2020年9月，《人物》發(fā)表的一篇文章《外賣騎手，困在系統(tǒng)里》在互聯(lián)網(wǎng)引發(fā)廣泛討論，輿論矛頭直指外賣平臺公司的系統(tǒng)和算法。文章中指出，在機器算法的壓力下，外賣騎手受到派送時間被不斷壓縮、送餐高峰時期被指定逆行路線、超時罰款等問題的困擾。1月9日，人類學(xué)家項飆在騰訊科技向善暨數(shù)字未來大會上發(fā)表了題為《從“社會人”到“系統(tǒng)人”》的發(fā)言，并提出了三個問題，其中的第二個問題就是系統(tǒng)與勞動的關(guān)系。本文試圖接續(xù)項飆的這一問題，并試圖探討：這個“系統(tǒng)”到底是什么？為什么會對勞動者產(chǎn)生如此大的影響？系統(tǒng)對勞動者的影響還有沒有另外一種可能？

算法與系統(tǒng)

這里的“算法”指的其實是機器學(xué)習(xí)算法，即計算機模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為，以獲取新的知識或技能，重新組織已有的知識結(jié)構(gòu)使之不斷改善自身的過程。算法需要以數(shù)據(jù)結(jié)構(gòu)為基礎(chǔ)。機器學(xué)習(xí)算法在大數(shù)據(jù)的基礎(chǔ)上確立算法，通過不斷優(yōu)化算法，提升處理數(shù)據(jù)的能力。而算法優(yōu)化的過程，則是不斷犯有益的錯誤的過程，即以明確、簡單又有效的新算法淘汰和過濾舊算法。

現(xiàn)在，算法已經(jīng)成為許多數(shù)字平臺的核心資產(chǎn)。許多數(shù)字平臺會追蹤用戶的喜好和點擊的內(nèi)容，將這些用戶偏好集中起來之后，向同樣具有這類偏好特征的用戶做出所謂的“個性化定制”推送。譬如，美國網(wǎng)飛（Netflix）公司運用算法生成數(shù)據(jù)驅(qū)動型的推薦結(jié)果，向我們介紹我們可能會感興趣的電影，臉書是推薦我們可能認識的人，而網(wǎng)購平臺是推銷我們可能想買的東西——這些都來自平臺對客戶行為數(shù)據(jù)的跟蹤和記錄[1]。

這里所說的系統(tǒng)其實是工人管理系統(tǒng)，是一系列關(guān)于勞動者、勞動對象、勞動工具、勞動環(huán)境以及產(chǎn)品的制度設(shè)計，平臺經(jīng)濟工人管理系統(tǒng)最大的特點就是將機器學(xué)習(xí)算法引進了這套管理系統(tǒng)。

被算法規(guī)制的勞動者

問題在于，機器學(xué)習(xí)算法進入工人管理系統(tǒng)之后對工人會產(chǎn)生何種影響？

首先，工人生產(chǎn)勞動產(chǎn)品的過程也是生產(chǎn)勞動數(shù)據(jù)的過程。以優(yōu)步公司為例，公司會通過智能手機記錄司機的一系列個人數(shù)據(jù)，包括評分、接單率、拒單率、在線時長、行程次數(shù)，甚至是平均手機震動時間等各種數(shù)據(jù)。

其次，平臺會根據(jù)這些數(shù)據(jù)（當(dāng)然還有用戶的數(shù)據(jù)）對工人的勞動過程進行學(xué)習(xí)，然后模擬出一個“科學(xué)”的工作流程，其中包括完成工作的規(guī)范動作，正確流程及標準時間。

最后，平臺會以這個“科學(xué)”的工作流程為模板反過來要求工人。所以我們發(fā)現(xiàn)，網(wǎng)約車司機在你上車之后都會例行跟你說一句“請系好安全帶”，哪怕你早已經(jīng)系好安全帶；外賣行業(yè)中，“2016年，3公里送餐距離的最長時限是1小時，2017年，變成了45分鐘，2018年，又縮短了7分鐘……”[2]。

算法進入工人管理系統(tǒng)看似是一個新現(xiàn)象，新潮流，但是其本質(zhì)依然是一種科學(xué)管理的思想，這種思想并不新鮮，早在一百前就已經(jīng)誕生。科學(xué)管理的集大成者是泰勒，因此又被稱為“泰勒制”。泰勒制有如下幾個特征：

首先，這是一種管理別人的工作的科學(xué)，而不是一種工作科學(xué)，其所要解答的是：如何最好地管理與規(guī)劃工人的勞動過程。第二個特征是它的關(guān)于控制的觀念。在此之前，管理的控制一般是一些外部的監(jiān)督。但是泰勒把控制提高到一個完全新的水平，直接深入到工人具體的勞動過程中，甚至是他們勞動過程的每一個動作中。他主張給工人規(guī)定完成工作的一套精密方法，并認為這是充分的管理所絕對必需的[3]。

