算法，运行中：软件自动化与工作的未来 | Work and Occupations

本文作者：Benjamin Shestakofsky

引言

软件自动化如何改变人类的工作和就业？随着人工智能（AI）、大数据和机器学习的迅猛发展，许多社会科学家和信息技术专家预测，在经济的各个领域，智能机器将越来越多地取代生产中的人力，导致大规模失业。然而，也有人反对技术失业论，认为尽管软件技术将取代部分工人，但也会催生人类劳动和数字系统之间的新互补关系。尽管最近对此话题的兴趣激增，但我们对软件系统在现实世界中何时自主运作、何时依赖于人类工人的补充了解仍然有限。

本研究通过考察一个特定组织环境中软件和工人如何共同演变，为关于工作未来的讨论提供了新的视角。我基于在旧金山一家名为AllDone的科技初创公司的19个月参与观察研究，该公司旨在通过技术手段更高效地连接服务的买家和卖家，服务范围从家庭清洁到婚礼摄影，再到辅导等。我展示了软件与发明和使用软件的人之间关系的不均衡发展。AllDone发展的每个阶段都揭示了由于公司战略变化导致的人类和机器之间的不匹配。为了解决这些问题，AllDone依赖于分布在菲律宾和拉斯维加斯地区的在线劳动力提供的两种补充劳动形式。结果表明，生产和实施软件算法的组织的灵活性将有助于劳动力在数字时代保持其重要性。

工作与技术的历史视角

在工业资本主义的历史上，围绕技术变革的焦虑一浪高过一浪，学者和批评家们一再追问生产技术的发展是否会逐步减少对劳动力的总需求（Brick, 2000; Keynes, 1963; Simon, 1965; Winner, 1977）。尽管我们取得了巨大的科学成就，但这种预测尚未成为现实。虽然在某些情况下，新技术替代了工人，但它们也不断在人与机器之间创造出新的互补性（Autor, 2015a）。

经济学家和经济史学家通常会提到技术创新产生工作岗位的三个历史过程。首先，当技术取代某些人类活动时，也会增加对其他类型工作的需求。例如，在工业革命期间，机械师倾向于使用新机器，而出现了主管、会计和行政人员来管理大型企业。一个行业的替代性也可能被其他行业新的互补性所抵消：20 世纪初，自动化导致美国农业部门大量失业，但最终被制造业和服务业的增长所抵消（Autor, 2015a）。其次，产品创新可以创造新的消费需求来源，催生新的职业甚至经济部门（Mokyr et al., 2015）。例如，人们受雇使用互联网和移动技术来构建和维护硬件、软件和电信网络，而这些技术直到 20 世纪末才开始广泛传播。第三，降低劳动力成本的自动化可以带来更便宜的商品，从而增加消费者的需求，进而促进对劳动力的需求。19 世纪，当动力织布机将织布一码所需劳动力的约 98% 自动化时，消费者需求急剧增加，织布工作的数量实际上增加了，工人剩余的工作变得越来越有价值（Bessen, 2015b）。

技术创新可以取代工作、改变工作或创造新的工作；技术也可以导致技能的降低或提高，有时甚至不会对工作产生明显的影响。那么，是什么决定了任何特定的技术进步将如何影响工作和就业呢？科技研究者反对技术决定论，认为创新的结果是由科学进步或效率的理性考虑预先决定的，他们已经证明，工作与技术之间的关系是一系列社会关系的产物（MacKenzie & Wajcman, 1999）。

这次是否有所不同？

20世纪末，一些社会科学家和评论家再次警告说，替代与互补之间的历史平衡很快就会打破。这一次，是信息和通信技术的进步预示着一场普遍失业的危机即将到来。近年来，随着软件开发中“大数据”和“机器学习”技术的出现，这些警告变得更加紧迫，因为它们可以帮助程序员克服自动化任务长期面临的障碍。

当代支持历史不连续性的理论家认为，机器学习和人工智能的突破标志着技术创新与创造就业之间的历史联系出现了拐点。机器学习可以教会计算机执行各种职业领域的任务，而这些任务以前需要隐性知识（tacit knowledge）和复杂的人类认知。另一方面，支持历史连续性的理论家预测，人机互动的复杂历史动态将继续保持下去。尽管在大众的想象中，软件算法往往具有近乎全能的神话般的特质，但在现实中，开发人员仍在努力克服其局限性。支持历史连续性的理论家仍然怀疑，在许多情况下，计算机能否充分替代隐性知识。虽然平均而言，机器学习可能能够在各种应用中提供准确的输出，但机器学习算法经常会以难以预测的方式失败。

