Tuesday, June 29, 2021

It’s You Against the Machine

Fired by Bot at Amazon: ‘It’s You Against the Machine’

Contract drivers say algorithms terminate them by email—even when they have done nothing wrong. 

By Spencer Soper

June 28, 2021, 5:00 PM GMT+7


Stephen Normandin spent almost four years racing around Phoenix delivering packages as a contract driver for Amazon.com Inc. Then one day, he received an automated email. The algorithms tracking him had decided he wasn’t doing his job properly.

The 63-year-old Army veteran was stunned. He’d been fired by a machine.

Normandin, an “old-school kind of guy” who say he gives every job 110%

Normandin says Amazon punished him for things beyond his control that prevented him from completing his deliveries, such as locked apartment complexes. He said he took the termination hard and, priding himself on a strong work ethic, recalled that during his military career he helped cook for 250,000 Vietnamese refugees at Fort Chaffee in Arkansas.

“I’m an old-school kind of guy, and I give every job 110%,” he said. “This really upset me because we're talking about my reputation. They say I didn’t do the job when I know damn well I did.”

Normandin’s experience is a twist on the decades-old prediction that robots will replace workers. At Amazon, machines are often the boss—hiring, rating and firing millions of people with little or no human oversight.

Amazon became the world’s largest online retailer in part by outsourcing its sprawling operations to algorithms—sets of computer instructions designed to solve specific problems. For years, the company has used algorithms to manage the millions of third-party merchants on its online marketplace, drawing complaints that sellers have been booted off after being falsely accused of selling counterfeit goods and jacking up prices.

Increasingly, the company is ceding its human-resources operation to machines as well, using software not only to manage workers in its warehouses but to oversee contract drivers, independent delivery companies and even the performance of its office workers. People familiar with the strategy say Chief Executive Officer Jeff Bezos believes machines make decisions more quickly and accurately than people, reducing costs and giving Amazon a competitive advantage.

Amazon started its gig-style Flex delivery service in 2015, and the army of contract drivers quickly became a critical part of the company’s delivery machine. Typically, Flex drivers handle packages that haven’t been loaded on an Amazon van before the driver leaves. Rather than making the customer wait, Flex drivers ensure the packages are delivered the same day. They also handle a large number of same-day grocery deliveries from Amazon’s Whole Foods Market chain. Flex drivers helped keep Amazon humming during the pandemic and were only too happy to earn about $25 an hour shuttling packages after their Uber and Lyft gigs dried up.

But the moment they sign on, Flex drivers discover algorithms are monitoring their every move. Did they get to the delivery station when they said they would? Did they complete their route in the prescribed window? Did they leave a package in full view of porch pirates instead of hidden behind a planter as requested? Amazon algorithms scan the gusher of incoming data for performance patterns and decide which drivers get more routes and which are deactivated. Human feedback is rare. Drivers occasionally receive automated emails, but mostly they’re left to obsess about their ratings, which include four categories: Fantastic, Great, Fair or At Risk.

Bloomberg interviewed 15 Flex drivers, including four who say they were wrongly terminated, as well as former Amazon managers who say the largely automated system is insufficiently attuned to the real-world challenges drivers face every day. Amazon knew delegating work to machines would lead to mistakes and damaging headlines, these former managers said, but decided it was cheaper to trust the algorithms than pay people to investigate mistaken firings so long as the drivers could be replaced easily.

So far, Amazon has had no trouble finding Flex contractors. Globally, some 4 million drivers have downloaded the app, including 2.9 million in the U.S., according to AppAnnie. And more than 660,000 people in the U.S. downloaded it in the first five months of this year, up 21% from the same period a year ago,  according to SensorTower, another app tracker. 

Inside Amazon, the Flex program is considered a great success, whose benefits far outweigh the collateral damage, said a former engineer who helped design the system. “Executives knew this was gonna shit the bed,” this person said. “That’s actually how they put it in meetings. The only question was how much poo we wanted there to be.”

In a statement, Amazon spokeswoman Kate Kudrna called drivers’ claims of poor treatment and unfair termination anecdotal and said they don’t represent the experience of the vast majority of Flex drivers. “We have invested heavily in technology and resources to provide drivers visibility into their standing and eligibility to continue delivering, and investigate all driver appeals,” she said. 

As independent contractors, Flex drivers have little recourse when they believe they’ve been deactivated unfairly. There’s no paid administrative leave during an appeal. Drivers can pay $200 to take their dispute to arbitration, but few do, seeing it as a waste of time and money.

When Ryan Cope was deactivated in 2019, he didn’t bother arguing or consider paying for arbitration. By then, Cope had already decided there was no way he could meet the algorithms’ demands. Driving miles along winding dirt roads outside Denver in the snow, he often shook his head in disbelief that Amazon expected the customer to get the package within two hours.

“Whenever there’s an issue, there’s no support,” said Cope, who is 29. “It’s you against the machine, so you don’t even try.”

When drivers do challenge poor ratings, they can’t tell if they’re communicating with real people. Responses often include just a first name or no name at all, and the replies typically apply to a variety of situations rather than a specific problem. Even if a name is attached, a machine most likely generated the first few email responses, according to people familiar with the matter.

When human managers get involved, they typically conduct a hasty review—if they do one at all—because they must meet their own performance standards. A former employee at a driver support call center said dozens of part-time seasonal workers with little training were assigned to oversee issues for millions of drivers.

