某個(gè)元旦的早上，7點(diǎn)13分，來自佛羅里達(dá)的一位優(yōu)步（uber）司機(jī)想要下線休息。當(dāng)他試著關(guān)閉手機(jī)上的派單系統(tǒng)時(shí)，系統(tǒng)突然調(diào)皮地跳出一條消息：“你離賺滿40元還差6元，你確定現(xiàn)在就要下線嗎？” 司機(jī)還沒來得及細(xì)想，系統(tǒng)上“繼續(xù)駕駛”的按鈕已經(jīng)被高亮成誘人的淡藍(lán)色，好像在友好地邀請你點(diǎn)擊；相反，“下線”的那個(gè)按鈕被涂成了淡灰色。

圖片來源：How Uber Uses Psychological Tricks to Push Its Drivers’ Buttons, New York Times, 2017

這是“外賣騎手困在算法系統(tǒng)”的美國版本，曾在2017年引起過軒然大波。彼時(shí)，調(diào)查記者和社會(huì)學(xué)家們發(fā)現(xiàn)，由于零工經(jīng)濟(jì)（gig economy）平臺與員工之間沒有正式的雇傭關(guān)系，無法強(qiáng)制員工們在某個(gè)時(shí)刻上班，所以為了盡可能地將司機(jī)留在路上，或是將司機(jī)們導(dǎo)流到平臺希望的某時(shí)某地，美國主要的網(wǎng)約車平臺優(yōu)步（uber）和來福車（Lyft）雇傭了大批心理學(xué)家和數(shù)據(jù)科學(xué)家，運(yùn)用了復(fù)雜的算法，設(shè)計(jì)了一系列 “心理學(xué)把戲” （psychological tricks）。或者說，通過算法和心理學(xué)，加上精致的交互界面設(shè)計(jì)，他們把整個(gè)系統(tǒng)變成了一場大型真人游戲。

例如，在優(yōu)步的系統(tǒng)里，新手司機(jī)通常會(huì)有一個(gè)“第一個(gè)25單”的里程碑。在新手們跑到10單左右，系統(tǒng)會(huì)自動(dòng)彈出 “你快到一半了，恭喜” 的消息。值得注意的是，“25”絕對不是一個(gè)隨機(jī)數(shù)字—— 優(yōu)步旗下的大批數(shù)據(jù)科學(xué)家經(jīng)過對海量司機(jī)數(shù)據(jù)的分析，發(fā)現(xiàn)25單之后，司機(jī)留在平臺繼續(xù)工作的可能性大大增加。心理學(xué)家們也提供支持：給人們設(shè)定某個(gè)具體的目標(biāo)， 會(huì)更容易激勵(lì)他們完成任務(wù)。

更早之前，優(yōu)步的主要競爭對手來福車雇傭了一個(gè)咨詢公司，想知道該怎樣在不大幅增加支出的情況下，將司機(jī)們導(dǎo)流到平臺最繁忙的時(shí)段。一樣通過數(shù)據(jù)分析和心理學(xué)實(shí)驗(yàn)，來福車發(fā)現(xiàn)與其告訴司機(jī)們 “在更繁忙的周五晚上工作會(huì)將你的收入提高25%” ，還不如簡單地更換一下語言的組織方式：“停留在你目前工作的時(shí)段，你會(huì)比那些周五晚上開車的少賺25%”。 在行為經(jīng)濟(jì)學(xué)里，第二種組織語言的方式甚至有一個(gè)專有名稱叫做 “損失厭惡” （loss aversion）—— 是指人們面對同樣數(shù)量的收益和損失時(shí)，會(huì)主觀地認(rèn)為損失更加令他們難以忍受。

當(dāng)然，在優(yōu)步和來福車的系統(tǒng)界面里也存在一系列跟美團(tuán)、餓了么類似的徽章獎(jiǎng)勵(lì)體系，“最佳服務(wù)”和“最幽默司機(jī)”僅僅是其中兩個(gè)。事實(shí)上，幾乎每隔一段時(shí)間，平臺都會(huì)自動(dòng)在司機(jī)的界面彈出各種各樣眼花繚亂的目標(biāo)和徽章獎(jiǎng)勵(lì)，基于過往的行為數(shù)據(jù)，其精準(zhǔn)化程度極高，使得司機(jī)們在打怪升級的快感里，持之以恒地為平臺貢獻(xiàn)著服務(wù)時(shí)間。

紐約大學(xué)的傳播學(xué)者娜塔莎·斯卡爾（Natasha Schüll）寫過一本很有意思的書，叫做《設(shè)計(jì)成癮》（Addiction by Design）。通過對拉斯維加斯老虎機(jī)的研究，她發(fā)現(xiàn)“設(shè)計(jì)”在上癮機(jī)制中起到重要作用，書中提出一個(gè)著名概念叫做“l(fā)udic loop”，指老虎機(jī)的設(shè)計(jì)者是如何通過不定期、不定量、不可預(yù)測地給予微小獎(jiǎng)勵(lì)來使游戲者上癮的。在斯卡爾看來，系統(tǒng)永遠(yuǎn)不是中立的，任何系統(tǒng)的設(shè)計(jì)都鑲嵌有權(quán)力掌控者的種種考量。

在社交媒體主導(dǎo)的今天，我們身邊的ludic loop比比皆是，商家們所使用的各種心理學(xué)小游戲也早已經(jīng)見怪不怪。然而，將類似的技巧使用到工作環(huán)境中，效果卻可能是災(zāi)難性的。

