職場監視5.0下勞動者個人數據保護的困境與出路

湯曉瑩

一、引言

“算法管理”目前已經在全世界范圍內蓬勃發展，并被普遍運用于眾多產業的“勞動者”①分配、管理、優化和評估中。盡管表面上算法管理是以更科學的數據分析作為雇傭決策的依據，但其在實際運行中卻帶來了越來越多的“侵入性管理實踐”，引發了對勞動者權利保護問題的擔憂。[1]2020年，《人物》雜志的一篇題名為《外賣騎手，困在系統里》的文章揭示了外賣騎手面臨的算法困境，[2]激起了我國學界和實務界對平臺用工領域算法管理的廣泛討論。實際上，算法技術除了在平臺用工領域發揮關鍵人力資源管理職能外，在傳統雇傭領域也成為影響勞動者是否被錄用、解雇或者勞動條件是否得到改善的重要因素。隨著2020年新冠疫情的爆發，“遠程勞動”②的重要性得到凸顯，算法在遠程分配任務、衡量勞動者工作效率等人力資源管理上勢必發揮越來越關鍵的作用。根據定義，“算法管理”是指用人單位在“數據收集”的基礎之上運用“機器學習算法”對所收集的勞動者個人數據進行自動處理，從而自動或者半自動地做出人力資源管理決策的過程。[3]“機器學習算法”(以下簡稱“算法技術”)在其中所發揮的核心作用便是在數據收集的基礎上通過對數據進行自動化處理從而預測勞動者未知個人特征。

在從屬性勞動關系中，具有天然積極擴張性質的用人單位監督管理權與勞動者個人數據保護之間始終存在緊張關系。筆者將用人單位借助技術革新手段擴大對勞動者個人數據的獲取范圍，稱為用人單位職場監視的“第一次大規模擴張”；將用人單位在既有勞動者個人數據的基礎上，借助算法技術推論出勞動者未知的個人數據，而無需以直接侵害勞動者個人數據的方式獲得，稱為用人單位職場監視的“第二次大規模擴張”。對于前者，如何平衡用人單位的監督管理權和勞動者的個人數據保護、限制用人單位對勞動者個人數據的收集一直是學界研究的重點，而對于后者，當前學界研究成果則較為匱乏。另外，對于不具有傳統勞動者身份的平臺工人而言，其不僅未能在工資工時、工人補償、集體談判、失業保險、反歧視法等方面享有與傳統雇傭領域中的勞動者完全相同的基本權利，[4]還可能面臨來自平臺企業以收集和處理平臺工人的個人數據為基礎的平臺算法決策的危害，這無疑是“雪上加霜”。

勞動力不是商品，[5]勞動者對其個人數據的權利也不是商品，并不因為進入勞動關系而舍棄。平臺工人也不能在提供勞務給付義務的過程中失去對個人數據的主導地位。當前，我國勞動者個人數據保護立法不僅面臨歷史遺漏缺陷，也面臨著職場監視5.0帶來的新挑戰，由此呈現出新舊問題并存的局面。《民法典》將個人信息保護上升到一個新的高度，而正在制定中的《個人信息保護法》將進一步助推個人信息保護高潮的到來。職場領域是勞動者個人數據保護、算法技術運用的特殊場景，而算法技術得以運行的基礎是個人數據，藉由職場監視5.0下的勞動者個人數據保護可以管窺場景化、類型化在個人數據保護中的意義與運用，也有助于從源頭上規制算法技術的侵權風險。

二、職場監視的智能升級與職場監視5.0在雇傭決策的具體運用

“職場監視”，又稱為“勞動者監督”。企業在職場領域中越來越頻繁地運用電子監控設備、信息技術、物聯網技術、人工智能技術等現代科技手段獲取和處理勞動者個人數據，由此帶來職場監視的智能升級。

(一)職場監視的歷史沿革

1.職場監視“五階層模型”