“Amazon doesn’t care,” the former Amazon employee said. “They know most people will get their packages and the 2 or 3 percent who don’t will get something eventually.”

Amazon has automated its human-resources operation more than most companies. But the use of algorithms to make decisions affecting people’s lives is increasingly common. Machines can approve loan applications, and even decide if someone deserves parole or should stay behind bars. Computer science experts have called for regulations forcing companies to be transparent about how algorithms affect people, giving them the information they need to call out and correct mistakes. Legislators have studied the matter but have been slow to enact rules to prevent  harm. In December, Senator Chris Coons, Democrat of Delaware, introduced the Algorithmic Fairness Act. It would require the Federal Trade Commission to create rules that ensure algorithms are being used equitably and that those affected by their decisions are informed and have the opportunity to reverse mistakes. So far his proposal has gone nowhere. 

Neddra Lira, of Arlington, Texas, started making deliveries through the Amazon Flex app in 2017. A 42-year-old school-bus driver and mother of three, she took the side job during holiday breaks and summers to earn extra money, which she used to pay for her daughter’s gymnastics lessons. When the pandemic hit and schools closed, Lira turned to Flex as her primary source of income, delivering packages as well as groceries from Whole Foods. She liked the flexibility and opportunity to pocket about $80 for a four-hour route, after subtracting gas for her Chevrolet Trax crossover.

Lira estimates she delivered about 8,000 packages and had a “great” performance rating most of the time. Amazon algorithms rate drivers based on their reliability and delivery quality, mostly measured by whether they arrived to pick up packages on time, if they made the deliveries within the expected window and followed customers’ special requests. Flex metrics focus mostly on punctuality, unlike ride-hailing services such as Uber and Lyft, which also prioritize things like a car’s cleanliness or driver courtesy. Moreover, Uber and Lyft passengers know when they’re stuck in traffic, so drivers are less likely to be penalized for circumstances beyond their control.

An Amazon customer has no idea what obstacles Flex drivers encounter on the way to their residence, and neither do the algorithms clocking them. Lira says sometimes there were so many drivers lined up outside the delivery station, she waited as long as an hour to retrieve her packages, putting her behind schedule before she even started her route. When she spotted a nail in her tire, Amazon didn’t offer to come retrieve the packages but asked her to return them to the delivery station. Lira was afraid the tire would go flat but complied to protect her standing. Despite explaining the situation, her rating dropped to “at risk” from “great” for abandoning the route and took several weeks to recover.

Time and again, Lira was reassured that her rating was fine. A typical email arrived on Oct. 1. “Your standing is currently great, which means you’re one of our best delivery partners,” said the message signed “Madhu S.” But the very next day, “Bhanu Prakash” emailed to say she had violated Flex’s terms of service. “As a result, you’re no longer eligible to participate in the Amazon Flex program and won’t be able to sign in to the Amazon Flex app.”

Lira was provided an email address and invited to appeal the termination within 10 days. She did so and asked why she was deactivated so she could tell Flex driver support what went wrong. She never got further specifics. She followed up Oct. 18, explaining that she was a single mother laid off from her regular job due to the pandemic and that Flex was the only thing keeping her afloat. Lira received what appears to be an automated response from “The Amazon Flex Team” apologizing for the delay and assuring her that her situation would be investigated by the appropriate team.

Three days later, on Oct. 21, she received a message from “Margaret”  saying  “we are still reviewing your appeal.” Then a week later, on Oct. 28, an email signed “SYAM” said, “We’ve reviewed your information and taken another look at your history. Our position has not changed and we won’t be reinstating  your access to the Amazon Flex program… We wish you success in your future endeavors.”

Without the driving gig, Lira began to struggle financially. She stopped paying her mortgage, and her car was repossessed two days after Christmas with donated presents for her kids still inside. Lira was forced to take a government handout to pay her electric, gas and water bills. Eventually she started driving the school bus again and used most of a pandemic stimulus check to get her car back, paying $2,800 in missed payments, repossession and storage fees.

The computer engineers who designed Flex worked hard to make it fair and consider such variables as traffic jams and problems accessing apartments that the system can’t detect, former employees said. But no algorithm is perfect, and at Amazon’s size even a small margin of error can be considered a huge success internally and still inflict a lot of pain on drivers. Amazon Flex drivers deliver about 95% of all packages on time and without issues, according to a person familiar with the program. Algorithms examine that remaining 5% for problematic patterns.

The Flex algorithms began as blunt instruments and were refined over time. Early on, according to a person familiar with the situation, designers set too tight a time period for drivers to get to the delivery station. They had failed to factor in human nature. Drivers eager for work would promise to arrive by a certain time when they were too far away to make it. The flaw set good drivers up to fail, the person said, and was fixed only after a widespread plunge in ratings. The system also uses GPS to decide how long it should take to reach a specific address but sometimes fails to account for the fact that navigating a rural road in the snow takes a lot longer than traversing a suburban street on a sunny day.

The system worked fine for Normandin for years. An Arizona native who previously delivered pizzas at night and newspapers in the morning, he knew all the short cuts and traffic choke points. He also drove for Uber and Lyft, but took on more Flex work during the pandemic when demand for rides dropped and it became riskier ferrying passengers than carting packages.

