹ سے منسلک موبائل نمبر بھی فراہم کیا تھا۔ انہوں نے مزید کہا کہ وہ اپنی شناخت کی تصدیق کے لیے مزید معلومات فراہم کرنے پر خوش ہیں۔
اس پر مسٹر احمد کو ایک جواب ملا جس میں کہا گیا کہ ان کی "تشویش اس اکاؤنٹ سے متعلق نہیں ہے۔ برائے مہربانی ہمیں متعلقہ اکاؤنٹ سے لکھیں یا متعلقہ اسناد کے ساتھ help.uber.com کے ذریعے سائن ان کریں اور ہمیں اس مسئلے کے بارے میں بتائیں تاکہ ہم آپ کی مزید مدد کر سکیں۔"
مسٹر احمد نے 03 جولائی 2020 کو اوبر کی طرف سے انہیں بھیجی گئی آن بورڈنگ ای میل کی تصویر منسلک کرتے ہوئے واپس لکھا، یہ ظاہر کرنے کے لیے کہ وہ متعلقہ اکاؤنٹ سے لکھ رہے ہیں۔ 19 اپریل 2021 کو، انہیں وہی پیغام موصول ہوا جس میں کہا گیا تھا کہ ان کی "تشویش اس اکاؤنٹ سے متعلق نہیں ہے۔"
مسٹر احمد نے ایک بار پھر وضاحت کرتے ہوئے لکھا کہ وہ اپنے اکاؤنٹ تک رسائی سے قاصر ہیں اور انہوں نے اپنے Uber Eats اکاؤنٹ سے وابستہ تفصیلات فراہم کی ہیں۔ اس نے رہنمائی حاصل کرنے کو کہا کہ وہ اپنی شناخت کے لیے اور کیا معلومات فراہم کر سکتا ہے۔ اسے کوئی جواب نہیں ملا۔
اس موقع پر مسٹر احمد نے ایپ ڈرائیورز اینڈ کوریئرز یونین اور ورکر انفو ایکسچینج سے مدد طلب کی اور ہم نے اس مسئلے کو Uber کے ساتھ بڑھایا۔ 11 مئی 2021 کو، مسٹر احمد کو Uber کی طرف سے ایک ای میل موصول ہوئی جس میں ان سے کہا گیا کہ وہ ہماری طرف سے کی گئی درخواست کی تصدیق کریں۔ اس نے تصدیق کرتے ہوئے واپس لکھا کہ اس نے ہمیں اپنا مینڈیٹ دیا ہے اور وہ چاہیں گے کہ ان کی درخواست پر کارروائی کی جائے۔
14 مئی 2021 کو، مسٹر احمد کو درخواست پر کارروائی کرنے کے لیے Uber کے ذریعے ایک شناختی تصدیقی فارم بھیجا گیا۔ فارم میں وہی تفصیلات مانگی گئیں جو اس نے پہلے ہی اپنے پچھلے پیغامات میں شیئر کی تھیں جیسے ای میل، فون نمبر، رہائش کا ملک، درخواست کردہ ڈیٹا کی قسم۔ اس نے اس کی "موجودہ درجہ بندی" کے بارے میں بھی کہا - جو کہ قابل اطلاق نہیں تھا، کیونکہ اب اسے اپنے اکاؤنٹ تک رسائی نہیں تھی۔ مسٹر احمد نے فارم اوبر کو بھیجا، لیکن اسے کوئی جواب نہیں ملا۔
20 مئی 2021 کو، مسٹر احمد نے تصدیق حاصل کرنے کے لیے Uber کو لکھا کہ وہ اس کی درخواست پر کارروائی کر رہے ہیں۔ اسے کوئی جواب نہیں ملا۔
تحریر کے وقت، مسٹر احمد کو ان کا ڈیٹا موصول نہیں ہوا ہے۔ اور نہ ہی اسے اس بات کی کوئی وضاحت دی گئی ہے کہ ان کی درخواست پر کارروائی کیوں نہیں کی جا رہی ہے۔
متضاد اور بڑھتا ہوا ڈیٹا شیئرنگ
مسٹر امینی ایک سابق Uber ڈرائیور ہیں جنہیں جغرافیائی محل وقوع کی جانچ میں ناکامی کے بعد نومبر 2020 میں غیر فعال کر دیا گیا تھا۔ Uber نے اپنی برطرفی کی اطلاع TfL کو دی، جس نے پھر مسٹر امینی کا پرائیویٹ ہائر لائیسنس منسوخ کر دیا اور انہیں کام کے بغیر چھوڑ دیا۔ اپنی برطرفی کی وجہ کو سمجھنے کی کوشش میں، مسٹر امینی نے Uber سے اپنا ڈیٹا حاصل کرنے کی کوشش کی۔
مسٹر امینی نے 13 اپریل 2021 کو اپنی پہلی درخواست کی اور اپنا تمام ذاتی ڈیٹا طلب کیا، بشمول Uber کی طرف سے تیار کردہ رہنمائی دستاویز میں بیان کردہ 26 ڈیٹا کیٹیگریز کے ساتھ ساتھ ریئل ٹائم آئی ڈی چیک کے جواب میں اس کی طرف سے جمع کرائی گئی تصاویر۔ اس نے واضح کیا کہ وہ ایک Uber ڈرائیور کے طور پر سرگرم رہنے کے پورے عرصے کا ڈیٹا چاہتا ہے۔
مسٹر امینی کو 05 مئی 2021 کو ان کی درخواست کا جواب موصول ہوا، تاہم دیے گئے ڈیٹا میں ان کی درخواست سے صرف 30 دن پہلے کا احاطہ کیا گیا تھا۔ چونکہ مسٹر امینی اس عرصے کے دوران Uber کے لیے کام کرنے کے قابل نہیں رہے تھے، اس لیے فراہم کیے گئے بہت سے ڈیٹا سیٹ خالی تھے۔
مسٹر امینی نے پھر 06 مئی 2021 کو ایک اور درخواست کی، ایک بار پھر یہ کہتے ہوئے کہ وہ Uber کے ساتھ کام کرنے والے پورے ٹائم فریم سے متعلق ڈیٹا کی درخواست کر رہے ہیں، خاص طور پر یہ کہتے ہوئے کہ وہ نومبر 2020 تک جمع کیے گئے ڈیٹا کی خواہش رکھتے ہیں۔
مسٹر امینی کو 28 مئی 2021 کو جواب موصول ہوا۔ تاہم، انہیں ایک بار پھر نامکمل ڈیٹا بھیجا گیا۔ خاص طور پر، Uber کی طرف سے فراہم کردہ Driver Detailed Device Data csv مکمل طور پر خالی تھا۔
مسٹر امینی نے 02 جون 2021 کو ایک اور درخواست کی جس میں گمشدہ ڈیٹا کا مطالبہ کیا۔ اسے نومبر 2020 کے لیے اپنے ڈرائیور کا تفصیلی ڈیوائس ڈیٹا 10 جون 2021 کو موصول ہوا۔ تاہم، یہ بتانے کے باوجود کہ وہ Uber کے تیار کردہ رہنمائی نوٹوں میں درج تمام ڈیٹا فیلڈز چاہتا ہے، اسے ایک محدود ڈیٹا سیٹ بھیجا گیا جس میں 50 میں سے 32 ڈیٹا کو چھوڑ دیا گیا۔ کھیتوں
رکاوٹ اور مزاحمت
مسٹر ماجد ایک سابق اوبر ڈرائیور ہیں جنہیں جغرافیائی محل وقوع کی ناکامی کے بعد ستمبر 2020 میں غیر فعال کر دیا گیا تھا۔ جیسا کہ مسٹر امینی کے کیس میں ہے، Uber نے TfL کو مسٹر ماجد کی برطرفی کی اطلاع دی، جس کی وجہ سے ان کا پرائیویٹ ہائر لائسنس منسوخ کر دیا گیا۔ Uber کے الزامات کی بنیاد کو سمجھنے کی کوشش میں، اس نے اس کا ڈیٹا حاصل کرنے کی کوشش کی۔
مسٹر ماجد نے سب سے پہلے 2 جون 2021 کو اپنے ڈیٹا کی درخواست کرنے کے لیے اوبر سے رابطہ کیا۔ جواب میں، انہیں ایک پیغام موصول ہوا جس میں کہا گیا کہ وہ اپنی تشویش کو مختصراً بیان کریں۔ مسٹر ماجد نے ستمبر 2020 کے لیے 3 ڈیٹا کیٹیگریز (اوبر کے رہنمائی نوٹ میں درج 26 زمروں میں سے) کے لیے اپنی درخواست کا جواب دیا۔
8 جون 2021 کو، مسٹر ماجد کو Uber سے ایک پیغام ملا جس میں کہا گیا تھا: "ہماری رازداری کی پالیسی ہمیں آپ کے پارٹنر اکاؤنٹ سے منسلک ای میل ایڈریس کے ذریعے رابطے کے بغیر تبدیلیاں کرنے یا ذاتی معلومات پر بات کرنے کی اجازت نہیں دیتی۔ اپنے مخصوص مسئلے میں آپ کی مدد کرنے کے لیے، آپ کو اس اکاؤنٹ سے وابستہ ای میل ایڈریس کا استعمال کرتے ہوئے لکھنا ہوگا۔ سمجھنے کے لئے شکریہ."
اس مرحلے پر مسٹر ماجد نے ہم سے رابطہ کیا، الجھن میں، جیسا کہ انہوں نے اپنے اکاؤنٹ سے Uber کو لکھا تھا۔ اس نے Uber کو وضاحت کرتے ہوئے واپس لکھا کہ اس نے اپنے ڈرائیور اکاؤنٹ میں سائن ان کر کے ان سے رابطہ کیا، اس لیے وہ یقینی طور پر درست ای میل ایڈریس سے لکھ رہا تھا۔ اس نے پوچھا کہ کیا وہ Uber کو یقین دلانے کے لیے کوئی اضافی شناخت/دستاویزات فراہم کر سکتا ہے کہ وہ درخواست کرنے والا ہے۔
جواب میں، اسے Uber سے وہی پیغام ملا: "ہیلو...آپ کے پیغام کے لیے آپ کا شکریہ۔ ہم سمجھتے ہیں کہ آپ Uber اکاؤنٹ سے متعلق معلومات پر بات کرنا چاہیں گے۔ اگر آپ اکاؤنٹ ہولڈر ہیں، تو براہ کرم اپنے پارٹنر-ڈرائیور اکاؤنٹ سے منسلک ای میل ایڈریس سے لکھیں، اور ہم فوراً آپ کی مدد کر سکیں گے۔"
09 جون 2021 کو، مسٹر ماجد نے اپنے پارٹنر اکاؤنٹ میں لاگ ان کیا اور دوبارہ کوشش کرنے کے لیے Uber سپورٹ کے ساتھ چیٹ شروع کی۔ اس کا پیغام یہ پوچھ رہا تھا کہ آیا وہ موضوع تک رسائی کی درخواست کر سکتا ہے، نظر انداز کر دیا گیا۔
14 جون 2021 کو، مسٹر ماجد نے ایک بار پھر Uber سے رابطہ کیا، یہ بتاتے ہوئے کہ ان کے پاس اپنے ڈرائیور پارٹنر اکاؤنٹ کے بارے میں سوال ہے۔ اسے Uber کی طرف سے ایک جواب موصول ہوا: "پہنچنے کا شکریہ... ہم نے آپ کی تشویش کا جائزہ لینے کا موقع لیا ہے اور دیکھ سکتے ہیں کہ آپ اس مسئلے کے بارے میں پہلے ہم تک پہنچ چکے ہیں۔ ہماری ٹیم کا ایک رکن فی الحال آپ کے مسئلے کی تحقیقات کر رہا ہے اور ہم جلد از جلد آپ سے رابطہ کریں گے۔ اپنی بات چیت کو ہموار کرنے اور کسی بھی الجھن سے بچنے کے لیے ہم اس رابطے کو بند کرنے کے لیے آگے بڑھ رہے ہیں۔
16 جون 2021 کو، مسٹر ماجد نے ایک بار پھر Uber سے رابطہ کیا، اور کہا کہ ان سے درخواست کرنے کے لیے اپنے اکاؤنٹ میں سائن ان کرنے کو کہا گیا تھا، اور ایسا کرنے کے بعد، وہ اپنی درخواست کی تفصیلات بتانا چاہتے تھے۔ اسے اگلے دن جواب موصول ہوا، اور اس کے بعد 18 جون 2021 کو درخواست کی تفصیلات (اوپر درج تین ڈیٹاسیٹس میں سے) بھیج دیں۔
کوئی جواب نہ ملنے پر، مسٹر ماجد نے 28 جون 2021 کو دوبارہ Uber سے رابطہ کیا، اس بات کی تصدیق کے لیے کہ ان کی درخواست پر کارروائی ہو رہی ہے۔ 01 جولائی 2021 کو، اسے ایک جواب موصول ہوا جس میں کہا گیا کہ اس کی تشویش خصوصی ٹیم کے ساتھ اٹھائی گئی ہے اور وہ مزید تفتیش کے لیے رابطے میں رہیں گے۔
02 جولائی 2021 کو، مسٹر ماجد کو اس میسج تھریڈ کا جواب موصول ہوا جو انہوں نے 09 جون 2021 کو شروع کیا تھا۔ اس پیغام میں کہا گیا کہ Uber کو ذاتی طور پر ہالینڈ میں Uber BV کے پوسٹل ایڈریس پر بھیجنے کی درخواستیں درکار ہیں۔
