论平台经济从业者面临的算法困境及其制度因应

论平台经济从业者面临的算法困境及其制度因应一文创作于：2023-03-15 04:21:59，全文字数：56838。

论平台经济从业者面临的算法困境及其制度因应

��接单率；Uber采用一些激励措施(如“每小时工资保证”)以提高平台驾驶员的接单率。(31)Mareike Möhlmannn,Lior Zalmanson,Ola Henfridsson,Robert W.Gregory,“Algorithmic Management of Work on Online Labor Platforms:When Matching Meets Control”,MIS Quarterly,Vol.45,No.4,2021,pp.2005-2006.

(二)“算法权力”的异化原因

如前所述，平台企业掌握着“算法权力”，然而其也可能滥用此权力。究其根源，主要存在如下方面原因。

1.平台企业与平台经济从业者的利益分歧

平台企业滥用“算法权力”的动机原因是平台企业与平台经济从业者之间的差异化利益分歧。具体而言，表面上专有的算法借助智能手机这一信息媒介在劳务需求者与劳务给付者之间搭建桥梁，不仅劳务需求方和供求方从中受益，平台企业也可收取一定比例的服务费用与获取有价值的有关平台经济从业者和平台用户的数据。(32)Alex Moazed,“Can Uber Reach Profitability?”，https://www.inc/alex-moazed/ubers-path-to-profitability.html，2020年3月28日。然而，实际上平台企业、平台经济从业者的利益并不总是一致的，甚至可能是互相冲突的。对于平台经济从业者而言，一方面其之所以成为平台一员是基于平台经济可以带来的就业灵活性，(33)Jonathan V.Hall1,Alan B. Krueger,“An Analysis of the Labor Market for Uber’s Driver-Partners in the United States”,https://dataspace.princeton.edu/jspui/bitstream/88435/dsp010z708z67d/5/587.pdf,2020年4月1日。另一方面是出于其维持每月收支平衡。(34)Natasha Singer,“In the Sharing Economy,Workers Find Both Freedom and Uncertainty”，https://www.nytimes/2014/08/17/technology/in-the-sharing-economy-workers-find-both-freedom-and-uncertainty.html,2020年4月4日。相较而言，平台企业之“算法权力”的运行遵循“商业逻辑”，以“效率”与“利益”为导向。(35)郑智航：《人工智能算法的伦理危机与法律规制》，《法律科学(西北政法大学学报)》2021年第1期，第16页。为了提高营利能力，平台企业必须不断提高满足客户需求的能力，优化客户在享受服务过程中的体验，这可能与平台经济从业者的利益形成冲突。以美团配送为例，平台企业提高满足消费者需求能力的路径之一为增大外卖骑手的供应量，然而通常性的供过于求导致外卖骑手很难接到订单，大大降低了外卖骑手的收入水平。(36)赖祐萱：《外卖骑手，困在系统里》，https://zhuanlan.zhihu/p/225120404，2022年3月8日。再如，平台企业为了提高客户的体验，将对平台经济从业者履行劳务给付过程的评价权交给客户，但是客户所作出的评价可能包含“错误”或者“偏见”。这些包含“错误”或者“偏见”的评价数据将直接影响下次平台任务的分配，对平台经济从业者的经济利益造成影响。

2.平台企业与平台经济从业者的信息不对称

由于“算法权力”主体与“算法权力”客体之间“信息鸿沟”的存在，“算法权力”存在隐性运作的空间和条件，加之平台企业之“算法权力”的运行遵循“商业逻辑”，平台企业极易将一些“不规范性因素”嵌入机器学习算法的开发与运行过程中，从而给平台经济从业者造成现实的算法危害。具体而言，“机器学习算法”是平台系统运行的中枢。尽管技术本身是中立的，但技术开发者是存在行为选择与价值判断的。算法的“机器学习功能”决定了其所被训练和测试的数据将对算法的实际运行效果产生影响，可以具体划分为三种情形：一是“效果变量”具有歧视性；二是因收集数据时未遵循“普遍性原则”；三是因数据本身的“质量”问题，如数据是“错误”的，或者数据是基于“偏见”而产生的，都将影响到算法运行结果的合理性，甚至“偏见”将再次反应到算法技术运行结果中。再如，平台企业还可能在未告知平台经济从业者的情形下收集劳动者个人数据，侵犯劳动者对其个人数据的权利，甚至影响到了劳动者的经济利益。以Uber为例，Uber在实际运行中并未将按照所宣称的那样将平台工人和乘客进行最优匹配，事实上其在司机毫不知情或者未取得司机同意的情况下借助“供应者匹配算法”对司机进行了一系列“行为实验”，如故意将司机派往“测试区域”以便收集诸如司机愿意等待接单的最长时间、可接受的最远距离、驾驶稳定性等数据，并将这些数据运用于下一次的平台司机与乘客的匹配中。(37)Zane Muller,“Algorithmic Harms to Workers in the Platform Economy:The Case of Uber”,Columbia Journal of Law and Social Problems,Vol.53,No.2,2020,pp.194-195.尽管在这一过程中平台工人仍可以取得劳务报酬，但该过程正是以牺牲平台司机最大化的经济效益来满足平台企业收集平台司机个人数据的需求。

3.平台经济从业者与平台企业之间的议价能力欠缺

平台经济从业者的议价能力不足是平台经济从业者面临算法困境的又一重大原因。如前所述，平台企业在平台算法的开发过程中享有绝对的裁量权，平台经济从业者一方往往不具有话语权。以网约配送行业的“配送时间”为例，如前所述，在外卖平台系统的设计中，“配送时间”是一个重要的指标。若超过配送时间，平台经济从业者将面临差评、收入降低，甚至被淘汰的不利后果，这事实上导致了平台司机只能通过不断超速、抢红绿灯等违规行为以保证在规定时间内完成配送任务。平台经济从业者在越跑越快的同时也给机器学习算法提供了很多短时长数据，又再次缩短平台系统的配送时间。此外，系统会依据导航计算出的送餐距离和时间支付配送费。路程与时间都缩短了，虽然为外卖平台黏住了更多的用户，但也压缩了外卖员的配送成本。更有甚者，大多数情况下平台经济从业者个人并不知晓平台企业是否收集了与其有关的个人数据、收集了哪些个人数据以及如何运用这些个人数据等。由此可见，在平台用工下，平台企业相对于平台经济从业者处于绝对优势地位，而平台经济从业者则成为确保平台算法系统顺利运行的一个“工具”，处于极其被动地位。

四、破解平台经济从业者之算法困境的适恰之路

事实上，“算法权力”的兴起与异化反映出许多民事主体

提醒您：因为《论平台经济从业者面临的算法困境及其制度因应》一文较长还有下一页，点击下面数字可以进行阅读！

《论平台经济从业者面临的算法困境及其制度因应》在线阅读地址：论平台经济从业者面临的算法困境及其制度因应