在线全职美工 “蜂王”统令“工蜂”：中央大脑算法实验的技术升级与劳动降级

本刊官方网站：

http://cjjc.ruc.edu.cn/

摘要

数据是一种权力，谁拥有了数据，谁就掌握了权力。站在劳动技术控制的视角，本文聚焦N企业的算法实验与中央大脑系统，研究算法系统的前端数据采集与末端指令执行的人类劳动过程。在算法实验中，作为幽灵劳动的“人类工蜂”，与物联传感器类的“机器工蜂”，展开大规模的数据采集，补足人工智能的“最后一公里”。中央大脑系统接管一切，控制员工劳动过程，评价员工绩效考核，生成一种比泰勒制“铁锹实验”更严密的技术治理术。技术升级并未带来人的解放，反而出现电子圆形监狱式的全景监控，引发“技术升级”与“劳动降级”的悖论。从“铁锹实验”到“算法实验”，算法成为控制王座上的“蜂王”，人则沦为算法系统抽象化的“工蜂”性工具人。

作者简介

刘战伟，中央民族大学新闻与传播学院助理教授。

一

问题的提出

三大日系便利店巨头7-11、全家、罗森，在中国开出2000家店，分别用了15年、16年和23年，N企业只用了3年（罗真真，2021）。有人提问：“N企业和711有什么区别？”其答复：“表面上看，我们是一家连锁便利店，其实我们是一家数据科技公司。”迥异于传统便利店，N企业依托人工贴拍信息采集员、监控摄像头与智能传感器大规模采集数据，训练算法模型，开展了一项让中央大脑全面接管人类决策的算法实验，引发了人与技术的劳动控制冲突。现有劳动研究的注意力偏向于数字劳动，存在着“脱实转虚”的倾向，以至于忽视了更为广泛的实体工作中的劳动问题。

在N企业的运行中，中央大脑算法系统接管了一切，使N企业成为一家“无人店”，与其说没有人，其实是没有人做决策，一切决策均出自算法系统。算法实验实现了拆解流程在线化、节点链接数据化、建构模型算法化、中央大脑指令化、人员执行标准化，这在提高生产力水平的同时，也出现了对于员工的极致控制。中央大脑拥有蜂王般的地位，通过全方位、无死角的监控摄像头实时监控、考核与发出奖惩员工的执行指令。对于N企业的算法实验而言，便利店只是躯壳，数据才是灵魂。然而，算法实验的“技术升级”却产生了预料之外的“劳动降级”，引发一系列劳动困境与社会问题。

针对N企业的算法实验，创始人宣扬的是高效技术替代低效人工的进步话语，一线门店员工则抱怨系统错漏百出，出现了两套完全对立的话语。作为技术创新先锋，N企业拥有广泛的话语权，一直宣扬算法迷思、技术神话与创新话语，技术黑箱、公共隐私与劳动困境等问题则被遮蔽。在N企业的中央大脑驯化中，算法系统并未完全取代人类劳动，反而要依靠大量低效的肉身劳动为算法采集数据。同时，在算法实验里，中央大脑全面接管一切工作流程，经常做出错误决策，且对员工展开极致的控制。面对算法实验的技术想象，本文旨在深入挖掘被技术光环遮蔽的系统性问题。

当算法系统的决策水平全面超越人类的能力时，算法实验就算成功了。不过，凭借着事无巨细的数据采集，N企业并未成就智能化的中央大脑系统，反而出现大量低级错误。我们不禁要反思追问，中央大脑的人工智能算法系统是否能够脱离人类劳动？算法技术为何经常错漏百出，不仅没能解放人，反而给人带来更严密的技术控制？当人成为中央大脑算法系统的人肉义肢时，人的主体性尊严在哪里？从个案上升至公共议题：上述问题不仅仅是N企业面对的困境，更是人工智能时代人与技术关系的核心命题。

二

文献回顾

（一）机器、劳动与技术控制

劳动监控是指对劳动者在工作场所中的表现、行为、性格特征的监视、记录和跟踪（马克思，1867/2004：374-421）。技术的迅猛迭代，生发出一系列技术控制机制控制着人类劳动。尽管理查德·埃德沃兹（Richard Edwards）直接使用了“技术控制”一词，但它主要指科学技术控制的一面，即把控制工人的三要素完全交由技术掌管，比如经理设定流水线的速度后就不再需要领班来指导工人工作。随着“数值控制”设备的引入和计算机在车间中的应用，计算机向工人发布操作指令，收到反馈信息后，再发布下一道操作指令……计算机逐步控制了工作的全部流程（Edwards，1979：123）。

