自動化される不平等

『自動化される不平等』が扱うのは未来の暴走 AI ではなく、食料、医療、住居、家族の一体性を日常行政で決める既存システムである。Virginia Eubanks はインディアナ州の福祉資格自動化、ロサンゼルスのホームレス住宅調整、アレゲニー郡の児童福祉リスクモデルを調査する。当事者の経験から、アルゴリズムは政治を消すのではなく、資源不足、貧困への疑念、援助を求める人への処罰を新しい技術手順へ符号化すると示す。

インディアナ州では「効率」がサービス拒否の機械となった。給付行政を民間請負と遠隔システムへ移すと、書類不足、電話の行き違い、文書転送の失敗が「協力拒否」と分類され、三年間で医療、食料、現金支援の申請約百万件が却下された。家庭を知る担当者が誤りを直す代わりに、責任はコールセンター、データベース、異議申立てへ分散する。自動化が減らしたのは貧困ではなく、申請者と向き合い説明する組織の義務である。

ロサンゼルスでは住居が需要より圧倒的に少ない。質問票は健康、トラウマ、暴力、路上経験を脆弱性スコアへ変換し、限られた住宅の順位を決める。即興より一貫した配分でも、家を増やすことはできない。人は待機列に入るため私的な経験を差し出し、高得点でも数年待ち、低得点なら「十分に脆弱でない」と排除される。なぜ住宅が不足するのかという政治問題が、欠乏を精密に管理する技術問題へ変換される。

児童保護ではデータが貧困と危険を混同する。モデルは公共サービス利用歴を使うが、低所得家庭ほど福祉、医療、司法と接触し、計算可能な記録を残す。裕福な家庭は私的ケアを購入してデータ上見えにくい一方、貧困な母親、黒人家庭、障害のある親、ひとり親は可視化、通報、調査されやすい。監視が記録を作り、その記録がさらに監視すべき証拠となる循環が生じる。

Eubanks はこれを「デジタル救貧院」と呼び、米国の貧困統治史へ接続する。救貧院、資格審査、科学的慈善は「ふさわしい」貧者とそうでない者を区別して援助を制限した。データ照合、不正検知、リスク予測は同じ倫理を継承し、排除を客観的に見せる。ケア需要はジェンダー化され、母親、ケア提供者、障害者、暴力の被害者ほど公的制度に依存し、助けを求めたことで審査される。不正対策は生存戦略を道徳的失敗へ書き換える。

技術が本質的に悪い、または人間の官僚が公正だという本ではない。透明で異議申立て可能かつ十分な資源を持つ制度は恣意性を減らせる。問題は緊縮と処罰の枠内に自動化を置き、最も力の弱い人で先に試すことだ。三つの米国事例は全地域や後のモデルを代表しないが、問いは残る。技術は資源と自己決定を広げるのか、それとも拒否、監視、家族分離を安価にするのか。

FemRes の読者は公共技術を具体的に点検できる。必要に応えるのか、必要を順位づけるだけか。使用データを本人が知り、決定を理解し争えるか。誰が退出でき、誰が生存のためプライバシーを渡すのか。誤りを直すのは誰で、節約は誰へ転嫁されるのか。福祉権運動、家族監視の廃止、障害正義、ケア経済と併読したい。分配の正義がなければ、賢い配分は不平等を滑らかに管理するだけである。