Doge, i licenziamenti dei dipendenti pubblici saranno decisi da un software?

Per ridurre il personale, i responsabili delle risorse umane all’interno del governo statunitense sono tenuti a creare elenchi di dipendenti “licenziabili”. Come spiega a Wired US un ex funzionario delle risorse umane del governo, AutoRif esegue questo compito in automatico. “Tuttavia, anche con l’uso di un sistema automatico, la guida dell’Opm dice che tutti i dati devono essere confermati manualmente e che i dipendenti (o un loro rappresentante) possono esaminare i registri“, afferma la fonte. Non è chiaro se le funzionalità di AutoRif siano state modificate o meno dal dipartimento della Difesa o dal Doge.

I tagli nella pubblica amministrazione ordinati dal Doge

Mentre mette le mani su AutoRif, il Doge sembra in procinto di dare il via alla seconda grande ondata di licenziamenti nella pubblica amministrazione. Nella serata di sabato 22 febbraio, i dipendenti federali hanno ricevuto un’email in cui veniva chiesto loro di illustrare cosa avessero fatto nell’ultima settimana lavorativa. Alcuni enti, tra cui l’Fbi, hanno chiesto al personale di non rispondere al messaggio. In una riunione con i responsabili delle risorse umane del 24 febbraio, l’Opm ha poi comunicato alle varie agenzie che potevano ignorare l’email.

Nbc News ha riferito che le informazioni richieste ai dipendenti per email sarebbero poi confluite in un non meglio precisato modello di intelligenza artificiale, che avrebbe valutato se la persona in questione era davvero necessaria al governo statunitense.

In previsione della prima tornata di licenziamenti, i dirigenti dei Centri per la prevenzione e il controllo delle malattie (Cdc) avevano ricevuto l’ordine di stilare un elenco dei lavoratori che ritenevano insostituibili (“mission critical”), ha raccontato a Wired una fonte all’interno dei Cdc. Uno sforzo che a quanto pare però non è servito. “Ci hanno semplicemente inviato una lista e ci hanno detto: «Licenziate questi dipendenti con effetto immediato»”, aggiunge la fonte.

Questo articolo è comparso originariamente su Wired US.

Fonte : Wired