政府治理能化解在線勞動“悖論”嗎?
——基于平臺與勞動者的演化博弈分析

尹 琰, 劉 穎,2, 上官子健, 呂本富,2

(1.中國科學(xué)院大學(xué) 經(jīng)濟與管理學(xué)院,北京 100190; 2.中國科學(xué)院大學(xué) 數(shù)字經(jīng)濟監(jiān)測預(yù)測預(yù)警與政策仿真教育部哲學(xué)社會科學(xué)實驗室,北京 100190; 3.科學(xué)出版社,北京 100010)

0 引言

數(shù)字時代下,算法成為了支撐企業(yè)數(shù)字化、自動化和科學(xué)化管理的核心工具。在零工經(jīng)濟與數(shù)字技術(shù)深度融合的趨勢下,一種依靠信息網(wǎng)絡(luò)技術(shù),以算法管理為核心手段,通過精準(zhǔn)高效、規(guī)模化的運作方式按需提供服務(wù)的網(wǎng)絡(luò)平臺——在線勞動平臺(Online Labor Platform)應(yīng)運而生。這類平臺借助算法自動高效地履行部分或全部管理職能,如任務(wù)分配、過程監(jiān)督、激勵與績效評估等[1],形成了“算法管理”(Algorithmic Management)模式,使其能最大程度挖掘勞動者的經(jīng)濟價值[2]。然而,平臺在通過算法管理優(yōu)化效率的同時,可能損害勞動者的自主性,使其陷入一種“勞動悖論”[3]。一方面,勞動者為了獲得靈活工作時間與自主性體驗而加入平臺[4];另一方面,在算法管理下被原子化的勞動者無法與平臺抗衡,只能被迫進行勞動強化,并長期處于高強度的勞動監(jiān)控之下,這與平臺所宣稱的自主靈活性產(chǎn)生了巨大的背離。數(shù)據(jù)顯示,2019年中國全行業(yè)外賣訂單的單均配送時長比3年前減少10分鐘。因此,依靠政府的力量對平臺進行監(jiān)督和引導(dǎo)來維護市場秩序十分必要。然而,政府制定哪種治理政策能夠更有效地化解“勞動悖論”?現(xiàn)有研究尚未給出系統(tǒng)回答。

當(dāng)前,算法管理相關(guān)研究主要集中在算法管理的特征與影響兩方面。前者包括算法管理的具體流程、運作機制以及其區(qū)別于傳統(tǒng)管理模式的特征等[3]。后者討論集中在算法管理對勞動者或管理者的影響上,一類觀點認為算法管理的本質(zhì)是大數(shù)據(jù)時代的數(shù)據(jù)泰勒主義,其精確而高強度的控制性與零工經(jīng)濟下的自主性和靈活性相對立[4],而算法管理所隱含的由平臺主導(dǎo)的不對稱關(guān)系使勞動者被迫進行勞動強化,長期形成了自主性的認知與實際自主性的脫節(jié),陷入工作自主悖論中[5,6],并加劇了勞動者之間的“勞動競賽”[7]。另一類觀點認為,算法管理在某些方面對勞動者和社會管理者具有積極作用。一方面是算法管理可為勞動者提供自我監(jiān)測、實時反饋等技術(shù)性支持[3],從而優(yōu)化個人決策與自我管理,提升勞動過程中的自主性感受,獲得工作成就感[8]。另一方面,算法管理也有利于提高社會管理效率,節(jié)約社會管理資源[9]。

綜上,現(xiàn)有研究較詳盡地總結(jié)了算法管理對勞動者和管理者的影響,卻存在幾點不足。其一,鮮有研究從博弈論角度揭示平臺、勞動者與政府三者間的互動關(guān)系和“悖論”的成因。其二,從政府治理角度切入的文獻較少。其三,算法管理強度的不同將使得勞動從屬強度呈現(xiàn)出復(fù)雜多樣的特征[10],對于算法管理強度的差異對勞動者有何不同影響的問題,尚未有研究給出深入系統(tǒng)地分析。

