такси, есть всего 10–20 секунд, чтобы ответить на предложенную поездку, при этом они заранее не знают, куда ехать и на какую сумму могут рассчитывать. Если они отказываются от слишком большого количества поездок подряд, их могут удалить с платформы[294]. Это касается не только агрегаторов поездок. Работу сотрудников склада, которые собирают вашу продуктовую доставку, координируют сканеры, сообщающие им, сколько у них есть времени на поиск каждого товара[295]. Ничего общего с равнодушным солдафонством Тейлора. Водителей Deliveroo могут наказать, если они прибудут позже времени, рассчитанного алгоритмом, независимо от местных погодных условий или дорожных пробок.

Эта система управления похожа на тейлоризм на стероидах — со всеми дегуманизирующими отрицательными сторонами, но без соразмерной оплаты или стабильности работы. Как выразился один из сотрудников Amazon в статье, опубликованной в Guardian, руководители компании «больше заботятся о роботах, чем о работниках», и в этих словах мы слышим отголоски старой критики научной организации труда[296]. Только вот на этот раз у работников нет прежнего мощного рычага — коллективных переговоров. В ультратейлористских компаниях XXI века баланс сил значительно смещен в пользу боссов.

Компания Amazon ежегодно автоматически увольняет около 10% сотрудников за то, что они недостаточно быстро проводят посылки через систему[297]. Внутренние показатели производительности диктуют время обработки каждой заявки, чтобы наши заказы категории «прайм» были доставлены в тот же день. Но они также отстраняют работников от важных аспектов принятия решений и лишают их самостоятельности. Один разорвавшийся на конвейере пакет с чем-то жидким отнимет драгоценные минуты от целей, установленных алгоритмом, и станет еще одной черной меткой на пути к увольнению. А пакетов в час проходят сотни, и их повреждение не такое уж редкое явление.

Все это кажется парадоксальным. Во многих случаях те же самые компании, которые предлагают избранным столы для пинг-понга, крафтовое пиво и процедуры по замораживанию яйцеклеток, следят за другими с помощью алгоритмов. Таково Янусово лицо работы в экспоненциальную эпоху. Тот, кто хорошо образован и удачлив, процветает. Те же, кому не так повезло, могут оказаться в ловушке рабочего места с беспрецедентными карательными мерами.

* * *

Возможно, вы заметили вырисовывающуюся закономерность. Будущее занятости, похоже, определяется не столько ее отсутствием, сколько растущей пропастью между все более качественной работой для одних и все более низкокачественной и ненадежной — для других. Мы не стоим на пороге безработного будущего, но, возможно, смотрим в грядущее, в котором — если мы не будем осторожны и внимательны — работа перестанет служить интересам общества.

Эта проблема заметна по нестабильности гиг-работы и отношению к работникам как к заменяемому активу, которым могут управлять алгоритмы. Но самое яркое проявление этой проблемы в том, как распределяется вознаграждение. Экономисты уже давно пытаются понять, насколько справедлив рынок труда, изучая, какая доля доходов страны достается работникам, а какая — владельцам капитала в виде прироста запасов, дивидендов и прибылей корпораций. История последних пятидесяти лет поразительна. В период с 1980 по 2014 год доля труда в национальном доходе, то есть процент ВВП, выплачиваемый в виде заработной платы, окладов и пособий, снизилась в среднем на 6,5%, как показали данные по 34 странам с развитой экономикой. В США падение было еще более заметным. В 1947 году в Америке работники получали 65% национального дохода, к 2018 году этот показатель снизился до 56,7%. Более трех четвертей этого падения — со времени окончания Второй мировой войны — пришлось на первые два десятилетия 2000-х. На протяжении десятилетий работники систематически получали все меньшую долю экономического пирога[298].

На практике это проявилось в стагнации средней заработной платы и росте неравенства. Снова самый яркий пример — США. В период между 1940-ми и серединой 1970-х годов продуктивность экономики и оплата труда работников росли параллельно: в 1948–1973 годах почасовая оплата труда работников увеличилась на 97%, в то время как продуктивность экономики выросла на 91%. Вполне справедливо. Затем произошла удивительная вещь. Внезапно рост заработной платы замедлился, в то время как экономическая продуктивность продолжала стремительно расти. К 2018 году в США она была на 255% выше, чем в 1948 году, а заработная плата увеличилась всего на 125% — едва ли на треть больше, чем в 1973 году. Другими словами, объем производства в экономике США продолжал расти, но доля, которую получали работники, стагнировала[299].

Факторы снижения доли рабочей силы в экономическом пироге разноплановы. Но они тесно связаны с переходом к экспоненциальной экономике. Выделяют четыре ключевые причины. Глобализация, которая привела к снижению заработной платы на Западе, поскольку компании перевели производство в более дешевые места по всему миру. Упадок профсоюзов, что означало отсутствие у работников переговорной силы, способной сдерживать экономические выгоды владельцев капитала (мы скоро вернемся к этому вопросу). Возникновение нематериальной экономики, что снизило относительную ценность среднего работника: стоимость, создаваемая ноу-хау, программным обеспечением и данными, управляемыми меньшим числом высококвалифицированных специалистов, стала больше, чем стоимость, которую генерировал человеческий труд большей части рабочей силы. И суперзвездность: поскольку рынки консолидировались вокруг все меньшего числа суперуспешных компаний, конкуренция за рабочую силу ослабла, и у работников стало меньше рычагов влияния[300]. Все это — отличительные признаки подъема экспоненциальных технологий: появление глобальной, высокотехнологичной, нематериальной экономики, в которой доминирует горстка крупных корпораций. Согласно одному исследованию, более двух третей потерь для работников — это результат перехода к нематериальным технологиям и роста компаний-суперзвезд[301].

Конечно, не все рабочие места, созданные экспоненциальными технологиями, испытывают давление на заработную плату. Возьмем Uber. Компания зависит от сложнейшего программного обеспечения — от алгоритма, распределяющего водителей, до машинного обучения, которое помогает прогнозировать спрос, предлагать направления, предсказывать узкие места и устанавливать повышенные тарифы в час пик. Все это ПО было разработано инженерами. Чтобы стать инженером в Uber, требуется серьезная академическая подготовка, а также опыт работы с новейшими технологиями высочайшего уровня. Процесс отбора включает в себя несколько часов собеседований, а также тесты по кодированию и решению сложных задач. Такое строгое тестирование — отличительная черта компаний-суперзвезд. Однако оно стоит того, если вы получите эту работу. В 2020 году средний инженер-программист в Uber получал 147 603 доллара в год. Старшие инженеры с опытом работы более пяти лет могут зарабатывать в три раза больше. С другой стороны — водители Uber. Как мы уже видели, гиг-работникам часто платят относительно мало. Типичный водитель зарабатывает 19,73 доллара в час до всех вычетов, или 30 390 долларов в год при сорокачасовой рабочей неделе.

Аналогичная картина и в Facebook. Половина всех сотрудников Facebook — от инженеров до маркетологов, бухгалтеров и продавцов — зарабатывают 240 тысяч