用人單位對勞動者的職場監視經歷了兩次大規模擴張，其背后展現的是職場監視手段的革新。根據職場監視手段出現的先后順序，可將職場監視歸納為“五階層模型”(表1)。[6]

2.職場監視5.0與其他職場監視手段的關系

職場監視5.0階段與其他階段的職場監視既存在緊密聯系，又存在差異。算法技術的開發與運行離不開對個人數據的收集與處理。算法技術利用“職場監視1.0”到“職場監視4.0”階段生成的大數據實現對勞動者進一步監視。從中可得出以下結論：第一，職場監視5.0下勞動者個人數據保護不能脫離前幾個階段的勞動者個人數據保護而獨立存在。第二，與之前的職場監視階段不同，算法技術的核心功能是“數據挖掘”，即借助統計學上分析工具識別數據集中各數據之間的關聯性，[7]使根據既有個人數據推論出未知的個人數據成為可能，從而給勞動者個人數據保護提出了新的挑戰。第三，算法技術兼具監視與管理職能，前者體現為算法技術可以預測出勞動者未知的個人特征，后者體現為算法技術可以被運用于自動地做出人力資源管理決策，而無需人為干預，這均是其他職場監視階段所不能及的。

(二)算法技術在傳統雇傭領域的運用

1.招聘階段

算法技術已經逐步進入企業的“自動化招聘系統”。算法技術在招聘階段的運用也稱為“分析”的過程。③在我國，典型的以算法為核心的招聘網站有智聯招聘網、前程無憂網、領英等。具體而言，在招聘廣告階段，數字時代下在線廣告日益成為接觸潛在求職者的首選方式，用人單位可能會使用招聘算法技術來識別合格的群體，并向其定向發送招聘信息；在簡歷篩選階段，用人單位通常借助算法技術對求職者進行篩選以淘汰不適格的求職者；在面試階段，用人單位可以借助算法技術對視頻面試中求職者的面部表情、語調等個人數據進行分析以衡量求職者的性格特征、工作表現等；在錄用階段，用人單位將根據前述階段對求職者進行評級的結果向符合條件的求職者發送錄用通知。[8]這一過程類似于一個“招聘漏斗”(圖2)。

2.雇傭階段

算法技術也進入了企業“智能任務分配系統”，或者對勞動者在履行勞動給付義務過程中所產生的個人數據進行分析以識別勞動者的工作效率或工作狀態。前者體現為算法技術將根據勞動者完成工作任務的情況自動地向勞動者分配下一階段的任務。關于后者，現實中，勞動者在職場空間下的絕大多數活動都受到用人單位的監視，甚至包括在職場領域中的非工作時間，如未分配的洗手間時間。算法系統可以基于“機器學習功能”計算出平均每位勞動者的“洗手間時間”并自動地對超出一定時間的勞動者做出警告、降薪、降職、解雇等關系勞動者勞動條件的雇傭決定。例如，實踐中有位工人去洗手間的時間超出規定時間3秒，月末結算時全智能員工管理系統扣了他50元工資。[9]

(三)算法技術在平臺用工領域的運用

在平臺用工中，算法技術借助智能手機這一信息媒介將勞務需求者與勞務給付者進行匹配，實現平臺市場兩端用戶無縫對接的、優化的勞務給付交易。“美團”“餓了么”“滴滴打車”以及“Uber”等互聯網平臺的運行均離不開算法技術。以Uber為例，當乘客在其app端輸入目的地信息，Uber通過定價算法向乘客顯示乘車費用，估計平臺司機到達乘客所在地和目的地所需的時間，并顯示示例路線和圖標以指示附近平臺司機的存在。當乘客接受時，平臺將出行請求發送給附近的平臺司機，平臺司機的智能手機會顯示乘員的姓名、客戶評分、位置、目的地以及乘車價格。在平臺司機收到出行請求后，其有15秒時間做出是否接受該出行請求的決定，如果拒絕了，平臺將會將該請求發送給其他合適的平臺司機。如果平臺司機接受了該出行請求，乘客將看到司機的姓名、評分、預計到達目的地時間以及平臺司機的實時動態。當平臺司機完成出行請求時，平臺將從乘客所綁定的銀行里劃走乘車費用，并將其中一定比例的金額作為中介費用，其余進入平臺司機的專用賬戶。行程結束后，平臺司機和乘客互相給對方評分。[10]在這一系列過程中可歸納出兩套算法：一是將勞務給付供求者與勞務給付需求者進行匹配的算法，二是計算平臺工人勞務報酬的定價算法。這兩套算法技術的運行同樣離不開對平臺工人的位置跟蹤以及對平臺工人與工作過程相關的數據與用戶反饋數據的收集(圖3)。[11]

