本文来自微信公众号：腾讯研究院 （ID：cyberlawrc），作者：玛丽·L.格雷（哈佛大学伯克曼·克莱因互联网与社会中心研究员）、西达尔特·苏里（微软纽约研究中心创始成员），译者：左安浦，原文标题：《幽灵工作：美国数字零工经济的理想与现实》，题图来自：视觉中国
雇佣工作的逐步分解可能是工作性质的一种深刻而根本的转变。在美国，传统的全职工作已经不再普遍。过去，员工可能几十年日复一日地待在同一间办公室里，成就一番事业，并期望得到稳定的薪酬、健康护理、病假和退休福利。现在，从童工保护法到工作场所安全指南，全球几个世纪以来的改革成就正在瓦解。
事实上，根据美国劳工统计局（Bureau of Labor Statistics）的数据，目前只有52%的雇主提供工作场所福利。大萧条之后，美国人开始意识到，除了提供食品、保健或在实体店销售商品，最好的选择是在按需零工经济中找工作，这样的机会越来越多。由于劳动法中没有任何职业分类保护这种工作，而MTurk和Crowd Flower等平台的服务条款几乎与我们在更新软件时都会点击的对话框没有什么不同，这就相当于抹去了传统员工享受的保护。
虽然皮尤研究中心的最乐观估计是，目前从事幽灵工作的人数约为2000万，但没有确切的统计数字表明，有多少人为了生计草率地做了一些基于合同的幽灵工作。
美国劳工统计局增加了一项补充调查，内容是“临时就业与替代就业安排”，从美国人口普查局（Census Bureau）2017年5月的当前人口调查（CPS）中选择了6万个符合条件的家庭，这样的月度调查使劳工统计局了解了这个国家的就业和失业数据。十多年以来，这是第一次试图估计临时工作的增长。据劳工统计局估计，10.1%的美国工人没有长期雇佣合同，无论是正式的还是非正式的。
但这项调查只统计了那些把替代就业作为主业或独立工作的人。所以，如果一个人一边做着幽灵工作，一边朝九晚五接受另一位雇主的固定工资或时薪，那就很难被统计到。而在我们遇到的最活跃的工人中，这是一种非常普遍的趋势。
建设中的幽灵工作
从图片标记、添加视频字幕到软件调试、外卖送餐，现在我们很容易观察和想象所有类型的幽灵工作。想象这样的场景：
在你的健身房里，有人正全身心地投入跑步计划。他的左膝最近在足球比赛中受伤。他从你旁边的跑步机上走了下来。他似乎有了什么感觉。也许你也是。你看到他膝盖周围的红肿。当他把重心往右移时，左腿承受的压力越来越大。他在腕带上轻拍了三下，立刻，他的健康教练说：“嘿!你好吗？我刚刚为你做了一个小时的活动扫描，看起来你的身体有些不适。又是膝盖吗？”
你听到他不好意思地回答：“我知道今天早晨你建议我这周改变一下有氧运动计划。你是对的。”几秒钟后，健康教练说：“我去找那位之前给你治过膝盖的理疗师。”不到一秒钟，“好了，找到人了。他们有空，15分钟内到健身房找你。我去和他们联系，把你现在的情况告诉他们。等我一分钟。”“谢谢。”他靠在一辆健身车上说。“我们需要把左腿抬起来”，健身教练补充道，“我看得出来，你的膝盖还在负重。”
以上就是云健康管理平台Twine Health设想的商业未来。Twine Health是一家被活动追踪设备生产商Fitbit收购的初创企业。
Twine Health是供应链中差不多可见的一端，它通过短信和语音电话给患者提供护理和健康指导。Twine的主要客户就是那些在健身房再度损伤膝盖的患者。而Twine更大的市场是那些试图通过工作场所健康计划来降低医疗成本的企业。
通过加入Twine的API环路，一个经过认证的健康教练可以比传统办公室环境中的医生照顾更多的患者。一家名为WellnessCoaches的第三方公司，满足了Twine对临床医生的需求。如今，像Fitbit和Twine这样的公司在提供患者支持时，没有任何规则来管理他们的按需教练供应链。
Twine Health操控界面
