AI百科网 AI教程
规则与法

亚马逊用 AI 给仓库打「工会风险」分

内部文件显示亚马逊用一套叫 Atlas 的模型给仓库打 100 到 900 的「劳工风险」分,英国两处仓库被列入最高风险档。读完能看清分数方向、输入数据和「站点级」这个说法的边界。

本文目录 · 6 节

一个分数,低分代表危险,高分代表安全。听着像体检报告。实际上,它测的不是仓库健不健康,是有没有人准备组织起来。

一、发生了什么

据 openDemocracy 10 月 16 日报道,亚马逊内部有一套叫 Atlas 的 AI 预测工具,用来给美国、加拿大和英国的仓库打分,评估员工组织工会、静坐或采取其它「扰乱性劳工行动」的可能性。

这批文件来自亚马逊与加拿大工会 Unifor 的法律争议,由不列颠哥伦比亚省劳资关系委员会要求提交,Unifor 分享给了美国非营利媒体 Truthout,后者 9 月 30 日率先刊出。文件日期为 2024 年,看起来是给加拿大管理者的培训材料。

按文件附录的描述,Atlas 是「一个劳工风险框架」,用来厘清亚马逊如何评估劳动力问题、工会目标以及内部或外部的劳工威胁。它吸收「数百个数据点」:员工完成的培训、健康与安全事件、对管理层的反馈、在职时长与流失率、仓库与其它发生工会活动地点的距离、当地最低工资,甚至仓库内外的温度。

更细的一层是表达类数据。文件写明,Atlas 会读取公司内部留言板「Voice of the Associate」、员工每天回答的问卷,以及外部的 Reddit 论坛,用来「理解站点的讨论氛围」。它用 AI 识别关键词,让管理者能「深入查看推动讨论的那部分员工」,还会统计这些发言获得的回应量。

输出是一个 100 到 900 的分数。低分意味着工会化可能性更高;对管理层来说,高分「更好」。分数分五档:第五档「暂无可见风险」,第一档「未来活动迫在眉睫」。文件说,这个尺度可用于「人员配置决策、资源规划、标准动作,以及降低亚马逊劳动结构风险的责任归属」。

2024 年有 16 个仓库被列为第一档,其中 4 个风险高到需要派出「快速响应」团队。两个英国站点在第一档:伯明翰东北部萨顿科尔菲尔德的 EMA4,一座投资约 5 亿英镑的机器人履约中心;以及考文垂附近的 BHX4——2023 年 1 月英国亚马逊员工首次罢工就发生在这里,2024 年 7 月 GMB 的承认投票以 28 票之差落败,参与人数约 2600 人。

亚马逊否认这是监视。发言人说,Atlas 只覆盖「站点/建筑层面的活动」,公司不追踪单个员工的意见、归属或工会身份,也不处理个人数据;工具的目的是「帮助我们理解哪些地方的员工需要更多支持」。公司还表示,名为 Atlas 的框架目前不在英国使用,但没有回答是否以别的名字运行着类似系统。

二、跟你有什么关系

在大型连锁、物流、零售上班的。 你的排班、离职率、安全记录、内部留言,可能已经被汇总成一个你看不到的分数。它不针对你个人,但会影响你所在站点的资源和人手。

做人力分析的。 员工流失预测、敬业度模型,和 Atlas 在技术上是同一类东西。区别只在预测目标:预测离职是留人,预测工会化是防人。

三、怎么判断

读到这儿,可以顺路看 模型加了水印之后,agent 开始调错工具 一项针对七个开源模型的测试发现,加水印会改变工具调用与拒绝行为,平均每十五个判断就有一个翻转。文章解释机制,并给出上线前该重跑的三项评测。
  1. 先问评分单位。 是站点还是个人?站点级听起来温和,但如果输入包含个人发言,聚合只是最后一步。
  2. 看输入里有没有「表达」。 论坛帖子、内部留言、问卷开放题,最容易被当成情绪指标,也最容易误读——抱怨食堂和准备罢工,在关键词层面可能长得一样。
  3. 看分数方向。 这里高分代表「对管理层好」。这意味着「改善待遇」和「压制组织」在这一个指标上无法区分,两者都会让分数变好看。
  4. 看它怎么被使用。 文件写明分数会影响人员配置和「标准动作」。一个预测指标一旦绑定资源分配,它就不再是观察,而是干预。

四、三个别信的说法

「亚马逊在监听每个员工。」 公司的否认有具体内容:站点级、不追踪个人意见和工会身份,文件描述的也确实是站点评分。但输入包含个人公开发言,这个张力真实存在,不该被「站点级」三个字抹平。

「亚马逊承认在英国用了。」 没有。它的说法是「目前不在英国使用」,且没有回答是否存在换名的类似系统。对英国员工来说,这个问题仍然开放。

「高分说明这个仓库管理得好。」 分数高只说明管理层判断这里暂时不会出事。工人满意度、流失率、安全事件在其中是作为风险因子存在的,不是作为福利指标。

五、一句话结论

Atlas 真正值得警惕的地方,不是它会不会认错某个人,而是它把「没人组织」定义成了「一切正常」。

信息来源

功能与价格以官方公告为准。本文写于 2026 年 10 月 19 日。

关于这篇

本文为编辑整理的行业动态,未附官方原文链接。涉及价格、参数、发布时间的,请以厂商官方页面为准;发现错误可来信指出,会在「本次更新」里注明。

下一站 · 场景实战 Lovart 2.0 实测:设计 AI 开始接长任务 把一次双 11 规模的设计委托跑完,看清新版的记忆、巡检和定时任务各自解决什么,以及积分上限这类必须提前设的闸门,和三个容易踩空的地方。
下一篇,直接发你邮箱

每周一封,只发新教程和可复制模板。不发广告,随时退订。

复制规范引用格式,便于转载注明出处
这篇有用吗?