圖3 平臺用工運行的基本要素

三、侵權風險嵌入算法雇傭決策的技術路徑：數據收集與數據處理

為何要對職場監視5.0下勞動者的個人數據進行保護？算法技術是把雙刃劍，盡管其提高了用人單位或者平臺企業在做出雇傭決策的效率，但也給勞動者造成了侵權風險。此侵權風險實際上是通過對勞動者個人數據的收集與處理這一技術路徑嵌入算法雇傭決策。

(一)“數據收集”的侵權風險

算法技術是“數據驅動型”的技術，其開發與運行均要以“個人數據”為原材料，這就決定了其離不開對勞動者個人數據的收集。“數據收集”的侵權風險是指用人單位在著手收集數據之前以及收集數據的過程中可能存在的導致算法技術的運行結果對勞動者產生不利影響的風險。具體而言，在用人單位實際著手數據收集工作之前，用人單位需要先作出問題界定，即確定其所開發的算法技術所欲達到的目標。假設用人單位在算法開發之問題建構階段為算法技術設定了一個抽象目標，即篩選出不具有“健康風險”的求職者以減輕企業的用工成本。繼而，用人單位將該抽象目標轉化為可以衡量的效果變量，如勞動者因病請假次數少。之后，用人單位會根據已確定的效果變量收集可以衡量效果變量的數據，如收集與在本單位本年度內因病請假天數次數少的勞動者相關的個人數據。在個人數據收集之后，用人單位還需要清除發生錯誤的數據、估計缺失的數據值并將數據劃分為“訓練集”和“測試集”數據。[12]

在問題界定、效果變量確定以及實際對勞動者個人數據進行收集的過程中，用人單位所進行的價值判斷或者行為選將在很大程度上影響算法技術的運行結果是否會對包括平等就業權、個人數據權利在內的勞動者權利造成侵害，這體現為：第一，因效果變量具有歧視性導致就業歧視；第二，因數據收集方式違背普遍性原則[13]而對未被代表的群體造成就業歧視；第三，因數據本身存在錯誤或者偏見導致算法運行結果不具有合理性或者造成就業歧視；第四，用人單位可能未經勞動者事先同意而收集勞動者個人數據等。

(二)“數據處理”的侵權風險

在收集完數據之后，用人單位會對收集到的數據進行匿名化處理，此時無關乎個人數據權利。繼而，用人單位會利用統計學上分析工具對訓練集數據進行分析從而發現數據間統計學上概然性，這一步驟可稱為“數據挖掘”。[14]譬如，借助統計學上分析工具得出“工作表現與社交媒體使用頻繁程度”有關、“喜歡社交媒體中某些內容與智力”有關等。只要前者與后者之間存在統計學上的相關性而不一定在現實世界中具有因果關系，統計學上分析工具將識別兩者存在關聯性。由此可見，此時勞動者個人數據的個人權利屬性已經褪去，而具有集體利益性質，因為將每位勞動者的個人數據進行匯集后的結果將對其他人造成影響。[15]值得注意的是，與傳統統計分析從假設開始不同，“數據挖掘”是從數據生成假設，其本身并不關心此種假設或推論的作出是否具有合理性。[16]

