Oppgrader til nyeste versjon av Internet eksplorer for best mulig visning av siden. Klikk her for for å skjule denne meldingen
Ikke pålogget
{{session.user.firstName}} {{session.user.lastName}}
Du har tilgang til Idunn gjennom , & {{sessionPartyGroup.name}}

Gig- og plattformøkonomien i den norske arbeidslivsmodellen – forutsetninger og konsekvenser. En casestudie av Uber Black i Oslo

The gig and platform economy in the Norwegian labor market model – prerequisites and consequences. A case study of Uber Black in Oslo
Stipendiat og forsker, Institutt for sosiologi og samfunnsgeografi, Universitet i Oslo og Fafo

Gig- og plattformøkonomi utgjør et relativt marginalt fenomen i Norge, og Norden for øvrig, men har likevel funnet fotfeste i deler av arbeidslivet som kan karakteriseres som den nordiske arbeidslivsmodellens «randsoner». I denne artikkelen drøfter jeg årsakene til at disse forretningsmodellene har etablert seg i et velregulert arbeidsliv som det norske med utgangspunkt i en casestudie av Uber Black i Oslo. Uber måtte tilpasse seg den norske drosjemarkedsreguleringen, men utfordrer vesentlige aspekter ved arbeidslivsmodellen. Jeg finner at Uber rekrutterer arbeidskraft fra en allerede marginalisert del av arbeidsstyrken og at sjåførene opplever mye usikkerhet og, på tross av stor formell fleksibilitet, ytre kontroll.

Nøkkelord: Uber, gig-økonomi, plattformøkonomi, fleksibilitet, den nordiske arbeidslivsmodellen

The gig and platform economy constitutes a relatively marginal phenomenon in Norway as well as the other Nordic countries, but has nonetheless been able to establish itself in segments of the labor market that can be characterized as the «fringes» of the Nordic model. In this article, I discuss the conditions under which the gig and platform economy can emerge within well-regulated labor market such as the Norwegian, based on a case study of Uber Black in Oslo. While Uber adjusted its business model to the Norwegian taxi market regulation, the company nonetheless challenges core features of the labor market model. I find that Uber drivers are recruited from already marginalized segments of the labor force, and experience significant insecurity and, despite a formally flexible work arrangement, external control.

Keywords: Uber, gig economy, platform economy, flexibility, the Nordic labor market model

Innledning

I denne artikkelen utforsker jeg persontransporttjenesten Uber Black i Oslo som en case av gig- og plattformøkonomien i Norge.1 For det første analyserer jeg hvordan Uber kunne etablere seg innenfor den norske arbeidslivsmodellen, og drøfter de institusjonelle betingelsene for framveksten av gig- og plattformøkonomiens mer generelt. For det andre kartlegger jeg kjennetegn ved de som jobber som Uber Black-sjåfører og deres lønns- og arbeidsvilkår.

Begrepene gig- og plattformarbeid beskriver ulike, men samtidig relaterte tendenser i det moderne arbeidslivet: «Gig-økonomien» viser til oppdelingen av jobber i adskilte oppgaver og oppdrag2 (Woodcock & Graham 2020), mens «plattformøkonomien» refererer til måten arbeidsprosesser og markeder organiseres ved hjelp av digitale plattformer (Srnicek 2017). Uber er blitt det emblematiske eksempelet på begge disse tendensene. Selskapet, startet i 2009, formidler taxitjenester via en digital plattform i form av en mobilapplikasjon og hyrer primært arbeidskraften som selvstendig næringsdrivende sjåfører. Plattformen brukes til å koble kunder og sjåfører sammen, fordele oppdrag – «gigs» – til sjåførene og organisere deres arbeidsprosess.

Som vi skal se nærmere på under, er gig- og plattformøkonomien et marginalt fenomen i Norge og Norden for øvrig. Enkelte slike selskaper har imidlertid lykkes med å etablere seg i spesifikke bransjer, bransjer med lave formelle kompetansekrav og der atypiske ansettelsesforhold allerede er relativt normalisert. Gig- og plattformarbeid er videre i seg selv en atypisk form for arbeid: Arbeiderne klassifiseres ofte som selvstendig næringsdrivende, de er stort sett provisjonsbetalte og oppdragsmengden er uforutsigbar. Kombinasjonen av de to siste egenskapene ved gig- og plattformarbeid gjør videre at arbeidernes inntekt er usikker. Ved siden av disse formelle egenskapene ved gig- og plattformarbeid kommer den kontrollen og styringen som utøves via den digitale plattformen som organiserer disse arbeidsprosessene.

I denne artikkelen drøfter jeg to problemstillinger, begge med utgangspunkt i Uber som case. For det første: Under hvilke betingelser kan gig- og plattformøkonomien etablere seg innenfor den norske arbeidslivsmodellen? For det andre: Hva kjennetegner gig- og plattformarbeidernes lønns- og arbeidsvilkår, demografiske egenskaper og opplevelse av autonomi og kontroll?

I neste avsnitt gir jeg først en gjennomgang av de sentrale begrepene som er blitt brukt til å beskrive gig- og plattformarbeid og presenterer tre hypoteser om denne typen arbeid innenfor den norske arbeidslivsmodellen. Deretter beskriver jeg min analytiske og metodiske tilnærming, før jeg gjør rede for fire forutsetninger for framveksten av gig- og plattformøkonomien generelt, og analyserer måten Uber etablerte seg i Norge, som en empirisk illustrasjon av hvordan disse forretningsmodellene kan oppstå innenfor den norske modellen. Jeg utforsker videre Uber Black-sjåførenes kjennetegn og lønns- og arbeidsvilkår. Til sist diskuterer jeg de tre hypotesene i lys av den empiriske analysen.

Fra «delings»- til gig- og plattformøkonomi

Den typen arbeid jeg analyserer i denne artikkelen ble tidligere omtalt som «delingsøkonomi», med referanse til forretningsmodeller som kommodifiserer «underutnyttede» varer og tjenester. Airbnb, for eksempel, gjør det mulig å leie ut huset eller leiligheten sin når man er bortreist, Nabobil gjør det samme med biler, mens plattformer som Uber og Foodora lar arbeidere logge på for å ta oppdrag når det måtte passe dem og av når de har andre ting å gjøre. I Norge ble det i NOU-en Delingsøkonomien – muligheter og utfordringer (NOU 2017:4) argumentert for at man bør legge til rette for veksten i denne typen tjenester, fordi de kan føre til mer effektiv bruk av arbeidskraft og være et virkemiddel for å få flere i arbeid. Utfordringen med «delingsøkonomi»-begrepet er imidlertid at disse selskapene ikke legger opp til «deling» i tradisjonell forstand, men kjøp og salg av varer og tjenester, og begrepet er etter hvert blitt erstattet med «gig-økonomi» eller «plattformøkonomi».