有研究探讨了亚马逊仓库中的算法系统如何剥夺工人的自主性，指出亚马逊的电子商务业务依赖于数以千计工人的劳动。在亚马逊的仓库里，算法分配任务并监视工人（Delfanti，2021）。“数字控制”从实体的机器、计算机设备升级为虚拟的软件和数据（陈龙，2020）。员工不断受到主管的监控，通过使用Wi-Fi技术，管理人员可以了解每个员工活动的所有细节，包括生产力、位置与执行的任务等。由于使用了这些监控技术，每个亚马逊物流中心都被称为“电子全景监狱”。与泰勒福特主义时期的装配线相比，数字技术的可调节性和成本要低得多（Cattero & Onofrio，2018）。

不研究资本主义关系下工作的专制性质，分析劳动的技术组织是徒劳的。对工人和管理人员的研究揭示了支撑亚马逊劳动的物质和文化基础结构。算法将工人的活动数据化，并将其纳入机器中。管理层颁布了一种由数字工具增强的专制主义形式（Delfanti，2021）。随着资本主义经济的发展与技术进步，工作场所的劳动监控方式从以身体监控为主的直接控制演进为以技术监控为主的间接控制，主要包括数字监控与智能监控。当前，智能视频监控、GPS定位系统监控和植入式可穿戴设备监控将智能化技术与劳动监控设备不断融合，成为智能监控的主要形式（姚建华，2021）。

未来社会并不是基于权力主体的控制社会，而是在算法控制下的自动化社会。贝尔纳·斯蒂格勒（Bernard Stiegler）看得的确更远，他知道，无论是米歇尔·福柯（Michel Foucault）的规训社会，还是吉尔·德勒兹（Gilles Deleuze）的控制社会，其本质仍然是有机的（organic）社会，即规训和控制仍然是服务于人的，无论这个人是国王、资本家、当权者，还是独裁者等 ，在一定意义上，人仍然主导着有机社会的技术运行（蓝江，2021）。旧有的监视模式采用视觉隐喻（老大哥在看），深深扎根于应用计算机的实践中，通过这些实践，人类活动被系统地重组，以允许计算机实时跟踪他们（Agre，1994）。

正如斯蒂格勒强调的，今天的社会已经从有机的社会变成了器官学（organological）的社会，即由于技术的发展，算法已经凌驾于具体的人之上，形成任何人都无法完全掌控的自动化社会，在这种情况下，整个算法控制不再服务于单纯的人的目的，而是让人变成了巨大的自动化社会的一部分（蓝江，2021）。人工智能的炒作使不少学者认为新技术能压缩劳动时间、延长人类的可自由支配时间，从而使社会自动跨入“后资本主义”时代（黄瑜，2020），事实则可能完全相反。

（二）算法、数据采集与幽灵劳动

人工智能算法技术的发展，引发人类对技术的无限期许。通过收集市场中有关生产、分配、交换和消费等经济活动的数据，再经过特定算法处理之后，就可以掌握经济发展规律的数据，从而更早、更快地把握商机，预测未来经济发展的走向。不仅如此，智能算法更是构建了一套看不见的监控体系，将劳动过程的每一个细节都笼罩在这种数字监控秩序下（杨善奇，刘岩，2021）。在诸多技术生产领域，人工智能系统正成为“街边指挥”，凌驾于人之上，指挥着人类劳动者。

从优步（Uber）到特斯拉，从亚马逊到美团，从抖音到Tiktok，互联网科技巨头热衷于宣扬算法为人类社会带来的技术变革，引发人类生产生活的数字化、自动化与智能化。在新兴科技巨头为人类描绘的技术愿景中，机器取代人、算法指挥人成为未来劳动的必然趋势，仿佛大规模的失业成为肉眼可见的现实。然而，美国人类学家玛丽·L·格雷（Mary L. Gray）与计算机科学家西达尔特·苏里（Siddharth Suri）给出了截然不同的答案。

机器和算法没能取代人，也不可能完全替代人工劳动，算法系统存在着无法破解的“最后一英里悖论”，即算法系统的正常运转，不仅离不开人类劳动，反而需要更多的人力劳动。两位学者认为，工人是人工智能革命的幕后英雄，如果没有他们生成数据，并提高数据的规模与质量，算法系统就不会存在。正如土耳其机器人被证明是一场骗局，它不过是一些身材矮小的藏在机器木箱子里的象棋大师，是决策环路中的人类在幕后操纵机器人落子，而不是机器本身（玛丽，西达尔特，2019/2020：34）。巧妇难为无米之炊，驱动人工智能和算法系统运行的恰恰是人类的劳动行为数据。没有人类劳动就不可能有人工智能。智能技术的光环之外，人肉劳动被遮蔽，成为隐蔽的幽灵工作。既有研究关注外卖员、快递员、网约车司机等平台劳动的过程与控制机制，揭示平台算法系统的技术控制，批判了平台资本主义的增殖本质，却忽视了鲜少被社会关注的边缘劳动群体。在庞大的数据驯化、软件管理与算法系统背后，存在着一群为神秘算法系统服务的幽灵劳动群体。