數據的自動化處理過程可能會給包括勞動者的生命健康權、隱私權、平等就業權在內的勞動者權利造成侵害，這表現為：第一，生命健康權侵權風險。近年來外賣騎手因配送時間不斷被壓縮而發生工傷事故的例子屢見不鮮，筆者認為這與平臺企業通過算法技術的“機器學習功能”計算出每筆訂單所花費的平均時間，并據此秘密地縮減騎手配送時間，優化顧客訂單體驗密切相關。根據外賣平臺對外的公開說法，送餐系統會收集騎手的上下樓時間，甚至專門研究騎手去低樓層和高樓層時的時間速度，從而對配送時間作出合理的規定。第二，隱私侵權風險。假定在統計學上分析工具識別“喜歡社交媒體上某項內容的群體”與“性取向”之間存在關聯性的基礎上，若收集到的某個求職者的數據都指向該求職者喜歡社交媒體上的某項內容，則算法最終的分析結果將指向該求職者的性取向存在問題。繼而，用人單位可能出于對求職者性取向的歧視，對該求職者做出不雇傭的決定。第三，歧視風險。以“性別差異”為例，根據Uber所進行的一項研究，女性平臺司機與男性平臺司機的收入之間存在很大差異。研究者認為由于女性和男性在居住地、駕駛經驗、冒險精神等方面的差異，導致男性平臺司機比女性平臺司機更可能在高收入的路段上行駛。[17]盡管該解釋是可行的，但筆者認為這并非問題的關鍵。假設Uber在問題設定階段為“供應者選擇匹配算法”制定了一個看似無辜的目標：將平臺司機與可能對其作出高評價的乘客匹配在一起。在“數據挖掘”的過程中，統計學上分析工具可能會識別出種族、階層和性別等要素與用戶評價之間的相關性。例如，相對而言比較謹慎、駕駛速度比較慢的女性平臺司機很難與著急趕時間前往機場的乘客相匹配，而前往機場的線路在單位時間內的有效距離往往是更遠的，這可能會對女性平臺司機的經濟利益造成不利影響。

綜上所述，算法技術在輔助用人單位或者平臺企業做出雇傭決策過程中給勞動者權利造成的侵權風險主要是通過用人單位或者平臺企業對勞動者個人數據的收集以及統計學上分析工具對勞動者個人數據的自動處理嵌入算法雇傭決策。由此，通過法律規制數據收集與數據處理過程便成為治理算法技術侵權風險的重要路徑，從而凸顯勞動者個人數據保護的重要意義。

四、職場監視5.0下我國勞動者個人數據保護之困境

我國現有的勞動者個人數據保護方式可以進一步劃分為兩部分內容：一是對用人單位在收集與處理勞動者個人數據過程中應遵守的行為規范作出規定；二是對勞動者的數據權利予以明確。這兩種方式不僅無法有效應對職場監視5.0出現之前用人單位對勞動者個人數據的不恰當收集與處理，而且在職場監視5.0下也面臨著新的困境。

(一)用人單位數據治理義務的困境

用人單位數據治理義務主要是通過約束用人單位對勞動者個人數據的收集與處理行為來保護勞動者的個人數據，主要存在如下問題：

1.勞動者個人數據受保護范圍不明確

我國現有勞動者個人數據保護立法主要集中于對勞動者醫療健康信息的保護，④以及將勞動者在招聘階段向用人單位履行如實告知義務的范圍限于與勞動合同相關的事項，⑤而對于在實際雇傭階段，用人單位是否有權運用電子監控技術對勞動者個人數據進行收集、用人單位對勞動者個人數據進行收集的范圍、是否應區分“職場空間”和“非職場空間”下的勞動者個人數據保護，以及用人單位在收集勞動者的個人數據之后應如何使用這些數據等，立法均未規定。