Gig-økonomien betegner oppstykkingen av arbeidsprosesser i enkeltstående oppdrag. Man skiller videre mellom to typer gig-arbeid: stedbundet og ikke-stedbundet arbeid. Førstnevnte betegner arbeid som utføres på bestemte steder, som å kjøre for Uber, mens ikke-stedbundet gig-arbeid viser til arbeid som kan utføres fra hvor som helst via internett, der arbeidsstyrken er global og kan utføre oppdrag for oppdragsgivere på andre siden av kloden (Woodcock & Graham 2020). Eksempler på denne typen ikke-stedbundet gig-arbeid er Upwork og Amazons Mturk, selskap som selger alt fra enkle tjenester som spørreundersøkelsesutfylling til mer omfattende kreative tjenester, som oversettings-, skrive- og designoppdrag. Arbeiderne i gig-økonomien betales primært per oppdrag de utfører og klassifiseres stort sett som selvstendig næringsdrivende og er dermed ekskludert fra rettighetene som følger med et ansettelsesforhold. Et sentralt spørsmål i litteraturen er hvorvidt arbeiderne i virkeligheten egentlig bør klassifiseres som ansatte og i dag systematisk feilklassifiseres. Dette omtales som falsk selvansettelse, der selskapene bruker den digitale plattformen, diskutert under, til å utøve en såpass substansiell kontroll – såkalt algoritmisk styring (Lee, Kubit, Metsky & Dabbish 2015) – over arbeidsprosessene at relasjonen mellom selskapet og arbeideren bør klassifiseres som et ansettelsesforhold (Prassl 2018).3

Plattformøkonomien, på sin side, betegner en organisering av økonomisk aktivitet og arbeid gjennom digitale plattformer. Mens «gig-økonomi»-begrepet viser til disse selskapenes bemanningsstrategier, vektlegger «plattformøkonomi»-begrepet den digitale plattformen som en infrastruktur som legger til rette for interaksjon mellom to eller flere grupper. Srnicek (2017: 49) deler inn i fem forskjellige typer plattformer: 1) Reklameplattformer som Google og Facebook selger målrettet reklame basert på innsamlet brukerdata. 2) Skyplattformer, for eksempel Amazon Web Services, tilbyr mykvare for logistikk og dataanalyse. 3) Industriplattformer gjør det mulig å organisere og kontrollere tradisjonell industriproduksjon digitalt. 4) Produktplattformer, her er Spotify og Netflix beskrivende eksempler, selger tilgang til varer på abonnementsbasis. 5) Til sist: Lean-plattformer selger varer og tjenester de selv ikke eier, men som tilbys av deres brukere. Lean-plattformene formidler både kapital – eiendom i tilfellet Airbnb – og arbeid – ofte enkeltstående oppdrag som i tilfellene Uber, Upwork, Mturk og så videre.4 Disse selskapene kaller seg ofte teknologiselskaper, blant annet for å slippe å klassifiseres som arbeidsgivere (Rahman & Thelen 2019).

Ikke alt gig-arbeid er plattformarbeid og ikke alt plattformarbeid er gig-arbeid. I denne artikkelen er jeg opptatt av Uber som et eksempel på en gig-plattform, det vil si en digital plattform som formidler enkeltstående oppdrag til en arbeidsstyrke med en substansiell fleksibilitet og samtidig også kontrollerer arbeidsprosessene gjennom en plattformbasert algoritmisk styring. Gig-plattformene illustrerer en vesentlig spenning mellom autonomi og kontroll i arbeidsforhold med provisjonsbetaling. Ifølge Marx ([1867]2016: 684–686) er akkordlønn et system som på den ene siden gjør kontroll over arbeidsprosessen unødvendig, idet produktkvaliteten og arbeidsintensiteten måles direkte i produktene, og gir arbeiderne et incentiv til å jobbe raskt og lenge for å øke inntjeningen. På den andre siden, skriver Marx (2016: 686–687), har provisjonsbetaling en tendens til å fremme en «frihetsfølelse» og selvstendighet blant arbeiderne. Den formelle organiseringen av gig- og plattformarbeid, med selvansettelse og provisjonslønn, kan på den måten være en kilde til autonomi for arbeiderne, en autonomi som samtidig begrenses av to faktorer: mangelen på oppdrag og plattformens algoritmiske styring.

I Norge og de andre nordiske landende møtte gig- og plattformøkonomien arbeidslivsmodeller bygget på en kombinasjon av lovregulering og kollektive avtaler mellom partene på virksomhets-,bransje- og nasjonalt nivå, og en dekommodifiserende og universaliserende velferdsstat, det vil si en velferdsstat der innbyggerne i stor grad har tilgang på velferdstjenester uavhengig av deres inntekt og markedsposisjon (Dølvik 2013). Modellen skal sikre en helhetlig, koordinert lønnsdannelse og gir arbeiderne noen grunnleggende rettigheter, som et trygt arbeidsmiljø og innflytelse, og velferdsrettighetene bidrar videre til å beskytte arbeiderne mot å måtte akseptere svært dårlige lønns- og arbeidsvilkår, også for de som står utenfor arbeidsmarkedet. I hvilken grad og hvordan lønns- og arbeidsvilkår er regulert, varierer imidlertid mye mellom bransjer (Bechter, Brandl & Meardi 2012).

Gig- og plattformøkonomien baserer seg på en arbeidsorganisering som på vesentlige punkter bryter med prinsippene for den norske arbeidslivsmodellen. Selskapene anser seg selv som teknologiselskaper som tilbyr en plattform hvorigjennom selvsysselsatte arbeidere kan tilby sine tjenester, og dermed et mellomledd snarere enn en tradisjonell arbeidsgiver (Rahman & Thelen 2019). Plattformselskapene unngår på den måten arbeidsgiveransvar, mens arbeiderne i utgangspunktet ikke har organisasjonsrett, rett på kollektive forhandlinger og tariffavtaler. Lønns- og arbeidsvilkårene i gig- og plattformøkonomien skiller seg også fra de som tradisjonelt assosieres med den norske modellen, som en «dead-end»-jobb, utstrakt brukt av provisjonsbetaling, relativt lav inntekt og lite innflytelse (se Woodcock & Graham 2020).

Med utgangpunkt i disse egenskapene ved gig- og plattformøkonomien, vil jeg legge fram tre hypoteser: For det første avhenger framveksten av gig- og plattformøkonomien innenfor den norske arbeidslivsmodellen av at disse selskapene enten omgår lov- og avtaleverk, eller etablerer seg i bransjer som kan karakteriseres som modellens randsoner. For det andre vil gig- og plattformøkonomien primært tiltrekke seg arbeidskraft fra allerede marginaliserte segmenter av arbeidsstyrken, som arbeidssøkende eller arbeidere i enda mindre attraktive jobber. For det tredje kan man se for seg at gig- og plattformarbeidernes lønns- og arbeidsvilkår, med provisjonsbetaling og algoritmisk styring, også innenfor den norske arbeidslivsmodellen, vil kjennetegnes av usikkerhet og mangel på autonomi i arbeidsprosessen.

Analytisk tilnærming og metode

Disse hypotesene gir utgangspunkt for en todelt analyse. For det første en drøfting av vilkårene for framveksten av gig- og plattformøkonomi generelt og innenfor et velregulert arbeidsmarked som den norske modellen. Denne analysen bygger på en gjennomgang av sekundærlitteratur og er eksemplifisert med måten Uber tilpasset seg drosjemarkedsreguleringen i Norge. For det andre kartlegger jeg hva som kjennetegner de som arbeider som Uber Black-sjåfører i Oslo, deres lønns- og arbeidsvilkår, samt opplevd kontroll og autonomi, som en case av arbeid i gig- og plattformøkonomien i Norge.5 Analysen baseres på intervjuer med Uber Black-sjåfører i Oslo foretatt mellom mars og juni i 2018.6 I utgangspunktet var min metodiske ambisjon å gjøre et etnografisk feltarbeid basert på omfattende observasjon av en håndfull Uber-sjåfører mens de arbeidet og kjørte passasjerer. For å rekruttere potensielle informanter bestilte jeg Uber-turer via applikasjonen og spurte sjåførene hvorvidt de kunne tenke seg å delta i prosjektet.7 De første fem sjåførene jeg møtte fortalte alle at de gjerne ville delta i prosjektet, men da jeg kontaktet dem for å avtale organiseringen av observasjonen, fikk jeg imidlertid kun to svar, og én av dem kunne faktisk tenke seg å være med, og han ville kun stille til et intervju.