然而，我们仍然很难预测新的人机关系（human-machine configuation）的形态。只有通过研究软件算法开发和实施的组织，研究者才能发现发展中的人机互补性的本质、影响其形式的背景因素以及这些关系如何随时间而变化。

本研究基于2012年2月至2013年8月我在AllDone进行的19个月参与观察研究所收集的数据。该组织由三个工作团队组成。在我与公司合作的大部分时间里，位于旧金山的办公室（被称为AllDone San Francisco，或ADSF）大约有20名全职员工，分别在工程、设计、市场营销、商业和运营部门工作。一个分布在菲律宾的200人的远程工作团队（AllDone Philippines，或ADP）通常负责处理日常的数据加工任务。另一个分布在拉斯维加斯地区的10人远程工作团队（AllDone Las Vegas，或ADLV）通过电话与AllDone用户进行互动。

AllDone在2010年初推出了其全国性的在线市场。该公司是众多旨在建立“本地服务的亚马逊”的网站之一，最终目标是使在线寻找和雇佣本地服务提供者变得像购买产品一样容易。超过600个服务类别被涵盖，从家居改善（例如，水管工和电工）到活动服务（例如，DJ和餐饮服务），再到吉他教师、锁匠等众多其他服务。AllDone的高管经常调整公司的战略方向，因为他们寻求说服一轮又一轮的风险资本家提供公司所需的资源，以加速其增长。

在我的田野调查期间，AllDone经历了快速增长。离开实地调查并回顾我的田野笔记后，我确定了三个分析阶段，每个阶段大致对应我研究和公司发展的6个月周期。每个分析阶段的构建基于我观察到的主要“断点”：即外部事件和组织战略的转变提供了新的“构造工作与技术关系的机会”的时刻。在随后的经验部分，我追踪了AllDone三种不同的软件和劳动力配置。

高管们计划利用AllDone获得的第一轮风险投资，优先扩大公司员工和用户群。扩充四名工程技术人员将大大加快AllDone的创新步伐，增强公司制定计划、进行实验、评估结果和对产品进行修改的能力。

由于软件开发人员的需求和想象力经常超过技术能力和可用的工程资源，推动快速增长的过程造成了机器滞后（machine lag）。为了解决机器滞后问题，AllDone在菲律宾扩建了数字装配线，让工人们从事计算劳动（computational labor），以补充软件系统的不足。我使用的“计算”一词是指 “通过算法或程序实现的信息转换”，它 “定义了信息变化的规则”。

计算劳动在三个方面对软件系统起到了补充作用。在某些情况下，工人的隐性技能使他们在执行非程序性任务（nonroutine tasks）时比计算机代码更具优势。在其他情况下，公司依靠反向替代（reverse substitution），利用工人模仿软件算法，否则生产成本过高或耗时过长。此外，一些 ADP 员工还提供了变通方法（workarounds），通过执行例行任务来破坏旨在检测软件自动化的系统。

非例行任务

在某些情况下，AllDone 会用人工来补充软件系统，因为人工所拥有的能力是以隐性知识为基础的，不容易被程序化。例如，ADSF 让菲律宾工人承担了一个仅靠软件无法完成的营销项目。AllDone 将争取买家的工作重点放在了“搜索引擎优化”（SEO）上。搜索引擎优化是指将网站页面提升到搜索引擎结果顶部的一系列技术。网站提高其在搜索引擎结果中排名的方法之一是从其他网站获得链接，尤其是从搜索引擎公司认为广受网络用户尊重的网站获得链接。2012 年初，ADSF对AllDone销售商进行了一项关于他们所处当地商业环境的调查。然后，该公司将调查结果打包发布在网站上，并试图让其他网站链接到这些新网页。AllDone向一家公关公司支付了3万美元，以协助其向新闻机构进行宣传。

