I sistemi di feedback basati sulle recensioni degli utenti

Un’altra tematica degna di nota è quella delle recensioni degli utenti rispetto alla prestazione svolta da coloro che “operano” per conto di un’azienda che fornisce servizi su piattaforma digitale, non essendo chiaro se sono strumenti di controllo o di lavoro104.

La questione si rivela interessante, perché il sistema di feedback imperniato sulle opinioni espresse dai clienti in merito al servizio fornito dagli operatori su piattaforma non è regolato dalla legge. L’impressione è che lacuna sia dovuta non all’apatia del legislatore, ma ad una sua scelta consapevole, in linea con la mancata qualificazione della relazione intercorrente tra le parti del rapporto di lavoro digitale. La regolazione, quindi, appare connessa all’individuazione della natura giuridica di tale collaborazione, che si ritiene essere il frutto non di una valutazione una tantum, ma di una verifica caso per caso.

100 Al riguardo v. M. MARAZZA, La contrattazione di prossimità, op. ult. cit., pp. 51 e 52.

101 V. GARANTE PRIVACY, FAQ-Trattamento dei dati nel contesto lavorativo pubblico e privato nell’ambito dell’emergenza sanitaria, n. 9, in www.garanteprivacy.it;GARANTE PRIVACY, Parere sulla proposta normativa per la previsione di una applicazione volta al

tracciamento dei contagi da COVID-19, 29 aprile 2020, in www.garanteprivacy.it.

102 V. GARANTE PRIVACY, Nota sugli aspetti tecnologici della valutazione d'impatto sulla protezione dei dati personali presentata dal Ministero della Salute relativa ai trattamenti effettuati nell'ambito del sistema di allerta Covid-19 denominato "Immuni", 3 giugno 2020,

in www.garanteprivacy.it.

103 V. GARANTE PRIVACY, Comunicato stampa sulla proliferazione delle app di contact tracing, 10 agosto 2020, in

www.garanteprivacy.it; GARANTE PRIVACY, Provvedimento di autorizzazione al trattamento dei dati personali effettuato attraverso il

Sistema di allerta Covid 19- App Immuni, 1° giugno 2020, www.garanteprivacy.it.

104 Sulla questione v. A.THIERER –C.KOOPMAN –A.HOBSON –C.KUIPER, How the Internet, the Sharing Economy, and

Il sistema di feedback reputazionale sviluppato e adottato dalle piattaforme digitali, e comunemente definito “peer-to-peer”, ossia “in rete”105, comporta la sottoposizione, ai clienti/utenti del servizio da esse fornito, di un questionario incentrato sulla valutazione della prestazione di ciascun operatore106. Il vaglio si concretizza nell’attribuzione, alla performance del lavoratore, di un punteggio desumibile da una scala di valori compresi tra un minimo e un massimo, con modalità intuitive, solitamente di natura tecnica, prestabilite dal datore di lavoro. Esso consta di tre fasi successive, la prima delle quali è diretta alla raccolta delle opinioni degli utenti, mentre la seconda si concretizza nella valutazione della loro veridicità da parte dei cd. “consulenti reputazionali”. Infine, la terza si esaurisce nell’elaborazione delle recensioni da parte di un dispositivo algoritmico che procede all’attribuzione del suddetto punteggio di affidabilità all’operatore, dopo averle tradotte in informazioni personali su di lui. Occorre sottolineare che la piattaforma non svolge alcuna funzione nell’ambito della valutazione, limitandosi, invece, a fungere da supporto tecnico per la formulazione delle opinioni espresse dai clienti rispetto alla qualità dello scambio di beni o servizi realizzato poco prima107. Come si è detto, è un algoritmo che associa, esamina e traduce i dati riguardanti l’operatore in una o più informazioni sulla prestazione (dal punto di vista della professionalità e dell’abilità con cui l’ha eseguita) e, talvolta, sulla sua personalità e sulla sua vita privata108. Posto ciò, una certa attinenza tra i sistemi di feedback e gli impianti audiovisivi e gli altri strumenti di controllo a distanza sembra sussistere, nonostante i primi siano diretti alla valutazione della performance degli operatori. Come i meccanismi di cui all’art. 4, comma 1, St. lav., l’algoritmo pare funzionale non all’esecuzione della prestazione ma all’esigenza aziendale di assicurare agli utenti un servizio di qualità109 e, al contempo, consente al datore di lavoro di controllare i lavoratori e di acquisire una gran quantità di dati personali su di loro110.. Non sembra rilevare, a tal fine, che l’apprezzamento sia effettuato dagli utenti, i quali si limitano a esprimere il loro gradimento o meno rispetto alla suddetta prestazione. Spetta, invece, al datore di lavoro, che gestisce le operazioni e se ne avvantaggia sul piano tecnico-giuridico, decidere quali conseguenze il feedback negativo produce sull’operatore. Tali conseguenze possono consistere nella

105 V., al riguardo, M.COHEN –A.SUNDARARAJAN, Self-regulation and innovation in the Peer-to-Peer Sharing Economy, in

University of Chicago Law Rev Dialogue, n. 1/2017, pp. 116 ss.

