Новая программа слежки Meta вызывает серьёзные вопросы о конфиденциальности

По имеющимным данным, Meta начала устанавливать программное обеспечение для слежки на компьютеры своих сотрудников в США, записывая движения мыши, клики и нажатия клавиш. Программа, известная внутри компании как Model Capability Initiative (MCI), преследует конкретную цель: сбор детальных поведенческих данных для обучения ИИ-моделей, способных автономно выполнять рабочие задачи, имитируя взаимодействие реальных людей с программным обеспечением.

С точки зрения разработки ИИ логика здесь проста. Если вы хотите, чтобы модель работала с компьютерным интерфейсом так же, как человек, вам нужно показать ей, как люди на самом деле это делают. Это означает фиксацию каждой паузы перед кликом, каждого пути курсора по экрану, каждой последовательности нажатий клавиш в рабочем процессе. По сути, сотрудники превращаются в невольных наставников по производительности для следующего поколения ИИ-агентов.

Однако последствия этого выходят далеко за рамки одного внутреннего ИИ-проекта компании.

Что именно фиксирует Model Capability Initiative

Отслеживание нажатий клавиш и движений мыши на таком уровне раскрывает куда больше информации, чем может показаться на первый взгляд. Речь идёт не просто о записи того, какие приложения открывает человек или сколько часов он работает. Детализированные данные о вводе могут обнажить ход мыслей человека при решении задачи, моменты его колебаний, то, что он удаляет и перепечатывает, и даже эмоциональные состояния, выведенные из ритма печати и частоты ошибок.

Для сотрудников это создаёт среду слежки, которая проникает значительно глубже, чем базовый монитор производительности. Собираемые данные теоретически могут использоваться для оценки индивидуальной эффективности, выявления поведенческих аномалий или принятия решений о ролях и обязанностях — даже если ничто из этого не является заявленной целью программы MCI.

Примечательно и то, что сотрудники Meta входят в число наиболее технически подготовленных специалистов в мире. Если подобный подход становится нормой в такой компании, как Meta, то прецедент, который он создаёт для менее технически грамотных работников небольших компаний, весьма значителен. Корпоративное внедрение программ обучения ИИ на основе поведенческих данных сотрудников рискует стать обычной практикой — при том что работники могут не вполне понимать, что именно записывается и как это может быть использовано.

Более широкая тенденция к сбору рабочих данных

Программа Meta возникла не в вакууме. Стремительное развитие ИИ-агентов — систем, способных автономно выполнять многошаговые компьютерные задачи, — породило огромный спрос на поведенческие обучающие данные во всей технологической отрасли. Компаниям нужны примеры реального использования компьютеров людьми для создания таких систем, а сотрудники представляют собой удобный и доступный источник.

Это вписывается в более длительную тенденцию расширения мониторинга на рабочем месте. Удалённая работа ускорила внедрение инструментов слежки за сотрудниками в начале 2020-х годов, нормализовав идею о том, что работодатели имеют законный интерес наблюдать за тем, как работники проводят время на корпоративном оборудовании. То, что делает Meta, расширяет эту логику, выходя на новую территорию: данные предназначены не столько для измерения производительности, сколько для создания коммерческого ИИ-продукта.

Это различие принципиально важно. Сотрудники, генерирующие обучающие данные для продукта, который будет продаваться или использоваться третьими сторонами, поднимают вопросы о вознаграждении, согласии и интеллектуальном вкладе, которые стандартные трудовые договоры никогда не были предназначены решать.

Что это значит для вас

Даже если вы не работаете в Meta, эта история актуальна для понимания конфиденциальности на работе и за её пределами.

Во-первых, если вы работаете в любой сфере, связанной с технологиями, стоит проверить, какое программное обеспечение для мониторинга установлено на выданных работодателем устройствах. Многие организации имеют широкие права на мониторинг активности на принадлежащем им оборудовании, однако масштабы этого наблюдения не всегда чётко доводятся до сведения сотрудников. Обратиться в отдел кадров или IT с просьбой объяснить простым языком, что именно отслеживается, — разумный и всё более необходимый шаг.

Во-вторых, разграничение рабочих и личных устройств теперь важнее, чем когда-либо. Использование личного ноутбука или телефона для любой деятельности, которую вы считаете частной, а не корпоративного устройства, — один из практических способов сохранить эту границу. VPN на личном устройстве обеспечивает дополнительный уровень защиты трафика домашней сети, особенно если вы работаете удалённо и хотите отделить личную активность в интернете от всего, что может быть видно сетевой инфраструктуре, контролируемой работодателем.

В-третьих, задумайтесь о том, какие поведенческие данные вы генерируете на любой платформе — не только на работе. Логика, движущая программой MCI компании Meta, — представление о том, что детальные поведенческие паттерны человека обладают значительной коммерческой ценностью для разработки ИИ, — не уникальна для рабочей среды. Она отражает принципы работы потребительских платформ на протяжении многих лет.

Практические выводы:

  • Спросите работодателя, какое программное обеспечение для мониторинга, если таковое имеется, установлено на корпоративных устройствах
  • Держите личную активность на личных устройствах, а не на выданном работодателем оборудовании
  • Используйте VPN на личных устройствах при удалённой работе, чтобы отделить свой частный трафик от активности, видимой через корпоративную сеть
  • Изучите трудовые соглашения на предмет формулировок о праве собственности на данные и их использовании для обучения ИИ
  • Следите за своими правами в соответствии с применимыми законами о конфиденциальности вашего штата — ряд штатов США уже принял или рассматривает законы о защите конфиденциальности на рабочем месте

Model Capability Initiative компании Meta напоминает о том, что граница между статусом сотрудника и статусом источника данных становится всё менее заметной. Понимание того, где пролегает эта граница и какие инструменты существуют для сохранения контроля над собственными поведенческими данными, — теперь практическая необходимость, а не абстрактная проблема.