I mitt forsøk på å få tilgang til feltet hadde jeg skrevet utfyllende feltnotater og jeg bestemte jeg for å endre strategi, fra å skulle observere noen sjåfører over lang tid til å i stedet gjennomføre kortere intervjuer med flere sjåfører fra baksetet som Uber-kunde.8 Jeg bestilte en tur, presenterte meg selv og prosjektet mitt, spurte om sjåførene ville delta og om jeg kunne stille dem et par spørsmål i løpet av turen vår. Jeg presiserte alltid at de kunne trekke seg fra intervjuet når som helst i løpet av turen og ga dem kontaktinformasjon slik at de også skulle kunne trekke seg etter intervjuet. Til sammen, inkludert det første dybdeintervjuet, møtte jeg 20 forskjellige sjåfører fordelt på 21 turer (jeg møtte én sjåfør to ganger). Lengden på intervjuene ble avgjort av lengden på turen, men var generelt på mellom 15 og 25 minutter, med unntak av dybdeintervjuet som varte 45 minutter. Jeg snakket norsk med de fleste sjåførene og engelsk med de som fortrakk det. Seks av intervjuene ble tatt opp og transkribert. I tillegg skrev jeg detaljerte feltnotater etter hver tur. Siktemålet med denne metoden var verken representativitet eller å fange Uber-sjåførenes «livsverden», men snarere å samle deres erfaringer og informasjon om deres arbeidsprosesser for å analysere lønns- og arbeidsbetingelsene til Uber Black-sjåfører i Oslo.

Å intervjue sjåførene i bilen, deres arbeidsplass, mens de jobbet, muliggjorde en fruktbar kombinasjon av observasjon og intervjuing, der jeg kunne studere interaksjonen mellom sjåførene, meg som kunde, arbeidsplassen og arbeidsredskapene (se Elwood & Martin 2000). Jeg kunne stille spørsmål ut ifra hva jeg så og sjåførene kunne kommentere det vi opplevde i løpet av turen. I stedet for en fast intervjuguide, forberedte jeg ett eller to temaer å ta opp med hver sjåfør. Jeg begynte hvert intervju med å spørre sjåføren hvordan dagen deres hadde vært og hvorfor de ble Uber-sjåfører, men tok ikke opp alle temaer med alle sjåførene. Denne metodologiske strategien gjorde at jeg kunne være fleksibel og tilpasse spørsmålene til det jeg måtte lure på og hvor i dataanalysen jeg til enhver tid var. En viktig egenskap ved Ubers plattform er at den, fra sjåførenes perspektiv, er ugjennomsiktig. For å få et fullstendig bilde av hvordan plattformen fungerer, studerte jeg også dokumenter og nettsider publisert av Uber9 og leste annen forskning. Jeg gjorde en tematisk koding av de transkriberte intervjuene og feltnotatene som resulterte i åtte kategorier: «Å bli Uber-sjåfør», «limousineselskapene», «kontrakten», «sjåførenes strategier», «luksus», «turtildeling», «vurderingssystemet» og «dynamiske priser». De fem førstnevnte kodene er temaer som var sentrale i historiene sjåførene fortalte og viktige i en analyse av hvordan Uber Black i Oslo er organisert. De siste tre siste kodene er på sin side hentet fra tidligere forskning og Ubers egne beskrivelser av hvordan selskapets plattform fungerer, og ble brukt som utgangspunkt for å analysere måten sjåførene beskrev Ubers plattformbaserte styring.

Intervju- og observasjonsdataen gir innblikk i en del Uber Black-sjåførers hverdag, lønns- og arbeidsvilkår, men begrensede muligheter for å generalisere til gig- og plattformarbeidere generelt, eller Uber-sjåfører i andre land, i og med at, som vi skal se under, deres erfaringer i stor grad er betinget av de spesifikke forholdene som kjennetegner Uber Black i Oslo. I tillegg var enkelte, men vesentlige aspekter ved arbeidssituasjonen deres uklare også for sjåførene selv, deriblant hva slags kontrakt de var ansatt på og måten Ubers algoritmiske styring fungerer. Videre er datagrunnlaget basert på korte intervjuer og observasjonssesjoner, der det ikke var mulig å stille alle sjåførene alle og de samme spørsmålene. I og med at utvalget er relativt lite og, som vi skal se under, homogent, har det ikke vært mulig å differensiere mellom forskjellige typer Uber-sjåførers erfaringer. I analyseprosessen har fellestrekkene i sjåførenes erfaringer blitt prioritert, på bekostning av nyanser og forskjeller, og konklusjonene i denne artikkelen bør derfor betraktes som en første kartlegging av de overordnede kjennetegnene ved Uber Black-sjåførene i Oslo sine lønns- og arbeidsvilkår.

Selv om dobbeltrollen som forsker og kunde først og fremst var verdifull, i det den ga tilgang til feltet, lot meg studere interaksjonen mellom sjåførene og meg som passasjer, og gjorde det mulig for meg å oppleve hvordan Ubers plattform fungerer for kundene, var den samtidig en kilde til enkelte forskningsetiske dilemmaer. Som kunde betalte jeg for hver tur og skulle også gi sjåførene en vurdering etter turen,10 noe som kan ha påvirket deres beslutning om å si ja til å bli intervjuet og hva de fortalte. Jeg opplevde generelt sjåførene som pratsomme og interessert i å dele sine historier og opplevelser med meg, men presset dem aldri på temaer som virket sensitive. Med de første sjåførene jeg møtte i begynnelsen av feltarbeidet, da jeg forsøkte å rekruttere dem til observasjonsstudien, sto jeg imidlertid overfor en ekstra utfordring: Jeg var av den oppfatning at vi skulle møtes igjen og hadde ikke avklart hva vi skulle gjøre med samtalen vår, og notatene jeg skrev etterpå, hvis de likevel ikke ville delta. Selv om de visste at jeg var forsker, har jeg i liten grad basert analysen på notatene fra disse turene. Jeg siterer heller ikke sjåførene fra denne fasen i datainnsamlingen. Det er samtidig umulig å glemme det de fortalte og disse samtalene har påvirket den overordnede analysen.

Analyse. Gig- og plattformøkonomi i den norske modellen

I denne delen vil jeg gjøre rede for noen overordnede forutsetninger for gig- og plattformøkonomiens framvekst generelt, og deretter rette oppmerksomheten mot Norge og utforske møtet mellom gig- og plattformarbeid og den norske arbeidslivmodellen, illustrert med Uber.

