Likt många kontorsarbetare har jag AI att tacka för mycket. Jag är osäker på om jag lyckats traggla mig igenom alla långa filosofiska texter och statistiska formler i mina doktorandkurser utan hjälp av chatbottar. Det hade i vart fall gått betydligt långsammare. Upplevelsen av att använda Chat GPT är att prata med en mänsklig maskin. Du skriver en fråga, orden dyker upp på skärmen med några sekunders dröjsmål. Det är svårt att förstå hur det går till.

På det sättet liknar den artificiella intelligensen de flesta andra varor: arbetet syns inte, mer än möjligtvis som en ”made in”-lapp. Effekten förstärks när AI framställs som en förhöjd kopia av den mänskliga intelligensen – estetiken är glansiga hjärnor, elektriska moln, flytande siffror. Om något arbete alls syns är det inte Mercy vi ser – gråtandes framför datorn i Kiberas kåkstad – utan ingenjörer i luftkonditionerade kontorslokaler i Silicon Valley.

Scenen från Nairobi inleder boken Feeding the machine, skriven av forskarna James Muldoon, Mark Graham och Callum Cant, som visar hur AI snarare än att tänka själv är beroende av arbete från tusentals människor som Mercy.

I bokens första kapitel möter vi också Anita, som arbetar som dataannotator, på uppdrag av ett företag som utvecklar självkörande bilar. Hon bor i utkanten av Gulu, en stor stad i norra Uganda. Innan dess sålde hon grönsaker och juice på gatan, och det nya arbetet har gett henne mer pengar att försörja sin familj med. Men arbetet tär, och Anita kommer hem utpumpad på energi om kvällarna.

Anita och Mercy, tillsammans med andra moderatorer och dataannotatorer, befinner sig längst ned i den artificiella intelligensens komplexa leverantörskedja. Moderatorernas arbete går ut på att sålla bort stötande material: från rasistiska glåpord till bilder på våldtäkter. Dataannotatorer som Anita lär algoritmerna och de stora språkmodellerna världens mönster: hur en väg ser ut, hur en bil körd av en berusad människa rör sig, vad vägskyltarna betyder.

Dagarna i ända drar och klickar de på bilder. Annotering av dataset utgör hela 80 procent av arbetet som bygger AI:s algoritmer. Arbetet är lågbetalt och kräver inga kvalifikationer, utöver de kulturella och mänskliga instinkter som en maskin saknar.

Filosofen Max Tegmark inledde sitt sommarprat från 2023 med att säga att han tror att AI inom vår livstid kommer utveckla förmågan att utrota hela mänskligheten. När AI diskuteras ligger oftast problemen i framtiden – farhågorna om en generell artificiell intelligens (AGI) som tröttnar på mänskligheten och börjar motarbeta den.

Författarna bakom Feeding the machine placerar riskerna i nuet. Enligt dem är det snarare tal om en sofistikerad ”utsugningsmaskin” (extraction machine), som parasiterar på mänskligt arbete, privatiserar vår gemensamma kunskapsproduktion och säljer den tillbaka till oss som en vara.

Arbetet tillåter inga avbrott, hon måste inta en maskinlik likgiltighet inför bilderna.

Produktionen följer koloniala mönster. I Kenya löper fiberkablarna längs järnvägsspåren som de brittiska kolonisatörerna byggde. Då som nu är syftet med infrastrukturen att underlätta överföringen av ekonomiskt värde från periferin i syd till centrum i nord. Teknikjättarna suger ut vad de kan ur arbetarna och naturen för i princip inga pengar alls.

Boken avtäcker den materiella grunden för AI, från råvaruutvinningen, och de enorma energi- och vattentillgångarna den kräver, till datainfrastrukturens geopolitik och framförallt – det mänskliga arbetets roll. Problemformuleringen måste flyttas från horisonten, tillbaka till nuet.

Författarna menar att vi bör vara medvetna om AI:s leveranskedja på samma sätt som hur en espresso kommer till, från böna till kopp. Det finns något förtrollande med till synes sofistikerade, självständiga system, men de bygger på arbete som ofta är avhumaniserande, övervakat, och monotont. Bakom varje självkörande bil finns en arbetare som tillbringar åtta till tio timmar om dagen med att titta på bilder av blodiga olyckor.