مسٹر ماجد کا مزید کوئی رابطہ نہیں ہوا۔
"الگورتھمز کا سوال uberization کے مرکزی خیال میں ہے۔ اکثر، یہ الگورتھم ہے جو باس کا اصل کردار ادا کرتا ہے، کیونکہ ٹیکنالوجی کارکنوں کی ماتحتی کے لیے نئے ذرائع فراہم کرتی ہے۔ واضح طور پر الگورتھمک مینجمنٹ کی شفافیت کی ضرورت ہے لیکن اس شفافیت سے آگے الگورتھم کے شریک انتظام کی ضرورت ہے۔ کارکنوں کے نمائندوں کو ان کی ترقی میں حصہ لینے کے قابل ہونا چاہئے۔"
لیلا چابی، ایم ای پی
کیس اسٹڈیز: پلیٹ فارم کے جوابات
ورکر انفارمیشن ایکسچینج کی طرف سے بیچ کی درخواستیں۔
جیسا کہ مندرجہ بالا مثالوں سے ظاہر ہوتا ہے، انفرادی درخواست کے عمل میں بہت زیادہ وقت لگ سکتا ہے اور صلاحیت بہت زیادہ ہو سکتی ہے۔ اس لیے ہم نے پروسیس بنائے ہیں تاکہ ہم ڈرائیوروں کی جانب سے بیچ کی درخواستیں کر سکیں اور اس پیچیدہ طریقہ کار کو ہموار کر سکیں۔ ہم نے اسکرائیو کے ذریعہ تیار کردہ الیکٹرانک دستخط اور ID حل کا استعمال کرتے ہوئے ایک نظام ترتیب دیا ہے تاکہ کارکنوں سے ان کی طرف سے درخواستیں کرنے کا قانونی مینڈیٹ حاصل کیا جا سکے۔ اس حل میں Onfido کے ذریعے چلائی جانے والی ایک ID کی تصدیق بھی شامل ہے (وہی ID تصدیقی سروس جو Uber کے ذریعے استعمال کی جاتی ہے)، تاکہ یہ یقینی بنایا جا سکے کہ ہم اور ڈیٹا کنٹرولر دونوں درخواست گزار کی شناخت کے بارے میں یقین کر سکتے ہیں اور ان کے ڈیٹا کی رازداری کو محفوظ رکھ سکتے ہیں۔ شناختی تصدیق کے لیے کارکنوں سے درج ذیل شناختی دستاویزات میں سے ایک جمع کرانے کی ضرورت ہوتی ہے: پاسپورٹ، ڈرائیور کا لائسنس، شناختی کارڈ یا رہائشی اجازت نامہ۔ اس عمل کے ذریعے، ہر فرد کے لیے ایک انفرادی رضامندی کی دستاویز تیار کی جاتی ہے جسے الیکٹرانک طور پر سیل کیا جاتا ہے اور شناختی عمل کی صداقت کو ثابت کرنے کے لیے ثبوت کے لاگ پر مشتمل مخفی منسلکات کے ذریعے تصدیق کی جاتی ہے۔ (اسکرائیو رضامندی کے فارموں کی سالمیت کی تصدیق کے لیے ایک خدمت بھی فراہم کرتا ہے، جو کہ دستاویزات میں منسلک ہے۔) ہم یہ دستاویزات، درخواست کرنے والے کارکنوں کے نام، ای میلز، پتے اور فون نمبرز پر مشتمل اسپریڈ شیٹ کے ساتھ بھیجتے ہیں۔
کچھ کمپنیاں اس طریقہ کار کے ذریعے کی جانے والی درخواستوں کا جواب دینے میں قابل عمل اور تعاون پر مبنی ہیں، جب کہ دیگر بہت زیادہ رکاوٹ اور مخالفانہ رویے میں مصروف ہیں۔ تاہم، یہاں تک کہ جب کمپنیوں نے درخواستوں کی تعمیل کی ہے، جمع کیے گئے درست ڈیٹا کیٹیگریز کو قائم کرنے کے ساتھ ساتھ ایک منظم اور مشین کے پڑھنے کے قابل فارمیٹ میں درخواست کردہ تمام ڈیٹا کو حاصل کرنے میں مستقل مسائل رہے ہیں۔ بہت کم کمپنیاں ڈیٹا کیٹیگریز کی واضح وضاحت کے ساتھ رہنمائی کے دستاویزات فراہم کرنے میں کامیاب ہوئی ہیں، اور جو ڈیٹا ہمیں موصول ہوا ہے اس میں اکثر رازداری کی پالیسیوں میں بیان کردہ پروسیسنگ کے ساتھ اہم تضادات ظاہر ہوتے ہیں۔ عام طور پر، کمپنیوں نے ڈیٹا کے طریقوں سے انکار کرنے کا رجحان ظاہر کیا ہے جو وہ ظاہر نہیں کرنا چاہتے ہیں۔ ایک مثال میں، ایک کمپنی نے دعویٰ کیا کہ ان کی پرائیویسی پالیسی میں جن دھوکہ دہی کا حوالہ دیا گیا ہے وہ صرف ایک مقدمے کے حصے کے طور پر کیا گیا تھا، اور یہ کہ رازداری کی پالیسی پرانی تھی۔ ایک اور نے ہمیں ایک دستاویز کا حوالہ دیا جس کے بارے میں انہوں نے دعویٰ کیا کہ اس نے اس دستاویز کی جگہ لے لی ہے جس پر ہم اپنی درخواست پر مبنی تھے، حالانکہ دونوں دستاویزات ایک ہی تاریخ کو اپ ڈیٹ کی گئی تھیں۔
ان مشکلات کے باوجود، ہمیں جس سب سے زیادہ متنازعہ پش بیک کا سامنا کرنا پڑا ہے وہ تیسرے فریق کے طور پر موضوع تک رسائی کی درخواستیں کرتے وقت کارکنوں کی جانب سے کام کرنے کے ہمارے حق سے انکار ہے۔ یہ غیر مبہم حق (واضح طور پر ICO کی رہنمائی میں بیان کیا گیا ہے اور یہاں تک کہ حکومت کی GDPR اصلاحاتی تجویز کے ذریعہ فروغ دیا گیا ہے) کو بولٹ اور اوبر دونوں نے سوالیہ نشان بنا دیا تھا۔ اگرچہ یہ ظاہر ہے کہ مزاحمت درخواست کے عمل کو مایوس کرنے کی طرف کام کرتی ہے، یہ شناخت کی تصدیق کے عمل سے متعلق موجودہ رہنمائی میں ایک اہم خلا کی طرف بھی اشارہ کرتا ہے۔ جب کمپنیاں کارکنوں کے ساتھ براہ راست رابطہ کرکے شناخت کی جانچ کرانے پر اصرار کرتی ہیں، انہیں قانونی طور پر پیچیدہ خط و کتابت کا نشانہ بناتی ہیں، تو یہ بڑی حد تک درخواستوں کے لیے فریق ثالث سے اپیل کرنے کے مقصد کی نفی کرتی ہے۔ یہاں متعلقہ فریقوں کے حقوق کے درمیان تنازعہ ہے جس کے لیے فوری ضابطہ کی رہنمائی کی ضرورت ہے تاکہ اس بات کو یقینی بنایا جا سکے کہ معلوماتی ہم آہنگی کو گہرا کرنے کے لیے اس کا غلط استعمال اور ہیرا پھیری نہ ہو۔
ڈیلیور
ہم نے جن سات کمپنیوں سے درخواستیں کی ہیں ان میں سے ڈیلیورو سب سے زیادہ تعمیل کرنے والی تھی۔ ہماری درخواستوں میں، ہم نے کمپنیوں سے کہا کہ وہ اس تاریخ کی تصدیق کریں جس تک درخواست کا جواب دیا جائے گا اور درخواستوں پر بڑے پیمانے پر کارروائی کرنے کے لیے، تمام انفرادی انکشافات کیے جانے پر ہمیں مطلع کریں۔
ڈیلیورو نے قانونی وقت کی حد کے اندر درخواستوں کا جواب دیا، بشرطیکہ a رہنمائی دستاویز، واضح طور پر ڈیٹا کیٹیگریز کی تشریح کرتا ہے اور اس عمل کے ذریعے ہم سے بات چیت کرتا ہے۔
اب فری ہو
Free Now نے متوقع وقت کے اندر ہماری درخواست کی تعمیل کی ہے اور اس عمل کے ذریعے جوابدہ رہا ہے تاہم، وہاں ہمیں کچھ مسائل کا سامنا کرنا پڑا ہے جن کو اجاگر کرنا ضروری ہے۔
1) فری ناؤ نے ابتدائی طور پر ہمیں درخواست کرنے کے لیے ان کے آن لائن رابطہ فارم پر بھیجنے کی کوشش کی۔ یہ دستاویزات کے سائز کی حمایت نہیں کرتا ہے جو ہمیں اشتراک کرنے کی ضرورت ہے. ہم صرف ڈی پی او کی ای میل حاصل کرنے میں کامیاب ہوئے جب بار بار ای میلز کے ذریعے مسئلہ کی وضاحت کی گئی۔
2) جو ڈیٹا ہمیں موصول ہوا اس میں کچھ ڈیٹا زمروں کا احاطہ نہیں کیا گیا جو ہم نے مانگے تھے، جیسے کہ دھوکہ دہی کی روک تھام کے لیے استعمال ہونے والے "رینڈم فارسٹ" الگورتھم سے متعلق ڈیٹا۔ میں اس کی وضاحت کی گئی ہے۔ ڈرائیور کی رازداری کی پالیسی جو کہتی ہے: "حساب شدہ اسکور کی بنیاد پر ہم اس کے مطابق بھیجے گئے سفروں کو ترجیح دینے کے قابل ہیں۔ یہ منصفانہ اور خطرے کو کم سے کم ترسیل کو یقینی بناتا ہے۔" جب ہم نے اس کی نشاندہی کی تو فری ناؤ نے کہا:
"ہم اپنے ڈرائیوروں پر دھوکہ دہی کے اسکور پر کارروائی نہیں کرتے ہیں، اور ہم اپنے ڈرائیوروں اور/یا ان کے ذاتی ڈیٹا کے سلسلے میں فراڈ کا پتہ لگانے والے الگورتھم کا استعمال نہیں کرتے ہیں (اور استعمال نہیں کیا ہے)۔
ہمارے ڈرائیور پرائیویسی نوٹس کا سیکشن 3.4 اس لیے اس سلسلے میں اپ ڈیٹ کرنے کی ضرورت ہے اور ہمیں اس بارے میں کسی الجھن پر افسوس ہے۔ پس منظر کے لحاظ سے، ہم نے سب سے پہلے اس سیکشن کو نوٹس میں ٹیسٹنگ کے سلسلے میں متعارف کرایا جو ہمارے ریونیو ایشورنس ڈیپارٹمنٹ کے ذریعے کیا جا رہا تھا۔ تاہم، اس ٹیسٹنگ میں کبھی کوئی ڈرائیور شامل نہیں کیا گیا تھا، اور اس لیے ڈرائیور سے متعلق کوئی فراڈ سکور (یا اس سے ملتا جلتا) نہیں بنایا گیا ہے۔ اس کے بعد سے ہم نے اس ٹیسٹنگ کو روک دیا ہے۔
3) ڈیٹا کیٹیگریز کی تفصیل پیش کرنے والی ایک رہنمائی دستاویز کے لیے ہماری درخواست کے جواب میں، ہمیں مشورہ دیا گیا:
"سوال میں ڈیٹا کی قابل رسائی، جامع اور قابل فہم شکل کو دیکھتے ہوئے، ان درخواستوں کے سلسلے میں کسی اضافی رہنمائی کی ضرورت نہیں ہے۔"
"ہم اپنے ڈرائیوروں پر دھوکہ دہی کے اسکور پر کارروائی نہیں کرتے ہیں، اور ہم اپنے ڈرائیوروں اور/یا ان کے ذاتی ڈیٹا کے سلسلے میں فراڈ کا پتہ لگانے والے الگورتھم کا استعمال نہیں کرتے ہیں (اور استعمال نہیں کیا ہے)۔
ہمارے ڈرائیور پرائیویسی نوٹس کا سیکشن 3.4 اس لیے اس سلسلے میں اپ ڈیٹ کرنے کی ضرورت ہے اور ہمیں اس بارے میں کسی الجھن پر افسوس ہے۔ پس منظر کے لحاظ سے، ہم نے سب سے پہلے اس سیکشن کو نوٹس میں ٹیسٹنگ کے سلسلے میں متعارف کرایا جو ہمارے ریونیو ایشورنس ڈیپارٹمنٹ کے ذریعے کیا جا رہا تھا۔ تاہم، اس ٹیسٹنگ میں کبھی کوئی ڈرائیور شامل نہیں کیا گیا تھا، اور اس لیے ڈرائیور سے متعلق کوئی فراڈ سکور (یا اس سے ملتا جلتا) نہیں بنایا گیا ہے۔ اس کے بعد سے ہم نے اس ٹیسٹنگ کو روک دیا ہے۔