Jeg vil trekke fram fire faktorer som har lagt forholdene til rette for framveksten av gig- og plattformøkonomien generelt. For det første er digital teknologi en forutsetning for disse forretningsmodellene, selv om de ikke er en uunngåelig konsekvens av ny teknologi, men en bestemt måte digital teknologi tas i bruk for å organisere markeder. Forretningsmodellene baserer seg på å samle inn og analysere store mengder data, høyhastighets mobilt internett (som muliggjør kommunikasjon i sann-tid og et nøyaktig GPS-system) og utbredelsen av private smarttelefoner. For det andre er gig- og plattformselskapene avhengig av risikokapital. Selv om selskaper som Airbnb og Uber ofte framheves som «disruptive» og effektive, går de i virkeligheten nesten aldri med overskudd, men holdes i gang av store, langsiktige investeringer fra private investeringsselskaper som lar dem drive på tross av tap (Rahman & Thelen 2019). Uber, for eksempel, som i august 2018 var verdsatt til 120 milliarder dollar, var privateid fram til selskapet ble børsnotert våren 2019 og fikk i denne perioden investeringer på flere titalls milliarder dollar, men har aldri gått med overskudd (Munn 2019). Etter at Uber ble børsnotert har aksjen har sunket med over 30 prosent (E24 2019). For det tredje var massearbeidsledigheten i kjølvannet av finanskrisa i 2008 avgjørende for framveksten av gig- og plattformøkonomien (se van Doorn 2017: 904). Selskapene tilbyr arbeiderne fleksibilitet, men ingen forutsigbarhet, stabilitet eller god lønn, og er dermed avhengig av en arbeidsstyrke som er villig til å akseptere vilkårene. For det fjerde har normaliseringen av oppstykkede verdikjeder og bruk av underleverandører lagt til rette for gig-økonomiens hyper-fleksible bemanningsstrategi og arbeidsorganisering (Davis 2016).

I Norge er imidlertid gig- og plattformøkonomien et marginalt fenomen. I 2017 fant Alsos, Jesnes, Øistad og Nesheim (2017: 52) mellom 30 og 40 arbeidsplattformer i Norge, stort sett små oppstartsselskaper med lav omsetning og få ansatte eller tilknyttede arbeidere, men også noen få store plattformer som Uber, Finn Småjobber og Foodora. De fant at cirka én prosent nordmenn har brukt plattformer til å skaffe seg betalt arbeid i løpet av de siste tolv månedene, flest via Finn Småjobber, nest flest via Uber og under 500 norgesbaserte oppdragstakere på ikke-stedbundne arbeidsplattformer (Alsos mfl. 2017: 54ff). Av denne ene prosenten oppga flertallet at de jobbet sjeldent via plattformer: 45 prosent svarte én gang i året eller sjeldnere, mens 30 prosent svarte ukentlig eller oftere. Andre nordiske studier finner også at gig- og plattformøkonomien er av begrenset utstrekning. I Danmark hadde én prosent av befolkningen inntekt fra en arbeidsplattform i 2016, mens 2,5 prosent av svensker jobbet via en plattform i 2017 (Jesnes & Oppegaard 2020).11

Bransjene der gig- og plattformarbeid har fått fotfeste kjennetegnes av lave formelle kompetansekrav, høy grad av midlertidighet eller selvansettelse, lav organisasjonsgrad og tariffavtaledekning og/eller svakt regulerte lønns- og arbeidsvilkår, slik som drosjemarkedet (Uber), renhold (Weclean og Vaskehjelp.no), varebilmarkedet (Nimber og Porterbuddy) og bud- matlevering (Foodora og Wolt), i tillegg til kreativ tjenesteyting som tekstbehandling og grafisk design (Upwork og Freelancer). Samtidig er dette svært ulike bransjer, både når det kommer til type tjenester og bransjespesifikke produkt- og tjenestereguleringer12 (se Jesnes & Oppegaard 2020), og selv om gig- og plattformøkonomien ser ut til å vokse fram i randsonene av den norske arbeidslivsmodellen, er det derfor nødvendig å studere spesifikke bransjer hver for seg. I det følgende vil jeg bruke Uber som eksempel og gjøre rede for hvordan transportplattformen etablerte seg i Norge.

Strategien Uber brukte for å etablere seg i Norge kan ses på som et eksempel på det Pollman og Barry (2017) kaller «regulatory entrepreneurship», der selskaper utnytter gråsoner i reguleringen – eller, væpnet med risikokapital, med vilje bryter loven og betaler eventuelle bøter – for å etablere seg i et nytt marked og deretter forsøker å endre lovgivningen til sin fordel. Uber etablerte seg i Oslo, som eneste by i Norge, i november 2014, og lanserte tjenestene Uber Black og Uber Pop. Uber Pop ble lansert som et «prøveprosjekt» for noen utvalgte brukere (se Uber 2014), men gjort tilgjengelig for alle kort tid etter lansering. Via Uber Pop kunne alle med førerkort, en mindre enn ti år gammel bil og god vandel registrere seg og bli sjåfører. Uber tok mellom 20 og 30 prosent av prisen per tur, og sjåførene mottok resten av pengene som en ukentlig utbetaling. Uber klassifiserte sjåførene som selvstendig næringsdrivende «driver partners», som Uber kaller det, og de måtte etablere sitt eget enkeltmannsforetak, betale egen skatt, drivstoff, bompasseringer og forsikring (Hotvedt 2016). Uber Pop havnet imidlertid raskt i trøbbel – ikke på grunn av feilklassifisering av sjåfører eller sjåførenes lønns- og arbeidsvilkår, men på grunn av løyvekravet i den norske drosjereguleringen. Uber Pop-sjåførene manglet drosjeløyve og kjøreseddel, som påkrevd av Yrkestransportlova (2002: § 9) for å drive persontransport mot vederlag i Norge, og mellom 2016 og 2017 ble til 138 sjåfører bøtelagt, 94 mistet førerkortet og 67 fikk inntjeningen inndratt (Aftenposten 2017). I tillegg ble Ubers norske og nederlandske datterselskap dømt til å betale en bot på til sammen fem millioner kroner for samme lovbrudd som sjåførene (Dagbladet 2017). 30. oktober 2017 satt Uber tjenesten Uber Pop på «pause» i Oslo. Daværende sjef for Uber Norge, Carl Edvard Endresen, lovet samtidig at tjenesten ville relanseres «når et moderne regelverk er på plass» (Endresen 2017).

Uber fortsatte driften av Uber Black. Denne tjenesten skiller seg fra Uber Pop ved at bilene som brukes har løyve og sjåførene kjøreseddel (Oppegaard, Ilsøe, Jesnes, Rolandsson & Saloniemi 2019). Uber Black er organisert med etablerte limousinselskaper som mellomledd. Disse ansetter sjåførene og tilbyr biler med selskapsvognløyve, et løyve tilpasset luksussegmentet i persontransportmarkedet og gis til selskap for biler som tilfredsstiller eksklusivitetskriteriet. Bilen kan ikke være mer enn fire år, må oppfattes som «luksuriøs» og skille seg fra vanlige drosjer, samt være i god stand, ripe- og rustfri (Oslo kommune 2018). Luksussegmentet av persontransportmarkedet ble på den måten, assistert av limousinselskaper, Ubers mulighet for å etablere en lovlig tjeneste innenfor drosjereguleringen i Norge.