2.“目的限制”原則有違“數據共享”

我國《民法典》第1035條、《數據安全法》第32條都規定了收集、處理個人數據要具有特定的目的且不得過度處理。然而，大數據時代的基本特征是“數據共享”，而依據“目的限制”原則，對個人數據的收集與處理的合法性僅在特定目的范圍內生效。如何平衡“目的限制”與“數據共享”之間的關系，有待解決。

3.傳統敏感—非敏感數據二元劃分難以防止勞動者隱私權或平等就業權遭受侵犯

《民法典》第四編第六章區分“隱私”和“個人信息”，將敏感個人信息(數據)稱為“隱私”的一種類型。《勞動法》第12條列舉了“民族、種族、性別、宗教信仰”這四種歧視特征, 明確勞動者不得因這四類特征而受到歧視，因此，除非具有正當商業事由，否則不允許用人單位詢問勞動者與歧視特征有關的個人數據的行為。上述立法是以個人數據收集時是否具有敏感性來認定某一個人數據是否屬于“敏感個人數據”。盡管限制對勞動者敏感個人數據的收集和處理可以在一定程度上避免勞動者隱私權被侵犯或者傳統就業歧視的發生——即用人單位通常收集勞動者或者求職者的敏感數據，并據此對其勞動條件產生不利影響，然而在算法管理下，算法技術可以通過對由若干非敏感個人數據構成的數據集進行分析從而發現敏感個人數據與非敏感個人數據之間的相關性，使得雇主能基于“非敏感個人數據”對勞動者不易直接觀察到的“敏感個人數據”作出預測，侵犯勞動者隱私。用人單位也可能因此對勞動者予以差別對待。為此，僅限制對勞動者敏感個人數據的收集、披露和處理，并不足以避免就業歧視的發生，且算法歧視的發生極為隱蔽，僅依據現有的平等就業權保護立法與司法實踐已經無法有效應對。⑥

4.數據處理結果的合理性未得到重視

如前所述，統計學上分析工具在進行數據自動化處理的過程中所識別的數據與數據之間的關聯性在現實世界中可能不具有合理性，這將直接影響算法技術的實際運行結果。然而，我國對個人數據的保護主要將關注中心放置于個人數據收集階段，如要求用人單位對勞動者個人數據的收集遵循目的限制原則、嚴格限制對勞動者的敏感個人數據進行收集等，未對個人數據處理階段中數據處理的結果應具有合理性作出規定。

(二)勞動者個人數據賦權的困境

勞動者對其個人數據的控制權可以進一步劃分為“程序性數據權利”與“實體性數據權利”。

1.程序性數據權利未得到落實

程序性數據權利，即勞動者對其個人數據收集與處理的知情同意權。《民法典》第1035條繼續肯定了收集、處理個人信息要取得數據主體的同意。然而，該條在職場領域存在適用上的困境，表現為：第一，未對同意作出的形式進行規定。同意的作出若采用任意的口頭形式，將難以保證同意是經過數據主體深思熟慮后做出的決定。第二，勞動者個體缺乏作出有效知情同意的能力。正如歐盟“第29條數據保護工作組”在2017年關于“工作場所數據處理的意見”中指出的那樣，從屬性勞動關系中，雇員個體出于擔心雇主在勞動條件上對其予以差別對待，很少會自由地作出、拒絕或者撤銷關于數據處理的同意。[18]此外，勞動者個人由于力量的有限性往往不能對數據收集與數據處理可能存在的風險作出合理判斷，進而也無法作出實質有效的同意。

2.實體性數據權利種類規定不全面

《民法典》1037條規定的是以“控制個人數據的傳播利益”為中心的包括查閱、復制、異議、更正、刪除權在內的數據權利。盡管這些權利可以在一定程度上保證勞動者在算法雇傭決策中的參與權，但是作用有限，不能從根本上防止用人單位在“職場空間”以及“非職場空間”下對勞動者個人數據的收集以及避免勞動者遭受算法雇傭決策的侵害。