泰勒的思想迅速被運用到各個領(lǐng)域，其中最有名的就是生鐵搬運的例子。泰勒所在的鋼鐵公司有一個生鐵搬運小組，每人每天裝貨約12.5噸。泰勒通過工時和動作研究，把工作分成極小的基本動作逐項論證，對工人的負荷、時間、動作進行精密的設(shè)計，以科學(xué)的方法合理安排工作程序、技術(shù)辦法以及勞動速度，減少不必要的消耗，省略多余的動作，節(jié)約工人的勞動，最后計算出（而不是根據(jù)經(jīng)驗估計出）每個生鐵搬運工每天能夠搬運的定額為47～48噸。然后，他挑選了一位人稱“施密特”的工人，讓他嚴格按照管理人員的指示進行工作，由一名拿著秒表的管理者掌握施密特工作中的動作、程序和間隔休息時間。這樣，施密特在一天之內(nèi)完成了47.5噸生鐵的搬運工作。

因此，機器學(xué)習(xí)算法和工人管理系統(tǒng)的結(jié)合本質(zhì)上是科學(xué)管理思想的技術(shù)升級，只是用機器學(xué)習(xí)的方法取代管理者對工人勞動過程的管理和規(guī)劃，其精神內(nèi)核并沒有改變：管理者負責(zé)設(shè)計工作流程，工人只負責(zé)執(zhí)行，不需要知其然，更不需要知其所以然。即概念和執(zhí)行的分離，工作的設(shè)計權(quán)上移管理層，工人只需要負責(zé)執(zhí)行。也就是計算的最大化，算計（工人自主性）的最小化[4]。

在此情況下，工人無法控制他直接的勞動過程，無法感到自身在整體組織運轉(zhuǎn)中的角色與地位，無法感到對組織社區(qū)的歸屬，無法感到勞動本身是自身的一種表達。工人因而很容易產(chǎn)生無力感 (powerlessness)、無意義感（meaninglessness）、隔離（Isolation）和自我疏遠（self-estrangement）的感覺。所以，泰勒制在使生產(chǎn)率大幅度提高是以工人的高度工具化為代價，這也使工人的勞動變得異常緊張、單調(diào)和勞累，因而引起了工人們的強烈不滿，并導(dǎo)致工人的怠工、罷工以及勞資關(guān)系日益緊張等事件的出現(xiàn)。

不僅如此，一個旨在提升工人生產(chǎn)效率的照明試驗中，研究人員發(fā)現(xiàn)，“當(dāng)實驗組照明度增大時，實驗組和控制組都增產(chǎn)；當(dāng)實驗組照明度減弱時，兩組依然都增產(chǎn)”[5]。最后，研究人員發(fā)現(xiàn)這種產(chǎn)生效率的提升主要來自于參加實驗的榮譽感和工廠中良好的社會關(guān)系。這個實驗就是享譽世界的霍桑實驗，而這個試驗之所以具有如此重要的影響力，是因為它扭轉(zhuǎn)了當(dāng)時將人過度工具化的趨勢，重新把“社會人”帶回了人們的視野。可以說，生產(chǎn)效率的提升和勞動者的主觀感受和主觀能動性并不矛盾，甚至是提升生產(chǎn)效率的一種重要手段。

勞動者自身的算法

機器學(xué)習(xí)算法基于大數(shù)據(jù)的算法優(yōu)化過程看似有著一種天然的客觀性與中立性，但現(xiàn)實是它不是中立的，而是體現(xiàn)了管理者的價值觀，甚至是一些屬于全社會的潛在偏見。換言之，對于系統(tǒng)應(yīng)該怎么去用，怎么改進，更多的是管理層和用戶（消費者）的聲音，工人只負責(zé)執(zhí)行不負責(zé)設(shè)計，只提供數(shù)據(jù)不提供意見。

那么，有沒有另一種可能，在系統(tǒng)的框架下能否給工人以一定的自主性？

筆者博士論文的田野是在北京的某快遞公司做的，2016年7月到10月，我以參與式觀察的方式調(diào)查了快遞工人的勞動過程，跟他們同吃同住同勞動。在調(diào)查過程中，我發(fā)現(xiàn)快遞公司也設(shè)計了一套嚴密的信息系統(tǒng)來監(jiān)管快遞工人的勞動過程，包括規(guī)范化的操作、嚴密的信息監(jiān)控、嚴格的時效要求及明確的獎懲制度。舉個例子，快遞一般分為早班件和午班件，早班件需要在下午兩點前派送完畢，午班件需要在晚上八點之前派送完畢。這個時間以快遞工人在系統(tǒng)中錄入的派送時間為準，超時要罰款，提前簽收，即還未派送出去的快遞在系統(tǒng)里錄入簽收也要罰款。

但是，在跟著快遞工人一起派送快遞的過程中，我卻發(fā)現(xiàn)勞動者在勞動過程中有著自己的一套“算法”。在勞動者的“算法”中，一些“違規(guī)”操作對于按時按量地完成工作來說幾乎是必不可少的。因為在派送快遞的過程中，隨時隨地存在著各種突發(fā)情況，最常見的就是聯(lián)系不上收件人。如果要按規(guī)定處理這種突發(fā)情況，快遞工人要花費大量的時間，結(jié)果就是耽誤了其他快遞的派送，用他們的話來說就是“我一天啥也不用干了”。所以很多人會選擇提前簽收，將這些快遞放門衛(wèi)等處寄存或者等晚上再將這些快遞派送出去。但如果客戶發(fā)現(xiàn)自己明明沒有收到快遞，但是系統(tǒng)中卻顯示快遞已經(jīng)簽收，那么他可以在系統(tǒng)里進行申訴。這時候快遞工人的這種違規(guī)行為就被發(fā)現(xiàn)了，并需要面臨相應(yīng)的處罰。

