《人物》杂志日前发表的文章《外卖骑手，困在系统里》快速成为了10万+的爆款，文章详实全面地介绍了外卖骑手怎样被算法裹挟，系统限定的送餐时间越来越短，从2016年3公里送单时限最长1小时，到2017年45分钟，到2018年的39分钟，同时2019年中国全行业外卖订单配送时长比过去3年减少了10分钟；而骑手则为此付出了巨大的生命安全代价——层出不穷的交通意外和伤亡事故。文章的最终主旨直指算法，发问道“算法究竟是怎样的存在？” 本文将接着这一主题以外卖平台企业为例开展讨论，算法究竟在怎样的社会环境里形成，又造成了怎样的社会后果？大平台企业的算法与社会各个方面是什么样的关系，谁又能来拴住算法这个技术利器？
美团与饿了么的外卖小哥
加速劳动中的算法机制和劳动管理机制
《人物》的文章提供了非常丰富的骑手劳动细节，深入探讨了系统怎样为劳动“加速”，在此不做赘述，从分析层面可以看到劳动加速的两个层次，即算法加速与管理加速的叠加。首先是算法加速，根据美团点评AI技术团队在2018年的发表文章，美团的实时智能配送“基于海量数据和人工智能算法”，致力于给最合适的配送小哥发送配送效率最优的指令，既能让用户获得最快速服务，又能让骑手跑的路程短。海量数据哪里来？骑手的每一次配送，等餐、到店、出餐、上下楼的时间等等都是优质数据来源。人工智能算法则在技术支持基础上解决一系列的具体问题，比如骑手定位、单量预估、定价机制、配送站点和线路规划等等[注释1]。
数据是算法的基础和养料，在此基础上算法可以被改进。劳动者提供的新数据成为了劳动过程改进的基础，在海量的数据的基础上，程序员们可以通过新技术和新思考来规划“更优”的路线和时间。美团技术团队的公众号曾经发文解读智能配送系统中他们的优化实践，详述了他们为了提高路线规划效率而进行的算法改进[注释2]。
通过这种基于数据和规划的改进来提高劳动生产率的做法并不是互联网时代的独创，可以在20世纪初的泰勒的科学管理主义中找到它先辈的影子：通过精细地测量工人每一个工作步骤的时间和他的劳动路线（如将部件A拿起花了1秒，转身拿工具B中走路花了5秒，拿起的动作花了1秒......）来确定科学的工作时间、工作路径，以此为基础为工人制定科学的劳动生产率指标。这种科学管理主义启发了一代管理主义大师和沿用至今的流水线管理主义实践，并延伸到了美团的劳动路径设计当中——在骑手路径规划里被称为“流水线调度”[注释2]。区别在于，今天的数据量和算法的能力已经不可同日而语，科学管理主义只能通过人力来管理一个工厂内的几百个工人，而今天的大数据和算法可以通过APP管理几百万劳动者。
劳动加速不只是通过无思想、无情感的技术来实现的，还通过一整套劳动者激励和惩罚的管理机制来共同实现。在美团及饿了么的平台上，长期大量存在着不同名目的“冲单奖励”，即在指定的时间范围内，完成的订单达到某个数量就可以获得一定金额的奖励。为了获得冲单奖励，外卖员的做法即是尽可能接更多单、更快地送单以达到奖励标准。同时，平台设计管理机制中一个最核心的机制是等级管理制，即外卖员在固定时间内送单越多、准时率越高，则ta的等级越高，等级越高则可以获得更优先的系统派单，可以送更多单，赚更多的钱[注释3]。如果不加入这个加速游戏，外卖员面临的后果则是在这个系统内无法获得足够的订单和足够的收入。这种管理机制背后的思想同样源远流长。最近社交媒体上有人称这种制度为“内卷化”，你的劳动效率提高了，你的同事就必须提高劳动效率；而你的同事加班越多，你也就要加班越多，而最后大家的总收入可能没有增加，因为老板的劳动定价机制随着大家都加班变多而调整了，这跟马克思在19世纪的英国纺织工厂观察到的现象一脉相承。
算法加速和管理加速相加的结果大于二者之和。激励惩罚机制带来的劳动加速被大数据捕捉后，算法通过学习和改进，又一次促进了循环另一头的劳动加速，算法计算出来的劳动程序可以更快了。
算法技术中的供需平衡与社会的劳动力供应
美团的智能配送系统架构中，将订单需求和运力供给相匹配，以更高的效率（即更低的成本实现良好的顾客体验）达到供给和需求的平衡是其主要目标之一。美团技术团队将其分为了三层，一是周期较长的基础层，即配送网络规划和运力结构规划等（具体工作如规划站点）；二是中短期的中间层，通过定价或营销手段使供需相对平衡；三是实时匹配层，即时调度[注释1]。在技术团队的语言里，劳动力供给和消费者需求都是数据，海量的数据，而在劳动者的生活和现实社会里，则是一系列的现实条件、实践和实际劳动体验。