类似地，结合摄像头、传感器、网络连接和来自医疗服务提供商的实时支持，我们很容易想象按需手术。一个由现场护士和远程按需外科医生组成的团队，将能够通过机器人和监控完成从阑尾炎切除到白内障手术的所有操作。团队将协作缝合病人的切口，并相互检查缝合工作。当传感器检测到病人的血压下降，或者失血过多表明有并发症时，还可以把专家带到手术台前提供咨询。
按需工人还可以在建筑和重型机械维修等工业领域发挥作用，从建造风力涡轮机到修理石油钻塔，都可介入。Daqri这样的公司已经开发出增强现实的设备，可以连接现场工人和远程按需工人。
例如，该公司的智能眼镜包括一个电脑芯片、若干摄像头和传感器，可以投射出3D地图或维修手册，还可以扫描管道中危险的热堆积和压力升高的迹象。它可以利用按需管道工的专业技能，帮助现场工人修补复杂的液压系统。随着自动驾驶汽车的发展，Daqri的智能眼镜可能会成为工业机器人头顶的标配，而按需工人可借此控制机械臂，完成一项危险的维修任务。
如果英国石油公司（BP）可以派出按需团队，全天候轮流监控所有工业系统，并在传感器检测到配件开始磨损或需要更换的地方进行维修，那么，2010年的环境灾难“深水地平线”（Deepwater Horizon）是不是可以避免呢？如果不把按需工人当成临时工或者可消耗的幽灵劳动力，而是当成工人的集体智慧，让一些定期派工人循环轮班，让其他永久在线派工人随时待命，对他们一视同仁，那么公司是否就可以避免下一次石油泄漏呢？
世界银行预测，到2020年，通过我们所研究的平台，专业按需数字劳动市场规模将增长到每年250亿美元。无论我们是否准备好优先考虑和支持那些按需工人，他们的工作都代表着不可避免的近期和（可能的）长期就业未来。随着所有服务业就业的转变，企业、工人和社会不太可能面临被一群机器人接管的局面，但我们将不得不决定，我们希望幽灵工作成为什么样子。
从整体上看，当前的零工经济——由独立合同工和小型企业组成、由满足市场需求的短期项目驱动的生态系统——正悄然转向幽灵工作平台。越来越多的人选择了按需的在线零工，即接受项目驱动的任务，而企业则通过网站或移动应用来对工作进行分配、安排、指派和付费。
很难衡量有多少人从事这项工作，以及这项工作的增长速度有多快。美国并不经常对劳工部所说的以“替代工作安排”谋生的工人进行人口普查。最近的一次人口普查是在2017年公布的，与上一次相隔12年。而且，为了保持历史连续性，调查问题没有涉及互联网。没有人问过工人，数字技术会在多大程度上控制他们的劳动。
由于按需工人在调查中会以不同的名头出现，如“替代工作安排”“临时雇员”和“个体经营者”，因此没有简单的方法来统计全国的按需劳动力。最佳估计是2016年皮尤研究中心的调查，该调查发现，美国8%处于工作年龄的成年人通过线下或线上的任务赚钱，约合2000万人。这意味着每100名处于工作年龄的美国人中，就有大约12人已经在从事某种形式的按需幽灵工作。除非有目标更加明确的测量，否则很难观探按需幽灵工作的全貌。
然而，从统计学上说，我们只需要看看当前所谓零工经济中发生的微妙变化就够了。这种由独立合同工和小型企业组成、由短期项目驱动的生态系统，很难或无法承担全职雇员的成本，其已经悄然转向了按需工作平台。
按需平台的兴起，表明使用API来组织、指派和安排合同工作，对于企业和需要工作的人都有吸引力。本书中的例子表明，将临时劳动力和新技术结合起来，比人工智能革命更能起到推动作用。按需平台还接管了办公室中更单调的“知识性工作”，如在线客服和数据库录入。传统的人力资源服务、大型企业和像Upwork这样的平台之间的合作反映了按需就业的下一个发展阶段。
2015年的一项研究估计，仅在美国和欧洲，就有大约2500万人在互联网上从事某种按需零工工作——接受企业通过网站或移动应用分配、安排、指派和付费的受项目驱动的任务。如果2500万个工作机会看起来很少，那么仔细想一下，在本世纪初广泛采用基于网络的API之前，这类工作是不存在的。按照目前的增长趋势，如果再加上合同工和临时工中介服务的增长趋势，到2055年，当今世界就业岗位中的60%可能会变成某种形式的幽灵工作。