从数字治理走向算法治理，运用算法工具进行自动化决策从而实现更高效的社会治理是大势所趋（梁玉成，张咏雪，2022），算法系统已经开始大规模地渗透进商业组织的运营决策之中。自互联网滥觞，人们便期待机器之手能够取代大多数的人工劳动，使经济活动和信息传播更为畅通高效。但是在特定的情境中，我们看到相反的现象：不是网络媒介在替代人的身体功能，反而是人的身体在成为网络的一部分（刘海龙，谢卓潇，束开荣，2021）。

揭开人工智能的光鲜外衣的是大规模的幽灵劳动。MTurk、58同城、看准网等按需平台提供着大量为训练人工智能提供数据的人工劳动，涵盖打标签、贴拍摄像、数据标注员、内容审核员等机械人肉劳动。对于N企业来说，它的中央大脑背后则是一群为算法实验贴拍摄像的信息采集员。他们从事着按需工作，没有固定的工作时间与地点、正式劳动合同关系、正式的职业身份，缺乏基本劳动保障。现有研究关注算法技术与系统控制下的人工劳动，却忽视了神秘算法系统背后的幽灵劳动。

三

研究方法

本文采用深度访谈、线下观察与网络社群渠道收集经验资料。在过往的一年时间里，研究者在N企业某店内进行长期观察，收集线下经验材料。同时，研究人员通过职场应用脉脉与微信、知乎等社交平台，收集N企业员工对工作过程的描述与评价文本，访谈8位店铺员工与管理者，通过20-50分钟不等的访谈获得研究资料。研究人员将三者的资料进行比对，通过对线下观察、社群文本与深度访谈多个数据源进行交叉验证，印证员工社群资料客观真实，且反映问题更为全面。

访谈分为三部分，第一部分涉及被访者的人口统计信息、工作与入职时间；第二部分涉及N企业的系统指挥、员工应对与贴拍话题；第三部分涉及系统对员工的积极和消极影响。在分析网络公开资料的基础上，访谈过程中遵循信息饱和原则，当研究人员发现受访者提供的信息与网络公开信息相比，缺乏信息增量时，访谈样本的经验材料收集工作完成。在公开资料的收集方面，研究人员通过互联网搜索引擎检索、搜集和筛选N企业自创立至今的公开资料，梳理有关数据、算法与劳动相关实践与言说，将其作为分析材料。

在资料收集完成后，研究者反复逐字阅读分析文本资料，对文本发现、线下经验观察进行比对，汇集核心主题，从中提取核心话题与关键概念，就其展开现象分析、概念提炼与归纳，经过严谨分析和讨论形成本文的主体结论。在自然仿生学中，蜂群有着严密的劳动分工，蜂王释放信息素发送包含工作任务的信息编码，工蜂接受信息解码并执行蜂王指令，建立起严密的组织分工系统，这在一定程度上与N企业的中央大脑如出一辙，本文也将以蜂群的仿生学隐喻去理解中央大脑系统。

四

喂养算法系统：人类工蜂与机器工蜂的数据采集

“网络化身体”（networked body）作为中介和非人的身体，将人与互联网连接在一起。在此逻辑下，媒介不是人体的延伸，反过来人体成为媒介的延伸。通过经验研究发现，人的身体能够生产数据，成为网络的义体（刘海龙，谢卓潇，束开荣，2021）。作为一种“人类工蜂”，信息采集员全面采集各类空间与人流信息在线全职美工，喂养着中央大脑算法系统。此外，N企业还通过监控摄像头、传感器与智能终端等“机器工蜂”收集店员与消费者行为数据。

（一）人类工蜂：作为幽灵劳动的信息采集员

人工智能技术的迭代背后，存在着一项为算法系统采集数据的人工劳动。N企业是一家基于数据算法的科技企业，建立在数据算法基础上的中央大脑是千万工蜂的蜂王，工蜂则负责数据信息的采集。信息采集员通过摄像头大规模采集各类数据建立数据库，为人工智能算法系统提供数据燃料。不同商业决策环节的信息采集涵盖预采贴拍、新址采集、专题拍摄与抄品拍摄等。

大规模贴拍背后隐藏着规模庞大的按需雇佣式幽灵劳动。作为人工智能的“最后一公里”，幽灵劳动试图把一份工作简化到只剩下基本的元素：一项任务和一份薪水（格雷，苏，2020：160）。在K平台上，“数据采集”岗位的薪资为4K— 5K，经验不限，学历不限，工作内容：在指定的任务地点采集人流数量，保证视频拍摄质量、视频无遮挡，与可能妨碍拍摄的保安等人员沟通，保证拍摄过程顺利，并熟练使用百度地图工具，具体包含以下几个流程。

预采贴拍，即无差别随机拍摄。企业市场拓展建立在数据判断上，为了控制业务拓展风险，计算城市运营发展潜力，在进入一座城市之前，N企业均会进行一轮无差别的地毯式预采贴拍。预采通过随机拍摄采集，获取城市基础商业数据，从宏观数据判断该城市的商业价值与开店潜力。之后开始有针对性地进行新址采集，以目标店铺为中心，附近范围内的所有设施要素都要拍（罗真真，2021）。新址拍摄涵盖一切人流聚集空间，在正式贴拍之前，信息采集员会在内部地图系统上标记贴拍目标的精确位置，详尽调查新址信息。