106 Sul punto cfr. L.YOU –R.SIKORA, Performance of Online Reputation Mechanisms under the Influence of Different Types of Biases, in Information Systems and e-Business Management, n. 12/2014, pp. 417 ss.; C.DELLAROCAS, The Digitization of Word of Mouth:

Promise and Challenges of Online Feedback Mechanisms, in Management Science, n. 49/2003, (10), pp. 1407 ss.

107 Sul punto v. E.FOURQUET –K.LARSON –W.COWAN, A Reputation Mechanism for Layered Communities, in ACM

SIGecom Exchanges, n. 1/2006, pp. 11 ss.

108 Sulla rilevanza del fattore tecnologico dal punto di vista giuslavoristico e della trasformazione del lavoro v. E. DAGNINO, Dalla fisica all'algoritmo, cit., pp. 1-4.

109 V. anche A.THIERER –C.KOOPMAN –A.HOBSON –C.KUIPER, How the Internet, cit., pp. 841 ss.

110 Sul tema v. J.DZIEZA, The rating game – How Uber and its peers turned us into horrible bosses, in The Verge, 28 ottobre 2015,

www.theverge.com/2015/10/28/9625968/rating-system-on-demand-economy-uber-olive-garden, § 6. Cfr. anche B.SACHS, Uber and

riduzione del numero di prestazioni affidategli o dell’importo dovutogli, come nel caso di Taskrabbit. Inoltre, possono concretizzarsi nell’esclusione del lavoratore dall’assegnazione degli incarichi più redditizi, come nel caso di Amazon Mechanical Turk. L’effetto più invasivo, però, è quello consistente nella disattivazione dell’account, disposto da Uber quando il lavoratore “colleziona” un certo numero di recensioni negative111. La lesione della loro dignità e riservatezza, quindi, appare indiscutibile, tanto che gli autisti di Uber, a Los Angeles, dicono agli utenti che amano il loro lavoro, anche quando sono insoddisfatti, per paura di ricevere un rating basso112.

Si esclude a priori, invece, la riconducibilità dei sistemi di feedback alle previsioni di cui all’art. 4, comma 2, St. lav., poiché non si connotano come impianti messi a disposizione dei lavoratori e da essi usati per l’esecuzione della prestazione né come strumenti impiegati dal datore di lavoro per la rilevazione degli accessi e delle presenze.

L’inquadramento dell’algoritmo in questione come strumento di controllo pare trovare conferma nel provvedimento del Garante della Privacy del 24 novembre 2016, relativo al calcolo del rating reputazionale degli operatori113. In sostanza, secondo l’Autorità indipendente il sistema di feedback non espressamente regolato dalla legge è interdetto, perché, se è elaborato da privati, comporta rischi enormi in termini di violazione della privacy114. La raccolta e l’aggregazione delle informazioni sul lavoratore ad opera del datore di lavoro o dei suoi collaboratori, infatti, possono essere effettuate in modi diversi115. Si pensi, in particolare, ai dispositivi algoritmici operanti come strumenti di big data analytics, che non sempre sono in linea con l’art. 22 del Regolamento UE n. 679 del 2016116. La norma ivi stabilita, infatti, contempla il divieto per i cittadini, compresi i lavoratori, di subire decisioni basate solo sul trattamento automatizzato dei loro dati personali e le eccezioni al riguardo117.

111 In materia v. M.BIRGILLITO, Lavoro e nuova economia: un approccio critico. I molti vizi e le poche virtù nell’impresa Uber, in

Labour & Law Issues, n. 2/2016, pp. 57 ss.

112 Sul punto v. T.KNEESE –A. ROSENBLAT – D.BOYD, Understanding Fair Labour Practices in Netwoeked Age, in

www.datasociety.net/pubs/fow/FairLabor.pdf, 2014.

113 V. GARANTE PRIVACY, 24 novembre 2016, n. 488, in www.garanteprivacy.it.

114 Sul punto v. E.DAGNINO, Una questione di fiducia: la reputazione ai tempi delle piattaforme online tra diritto alla privacy e

prospettive di mercato, in Diritto delle relazioni industriali, n. 2/2017, pp. 247 ss.

115 Al riguardo v. A. DONINI, Profilazione, cit., pp. R.37 ss.

116 Sul tema v. A.INGRAO, I sistemi di feedback basati su rating e reviews tra controllo della prestazione lavorativa e divieto di

decisioni automatizzate, in C.ALESSI –M.BARBERA –L.GUAGLIANONE (a cura di), Impresa, lavoro e non lavoro nell’economia

digitale, Bari, 2019, pp. 204-207.

117 In proposito v. B.GOODMAN –F.FLAXMAN, European Union regulations on algorithmic decision-making and a “right to