"سوال میں ڈیٹا کی قابل رسائی، جامع اور قابل فہم شکل کو دیکھتے ہوئے، ان درخواستوں کے سلسلے میں کسی اضافی رہنمائی کی ضرورت نہیں ہے۔"
"دھوکہ دہی کی سرگرمیوں کو روکنے کے لیے، ہم آپ کے موبائل ڈیوائس کے ذریعے بھیجے گئے آپ کے GPS لوکیشن ڈیٹا کو قبولیت کے وقت سے لے کر ٹور کے اختتام تک مختصر وقفوں پر محفوظ کرتے ہیں۔ یہ ابھی مفت ٹور کے پورے کورس کا نقشہ بنانے کی اجازت دیتا ہے۔ اس طرح، ہم اس بات کو یقینی بنانا چاہتے ہیں کہ ڈرائیور زیادہ فیس حاصل کرنے کے لیے جان بوجھ کر راستے میں توسیع نہ کریں۔ ایک ہی وقت میں، ہم اصل کورس اور ٹور کے راستے کی پیروی کرنے کے قابل ہو کر مسافروں کی بلاجواز شکایات کو دور کر سکتے ہیں۔ ٹور کے دوران آپ کے GPS لوکیشن ڈیٹا کی پروسیسنگ آپ کے اپنے تحفظ کے ساتھ ساتھ مسافر کے تحفظ اور آرٹ کی بنیاد پر ہمارے تحفظ کے لیے ہوتی ہے۔ 6 (1) f) جی ڈی پی آر۔
ایمیزون فلیکس
Amazon Flex نے ابتدائی طور پر ڈیٹا کے مضامین کی شناخت کے لیے درخواستوں کا جواب دیا، تاہم، Onfido کے ذریعے کی گئی تصدیق کی وضاحت موصول ہونے پر، انہوں نے اس بات پر اتفاق کیا کہ درخواستوں کو پورا کرنے کے لیے ڈیٹا کے مضامین کے بارے میں کافی معلومات فراہم کی گئی تھیں۔
تصدیق کے بعد، Amazon Flex نے ہمیں مطلع کیا کہ انہیں درخواستوں کا مکمل جواب دینے کے لیے مزید دو ماہ درکار ہوں گے۔
ایمیزون نے مقررہ وقت کے اندر درخواستوں کو پورا کیا تاہم ابتدائی طور پر ڈیٹا کیٹیگریز یا ڈیٹا فیلڈز کی وضاحت پیش کرنے والی رہنمائی دستاویز تیار کرنے میں ناکام رہا، جس نے زیادہ تر معلومات کو ناقابل فہم بنا دیا کیونکہ یہ واضح نہیں تھا کہ پیمائش کی اکائیاں یا میٹرکس کیا ہیں؟ ان میں سے. انہوں نے مشین پڑھنے کے قابل فارمیٹ جیسے csv کے لیے ہماری وضاحت کے باوجود تمام ڈیٹا پی ڈی ایف فارمیٹ میں بھیجا ہے۔
ہم نے بعد میں ان غلطیوں کو دور کرنے کے لیے ایمیزون کو لکھا اور ایک رہنمائی دستاویز اور ڈیٹا دونوں کو مشین پڑھنے کے قابل فارمیٹ میں حاصل کرنے کے قابل ہو گئے۔
بس کھاؤ
درخواستوں کی تصدیق کے بعد، Just Eat نے ہمیں مطلع کیا کہ انہیں درخواستوں کا مکمل جواب دینے کے لیے مزید دو ماہ درکار ہوں گے، اور وہ ستمبر 2021 تک ڈیٹا فراہم کر دیں گے۔ Just Eat نے مخصوص تاریخ تک ڈیٹا فراہم کیا اور بتایا کہ ان کے پاس DSARs پر کارروائی کی، جیسا کہ ہم نے درخواست کی تھی۔
ڈیٹا میں وسیع محل وقوع کی معلومات (پی ڈی ایف فارمیٹ میں) شامل تھی لیکن اس نے دیگر زمروں میں سے کوئی بھی فراہم نہیں کیا جس کی ہم نے درخواست کی تھی، جیسا کہ آپریشنز اور/یا کامیاب ترسیل کی تعمیل کا اندازہ لگانے کے لیے میٹرکس۔
رہنمائی کی دستاویز فراہم نہیں کی گئی۔
اولا
اولا نے درخواست کی وصولی کے ایک ماہ بعد تصدیق کی۔ ہمیں مشورہ دیا گیا کہ "وہ مناسب وقت پر اس پر کارروائی کریں گے۔"
ڈرائیوروں کو ایک ماہ بعد ان کی درخواستوں کے جوابات موصول ہوئے، جس میں ایک اسپریڈشیٹ شامل تھی جس میں صرف ڈرائیور کی طرف سے سائن اپ کرتے وقت معلومات درج ہوتی تھیں، جیسے: نام، فون نمبر، قومی بیمہ نمبر، ادائیگی کی تفصیلات؛ اوسط درجہ بندی کے ساتھ۔
ہم نے بعد میں اپنی تشویش کا اظہار کرنے کے لیے Ola کو لکھا کہ دیا گیا ڈیٹا Ola کے 'ہم آپ کے ڈیٹا کو کیسے پروسیس کرتے ہیں' صفحہ میں درج کئی زمروں کا احاطہ نہیں کرتا ہے۔ Ola نے ہمیں رازداری کی پالیسی کا حوالہ دیتے ہوئے جواب دیا، یہ تجویز کیا کہ دیگر تمام معلومات پرانی اور پرائیویسی پالیسی کے ذریعے ختم کر دی گئی ہیں۔
ہم نے وضاحت کی کہ دونوں دستاویزات پر موجود تاریخوں سے ظاہر ہوتا ہے کہ انہیں ایک ہی وقت میں اپ ڈیٹ کیا گیا تھا۔ ہم نے جن زمروں کا حوالہ دیا ہے وہ رازداری کی پالیسی میں بیان کردہ ڈیٹا پروسیسنگ کی تفصیلی خرابی معلوم ہوتی ہیں۔
ہمیں اولا سے مزید مواصلت موصول نہیں ہوئی۔
بولٹ
بولٹ نے 27 اپریل 2021 کو کی گئی ہماری درخواست کو نظر انداز کر دیا۔ ہم صرف بولٹ کی لیڈ سپروائزری اتھارٹی، ایسٹونیا ڈیٹا پروٹیکشن انسپکٹوریٹ، اینڈمیکیٹس انسپیکٹسیون (AKI) کو شکایت کرنے کے بعد ہی جواب حاصل کر سکے۔ 24 مئی 2021 کو، AKI نے بولٹ کو 04 جون 2021 تک ہماری درخواست کا جواب دینے کی ہدایت کی۔
04 جون 2021 کو، ہمیں ایک ای میل موصول ہوئی جس میں بولٹ نے دعویٰ کیا کہ وہ دستاویزات کی وصولی میں نہیں ہیں جو ہم نے انہیں بھیجے تھے:
"ہمیں اپنی لیڈ EU سپروائزری اتھارٹی کے ذریعے موصول ہوا ہے، یعنی AKI، آپ کی خط و کتابت جو بولٹ سے کی گئی تھی، "ای میل کے ذریعے"، مورخہ 27 اپریل 2021۔
AKI نے 24 مئی کو ہمیں خط لکھا جس میں بولٹ سے کہا گیا کہ وہ آپ کے خط و کتابت کا جواب دیں۔ ہمیں صرف آپ کا خط موصول ہوا ہے، اور آپ کے خط و کتابت میں کوئی بھی منسلکہ حوالہ نہیں دیا گیا ہے۔
آپ کی درخواست، مورخہ 27 اپریل 2021، ڈیٹا مضامین کے ذاتی ڈیٹا کی پورٹنگ کی کوشش کرتی ہے - یعنی ڈرائیورز - جو آپ کے مینڈیٹ کے تحت ہیں۔
شناخت کی تصدیق
بولٹ آپ کے مینڈیٹ کے تحت ہونے والے کسی بھی ڈیٹا سبجیکٹ کے نام کی وصولی میں نہیں ہے۔
ورکر انفارمیشن ایکسچینج کے بارے میں کہا جاتا ہے کہ، آپ کے خط و کتابت میں، ہر ڈرائیور کی شناخت اور تصدیق کی ہے۔ اگرچہ اس کی تعریف کی جاتی ہے، یہ کنٹرولر، بولٹ کے لیے ہے کہ وہ ڈیٹا کے موضوع کی شناخت کی تصدیق کے لیے تمام معقول اقدامات استعمال کرے جس نے اپنے ذاتی ڈیٹا تک رسائی کی درخواست کی ہو۔ اس بات کو ذہن میں رکھتے ہوئے کہ ہمیں صرف آپ کا خط موصول ہوا ہے، مورخہ 27 اپریل 2021، جو AKI کے ذریعے مطلع کیا گیا تھا، ہمارے پاس تصدیق کا معائنہ کرنے اور نہ ہی خود کو مطمئن کرنے اور اس بات کو یقینی بنانے کا کوئی ذریعہ نہیں ہے کہ مناسب تکنیکی تحفظات ان درخواستوں کی صداقت کو یقینی بنائیں۔
سپروائزری اتھارٹی کا دائرہ اختیار
بولٹ صارف کے حقوق کو برقرار رکھنے کے لیے پرعزم ہے، شکایات کا ایک چینل فراہم کرتا ہے، اور جہاں بھی ضروری ہو AKI اور دیگر نگران حکام کے ساتھ جوش و خروش سے مشغول رہتا ہے۔ اس مثال میں، تاہم، ہم اس بات سے مطمئن نہیں ہیں کہ ورکر انفارمیشن ایکسچینج GDPR کے معنی میں ڈیٹا کے مضامین کی جانب سے AKI کے پاس شکایت درج کرانے کے لیے اہل ہے۔
ہم نے 27 اپریل کو بولٹ کو بھیجے گئے مینڈیٹ دستاویزات کو شامل کرتے ہوئے فوری جواب دیا۔ بولٹ نے کوئی جواب نہیں دیا۔ ہم نے 16 جون 2021 کو بولٹ کی دستاویزات کی وصولی کی تصدیق کے لیے فالو اپ ای میل بھیجی، اسے بھی نظر انداز کر دیا گیا۔
آخر کار، اکتوبر 2021 میں، AKI کے ساتھ معاملے کو مزید بڑھانے کے بعد، ہمیں بولٹ کی جانب سے ڈیٹا کی ہماری درخواستوں کا اعتراف موصول ہوا۔ خط و کتابت میں ، بولٹ نے ایک بار پھر ہمارے آئی ڈی کی تصدیق کے عمل کو چیلنج کیا اور یہ دعویٰ کیا کہ ہم نے جن ڈیٹا کیٹیگریز کی درخواست کی تھی وہ ڈیٹا پورٹیبلٹی کے دائرہ سے باہر ہیں۔ ہمارے لیے یہ واضح نہیں ہے کہ ان میں سے کچھ زمرے (جیسا کہ 'کارکردگی کی درجہ بندی' جیسا کہ رازداری کی پالیسی میں بیان کیا گیا ہے) موضوع تک رسائی کی درخواستوں کے دائرہ کار میں کیوں نہیں آتے ہیں۔ رسائی فراہم کی جاتی ہے، ہمیں بتایا گیا تھا کہ ٹرپ ڈیٹا کے حوالے سے ڈرائیوروں کو اور کسی بھی راستے کی مزید معلومات کا اشتراک دوسروں کے حقوق کی خلاف ورزی کرے گا اور بولٹ کے لیے "تجارتی طور پر تباہ کن" ہو گا:
"لہٰذا، اصولی طور پر، بولٹ نے متعلقہ تصدیقی جانچوں کو مطمئن کرتے ہوئے - اس طرح کی کسی بھی پورٹیبلٹی درخواست کے ساتھ اس کی فراہمی کے ذریعے تعمیل کرنے کی کوشش کی ہوگی جو ذمہ داری کے دائرہ میں رہتی ہے:
• نام، ای میل، فون نمبر، رہائش کی جگہ۔
• گاڑیوں کے بارے میں معلومات (بشمول رجسٹریشن نمبر)
• ڈرائیور کا لائسنس، تصویر، پیشہ اور شناختی دستاویزات۔
یہ معلومات بولٹ ڈرائیورز کے لیے اکاؤنٹ پورٹل میں پہلے سے ہی دستیاب ہے، اور اس کا معائنہ اور بازیافت کیا جا سکتا ہے۔
مزید برآں، ہم نے ایک بولٹ ڈرائیور کی مدد کی جو بولٹ سے انفرادی درخواست کرنے کے لیے اپنا ڈیٹا حاصل کرنے کی کوشش کر رہا تھا۔ بولٹ اگست 2020 سے ڈرائیور کی بار بار کی درخواستوں کو نظر انداز کر رہا تھا۔ ڈرائیور نے AKI کو شکایت کی اور بولٹ کو 16 جون 2021 تک اس کی درخواست کا جواب دینے کی ہدایت کی گئی۔ آخر کار ڈرائیور کو کچھ ڈیٹا بھیجا گیا، (زیادہ تر ڈیٹا ڈرائیور نے خود فراہم کیا تھا۔ , جیسا کہ وہ دستاویزات جو اس نے سائن اپ کے دوران جمع کرائے) تاہم اس میں متعدد اہم ڈیٹا زمروں کا احاطہ نہیں کیا گیا جیسے کہ مقام کا ڈیٹا، راستے کی معلومات یا کارکردگی کی درجہ بندی۔ ڈرائیور کو یہ وضاحت پیش نہیں کی گئی کہ اسے یہ ڈیٹا سیٹ کیوں نہیں دیے گئے۔