专题拍摄负责复测数据迭代，所有的数据每年都要更新。信息采集的SOP文件显示，写字楼贴拍要涵盖业态、层数、入驻率、人流量、停车场等。目前，N企业已贴拍完北京五环内所有办公楼，数据总量达4万余条。抄品拍摄，即偷拍竞对价签，贴拍门头、货架、冰柜、收银机、香烟柜、关东煮与炸品柜等，计算桌椅人数、店铺面积、收银机数等。在竞对拍摄中，信息采集员潜进竞对商铺抄品全店价签，后台显示N企业在北京约有2300条竞对店铺的数据 ，上海约有1700条，广州约有800条（罗真真，2021）。

真正驱动算法系统运行的恰恰是人类的劳动行为数据。庞大的数据驯化、软件管理与算法系统背后，存在着一群为神秘算法系统服务的幽灵劳动群体（刘海龙，谢卓潇，束开荣，2021）。中央大脑的背后是大量为算法实验贴拍摄像的幽灵工作。人工智能并非天然的全能自动系统，而是依托大量低效人力劳动的支持。人工智能技术不仅未能完全替代人类，反而离不开人类肉身劳动。

（二）机器工蜂：作为义体触角的物联传感器

数字资本利用智能算法技术搜集数据信息，并对每个提供无酬劳动的用户的行为决策和行为特征进行量化分析，准确预测每个人的生活习惯和偏好（杨善奇，刘岩，2021）。N企业通过传感器的机器工蜂采集数据：其一，全方位、无死角的摄像头实时监督店铺员工、客户与货品数据；其二，员工用Ipad拍照并实时上传相关货架的画面数据；其三，遍布包子机、冰柜、关东煮等各类设备的温度、时间传感器采集数据；其四，共享单车的“动线数据”。

中央大脑系统是N企业的决策中枢，会随时向店员发布任务指令。在店铺内部，全方位、无死角地覆盖着大量监控摄像头，二十四小时监控店铺内的员工、货架与客户信息。中央大脑通过后台的AI算法视觉识别系统，发现冰柜货架空缺、任务陈列超时等不符合运营视觉标准的画面时，均会触发实时报警系统。门店二十多个摄像头拍摄采集店内员工、货架、商品、卫生、排面等一切信息，实时传输给中央大脑算法系统，作为驱动算法系统运行的数据燃料。

传感器是中央大脑数据收集的核心渠道。在仓储环节，建立并监测常温、冷藏与冷冻不同独立温层的温度数据；在运输环节，N企业采用LBS（Location Based Service的简称，地理位置的服务）与GPS（Global Positioning System的简称，全球定位系统）实时追踪货品的位置信息，并通过全温层的电子温度追踪器与蓝牙温度计实时监测冷链温度；在制作环节，中央厨房通过品控传感器量化、标准化食品制作环节的时间、熟度、硬度等；在经营环节，关东煮的烹饪、玉米蒸煮等食物烹饪时间、温度与火候，均依靠连接中央大脑的物联网传感器监测控制，进行实时监控与核查。

在日常的运营中，店员采用拍照形式将一切“问题”以视觉形式记录并反馈给系统。门店所有工作都离不开系统，它会通过平板电脑和广播向店员们推送任务，每一项任务都要拍照，以至于店员抱怨拍照花费太多时间。系统发布的卫生清扫、快餐加热与过期食品废弃等指令完成后均需拍照上传，以供系统检查与人工核验。上述视觉与行为将会生成数据推动算法的迭代进化。此外，N企业还曾投放大量共享单车，专门收集用户骑行“动线数据”用来指导开店选址。

中央大脑算法实验下的劳动者不仅仅是作为肉身的物质身体，更是作为数据的虚拟身体。“网络化身体”在数字化的劳动中“同时扮演着修补和对抗中央大脑技术和算法漏洞的‘补丁’和‘病毒’”（孙萍，李云帆，吴俊燊，2022）。门店服务员、客户行为数据、网络行为数据披露与单车的动线数据均不断地被中央大脑收集进行数据化，成为中央大脑运行的数据燃料，作为修补算法系统漏洞的“补丁”，从而强化对一线服务员的技术指令。

五

作为“蜂王”的中央大脑：从“铁锹实验”到“算法实验”

在原始社会，权力来源于武力；在封建时代，权力来源于土地；在工业时代，权力来源于金钱；在信息时代，权力来源于知识；那么，在数字化时代，权力就来源于数据。数据既是一种资源，也是一种权力，谁拥有了数据，谁就掌握了权力（颜昌武，叶倩恩，2022）。从“铁锹实验”到“算法实验”，中央大脑算法系统接管一切，拥有蜂王般的统制力。