Det var altså ikke den nordiske arbeidslivsmodellen i seg selv eller Ubers-sjåførenes lønns- og arbeidsvilkår som ga Uber utfordringer i Norge, men kravet om og den numeriske begrensningen av drosjeløyver. Videre kan Uber ses på som den utløsende årsaken til begynnelsen på en deregulering av det norske drosjemarkedet: Med en uttalt ambisjon om å skape mer konkurranse og legge til rette for Uber-lignende forretningsmodeller, publiserte Samferdselsdepartementet høsten 2018 et høringsnotat med forslag om å oppheve behovsprøvingen for drosjeløyver og flytte kompetansekravet fra løyvehaver til sjåfører (se Samferdselsdepartementet 2018). Forslaget ble vedtatt av Stortinget 4. juni 2019 og skulle i utgangspunktet tre i kraft 1. juli 2020, men ble utsatt til november 2020, etter at taxinæringen opplevde et dramatisk inntektsbortfall i forbindelse med Covid-19-pandemien. Opphevingen av behovsprøvingen av drosjeløyver vil senke etableringsbarrierene i markedet dramatisk og potensielt kunne la Uber gjenintrodusere en Uber Pop-lignende tjeneste der nesten hvem som helst kan registrere seg og bli Uber-sjåfører.13

Hvem er Uber Black-sjåførene i Oslo? Alsos mfl. (2017: 56ff) finner at det var 1298 aktive Uber Pop-sjåfører i Norge i 2016. 87 prosent av sjåførene var menn og de fleste hadde også navn som tyder på minoritetsbakgrunn. Til sammen tjente Uber Pop-sjåførene 114 millioner kroner, men nesten halvparten (43 prosent) tjente under 25 000 kroner, noe som antyder at mange av sjåførene jobbet relativt lite. Kun ni prosent tjente over 200 000 kroner.

Uber Black-sjåførene jeg har intervjuet har lignende demografiske kjennetegn som Uber Pop-sjåførene. Alle var menn og flesteparten så ut til å være et sted mellom 30 og 50 år. Uber Black-sjåførene jeg har intervjuet kan deles inn i to hovedgrupper: Den første består kun av to sjåfører. Disse sjåførene er etnisk norske og har jobbet i limousintransportbransjen i lang tid. For disse utgjør Uber en liten del av kundemassen og en kundegruppe de ikke er avhengig av. En av dem har sitt eget limousinselskap og en rekke private kunder, og fortalte at han kun logget på Uber-applikasjonen av og til for å «hjelpe Uber». Den andre av disse sjåførene er ansatt i et større limousinselskap der han primært kjører regulære limousinkunder – forretningsreisende, diplomater på Norgesbesøk, politikere og så videre –, men plukker opp Uber-kunder mellom andre bestillinger.

Den andre gruppen Uber Black-sjåfører i Oslo, bestående av 18 sjåfører, har bakgrunn fra Afrika, Asia eller Øst-Europa, i likhet med Uber Pop-sjåførene og gig- og plattformarbeid i andre vestlige land generelt (van Doorn 2017; Veen, Barratt & Goods 2019). Flesteparten av disse sjåførene var relativt nye i Norge, med begrensede norskkunnskaper, og kom stort sett til Uber fra arbeidsledighet eller lavtlønnede, usikre og ofte fysisk krevende jobber. Mange hadde jobbet i bemanningsbyråer i byggebransjen og servicesektoren, mens andre hadde tidligere kjørt Uber Pop og forflyttet seg til Uber Black da førstnevnte ble avviklet. For disse sjåførene representerer Uber Black en mulighet for fleksibel arbeidstid og et komfortabelt arbeidsmiljø, og de argumenterte for at det å sitte og kjøre oppvarmede og luksuriøse biler er langt bedre enn å stå ute og jobbe på en byggeplass. En av dem fortalte: «Som østeuropeer, er bemanningsbyråer de eneste som vil ansette deg. Jeg liker ikke det, så Uber er mye bedre». Denne sjåføren hadde tidligere jobbet i byggebransjen og beskrev arbeidsdagen som Uber Black-sjåfør, å kjøre rundt i store, komfortable biler, som like avslappende som å «ligge på sofaen og se på TV». Sjåførenes tidligere yrkeshistorie og demografiske kjennetegn illustrerer, i tråd med den andre hypotesen lagt fram over, at Ubers forretningsmodell er avhengig av å rekruttere fra en allerede relativt marginalisert del av arbeidsstyrken. Som nevnt over var finanskrisa en muliggjørende hendelse for gig- og plattformøkonomien globalt, og man kan argumentere for at en viss andel av befolkningen uten eller med løs tilknytning til arbeidslivet er en forutsetning for framveksten av gig-plattformene. I Norge består denne gruppen av allerede utsatte etniske minoriteter som har vanskelig for å få faste ansettelser, anstendige arbeidsforhold og inntekter, og som derfor ser på Uber som én av svært få muligheter til et levebrød.

Uber Black-sjåførenes lønns- og arbeidsvilkår

Som andre typer gig- og plattformarbeid tilbyr Uber Black i utgangspunktet sjåførene en betydelig formell fleksibilitet i arbeidsprosessen. Autonomien begrenses imidlertid av to faktorer: provisjonsbetalingen og Ubers plattformbaserte algoritmiske styring. Den algoritmiske styringen består i tilfellet Uber av tre elementer: gjensidig vurdering, dynamiske priser og automatisk oppdragstildeling (se Lee mfl. 2015; Oppegaard 2018: 57–70). Selv om sjåførene jeg intervjuet var fullstendig klare over disse mekanismene, fortalte de at de i liten grad forstod hvordan disse fungerer. Denne ugjennomsiktigheten bidrar til ytterligere uforutsigbarhet for sjåførene. Under utforsker jeg hvordan spenningen mellom autonomi og kontroll kommer til utrykk i Uber Black-sjåførenes inntekt, arbeidstid og jobbsikkerhet.

Inntekt

De fleste Uber Black-sjåførene i Oslo er, i likhet med tradisjonelle drosjesjåfører, utelukkende provisjonsbetalte og får mellom 30 og 40 prosent av summen passasjeren betaler, mens limousinselskapet tar mellom 35 og 45 prosent og Uber 25 prosent. En 20-minutters Uber-tur koster mellom 250 og 300 kroner, hvorav sjåføren altså får fra 75 og 120 kroner, før skatt. Siden Uber Black-sjåførene er ansatt i limousinselskaper og kjører deres biler, betaler de ikke for bensin, forsikring, bompassering og vedlikehold selv. Et lite mindretall av Uber Black-sjåførene jeg intervjuet får imidlertid en fast timelønn, stort sett mellom 150 og 160 kroner per time. De oppgir at de tjener mellom 20 000 og 40 000 kroner i måneden før skatt, og er, som vi skal se under, generelt misfornøyde med hvor mye de må jobbe for en anstendig inntekt.

Uber-sjåførene velger ikke passasjerer selv, men tildeles forespørsler automatisk via mobilapplikasjonen og har 30 sekunder til å akseptere eller avslå. De kan ikke se passasjerenes destinasjon, men får en beskjed hvis turen er estimert til å ta mer enn 30 minutter. Dette hindrer sjåførene fra å velge bort korte – og mindre lønnsomme – turer. Å avslå en forespørsel er imidlertid fullstendig fremmed for de fleste Uber Black-sjåførene i Oslo. Markedet kjennetegnes av svært lav etterspørsel og sjåførene må ofte vente opptil flere timer mellom hver forespørsel. Provisjonsbetalingen gjør på den måten Uber Black-sjåførenes inntekt usikker og overfører risikoen for lav etterspørsel til dem. Hvor mye en gitt Uber-tur koster avgjøres ikke kun av lengde, men også forholdet mellom antall tilgjengelige sjåfører og passasjerer som forespør en tur i et bestemt område, gjennom en mekanisme integrert i Ubers algoritmiske styring kalt «surge pricing» eller dynamiske priser. Denne mekanismen øker prisen på en tur når etterspørselen overskrider tilbudet ved å aktivere en «surge» der prisen ganges med for eksempel 1,5, 2 eller 3 (Chen, Chevalier, Rossi & Oehlsen 2017). For sjåførene illustreres «surgene» ved at deler av kartet i mobilapplikasjonen deres blir rødt og representer en slags unntakstilstand der sjåførene kan tjene noen kjærkomne ekstra kroner. I og med at prisene kun økes innenfor bestemte områder, hender det at noen sjåfører avslår forespørsler om normale turer hvis de tror det snart vil komme en «surge»-tur. Sjåførene jeg intervjuet fortalte imidlertid at de ikke egentlig forstår hvordan de dynamiske prisene fungerer, og selv om prisene ofte økes på kvelden i helgene, kan ikke nivået på prisøkningen forutses. For sjåførene er denne uforutsigbarheten frustrerende, og «surge pricing»-mekanismen illustrerer videre sjåførenes mangel på innflytelse, idet de ikke kan forhandle om lønnen sin, men får inntekten diktert av Ubers prisalgoritmer.