五、職場監視5.0下我國勞動者個人數據法律保護之出路

面對職場監視智能升級給勞動者個人數據保護帶來的挑戰，法律人不能被技術創新所綁架，而應當完善和建立相應的法律制度。

(一)職場監視5.0下勞動者個人數據保護的基本理念

職場監視5.0下的勞動者個人數據保護應遵循一定的基本原則與理念，具體包括：第一，數字人權。算法技術的開發與運用離不開對個人數據的收集與處理，而數據主體往往并不知曉算法技術被運用于決策，或者算法決策者以保護商業秘密的名義并不公開算法決策過程，由此帶來的信息壟斷與信息鴻溝可能會嚴重威脅、侵蝕數字化的數據主體的隱私權、平等權等基本人權。鑒于此，很多學者紛紛提出“第四代人權”——“數字人權”，旨在反數據信息控制，消解和應對信息鴻溝與信息壟斷對信息主體基本人權的挑戰。[19]第二，場景理念。對勞動者個人數據的保護應建立在“場景理念”的基礎上。在職場領域中，算法技術的運用可能是為了識別全體勞動者的某些特點，也可能是為了區分具有某一屬性的勞動者個體進而對其勞動條件產生影響。后種情形極易對個體勞動者權利帶來不利影響，與勞動者個人權利密切相關，應屬于法律重點規制范圍。[20]第三，預防原則。算法技術對個人數據的自動化處理結果可能具有不合理性，因此應突出“預防原則”在勞動者個人數據保護中的關鍵作用。[21]第四，比例原則。“比例原則”強調對權利進行適度限制，有助于平衡勞動者個人數據權利與用人單位監督管理權的關系。[22]第五，人對機器的控制。在人與人工智能的關系上，應始終強調人的主導地位，體現為要始終對人工智能帶來的不利影響承擔法律責任。[23]第六，社會對話。“社會對話”在職場領域表現為發揮集體權利在保護勞動者個人數據中的作用。于勞動者來說，集體權利有助于為勞動者謀求更好的勞動經濟條件；于雇主來說，集體權利是限制雇主監督管理特權的一個基本工具，可使由雇主單方面行使其管理特權轉向由雇主和雇員共同治理。[1]

(二)職場監視5.0下勞動者個人數據保護路徑的修正

應以上述六項基本原則為指引，修正用人單位的數據治理義務以及勞動者的個人數據權利。

1.用人單位數據治理義務的修正

(1)遵循“合理隱私期許”

我國對勞動者的個人數據保護應引入“合理隱私期許原則”作為判定勞動者個人數據受保護范圍的依據，且在非職場空間下，勞動者的合理隱私期許范圍大于職場空間下勞動者的合理隱私期許范圍，因此用人單位對勞動者在非職場空間下個人數據的收集與處理行為應受到嚴格限制，除非存在例外情形。即使在這些例外情形中，用人單位可以收集和處理勞動者個人數據，但在手段上也需要符合比例原則。

(2)秉持“修正后的目的限制”原則

用人單位收集和處理勞動者個人數據時應遵循“修正后的目的限制”原則。具體而言，當用人單位首次出于影響可識別性個體勞動者經濟地位的目的收集與處理勞動者個人數據時，用人單位需要遵循“目的限制”原則；當用人單位對已經合法收集的勞動者個人數據作進一步處理以完成另一個可能對勞動者權利造成影響的“不兼容”目標時，需再次通知勞動者并獲得其同意。反之，若用人單位不是出于影響可識別性個體勞動者經濟地位的目的對已經合法收集到的勞動者個人數據進行進一步處理，則無需再次履行通知義務。

(3)摒棄傳統敏感—非敏感個人數據二元劃分

不再根據數據收集時是否具有敏感性來劃分敏感個人數據和非敏感個人數據。若根據既有的非敏感個人數據對敏感個人數據作出推論，則用人單位基于此非敏感個人數據對勞動者進行區別對待，也應受到反歧視法的規制。