（一）算法调度：系统指挥一切

N企业将自己看作一部运转精密的机器系统，拆解每段流程，链接节点数据，通过算法模型进行决策，最终由中央大脑下达指令给员工进行标准化执行。从店铺选址、配货、物流到上架，甚至食物烹煮与卫生打扫均由系统决定。调度系统会根据历史数据、实时数据与算法学习数据进行路线规划、时间预估和客货匹配，在部分环节有效提升生产服务效率。

针对中国便利店标准化程度低的缺陷，N企业的药方是“自动化、标准化与智能化”，即通过算法系统将一切流程标准化，让算法智能取代人的主观经验。在店铺选址决策中，没有人工判断，全部依靠贴拍数据与中央大脑决策。开店选址时调出算法数据，并根据机器学习的算法模型决定选址位置。现有数据证明算法的业绩比较突出，并不断迭代进化。在选品工作中，企业通过抓取各大平台的消费数据，根据收益、排名、位置与时间等指标建立算法模型进行智能化选品。

N企业依靠数据系统，以模型建构、算法迭代的中央大脑接管一切，解决了行业发展的诸多痛点，制造出一家智能化、标准化的生活基础设施服务企业。在货品选配之外，店员的工作排班也全部算法化，外包美工系统根据概率论设计算法，协助店长进行人员安排与调动。即使遇到突发意外情况，系统也能根据算法模型调整工作排班，确保店铺人员安排得合理科学。随着算法技术的迭代，劳动领域的智能化、标准化、数据化成为常态，推动服务业的数字化技术升级。

中央大脑通过Ipad随时发布指令，员工负责执行系统的生产任务，并接受监控的监督考核。福柯将“圆形监狱”（福柯，1975/2003：280）隐喻为现代的惩罚式社会 。算法与监控的结合塑造的数字化圆形监狱以新的实践与形式延伸和强化了传统“圆形监狱”的惩罚功能，数据企业如同“上帝之眼”时刻审视目标客体，进而塑造目标客体的思维方式与预测目标客体的行为轨迹（Cattero & Onofrio，2018）。

（二）员工监控：“系统”控制劳动者

平台基于生物识别、WiFi地理围栏、运动状态识别和定位识别的综合传感系统，通过实时监控平台工作者在劳动过程中的个人身份、运动状态、GPS等数据信息，由算法根据内置的技术规则和标准化的流程自动地约束平台工作者的行为（刘善仕，裴嘉良，葛淳棉，刘小浪，谌一璠，2022）。门店员工在执行完系统指令后，需要实时拍照上传以供系统核检。无处不在的摄像头取代中层干部的人力管理，24小时智能化监督并控制着员工的工作行为，既提高了监管效率，又降低了中层管理的人力成本。

在运输环节，N企业采用LBS、GPS与温控测量等实时化的电子温度、位置信息与地理信息等数据，全面监控员工行为与车辆驾驶路径，并通过算法不断优化配送频次与车辆路径。同时，N企业还安装了测振仪传感器，监视不文明装卸导致的货品跌损。中央大脑的任务指令均涵盖具体要求，店员需要在指令规定的时间内完成任务，并向中央系统反馈任务完成情况，中央大脑则通过摄像监控对店员的指令完成情况进行量化考核。

所有的决策都交给了系统，店员们需要做的是背熟和掌握多达400个SOP（Standard Operating Procedure，标准作业程序），这些操作手册可以实时通过手机查看和学习（罗真真，2021）。中央大脑发布决策，门店员工、配送员等只需要按照系统的指令和操作规范来执行。人是系统的义肢，一方面通过Ipad等智能终端拍照为中央大脑算法系统提供数据，另一方面则是系统的延伸，负责执行系统的工作指令。

数字社会中，算法不仅侵入了日常生活，也大举侵入产业劳动中，开始成为人类劳动的监工与裁判，承担起奖惩人类员工的职责。智能算法是一个隐形的大脑和与之串联的神经系统，监管和支配着劳动者的行为，充当虚拟管理者的角色并控制整个劳动过程，深化劳动对资本的隶属关系。数字技术的发展似乎将工作者带回到20世纪初泰勒提出的以高效运营为目标的科学管理的“摩登时代”（刘善仕，裴嘉良，葛淳棉，刘小浪，谌一璠，2022）。

（三）绩效评估：算法化的评价系统

在N企业，员工并不需要对营业额负责，只需对算法负责，这是与其他竞对之间的重要区别。在传统的便利店，作为核心的绩效考核指标，店长与员工需要对营业额负责，绩效奖惩也是以营业额为核心指标。此外，N企业总部还会根据毛利率、损耗率、卫生状况、人员流失率、存货周转率等指标进行综合考核。中央大脑接管了一切，系统成为总指挥，也就意味着这一系列决策的成败由系统负责，员工需要做的就是执行系统的指令，并由系统对执行情况进行打分与考核。