Arbeidstid

Uber Black-sjåførene i Oslo får tilgang til en bil tolv timer, fem eller seks dager i uka. Dagene er delt opp i to skift, et dagskift, seks om morgenen til seks om kvelden, og et kveldsskift, seks om kvelden til seks om morgenen. Innenfor timene de får tilgang til en bil, kan sjåførene selv velge hvor mye de vil jobbe, hvilket gir sjåførene en formelt fleksibel arbeidstid, noe mange Uber Black-sjåfører i Oslo verdsetter høyt og trekker fram som en av grunnene til at de ble sjåfører. For de provisjonsbetalte sjåførene begrenses imidlertid den formelle fleksibiliteten av mangelen på bestillinger. Denne typen markedsdrevne fleksibilitetsbegrensninger er også funnet i andre former for plattformarbeid (se Lehdonvirta 2018). Resultatet er at Uber Black-sjåførene, på tross av at de i utgangspunktet i stor grad selv kan avgjøre hvor mye eller lite de vil jobbe, ender opp med å jobbe svært lange dager, sjeldent kortere enn ti timer per dag og gjerne mellom 200 og 250 timer per måned, noen ganger så mye som 300. En av sjåførene jeg intervjuet fortalte at han jobbet 250 timer måneden før og fikk utbetalt 19 000 kroner, mens en annen jobbet mellom 280 og 300 timer for 20 000 kroner. Denne sjåføren fortalte at han de siste fire dagene hadde «jobbet hele tiden, men kun tjent 4000 kroner. Det er ikke bra, jeg er veldig irritert og vurderer å finne meg en ny jobb». En annen sjåfør fortalte at han jobbet 12 timer per dag, men tjente kun 600 dagen før skatt etter at Uber og limousinselskapet hadde tatt sin andel: «Jeg har mange utgifter – hus, familie og lån. Nei, dette er ikke en godt betalt jobb», sa han.

Videre regulerer «surge pricing»-mekanismen implisitt sjåførenes arbeidstid. «Surge»-ene er sjeldne og aktiveres nesten utelukkende på fredag og lørdag kveld. Selv om Uber Black-sjåførene i utgangspunktet selv kan velge når de vil jobbe, gir de dynamiske prisene sjåførene et sterkt incentiv til å tilpasse sin arbeidskraftforsyning til passasjerenes etterspørsel og gjør det mer lukrativt for dem å jobbe usosiale arbeidstider som kveld og helg.

Jobbsikkerhet

I motsetning til Uber Pop-sjåførene og mange av sine internasjonale kollegaer i gig- og plattformøkonomien, er Uber Black-sjåførene i Oslo ansatte. De er imidlertid ikke ansatt av Uber, men av limousinselskaper som fungerer som mellomledd mellom Uber og sjåførene. Flere av sjåførene fortalte at de imidlertid er ansatt på vikarkontrakter, uten at det alltid er like tydelig hvem de er vikar for. At Uber Black-sjåførene er ansatte, gir dem tilgang på rettighetene som følger med et ansettelsesforhold, som organisasjonsrett, rett på sosialhjelp og så videre. I likhet med en rekke andre gig-plattformer (se Gandini 2019), bruker Uber et vurderingssystem der sjåfører og passasjerer gir hverandre mellom én og fem stjerner etter hver tur. Etter å ha mottatt fem vurderinger kalkuleres gjennomsnittvurderingen. Passasjerenes gjennomsnittvurdering er synlig for sjåførene når de mottar forespørselen, mens sjåførenes gjennomsnittvurdering vises for passasjerene når forespørselen deres aksepteres. Denne typen vurderingssystemer har blitt karakterisert som redskap for å bygge «tillit» og muliggjøre transaksjoner mellom fremmede (Botsman & Rogers 2011). I tilfellet Uber Black i Oslo ser det imidlertid ut som vurderingssystemene først og fremst fungerer som redskaper for å evaluere, sanksjonere og kontrollere sjåførenes atferd. Hvis Uber-sjåførenes gjennomsnittvurdering faller under en bestemt, men ikke-oppgitt grense,14 vil de bli advart og potensielt «deaktivert», det vil si sparket (Uber u.å.).15 Muligheten for «deaktivering» fører ifølge sjåførene jeg intervjuet til at de må tolerere passasjerenes oppførsel, nesten uansett hva de gjør, for å unngå en dårlig vurdering. Vurderingssystemet framhever på den måten kundens tilfredstillelse som det avgjørende målet på hvorvidt sjåføren gjør en god jobb og kan fortsette i jobben.

Samtidig er Uber Black-sjåførene i Oslo lite bekymret for vurderingene. De fleste hadde en gjennomsnittvurdering mellom 4,7 og 4,9, noe som kan skyldes at de med lavere vurdering hadde blitt «deaktivert», men ingen av sjåførene sa de har hørt om noe sånt skje i Oslo. I andre land har Uber-sjåførenes vurdering blitt beskrevet som en kontinuerlig stressfaktor (se Rosenblat 2018), og Oslo-sjåførenes relativt ubekymrede holdning illustrerer at effektene av en type kontroll som Ubers vurderingssystem er betinget av konteksten det implementeres i. Ifølge sjåførene i Oslo er femstjernersvurderinger normen blant Uber-brukere i Oslo, sjåfører så vel som passasjerer, og mottar de forespørsler uavhengig av gjennomsnittvurderingen sin, som primært er provisjonsbetalte, avviser de færreste sjåførene forespørsler fra passasjerer med lav gjennomsnittvurdering. Et unntak er de to etnisk norske sjåførene som i mindre grad er avhengig av Uber-kundene. En av disse fortalte at han ikke aksepterer forespørsler fra kunder med en gjennomsnittvurdering under 4,5, en illustrasjon av at Ubers algoritmiske styring har ulike virkninger i forskjellige segment av markedet. Når femstjernersvurderinger er normen blir imidlertid også avvik tydeligere: Enkelte sjåfører fortalte at de følte seg «dumme» eller «dårlige» hvis de mottar en ikke-perfekt vurdering, uten informasjon om hva de hadde gjort galt. Selv om vurderingssystemet og trusselen om «deaktivering» ikke utgjør en viktig stressfaktor for Uber Black-sjåførene i Oslo, har vurderingene likevel en affektiv dimensjon som ikke bør overses.