Normandin enjoyed stellar ratings and was even asked if he’d like to train other drivers. He had a well-honed system: sorting packages before leaving the station, putting his first deliveries in the front seat, the next several packages in the rear and tucking the last batch deep in the back of his 2002 Toyota Corolla. Normandin has been medically disabled for more than a decade due to a stomach ailment and back problems that prevent him from sitting or standing in one place for prolonged periods. He liked gig work because he could work a few hours at a time.

Then, starting last August, Normandin had a string of setbacks he maintains were beyond his control. Amazon assigned him some pre-dawn deliveries at apartment complexes when their gates were still locked, a common complaint among Flex drivers. The algorithm instructs drivers in such instances to deliver packages to the main office, but that wasn’t open either. Normandin called the customer as instructed—a long shot because most people don’t answer calls from unfamiliar numbers, especially early morning. He called driver support, which couldn’t get through to the customer either. Meanwhile, the clock was ticking, and the algorithm was taking note.

“There are a lot of things the algorithms don't take into consideration and the right hand doesn’t know what the left hand is doing,” Normandin said.

Around the same time, he was asked to deliver packages to an Amazon locker in an apartment complex but couldn’t open it. After 30 minutes on the phone with support he was told to return the packages to the delivery station. Then his rating crashed. Normandin called support again to explain that a malfunctioning locker was responsible and says he was told the problem would be remedied. “They never fixed it,” he said, “and it took six weeks for my rating to go back up.”

On Oct. 2, Normandin woke at 3 a.m., showered and grabbed his phone to find a Flex route but couldn’t log on. He checked his email and found a generic message from Amazon signed by “Gangardhar M.” It said Normandin’s standing had “dropped below an acceptable level” and that he was being terminated.

Then began a process familiar to anyone who has found themselves trapped in an automated customer-service loop—except in this case Normandin wasn’t seeking a refund for a damaged product. He was fighting to get his job back. 

Offered Amazon’s standard 10 days to appeal, Normandin emailed Flex support and asked that his termination be reversed. He explained that he had already flagged Amazon about circumstances beyond his control and had been promised the infractions wouldn’t be held against him

Normandin received a response the next day from “Pavani G,” thanking him for “providing more context about your history with Amazon Flex.” Normandin responded to that email with additional information and received the same exact response promising to look into the issue, but this time it was signed by “Bitan Banerjee.” The email pledged to provide an answer within six days. Seven days later, “Arnab” emailed to apologize for the delay and promised an update as soon as possible.

Meanwhile, Normandin wasn’t making any money. He was counting on Amazon’s annual Prime Day sale, which had been pushed back to October, to make money he needed to pay bills. With no response by Oct. 19, Normandin messaged Amazon again, this time copying Bezos. 

“I am asking for specific details on how this decision for deactivation of my account was reached,” he wrote. “I am confident after a thorough review of my entire delivery history as an Amazon Flex driver will show a consistent history of performing at the highest level, of a reasonable and prudent person.”

About 12 hours later, he got a response informing him that Bezos had received the email and instructed “Taylor F” to research the issue and respond on his behalf.  On Oct. 23, Normandin received an email from “Raquel” on the Amazon Flex Support Team to tell him they were still reviewing his appeal. Former Amazon employees who worked on Flex said escalating to Bezos is a common tactic among deactivated drivers but seldom helps them.

The verdict arrived on Oct. 28 from “SYAM,” the same name in the final message to Lira. The email didn’t directly respond to Normandin’s claims but acknowledged the job’s challenges, saying: “We understand that every delivery partner has difficult days and that you may sometimes experience delays, and we have already taken this into account.” But Normandin still wasn’t getting his gig back.

After the shock subsided, he tried a couple of other delivery services but instead decided to use his pandemic stimulus money to start a small-engine repair business. It was time to deal directly with human beings again. Of the people who designed the algorithms that tracked, rated and eventually fired him, Normandin said: “It seems they don’t have any common sense about how the real world works.”


---


Dipecat oleh Bot di Amazon: 'Ini Anda Melawan Mesin'

Pengemudi kontrak mengatakan algoritme menghentikan mereka melalui email—bahkan ketika mereka tidak melakukan kesalahan apa pun.

Stephen Normandin menghabiskan hampir empat tahun balapan di sekitar Phoenix mengirimkan paket sebagai driver kontrak untuk Amazon.com Inc. Kemudian suatu hari, dia menerima email otomatis. Algoritme yang melacaknya telah memutuskan bahwa dia tidak melakukan pekerjaannya dengan benar.

Veteran Angkatan Darat berusia 63 tahun itu tercengang. Dia telah dipecat oleh mesin.

Normandin, "pria tua" yang mengatakan bahwa dia memberikan setiap pekerjaan 110%

Normandin mengatakan Amazon menghukumnya untuk hal-hal di luar kendalinya yang mencegahnya menyelesaikan pengirimannya, seperti kompleks apartemen yang terkunci. Dia mengatakan bahwa dia menerima pemutusan hubungan kerja dengan keras dan, dengan bangga memiliki etos kerja yang kuat, mengingat bahwa selama karir militernya dia membantu memasak untuk 250.000 pengungsi Vietnam di Fort Chaffee di Arkansas.

