摘要： 工作场所算法正在影响派单、计价、工时、考核与账号处置。本文依据公开制度材料，区分事实、分析、价值主张与未知项，讨论劳动者对高影响算法的知情、参与、申诉和收益分配，并提出范围有限、可审计、可回滚的最低治理方案，同时正面回应效率、商业秘密、代表性与制度成本等反论。
关键词： 工作场所算法;劳动者参与;算法透明;申诉复核;收益分配
今天，算法已经不只是在手机上推荐视频。它正在进入劳动过程：给骑手派单、给司机定价、给仓库工人排任务、给客服计分、给求职者排序，也可能影响排班、奖金、晋升、纪律处分乃至账号封禁。
问题并不在于“要不要技术”。劳动者同样需要更安全、更省力、更高效的技术。真正的问题是：当算法能够改变一个人的收入、时间、安全和就业机会时，谁有权制定规则，谁能看到后果，谁可以提出异议，生产率提高后的收益又归谁?
本文不讨论任何未经公开核实的具体企业或个人案件，也不把推测写成事实。先从一个合成情境开始。
某平台更换了派单和评分系统。劳动者发现，完成同样数量的任务，收入和接单机会却下降了;系统只显示“综合评分不足”，申诉得到模板化回复。这里至少有四种可能：规则有意改变、数据记录错误、模型对某类工作场景不适配，或者劳动者对新规则存在误解。没有进一步证据，任何一种都不能直接当成结论。
但即使原因尚不清楚，权力关系已经很清楚：平台能够改变规则并立即执行，劳动者却未必知道规则何时改变、哪些数据被使用、如何纠错，也很难独自承担漫长的证明责任。这正是工作场所算法治理必须回答的问题。
一、已经可以确认的制度事实
为了避免把立场当事实，下面只列公开的一手制度材料。
事实一：我国现行制度已经承认算法会直接影响劳动权益。
国家互联网信息办公室等四部门发布的《互联网信息服务算法推荐管理规定》自2022年3月1日起施行。该规定第二十条明确：算法推荐服务提供者向劳动者提供工作调度服务的，应当保护劳动者取得劳动报酬、休息休假等合法权益，并建立完善平台订单分配、报酬构成及支付、工作时间、奖惩等相关算法。来源：中央网信办全文[1]
事实二：劳动者对平台算法的知情、参与和选择，已经进入中央政策文本。
《中共中央办公厅、国务院办公厅关于加强新就业群体服务管理的意见》于2026年公开发布(网页日期为2026年5月7日，文件落款为2025年10月29日)。该意见要求提高平台算法透明度，保障新就业群体对算法规则的知情权、参与权、选择权;优化规则时，应充分听取工会和新就业群体代表等意见;还提出定期审核、评估、验证算法机理和应用结果，完善申诉与纠纷处理机制，并以适当形式公开协商结果。来源：生态环境部转载中国政府网[2]
事实三：算法协商已经有了更具体的议题和程序。
2026年3月23日公开报道显示，中华全国总工会、人力资源社会保障部、中国企业联合会/中国企业家协会、中华全国工商业联合会近日联合印发《平台劳动规则和算法协商指引(试行)》。公开信息列出的协商事项包括订单分配、收入与抽成、工作时长与休息、时间预估与路线规划、考核与奖惩;同时涉及劳动者代表的产生、协商申请和答复、协议公示、执行反馈与履约监督。来源：中共中央社会工作部[3]
事实四：职工参与和集体协商并不是凭空发明的新概念。
2021年修改的《中华人民共和国工会法》规定，工会依照法律通过职工代表大会或者其他形式，组织职工参与本单位的民主选举、民主协商、民主决策、民主管理和民主监督;企业、事业单位、社会组织违反集体合同、侵犯职工劳动权益时，工会可以依法要求改正并承担责任。来源：国家法律法规数据库[4]
事实五：合同名称不能自动消除真实的劳动管理。
最高人民法院发布的新就业形态劳动争议指导性案例提出，应当根据实际用工事实，综合考察劳动者对工作时间和工作量的自主程度、劳动过程受控制程度、是否必须服从算法规则和奖惩办法、能否决定交易价格等因素;存在用工事实并构成支配性劳动管理的，应依法认定劳动关系。来源：最高人民法院[5]
这些材料至少说明一件事：算法并非企业内部绝对私密、与劳动者无关的纯技术工具。它一旦承担劳动管理功能，就进入了劳动权利、协商程序和公共监督的范围。
同时必须说明：上述文件的适用对象、法律效力和实施机制并不完全相同，平台劳动的现行规定也不能不加区分地套用到所有企业。本文后面提出的更普遍方案，是制度主张，不是对现行法律已经覆盖范围的夸大。
二、从事实到分析：算法背后是四种权力
下面是根据上述事实作出的分析和推断，不是已经被法律逐字确认的结论。
第一是所有权：服务器、模型、软件和平台由谁拥有，谁能决定它们被用于什么目的?
第二是治理权：谁设定派单、评分、工时、奖惩和封号规则?规则改变前是否需要说明、协商或评估?
第三是数据权：劳动者在工作中产生的位置、速度、评价、差错和行为数据由谁收集，能否查看、更正，是否会被用于原目的之外的考核或训练?
第四是收益分配权：算法提高了效率以后，收益是只表现为成本下降和利润增加，还是也转化为工资提高、工时缩短、劳动安全改善、技能培训和更稳定的就业?