"ہمیں اپنی لیڈ EU سپروائزری اتھارٹی کے ذریعے موصول ہوا ہے، یعنی AKI، آپ کی خط و کتابت جو بولٹ سے کی گئی تھی، "ای میل کے ذریعے"، مورخہ 27 اپریل 2021۔
AKI نے 24 مئی کو ہمیں خط لکھا جس میں بولٹ سے کہا گیا کہ وہ آپ کے خط و کتابت کا جواب دیں۔ ہمیں صرف آپ کا خط موصول ہوا ہے، اور آپ کے خط و کتابت میں کوئی بھی منسلکہ حوالہ نہیں دیا گیا ہے۔
آپ کی درخواست، مورخہ 27 اپریل 2021، ڈیٹا مضامین کے ذاتی ڈیٹا کی پورٹنگ کی کوشش کرتی ہے - یعنی ڈرائیورز - جو آپ کے مینڈیٹ کے تحت ہیں۔
شناخت کی تصدیق
بولٹ آپ کے مینڈیٹ کے تحت ہونے والے کسی بھی ڈیٹا سبجیکٹ کے نام کی وصولی میں نہیں ہے۔
ورکر انفارمیشن ایکسچینج کے بارے میں کہا جاتا ہے کہ، آپ کے خط و کتابت میں، ہر ڈرائیور کی شناخت اور تصدیق کی ہے۔ اگرچہ اس کی تعریف کی جاتی ہے، یہ کنٹرولر، بولٹ کے لیے ہے کہ وہ ڈیٹا کے موضوع کی شناخت کی تصدیق کے لیے تمام معقول اقدامات استعمال کرے جس نے اپنے ذاتی ڈیٹا تک رسائی کی درخواست کی ہو۔ اس بات کو ذہن میں رکھتے ہوئے کہ ہمیں صرف آپ کا خط موصول ہوا ہے، مورخہ 27 اپریل 2021، جو AKI کے ذریعے مطلع کیا گیا ہے، ہمارے پاس تصدیق کا معائنہ کرنے اور نہ ہی خود کو مطمئن کرنے اور اس بات کو یقینی بنانے کا کوئی ذریعہ نہیں ہے کہ مناسب تکنیکی تحفظات ان درخواستوں کی صداقت کو یقینی بنائیں۔
سپروائزری اتھارٹی کا دائرہ اختیار
بولٹ صارف کے حقوق کو برقرار رکھنے کے لیے پرعزم ہے، شکایات کا ایک چینل فراہم کرتا ہے، اور جہاں بھی ضروری ہو AKI اور دیگر نگران حکام کے ساتھ جوش و خروش سے مشغول رہتا ہے۔ اس مثال میں، تاہم، ہم اس بات سے مطمئن نہیں ہیں کہ ورکر انفارمیشن ایکسچینج GDPR کے معنی میں ڈیٹا کے مضامین کی جانب سے AKI کے پاس شکایت درج کرانے کے لیے اہل ہے۔
"لہٰذا، اصولی طور پر، بولٹ نے متعلقہ تصدیقی جانچوں کو مطمئن کرتے ہوئے - اس طرح کی کسی بھی پورٹیبلٹی درخواست کے ساتھ اس کی فراہمی کے ذریعے تعمیل کرنے کی کوشش کی ہوگی جو ذمہ داری کے دائرہ میں رہتی ہے:
• نام، ای میل، فون نمبر، رہائش کی جگہ۔
• گاڑیوں کے بارے میں معلومات (بشمول رجسٹریشن نمبر)
• ڈرائیور کا لائسنس، تصویر، پیشہ اور شناختی دستاویزات۔
یہ معلومات بولٹ ڈرائیورز کے لیے اکاؤنٹ پورٹل میں پہلے سے ہی دستیاب ہے، اور اس کا معائنہ اور بازیافت کیا جا سکتا ہے ۔
اوبر
درخواستوں پر کارروائی کرتے ہوئے، Uber نے ڈرائیوروں کی جانب سے درخواستیں کرنے کے لیے ہم نے ترتیب دیے گئے عمل کے ساتھ مسئلہ اٹھانے کا انتخاب کیا۔ Uber نے 20 اپریل 2021 کو درج ذیل جواب کے ساتھ ہماری درخواستوں کو کالعدم کرنے کی کوشش کی:
"آپ کی ای میلز کے لیے آپ کا شکریہ۔ ہمیں فراہم کردہ معلومات کی بنیاد پر، ہم صرف یہ نتیجہ اخذ کر سکتے ہیں کہ Onfido اس بات کی تصدیق کرنے کے قابل ہو سکتا ہے کہ آیا کوئی فرد وہی ہے جو وہ کہتے ہیں کہ وہ ہیں، لیکن یہ نہیں کہ اس نے جو تفصیلات فراہم کی ہیں وہ Uber ایپ پر ان کے اپنے ڈرائیور اکاؤنٹ سے مطابقت رکھتی ہیں۔ یہ عمل ہمیں اس بات کا ثبوت بھی فراہم نہیں کرتا ہے کہ متعلقہ ڈرائیوروں نے دراصل ADCU یا WIE سے کہا تھا کہ وہ اپنے ڈیٹا کے موضوع کے حقوق کے استعمال میں ان کی نمائندگی کریں۔
اس کے علاوہ کہ آیا ADCU یا WIE، یا کوئی بھی نمائندہ ادارہ، GDPR کے تحت اپنے حقوق کے استعمال میں ڈیٹا کے مضامین کی نمائندگی کر سکتا ہے، ہمیں ڈرائیوروں کی جانب سے متعدد جوابات موصول ہوئے ہیں جو اس بات کی نشاندہی کرتے ہیں کہ انہوں نے کبھی بھی ADCU یا WIE کو ایسی درخواست کرنے کا اختیار نہیں دیا۔ ان کی طرف سے کچھ معاملات میں اس درخواست کو "اسکام" کہا جاتا تھا۔ لہٰذا ہم بغیر کسی شک و شبہ کے یہ نتیجہ اخذ نہیں کر سکتے کہ جن افراد کی طرف سے آپ درخواست کر رہے ہیں، وہ دراصل متعلقہ ڈرائیور اکاؤنٹس کے اکاؤنٹ ہولڈر ہیں۔ اور اگرچہ یہ عمل کسی ڈیٹا کے موضوع کی شناخت کی تصدیق کر سکتا ہے، لیکن ہم اس بات کی تصدیق نہیں کر سکتے کہ آیا یہ ڈیٹا کا صحیح موضوع ہے۔ GDPR کے ICO رہنمائی اور آرٹ 12 (6) کے مطابق، ہمارے عمل کسی بھی ذاتی ڈیٹا کو ظاہر کرنے سے پہلے اکاؤنٹ ہولڈر کی شناخت کی تصدیق کے لیے بنائے گئے ہیں۔"
اس جواب کے ساتھ، Uber نے ڈرائیوروں کو درج ذیل ای میل بھیج کر درخواستوں کی تصدیق کرنے کا انتخاب کیا: (Uber کا پیغام غلطی سے WIE کے بجائے ADCU کا حوالہ دیتا ہے، جیسا کہ ADCU نے 2 مارچ 2021 کو ایسی ہی درخواست کی تھی۔)
"Uber کو حال ہی میں App Drivers & Couriers Union ("ADCU") کے ذریعے آپ کے ای میل ایڈریس سے متعلق پورٹیبلٹی کی درخواست موصول ہوئی ہے۔
Uber نے EU جنرل ڈیٹا پروٹیکشن ریگولیشن ("GDPR") کے مطابق ڈیٹا سبجیکٹ کے حقوق کی مشق کا جواب دینے کے لیے مناسب اقدامات نافذ کیے ہیں۔ ان کا جواب دینے کا پہلا قدم یہ ہے کہ بغیر کسی معقول شک کے درخواست گزار کی شناخت کی تصدیق کی جائے، تاکہ یہ یقینی بنایا جا سکے کہ درحقیقت اکاؤنٹ ہولڈر ہی درخواست کر رہا ہے، اور خاص طور پر غیر مجاز رسائی کے خلاف ذاتی ڈیٹا کے تحفظ کو یقینی بنانا ہے۔
موصول ہونے والی درخواست Uber کو اس قابل نہیں بناتی ہے کہ وہ کسی تیسرے فریق کی طرف سے کی گئی رسائی کی درخواست کے لیے ڈیٹا سبجیکٹ کے ذریعے دی گئی اجازت کی توثیق کرے، اور نہ ہی بغیر کسی معقول شک کے اس بات کی تصدیق کرے کہ درخواست کنندہ کو اکاؤنٹ ہولڈر کے طور پر شناخت کیا جائے۔ ہم اس بات کا بھی اعادہ کرتے ہیں کہ رسائی یا پورٹیبلٹی کے حقوق کے استعمال کے لیے، Uber کی پالیسی ہمیشہ اس کی خدمات کے لیے استعمال کی جانے والی شناخت سے مماثل شناخت کی ضرورت ہوتی ہے۔ شناخت اکاؤنٹ کے سائن اپ کے وقت جمع کیے گئے اور تصدیق شدہ آن لائن شناخت کنندگان پر مبنی ہے یا بعد میں تبدیل اور دوبارہ تصدیق شدہ: ای میل ایڈریس، ٹیلی فون نمبر، پاس ورڈ اور جب لاگو ہو تو ایس ایم ایس کے ذریعے بھیجا گیا ایک تصدیقی پن۔
لہذا، Uber ADCU کے ذریعے موصول ہونے والی درخواست کی تعمیل کرنے کے قابل نہیں ہے۔ ہمارے لیے پورٹیبلٹی کی درخواست پر کارروائی کرنے کے لیے، اور ICO رہنمائی کے مطابق، ہم نے آپ کو براہ راست خط لکھنے کا فیصلہ کیا ہے اور مہربانی سے آپ کو ایپ سپورٹ کے ذریعے اس پیغام کا جواب دے کر درخواست کی تصدیق کرنے کا کہا ہے۔"
بہت سے ڈرائیوروں نے درخواستوں کی تصدیق کے لیے Uber کو واپس لکھا۔ درخواستوں کی تصدیق کے ایک ماہ بعد، Uber نے ڈرائیوروں کو یہ بتانے کے لیے لکھا کہ وہ وصولی کے 30 دنوں کے اندر درخواست کا جواب نہیں دے سکیں گے اور اس کے لیے اضافی وقت درکار ہوگا۔
Uber نے اصل درخواست جمع کرائے جانے کے تین ماہ بعد، جون کے آخر تک ڈیٹا پورٹیبلٹی کی درخواستوں پر کارروائی شروع کر دی۔ پورٹیبلٹی کی ان درخواستوں میں، Uber نے حالیہ شفافیت کیس (لنک کے لیے نیچے Uber کا جواب دیکھیں) کا حوالہ دیتے ہوئے خود ڈرائیوروں کی طرف سے جمع کرائی گئی معلومات یا دستاویزات پر مشتمل ڈیٹا کی صرف چھ کیٹیگریز کا اشتراک کیا ہے جو ہم Uber کے خلاف لائے تھے۔ اوبر نے دعویٰ کیا کہ عدالت نے لاک ان کو روکنے کے طور پر ڈیٹا پورٹیبلٹی کے استدلال کی تصدیق کی ہے، جسے انہوں نے محدود ڈیٹا شیئر کرنے کا بہانہ بنایا:
"آپ کی ڈیٹا پورٹیبلٹی کی درخواست کے حوالے سے، ہم اس کے ساتھ آپ کو آپ کا ڈیٹا اور اس بات کی وضاحت فراہم کرتے ہیں کہ کونسی ڈیٹا کیٹیگریز فراہم کی گئی ہیں۔
Uber ( http://deeplink.rechtspraak.nl/uitspraak?id=ECLI:NL:RBAMS:2021:1020 ) سے متعلق حالیہ قانونی پیش رفت اور کیس کے قانون کی وجہ سے ، ہم نے ڈیٹا پورٹیبلٹی کی درخواستوں کا جواب دینے کے لیے اپنے عمل کا اندازہ لگایا ہے۔ یقینی طور پر ہم ایسی درخواستوں کا جواب دیتے وقت تمام قابل اطلاق تقاضوں کی تعمیل کرتے ہیں۔ اس سلسلے میں، ہم نے اس بات کو مدنظر رکھا ہے کہ ڈیٹا پورٹیبلٹی کا استدلال ڈیٹا سبجیکٹ کے 'لاک ان' کو روکنا ہے، جیسا کہ حال ہی میں عدالت نے تصدیق کی ہے۔
اس تشخیص کے بعد، Uber ذاتی ڈیٹا فراہم کرے گا جو آپ کی طرف سے جان بوجھ کر اور فعال طور پر Uber کو جمع کرایا گیا ہے اور جو آپ کی نقل پذیری کی درخواست کے جواب کے حصے کے طور پر سواروں کے حقوق اور آزادیوں کو بری طرح متاثر نہیں کرتا ہے۔
لہذا ہم آپ کو درج ذیل ڈیٹا کیٹیگریز فراہم کریں گے۔