“Saya tipe pria jadul, dan saya memberikan setiap pekerjaan 110%,” katanya. “Ini benar-benar membuat saya kesal karena kita berbicara tentang reputasi saya. Mereka mengatakan saya tidak melakukan pekerjaan itu ketika saya tahu betul saya melakukannya. ”

Pengalaman Normandin adalah kebalikan dari prediksi puluhan tahun bahwa robot akan menggantikan pekerja. Di Amazon, mesin seringkali menjadi bos—mempekerjakan, menilai, dan memecat jutaan orang dengan sedikit atau tanpa pengawasan manusia.

Amazon menjadi pengecer online terbesar di dunia sebagian dengan mengalihdayakan operasinya yang luas ke algoritme—kumpulan instruksi komputer yang dirancang untuk memecahkan masalah tertentu. Selama bertahun-tahun, perusahaan telah menggunakan algoritme untuk mengelola jutaan pedagang pihak ketiga di pasar online, menarik keluhan bahwa penjual telah dipecat setelah dituduh menjual barang palsu dan menaikkan harga.

Semakin, perusahaan ini menyerahkan operasi sumber daya manusia ke mesin juga, menggunakan perangkat lunak tidak hanya untuk mengelola pekerja di gudang tetapi untuk mengawasi driver kontrak, perusahaan pengiriman independen dan bahkan kinerja pekerja kantornya. Orang yang akrab dengan strategi mengatakan Chief Executive Officer Jeff Bezos percaya mesin membuat keputusan lebih cepat dan akurat daripada manusia, mengurangi biaya dan memberi Amazon keunggulan kompetitif.

Amazon memulai layanan pengiriman Flex bergaya pertunjukan pada tahun 2015, dan pasukan pengemudi kontrak dengan cepat menjadi bagian penting dari mesin pengiriman perusahaan. Biasanya, driver Flex menangani paket yang belum dimuat di van Amazon sebelum pengemudi pergi. Daripada membuat pelanggan menunggu, driver Flex memastikan paket dikirimkan pada hari yang sama. Mereka juga menangani sejumlah besar pengiriman bahan makanan pada hari yang sama dari rantai Whole Foods Market Amazon. Pengemudi Flex membantu menjaga Amazon bersenandung selama pandemi dan hanya terlalu senang untuk mendapatkan sekitar $25 per jam paket antar-jemput setelah pertunjukan Uber dan Lyft mereka mengering.

Tetapi saat mereka masuk, driver Flex menemukan algoritma memantau setiap gerakan mereka. Apakah mereka sampai ke stasiun pengiriman ketika mereka mengatakan mereka akan melakukannya? Apakah mereka menyelesaikan rute mereka di jendela yang ditentukan? Apakah mereka meninggalkan paket dalam tampilan penuh bajak laut teras bukannya tersembunyi di balik penanam seperti yang diminta? Algoritme Amazon memindai semburan data yang masuk untuk pola kinerja dan memutuskan driver mana yang mendapatkan lebih banyak rute dan mana yang dinonaktifkan. Umpan balik manusia jarang terjadi. Pengemudi terkadang menerima email otomatis, tetapi kebanyakan mereka dibiarkan terobsesi dengan peringkat mereka, yang mencakup empat kategori: Fantastis, Hebat, Adil, atau Berisiko.

Bloomberg mewawancarai 15 pengemudi Flex, termasuk empat yang mengatakan bahwa mereka salah diberhentikan, serta mantan manajer Amazon yang mengatakan bahwa sebagian besar sistem otomatis tidak cukup menyesuaikan diri dengan tantangan dunia nyata yang dihadapi pengemudi setiap hari. Amazon tahu mendelegasikan pekerjaan ke mesin akan menyebabkan kesalahan dan berita utama yang merusak, kata mantan manajer ini, tetapi memutuskan lebih murah untuk mempercayai algoritme daripada membayar orang untuk menyelidiki pemecatan yang salah selama driver dapat diganti dengan mudah.

Sejauh ini, Amazon tidak kesulitan menemukan kontraktor Flex. Secara global, sekitar 4 juta pengemudi telah mengunduh aplikasi, termasuk 2,9 juta di AS, menurut AppAnnie. Dan lebih dari 660.000 orang di AS mengunduhnya dalam lima bulan pertama tahun ini, naik 21% dari periode yang sama tahun lalu, menurut SensorTower, pelacak aplikasi lainnya.

Di dalam Amazon, program Flex dianggap sukses besar, yang manfaatnya jauh lebih besar daripada kerusakan tambahan, kata seorang mantan insinyur yang membantu merancang sistem. "Eksekutif tahu ini akan mengacaukan tempat tidur," kata orang ini. “Begitulah sebenarnya cara mereka memasukkannya ke dalam rapat. Satu-satunya pertanyaan adalah seberapa banyak kotoran yang kami inginkan.”

Dalam sebuah pernyataan, juru bicara Amazon Kate Kudrna menyebut klaim pengemudi tentang perlakuan buruk dan pemutusan hubungan kerja yang tidak adil dan mengatakan mereka tidak mewakili pengalaman sebagian besar pengemudi Flex. “Kami telah banyak berinvestasi dalam teknologi dan sumber daya untuk memberikan visibilitas pengemudi ke posisi dan kelayakan mereka untuk terus memberikan, dan menyelidiki semua banding pengemudi,” katanya.