平台劳动的一个重要特点是门槛低，注册APP提交简单的资料经过非常简便的程序后就能成为“运力”。技术团队在意是“站点规划”和“运力结构”，需要在任何有订单的时候都需要有“运力”在场，而不需要“运力”的时候则让他们以最低成本或零成本闲置。另一个点技术团队要解决的问题是需求的高峰和低谷。每天的午餐和晚餐高峰是需求最旺盛的时候，其他时候为低谷，但是不能在某个时刻没有“运力”[注释2]。传统的劳动关系中，雇主需要考虑劳动者的工作时间、劳动保障、劳动再生产的需求等等，这一系列原则在技术设计中都被放弃了，以最低成本达成运力供给和顾客需求的平衡成了核心目标：只要技术可及，一切皆有可能。外卖员成了“众包员”，以零门槛零保护的方式加入进来，高峰时期拼命干、冒着生命危险干，以获得更多派单、更高收入和“冲单奖励”；低谷时期零成本闲置等单。外卖员突破了传统的休息和工作的边界，不再以一天8小时三班倒为排班规则以实现24小时不间断地提供运力，而是随时随地随着客户的需求来无限制地安排工作时间。
成功的外卖配送系统想必很好地以最低成本实现了供需平衡——一个庞大的、涉及几百万劳动者供给、几千万商家商品供给和上亿客户需求的系统能实现高效率的供需平衡无疑是商业成功、技术前沿的。但是它留给劳动者，留给社会的又有些什么影响呢？它的正面影响一直被高度强调：几百万的工作机会。而它的负面影响却较少被讨论和被看见。对劳动者而言，已经提及的负面影响包括但不限于：很高的职业安全风险隐患；超长的劳动时间（加班不再有加班费、劳动时长不再受劳动法保护）；几乎为零的劳动保障（很少有劳动合同、主要是不受劳动法保护的劳务合同）；加速的劳动。
对社会而言，平台企业给社会留下了几百万没有劳动保护的劳动者，它们几乎没有承担任何劳动者再生产的企业责任。在交通安全问题上，平台企业似乎在履行培训的义务，提醒劳动遵守交通规则的义务，但是它的实际控制系统却在系统性地强化“加速”，鼓励劳动者以生命安全为代价送餐。出了交通事故后，平台及站点几乎不承担任何责任；在劳动者的社会保障上，企业没有承担任何责任，不管医疗保险和养老保险。所有问题都买断在了“供需平衡”的每一单订单里，医疗、养老和工伤都留给了劳动者自己解决，解决不了成了社会问题也大约与平台企业及它们先进的算法无关。
武汉的外卖骑手
科技如何向善？
在《人物》这篇被广泛转发的文章中，笔者看到很多朋友在评论“科技向善”，呼唤技术和算法能够为社会的福祉服务，而不是成为损害社会福祉的工具。外卖平台企业的算法如何向善？笔者认为这不是一个哲学问题，而是一个社会学或政治学问题。程序员并不是算法的核心控制者，而是为平台企业的利润服务的。因此，算法和技术的细节固然有很多专业讨论的余地，但是技术和算法实现的目标更值得重视，技术运营的社会环境和技术带来的社会影响值得被拿出来重点讨论。
企业固然以实现最大利润为核心驱动力，但是企业不是在真空里运营的，企业掌握的技术也不是。劳动能被无限制加速吗？过去学者讨论劳动力市场，通常以地域或国家为单位，讨论劳动力市场的供求，不会缺席的议题是处于弱势地位的劳动者的保护，我国的《劳动合同法》等一系列劳动保护的制度就是为了让劳动者不被无限制地压榨。如果缺乏对雇主的管制和对劳动者的保护，结果就会是逐底竞争（race to the bottom），所有的劳动条件都会向着最低最差的方向不断突破底线。如今，在平台企业自己建立起来的、自成体系的几百万规模的劳动力市场里，除了平台企业用大数据和算法来实现经济学或数学意义上的供需平衡外，从劳动者的角度，一切都奔向了极致的“底”——总有一些极度缺钱的、面临巨大经济压力的劳动者愿意用极低的价格来提供“运力”，宁愿不要任何劳动保护。越是经济下行时期，就有越多这样的劳动者。留下的未回答的问题是，在平台企业建立起的劳动力市场里，如何实现对劳动者的保护？劳动者自身有什么办法？政府需要承担什么角色？
最后一个问题则是互联网企业及其用算法支撑的商业行为有什么社会后果，是否应该承担相应的社会责任，尤其是这些社会影响是平台企业为了追求利润而带来的副产品时，如外卖平台企业的算法技术带给劳动者的职业安全风险、职业保障缺失等。做个不一定恰当的类比，这跟企业为了节约成本生产排污就需要对污染造成的社会后果负责任类似，如果有了监管和规则，企业就会在其使用技术时考虑自己需要承担的社会后果。这个问题依旧还没有答案，平台企业和算法技术及衍生而来的商业行为都是新近产物，而互联网企业的超大规模注定了不能从纯商业的角度去看待，而是需要重视其社会性和政治性。在探讨技术和商业模式时，其对社会的影响亟须被纳入讨论。
注释
1、专访美团点评 AI 技术团队负责人何仁清：全球规模最大的智能配送调度系统是如何建成的https://cloud.tencent.com/developer/article/1166246
2、美团智能配送系统的运筹优化实战 https://tech.meituan.com/2020/02/20/meituan-delivery-operations-research.html
3、Sun, P. (2019). Your order, their labor: An exploration of algorithms and laboring on food delivery platforms in China. Chinese Journal of Communication, 12(3), 308-323.
鄂公网安备 42010302001612号 