与此同时，ADSF 的两位经理策划了一项“数据挖掘”（data mining）实验，以了解技术与员工的结合是否能胜过专业公关公司。旧金山的经理们要求菲律宾的团队负责人Christina招募二十几名工人加入临时调查小组。ADSF的经理们制定了详细的文件，指导新团队成员如何系统地在网上搜索可能会发表有关当地商业问题报道的美国人和平台的姓名、电子邮件地址、推特账号以及所属组织。要教会软件从如此众多的来源中准确地收集非结构化数据是极其困难的，因为每个来源的格式都是独一无二的。然而，AllDone的员工对如何识别所需信息有着隐形理解，可以相对轻松地完成这些操作。

调查项目向我介绍了 ADSF 成员所谓的“建立流程”（establishing process），即把知识工作变成例行任务，然后外包给分布在菲律宾各地的大量灵活工人。如果说ADSF的软件工程师用专门的编程语言编写代码，以指导为公司技术基础设施提供动力的中央处理器和服务器，那么我则成为了一名流程工程师（process engineer），用通俗易懂的英语编写代码，以指导那些构成 AllDone 管理者常说的“人机”的员工。

将“磨工项目”（grinder projects）外包给ADP对ADSF有两个好处。首先，“外包”将成本较高的工人从日常工作中解放出来，使他们有更多的时间从事更“有价值”的工作。其次，ADP 改变了 ADSF 员工对技术前景的看法，通过创新性的计划（如调查项目）扩大了公司的行动范围，而这些计划只有通过人力工人的集合才能快速、廉价、有效地完成。

反向替代

概念化、开发、测试和完善复杂的软件算法是一个成本高昂且耗时的过程。即使软件在技术上可以被制作来处理一个任务，AllDone的软件工程师小团队经常认为编码和实施所需的资源将过于庞大，或者可以更好地分配到其他地方。在这些情况下，开发人员依赖于反向替代，从计算机中剥离例行计算工作，将其转移到工人身上。

由于AllDone的SEO策略带来了越来越多的买家请求，公司必须将更多的买家与卖家联系起来。事实上，AllDone作为经纪人的核心功能是将潜在买家与本地服务的卖家联系起来。然而，AllDone的开发人员选择不开发软件算法来完善这一过程。与其将稀缺的工程资源投入到匹配中，AllDone在菲律宾保持了一支劳动力，手动构建每一次介绍。工人会选择他们认为合适的所有卖家，然后卖家将通过电子邮件或短信自动收到传入请求的通知。AllDone的用户永远不会知道，每个介绍都是由人类工人而不是计算机算法手工制作的。为了跟上2012年上半年请求量的快速增长，匹配团队的经理雇佣了38名新成员，将团队的规模从30人增加到了68人。

变通方法

用户并不总是被动地接受技术创新；相反，他们经常对技术发展出解释和适应性反应——也称为“变通方法”——这可能会破坏设计者的意图。在这些情况下，例行的人类劳动比计算机代码具有比较优势，因为工人使用隐性知识执行任务，使他们能够规避旨在检测和防止遵循精确规则的软件自动化的系统。

ADP的写作团队帮助AllDone规避了搜索引擎公司实施的系统。这些系统正是要防止网络开发人员“操纵”他们的搜索算法。除了从其他网站积累传入链接外，另一种SEO技术是创建富含潜在用户可能搜索的“关键词”的网页（例如，“最好的锁匠”，“实惠的家教”）。理想情况下，AllDone的软件工程师会开发软件算法，以在他们的网页上添加大量的高关键词含量的文本。然而，公司认为这一策略过于危险，因为搜索引擎公司部署了他们自己的算法来检测自动生成的SEO文本，并会惩罚那些试图通过发布人工内容来“操纵”他们系统的网站的行为。鉴于自动化SEO内容生成的风险，AllDone转而在菲律宾建立了一个写作团队，以帮助公司吸引买家。一位软件工程师设置了一个管理门户，向写作者展示AllDone卖家的描述和他们提供的服务最受欢迎的关键词。每个月，ADP团队成员大约撰写50,000个高关键词含量的服务描述，然后ADSF工程师会将这些描述添加到数千个自动生成的页面上。

第二阶段：从人力滞后到情感劳动

在第二阶段，AllDone的管理团队将重点从增加用户活跃度转移到了增加收入上。这种努力让高管注意到了人力滞后（human lag），即用户不愿意接受甚至反对AllDone的软件系统的情况，并且有时还加重了这种情况。对AllDone的服务感到困惑或不满的用户不太可能成为或继续成为付费客户；更糟的是，有些用户可能会损害AllDone的声誉。AllDone在拉斯维加斯地区的电话支持团队通过情感劳动帮助用户适应软件，对技术系统进行了补充。