Sebagai kontraktor independen, driver Flex memiliki sedikit pilihan ketika mereka yakin telah dinonaktifkan secara tidak adil. Tidak ada cuti administratif berbayar selama banding. Pengemudi dapat membayar $200 untuk membawa perselisihan mereka ke arbitrase, tetapi hanya sedikit yang melakukannya, melihatnya sebagai buang-buang waktu dan uang.

Ketika Ryan Cope dinonaktifkan pada 2019, dia tidak repot-repot berdebat atau mempertimbangkan untuk membayar arbitrase. Pada saat itu, Cope sudah memutuskan tidak mungkin dia bisa memenuhi tuntutan algoritma. Mengemudi bermil-mil di sepanjang jalan tanah yang berkelok-kelok di luar Denver di tengah salju, dia sering menggelengkan kepalanya karena tidak percaya bahwa Amazon mengharapkan pelanggan untuk mendapatkan paket dalam waktu dua jam.

“Setiap kali ada masalah, tidak ada dukungan,” kata Cope, yang berusia 29 tahun. “Anda melawan mesin, jadi Anda bahkan tidak mencoba.”

Ketika pengemudi menantang peringkat yang buruk, mereka tidak tahu apakah mereka berkomunikasi dengan orang sungguhan. Tanggapan sering kali hanya menyertakan nama depan atau tanpa nama sama sekali, dan balasan biasanya berlaku untuk berbagai situasi daripada masalah tertentu. Bahkan jika sebuah nama dilampirkan, mesin kemungkinan besar menghasilkan beberapa tanggapan email pertama, menurut orang-orang yang mengetahui masalah tersebut.

Ketika manajer manusia terlibat, mereka biasanya melakukan tinjauan tergesa-gesa—jika mereka melakukannya sama sekali—karena mereka harus memenuhi standar kinerja mereka sendiri. Seorang mantan karyawan di call center dukungan pengemudi mengatakan lusinan pekerja musiman paruh waktu dengan sedikit pelatihan ditugaskan untuk mengawasi masalah jutaan pengemudi.

“Amazon tidak peduli,” kata mantan karyawan Amazon itu. “Mereka tahu kebanyakan orang akan mendapatkan paket mereka dan 2 atau 3 persen yang tidak akan mendapatkan sesuatu pada akhirnya.”

Amazon telah mengotomatiskan operasi sumber daya manusianya lebih dari kebanyakan perusahaan. Tetapi penggunaan algoritme untuk membuat keputusan yang memengaruhi kehidupan orang semakin umum. Mesin dapat menyetujui aplikasi pinjaman, dan bahkan memutuskan apakah seseorang layak mendapatkan pembebasan bersyarat atau harus tetap berada di balik jeruji besi. Pakar ilmu komputer telah menyerukan peraturan yang memaksa perusahaan untuk transparan tentang bagaimana algoritme memengaruhi orang, memberi mereka informasi yang mereka butuhkan untuk menyebutkan dan memperbaiki kesalahan. Legislator telah mempelajari masalah ini tetapi lambat untuk memberlakukan aturan untuk mencegah bahaya. Pada bulan Desember, Senator Chris Coons, Demokrat dari Delaware, memperkenalkan Algorithmic Fairness Act. Ini akan membutuhkan Komisi Perdagangan Federal untuk membuat aturan yang memastikan algoritma digunakan secara adil dan bahwa mereka yang terpengaruh oleh keputusan mereka diinformasikan dan memiliki kesempatan untuk membalikkan kesalahan. Sejauh ini lamarannya tidak kemana-mana.

Neddra Lira, dari Arlington, Texas, mulai melakukan pengiriman melalui aplikasi Amazon Flex pada tahun 2017. Seorang pengemudi bus sekolah berusia 42 tahun dan ibu dari tiga anak, dia mengambil pekerjaan sampingan selama liburan dan musim panas untuk mendapatkan uang tambahan, yang dia biasa membayar les senam putrinya. Ketika pandemi melanda dan sekolah-sekolah tutup, Lira beralih ke Flex sebagai sumber pendapatan utamanya, mengirimkan paket serta bahan makanan dari Whole Foods. Dia menyukai fleksibilitas dan kesempatan untuk mengantongi sekitar $80 untuk rute empat jam, setelah mengurangi bensin untuk crossover Chevrolet Trax-nya.

Lira memperkirakan dia mengirimkan sekitar 8.000 paket dan memiliki peringkat kinerja "hebat" hampir sepanjang waktu. Algoritme Amazon menilai pengemudi berdasarkan keandalan dan kualitas pengirimannya, sebagian besar diukur dengan apakah mereka tiba untuk mengambil paket tepat waktu, jika mereka melakukan pengiriman dalam jangka waktu yang diharapkan dan mengikuti permintaan khusus pelanggan. Metrik Flex sebagian besar berfokus pada ketepatan waktu, tidak seperti layanan ride-hailing seperti Uber dan Lyft, yang juga memprioritaskan hal-hal seperti kebersihan mobil atau kesopanan pengemudi. Selain itu, penumpang Uber dan Lyft tahu kapan mereka terjebak kemacetan, sehingga pengemudi cenderung tidak dihukum karena keadaan di luar kendali mereka.