(4)解釋算法決策過程

雖然出于保護用人單位商業秘密的要求，要求用人單位完全公開算法技術的開發與運行過程并不可行，但用人單位有必要解釋算法決策過程，以縮減算法技術所帶來的信息鴻溝。從域外立法經驗來看，《關于在自動處理個人數據方面保護個人數據的公約》、GDPR以及伊利諾伊州的《人工智能視頻面試法案》(Artificial Intelligence Video Interview Act)均規定了勞動者有權獲得數據處理背后的推理知識，我國應借鑒此經驗對用人單位履行解釋義務的范圍進行合理界定。在解釋路徑的選擇上，用人單位應遵循“以主體為中心”的解釋方式。[20]該解釋方式重在解釋該算法技術運行的基本原理，以及其將會給勞動者的勞動條件帶來何種不利影響。具體而言，我國立法以及司法實踐首先應擴張就業歧視的認定標準，在“直接歧視”之外引入美國反歧視法中的“不同影響”，將“不平等結果”作為認定歧視存在的標準。在此基礎上，用人單位需履行如下義務：用人單位需要向勞動者說明其開發的算法所需實現的目標、選取的效果變量與工作相關且不具有歧視性，以及為開發算法而收集到的數據具有準確性與普遍性，能夠合理地對效果變量進行衡量，從而做出合理、無偏見的雇傭決策。

(5)遵守其他數據治理義務

除了上述內容之外，用人單位還應積極遵守六個方面的數據治理義務。第一，用人單位出于針對可識別勞動者個體的目的收集與處理勞動者個人數據時應事先告知勞動者并征得其同意。第二，限制算法技術在職場領域運用的目的、手段與結果，包括：原則上禁止用人單位運用算法技術對勞動者個人數據進行自動化處理從而做出能對勞動者之勞動條件產生影響的雇傭決策，除非具有正當商業事由，即為了識別與工作崗位密切相關的勞動者未知的個人特征；當算法技術的運用對于勞動者與用人單位的合同簽訂或合同履行是必要的，且沒有其他合適的替代方案來實現該合法目的時，才允許通過算法技術對個人數據進行自動化處理以指引雇傭決策；若算法技術的運用將不合理地排除勞動者在工作場所的基本權利(例如剝奪休息時間、洗手間時間)，應禁止運用。第三，預先評估自動數據處理可能對勞動者基本權利帶來的影響，否則不得進行自動化處理。第四，接受外部機構對其履行數據治理義務的情況進行監督，以及如實記錄算法技術的開發與運行過程、數據保護影響評估過程并留存該證據線索且在訴訟中負“文書提供義務”。第五，有義務與工會就勞動者個人數據的收集與處理進行集體協商。第六，承擔違反數據治理義務以及算法技術運行不利后果的法律責任。

2.勞動者個人數據賦權的修正

(1)確保實質有效的知情同意權

勞動者有權對用人單位收集和處理其個人數據的行為作出書面同意、拒絕同意，甚至可以隨時撤回同意。[24]當然，同意作為勞動者的數據權利，其行使也不是毫無限制的。在某些例外情形下，該權利需要受到限制。該例外情形是用人單位在用工領域運用算法技術存在正當的商業事由。而對于平臺用工領域而言，平臺企業對平臺工人個人數據的收集，并借助算法技術對這些數據進行處理是平臺系統得以高效率運行的核心，因此平臺工人原則上不得拒絕平臺企業收集與處理其履行勞務給付過程中的個人數據。此外，勞動者個人還可以授權工會行使知情同意權。