本文基于監(jiān)管和激勵兩種政府治理情境,分別構(gòu)建了在線勞動平臺與勞動者的演化博弈模型,通過理論分析和數(shù)值仿真對比分析了不同治理措施對博弈系統(tǒng)演化的影響。本文的邊際貢獻一是在于從政府視角出發(fā)構(gòu)建監(jiān)管與激勵機制下的平臺-勞動者博弈模型,揭示了政府在化解“勞動悖論”中的重要作用;二是在于將政府治理行為參數(shù)化,并利用數(shù)值仿真對比分析了四類治理策略的治理效果,為政府進行在線勞動平臺治理政策的設(shè)計提供了一定的理論支持與決策依據(jù)。

1 在線勞動平臺與勞動者演化博弈行為分析

1.1 算法管理概念界定

算法管理是一套數(shù)據(jù)驅(qū)動的、基于學(xué)習(xí)型人工智能算法進行決策的綜合管理系統(tǒng),包括算法匹配和算法控制[11]。前者指基于算法的高效化供需匹配,后者指將數(shù)字技術(shù)與行為數(shù)據(jù)相結(jié)合,由算法實施監(jiān)督、控制和協(xié)調(diào)等職能。狹義上說,算法管理是一種以技術(shù)為中介的控制活動[12],即通過算法執(zhí)行任務(wù)協(xié)調(diào)、過程控制、結(jié)果評估等,其含義更接近后者。為研究方便,本文采用算法管理的狹義定義。

1.2 在線勞動平臺行為分析

平臺是雇傭關(guān)系中的主導(dǎo)者,通過控制算法管理強度對勞動者實施控制。算法管理強度的差異體現(xiàn)了平臺管理策略的差異,將對勞動者產(chǎn)生不同的影響,如嚴(yán)格的算法會要求勞動者按照算法給出的最優(yōu)路徑、最短時間完成任務(wù)等。強算法管理將使勞動者長期暴露于算法的監(jiān)控下,不僅侵害勞動者的自主性,還可能引發(fā)強烈的負面體驗。反之,彈性的算法管理能釋放勞動者的自主性,并產(chǎn)生自我實現(xiàn)的滿足感。綜上,本文將平臺的策略歸納為強算法管理與弱算法管理。

1.3 勞動者行為分析

勞動者應(yīng)對算法管理的方式分為適應(yīng)、逃避和操縱三種[3]。適應(yīng)表現(xiàn)為服從算法管理,積極做出符合平臺規(guī)范的行為。逃避或操縱策略表現(xiàn)為對算法管理進行抵抗或采取“算法行動主義”,如利用算法漏洞從中套利、逃避算法監(jiān)控等[2]。因此,本文將勞動者的策略歸納為積極應(yīng)對與消極應(yīng)對。

1.4 政府治理行為分析

近年來,各國政府高度關(guān)注在線勞動平臺用工行為與勞動者權(quán)益的保護,我國政府總體呈現(xiàn)出“監(jiān)管為主、激勵為輔”的治理格局,監(jiān)管力度不斷加強。2021年,我國最高法院及人社部提出關(guān)于保護平臺用工勞動者權(quán)益的19條意見,指出要補齊勞動者權(quán)益保障短板,加強對平臺企業(yè)的監(jiān)管力度,規(guī)范企業(yè)的經(jīng)營行為。基于此,本文假設(shè)了監(jiān)管與激勵兩類典型政府治理情境,在監(jiān)管情境下,政府將通過加強監(jiān)管,促使平臺規(guī)范自身行為;在激勵情境下,政府通過給予平臺稅收優(yōu)惠或補貼等方式,引導(dǎo)其改善勞動條件,主動打造更健康和諧的平臺生態(tài)。

2 監(jiān)管機制下在線勞動平臺與勞動者的博弈模型

2.1 監(jiān)管機制下的模型假設(shè)

本文假設(shè)博弈主體均是有限理性的,即各主體策略選擇存在隨機性,但將通過長期的適應(yīng)性學(xué)習(xí)達到穩(wěn)定,且各主體將遵循自身行為邏輯使其收益最大化,其他假設(shè)如下:

假設(shè)1平臺策略分為強或弱算法管理,記為{強,弱};勞動者策略分為積極或消極應(yīng)對,記為{積極,消極}。考慮到平臺發(fā)展過程中,隨著政府治理的介入,其算法管理強度普遍呈現(xiàn)“由強轉(zhuǎn)弱”的趨勢,為反映該特征,設(shè)平臺選擇“強”策略的概率為x,選擇“弱”策略的概率為1-x。勞動者選擇“積極”策略的概率為y,選擇“消極”策略的概率為1-y,0≤x,y≤1。

假設(shè)2設(shè)勞動者積極應(yīng)對和消極應(yīng)對時愿意提供的勞動水平分別為w和wn,有w>wn>0,設(shè)強算法管理下,平臺將通過顯性或隱性的方式迫使消極應(yīng)對勞動者提供w的勞動力。另設(shè)勞動獲得的單位收益為r,單位成本為cw。平臺與勞動者采取收益分成機制,設(shè)勞動者所分比例為α,平臺所分比例為1-α,且α∈(0,1)。設(shè)平臺在執(zhí)行強、弱算法管理時的成本分別為cs和cl,有0

假設(shè)3強算法管理下,消極應(yīng)對勞動者以超過自身意愿的勞動水平工作,長期積累下,相較于積極應(yīng)對勞動者,將形成更大的負面效應(yīng),設(shè)增加的負面效用為un。反之,弱算法管理下勞動者積極性得到釋放,對積極應(yīng)對的勞動者形成更大的激勵,設(shè)增加的激勵效用為up。同時,假設(shè)消極應(yīng)對勞動者的套利行為將給平臺造成L的損失,但這種行為在強算法管理下將受到平臺懲罰,懲罰力度為p,有un,up,p>0。

假設(shè)4監(jiān)管機制下,政府將對平臺采取強算法管理并損害勞動者自主性的行為予以懲罰,設(shè)監(jiān)管力度為T。

2.2 監(jiān)管機制下的博弈主體策略選擇

監(jiān)管機制下,平臺與勞動者的收益矩陣如表1所示,設(shè)平臺采取“強”、“弱”策略的期望收益分別為Ep1和Ep2,勞動者采取“積極”和“消極”的期望收益分別為Ew1和Ew2:

表1 監(jiān)管機制下在線勞動平臺與勞動者的收益矩陣

表2 政府監(jiān)管機制下演化博弈系統(tǒng)的均衡點穩(wěn)定性分析

Ep1=y[(1-α)rw-cs]+(1-y)[(1-α)rw-cs+p-T]

(1)

Ep2=y[(1-α)rw-cl]+(1-y)[(1-α)rwn-cl-L]

(2)

Ew1=x(αr-cw)w+(1-x)·[(αr-cw)w+up]

(3)

Ew2=x[(αr-cw)w-un-p]+(1-x)[(αr-cw)wn+L]

(4)

不對稱演化博弈中,當(dāng)且僅當(dāng)某策略對是嚴(yán)格納什均衡時,該策略對是穩(wěn)定均衡策略(ESS)。由于不對稱演化博弈中內(nèi)部納什均衡解都是非嚴(yán)格的納什均衡解,故只需在邊界解上進行討論,由此得到命題1:

命題1解復(fù)制動態(tài)方程系統(tǒng),得到博弈的五個均衡點,依次為E(0,0),E(0,1),E(1,0),E(1,1),E(x0,y0)。其中當(dāng)且僅當(dāng)x0∈(0,1),y0∈(0,1)時,E(x0,y0)存在。

2.3 監(jiān)管機制下的均衡點穩(wěn)定性分析

由復(fù)制動態(tài)方程得到的均衡點不一定是ESS,需通過計算雅各比矩陣對均衡點的穩(wěn)定性進行分析。

將上述復(fù)制動態(tài)方程系統(tǒng)的雅各比矩陣記為J,當(dāng)均衡點E(x,y)同時滿足detJ>0與trJ<0時,該均衡點是ESS。通過計算五個均衡點處的detJ與trJ,得命題2:

(5)

Ω1(y)=(1-y)[(1-α)r(w-wn)+L+p-T]+cl-cs

(6)

Ω2=(1-α)r(wn-w)-L-p+T

(7)

Ω3=(αr-cw)(wn-w)-up+L+un+p

(8)

Ω4(x)=(1-x)[(αr-cw)(w-wn)+up-L]+x(un+p)

(9)

detJ=(1-2x)(1-2y)Ω1(y)Ω4(x)+x(1-x)y(1-y)Ω2Ω3

(10)

trJ=(1-2x)Ω1(y)+(1-2y)Ω4(x)

(11)

命題2在政府監(jiān)管機制下,在線勞動平臺和勞動者的演化博弈存在兩個穩(wěn)定均衡策略。基本假設(shè)成立時,(1)穩(wěn)定均衡策略ESS(1,1)存在。(2)當(dāng)(1-α)r(w-wn)+cl-cs+L+p

據(jù)穩(wěn)定性分析結(jié)果,監(jiān)管力度較小,即(1-α)r(w-wn)+cl-cs+L+p>T成立時,博弈將向{強,積極}演化。此時,算法實質(zhì)上對勞動者形成了一套“隱形篩選”機制,即只有遵從平臺規(guī)則,能提供更多勞動的勞動者才能生存,導(dǎo)致相對弱勢的勞動者被淘汰。這種“適者生存”的強算法管理模式不僅有悖于人文關(guān)懷精神與技術(shù)倫理,也不符合社會長期穩(wěn)定、合作共贏的發(fā)展趨勢。現(xiàn)實中,在面對巨大的競爭壓力和嚴(yán)格的算法控制下,相對弱勢的勞動者往往只能被迫轉(zhuǎn)行或進行勞動強化,于是陷入“勞動悖論”。

當(dāng)政府監(jiān)管力度大于平臺由“弱”轉(zhuǎn)“強”所增加的收益與減少的機會損失之和,且弱算法管理下消極應(yīng)對勞動者相較積極應(yīng)對勞動者具有更高適應(yīng)性時,即(1-α)r(w-wn)+cl-cs+L+p

總的來說,政府監(jiān)管機制下,博弈總有向{強,積極}方向演化的趨勢,“勞動悖論”無法被真正解決,而隨著監(jiān)管力度的增大,直至超過平臺承受范圍時,監(jiān)管機制將使博弈向{弱,消極}這一低效的均衡點演化。

3 協(xié)同機制下的在線勞動平臺與勞動者的博弈模型

3.1 協(xié)同機制下的模型假設(shè)

由上節(jié)可知,監(jiān)管機制的治理作用有限,無法真正化解“勞動悖論”。本節(jié)在此基礎(chǔ)上引入激勵機制,并增加假設(shè)5,得到在政府監(jiān)管與激勵并舉的協(xié)同機制下的收益矩陣如表3所示。

表3 監(jiān)管與激勵并舉的協(xié)同機制下在線勞動平臺與勞動者的收益矩陣

假設(shè)5在協(xié)同機制下,政府將對實行弱算法管理的在線勞動平臺予以一定激勵和支持,設(shè)激勵水平為s。

同上節(jié)計算,可得到協(xié)同機制下平臺采取“強”策略的復(fù)制動態(tài)方程為F(x),勞動者采取“積極”策略的復(fù)制動態(tài)方程為F(y),此處不再贅述。

3.2 協(xié)同機制下的均衡點穩(wěn)定性分析

(12)

命題3在政府監(jiān)管與激勵并舉的協(xié)同機制下,平臺和勞動者的演化博弈存在三個穩(wěn)定均衡策略。基本假設(shè)成立時,(1)若滿足條件scl-cs及(αr-cw)w+up>(αr-cw)wn+L,則穩(wěn)定均衡策略ESS(0,1)存在。(3)若滿足條件s>(1-α)r(w-wn)+cl-cs+L+p-T及(αr-cw)w+up<(αr-cw)wn+L時,則穩(wěn)定均衡策略ESS(0,0)存在。