Pelanggan Amazon tidak tahu hambatan apa yang dihadapi pengemudi Flex dalam perjalanan ke tempat tinggal mereka, dan begitu pula algoritme yang mencatatnya. Lira mengatakan terkadang ada begitu banyak pengemudi yang mengantri di luar stasiun pengiriman, dia menunggu selama satu jam untuk mengambil paketnya, membuatnya terlambat dari jadwal bahkan sebelum dia memulai rutenya. Ketika dia melihat paku di bannya, Amazon tidak menawarkan untuk datang mengambil paket tetapi memintanya untuk mengembalikannya ke stasiun pengiriman. Lira takut bannya akan kempes tetapi menurutinya untuk melindungi posisinya. Meskipun menjelaskan situasinya, peringkatnya turun menjadi "berisiko" dari "hebat" karena meninggalkan rute dan membutuhkan beberapa minggu untuk pulih.

Berkali-kali, Lira diyakinkan bahwa peringkatnya baik-baik saja. Sebuah email biasa tiba pada 1 Oktober. “Kedudukan Anda saat ini bagus, yang berarti Anda adalah salah satu mitra pengiriman terbaik kami,” kata pesan bertanda “Madhu S.” Tetapi keesokan harinya, “Bhanu Prakash” mengirim email untuk mengatakan bahwa dia telah melanggar persyaratan layanan Flex. “Akibatnya, Anda tidak lagi memenuhi syarat untuk berpartisipasi dalam program Amazon Flex dan tidak akan dapat masuk ke aplikasi Amazon Flex.”

Lira diberikan alamat email dan diundang untuk mengajukan banding atas penghentian tersebut dalam waktu 10 hari. Dia melakukannya dan bertanya mengapa dia dinonaktifkan sehingga dia bisa memberi tahu dukungan pengemudi Flex apa yang salah. Dia tidak pernah mendapat rincian lebih lanjut. Dia menindaklanjuti 18 Oktober, menjelaskan bahwa dia adalah seorang ibu tunggal yang diberhentikan dari pekerjaan tetapnya karena pandemi dan bahwa Flex adalah satu-satunya hal yang membuatnya bertahan. Lira menerima apa yang tampaknya merupakan respons otomatis dari "Tim Amazon Flex" yang meminta maaf atas keterlambatan dan meyakinkannya bahwa situasinya akan diselidiki oleh tim yang sesuai.

Tiga hari kemudian, pada 21 Oktober, dia menerima pesan dari “Margaret” yang mengatakan “kami masih meninjau banding Anda.” Kemudian seminggu kemudian, pada 28 Oktober, sebuah email bertanda “SYAM” mengatakan, “Kami telah meninjau informasi Anda dan melihat kembali riwayat Anda. Posisi kami tidak berubah dan kami tidak akan memulihkan akses Anda ke program Amazon Flex… Semoga Anda sukses dalam upaya Anda di masa mendatang.”

Tanpa pertunjukan mengemudi, Lira mulai berjuang secara finansial. Dia berhenti membayar hipoteknya, dan mobilnya diambil alih dua hari setelah Natal dengan hadiah yang disumbangkan untuk anak-anaknya masih di dalam. Lira terpaksa menerima bantuan pemerintah untuk membayar tagihan listrik, gas, dan airnya. Akhirnya dia mulai mengemudikan bus sekolah lagi dan menggunakan sebagian besar cek stimulus pandemi untuk mendapatkan kembali mobilnya, membayar $2.800 untuk pembayaran yang terlewat, kepemilikan kembali, dan biaya penyimpanan.

"Itu tidak adil," kata Lira. "Aku hampir kehilangan rumahku."

Insinyur komputer yang merancang Flex bekerja keras untuk membuatnya adil dan mempertimbangkan variabel seperti kemacetan lalu lintas dan masalah mengakses apartemen yang tidak dapat dideteksi oleh sistem, kata mantan karyawan. Tetapi tidak ada algoritme yang sempurna, dan pada ukuran Amazon, bahkan margin kesalahan yang kecil dapat dianggap sebagai kesuksesan besar secara internal dan masih menimbulkan banyak kesulitan pada pengemudi. Driver Amazon Flex mengirimkan sekitar 95% dari semua paket tepat waktu dan tanpa masalah, menurut seseorang yang akrab dengan program tersebut. Algoritma memeriksa sisa 5% untuk pola bermasalah.

Algoritma Flex dimulai sebagai instrumen tumpul dan disempurnakan dari waktu ke waktu. Awalnya, menurut seseorang yang mengetahui situasinya, desainer menetapkan jangka waktu yang terlalu ketat bagi pengemudi untuk sampai ke stasiun pengiriman. Mereka telah gagal untuk memperhitungkan sifat manusia. Pengemudi yang bersemangat untuk bekerja akan berjanji untuk tiba pada waktu tertentu ketika mereka terlalu jauh untuk mencapainya. Cacat itu membuat pengemudi yang baik gagal, kata orang itu, dan diperbaiki hanya setelah penurunan peringkat yang meluas. Sistem ini juga menggunakan GPS untuk memutuskan berapa lama waktu yang dibutuhkan untuk mencapai alamat tertentu tetapi terkadang gagal untuk memperhitungkan fakta bahwa menavigasi jalan pedesaan di salju membutuhkan waktu lebih lama daripada melintasi jalan pinggiran kota pada hari yang cerah.