這一方面是因?yàn)?，通過數(shù)字化，平臺基本已經(jīng)對員工的工作效率、時(shí)長、社交內(nèi)容、休息時(shí)間等等數(shù)據(jù)具有幾乎全景式的掌控，通過機(jī)器學(xué)習(xí)算法，很容易就推導(dǎo)出其間的各種關(guān)聯(lián)；再加上心理學(xué)和設(shè)計(jì)的加持，算法對于員工的“隱形操控”可能是以往種種強(qiáng)制性手段所無法比擬的。比如，相比于之前的強(qiáng)制加班，優(yōu)步早已發(fā)現(xiàn)給予司機(jī)適當(dāng)目標(biāo)激勵(lì)可以促使他們更長地停留在線上。

另一方面， 由于缺少雇傭關(guān)系的法律約束，不僅平臺對員工缺少責(zé)任和義務(wù)，員工也無法對平臺進(jìn)行有效追責(zé)。員工在平臺面前近乎裸奔，平臺卻始終是客觀的、數(shù)字驅(qū)動(dòng)的、不可能出錯(cuò)的黑箱系統(tǒng)。平臺之于員工是基于私人數(shù)據(jù)的個(gè)性化操控，這使傳統(tǒng)工會(huì)對于工人的組織也變得愈發(fā)困難。

在工作環(huán)境下，這種權(quán)力的不對等的關(guān)系比尤其突出，與社交媒體和商業(yè)導(dǎo)購不同，這里算法影響的不是你的下一個(gè)網(wǎng)絡(luò)好友、或是下一單網(wǎng)購零食，而是下一份工作。

想象未來的某一天，算法成為我們所有人的老板。每天早上，它溫情脈脈地將你喚醒，提醒你今天已經(jīng)是本月第八個(gè)九點(diǎn)之前進(jìn)公司的日子，積滿十個(gè)，可以順利加入九點(diǎn)小組，獎(jiǎng)勵(lì)精美徽章一個(gè)。在你疲憊不堪想把手頭文檔放下，去茶水間續(xù)命之時(shí)，系統(tǒng)會(huì)告訴你，89%的同事們已經(jīng)完成了本日工作，你想不想加快一點(diǎn)進(jìn)度呢？

比起人類老板的咆哮如雷，算法老板永遠(yuǎn)是甜美女聲。但它知道表面上你渾水摸魚，其實(shí)還有25%的潛力可以挖掘；也知道與其告訴你不干完這單就要罰錢，不如告訴你隔壁辦公室跟你同年的同事馬上就要升級來的更有效率。交互界面里代表算法系統(tǒng)的虛擬頭像，還可以進(jìn)一步個(gè)性化、擬人化、和偶像化，讓你心甘情愿為之貢獻(xiàn)時(shí)間和精力。屆時(shí)，不止是外賣小哥被困在系統(tǒng)里，所有人，都會(huì)被困在全知全能且無法反制的算法里。

當(dāng)然，對社會(huì)學(xué)家們來說，更根本的永遠(yuǎn)是權(quán)力問題。在被算法操縱的系統(tǒng)里，誰更有權(quán)力？誰受到壓制？

2017年，美國國會(huì)對當(dāng)代信息社會(huì)三大巨頭—— 谷歌、臉書和推特 ——舉行了聽證會(huì)。路易安那州的參議院約翰肯尼迪（John Kennedy) 說：先生們，我為今天來到這里的三大公司感到自豪，你們代表了今日的美國，你們也為善不少。但是，你們（所掌握的巨大）的權(quán)力又常常令我感到恐懼。

在優(yōu)步和來福車的算法系統(tǒng)引發(fā)巨大爭議的三年之后，美國各州對零工經(jīng)濟(jì)平臺們的抗議浪潮此起彼伏。今年八月，加州率先舉起法律武器，要求網(wǎng)約車和外賣平臺將司機(jī)和外賣員工重新定義為全職雇員，簽署正式雇傭合同，并且支付保險(xiǎn)福利；優(yōu)步和來福車則以在加州停運(yùn)加以威脅……

故事到了這里遠(yuǎn)遠(yuǎn)并沒有結(jié)束，雙方的角力仍將持續(xù)，但它的走向讓我們看到了某種隱約的可能性——

就算老板變成了算法，人類員工卻仍然是人類，可以組織，可以說“不”，可以有改變算法的力量和勇氣。

【參考文獻(xiàn)】

[1] Molly McHugh, What Congress Wants From Google, Twitter, and Facebook. https://www.theringer.com/tech/2017/11/1/16589586/google-facebook-twitter-russia-election-testify

[2] Natasha Schüll Addiction by Design: Machine Gambling in Las Vegas. Princeton: Princeton University Press (2012)

[3] Rosenblat, Alex, and Luke Stark. "Algorithmic labor and information asymmetries: A case study of Uber’s drivers." International Journal of Communication 10 (2016): 27.

[4] How Uber Uses Psychological Tricks to Push Its Drivers’ Buttons, New York Times, 2017

[5] Uber and Lyft’s California labor law battle is far from over, https://www.cnbc.com/2020/08/21/uber-and-lyfts-california-labor-law-battle-is-far-from-over.html

-----

作者沈虹，畢業(yè)于美國伊利諾伊大學(xué)香檳分校傳播學(xué)系，現(xiàn)任職于美國卡內(nèi)基梅隆大學(xué)。她用社會(huì)學(xué)的方法研究新興科技。