上述情形1中,激勵水平小于平臺降低算法管理強度所增加的管理成本,即有cl-cs>s,博弈將向{強,積極}點演化,“悖論”依然存在。此時,監(jiān)管和激勵機制均無法發(fā)揮實質(zhì)性作用。

情形2中,當(dāng)激勵水平高于上述成本之差且弱算法管理下積極應(yīng)對勞動者的適應(yīng)性更強時,即有cl-cs(αr-cw)wn+L成立,博弈將向{弱,積極}點演化。此時,激勵水平大于平臺切換算法管理強度的轉(zhuǎn)換成本且弱算法管理下積極應(yīng)對勞動者具有生存優(yōu)勢,則博弈將出現(xiàn)一個更良性的穩(wěn)定點{弱,積極}。注意此時因x0?(0,1),故均衡點E(x0,y0)無意義。情形2對應(yīng)的均衡點穩(wěn)定性分析結(jié)果如表4所示,其中:

表4 監(jiān)管與激勵并舉的協(xié)同機制下的演化博弈系統(tǒng)在情形2中的均衡點穩(wěn)定性分析

(13)

(14)

由此可知,融合監(jiān)管與激勵的協(xié)同機制是一種更為有效的治理方式,能引導(dǎo)平臺與勞動者走出均衡困境,提升整體福利水平。現(xiàn)實中,由于信息不對稱、管理成本高等,平臺的機會主義行為更加隱蔽,監(jiān)管工作將更加復(fù)雜困難。此時,政府可適當(dāng)給予激勵,鼓勵平臺“算法取中”,引導(dǎo)平臺自覺調(diào)節(jié)算法管理強度。

情形3中,盡管政府激勵水平較高,但弱算法管理下消極應(yīng)對勞動者表現(xiàn)出更強的適應(yīng)性,使博弈向{弱,消極}點演化,此時平臺能否有效管理勞動者套利行為對系統(tǒng)演化方向具有重要影響。該結(jié)論同時也表明,在實際生活中,在線勞動平臺能否繞開強算法控制,使用其他更人性化的管理工具以歸還勞動者自主性,同時能夠激發(fā)其工作積極性,對于“勞動悖論”的化解也具有關(guān)鍵意義。

4 數(shù)值仿真分析

為進一步刻畫各參數(shù)之間的相互關(guān)系以及對演化路徑的影響,本文運用MATLABR 2022a對不同參數(shù)設(shè)置下的系統(tǒng)演化路徑進行數(shù)值仿真。汪旭輝和任曉雪[13]指出參數(shù)設(shè)定應(yīng)以文獻調(diào)研與等式平衡原則為依據(jù)。由此,本文結(jié)合同類型文獻中的參數(shù)設(shè)定方法與實際意義,將部分模型參數(shù)賦值為:α=0.4,cs=3,cl=9,cw=1,w=10,wn=6,r=5,up=1,un=1。

4.1 策略選擇的初始概率對博弈對手演化路徑的影響分析

取L=8,T=30,s=4,p=3,此時博弈存在ESS(1,1)與ESS(0,0)兩個穩(wěn)定點,兩情形下博弈主體策略選擇初始概率對博弈對手演化路徑的影響如圖1所示。可知,博弈初始,若平臺傾向于“強”策略(x0>0.5),勞動者傾向于“積極”策略(y0>0.5),則博弈將收斂至ESS(1,1)。反之,若x0與y0均處于低水平,則博弈將收斂至ESS(0,0)。若雙方隨機選擇策略時(x0=y0=0.5),則博弈將收斂至ESS(0,0)這一低效狀態(tài)。