Sistem ini bekerja dengan baik untuk Normandin selama bertahun-tahun. Penduduk asli Arizona yang sebelumnya mengantarkan pizza di malam hari dan koran di pagi hari, dia tahu semua jalan pintas dan titik kemacetan lalu lintas. Dia juga mengemudi untuk Uber dan Lyft, tetapi mengambil lebih banyak pekerjaan Flex selama pandemi ketika permintaan untuk perjalanan turun dan menjadi lebih berisiko mengangkut penumpang daripada mengangkut paket.

Normandin menikmati peringkat bintang dan bahkan ditanya apakah dia ingin melatih pengemudi lain. Dia memiliki sistem yang diasah dengan baik: menyortir paket sebelum meninggalkan stasiun, menempatkan pengiriman pertamanya di kursi depan, beberapa paket berikutnya di belakang dan menyelipkan batch terakhir jauh di belakang Toyota Corolla 2002 miliknya. Normandin telah dinonaktifkan secara medis selama lebih dari satu dekade karena penyakit perut dan masalah punggung yang mencegahnya duduk atau berdiri di satu tempat untuk waktu yang lama. Dia menyukai pekerjaan manggung karena dia bisa bekerja beberapa jam dalam satu waktu.

Kemudian, mulai Agustus lalu, Normandin mengalami serangkaian kemunduran yang menurutnya berada di luar kendalinya. Amazon memberinya beberapa pengiriman sebelum fajar di kompleks apartemen ketika gerbang mereka masih terkunci, keluhan umum di antara pengemudi Flex. Algoritme menginstruksikan pengemudi dalam kasus seperti itu untuk mengirimkan paket ke kantor utama, tetapi itu juga tidak terbuka. Normandin menelepon pelanggan seperti yang diinstruksikan — tembakan panjang karena kebanyakan orang tidak menjawab panggilan dari nomor yang tidak dikenal, terutama di pagi hari. Dia menelepon dukungan pengemudi, yang juga tidak dapat menjangkau pelanggan. Sementara itu, jam terus berdetak, dan algoritme mencatat.

“Ada banyak hal yang tidak dipertimbangkan oleh algoritme dan tangan kanan tidak tahu apa yang dilakukan tangan kiri,” kata Normandin.

Sekitar waktu yang sama, dia diminta untuk mengirimkan paket ke loker Amazon di kompleks apartemen tetapi tidak bisa membukanya. Setelah 30 menit di telepon dengan dukungan dia diberitahu untuk mengembalikan paket ke stasiun pengiriman. Kemudian peringkatnya jatuh. Normandin menelepon dukungan lagi untuk menjelaskan bahwa loker yang tidak berfungsi bertanggung jawab dan mengatakan bahwa dia diberitahu bahwa masalahnya akan diperbaiki. “Mereka tidak pernah memperbaikinya,” katanya, “dan butuh waktu enam minggu agar peringkat saya naik kembali.”

Pada 2 Oktober, Normandin bangun jam 3 pagi, mandi dan mengambil ponselnya untuk menemukan rute Flex tetapi tidak bisa masuk. Dia memeriksa emailnya dan menemukan pesan umum dari Amazon yang ditandatangani oleh "Gangardhar M." Dikatakan kedudukan Normandin telah "turun di bawah tingkat yang dapat diterima" dan bahwa dia diberhentikan.

Kemudian mulailah proses yang akrab bagi siapa saja yang terjebak dalam lingkaran layanan pelanggan otomatis—kecuali dalam kasus ini Normandin tidak mencari pengembalian dana untuk produk yang rusak. Dia berjuang untuk mendapatkan pekerjaannya kembali.

Menawarkan standar 10 hari Amazon untuk mengajukan banding, Normandin mengirim email ke dukungan Flex dan meminta agar penghentiannya dibatalkan. Dia menjelaskan bahwa dia telah menandai Amazon tentang keadaan di luar kendalinya dan telah dijanjikan bahwa pelanggaran tersebut tidak akan dikenakan padanya.

Normandin menerima tanggapan pada hari berikutnya dari “Pavani G,” berterima kasih kepadanya karena “memberikan lebih banyak konteks tentang sejarah Anda dengan Amazon Flex.” Normandin menanggapi email itu dengan informasi tambahan dan menerima tanggapan yang sama persis yang menjanjikan untuk menyelidiki masalah tersebut, tetapi kali ini ditandatangani oleh “Bitan Banerjee.” Email tersebut berjanji untuk memberikan jawaban dalam waktu enam hari. Tujuh hari kemudian, "Arnab" mengirim email untuk meminta maaf atas keterlambatan dan menjanjikan pembaruan sesegera mungkin.

Sementara itu, Normandin tidak menghasilkan uang. Dia mengandalkan penjualan Prime Day tahunan Amazon, yang telah didorong kembali ke Oktober, untuk menghasilkan uang yang dia butuhkan untuk membayar tagihan. Tanpa tanggapan pada 19 Oktober, Normandin mengirim pesan ke Amazon lagi, kali ini menyalin Bezos.

"Saya meminta perincian spesifik tentang bagaimana keputusan penonaktifan akun saya ini tercapai," tulisnya. “Saya yakin setelah peninjauan menyeluruh terhadap seluruh riwayat pengiriman saya sebagai pengemudi Amazon Flex akan menunjukkan riwayat kinerja yang konsisten di tingkat tertinggi, dari orang yang masuk akal dan bijaksana.”