ڈرائیور اکاؤنٹ پروفائل کی معلومات
رائڈر اکاؤنٹ پروفائل کی معلومات
ڈرائیور کے کاغذات
ڈرائیور کے قابل اعتماد رابطے
ڈرائیور کی پروفائل کی معلومات
سوار/کھانے والے/ڈرائیور کے محفوظ کردہ مقامات
اگر مندرجہ بالا زمروں میں سے کسی ایک کے لیے کوئی ڈیٹا فراہم نہیں کیا گیا ہے، تو اس زمرے کی فائل خالی رہے گی۔
اس کے بعد اوبر نے درخواستوں کے دائر ہونے کے تقریباً پانچ ماہ بعد ستمبر میں موضوع تک رسائی کی درخواستیں واپس کرنا شروع کر دیں۔ ہمیں موصول ہونے والے جوابات میں، آخر کار ہمیں زیادہ تر ڈیٹا کیٹیگریز موصول ہوئیں جن کے لیے ہم نے پوچھا تھا، اور اس بات کی وضاحت کہ ہمیں وہ کیوں نہیں ملے جو ہمیں نہیں ملے۔
"آپ کی ای میلز کے لیے آپ کا شکریہ۔ ہمیں فراہم کردہ معلومات کی بنیاد پر، ہم صرف یہ نتیجہ اخذ کر سکتے ہیں کہ Onfido اس بات کی تصدیق کرنے کے قابل ہو سکتا ہے کہ آیا کوئی فرد وہی ہے جو وہ کہتے ہیں کہ وہ ہیں، لیکن یہ نہیں کہ اس نے جو تفصیلات فراہم کی ہیں وہ Uber ایپ پر ان کے اپنے ڈرائیور اکاؤنٹ سے مطابقت رکھتی ہیں۔ یہ عمل ہمیں اس بات کا ثبوت بھی فراہم نہیں کرتا ہے کہ متعلقہ ڈرائیوروں نے دراصل ADCU یا WIE سے کہا تھا کہ وہ اپنے ڈیٹا کے موضوع کے حقوق کے استعمال میں ان کی نمائندگی کریں۔
اس کے علاوہ کہ آیا ADCU یا WIE، یا کوئی نمائندہ ادارہ، GDPR کے تحت اپنے حقوق کے استعمال میں ڈیٹا کے مضامین کی نمائندگی کر سکتا ہے ، ہمیں ڈرائیوروں کی جانب سے متعدد جوابات موصول ہوئے ہیں جس سے ظاہر ہوتا ہے کہ انہوں نے ADCU یا WIE کو کبھی بھی ایسی درخواست کرنے کا اختیار نہیں دیا۔ ان کی طرف سے کچھ معاملات میں اس درخواست کو "ایک گھوٹالہ" کہا جاتا تھا۔ لہٰذا ہم بغیر کسی شک و شبہ کے یہ نتیجہ اخذ نہیں کر سکتے کہ جن افراد کی طرف سے آپ درخواست کر رہے ہیں، وہ دراصل متعلقہ ڈرائیور اکاؤنٹس کے اکاؤنٹ ہولڈر ہیں۔ اور اگرچہ یہ عمل کسی ڈیٹا کے موضوع کی شناخت کی تصدیق کر سکتا ہے، لیکن ہم اس بات کی تصدیق نہیں کر سکتے کہ آیا یہ ڈیٹا کا صحیح موضوع ہے۔ GDPR کے ICO رہنمائی اور آرٹ 12 (6) کے مطابق، ہمارے عمل کسی بھی ذاتی ڈیٹا کو ظاہر کرنے سے پہلے اکاؤنٹ ہولڈر کی شناخت کی تصدیق کے لیے بنائے گئے ہیں۔"
"Uber کو حال ہی میں App Drivers & Couriers Union ("ADCU") کے ذریعے آپ کے ای میل ایڈریس سے متعلق پورٹیبلٹی کی درخواست موصول ہوئی ہے۔
Uber نے EU جنرل ڈیٹا پروٹیکشن ریگولیشن ("GDPR") کے مطابق ڈیٹا سبجیکٹ کے حقوق کی مشق کا جواب دینے کے لیے مناسب اقدامات نافذ کیے ہیں۔ ان کا جواب دینے کا پہلا قدم یہ ہے کہ بغیر کسی معقول شک کے درخواست گزار کی شناخت کی تصدیق کی جائے، تاکہ یہ یقینی بنایا جا سکے کہ درحقیقت اکاؤنٹ ہولڈر ہی درخواست کر رہا ہے، اور خاص طور پر غیر مجاز رسائی کے خلاف ذاتی ڈیٹا کے تحفظ کو یقینی بنانا ہے۔
موصول ہونے والی درخواست Uber کو اس قابل نہیں بناتی ہے کہ وہ کسی تیسرے فریق کی طرف سے کی گئی رسائی کی درخواست کے لیے ڈیٹا سبجیکٹ کے ذریعے دی گئی اجازت کی توثیق کرے، اور نہ ہی بغیر کسی معقول شک کے اس بات کی تصدیق کرے کہ درخواست کنندہ کو اکاؤنٹ ہولڈر کے طور پر شناخت کیا جائے۔ ہم اس بات کا بھی اعادہ کرتے ہیں کہ رسائی یا پورٹیبلٹی کے حقوق کے استعمال کے لیے، Uber کی پالیسی ہمیشہ اس کی خدمات کے لیے استعمال کی جانے والی شناخت سے مماثل شناخت کی ضرورت ہوتی ہے۔ شناخت اکاؤنٹ کے سائن اپ کے وقت جمع کیے گئے اور تصدیق شدہ آن لائن شناخت کنندگان پر مبنی ہے یا بعد میں تبدیل اور دوبارہ تصدیق شدہ: ای میل ایڈریس، ٹیلی فون نمبر، پاس ورڈ اور جب لاگو ہو تو ایس ایم ایس کے ذریعے بھیجا گیا ایک تصدیقی پن۔
لہذا، Uber ADCU کے ذریعے موصول ہونے والی درخواست کی تعمیل کرنے کے قابل نہیں ہے ۔ ہمارے لیے پورٹیبلٹی کی درخواست پر کارروائی کرنے کے لیے، اور ICO رہنمائی کے مطابق، ہم نے آپ کو براہ راست خط لکھنے کا فیصلہ کیا ہے اور مہربانی سے آپ کو ایپ سپورٹ کے ذریعے اس پیغام کا جواب دے کر درخواست کی تصدیق کرنے کا کہا ہے۔"
"آپ کی ڈیٹا پورٹیبلٹی کی درخواست کے حوالے سے، ہم اس کے ساتھ آپ کو آپ کا ڈیٹا اور اس بات کی وضاحت فراہم کرتے ہیں کہ کونسی ڈیٹا کیٹیگریز فراہم کی گئی ہیں۔
Uber ( http://deeplink.rechtspraak.nl/uitspraak?id=ECLI:NL:RBAMS:2021:1020 ) سے متعلق حالیہ قانونی پیشرفت اور کیس قانون کی وجہ سے
ہم نے ڈیٹا پورٹیبلٹی کی درخواستوں کا جواب دینے کے لیے اپنے عمل کا جائزہ لیا ہے تاکہ یہ یقینی بنایا جا سکے کہ ہم ایسی درخواستوں کا جواب دیتے وقت تمام قابل اطلاق تقاضوں کی تعمیل کرتے ہیں۔ اس سلسلے میں، ہم نے اس بات کو مدنظر رکھا ہے کہ ڈیٹا پورٹیبلٹی کا استدلال ڈیٹا سبجیکٹ کے 'لاک ان' کو روکنا ہے، جیسا کہ حال ہی میں عدالت نے تصدیق کی ہے۔
اس تشخیص کے بعد، Uber ذاتی ڈیٹا فراہم کرے گا جو آپ کی طرف سے جان بوجھ کر اور فعال طور پر Uber کو جمع کرایا گیا ہے اور جو آپ کی نقل پذیری کی درخواست کے جواب کے حصے کے طور پر سواروں کے حقوق اور آزادیوں کو بری طرح متاثر نہیں کرتا ہے ۔
لہذا ہم آپ کو درج ذیل ڈیٹا کیٹیگریز فراہم کریں گے۔
ڈرائیور اکاؤنٹ کی پروفائل کی معلومات
رائڈر اکاؤنٹ پروفائل کی معلومات
ڈرائیور کے کاغذات
ڈرائیور کے قابل اعتماد رابطے
ڈرائیور کی پروفائل کی معلومات
رائڈر/ایٹر/ڈرائیور نے محفوظ کردہ مقامات
اگر مندرجہ بالا زمروں میں سے کسی ایک کے لیے کوئی ڈیٹا فراہم نہیں کیا گیا ہے، تو اس زمرے کی فائل خالی رہے گی۔
تاہم، درخواستوں کو بیچ میں پروسیس کرنے اور عمل کے ہر مرحلے پر ہمیں مطلع کرنے کے لیے Uber کے لیے ہماری تصریح کے باوجود، Uber نے DSARs کی تکمیل کو ٹریک کرنے میں مزید چیلنجز پیدا کرتے ہوئے، اور واضح مواصلت کے بغیر درخواستوں کو ہینڈل کرنے کا انتخاب کیا ہے۔ .
حصہ III: کام پر ڈیٹا کے حقوق کا استعمال: قانونی چارہ جوئی
ایمسٹرڈیم کے معاملات
اوپر درج مسائل ڈیجیٹل مزدوری کے حقوق کے استعمال میں قانونی چارہ جوئی کی طرف رجوع کرنے کی ضرورت کو واضح کرتے ہیں۔ اس مقصد کے لیے ورکر انفو ایکسچینج نے ڈرائیوروں کے کئی گروپوں کو ایمسٹرڈیم ڈسٹرکٹ کورٹ میں Ola اور Uber کے خلاف تین الگ الگ مقدمات دائر کرنے میں مدد کی ہے، جس میں ڈرائیوروں کے حقوق کا مطالبہ کیا گیا ہے جیسا کہ GDPR کے آرٹیکلز 15، 20 اور 22 میں بیان کیا گیا ہے۔ ہم الگورتھمک فیصلہ سازی میں ناکافی ڈیٹا تک رسائی اور شفافیت کو چیلنج کرنے کے لیے ایپ ڈرائیورز اینڈ کوریئرز یونین (ADCU) کے ساتھ شراکت میں کیسز لائے۔
ان کیسز کو لانے میں ہمارا بنیادی مقصد موضوع تک رسائی اور ڈیٹا پورٹیبلٹی افشاء کے لیے ایک شفافیت کا معیار قائم کرنا تھا جس کا اطلاق اجتماعی سطح پر کیا جا سکتا ہے اور کارکنوں کے انفرادی معاملات کو حل کرنے سے بھی آگے جا سکتا ہے۔ ان معاملات کے ساتھ ہم نے یہ ثابت کرنے کی کوشش کی کہ ثبوت کا بوجھ ڈیٹا کنٹرولر پر ہے کہ وہ مکمل طور پر یہ ظاہر کرے کہ وہ کس ڈیٹا کیٹیگریز پر کارروائی کرتا ہے، بشمول مشاہدہ شدہ اور قیاس شدہ ڈیٹا کیٹیگریز (اوپر حوالہ دیا گیا ہے)، جس کے بارے میں ہم دلیل دیتے ہیں کہ ڈیٹا کے مضامین کا علم نہیں ہو سکتا یا ہو سکتا ہے۔ کے بارے میں مخصوص، جب تک کہ ڈیٹا پروسیسر پہلے شفافیت کا عہد نہ کرے۔ ہمارا ماننا ہے کہ اس طرح کا معیار قائم کرنے سے ایک قابل نقل ماڈل بنانے میں مدد ملے گی جو کہ مختلف کمپنیوں کے ساتھ ساتھ مختلف شعبوں اور صنعتوں میں استعمال کیا جا سکتا ہے۔ اس نظیر کے ساتھ، دوسرے گروپس اور تنظیمیں ایک ہی ساختہ، معیاری ڈیٹا اکٹھا کر سکتے ہیں اور ایک امیر اور صحت مند ڈیٹا ایکو سسٹم میں حصہ ڈال سکتے ہیں جو الگورتھمک نقصانات اور عدم مساوات کو شناخت اور چیلنج کرنے کے قابل بنائے گا۔
جائزہ
20 جولائی 2020 کو، ڈرائیوروں کا ایک گروپ Uber BV کے خلاف مقدمہ لے کر آیا، جو ایمسٹرڈیم میں قائم ہے اور GDPR کے تحت یورپی یونین میں ڈرائیوروں سے متعلق تمام ڈیٹا پروسیسنگ کے لیے ڈیٹا کنٹرولر کے طور پر کام کرتا ہے (Uber ڈرائیورز بمقابلہ Uber I)۔ 9 ستمبر 2020 کو اولا (اولا ڈرائیورز بمقابلہ اولا) کے خلاف بھی ایسی ہی شکایت درج کی گئی تھی۔ ان معاملات نے مضامین تک رسائی کی درخواستوں کے جواب میں کمپنیوں کے اشتراک کردہ ناکافی ڈیٹا کو چیلنج کیا، جو Uber کے رہنمائی دستاویز اور Ola کے ڈیٹا پروسیسنگ دستاویز پر مبنی تھے جن کا اس رپورٹ میں پہلے حوالہ دیا گیا ہے۔ Uber کیس میں، کچھ ڈرائیور رہنمائی دستاویز میں درج 26 ڈیٹا کیٹیگریز میں سے 19 سے زیادہ غائب تھے۔ اسی طرح، اولا ڈرائیورز ڈیٹا کا ایک بہت ہی چھوٹا حصہ حاصل کرنے میں کامیاب رہے تھے جو Ola جمع کرتا ہے اور ان کے بارے میں کارروائی کرتا ہے۔