Det är arbete som utförs på en global arbetsmarknad, vars form är stöpt av kolonialismen. Arbetarna befinner sig oftast i forna kolonier, som Kenya, Filippinerna och Indien. Just kolonialismen har gjort dem till attraktiv arbetskraft – de är engelskspråkiga, men givet sin position i världsekonomin arbetar de för lägre löner. Visar de missnöje kan de lätt ersättas av någon som är arbetslös eller som jobbar inom den informella ekonomin. Kräver de högre löner så kan arbetsköparen hänvisa till risken att de stora AI-bolagen som köper deras arbete lika gärna kan köpa det av motsvarande leverantör i ett annat land.

Arbetet har många likheter med det digitala gigarbetet bakom plattformarnas algoritmer, som kallas ”spökarbete” eller ”klickarbete”, skildrat i bland annat Phil Jones Work without the worker (2021). Båda formerna av arbete är lågbetalda och prekära, och arbetarna pressas genom minutiös övervakning. Men det finns också skillnader. I Feeding the machine görs argumentet att vi just nu genomlever skiftet från plattformskapitalismen till AI-eran.

Visst älskar forskare att utropa nya epokskiften, men de verkar faktiskt vara något verkligt på spåren.

Plattformsföretagen strävar efter att vara maximalt slimmade. Förutom själva plattformen så vill de äga så lite som möjligt. Uber äger inga bilar, Airbnb äger inga lägenheter. Plattformarna bygger på nätverkseffekter, som uppstår när fler och fler användare låses in. Värdet skapas av användarna på plattformen.

Under AI-eran är det centrala i stället att etablera ägande och kontroll över digital infrastruktur – datacenter, undervattenskablar och chip. AI bygger på att inhägna och privatisera redan existerande kunskap som finns samlat i böcker, tidningar, på Wikipedia och internetforum. Centralisering, inte nätverk, är principen under AI-eran, som domineras helt av teknikjättar som Microsoft, Google och Amazon. Att utveckla AI är otroligt kapitalintensivt och nykomlingar måste ansluta sig till jättarna för att överleva, till skillnad från plattformsföretagen som kunde startas och drivas av en enskild teknikinvesterare.

Centraliseringen och fokuset på infrastruktur påverkar även arbetets organisering. Snarare än småentreprenörer som jobbar från ett internetkafé eller en familj som vars medlemmar turas om med att arbeta på hemmets enda bärbara dator, sker AI:s spökarbete framförallt i digitala fabriker, där hundratals människor arbetar sida vid sida. Det möjliggör mer direkt kontroll, vilket ses som fördelaktigt eftersom AI-system ofta hanterar känslig information.

En brittisk röstskådespelare, Laura, får sin röst kopierad som AI utan hennes vetskap. Hon försöker på alla sätt, men det är omöjligt för henne att få tillbaka rättigheterna till sin röst. En finskriven klausul i ett kontrakt med en teknikjätte hade godkänt användning av hennes röst, och eftersom bolaget vägrade uppge sin företagsadress slås EU:s upphovsrättslagstiftning ut. Laura får helt enkelt leva med att konkurrera med sin egen avbild, som antagligen säljer sig billigare. Att spela in röstslingor till reklamfilmer är inte en skådespelares högsta dröm, men när den typen av uppdrag tas över av AI-kopior kan det bli svårt att klara försörjningen.

Hon är en av många personer som genom boken får illustrera olika sidor av AI:s leveranskedja. Den isländska teknikern Einar jobbar på ett datacenter och befinner sig mitt i AI:s infrastruktur. Ingenjören Li plågas av att inte kunna förmå företagsledningen att göra etiska val. Tyler, en investerare på ett amerikanskt riskkapitalbolag är väl medveten om bolagen i hans portfölj ska bli lönsamma måste de oftast skära ner på lönekostnaderna, och föreslår därför utlokalisering till Östafrika. Alex, som arbetar på ett Amazonlager känner sig förödmjukad och alienerad av den rigida styrningen av hans arbete.