目前，当驱动优步等手机应用或Facebook等网站的人工智能系统需要人力时，它需要的是快速提供帮助。传统的招聘方式行不通，因为终端用户不会容忍在等待汽车或加载页面时延迟太久。通过API访问的永久在线派工人库提供了必要的人力输入，可以根据需要随时布告。软件工程师可以编写代码，自动雇用某人执行任务，检查他们的工作，并为他们付出的时间和精力支付报酬。
按需幽灵工作平台及其API允许人类为众多网站、应用程序、在线服务和算法提供动力，但大多数消费者却认为这些是自动化的。科学家和工程师将继续追求完全自动化，试图建立一个具有人类思维能力的人工智能。
争论这一目标能否实现，以及它是否会取代所有工人，分散了我们的注意力，使我们无法充分关注当今按需劳工的普遍需求。很明显，技术专家将继续尝试，因而也会再现自动化的最后一英里悖论。由于人类仍在继续努力构建通用人工智能，至少在可预见的未来，人类劳动仍然是必要的，如此才能填补现有系统的不足。
通常，当程序员坐下来写一行代码来执行一项任务，他们会使用由计算机操作系统定义的接口来利用计算机的力量。但CPU只能执行代码给出的指令。因此，当程序员将按需劳工纳入任务环路时，他们也与坐在按需平台API另一侧的一个人或一组人一起工作。现在，程序员依赖按需执行幽灵工作的人为可预测的代码提供创造力。工人的独创性和可靠性完善了程序员设计的工作。
与电脑不同，人类既可以预料自己下一步该做什么，又可以在一瞬间对意想不到的事情做出新颖的反应。人类可以深思熟虑，对丰富的生活经验进行反思，并与其他人讨论下一步该如何完成工作。为了获得无限的迭代和协作重组解决方案的能力，作为交换，人类带来了CPU所没有的东西，即独创性和新颖性。
这就是按需工作的承诺——让计算能力与人类的想象力和创新思维结合起来。因此，如果企业想利用这种力量，他们必须足够关心工人，并同时提出如下问题：做按需工作的都是什么人，他们需要从技术、企业、消费者和社会获得什么来与API一起工作？
我们发现了三种不同类型的按需工人，反映了帕累托分布所描述的在线社群的社会动态。第一种，大多数工人只在平台上体验一番，完成少量任务，然后在一周到一个月内离开。这些工人也为平台提供了价值，因为他们被认为是有潜力从事幽灵工作的人，也让人们看到了这一劳动力市场的前景。
第二种，一些工人定期参与（每月工作少于10小时）完成一定数量的任务，有时与财务目标或时间目标有关。最后一种，一些工人逐渐熟悉了平台，成为核心劳动力，他们每天出现在平台上，平均每周工作30小时。这些工人完成了平台上的大部分工作。
在所有情况下，API和按需劳动平台都横亘在工人和雇佣者之间，设定了雇佣的相关条款和协议。如果不是有意让工人成为按需服务设计的中心，平台就会剥离与工作相关的一切，只留下任务、薪酬和工人。这可能会创造一种毫无生气的环境，没有福利，没有进步，没有认可，没有领导，没有同事，没有午餐伙伴，没有下班后的饭局。
API通常会更进一步，不仅剥离工作环境的各个方面，还剥离工人和请求者本身的各个方面。不同平台会在不同程度上这样做，而在极端情况下，每个工人都是由一系列看似随机的字母和数字来标识的，如“A16HE9ETNPNONN”。这类平台消解了所有使工人和请求者成为人的因素，并把所有因素简化成标识符。没有办法确定工人的个人属性，如性别、年龄、抱负或激情。
同样，也没有办法了解工人技能的深度和广度，如他多么擅长数学、英语或绘画。又或者当他与一个团队连接起来时，他在特定任务上的表现有多好。这些问题都没有明确的答案。这种处理方式的一个明显缺点是，它可能导致工人和请求者之间的不匹配。
但有利的一面是，那些可能因为性别或宗教等原因而被歧视的工人现在可以找到工作了。在另外一个极端，有些平台允许工人创建个人资料，列出他们的技能，甚至可以上传一张照片。这可能会让匹配更合适，但代价是潜在的歧视和工资不平等。