为了确保店员完成系统的大量SOP指令，培训系统每天会发SOP学习任务，并不定时对员工展开各类考核，包括入职考试、月考与日考等。同时，还会随机挑选一些佯装的考核顾客进店体验并为店员服务打分。N企业对员工的考核还涵盖与服务相关的一系列情感劳动。例如，针对“微笑服务”，考核指标具体到露出几颗牙这样的细节，极致苛刻的情感劳动考核机制，直接导致诸多店长离职，因此N企业后期针对员工反应，将考核标准调整为只需表达“谢谢”。

系统发布的每个指令都有特别细苛的标准，在接到系统发布的鲜食加工指令时，店员拍照之后才能加工，过期食品废弃也需要拍照并进行复核。在货架排列工作中，一旦货架空缺，店员必须在系统的指令任务时间内补全空缺，并接受摄像头的监视核查。即使打扫卫生也需要在平板上点击“开始”拍摄，结束后点击“完成”，接受后台系统的核验。全方位、无死角的摄像头实时监视员工的一举一动，通过AI视觉自动识别系统与人工判别，一旦不符合标准就会自动报警，并生成惩罚指令。

中央大脑通过店内无处不在的监控摄像头，监督控制着员工的劳动过程，并以此作为考核依据。这种电子圆形监狱意味着监督变得无孔不入，服务员无法逃脱“生产”跟踪。一旦标识连接到工作站，控制就全程不间断。与管理层合作的经理和IT专家不断监测员工的生产力水平，一旦有人不遵守标准则会面临惩罚。鉴于控制所施加的压力，工作气氛对一些工人来说变得非常紧张。有人意识到这种监控，有人则渐渐将其视为常态（Cattero & Onofrio，2018）。

（四）劳动对抗：“对技术弹琴”的弱抵抗

在N企业的用工中，主要包含贴拍信息采集员与门店员工。前者主要采用外包的形式，按照平台需求完成信息采集任务，不会签订任何劳动合同，企业无需承担劳动保障责任。后者通过外包公司签订合作合同，既非劳动合同，也非劳工合同，从而规避一切劳动保障责任与法律风险。劳动关系法律保障的缺失决定了劳动者的弱势地位，即使面临不合法的劳动困境，劳动者也无法借用法律武器维护自身合法权益。

面对中央大脑算法系统的控制，店员也生成有限的对抗策略。当货架空缺时，面对可能出现的超时报警与罚款，店员一般会胡乱拉完排面保证货架不空，以应对监控摄像头的系统机械检查，即使价格标签对不上。打扫卫生时，店员匆忙之时只打扫系统指令要求并会检查的区域，即使临近其他区域卫生不达标，只要不在任务监控可视范围就不必打扫，不被罚款就行。通过研究分析监控的技术惯习，员工利用监控的机械性缺陷以逃避和对抗监控的技术监视，生成劳动者的主体性。

尽管劳动者主动地学习算法经验，适应算法规则，逃避算法控制。但是中央大脑将一切劳动标准化、流程化，以算法系统取代人类决策，压缩了人的主体性空间。在门店几十个摄像头的全景监控下，劳动者无法磨洋工，人的反抗微乎其微，对解决自身劳动困境而言杯水车薪。

六

技术升级与劳动降级：

人工智能产业应用的技术-人工悖论

在数字化社会中，劳动与技术成为一个永恒的关系。面对信息与通信技术（ICT，information and communications technology）主导的算法系统，人类的劳动呈现出多维度的景观。一方面，在算法系统中，数字化、自动化、智能化的“最后一公里”，离不开肉身的人类劳动，人类作为算法系统的延伸，成为源源不断的数据制造者；另一方面，IT管理专家取代人类管理者，技术升级接管一切劳动决策，人类肉身沦为系统的工具，并催生劳动降级的悖论。在技术的面前，人的主体性不断弱化，面对系统权力的扩张时，劳动者的权利不断收缩。

（一）技术升级：系统成为人工总指挥

在N企业内部，技术团队规模高达2000人，IT技术人员是竞对的四五倍。查阅官网招聘信息，16个应届生岗位中，10个是算法技术相关岗位，包括Java开发工程师、测试开发工程师、视觉算法工程师、算法工程师、数据分析师等IT岗位，社会招聘中的IT岗位更是占绝对比重。在算法实验中，IT人员开发数字化、自动化与智能化的管理系统，通过中央大脑控制系统的技术迭代，将所有供应链流程自动化，推动商业运营的技术升级。

在管理决策环节，呈现出标准化、自动化与智能化的技术升级。N企业采用中央大脑的算法实验，将一切交给系统决策，算法会根据大量品类数据，来搭建销量预测系统（罗真真，2021），商品陈列根据客户行为数据布局，人员排班也是根据算法优化安排。一切判断决策均建立在数字化的科学管理基础之上，没有人工判断，没有经验判断。

