AI时代的制度问题
假设一家单位引入排班工具,原来两个人要花一上午的活,现在半小时就能做完。省下的几个小时归谁?可以让两人提早下班,可以让他们照顾过去顾不上的顾客,也可以减掉一个岗位,让另一个人应对偶尔排错班的投诉。哪怕三个方案用的是同一套软件,过的是三种日子。
我所说的 AI 时代的制度问题,就是生产工具变了以后,谁拥有它、谁决定怎么用、谁分享它省下来的东西,以及分错了谁有权要求改。以下五条路并不是历史预定的五个阶段;同一个社会,甚至同一家单位,都可能同时走在其中几条上。
五条路,分别把决定权交给谁?
| 路径 | 回到排班这件小事 | 它必须回答的难题 |
|---|---|---|
| 平台集中控制,有人称之为“数字封建主义” | 排班服务、工作入口和数据都归同一平台。单位和排班员都得接受它改动规则。 | 这不是说平台已经成了封建领主。真要判断依附程度,要看人能否带着资料、客户关系和排班记录离开。 |
| 在既有所有制下再分配:征税、分红或基本收入 | 厂商仍决定做什么产品,部分收益经税收或其他安排分给更多人。 | 收入保障能给人拒绝坏班次的余地,却没有自动给人修改排班规则的权利。钱从哪里来、谁有资格领,是两个独立问题。 |
| 公共部门约束和引导资本,包括中国语境下的制度选择 | 用采购条件、劳动规则和公共服务,要求供应方保留人工调班、申诉与线下入口。 | 写进采购文件,不等于夜班员工真能调班。谁接受申诉,处理多久,结果能否改变下一轮采购? |
| 关键算力和模型由公共机构持有 | 单个单位不必完全依赖商业接口,投资方向可以由公共目标决定。 | 产权换了,权力还要能被监督。若基层仍无权纠错,同一张不讲理的班表只是换了落款。 |
| 数字公地:共同维护资源和规则 | 使用者、开发者和被排班者共同维护一套可迁移的工具,能提出修改,也能拒绝不合适的版本。 | 服务器要付钱,夜里有人要修故障。没有维护预算、代表办法和退出权,“共同所有”很容易变成少数志愿者一直干活。 |
我更看重能把决定权交还给受影响者的安排。这个偏好可以争论;检验它,却不必先在五个名词里选边。去问那个一直被排到晚班的人:他能看到理由吗?说家里有照护安排,要不要先交出隐私才有人听?下一张班表真的改了吗?
三个常被当成答案的论据
“算得过来,就能知道大家需要什么。” 推荐系统处理的是已经留下的信号。排班系统学到某位员工从来没有拒绝夜班,可能是他喜欢夜班,也可能是拒绝按钮深得找不到。两种解释会导向相反的安排。增加吞吐量能让计算更快,不能凭空得到没有表达的偏好。让人能主动提要求、不说理由也能拒绝,以及事后能纠错,都是制度设计,不是再添一台机器。
“机器越多,利润率就必然随工资一起降。” 在马克思分析资本的框架中,简化的利润率写作 s/(c+v):s 是剩余价值,c 是不变资本,v 是可变资本。若 v>0,也可以写成 (s/v)/(c/v+1)。假设 s/v 不变,c/v 上升,式子的结果才会下降;如果这两个比值一起变,仅凭一句“上了 AI”算不出结果。工资额也不等于工作小时,一家企业少雇一个人,更不能证明整条供应链或全社会都少用了同样多的劳动。这一公式在这里是理清假设的工具,不是对眼下利润走势的测量。
“节省了工序,就会节省所有人的时间。” 若排班员少干几小时,却让数十个员工每天花时间争取更正错误,表格填得再快,也不能只记办公室省下的那一栏。反过来,若少做重复劳动、薪酬没有下降、安排失误还减少了,这也是看得见的收益。要比两种制度,得把谁受益、谁补洞放在同一张账上。有关岗位的预测更该分清:一项任务可以自动做,一份工作会被重新安排,一个人最终失业,是三个不同结果。
从哪里继续读
- 想看同一项提效为什么可能带来恐惧,也可能腾出自由时间:《AI 替代劳动之后:恐惧与解放的两条道路》。
- 对上述五条制度路径有不同判断,不妨先选其中两条,各写出一个会让自己改主意的结果。比如“基本收入给了员工拒绝夜班的余地”,就问拒绝后收入、排班和工作机会有没有跟着变。历史不是自动扶梯;脚下这一级,至少应当能回头看。
本文写作中使用了 AI 辅助。文字采用 CC BY-NC-SA 4.0 许可。