数字时代的人机共舞：一家软件公司的发展史

编者按

两种不同的声音始终存在：一些人主张，软件自动化的兴起意味着工人的淘汰；而另一些人则坚持，人和软件系统之间可能出现新的互补性。工人与技术的关系在组织内部会如何演变？本期推送加州大学伯克利分校的Benjamin Shestakofsky 2017年发表在Work and Occupations上的Working Algorithms: Software Automation and the Future of Work一文。作者基于对一家软件公司19个月的参与式观察，发现人与软件之间有两种形式的互补性：一种是支持或替代软件算法的计算劳动（computational labor）；另一种是旨在帮助用户适应软件系统的情感劳动（emotional labor）。管理者无法将软件算法趋于完美，把人们驱逐出生产过程，而是将软件与人力助手持续重组，根据技术动力发展新的组织形式。研究结果表明，在数字化时代，生产和执行软件算法的组织动力机制，将更为持久地依赖劳动力。

这是社论前沿第S867次推送

（微信号：shelunqianyan）

历史视角下的工作与技术

作者首先对工业资本主义时期的技术变革焦虑进行回顾，发现技术创新能够取代工作、改造工作，甚至创造新的工作岗位；技术也能导致去技术化、技术升级，甚至有时无法觉察其影响。针对各行业生产技术的细致考察支持了互补理论，即自动化非但无法完全取代人力，还能在人机系统之间制造新的、甚至是无法预料的交互作用。技术进步对工作就业的影响，是一系列社会关系的产物，与互动其中的社会环境，尤其是组织环境，密不可分。

近年来，随着软件开发中“大数据”和“机器学习”技术的出现，威胁人机替代与互补平衡关系的警钟再次敲响，主要有两种不同的观点：

a.不连续论者（discontinuity theorists）主张，机器学习和AI的突破性进展，意味着技术创新与就业机会的历史关联出现了拐点。机器学习可以教会计算机执行各职业领域的任务，即便是只可意会不可言传的默会知识（tacit knowledge）和复杂的人类认知也不在话下。某些情况下，电脑甚至可以做出比训练有素的人更准确、更不带偏见的判断、处理语言，甚至可以检测人类的情绪和面部表情。人类的就业岗位面临巨大威胁。

b.连续论者（continuity theorists）预测，人机交互的复杂历史动态将持续存在，以经济学家David Autor教授的解释为代表。一方面，软件算法并非全能，仍然需要开发人员不断应对其局限性；另一方面，人工智能的自主性值得怀疑，人类活动依然十分重要。因此，“智能”机器的兴起并不意味着工作的终结，工作任务不仅不会自动化，而且还会和过去一样，技术变革将提升对劳动力的需求，与新机器形成互补作用。

进入田野

已有的研究方法，包括使用统计模型、历史比较和演绎逻辑，以及从以往研究、新闻报道、科学家的对话、尖端技术亲自实证中汇总的证据来预测就业趋势。然而，目前的研究忽视了对组织动力（organizational dynamics）的考察，对于现实生活中软件系统自动化运作的条件，以及依赖人力助手的场景，我们仍然知之甚少。为此，作者于2012年2月至2013年8月，在一家总部位于旧金山地区的软件公司AllDone，进行了19个月的参与式观察，以揭示人与软件之间的互补性在组织内部的演进过程。

AllDone运行着全国性的在线市场交易平台，提供多种类别的服务，从家庭装修，到活动服务、吉他教师等等。作者强调，作为一家高科技初创企业，面临着意想不到的挑战和机遇，企业家奉行的是“投机性适应”（opportunistic adaptation）战略，即公司管理者经常转变组织战略方向，而这对于人机互补的结构至关重要。

AllDone发展三阶段

在研究的过程中，作者根据公司的发展历程，追踪了三种不同的人机互补结构。

Phase 1 公司扩张：机器滞后到计算劳动

第一阶段，AllDone的管理者通过增加产品需求实现公司扩张，充分利用第一轮风投资金。软件工程师优先进行系统构建和扩展，以吸引网站新用户，并便利其活动。开发人员面临的是机器滞后（machine lag），或者说，在开发人员的想象力、技术局限的现实，以及公司稀缺资源之间存在差距。应对机器滞后，利用了菲律宾工人的计算劳动（computational labor）。

计算劳动以三种方式弥补了软件系统。在某些情况下，工人的默会知识使他们在执行非常规任务（nonroutine tasks）时比计算机代码更具优势。在其他情况下，公司依赖反向替代（reverse substitution），由于这些软件算法的生产成本过高或耗时过长，反而让工人模仿软件算法。此外，一些ADP工作人员还会采取应变方法（workarounds），执行常规任务来破坏系统设计，以测试软件自动化。

Phase 2 公司创收：人为滞后到情感劳动

第二个阶段，创收成为首要考虑。AllDone为确保长远发展，筹集第二轮风投资金。当用户不愿接受AllDone软件系统的性能时，产生了人为滞后（human lag）。电话支持团队的情感劳动（emotional labor），通过建立、修复和维持用户对AllDone的信任，解决了人为滞后问题。他们分布于拉斯维加斯地区，处理用户关系，并帮助他们适应AllDone不断变化的产品和策略。情感劳动调动了人类的直觉、创造力、解决问题的能力，以及人际交往中的说服力，以解决信任问题。这一领域几乎不可能实现自动化，但对于AllDone软件和业务的运作也是不可或缺的。

Phase 3 扩张和创收的双重目标：持久滞后

在发展的第三阶段，AllDone获得了第二轮风投资金，树立了先前扩张和创收的双重目标。一方面要增加客户群，另一方面要从活动中榨取更多资金利润，这双重目标系统性地再生产了机器滞后和人为滞后的紧张局面。为应对这种持久滞后（permanent lag），AllDone持续扩大互补型工人队伍，将这一团队制度化，以支持技术系统，使技术跟上开发人员的愿景，并帮助用户适应系统变更。

讨论与总结

通过仔细考察组织内部软件算法的生产和执行，本研究对软件自动化与工作就业的关系做出了实证及理论贡献。在实证方面，支持了连续论者预测的持续的人机互补性。经验证明，人力工作可以通过计算劳动和情感劳动对软件系统进行补充。在理论方面，识别出一套组织内部动力机制，即这套机制能够系统性地再生产机器滞后和人为滞后，从而引起工人与机器的结构变化。

作者最后呼吁，社会学家和组织学者应当更多关注软件自动化对工作与就业的影响。不盲目接受各种论点，而应当持续关注技术创新，关注人与技术之间更密切的联系，并将以下问题牢记于心：“人在哪里？他们是哪些人？他们在做什么？他们什么时候这样做？”

文献来源：

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

文献整理：钱俊月