數字時代的人機共舞：一家軟體公司的發展史

編者按

兩種不同的聲音始終存在：一些人主張，軟體自動化的興起意味著工人的淘汰；而另一些人則堅持，人和軟體系統之間可能出現新的互補性。工人與技術的關係在組織內部會如何演變？本期推送加州大學伯克利分校的Benjamin Shestakofsky 2017年發表在Work and Occupations上的Working Algorithms: Software Automation and the Future of Work一文。作者基於對一家軟體公司19個月的參與式觀察，發現人與軟體之間有兩種形式的互補性：一種是支持或替代軟體演算法的計算勞動（computational labor）；另一種是旨在幫助用戶適應軟體系統的情感勞動（emotional labor）。管理者無法將軟體演算法趨於完美，把人們驅逐出生產過程，而是將軟體與人力助手持續重組，根據技術動力發展新的組織形式。研究結果表明，在數字化時代，生產和執行軟體演算法的組織動力機制，將更為持久地依賴勞動力。

這是社論前沿第S867次推送

（微信號：shelunqianyan）

歷史視角下的工作與技術

作者首先對工業資本主義時期的技術變革焦慮進行回顧，發現技術創新能夠取代工作、改造工作，甚至創造新的工作崗位；技術也能導致去技術化、技術升級，甚至有時無法覺察其影響。針對各行業生產技術的細緻考察支持了互補理論，即自動化非但無法完全取代人力，還能在人機系統之間製造新的、甚至是無法預料的交互作用。技術進步對工作就業的影響，是一系列社會關係的產物，與互動其中的社會環境，尤其是組織環境，密不可分。

近年來，隨著軟體開發中「大數據」和「機器學習」技術的出現，威脅人機替代與互補平衡關係的警鐘再次敲響，主要有兩種不同的觀點：

a.不連續論者（discontinuity theorists）主張，機器學習和AI的突破性進展，意味著技術創新與就業機會的歷史關聯出現了拐點。機器學習可以教會計算機執行各職業領域的任務，即便是只可意會不可言傳的默會知識（tacit knowledge）和複雜的人類認知也不在話下。某些情況下，電腦甚至可以做出比訓練有素的人更準確、更不帶偏見的判斷、處理語言，甚至可以檢測人類的情緒和面部表情。人類的就業崗位面臨巨大威脅。

b.連續論者（continuity theorists）預測，人機交互的複雜歷史動態將持續存在，以經濟學家David Autor教授的解釋為代表。一方面，軟體演算法並非全能，仍然需要開發人員不斷應對其局限性；另一方面，人工智慧的自主性值得懷疑，人類活動依然十分重要。因此，「智能」機器的興起並不意味著工作的終結，工作任務不僅不會自動化，而且還會和過去一樣，技術變革將提升對勞動力的需求，與新機器形成互補作用。

進入田野

已有的研究方法，包括使用統計模型、歷史比較和演繹邏輯，以及從以往研究、新聞報道、科學家的對話、尖端技術親自實證中匯總的證據來預測就業趨勢。然而，目前的研究忽視了對組織動力（organizational dynamics）的考察，對於現實生活中軟體系統自動化運作的條件，以及依賴人力助手的場景，我們仍然知之甚少。為此，作者於2012年2月至2013年8月，在一家總部位於舊金山地區的軟體公司AllDone，進行了19個月的參與式觀察，以揭示人與軟體之間的互補性在組織內部的演進過程。

AllDone運行著全國性的在線市場交易平台，提供多種類別的服務，從家庭裝修，到活動服務、吉他教師等等。作者強調，作為一家高科技初創企業，面臨著意想不到的挑戰和機遇，企業家奉行的是「投機性適應」（opportunistic adaptation）戰略，即公司管理者經常轉變組織戰略方向，而這對於人機互補的結構至關重要。

AllDone發展三階段

在研究的過程中，作者根據公司的發展歷程，追蹤了三種不同的人機互補結構。

Phase 1 公司擴張：機器滯後到計算勞動

第一階段，AllDone的管理者通過增加產品需求實現公司擴張，充分利用第一輪風投資金。軟體工程師優先進行系統構建和擴展，以吸引網站新用戶，並便利其活動。開發人員面臨的是機器滯後（machine lag），或者說，在開發人員的想像力、技術局限的現實，以及公司稀缺資源之間存在差距。應對機器滯後，利用了菲律賓工人的計算勞動（computational labor）。

計算勞動以三種方式彌補了軟體系統。在某些情況下，工人的默會知識使他們在執行非常規任務（nonroutine tasks）時比計算機代碼更具優勢。在其他情況下，公司依賴反向替代（reverse substitution），由於這些軟體演算法的生產成本過高或耗時過長，反而讓工人模仿軟體演算法。此外，一些ADP工作人員還會採取應變方法（workarounds），執行常規任務來破壞系統設計，以測試軟體自動化。

Phase 2 公司創收：人為滯後到情感勞動

第二個階段，創收成為首要考慮。AllDone為確保長遠發展，籌集第二輪風投資金。當用戶不願接受AllDone軟體系統的性能時，產生了人為滯後（human lag）。電話支持團隊的情感勞動（emotional labor），通過建立、修復和維持用戶對AllDone的信任，解決了人為滯後問題。他們分布於拉斯維加斯地區，處理用戶關係，並幫助他們適應AllDone不斷變化的產品和策略。情感勞動調動了人類的直覺、創造力、解決問題的能力，以及人際交往中的說服力，以解決信任問題。這一領域幾乎不可能實現自動化，但對於AllDone軟體和業務的運作也是不可或缺的。

Phase 3 擴張和創收的雙重目標：持久滯後

在發展的第三階段，AllDone獲得了第二輪風投資金，樹立了先前擴張和創收的雙重目標。一方面要增加客戶群，另一方面要從活動中榨取更多資金利潤，這雙重目標系統性地再生產了機器滯後和人為滯後的緊張局面。為應對這種持久滯後（permanent lag），AllDone持續擴大互補型工人隊伍，將這一團隊制度化，以支持技術系統，使技術跟上開發人員的願景，並幫助用戶適應系統變更。

討論與總結

通過仔細考察組織內部軟體演算法的生產和執行，本研究對軟體自動化與工作就業的關係做出了實證及理論貢獻。在實證方面，支持了連續論者預測的持續的人機互補性。經驗證明，人力工作可以通過計算勞動和情感勞動對軟體系統進行補充。在理論方面，識別出一套組織內部動力機制，即這套機制能夠系統性地再生產機器滯後和人為滯後，從而引起工人與機器的結構變化。

作者最後呼籲，社會學家和組織學者應當更多關注軟體自動化對工作與就業的影響。不盲目接受各種論點，而應當持續關注技術創新，關注人與技術之間更密切的聯繫，並將以下問題牢記於心：「人在哪裡？他們是哪些人？他們在做什麼？他們什麼時候這樣做？」

文獻來源：

Benjamin Shestakofsky (2017) "Working Algorithms: Software Automation and the Future of Work"Work and Occupations, Vol. 44, No. 4, pp. 376-423. DOI: 10.1177/0730888417726119

文獻整理：錢俊月

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！