(2)增設新型數據權利類型

第一，算法雇傭決策異議權與免受算法雇傭決策約束的權利。在算法雇傭決策中，算法技術以類似于企業規章制度的形式影響著勞動者的勞動條件，勞動者理應對算法技術是如何對其勞動條件產生何種影響享有異議權。由于算法技術的核心是“個人數據”，歐盟立法將“異議權”納入個人數據保護立法中。例如，《關于在自動處理個人數據方面保護個人數據的公約》第9條、GDPR第22條明確規定，對于“完全基于自動處理”，未考慮數據主體意見的決策，如對數據主體造成影響，數據主體有權“免受該決策的制約”。我國有必要借鑒此經驗在未來的《個人信息保護法》中賦予勞動者算法雇傭決策異議權以及免受算法雇傭決策約束的權利。對于未考慮勞動者意見的算法雇傭決策，當其對勞動者的勞動條件造成不利影響時，勞動者免受該決策約束。

第二，離線權。“離線權”旨在確保勞動者在非工作時間遠離工作，不從事與工作相關的電子通訊活動且不會受到不利益對待。[25]我國勞動者個人數據保護立法應借鑒法國經驗引入“離線權”，要求用人單位與勞動者就“離線”的具體時間進行協商，并擴張其適用范圍，不僅限制勞動者在非職場空間下與領導或者公司同事進行與工作有關的電子通訊活動，也限制用人單位在非職場空間下安裝電子監控設備對勞動者個人數據進行收集。[26]

五、結語

“人工智能+”引發了用人單位人力資源管理領域的深刻變革，是高度的顛覆性技術。在將人工智能運用于人力資源管理的同時，應時刻警惕人工智能給勞動者個人數據帶來的侵權風險，確保人工智能安全、可靠、可控發展。在個人數據侵權之外，算法雇傭決策所產生的隱蔽就業歧視對我國反就業歧視法律提出了挑戰。我國統一的反就業歧視法也應早日提上議程，使之能有效應對算法歧視風險。法律的生命不在于贊美科技的絕妙之處，而在于指出其對人的權利的侵犯可能性并加以防范。總之，在技術創新的同時應時刻保持對技術創新的謹慎態度，并時刻以基本權利保護為最終目的指引技術創新的發展方向。

注釋：

① 此處“勞動者”采廣義概念，不僅包括從屬性勞動者，還包括不具有傳統雇員身份的平臺工人群體。

② 按照田思路教授的定義，“遠程勞動”是指“從業者在傳統職場之外通過電訊技術和設備從事工作場所、工作時間相對靈活的非典型用工形式”，遠程勞動者是指“從事遠程勞動的人”。參見：田思路.遠程勞動的制度發展與法律適用[J].法學，2020(5)：63-64.

③ 根據歐盟《一般數據保護條例》中的定義，“分析”是指對個人數據進行的任何形式的自動處理，包括使用個人數據評估與自然人有關的某些個人方面，尤其是分析或預測與個人有關的工作表現、經濟狀況、健康狀況、個人喜好、興趣、可靠性、行為、位置或動作等。

④ 2007年原勞動與社會保障部門發布的《關于維護乙肝表面抗原攜帶者就業權利的意見》規定用人單位在招、用工過程中，可以根據實際需要將肝功能檢查項目作為體檢標準，但除國家法律、行政法規和衛生部規定禁止從事的工作外，不得強行將乙肝病毒血清學指標作為體檢標準。《職業病防治法》《用人單位職業健康監護監督管理辦法》規定用人單位應組織從事接觸職業病危害作業的勞動者進行上崗前、在崗期間、離崗時職業健康檢查并建立職業健康監護檔案的規定。

⑤ 2008年實施的《中華人民共和國勞動合同法》(以下簡稱《勞動合同法》)第8條第2款中規定：“用人單位有權了解勞動者與勞動合同直接相關的基本情況，勞動者應當如實說明。”

⑥ 我國現行法律所涉及的就業歧視大多指不允許對勞動者實行“直接就業歧視”，而對于“間接就業歧視”，現行立法則處于空白地帶。