Diskusjon og konklusjoner

Uber lyktes med å etablere seg innenfor den norske arbeidslivsmodellen ved å tilpasse forretningsmodellen til drosjemarkedsreguleringen og bruke limousinselskaper som mellomledd mellom plattformen og sjåførene. Uber-sjåførenes lønns- og arbeidsvilkår kjennetegnes av lite innflytelse på egen arbeidssituasjon, ingen muligheter til å forhandle på egen inntekt – den avgjøres av antall forespørsler og Ubers prisalgoritme – og sjåførene jobber svært mange timer per uke. Selv om deres lønns- og arbeidsvilkår skiller seg fra de som tradisjonelt assosieres med norsk arbeidsliv, er de generelt i tråd med de som lenge har dominert transportbransjen, der provisjonslønn er relativt normalt og organisasjonsgraden og avtaledekningen lav (se Jensen, Jordfald & Bråten 2014). Drosjemarkedet, som en randsone i den norske modellen, ga dermed Uber en mulighet til å etablere sin forretningsmodell, i tråd med den første hypotesen lagt fram over. Samtidig hindret løyvekravet drosjemarkedsregulering Uber i å kunne opprettholde driften av sin foretrukne tjeneste – Uber Pop –, men de kunne fortsette å tilby Uber Black, organisert gjennom limousinselskaper.

Casen Uber Black i Oslo illustrerer også den andre hypotesen – at gig- og plattformøkonomien i Norge primært tiltrekker seg arbeidskraft fra allerede marginaliserte segmenter av arbeidsstyrken. De aller fleste sjåførene har etnisk minoritetsbakgrunn og begynte å kjøre Uber etter å ha stått uten jobb eller hatt fysisk krevende, usikre og/eller dårlig betalte jobber. For dem representerer Uber, på tross av å være en jobb kjennetegnet av stor usikkerhet, en mer komfortabel jobb og et «steg opp».

Den tredje hypotesen jeg presenterte – at gig- og plattformarbeideres lønns- og arbeidsvilkår, også i Norge, vil kjennetegnes av usikkerhet og mangel på autonomi – ser også ut til å finne støtte i analysen av Uber Black i Oslo. Sjåførene er, på tross av å være klassifisert som ansatte, utsatt for arbeidsvilkår som et ansettelsesforhold i utgangspunktet skal beskytte mot, slik som mangel på innflytelse, svært lange arbeidsdager og uforutsigbar inntekt. Videre unngår Uber arbeidsgiveransvar ved å bruke limousinselskapene som mellomledd. Det hindrer imidlertid ikke selskapet fra å bruke plattformen til å kontrollere sjåførenes arbeidsprosess gjennom dynamiske priser, vurderingssystemet og en automatisk oppdragstildeling, en kontroll som både i seg selv og gjennom sin ugjennomsiktighet er en kilde til usikkerhet for sjåførene.

Selv om Uber Black-sjåførene i utgangspunktet har stor frihet til å velge hvor mye og når de ønsker å arbeide, innenfor de tolv timene hver sjåfør får tilgang til en bil, begrenses den formelle autonomien av provisjonsbetalingen og den algoritmiske styringen. De fleste sjåførene er provisjonsbetalte og i og med at Uber Black-markedet i Oslo preges av lav etterspørsel, venter de lenge mellom hvert oppdrag, hvilket tvinger dem til å jobbe lange dager for å få en anstendig inntekt. Sjåførene kan derfor i praksis i liten grad styre sin egen arbeidsdag. Sjåførene verdsetter likevel den formelt fleksible arbeidsorganiseringen, og gir dem, jamfør Marx’ argument diskutert over, en følelse av autonomi (2016: 684–686). Når det kommer til det andre aspektet ved provisjonsbetaling framhevet av Marx, kontrollens «unødvendighet», illustrerer den empiriske analysen av Uber Black i Oslo at sjåførenes formelle fleksibilitet kombineres med en kontinuerlig kontroll utøvd gjennom plattformen. Den algoritmiske styringen kan ses på som et system som gjør det mulig for Uber å koordinere en svært fleksibel arbeidsstyrke og regulere måten de utfører arbeidet, på tross av en stor formell autonomi, ved å organisere Uber-sjåførenes arbeidsprosesser slik at de fungerer uavhengig av arbeidernes spesifikke kunnskap, ferdigheter og kompetanse. På den måten kan man se for seg at denne typen plattformbaserte kontroll kan fungere som et redskap som legger til rette for ytterligere prekarisering.

I denne artikkelen har jeg argumentert for at framveksten av gig- og plattformøkonomien i Norge primært vil skje i randsonene av den norske arbeidslivsmodellen, men samtidig være betinget av sektorspesifikke reguleringer. På den ene siden viser analysen av Uber i Norge at selv om Uber tilpasset seg den nasjonale drosjemarkedsreguleringen, utfordrer selskapet, gjennom sjåførenes lønns- og arbeidsvilkår, likevel den norske arbeidslivdsmodellen. På den andre siden var modellen allerede utfordret, med store variasjoner i organisasjonsgrad og avtaledekning, lønns- og arbeidsvilkår, hvilket har vært en vesentlig forutsetning for at gig- og plattformøkonomien har funnet fotfeste innenfor enkelte bransjer.

Referanser

Aftenposten (2017, 4. juni). Politiets aksjon mot Uber-sjåførene: Må betale tilbake 11 millioner kroner. Hentet fra https://www.aftenposten.no/okonomi/i/x66VX/politiets-aksjon-mot-uber-sjaafoerene-maa-betale-tilbake-11-millioner-kroner

Alsos, K., Jesnes, K., Øistad, B. S. & Nesheim, T. (2017). Når sjefen er en app. Fafo-rapport 2017:41. Oslo: Fafo.

Bechter, B., Brandl, B. & Meardi, G. (2012). Sectors or countries? Typologies and levels of analysis in comparative industrial relations. European Journal of Industrial Relations, 18, 185–202. https://doi.org/10.1177/0959680112452691

Botsman, R. & Rogers, R. (2011). What’s Mine is Yours. How Collaborative Consumption is Changing the Way We Live. London: Harper Collins Publishers.

Chen, MK., Chevalier, J. A., Rossi P. E. & Oehlsen, E. (2017). The value of flexible work: Evidence from Uber drivers. Working Paper No. 23296. National Bureau of Economic Research. https://doi.org/10.3386/w23296

Dagbladet. (2017). Fem millioner i bot til Uber. Hentet fra https://www.dagbladet.no/nyheter/fem-millioner-i-bot-til-uber/68714761

Davis, G. F. (2016). What might replace the modern corporation? Uberization and the web page enterprise. Seattle University Law Review, 39, 501–515.

Dølvik, J. E. (2013). Grunnpilarene i de nordiske modellene. Et tilbakeblikk på arbeidslivs- og velferdsregimenes utvikling, Fafo-rapport 2013:13. Oslo: Fafo.

E24. (2019, 4. november). Uber tapte over 10 milliarder kroner – aksjen faller. Hentet fra https://e24.no/teknologi/i/dOajmO/uber-tapte-over-10-milliarder-kroner-aksjen-faller Elwood, S. A. & Martin, D. G. (2000). ‘Placing’ interviews: Location and scales of power in qualitative research. Professional Geographer, 52, 649–657. https://doi.org/10.1111/0033-0124.00253

Endresen, C. E. (2017). UberPOP på pause. Hentet fra https://www.linkedin.com/pulse/uberpop-p%C3%A5-pause-carl-edvard-endresen

Gandini, A. (2019). Labour process theory and the gig economy. Human Relations, 72, 1039–1056. https://doi.org/10.1177/0018726718790002

Hotvedt, M. J. (2016). Arbeidsgiveransvar i formidlingsøkonomien? Tilfellet Uber. Lov og Rett, 55, 484–503.