在服务执行环节，随着人口红利的消失，服务业劳动力工资上涨，用工成本提高，招工难、用工贵，技术替代劳动力成为必然的选择（许辉，2019）。传统的24小时便利店满编人数最少4人，多至8到10人。N企业依靠算法管理，门店通常只配备一至两名店员，极大节省人力成本（季雨，2022），自助收银机结账系统为每家门店解放一至两名收银员，合计减少了几千名收银劳动力成本，单个门店的20多个监控摄像头替代人工监管，节省大量中层管理成本，SOP让店长培训周期压缩为同行的五分之一。这些规模性数字化技术方案对人工的替换，实现了“算法换人”的技术升级。

在生产供应链环节，技术升级的另一个体现是标准化，通过技术改造的全自动化清单，大幅提升供应链效率。雇用大量中高级管理人员的人力成本非常高。企业转而寻求技术控制，大量低薪、容易被替换的工作使用兼职或合同工。这种趋势容易走入一种困局：当一个统一系统来管理如此庞大的体系时，势必要牺牲个体的个性化和灵活度（江山，2021）。技术升级让大量基础劳动被替代，加剧了一线店员的劳动强度与不稳定性。

中央大脑处于统治地位，不管是营业员还是店长均成为算法系统下，只负责执行机械指令，丧失人类自主性的工具人。在技术升级的趋势下，N企业对劳动力技能的依赖性不断降低，算法系统成为生产中心，而工人愈发沦为辅助型、边缘型的劳动力（许怡，叶欣，2020）。算法实验与泰勒铁锹实验的科学管理主义本质一样，都是将人作为生产要素的资源，而非主体性的人。

（二）劳动降级：概念与执行分离的去技能化

算法实验的工作组织与泰勒的科学管理主义本质一致。劳动者所执行的任务，比其他任务更多，工人的自主权和自由裁量权极低，劳动者成为技术命令的执行者与生产工具的附属物。这导致了工作概念和执行之间的分离，其中概念完全委托给IT管理专家，执行则委托给工人，他们对任务的执行没有任何发言权（Cattero & Onofrio，2018）。IT技术专家掌握的中央大脑算法系统指挥一切，“去技能化”的员工只负责系统指令的执行，引发“概念”与“执行”的分离，营业员的劳动控制权和技能水平被大大削弱（许怡，叶欣，2020）。

技术升级造成了劳动降级，一线门店员工的劳动回归泰勒制的劳动分工与严格管控。人工智能的标准化、数据化与可审核化，在实现商业效率的技术升级时，却出现低效人工的劳动降级。面对IT专家宣扬的技术神话，需要保持审慎态度，那就是技术不仅仅可能提升生产率，也可能降低生产率；此外，效率提升有时候是建立在对劳动者的极限压榨基础上，而并非技术本身所推动的生产力解放。面对技术与生产力的提升，我们需要区分到底是技术推动还是人力压榨。

工业社会通过流水线方式，将活生生的有才能从事复杂繁琐劳动的人，变成了机器旁边从事简单重复劳动的工人。中央大脑算法实验是一套不可见的、非实体的软件系统，其抽象化程度更强，控制的精准度更高。资本通过中央大脑、人工智能与技术升级等一系列进化叙事，将繁重枯燥的劳动过程包装成进化的技术话语。于是，在智能化的糖衣下，包裹的是加班、罚款与监视的劳动降级内核。通常，人们以非常乐观的方式解读信息与通信技术对工作场所的贡献，就好像可以通过它们实现地球上某种工人的天堂。事实上，将注意力集中在工人身上（Cattero & Onofrio，2018），技术的缺陷就会暴露。

技术升级进一步加剧劳动者的技能退化，控制感大幅削弱，成为中央大脑算法系统的延伸性肉肢，加剧劳动者的价值剥夺感。劳动者未能感受到技术带来的劳动解放，反而在算法控制下陷入难以摆脱的技术泥淖。此时，技术工具不仅仅是人的延伸，人也成为算法技术的延伸，两者的区别在于，前者的主体是人，后者的主体是算法技术。

（三）算法实验：概念与执行的协同替代

算法实验的技术升级引发一线员工的劳动降级，制造了“执行替代”制度缺陷。传统的泰勒科学主义模式下，劳动分工是把“概念”从工人的劳动过程中分离出去，但相当多的“执行”本身仍然包含了一定的技能要求（许怡，叶欣，2020）。在数字化劳动中，以平台为代表的企业，在算法技术直接控制模式的基础上，更倾向于采用“责任自治”的管理模式，激发劳动者赶工游戏下的积极性。与之不同，N企业采纳的是严格的“直接控制”模式，将劳动者置于算法系统下严苛的标准化、机械化劳动中。此时，员工失去对“概念”的控制之后，也失去了对“执行”的掌控。

人工智能技术塑造的“中央大脑—门店员工”的组织结构，与蜜蜂社会“蜂王—工蜂”的自然生物组织异曲同工。传统便利店是建立在多层级的科层组织系统之上，总部对基层门店员工是一种委托代理的间接控制，难免存在人为因素产生的运营效率折扣。与之不同，依托于智能化的监控技术，N企业通过中央大脑算法系统建立起高度扁平化的组织结构，总部技术系统直接监视和控制每一个员工的工作行为，相对高效地执行组织决策，并降低委托代理制的效率损失。