ADLV的情感劳动（emotional labor）旨在建立、修复和维护用户对 AllDone 服务的信任。ADLV 的情感劳动调动了人的直觉、创造力、解决问题的技能以及人际交往中的说服力以解决信任问题。这些功能几乎不可能实现自动化，但却是 AllDone 软件和业务运营不可或缺的一部分。

建立信任

卖家往往难以理解如何利用AllDone这个线上市场。由于AllDone优先考虑的是尽快建立一个覆盖全国的用户网络，因此其网页的设计旨在引导卖家直接进入注册流程，尽量减少有关服务如何运作的复杂信息。一旦加入AllDone并开始使用市场，一些参与者就很难理解产品的核心功能，包括报价系统、支付结构和用户界面。ADSF在用户界面和市场规则方面频繁的实验则可能会加剧误解和不信任。由于新功能初步测试的过程中可能不够完善，工程师们往往不会向受影响的用户解释这些实验性的变化。对于AllDone而言，就像它的管理层所言，与其将有限的工程资源投入到最终可能被放弃的实验性产品功能的完善上，还不如“直接投入大量人力”来帮助用户保持参与度。

修复信任

当卖家对AllDone提供的介绍结果不满意时，他们对公司的信任就会动摇。当市场结果与卖家的预期不符时，AllDone利用ADLV来重建卖家的信任。支持代理通过倾听、咨询、安抚和关心个别卖家，努力将诋毁者变为拥护者。

维护信任

AllDone对收入的追求也会导致用户认为不公平的服务变化，从而加剧人性的缺陷。一个例子是，AllDone 的高级经理们开发了一种新的代币支付模式，通过这种模式，收入将随着请求量的增加而线性增长。ADSF首先尝试通过自动电子邮件向一小群卖家解释这一变化，结果收到了压倒性的负面回应。工程总监Adam很快给我和产品经理Josh发了一封电子邮件，提出了后续测试的想法：“我们通过单独为高价值用户打电话进行向代币的过渡，如何？”Josh很喜欢这个想法。这种方法不仅可以帮助AllDone保持与最重要客户的关系，而且一对一的电话还可以让公司更好地了解用户的问题和顾虑。

第三阶段：永久滞后

AllDone完成向新商业模式的转型后，公司高管开始与风险投资公司会面，并很快接受了一家业内领先的风险投资公司超过1200万美元的投资。有了可观的资金，AllDone的领导者试图将公司之前的两大战略结合起来。扩张和创收这两个目标之间存在着矛盾：一方面，AllDone试图吸引更多的用户访问网站，并将他们转化为活跃的付费用户；另一方面，公司从活动中创收的做法可能会引发用户的不满和退出。开发人员的野心不断超越技术，而用户则不断对AllDone的软件系统感到不满，这些矛盾导致了机器滞后和人类滞后的再现。为了解决这些问题，AllDone扩大了互补性工作团队，并将其制度化，这表明管理层认识到，机器滞后和人力滞后并不是软件开发的暂时特征，一旦公司成熟可以摆脱它们，相反，它们代表了企业动态固有的永久滞后（permanent lag）。

AllDone新获得的大部分资金都注入了工程团队，极大地增强了公司开发软件的能力。组织成员开始意识到，这些发展可能会切断技术系统与人类员工之间的共生关系。ADSF的工程师们在实现劳动密集型流程自动化方面取得了重大进展，包括审核买方请求和人工匹配买卖双方都实现了自动化，而目前 ADP的200名员工中有近一半从事这些工作。虽然ADP的大部分反向替代工作本身被自动化所逆转，但ADP预期的裁员却从未实现。事实上，在随后的两年里，随着ADSF软件工程师的队伍从8人增加到50人，ADP 的员工也从200人增加到了800人。同时，由于认识到情感劳动对公司持续成功的重要性，公司高管将公司的电话支持职能转移到了盐湖城地区的一个办事处（称为AllDone Salt Lake，或ADSL），那里的200名员工取代了ADLV的10人团队。