总的来说，匿名化和偶尔的去人性化可能使请求者觉得工人是可替换的。例如，雇用“A16HE9ETNPNONN”和雇用“A6GQR3WXFSIYT”有什么区别吗？即使工人的属性没有被剥离，人们也很容易把工人当成可利用的资源，而不是独立的个人。我们以前也遇到过这种情况。
幽灵工作的历史教训
如果说历史为未来的工作提供了什么教训的话，那就是技术并没有消除对临时劳动力的需求。技术和我们对体验世界的那种不可抑制的渴望创造了工作机会，使人类可以利用沟通、辨别和关心他人的能力。我们是人而不是机器，在没有新信息的情况下，我们也能够反思和校正先前的假设，能用语言和非语言的方式分享自己的感受和想法，这是我们的优势。
过去几代人的文化传统把全职工作置于其他所有类型工作之上。这使得我们很难比较，相比于任何个人的专业头衔或社会地位，我们的集体智慧和协作能力产生了多大的影响，无论是小到操作珍妮纺纱机，还是大到把人类送上太空。在从计件工作到当今按需工作平台的历史中我们看到，临时劳动力一直是必不可少的。但其经受了系统性的贬抑，其“较低”的地位已被视为理所应当并纳入就业分类。
平台驱动的创新为企业和消费者提供商品和服务，但却夸大其词地吹嘘API与人工智能的结合消除了之前传统雇主支付的招聘、培训和留住工人的费用。通过花时间与数百名工人相处，我们看到，自动化非但没有消除这些成本，反而把它们主要转嫁到了工人身上。
我们提供的指导立足于当今按需工人的成功和挑战。我们竭力主张工人记住：你不是这台机器上坏掉的齿轮。你正在尽你所能使一切成为现实。你可以用你的经验教会我们如何使工作的未来更有尊严和更加人性化。
致力于自动化的私营企业不能忽视工资以外的、激励人们工作的因素。API可以大规模分配被分解的任务，并尽可能减少实际管理的需要。但这样的系统不能消除工人从工作生活中获得意义的愿望。我们展示了研究参与者的协作策略如何说明平台设计应该适应而不是忽视自动化的最后一英里悖论，也不应该忽略或禁止人类协作和连接的冲动。在短期内，这些策略包括开发系统使管理本身任务化。企业可以直接使用API，将肯定和鼓励转化为可行的付费任务，补偿那些帮助他人做到最好的人。
为了理解工人是如何在有时毫无生气的按需环境下工作的，我们绕过API，亲自采访了工人，研究他们每天的生活方式，并整体测量他们的活动。我们的关键发现是，工人正在把人性和意义重新投入他们的工作中。首先也是最重要的，他们正在将协作重新添加到工作中。他们正在重建办公室的茶水间，从而提供和接受社会支持，尽管茶水间是建在网络或虚拟环境中的。工人显然很重视同事间的协作——他们把自己的时间和金钱用于在工作平台之外搭建线上论坛，而不是花在工作和挣钱上。
工人还会协作找到好任务，减少他们做幽灵工作的间接费用，这也从侧面反映了工人所承受的一些交易成本。搜索任务，学习如何完成任务，甚至一开始学习如何使用按需平台，这些都是没有报酬的。幽灵工作将许多交易成本转移到工人和雇佣工人的请求者身上。因此，工人为了在按需经济中生存下来必须做一些无偿工作，他们通力合作，减少这些工作的成本。
幽灵工作的大部分环节是自动化的，如雇佣工人、审核工人和支付工人工资。但从设计上来看，软件是死板的。它无法做出判断，因而导致了三种类型的算法残酷。
第一，请求者可以在任何时候通过API自动上传大量任务，任务一旦完成就会消失。平台上的工作机会是突发和间歇出现的，而通过协作找到好任务，可以帮助缓解这种突发的性质，帮助工人抵消不稳定和缺乏安全感带来的成本。尽管如此，协作并不能完全解决问题，因为工人经常觉得需要时刻待命或保持高度警觉，才能在好任务消失前抢到它，而这就是第一种形式的算法残酷。
第二，由于API控制着工人和请求者之间的交互，如果工人需要指导或帮助，也没有人可以求助。因此，工人经常利用他们的工作网络寻求帮助。