Sekitar 12 jam kemudian, dia mendapat tanggapan yang memberi tahu dia bahwa Bezos telah menerima email dan menginstruksikan "Taylor F" untuk meneliti masalah ini dan menanggapi atas namanya. Pada 23 Oktober, Normandin menerima email dari “Raquel” di Tim Dukungan Amazon Flex untuk memberi tahu dia bahwa mereka masih meninjau bandingnya. Mantan karyawan Amazon yang bekerja di Flex mengatakan eskalasi ke Bezos adalah taktik umum di antara pengemudi yang dinonaktifkan tetapi jarang membantu mereka.

Putusan itu tiba pada 28 Oktober dari “SYAM,” nama yang sama dalam pesan terakhir kepada Lira. Email tersebut tidak secara langsung menanggapi klaim Normandin tetapi mengakui tantangan pekerjaan, dengan mengatakan: "Kami memahami bahwa setiap mitra pengiriman memiliki hari-hari yang sulit dan bahwa Anda terkadang mengalami penundaan, dan kami telah mempertimbangkan hal ini." Tapi Normandin masih belum mendapatkan pertunjukannya kembali.

Setelah keterkejutannya mereda, dia mencoba beberapa layanan pengiriman lain tetapi malah memutuskan untuk menggunakan uang stimulus pandemi untuk memulai bisnis perbaikan mesin kecil. Sudah waktunya untuk berurusan langsung dengan manusia lagi. Tentang orang-orang yang merancang algoritme yang melacak, menilai, dan akhirnya memecatnya, Normandin berkata: "Sepertinya mereka tidak memiliki akal sehat tentang cara kerja dunia nyata."


Sumber :

https://www.bloomberg.com/news/features/2021-06-28/fired-by-bot-amazon-turns-to-machine-managers-and-workers-are-losing-out

Tuesday, June 22, 2021

Resto dan Ritel Bertumbangan

Resto dan Ritel Bertumbangan, Susah Bayar Cicilan ke Bank!

21 June 2021


Bertepatan dengan hari Disabilitas Internasional 3 Desember gerai resto di Jakarta mempekerjakan orang tuli untuk melayani dan membuat makanan cepat saji, Kamis (3/12/2020). Sebanyak 18 orang tuli dan 8 normal bekerja untuk memenuhi permintaan pelanggan. (CNBC Indonesia/Tri Susilo) 

Ada beberapa langkah yang harus diperhatikan dalam mempekerjakan disabilitas, yakini dengan mencari tahu tentang berbagai jenis disabilitas. (CNBC Indonesia/ Tri Susilo) Foto: Gerai Resto Pekerjakan Pegawai Disabilitas di Jakarta (CNBC Indonesia/ Tri Susilo)

Jakarta, CNBC Indonesia - Pengusaha restoran harus kembali bersiap menghadapi pembatasan kapasitas hingga 25% karena kebijakan PPKM mikro yang diperkuat. Di tengah ancaman penurunan omzet, mereka tetap harus menunaikan kewajiban cicilan kepada bank dalam hal cicilan. Namun, sebagian pengusaha sudah mendapat keringanan.

"Bank beberapa ngasih relaksasi, tapi tetap bayar juga, bunga dan cicilan misal sebulan Rp 300 juta, sekarang bank ngasih bayar Rp 100 juta dulu, sementara Rp 200 juta di belakang tapi tetap bayar," kata Wakil Ketua Persatuan Hotel dan Restoran Indonesia (PHRI) Bidang Restoran Emil Arifin kepada CNBC Indonesia, Senin (21/6/21).

Memenuhi kewajiban itu pun tidak mudah di tengah pandemi. Beragam pembatasan memaksa omset banyak restoran harus turun. Selain pembatasan kapasitas 25%, restoran juga harus tutup jam 8 malam, dimana pada momen golden hour itu seharusnya restoran mendapatkan lebih banyak pendapatan.

"Setelah Covid-19 selesai, semua pengusaha di seluruh dunia saya kira kerja untuk bank. Karena semua utang ditarik ke belakang, harusnya 5 tahun lunas jadi ditarik 10 tahun. Jadi setelah Covid-19 ini selesai, semua orang di dunia kerja untuk bank. Emang dikasih keringanan misalnya Rp 300 juta jadi Rp 100 juta, tapi tetap dibayar," jelasnya.

Kewajiban cicilan itu juga berasal dari sektor lain, misalnya ritel. Banyak pelaku usaha dari sektor ini mengambil cicilan ke bank demi ekspansi bisnis maupun strategi korporasi lainnya. Namun, setelah pandemi datang maka banyak perusahaan menjadi kesulitan membayarnya.

"Ritel sudah kena dampak dari tahun lalu. Kesulitan membayar cicilan pasti karena dampak dari pandemi, itu risiko. Sudah kita alamin selama itu," kata Ketua Asosiasi Pengusaha Ritel Indonesia (Aprindo) Roy Mandey kepada CNBC Indonesia, Senin (21/6/21).


Sumber :

https://www.cnbcindonesia.com/news/20210621165234-4-254820/resto-dan-ritel-bertumbangan-susah-bayar-cicilan-ke-bank

Related Posts