除了减少工作总量之外，机器学习还可以用来提高工人的体验品质。大数据的反馈基础设施可以被用来分配工作，但其方式不仅根据工人的表现，而且照顾工人的偏好。但和前一章提到的数据工厂不同，因为数据工厂里机器学习算法是根据工人过去的表现来决定哪些工人完成哪些任务，而在这里，算法在分配工作的时候，优先考虑每个工人的快乐和兴趣。
最后，工作的游戏化也并不一定是一种压迫性的策略。如果撇开促使管理精英采取游戏化策略的经济目的，我们有可能承认，即使是今天令人压抑的工作游戏化形式也体现了人们的一种愿望，即希望工作更加有趣和愉快。在一个没有工资的世界里，Playment等公司所承诺的快乐劳动将被实现，劳动成为乐趣和游戏，而不是生产收益。工作游戏化不再用于对工作过程的监管、合理化和监视，而是用于减少单调乏味的苦差事。机器将不再用于节省劳动力成本，迫使工人更加辛苦工作，让有技术的工人从事毫无技术含量的苦工，而是让工作变得更加有趣。在某种程度上，评价和评分系统可能会代替工资，成为激励适当劳动的手段。评分系统不是决定谁将获得报酬和谁将存活下来，而是作为一种软性的鼓励形式、好玩的竞争方式，让原本压抑辛苦的劳动成为游戏。爱德华·贝拉米在其1888年镀金时代的小说《向后看》中，描述了2000年的社会主义乌托邦，这里工资与金钱、不平等和战争一起消失了。小说描述了一种道德和荣誉激励系统促使人去工作，而不是残酷的经济压力迫使人工作。[1]微工作网站上的公共评分系统中存在一些类似的激励措施。但是，虽然Mechanical Turk的“大师”资格等奖励让工人能够获得报酬更高的工作，但在后稀缺经济中，类似的荣誉反而被用来赋予杰出的地位，激励人们从事单调或艰苦的工作。
129