第三，平台可以单方面决定谁有访问权限、谁没有访问权限，这意味着平台可以决定谁能赚钱、谁不能赚钱。平台使用自己的内部软件工具决定谁留下和谁离开。工人往往没有追索权。
这三种形式的算法残酷之所以存在，都是因为算法和软件可以自动雇佣工人，并允许工人通过API访问平台。尽管有这些困难，工人还是坚持了下来，因为他们可以有意识地塑造按需工作，以适应他们所面临的限制。
例如，文化规范可以根据种族、性别、宗教和残疾状况，规定谁能离家工作，谁不能。由于按需工作可以在任何地方匿名完成，也包括在家里，所以工人可以利用它克服文化规范的障碍。同样，家庭责任可能会限制工人的工作时间。但由于按需工作随时都可以做，所以工作也可以围绕这些责任安排。最后，如果工人因为没有接受过求职培训而受到限制，他们可以利用按需工作积累简历上的经验，证明自己具备从事某项特定工作的能力。
半自动的未来
在全球范围内，随着越来越多的项目依赖于按需的非现场劳动力，大型企业拥有全职雇员在现场工作的日子屈指可数。我们的就业分类体系在20世纪30年代赢得了胜利，使全职流水线得以运转，但它并不是为眼下的这种未来而建立的。随着机器变得越来越强大，算法接管了越来越多的问题，我们从过去自然语言处理和图像识别方面的进展中知道，各个行业都将继续识别需要处理的新问题。
因此，在机器能够解决和不能解决的问题之间存在着一条不断移动的边界。我们称之为“自动化的最后一英里悖论”：随着机器的进步，将另外一些事自动化的机会也出现了。这一过程不断重复，通过不断创造和毁灭新型人类市场，最终导致自动化的扩张。
换句话说，随着机器解决了越来越多的问题，我们将继续发现那些增加而不是取代人力的需求。这一悖论解释了为什么按需服务——指的是把人类和API结合起来，寻找、安排、管理和交付产品与服务——比人工智能和机器人更有可能主宰工作的未来。
自动化VS.人类劳动，一种错误的二分法正如人工智能和计算领域的许多人知道的那样，幽灵工作是增强服务背后的人类计算，这是一种相对新颖的计算能力，结合了软件的速度、精度与人类的聪明才智。
幽灵工作是一种伟大的工具，可以解决机器本身无法有效解决的问题。例如，MTurk工人生成的训练数据用于推动算法，而这些算法后来解决了简单的图像识别问题。之后，科学家和工程师便可将注意力转向更复杂的图像处理任务。随着人工智能的发展，我们将反复看到一种模式，即利用按需劳动平台招募工人，解决新领域的问题。
尽管幽灵工作已被证明对人工智能的发展至关重要，但它已将一个非正式群体转变为主要的计算设备——一个分布式的人类计算系统，用于从DoorDash、Upwork到优步等一系列按需服务。这些智能系统将人工智能和人类混合后纳入同一个环路中，通过API获取、安排、管理和交付付费服务。幽灵工作还可以重新设计，从而重视陌生人的善意，并认识到在线社交网络的优势是未来好工作的基础资产。
随着越来越多的人转向幽灵工作——或者将他们的正式就业转成幽灵工作——我们有机会从劳动的历史和人类今天的幽灵工作经历中学习，从而解决其中的技术故障和社会失灵。我们仍然有时间把就业从人工智能的影子中拉出来，使人们公平、有尊严地获得工作，各方都将为此感到自豪。根据我们从受访者那里了解到的，以及我们对劳动市场动态的研究，我们提出了一些技术的和社会的解决方案，从而推动工作的未来。
本文经授权节选自《销声匿迹：数字化工作的真正未来》一书。 首发于《互联网前沿》杂志59期。
作者：（美）玛丽·L.格雷（Mary L. Gray）/（美）西达尔特·苏里（Siddharth Suri）
出版社：上海人民出版社，出品方：世纪文景，译者：左安浦，出版年：2020-10-31
本文来自微信公众号：腾讯研究院 （ID：cyberlawrc），作者：玛丽·L.格雷（哈佛大学伯克曼·克莱因互联网与社会中心研究员）、西达尔特·苏里（微软纽约研究中心创始成员），译者：左安浦