由此可見，這個系統(tǒng)是嚴密的，既能制定規(guī)則，也能快速地發(fā)現(xiàn)違規(guī)的行為。但是在調(diào)查過程中我發(fā)現(xiàn)，這個嚴密的系統(tǒng)給工人留了一個出口——申述撤銷制度�？爝f員可以通過事后的補救措施來避免公司規(guī)章制度對他們的“違規(guī)”行為的處罰，但是這種事后的補救措施必須通過申訴人，也就是消費者才能實現(xiàn)。這個“缺口”看上去像是制度設(shè)計上的一種“自我矛盾”。比如，明令禁止虛假簽收，一經(jīng)發(fā)現(xiàn)就對快遞工人處罰700元。但是一旦這種情況真的發(fā)現(xiàn)，快遞公司卻是先讓快遞工人去跟收件人解釋情況，讓消費者撤訴。

這個制度不僅保留了勞動者在勞動過程中一定程度的自主性，提升了他們對工作過程的控制感，而且還能引導(dǎo)他們有意識地融入社區(qū)。因為快遞工人和客戶相識之后，不僅他們能對對方的行為有比較穩(wěn)定的預(yù)期，而且在快遞員派送快遞中真的遇到困難時，客戶也一般更愿意通融。此外，這些有過交往經(jīng)歷的收件客戶也更可能成為發(fā)件的客戶。所以，對公司來說，在系統(tǒng)中給快遞工人留出一定程度的自主性未必不是一件好事。

算法的邏輯是科學(xué)管理的邏輯，這時候的勞動者工具屬性比較強，很少需要考慮他們的主觀感受、社會關(guān)系。但現(xiàn)實生活的勞動者首先是一個社會人，自有其一套生存哲學(xué)和勞動邏輯。因此，正如項飆老師所說的，在系統(tǒng)設(shè)計過程當(dāng)中，其實需要考慮很多微觀內(nèi)容，包括怎樣去精確化勞動的精準性，怎樣去捕捉勞動最后有沒有形成效果，怎樣能夠把勞動者本身的主觀意識也作為一個數(shù)據(jù)進行反饋。這些皆是系統(tǒng)設(shè)計者應(yīng)該仔細考慮的問題。

人工智能和機器人領(lǐng)域有個著名的莫拉維克悖論，即“讓計算機在智力測試或者下棋中展現(xiàn)出一個成年人的水平是相對容易的，但是要讓計算機擁有猶如一歲小孩般的感知和行動能力卻是相當(dāng)困難甚至是不可能的。”?幾十年來，機器人和人工智能雖然在智力上已經(jīng)達到了很高的境界，但依舊難以擁有看似簡單的與物理世界交互的能力。和機器相比，人類擁有巨大的靈活性優(yōu)勢。從這個角度看來，在算法系統(tǒng)中一味追求科學(xué)、理性，并以此剪裁現(xiàn)實的生活世界和勞動情境，難免有緣木求魚、南轅北轍之憾。

參考文獻：

[1]Rosenblat A.Uberland: How Algorithms Are Rewriting the Rules of Work[M].2018.

[2]賴祐萱.外賣騎手，困在系統(tǒng)里[N].人物.

[3]哈里·布雷弗曼.勞動與壟斷資本[M].商務(wù)印書館,1979.

[4]項飆.項飆的三個問題[N].騰訊研究院.

[5]張康之,齊明山.一般管理學(xué)原理[M].中國人民大學(xué)出版社,2010.

本文由【騰訊研究院】授權(quán)轉(zhuǎn)載，作者：莊家熾

?

?

零點有數(shù)（Dataway）：中國前沿的數(shù)據(jù)分析與決策支持服務(wù)機構(gòu)。深耕公共事務(wù)和商業(yè)服務(wù)的諸多領(lǐng)域，以第三方評估為驅(qū)動、以解決應(yīng)用場景中的關(guān)鍵問題為出發(fā)點，梳理和優(yōu)化不同垂直行業(yè)的模型與算法。在數(shù)據(jù)智能時代，公司不斷整合移動互聯(lián)網(wǎng)、人工智能、云計算、物聯(lián)網(wǎng)等領(lǐng)域新技術(shù)，將多源數(shù)據(jù)與公共和商業(yè)服務(wù)的垂直行業(yè)場景結(jié)合，將20多年積累的專業(yè)知識實現(xiàn)"經(jīng)驗?zāi)Ｐ突�，模型算法化，算法軟件�?，推進決策科學(xué)化、服務(wù)高效化。

如需獲取更多信息請聯(lián)系：

電話：010-53896000

郵箱：mkt@idataway.com

商務(wù)合作請點擊左下角【閱讀原文】

?

?