圖1 策略選擇初始概率對博弈對手演化路徑的影響

4.2 勞動者套利能力L、平臺懲罰力度p對自身演化路徑的影響分析

取T=30,s=8,x0=0.5,y0=0.5,此時s>cl-ss成立。本節(jié)重點分析低、中、高(L∈{4,8,12})三種懲罰力度下勞動者套利能力對自身演化路徑的影響,此時取p=3,以及低、中、高(p∈{3,6,9})三種套利能力下平臺懲罰力度對自身演化路徑的影響,取L=4,結(jié)果如圖2所示。圖2(a)表明,勞動者套利能力L較低時,博弈將收斂至ESS(0,1),而隨著L增加,勞動者將逐漸傾向于“消極”策略,使系統(tǒng)向ESS(0,0)演化。圖2(b)表明,隨著平臺對套利行為的懲罰力度p增加,采取“強”策略的平臺的適應(yīng)性將隨之增強,減緩系統(tǒng)向穩(wěn)定點ESS(0,1)的收斂,但不會改變系統(tǒng)整體的演化方向。

圖2 勞動者套利能力L、平臺懲罰力度p對自身演化路徑的影響

4.3 政府治理矩陣下監(jiān)管力度T與激勵水平s對平臺演化路徑的影響分析

為進一步對比監(jiān)管機制和協(xié)同機制的治理效果,本節(jié)將不同監(jiān)管力度T與激勵水平s進行組合,其中s∈{4,8,12}和T∈{20,30,40}分別對應(yīng)低、中、高的激勵水平和監(jiān)管力度,其余參數(shù)取L=4,p=3,y0=0.5,x0依次取{0.2,0.5,0.8},形成的政府治理矩陣如圖3。

圖3 監(jiān)管力度T與激勵水平s對在線勞動平臺演化路徑的影響

僅采取監(jiān)管機制時,博弈存在唯一穩(wěn)定點ESS(1,1)。由圖3(a),強監(jiān)管下,平臺選擇“強”策略的概率將先降后升。注意到,在同一初始概率下,監(jiān)管力度越小,系統(tǒng)收斂速度越快。僅采取激勵機制時,博弈存在兩個穩(wěn)定均衡點ESS(1,1)和ESS(0,1)。由圖3(b),隨著激勵水平的提升,平臺策略將由“強”轉(zhuǎn)“弱”,收斂速度也隨之增加。

圖3(c)與圖3(d)分別表示低、中監(jiān)管強度與三種激勵水平的治理組合,此時博弈存在ESS(1,1)和ESS(0,1)兩種可能穩(wěn)態(tài)。對比圖3(b)、圖3(c)、圖3(d)可知,同處于低激勵水平(s=4)時,適當(dāng)提高監(jiān)管力度將延緩平臺向“強”策略收斂的速度。“高監(jiān)管+激勵”組合機制下的演化路徑圖與“中監(jiān)管+激勵”的類似,可得到相同結(jié)論。同處于中高激勵水平(s>4)時,提高監(jiān)管力度將加快平臺向“弱”策略的收斂。而同一監(jiān)管強度下,當(dāng)激勵水平提升,博弈將加快向{弱,積極}演化。可見,有效的激勵對于引導(dǎo)系統(tǒng)朝期望的方向演化至關(guān)重要,適當(dāng)組合監(jiān)管與激勵將比采取單一監(jiān)管或激勵措施取得更好的治理效果。

5 結(jié)論

本文通過構(gòu)建監(jiān)管與激勵兩種政府治理情境下的在線勞動平臺與勞動者的演化博弈模型,結(jié)合理論分析與數(shù)值仿真對比分析了不同治理措施的治理效果,得到管理啟示如下:一方面,為解決“勞動悖論”,政府應(yīng)積極結(jié)合監(jiān)管與激勵措施,通過構(gòu)建多維交叉、互補相融的治理矩陣以優(yōu)化治理效果,提高治理效率,規(guī)范平臺用工行為,同時應(yīng)當(dāng)注意調(diào)節(jié)監(jiān)管力度,保障平臺活力。另一方面,在線勞動平臺應(yīng)當(dāng)積極開展管理模式創(chuàng)新與技術(shù)迭代,不斷優(yōu)化管理工具,在提升算法效率的同時真正促進“算法向善”。