مزید برآں، 26 اکتوبر 2020 کو، UK کے چار Uber ڈرائیوروں نے مزید مخصوص شکایات درج کرائیں، جن میں خودکار فیصلہ سازی کی شفافیت کا مطالبہ کیا گیا، بشمول پروفائلنگ، ساتھ ہی اس میں شامل بنیادی منطق اور ڈرائیوروں کے لیے اس طرح کی کارروائی کے تصور شدہ نتائج کے بارے میں معلومات ( Uber ڈرائیورز بمقابلہ Uber II)۔ ہر ایک کیس میں ڈرائیوروں کو برخاست کر دیا گیا جب Uber نے کہا کہ اس کے سسٹمز نے متعلقہ افراد کی جانب سے دھوکہ دہی کی سرگرمی کا پتہ لگایا ہے۔
عدالت نے 11 مارچ 2021 کو فیصلے سنائے۔ عدالت نے دو Uber ڈرائیوروں کے علاوہ تمام انفرادی درخواستوں کو قبول کیا۔ تینوں معاملات میں، عدالت نے Uber کی اس دلیل کو مسترد کر دیا کہ ڈرائیورز اپنے ڈیٹا تک رسائی حاصل کرنے کے لیے اجتماعی کارروائی کرتے ہوئے ڈیٹا کے تحفظ کے حقوق کا غلط استعمال کرتے ہیں۔ حقیقت یہ ہے کہ درخواست دہندگان اور ٹریڈ یونین جس سے وہ وابستہ تھے، ذاتی ڈیٹا حاصل کرنے میں دوسری دلچسپی رکھتے ہیں، یعنی اس کا استعمال اپنی ملازمت کے قانون کی پوزیشن کے بارے میں وضاحت حاصل کرنے کے لیے یا یہاں تک کہ Uber کے خلاف قانونی کارروائی میں ثبوت اکٹھا کرنے کے لیے، تشکیل نہیں دیا گیا۔ ایسی زیادتی. عدالت کی طرف سے ان تحفظات نے بالواسطہ طور پر کارکنوں کی جانب سے ڈیٹا کے حقوق استعمال کرنے کے لیے ورکر انفو ایکسچینج جیسے تیسرے فریق کے حق کو تسلیم کیا۔
Uber ڈرائیورز بمقابلہ Uber I : 20 جولائی 2020 کو، ڈرائیوروں کا ایک گروپ Uber BV کے خلاف مقدمہ لے کر آیا، جو ایمسٹرڈیم میں قائم ہے اور یورپی یونین میں ڈرائیوروں سے متعلق تمام ڈیٹا پروسیسنگ کے لیے ڈیٹا کنٹرولر کے طور پر کام کرتا ہے۔ اس کیس نے موضوع تک رسائی کی درخواستوں کے جواب میں کمپنی کے اشتراک کردہ ناکافی ڈیٹا کو چیلنج کیا، جو Uber کے رہنمائی دستاویز پر مبنی تھے۔ اس رپورٹ میں پہلے حوالہ دیا گیا ہے۔ اس معاملے میں، کچھ ڈرائیور رہنمائی دستاویز میں درج 26 ڈیٹا کیٹیگریز میں سے زیادہ سے زیادہ 19 غائب تھے۔
اولا ڈرائیورز بمقابلہ اولا: 9 ستمبر کو اولا کیبس کے خلاف بھی اسی طرح کی شکایت درج کی گئی تھی۔ اس معاملے میں، DSARs Ola کے ڈیٹا پروسیسنگ دستاویز پر مبنی تھے۔ جیسا کہ Uber کیس میں ہے، Ola ڈرائیورز ڈیٹا کا بہت چھوٹا حصہ حاصل کرنے میں کامیاب رہے تھے جو Ola جمع کرتا ہے اور ان کے بارے میں کارروائی کرتا ہے۔
Uber ڈرائیورز بمقابلہ Uber II: مزید برآں، 26 اکتوبر 2020 کو، UK کے چار Uber ڈرائیوروں نے مزید مخصوص شکایات درج کرائیں، جن میں خودکار فیصلہ سازی کی شفافیت کا مطالبہ کیا گیا، بشمول پروفائلنگ، ساتھ ہی اس میں شامل بنیادی منطق اور ڈرائیوروں کے لیے اس طرح کی کارروائی کے تصور شدہ نتائج کے بارے میں معلومات۔ ہر ایک کیس میں ڈرائیوروں کو برخاست کر دیا گیا جب Uber نے کہا کہ اس کے سسٹمز نے متعلقہ افراد کی جانب سے دھوکہ دہی کی سرگرمی کا پتہ لگایا ہے۔
"کارکن صرف اس صورت میں فیصلوں کو مؤثر طریقے سے چیلنج کر سکتے ہیں جب وہ جانتے ہوں کہ وہ کیسے اور کیوں لیے گئے تھے۔ اس تناظر میں علم طاقت ہے۔ ڈیجیٹل دور میں شفافیت اور مضبوط اصول کارکنوں کو بااختیار بنا سکتے ہیں۔ لیکن کام پر 'کمپیوٹر کہتا ہے نہیں' کے دور کو ختم کرنے کے لیے، ہمیں 21ویں صدی کے لیے ڈیجیٹل لیبر رائٹس کے ایک نئے اور مضبوط سیٹ کی ضرورت ہے۔ شفافیت کے ساتھ ساتھ ہمیں من مانی، مستقل نگرانی اور کام کے انتہائی بوجھ کو روکنے کی ضرورت ہے جو کہ بطور مینیجر الگورتھم کے ساتھ آتا ہے۔ الگورتھم اور ٹیکنالوجی کے ذریعے آجر اور ملازم کے درمیان طاقت کے عدم توازن کو بڑھاتے ہیں۔"
کم وین سپارینٹک، ایم ای پی
Uber ڈرائیورز بمقابلہ Uber I
(عام شفافیت کی درخواستیں)
اس معاملے میں، عدالت نے متعدد وجوہات کی بنا پر اوبر ڈرائیوروں کی کچھ شکایات کو مسترد کر دیا۔ سب سے پہلے عدالت نے کہا کہ دیے گئے حالات میں درخواست گزاروں کے لیے شفافیت کے اصول پر بھروسہ کرنا کافی نہیں ہے۔ Uber کو GDPR کی تلاوت 63 کے مطابق، ذاتی ڈیٹا کی تفصیلات طلب کرنے کی اجازت دی گئی تھی جسے درخواست دہندگان وصول کرنا چاہتے ہیں کیونکہ اس نے ڈیٹا کی ایک بڑی مقدار پر کارروائی کی تھی۔ اس لیے متعدد ڈیٹا کیٹیگریز (مثلاً ڈرائیونگ برتاؤ) کے حوالے سے درخواست مسترد کر دی گئی۔
عدالت نے کہا کہ انتظامیہ کے زیر انتظام ڈرائیور کے پروفائل میں شامل اندرونی حوالہ جات یا رپورٹس میں ڈیٹا سبجیکٹ کے بارے میں کوئی ایسی معلومات نہیں تھی جس کی خود ڈیٹا سبجیکٹ سے تصدیق کی جا سکے۔ اس معاملے میں ڈرائیور پروفائل کا حوالہ دیا گیا ایک پروفائل تھا جو بظاہر معاون عملہ کے ذریعہ برقرار رکھا گیا تھا جو صارف اور/یا ڈرائیور کی شکایات، تبصروں اور سوالات سے متعلق نوٹس اور ٹیگز کے ساتھ پروفائل کو اپ ڈیٹ کرے گا۔ لہذا Uber صرف درخواست دہندگان کے بارے میں ڈیٹا فراہم کرنے کا پابند تھا جو برقرار رکھے گئے نوٹوں کی حقیقت پر مبنی بنیاد بناتے ہیں نہ کہ انتظامیہ کے ذریعے برقرار رکھے گئے اندرونی نوٹس اور ٹیگز جنہیں ہم کہتے ہیں کہ کارکردگی کی نگرانی اور انتظام ہے۔
ڈرائیوروں نے Uber کے نام نہاد 'اَپ فرنٹ پرائسنگ سسٹم' میں پروسیس کیے گئے ڈیٹا کے بارے میں معلومات کی درخواست کی جو سفر کے آغاز سے پہلے صارفین کے لیے طے شدہ قیمتوں کا تعین کرتا ہے، ڈرائیور سے متوقع راستے کی بنیاد پر۔ تاہم، عدالت نے نوٹ کیا کہ ڈرائیوروں نے یہ ثابت نہیں کیا کہ وہ ڈیٹا پروسیسنگ کی درستگی اور قانونی حیثیت کی تصدیق کرنا چاہتے ہیں۔ اس لیے درخواست کے اس حصے کو 'بصیرت حاصل کرنے کی خواہش' سے زیادہ نہیں سمجھا گیا کہ Uber کس طرح ٹرپ کی کارکردگی کو منظم کرنے کے لیے الگورتھم کا استعمال کرتا ہے۔ عدالت نے یہ نتیجہ اخذ کیا کہ آرٹ۔ 15 GDPR اس مقصد کی حمایت نہیں کرتا ہے۔
عدالت نے کام کی تقسیم سے متعلق خودکار فیصلہ سازی اور پروفائلنگ کے بارے میں معلومات کی درخواست کو بھی مسترد کردیا۔ اگرچہ یہ واضح تھا کہ بیچڈ میچنگ سسٹم اور پیشگی قیمتوں کا تعین کرنے والے نظام نے Uber اور ڈرائیور کے درمیان معاہدے کی کارکردگی پر کچھ اثر ڈالا تھا، عدالت نے کسی قانونی نتیجے یا اہم اثر کا کوئی ثبوت نہیں دیکھا، جیسا کہ رہنما خطوط میں کہا گیا ہے اور فن 15 (1) ذیلی H GDPR۔
آخر میں، عدالت نے فیصلہ کیا کہ آرٹیکل 20 GDPR کے تحت Uber کو csv فائل میں یا API کے ذریعے ذاتی ڈیٹا کے مخصوص زمرے فراہم کرنے کی ضرورت نہیں ہے۔ پی ڈی ایف فارمیٹ میں فراہم کردہ ڈیٹا کے علاوہ، Uber نے ذاتی ڈیٹا کو اس فارمیٹ میں فراہم کیا تھا جس کی وجہ سے درخواست دہندگان کو آرٹیکل 20 کے تحت مطلوبہ ڈیٹا کو دوسرے ڈیٹا کنٹرولر کو منتقل کرنے کی اجازت دی گئی تھی۔
عدالت نے اس بات پر بھی غور کیا کہ آیا بعض زمروں کے ڈیٹا کو مشین ریڈ ایبل فارمیٹ میں منتقل کیا جانا تھا۔ زیر بحث ڈیٹا کیٹیگریز میں 'Zendesk Tickets'، 'Driver Complaints' اور 'Invoices' شامل ہیں۔ عدالت نے فیصلہ دیا کہ یہ ڈیٹا کیٹیگریز GDPR کے آرٹیکل 20 کے دائرہ کار میں نہیں آتیں، کیونکہ ڈیٹا Uber کو فراہم نہیں کیا گیا تھا۔ خود دعویدار. لہذا عدالت نے Uber کو ان دستاویزات کو پی ڈی ایف فارمیٹ کے علاوہ کسی اور فارمیٹ میں منتقل کرنے کا حکم دینے کی کوئی وجہ نہیں دیکھی۔
عدالت نے فیصلہ کیا کہ csv فارمیٹ میں ذاتی ڈیٹا کی منتقلی کے لیے ڈرائیوروں کی درخواست ان کی اجتماعی بات چیت کی پوزیشن کو بہتر بنانے کے لیے ڈیٹا کو جمع کرنے کی خواہش پر مبنی تھی، اور یہ کہ ڈیٹا پورٹیبلٹی کا مقصد لاک ان کو روکنا ہے۔ اگرچہ اس نے ہمیں فوری طور پر دشواری کا سامنا نہیں کیا، لیکن ڈیٹا ٹرسٹ قائم کرنے کے مقاصد کے لیے ڈیٹا پورٹیبلٹی کے حقوق کی محدودیت کا عدالت کا تجزیہ دلچسپ ہے۔ ہماری رائے میں، مزدور کا سودے بازی کا حق آرٹیکل 20 کے مقصد سے مطابقت رکھتا ہے جو لاک ان کو روکتا ہے۔
اولا ڈرائیورز بمقابلہ اولا
(عام شفافیت کی درخواستیں)
Ola Cabs کے خلاف کیس کے فیصلے کے نتیجے میں چند اہم جیتیں ہوئیں۔ اولا کو انکشاف کرنے کا حکم دیا گیا:
ایک درخواست گزار کے معاملے میں، عدالت نے فیصلہ کیا کہ ڈرائیور کی کمائی سے کٹوتی کرنے کا فیصلہ ایک خودکار فیصلے کے مترادف ہے جس میں انسانی مداخلت کی کمی ہے۔ ہمیں یقین ہے کہ یہ پہلا موقع ہے جب ایک الگورتھمک فیصلے کو آرٹ کے لحاظ سے خودکار فیصلے کے طور پر اہل قرار دیا گیا تھا۔ یورپی عدالت کے ذریعہ 22 جی ڈی پی آر۔
اولا کو شفاف اور قابل تصدیق طریقے سے کیے گئے انتخاب، استعمال شدہ ڈیٹا اور مفروضوں کے بارے میں معلومات فراہم کرنے کا حکم دیا گیا تھا جن کی بنیاد پر خودکار فیصلہ کیا گیا تھا۔ Ola کو یہ بھی حکم دیا گیا تھا کہ وہ خودکار فیصلے میں بنیادی تشخیص کے معیار اور ان کے کردار کو بتائے، تاکہ ڈرائیور فیصلوں کی بنیاد کو سمجھ سکیں اور ڈیٹا پروسیسنگ کی درستگی اور قانونی حیثیت کو جانچ سکیں۔
1) درجہ بندی کا ڈیٹا، گمنام شکل میں، اس حد تک کہ یہ ڈیٹا Ola ایپ کے ذریعے دستیاب نہیں تھا۔
2) درخواست دہندگان کا ذاتی ڈیٹا جو 'فراڈ کے امکانی سکور' اور 'آمدنی پروفائلز' بنانے کے لیے استعمال کیا گیا تھا جو ہر ڈرائیور پر برقرار رکھا گیا تھا۔
3) درخواست دہندگان کا ذاتی ڈیٹا جو Ola کے گارڈین سرویلنس سسٹم میں استعمال کیا گیا تھا اس بات کی نشاندہی کرنے کے لیے کہ Ola اسے 'بے قاعدہ سفر کی سرگرمی' کے طور پر بیان کرتا ہے۔
Uber ڈرائیورز بمقابلہ Uber II
(خودکار فیصلہ سازی میں شفافیت)
20 جولائی 2020 کو دائر ڈرائیوروں کے گروپ کے معاملے میں، عدالت نے اس دعوے کو مسترد کر دیا کہ ڈرائیوروں کی ملازمت ختم کرنے کا فیصلہ جی ڈی پی آر کے آرٹیکل 22 کے مطابق مکمل طور پر خودکار فیصلہ سازی پر مبنی تھا۔ اس کے برعکس ثبوت کی عدم موجودگی میں، عدالت نے Uber کے داخلی طریقہ کار کے اکاؤنٹ کو قبول کیا اور اس نتیجے پر پہنچا کہ ان میں سے ہر ایک کیس میں بامعنی انسانی مداخلت تھی۔
تاہم، فیصلے نے ایک اہم جیت بھی پیش کی۔ درخواست گزاروں میں سے دو کے حوالے سے، عدالت نے پایا کہ Uber نے واضح نہیں کیا کہ کن مخصوص دھوکہ دہی کی کارروائیوں کے نتیجے میں ان کے اکاؤنٹس کو غیر فعال کر دیا گیا۔ Uber کی فراہم کردہ معلومات کی بنیاد پر، یہ درخواست دہندگان اس بات کی تصدیق نہیں کر سکے کہ Uber نے خودکار فیصلہ سازی کے عمل میں کون سا ذاتی ڈیٹا استعمال کیا جس کی وجہ سے ان کی ملازمت ختم کرنے کا فیصلہ کیا گیا۔ نتیجے کے طور پر، ان کے اکاؤنٹس کو غیر فعال کرنے کا فیصلہ ناکافی طور پر شفاف تھا۔ اس لیے Uber کو اپنے اکاؤنٹس کو غیر فعال کرنے کے فیصلے کے لیے استعمال کیے گئے ذاتی ڈیٹا تک رسائی فراہم کرنے کا حکم دیا گیا، تاکہ درخواست دہندگان ڈیٹا پروسیسنگ کی درستگی اور قانونی حیثیت کی تصدیق کر سکیں۔
چھ ڈرائیوروں کے لیے جنہوں نے 26 اکتوبر 2020 کو شکایات درج کرائیں، Uber ان مقدمات کا دفاع کرنے میں ناکام رہا اور 24 فروری 2021 کو ڈرائیوروں کے حق میں طے شدہ فیصلہ سنایا گیا۔ Uber کو ڈرائیوروں کو بحال کرنے اور کھوئی ہوئی آمدنی کا معاوضہ ادا کرنے کا حکم دیا گیا۔ نقصانات کے ساتھ ساتھ. Uber کی جانب سے دھوکہ دہی کی سرگرمیوں کے الزامات کی وجہ سے لندن کے بہت سے ڈرائیوروں کے لائسنس ٹرانسپورٹ فار لندن نے منسوخ کر دیے تھے۔ ہم نے ان تمام ڈرائیوروں کی حمایت کی جنہوں نے منسوخی کے خلاف سٹی آف لندن مجسٹریٹ کورٹ میں اپیل کی تھی اور ان سبھی نے منسوخی کے فیصلے کو الٹ دیا تھا۔ اس پر مزید اس رپورٹ کے لندن اپیل سیکشن میں دیکھیں۔
اپیلیں
فی الحال، Uber اور Ola کے تینوں فیصلے ایمسٹرڈیم میں اپیل کورٹ کے سامنے زیر التوا ہیں۔ 11 مارچ 2020 کے اپنے فیصلوں میں، ایمسٹرڈیم ڈسٹرکٹ کورٹ نے فیصلہ دیا کہ ڈرائیور قابل قبول ہیں۔ حقوق کے ناجائز استعمال پر اوبر اور اولا کی اپیل مسترد کر دی گئی۔ اس کے علاوہ، ڈرائیوروں کی طرف سے کئی درخواستیں منظور کی گئیں، جیسے کہ ڈرائیور کی نگرانی کے نظام کے استعمال سے متعلق رسائی کی درخواست اور دو ڈرائیوروں کی غیر منصفانہ برطرفی کی بنیاد کے طور پر استعمال ہونے والا ڈیٹا۔
بہر حال، رسائی کی درخواستوں کا ایک بڑا حصہ مسترد کر دیا گیا۔ ہم متعدد مثالوں میں یقین رکھتے ہیں، عدالت نے شفافیت کے اصول اور ڈیٹا مضامین کے حقوق کی بہت تنگ یا غلط تشریح کا اطلاق کیا۔ عدالت بھی Uber کی طرف سے ڈیٹا پروسیسنگ کی تکنیکی اور قانونی پیچیدگی کے ساتھ جدوجہد کرتی نظر آئی۔
اپیل پر، ڈرائیورز، دیگر چیزوں کے ساتھ، ڈسٹرکٹ کورٹ کے فیصلے پر درج ذیل اعتراضات اٹھاتے ہیں:
1) یہ خیال کہ ڈرائیوروں کو اپنی درخواستوں کو زیادہ قریب سے بیان کرنا چاہیے تھا غلط ہے؛
2) ٹیگز، رپورٹس، ریٹنگز اور GPS-ڈیٹا رسائی کے حق کے دائرہ کار میں آتے ہیں۔
3) Uber اور Ola مسافروں کے 'حقوق اور آزادیوں' کو استعمال کرتے ہوئے رسائی سے انکار نہیں کر سکتے ہیں۔
4) ڈسٹرکٹ کورٹ یہ تسلیم کرنے میں ناکام رہی کہ ڈرائیوروں کو غیر فعال کرنے سے متعلق Uber کے فیصلے آرٹ کے لحاظ سے خودکار فیصلوں کے طور پر اہل ہیں۔ 22 GDPR، چونکہ ان فیصلوں نے ڈرائیوروں کو کافی متاثر کیا اور Uber نے بامعنی انسانی مداخلت کا ثبوت نہیں دکھایا۔
لندن لائسنسنگ اپیل کیسز
شکایات کا سیلاب
پچھلے ایک سال میں ہم نے ایک درجن سے زیادہ ڈرائیوروں کی حمایت کی ہے کیونکہ انہوں نے اس کے خلاف عدالتوں میں اپیلیں کی تھیں۔ ٹرانسپورٹ فار لندن (TfL) کی طرف سے Uber جیسے آپریٹرز کی جانب سے ایپ پر مبنی دھوکہ دہی کے الزامات کے بعد ڈرائیور لائسنس منسوخ کرنے کے فیصلے۔ TfL دوہری درجے کی مارکیٹ میں ٹیکسی اور نجی کرائے کی تجارت کو لائسنس دینے اور ریگولیٹ کرنے کے لیے ذمہ دار ہے، جو مختلف قانون سازی کے تحت الگ سے ریگولیٹ ہے۔ TfL لائسنس یافتہ ڈرائیوروں اور آپریٹرز کی فٹنس کا جائزہ لینے کے لیے ذمہ دار ہے اور آپریٹرز سے ضروری ہے کہ وہ فٹنس اسسمنٹ کے لیے تمام ڈرائیوروں کی برطرفیوں کو ریگولیٹر کے پاس بھیجیں۔
معلومات کی آزادی کی درخواستوں نے انکشاف کیا ہے کہ TfL کو 31 اگست 2021 کو ختم ہونے والی بارہ ماہ کی مدت کے لیے لندن میں لائسنس یافتہ پرائیویٹ ہائر آپریٹرز سے ڈرائیوروں کی برطرفی کی 10,169 اطلاعات موصول ہوئیں۔ یہ پچھلے سال کی اسی مدت کے مقابلے میں 123% اضافے کی نمائندگی کرتا ہے۔ اس مدت کے لیے، TfL نے رپورٹ کیا کہ کل 105,000 لائسنس یافتہ نجی کرایہ پر لینے والے ڈرائیور اور 78,000 دستیاب لائسنس یافتہ نجی کرایہ پر لینے والی گاڑیاں تھیں۔ یہ دیکھتے ہوئے کہ ڈرائیور لائسنس میں گاڑی کے لائسنس کے لیے ایک سال کے مقابلے میں تین سال کی مدت ہوتی ہے، مؤخر الذکر کو عام طور پر اس مدت کے لیے دستیاب کام کرنے والے ڈرائیوروں کی حقیقی تعداد کا زیادہ قابل اعتماد اشارہ سمجھا جاتا ہے۔ لیکن وبائی مرض کے دوران، رائیڈ شیئر سروسز کی مانگ ڈرامائی طور پر کم ہو گئی اور Uber کی رپورٹنگ بکنگ میں سال کے لیے اوسطاً 50% کمی واقع ہوئی۔
امکان ہے کہ زیادہ تر رپورٹس Uber سے لندن میں سب سے بڑے پرائیویٹ ہائر آپریٹر کے طور پر آئی ہیں۔ یہ برخاست ہونے کی مدت کے لیے دستیاب افرادی قوت کے 20% کے برابر ہو سکتا ہے۔ ہم تجویز کرتے ہیں کہ برخاستگی کے فیصلے میں بامعنی انسانی شمولیت کے حجم اور فقدان کے پیش نظر، ان میں سے بہت سے فیصلے خودکار اور نیم خودکار طریقوں سے لیے گئے اور ان پر عمل درآمد کیا گیا۔
یہ برطرفی اکثر Uber کے ریئل ٹائم آئی ڈی (RTID) سسٹم سے وابستہ مسائل کی وجہ سے ہوتی ہے: چہرے کی شناخت اور جغرافیائی محل وقوع کی جانچ (جیسا کہ Pa Edrissa Manjang's اور Aweso Mowlana's Cases میں زیر بحث آیا ہے)، جو غلط طریقے سے اس بات کا تعین کرتے ہیں کہ ڈرائیور اکاؤنٹ شیئرنگ میں مصروف ہیں، اگر ڈرائیور اکاؤنٹ سے منسلک متعدد ڈیوائسز ایک ہی وقت میں مختلف مقامات سے اس تک 'رسائی' کرتے پائے جاتے ہیں۔ ایک اور معاملے میں جس کا ہم نے جائزہ لیا ، ہم ڈرائیور آن لائن/آف لائن ڈیٹا کہلانے والے ایک اضافی ڈیٹا سیٹ کو بازیافت کرنے میں کامیاب ہوئے، جو "ڈرائیور کے آن لائن اور آف لائن ہونے کے بارے میں ڈیٹا فراہم کرتا ہے، جسے 'ڈرائیور اسٹیٹ' بھی کہا جاتا ہے۔" ڈرائیور جن مختلف ریاستوں میں ہو سکتا ہے وہ کھلی، این روٹ، آن ٹرپ اور آف لائن ہیں۔ اس کے بعد ہم نے دونوں ڈیوائسز کے لوکیشن ڈیٹا کا ڈرائیور آن لائن/آف لائن ڈیٹا سے موازنہ کیا۔ اس سے یہ بھی انکشاف ہوا کہ آن لائن جانے کے لیے صرف ڈرائیور کی طرف سے لے جانے والا آلہ استعمال کیا جاتا تھا۔
ریگولیٹری دباؤ