下面，我将详细介绍AllDone使用人工来弥补机器滞后和人工滞后的系统再现的两个实例。

机器滞后与计算劳动

虽然软件工程师创新速度的提高导致了部分计算劳动的自动化，但同时也创造了对计算劳动的新需求，以平衡平台卖家与公司的利益。

一个例子是，ADSF的产品团队试图建立新的软件系统，以缓解用户增长与创收之间的矛盾。ADSF 工程师测试了一项“问答”功能，允许部分卖家在提交报价前向买家询问更多信息。然而，一些卖家发现，他们可以利用问答功能颠覆AllDone的支付模式：卖家可能不会简单地提出一个问题，而是附上自己的联系信息或报价，而无需在平台付费报价；还有一些卖家要求买家回复自己的联系信息。

为了打击卖家滥用系统的行为，ADSF的产品团队公布了一套指导原则，明确规定了哪些问题是允许的，哪些是禁止的，但问题依然存在。当工程师通过软件算法过滤问答信息中的电话号码和电子邮件地址时，卖家们开发出了“变通方法”，比如用字母拼写数字电话号码（“seven seven zero ... ”）和电子邮件或网址（“Jim [at] AceConstruction [dot] com”）。当一些卖家滥用该系统时，其他遵守规则的卖家会用愤怒的语气向AllDone和自己的买方谴责违规者。

鉴于卖家对问答功能的反应不佳，产品团队开始依赖于辅助人员防止卖家规避AllDone 的支付模式。一位开发人员创建了一个门户网站，ADP的成员可以通过该网站在每条信息发布前对其进行筛选。工作人员要研究程序规则，并据此审查每条信息，编辑或删除违反 AllDone准则的信息。他们还会编辑语法和拼写错误的问题，以改善买家对AllDone卖家的印象。信息被编辑或删除的用户会收到一封自动发送的电子邮件，告知其行为已经违规。

人力滞后和情感劳动

随着工程团队的壮大，ADSF的实验和生产速度也在加快。当开发人员努力优化AllDone的产品时，他们发现用户可能很难适应新版的、有时甚至不太透明的系统。在不断创新和定期提价的情况下，情感劳动对于维持卖家的信任仍然至关重要。

机器滞后和人力滞后从未得到永久性的“解决”，正因为公司不断重新调整其系统，以平衡自身利益和用户利益。解决这些问题的互补性劳动的扩展表明，人与机器之间关系的不平衡发展并不仅仅是公司不成熟的产物，而是企业动态中固有的永久性滞后。

一些人认为软件自动化的兴起会导致工人的淘汰，而另一些人则断言人类与软件系统之间可能会出现新的互补性。这项对处于数字经济前沿的软件公司的研究提供了一个纵向的叙述，描述了在特定组织背景下计算机代码和人类劳动是如何共同演变的。从理论上讲，我识别出了一个机制，它产生了机器滞后和人类滞后的系统性再生产，导致了工人和机器配置的不断变化：它就是组织的内部动态。

在反驳不连续性理论时，连续性理论未能把握这些连续性在组织中的动态：连续性中的不连续性。当代对软件自动化与工作关系的探讨主要调查了宏观层面的现象，如劳动力市场、工作类别和一般工作任务。这项研究揭示了在公司层面上，补充劳动是如何不断地被纳入软件系统和从中移除的过程。

通过将资本积累的阶段与新企业的组织形式联系起来，这项研究还表明，组织变化的速率将是人与软件配置结果的一个重要决定因素。依赖“投机适应”（opportunistic adaptation）以在不稳定市场中确保稀缺资源的初创公司更有可能尝试使用低成本且丰富的工人来补充软件基础设施，而更稳定市场中运营的成熟公司则不会如此，后者战略“断点”来临的频率更低（Barley, 1986）。在更大的公司中，人与软件的配置可能比像AllDone这样的初创公司变化得更慢。这种稳定性可能对应于更高的自动化和替代率。简而言之，技术创新的结果不太可能是单一的，而将取决于软件开发应用的背景以及该背景变化的速率。

当学者们在研究工作和就业的未来时，如果只关注技术如何替代工人，他们可能会错过人与科技之间越来越紧密的相互联系。这种相互作用的形式——以及我们让人们看到这种互动的能力——可能是21世纪工作和就业方面的学者面临的决定性问题之一。

©Sociology理论志