Jensen, R. S., Jordfald, B. & Bråten, M. (2014). Norsk transport – veien videre, Fafo-rapport 2014:03. Oslo: Fafo.

Jesnes, K. (2019). Employment models of platform companies in Norway: A distinctive approach? Nordic Journal of Working Life Studies, 9, 53–73. https://doi.org/10.18291/njwls.v9iS6.114691

Jesnes, K. & Oppegaard, S. M. N. (red.). (2020). Platform Work in the Nordic Models. Issues, Cases and Responses. TemaNord 2020:513. København: Nordisk Ministerråd. https://doi.org/10.6027/temanord2020-513

Lee, M. K., Kusbit, D., Metsky, E. & Dabbish, L. (2015). Working with machines: The impact of algorithmic and data-driven management on human workers. CHI ’15 Proceedings of the 33rd Annual ACM Conference on Human Factors in Computing Systems, 1603–1612. https://doi.ord/10.1145/2702123.27025482

Lehdonvirta, V. (2018). Flexibility in the gig economy: Managing time on three online piecework platforms. New Technology, Work and Employment, 33, 13–29. https://doi.org/10.1111/ntwe.12102

Marx, K. ([1867]2016). Kapitalen. Første bok. Oslo: Oktober.

Munn, L. (2019). Cash burning machine: Uber’s logic of planetary expansion. tripleC, 17, 1–17. https://doi.org/10.31269/triplec.v17i2.1097

NOU 2017: 4 (2017). Delingsøkonomien – muligheter og utfordringer. Oslo: Finansdepartementet.

Oppegaard, S. M. N. (2018). The Strains of Luxury. Labor in the Platform Economy. The Case of Uber Black in Oslo. Masteroppgave. Oslo: Institutt for sosiologi og samfunnsgeografi, Universitetet i Oslo.

Oppegaard, S. M. N., Ilsøe, A., Jesnes, K., Rolandsson., B. & Saloniemi, A. (2019). Uber in the Nordic Countries: Challenges and Adjustments. Nordic Future of Work, brief 1. Oslo: Fafo.

Oppegaard, S. M. N., Saari, T. & Saloniemi, A. (2020). Uber’s trajectories in the Nordic countries. I K. Jesnes & S. M. N. Oppegaard (red.) Platform Work in the Nordic Models: Issues, Cases and Responses, TemaNord 2020:513 (s. 25–46). København: Nordisk Ministerråd.

Oslo kommune. (2018). Retningslinjer for godkjenning av selskapsvogner i Oslo kommune, vedtatt 05.06.2018.

Pollman, E. & Barry, J. M. (2017). Regulatory entrepreneurship. Southern California Law Review, 90, 383–448.

Prassl, J. (2018). Humans as a Service: The Promise and Perils of Work in the Gig Economy. Oxford: Oxford University Press.

Rahman, K. S. & Thelen, K. (2019). The rise of the platform business model and the transformation of twenty-first-century capitalism. Politics & Society, 47, 177–204. https://doi.org/10.1177/0032329219838932

Rosenblat, A. (2018). Uberland: How Algorithms are Rewriting the Rules of Work. Oakland: University of California Press.

Samferdselsdepartementet. (2018). Høringsnotat. Endringer i drosjereguleringen. Oppheving av behovsprøving mv. Oslo: Samferdselsdepartementet.

Srnicek, N. (2017). Platform Capitalism. Cambridge: Polity Press.

Uber. (2014). Uber har kommet til Tigerstaden! Hentet fra https://www.uber.com/nb-NO/blog/uber-har-kommet-til-tigerstaden/

van Doorn, N. (2017). Platform labor: On the gendered and racialized exploitation of low-income service work in the ‘on-demand’ economy. Information, Communication & Society, 20, 898–914. https://doi.org/10.1080/1369118X.2017.1294194

Veen, A., Barratt, T. & Goods, C. (2019). Platform-capital’s ‘app-etite’ for control: A labour process analysis of food-delivery work in Australia. Work, Employment, and Society, 34, 388–406. https://doi.org/10.1177/0950017019836911

Woodcock, J. & Graham, M. (2020). The Gig Economy. A Critical Introduction. Cambridge: Polity Press.

Yrkestransportlova. (2002). Lov om yrkestransport med motorvogn og fartøy (yrkestransportlova). Oslo: Samferdselsdepartementet.

1Artikkelen bygger på forfatterens masteroppgave (se Oppegaard 2018).
2«Gig» kommer fra engelsk slang for musikeres spillejobber.
3Andre årsaker til at arbeiderne i gig-økonomien kan bli klassifisert som ansatte, kan være personlig arbeidsplikt; hvis gig-arbeiderne, i motsetning til andre selvstendig næringsdrivende, ikke selv kan bestemme prisen på tjenesten de selger, men må akseptere en pris avgjort av selskapet; eller at de har et vernebehov, der styrkeforholdet mellom de to partene er skjevt og arbeiderne er avhengig av arbeidet de utfører (Hotvedt 2016; Jesnes 2019).
4Skillet mellom kapital- og arbeidsplattformer er delvis kunstig, idet det, for det første, inngår en del arbeid i å leie ut eiendom via en kapitalplattform som Airbnb, som rengjøring, klargjøring og så videre, og også inngår en del kapital i arbeidsplattformer som Uber, der sjåførene ofte må bruke sin egen bil.
5For en analyse av andre typer gig- og plattformarbeid og i andre nordiske land, se Jesnes og Oppegaard (2020).
6Se Oppegaard (2018: 32–39) for en detaljert beskrivelse av forskningsdesignet og datainnsamlingen.
7Jeg hadde tidligere hatt et møte med Uber Norge og informerte om prosjektet. Uber Norge sa at sjåførene selv kunne avgjøre om de ville delta. Det eneste som var viktig for dem var at ingen passasjerer ble forstyrret av min tilstedeværelse i bilen.
8Rosenblat (2018: 209–216) benytter en lignende metode for å studere Uber-sjåfører i Nord-Amerika.
9Den viktigste kilden var nettsiden help.uber.com.
10Jeg ga alle sjåførene en femstjerners vurdering.
11En av utfordringene ved å estimere størrelsen på gig- og plattformøkonomien er imidlertid at objektet ofte er uklart avgrenset, slik at mange typer digitalt arbeid blandes sammen.
12Mens bud- og matlevering og godstransport under 3500 kilo, varebilmarkedet, ikke er underlagt godkjenningsordninger eller formelle etableringshindre, er adgang til drosjemarkedet relativt strengt regulert gjennom antallsbegrensning på løyver. I renholdsbransjen ble overenskomsten allmenngjort i 2011 og en godkjenningsordning og HMS-kort ble innført året etter.
13Denne utviklingen er ikke spesifikk for Norge, men kjennetegner også Danmark, Finland og Sverige, der Uber har bidratt til en delvis eller fullstendig deregulering av drosjemarkedene (Oppegaard, Saari & Saloniemi 2020).
14En av sjåførene jeg intervjuet trodde grensen var 4,3, men ingen av dem var sikre.
15I og med at Uber Black-sjåførene i Oslo er ansatte, er det ikke sikkert oppsigelse basert på for lav gjennomsnittvurdering vil kunne betegnes som «saklig grunn for oppsigelse» i en eventuell tvist.

Idunn bruker informasjonskapsler (cookies). Ved å fortsette å bruke nettsiden godtar du dette. Klikk her for mer informasjon