N企业要把整个日常经营环节中人的决策全部拿走，全链条的决策都由计算机对计算机，认为这样才能达到效率最佳。当前，产业升级背景下的机器换人、算法接管等技术升级，所引发的去技能化的劳动降级，并非劳动者的自主选择，而是资本主导的“社会选择”。对雇主而言，技术升级降低劳动不稳定性，强化劳动控制性，压缩劳动力成本。可见，资方对用人成本和管理风险两方面的考量促使其做出“去技能化”的技术选择（许怡，叶欣，2020）。但是，算法存在“计算不可约性”，算法接管一切带来的并非效率的线性提升，而是漏洞频出的“人工智障”。

七

结语

监视主义的高度智能化中央大脑算法系统在实现商业运营效率技术升级的同时，却出现低效人工的劳动降级。技术升级并未带来人的解放，一线员工的劳动回归泰勒制的劳动分工与严格管控，导致了技术升级与劳动降级的悖论。从铁锹实验到算法实验，在中央大脑的技术逻辑中，人成为活的肉体机器。科学管理让工业化获得巨大成功，算法管理让数字化取得绝对胜利。算法实验背后的数字化模型，将一个个点状的劳动者与中央大脑的权力中枢连接起来，构成蜂王与工蜂间的权力组织网。在人与技术的劳动关系中，系统权力不断扩张，人的权力则大幅收缩。

美工招聘

从工业革命初期的“机器取代人”到产业升级冲击下的“机器换人”，均探讨的是机器取代人之后，工人在操作层面面对的技术升级与劳动降级的现实困境。本文聚焦N企业基于数据、算法、传感器与监控摄像头的劳动研究，旨在凸显智能社会中，新兴技术不仅仅被用来替代人力劳动，更被用来监视和控制人力劳动，并利用人生产数据资料，出现了从“机器换人”到“算法监视人”的控制进化。此时，劳动者面对的不仅仅是被新技术所替代的风险，也面临着被智能化的新兴技术监视和控制的行为与心理压力。

智能生产中存在着双重的技术升级与劳动降级，这是区别于工业革命与当代制造业产业升级的新变动。一方面，劳动者面临着“被技术替代”与“被技术监工”的双重劳动降级；另一方面，资方则迎接智能系统“技术换人”与“技术监工”的双重技术升级。工业革命时期与信息化工厂里的机器换人，监管者依旧是人，随着智能监控、算法与传感器技术在工作场景的应用，劳动者要面临的是智能监视网络的全天候监工，这种双重的劳动降级让劳动者的工作境况进一步恶化。同时，劳动者还要为中央大脑生产数据，服侍算法数据系统。

斯蒂格勒的器官学的自动化社会，实际上就是我们面对的算法社会，即任何人没有真正处在治理和控制的位置上，在那个被视为绝对主体的王座上，只有一个没有身体的算法，它就如同《黑客帝国》中的母体（Matrix）一样，看不见，但永恒地操纵着世界中的一切（蓝江，2021）。现实世界由一个名叫母体的人工智能系统控制，人则像母体饲养的工蜂。N企业之所以发生技术升级与劳动降级的悖论，症结在于商业精英夸大了技术的力量，而轻视了人的价值。在人工智能的进化历程中，存在着长期的非全智能阶段，有大量任务无法处理，以及数字化不可避免的低级差错，这就需要人工来补足。

在N企业看来，“有人的地方，就会导致效率的低下”，一切关键节点都被算法这双看不见的大手掌控。在直营店时期，算法覆盖了一部分人工，不仅帮N企业实现了快速扩张，而且提升了决策效率，极大缩减了人力成本（刘纾含，2024）。不过，“算法接管一切”就像阿连德时代智利的“计划机器”一样，只是乌托邦式的技术想象，看似美好实则并不切实际。人与算法不应该是二元的替代与对抗关系，而应是协同分工关系，在不同的环节发挥各自的比较优势，协同提升生产与服务效率。

本文系简写版，参考文献从略，原文刊载于《国际新闻界》2024年第3期。

封面图片来源于网络

本期执编/赵冉

订阅信息

全国各地邮局均可订阅《国际新闻界》，国内邮发代号：82-849，欢迎您订阅！

您也可通过下方二维码或网址https://weidian.com/?userid=1185747182，进入国际新闻界微店，购买当期杂志和过刊。

您还可访问《国际新闻界》官方网站 http://cjjc.ruc.edu.cn/ ，免费获取往期pdf版本。

进入官网下载原文

特别声明：以上内容（如有图片或视频亦包括在内）来源于网络，不代表本网站立场。本网站仅提供信息存储服务。如因作品内容、版权和其他问题需要同我们联系的，请联系我们及时处理。联系方式：451255985@qq.com，进行删除。