یہ معاملات ان اہم مسائل کی طرف اشارہ کرتے ہیں کہ پلیٹ فارم کمپنی کی پالیسیوں میں ورکر فراڈ کی تعریف کیسے کی جاتی ہے۔ جیسا کہ ہم نے رپورٹ میں پہلے بات کی ہے، یہ واضح ہے کہ یہ مثالیں مجرمانہ دھوکہ دہی کی کارروائیوں کا حوالہ نہیں دیتی ہیں بلکہ مبہم طور پر مقرر کردہ کارکردگی کے معیارات کو پورا کرنے میں ناکامیاں ہیں۔ منسوخی کے ان فیصلوں کی کامیاب تبدیلی کا بنیادی طور پر ہمارے DSARs کی تعمیل کرنے اور حقیقی دھوکہ دہی یا غلط کام کا کوئی ثبوت فراہم کرنے میں Uber کی ناکامی پر منحصر ہے۔ اس کو عدالت میں کئی بار اجاگر کیا گیا ہے، جہاں یہ نوٹ کیا گیا ہے کہ ان مقدمات میں کسی بھی مرحلے پر عوام کے لیے کوئی خطرہ نہیں ہے، اور یہ کہ TfL نے حقیقی واقعات کی کسی بھی تحقیقات کے بغیر، سیدھا منسوخی کی طرف قدم بڑھایا ہے۔
یہ ریگولیٹری نفاذ کی اس سطح پر ہے کہ ہمیں جانچ پڑتال کی شدید کمی نظر آتی ہے، جو نہ صرف گیگ پلیٹ فارمز کے ذریعہ حرکت میں آنے والی آٹومیشن کو برقرار رکھتی ہے، بلکہ اس کی حوصلہ افزائی بھی کرتی ہے۔ اس بات کے شواہد موجود ہیں کہ ریگولیٹر اینٹی فراڈ کا پتہ لگانے اور رپورٹنگ کا بھی مطالبہ کر رہا ہے، جسے آپریٹرز پر دباؤ ڈالا جاتا ہے کہ وہ اپنے لائسنس کے کھو جانے کے خطرے میں ہوں۔ Uber کی 2020 لائسنسنگ اپیل کے عدالتی دستاویزات سے پتہ چلتا ہے کہ TfL نے مارچ 2020 میں RTID سسٹم کے لیے ڈیٹا پروٹیکشن امپیکٹ اسسمنٹ (DPIA) کا جائزہ لیا۔ TfL سے ہماری FOI کی درخواست کو DPIA کی ایک کاپی فراہم کرنے کے لیے TfL کی ضرورت کی بنیاد پر انکار کر دیا گیا تھا۔ Uber کے ساتھ ایک ریگولیٹڈ ادارے کے طور پر رازداری کو برقرار رکھنا۔
2015 میں، TfL نے مشاورت کے لیے ایک تجویز جاری کی: " اسے ایک ضرورت بنائیں جو ایپ پر مبنی پلیٹ فارمز کے پاس ہے، اور وہ لائسنسنگ سے پہلے کی جانچ پڑتال اور تعمیل کے معائنے کے دوران ظاہر کر سکتے ہیں، لائسنس یافتہ ڈرائیور کے علاوہ کسی دوسرے شخص کے ذریعہ ایپ کو استعمال کرنے سے روکنے کے لیے مناسب حفاظتی اقدامات جو وہ بکنگ مختص کر رہے ہیں۔" TfL نے اس تکنیکی حل کی وضاحت کی جس کی وہ توقع کرتے ہیں: "ہماری ترجیح آپریٹرز کے لیے ایک ایسا نظام ڈیزائن کرنا ہے جس کے تحت، آپریٹر کے لیے کام کے لیے دستیاب ہونے کی صورت میں، ڈرائیور کو وقتاً فوقتاً اپنی بکنگ ایپ میں لاگ ان کرنا چاہیے، مثال کے طور پر چہرے کے ذریعے یا فنگر پرنٹ ٹیکنالوجی، اس طرح کسی دوسرے ڈرائیور کے استعمال کے لیے اکاؤنٹ کے پاس ہونے کے امکان کو کم کر دیتا ہے۔"
آزاد ریگولیٹری انٹیگریٹڈ امپیکٹ اسسمنٹ اس مسئلے کے پیمانے کی نشاندہی کرنے میں ناکام رہا کہ TfL اس بات پر توجہ دینے کی کوشش کر رہا تھا کہ "اس وقت سیکیورٹی کی سطح پر صنعت کے وسیع ڈیٹا کی عدم موجودگی موجود ہے۔" اس سے بھی زیادہ تشویشناک بات یہ ہے کہ اثر کی تشخیص ناگوار ورک پلیس سرویلنس ٹیک کے نفاذ سے ڈرائیوروں پر کسی اثر کو تسلیم کرنے میں ناکام رہی، حالانکہ انہوں نے آپریٹرز کے لیے لاگت کے اثرات اور مسافروں کے لیے معمولی سے اعتدال پسند فوائد کو تسلیم کیا۔
آخر میں، کوئی تجویز آگے نہیں بڑھائی گئی لیکن TfL نے "اس بات کو یقینی بنانے کے لیے اختیارات تلاش کرنے کا وعدہ کیا کہ آپریٹرز ایپ پر مبنی پلیٹ فارم کہاں استعمال کرتے ہیں، کہ یہ محفوظ اور محفوظ ہیں اور انہیں دھوکہ دہی سے استعمال نہیں کیا جا سکتا۔" تاہم، ریگولیٹری معیار کی عدم موجودگی کے باوجود، TfL نے Uber، Free Now اور ممکنہ طور پر دیگر کے لیے لائسنسنگ کی شرط جیسے معیارات متعارف کرانے کو فروغ دیا ہے۔ درحقیقت، TfL نے ایک ڈی فیکٹو ریگولیٹری معیار قائم کیا ہے اور گیگ اکانومی میں نگرانی کے ہتھیاروں کی دوڑ کو متحرک کیا ہے لیکن کسی ریگولیٹری عمل کی مناسب عوامی جانچ کے بغیر ایسا کیا ہے۔
"یہ انتہائی تشویشناک ہے کہ گیگ اکانومی میں کارکنوں کو کام پر اپنے ڈیٹا تک رسائی کا حق حاصل ہونے کا خطرہ ہے اس قدر محدود اور خودکار فیصلوں جیسے کہ کارکردگی کی پروفائلنگ، کام کی تقسیم اور یہاں تک کہ روبو فائرنگز سے تحفظات۔
یہ زیادتی اس بات کی نشاندہی کرتی ہے کہ ہمیں تمام کام کرنے والے لوگوں کے لیے ایک نئی ڈیل کیوں کرنی پڑتی ہے جو پہلے دن سے ہی مکمل حقوق اور تحفظات کے ساتھ حقیقی طور پر خود ملازمت کرنے والے تمام کارکنوں کے لیے ملازمت کی واحد حیثیت فراہم کرتا ہے۔
واضح طور پر کمپنیاں ان مواقع سے پوری طرح فائدہ اٹھائیں گی جو جعلی خود روزگاری انہیں اپنی افرادی قوت کا غلط استعمال اور استحصال کرنے کے قابل بناتی ہے، جب تک کہ اس موقع کو قانون سازی کے ذریعے بند نہ کیا جائے تاکہ سب کے لیے بنیادی روزگار کے حقوق اور تحفظات فراہم کیے جائیں۔
اینڈی میکڈونلڈ، ایم پی
نتیجہ
مختلف دائرہ اختیار میں عدالتوں میں حالیہ کامیابیوں کے باوجود، گیگ اکانومی میں درستگی کے بنیادی مسائل بدستور موجود ہیں۔ یہاں تک کہ جہاں کارکنوں کے حقوق پر زور دیا گیا ہے، جیسے کہ برطانیہ میں، وہاں حکومت کی طرف سے کوئی وسیع تر نفاذ نہیں کیا گیا ہے۔ اس سے کارکنوں کے پاس قانونی چارہ جوئی کے چند متبادل ہوتے ہیں، اگر ان کے پاس ایسا کرنے کے لیے وسائل ہوں۔ نچلے درجے کی درجہ بندی کے طور پر کارکن کی حیثیت ابھی بھی گیگ کارکنوں کے لیے کم ہے کیونکہ یہ غیر منصفانہ برخاستگی سے کوئی تحفظ فراہم نہیں کرتا ہے۔ انتظار کے وقت کی ادائیگی میں ناکامی کیوں کہ کام کا وقت پلیٹ فارمز کو فوری طور پر دستیابی کا فائدہ اٹھانے کے قابل بناتا ہے تاکہ کارکن کی کمائی کو کم کرتے ہوئے کسٹمر کے جوابی وقت کو بڑھا سکے۔
یہ تمام مسائل کارکنوں کے ڈیجیٹل حقوق کا احترام کرنے میں پلیٹ فارمز کی ناکامی سے بڑھ گئے ہیں۔ ہماری رپورٹ گیگ اکانومی میں الگورتھمک مینجمنٹ اور خودکار فیصلہ سازی کرنے والے کارکنوں کی حد کے بارے میں شفافیت کی بری حد تک ناکافی سطح کو ظاہر کرتی ہے۔ کارکنوں کو ان کے ذاتی ڈیٹا تک رسائی سے مکمل طور پر انکار کر دیا جاتا ہے، ان کی درخواست پر مایوسی ہوتی ہے یا انہیں محض نامکمل واپسی دی جاتی ہے۔
یہاں بھی ہم دیکھتے ہیں کہ قوانین کا نفاذ کمزور ہے اور تحفظ کا دائرہ ناکافی ہے۔ غیر منصفانہ خودکار فیصلہ سازی سے آرٹیکل 22 تحفظات ایسے آجروں کے لیے فرار کے اختیارات فراہم کرتے ہیں جو ربڑ سٹیمپ کے غیر منصفانہ مشینوں کے ذریعے کیے گئے فیصلوں پر سطحی انسانی جائزے کا دعویٰ کر سکتے ہیں۔ پروفائلنگ کا پھیلاؤ، جو مشین لرننگ کے ذریعے پیدا ہوتا ہے، کارکنوں کے لیے کام کی جگہ کے بنیادی اصولوں جیسے کام کی تقسیم، کارکردگی کا نظم و نسق اور تادیبی کارروائی سے متعلق خودکار فیصلہ سازی کے منصفانہ پن کو کھولنا، سمجھنا یا جانچنا بہت مشکل بنا سکتا ہے۔ یہاں تک کہ جہاں انکشافات کیے جاتے ہیں، ہم صرف ذاتی ڈیٹا پروسیسنگ کے بارے میں صرف ایک جہتی نقطہ نظر حاصل کر سکتے ہیں، جب کہ کام پر الگورتھمک مینجمنٹ کو صحیح معنوں میں سمجھنے کے لیے، ہمیں الگورتھمک انتظامی افعال کے درمیان تعامل کو سمجھنے کی ضرورت ہے۔
EU کی نئی مجوزہ ہدایت نے یورپ میں گِگ اکانومی پلیٹ فارم کے کارکنوں کے لیے اہم نئے تحفظات کی نشاندہی کرنے میں بڑی پیش رفت کی ہے جیسے کہ روزگار کا قیاس اور غیر منصفانہ خودکار فیصلہ سازی کے خلاف بہتر تحفظات۔ لیکن غلط درجہ بندی اس عمل کو چیلنج کرتی رہے گی اگر بدمعاش آجر صحیح کارکردگی کے انتظامی فیصلوں اور انسداد فراڈ کی روک تھام کے لیبل کے پیچھے کڑی نگرانی کو چھپاتے رہیں۔
عدالت میں علاج تک رسائی حاصل کرنے میں وقت اور پیسہ درکار ہوتا ہے، اور غیر محفوظ کارکنوں کو زیادہ تیز رفتار حل کی ضرورت ہوتی ہے اگر وہ بالکل موثر ہونا چاہتے ہیں۔ اس لیے کارکنوں کو منظم اور اجتماعی کارروائی کے ذریعے اپنی سودے بازی کی طاقت کو بہتر کرنا چاہیے۔ اس لیے کارکنوں کی ان کے ڈیٹا تک رسائی اور جمع کرنے کی صلاحیت اس تنظیم میں ایک طاقتور قوت ہے جو ابھی تک مناسب طریقے سے استعمال نہیں کی گئی ہے۔ جب کارکن اپنے ڈیٹا کو بہتر طریقے سے کنٹرول کر سکتے ہیں، تو وہ کام پر اپنی قسمت کو بہتر طریقے سے کنٹرول کر سکیں گے۔
یہ رپورٹ کینسو سفاک اور جیمز فارر نے لکھی ہے۔
Anton Ekker کے تعاون کے لیے شکریہ کے ساتھ اور App Drivers and Couriers Union (ADCU)، باما اتھریا اور یاسین اسلم کا ان کی جاری تعاون کے لیے شکریہ۔
یہ کام موزیلا فاؤنڈیشن، ڈیجیٹل فریڈم فنڈ کے تعاون سے ممکن ہوا۔
اور اوپن سوسائٹی فاؤنڈیشنز۔
اونتیکا موہاپاترا کی تصویریں۔
13 دسمبر 2021 کو شائع ہوا۔
اگر آپ کے کوئی سوالات ہیں یا آپ رابطہ کرنا چاہتے ہیں تو براہ کرم ای میل کریں: office@workerinfoexchange.org
© 2021 پلیٹ فارم انفارمیشن ایکسچینج لمیٹڈ