AI skapades för att förutsäga fiendens beteenden och identifiera kroppar att döda.

Det finns hopp om att AI ska befria oss från arbete, men i händerna på de stora teknikbolagen – samt deras ägare och investerare – syftar teknologin till att öka arbetets produktivitet, få oss att jobba snabbare, inte att avskaffa arbetet. På Amazon och andra arbetsplatser används AI främst för övervakning. Genom att analysera mejl och chattmeddelanden och bärbar hälsoteknik kan AI förutse arbetarnas beteenden, vilket är guld för chefer som jagar siffror. Plötsligt kan de få riskbedömningar av vilka arbetare som troligast kommer att bränna ut sig, bli sjukskrivna eller engagera sig fackligt. Även om det är lågbetalda giggare, Amazonanställda och dataannotatorer som tekniken testas på först, finns det ingen anledning att tro att det skulle sluta där. Möjligheterna för arbetsköparna att öka produktiviteten och sänka lönekostnaderna är helt enkelt för lockande.

Personerna i boken har olika maktresurser, baserat på deras olika positioner i leveranskedjan. Högutbildade teknikarbetare i västvärlden är svårare att ersätta och har därför en bättre förhandlingsposition. Samtidigt är de alla fångna i ett system där deras handlingsutrymme begränsas av marknadskrafterna.

Graham, Cant och Muldoon är knappast några AI-entusiaster, men lägger fram en nyanserad karta över möjligheterna till motstånd och organisering. Bland exemplen de tar upp finns ett indiskt datakooperativ, där talare av minoritetsspråk får lön för att lära upp nya språkmodeller. Den typen av experiment är viktigt för vår förmåga att föreställa oss ett annat AI, gemensamt ägt och styrt av sociala intressen, snarare än ekonomiska.

Men trots att arbetarna längst ned i AI:s hierarki har organiserat sig fackligt och genomfört flera lyckade strejker, så är resultaten av dessa kamper marginella. Det krävs därför gemensam organisering av teknikarbetare genom hela leveranskedjan, och enstaka solidaritetsaktioner räcker inte. Helst av allt ser de framför sig ett transnationellt fack som förenar teknikarbetare i alla led, där olika styrkepositioner kan koordineras och förstärka varandra.

Går det att demokratisera AI? Teknikjournalisten Evgeny Morozov svarar i en syrlig tweet: ”Att demokratisera AI är som att demokratisera en stridsvagn.” Han menar att all teknologi är bärare av ideologi, och att AI är formad av lika delar militarism och nyliberalism.

Grunden till vår tids artificiella intelligens lades i Silicon Valley under kalla kriget, vuxet ur en mylla av nätverk mellan Stanforduniversitets ingenjörer, militärindustrin och finanskapitalet. AI skapades för att förutsäga fiendens beteenden och identifiera kroppar att döda. Det är mänsklig intelligens reducerad till generalens kallsinniga, kalkylerande ovanifrån-blick. AI:s objekt är individen, det är soldatens eller programmerarens produktivitet som ska förhöjas, inte samhället som ska förbättras.

Samtidigt menar Graham, Cant och Muldoon inte att vi därför måste förkasta AI. Snarare måste maskinen programmeras om till demokratiska ändamål. Där visar språkkooperativet i Indien och andra liknande exempel på möjliga vägar fram.

Det första steget är dock att göra upp med alla illusioner som omger tekniken. Som Morozov uttryckt det, är AI ”varken artificiell eller intelligent”. Inte artificiell, eftersom den bygger på mänskligt arbete. Inte intelligent, eftersom den varken kan förstå känslor eller vara nyskapande.

Det är dags att dra upp gardinen och se tekniken för vad den verkligen är: en utsugningsmaskin, matad av mänskligt arbete. Först när vi förstår AI på det viset – som en skapelse av mänskligt arbete, inte en abstrakt teknologi som Silicon Valleys ingenjörer och entreprenörer trollar fram ur intet – så blir det möjligt att kräva makten över tekniken och framtiden.