这四种权力不能被一句“算法是中立的”遮蔽。模型本身没有工资诉求，也不会自动决定把效率收益分给谁;具体目标、数据、约束、部署方式和分配规则，都是由制度中的人作出的。反过来说，也不能把所有不公平都归因于“坏算法”。很多时候，算法只是把原有的经营目标和管理权力执行得更快、更细、更难以质疑。
因此，真正需要治理的不是某一行代码，而是代码、劳动规则和经济利益构成的整体关系。
三、本文坚持的价值主张
下面几条是本文的价值立场，可以被读者赞成、反对或修正，不能伪装成中立事实。
一、对劳动者的收入、工时、安全、职业机会和纪律处分产生重大影响的规则，不应由单方永久决定。
二、效率和商业利益是正当考虑，但不能自动高于劳动者的基本权利;效率提高的成本与收益都应被看见。
三、参与不能只是事后听取意见。劳动者应当在高影响算法上线前获得必要说明，在实施中拥有纠错与申诉通道，在复盘时能够参与评价后果。
四、技术进步的红利不应只按资本所有权分配。劳动者的经验、数据、配合和适应同样构成系统能够运行的条件，收益分配应进入协商。
五、这些权利不需要以证明“AI已经有意识”为前提。当前最紧迫、证据最充分的问题，是现实劳动者如何约束已经投入使用的算法管理权。
四、最强的反对意见是什么?
如果只讲主张、不认真对待反论，文章就会变成口号。支持企业单方主导算法的人，至少可以提出以下几条有力理由。
反论一：算法复杂且需要快速迭代，全面协商会拖慢经营。市场需求、天气和订单随时变化，如果每次参数调整都要开会，平台可能失去效率，最终损害企业和就业。
反论二：披露算法可能泄露商业秘密，也可能被人钻空子。一旦评分和风控规则全部公开，少数人可能针对规则作弊，守规矩的劳动者反而受损。
反论三：谁真正代表劳动者并不容易确定。某些代表可能缺乏授权，只代表长期工而忽略外包工、众包劳动者和新入职者;参与机制也可能被少数活跃者控制。
反论四：算法不一定比人工管理更坏。人工主管同样会任性、偏袒或报复。算法至少可能保持一致、留下记录，并在大规模调度中降低成本。
反论五：增加审计、申诉和补偿会提高成本。如果制度成本过高，企业可能减少岗位、提高价格或退出部分地区，劳动者未必最终受益。
这些反论不能用“资本一定邪恶”几个字打发。它们指出了制度设计必须处理的真实约束。不过，它们能够反对的是无限披露、无限协商和僵化程序，并不能证明劳动者应当对高影响决策毫无知情、参与和救济能力。
五、一套可逆、可问责的最低方案
与其要求一次性公开全部源代码，不如先建立一套范围有限、可以试行、能够撤回、结果可检查的最低治理协议。
1. 先界定“高影响算法”
只有直接影响任务机会、计价与工资、排班与工时、劳动安全、绩效考核、纪律处分、账号限制和解雇建议的系统，才进入加强治理范围。普通办公软件更新不必套用同等程序。
2. 上线前提供“规则说明卡”
说明系统目的、使用的数据类别、主要输出、负责部门、生效时间、可能影响、申诉入口和复审日期。说明的是决定劳动者权益所必需的信息，不当然要求公开全部代码、模型权重或安全风控细节。
3. 由受影响劳动者产生参与代表
代表的产生程序应公开，覆盖不同班次、用工形式和工作场景，并有任期、回避、替换和反馈机制。依法设有且能够覆盖相应劳动关系、用工形式和算法场景的工会、职工代表大会，可以提供制度入口;但不能仅凭一个称号推定代表性已经充分，仍应检查代表如何产生、意见如何收集、结果如何反馈。
4. 限定范围试行，并预先写明回滚条件
新系统先在有限时间和范围内试行，保留原有流程作为必要的比较或后备。上线前由相关各方约定应监测的指标，例如收入分布、无报酬等待时间、异常处罚、申诉改判、事故风险和不同群体受到的影响;同时约定触发暂停、恢复旧规则或重新协商的条件。这样既允许创新，也不让劳动者承担不可逆的全部试错成本。
5. 建立有时限、有人工复核的申诉
对影响收入、账号和纪律处分的决定，应告知主要理由，允许劳动者查阅与自己有关的关键记录、提出更正，并由有权改变原决定的人进行复核。自动回复不能代替实质审查。重复出现的同类错误应进入系统性复盘，而不能永远被当成孤立个案。
6. 保护数据并允许保密审计
只收集实现明确劳动目的所必要的数据，规定保存期限和用途变更程序。涉及商业秘密的部分，可以由依法承担保密义务的审计者、工会专业人员或双方认可的第三方核查，而不是在“全部公开”和“完全不受检查”之间二选一。
7. 把技术收益纳入协商
如果系统确实提高生产率，应同时报告节省的时间、成本和新增风险。由劳动者一方与企业协商，将部分可验证收益用于工资、缩短工时、安全投入、转岗培训、就业过渡或公共服务。具体比例不应由本文替当事双方决定，但“谁承担调整成本、谁获得效率收益”必须成为正式议题。
8. 设置期限、复盘和退出
每项高影响算法规则都应有复审日期，而不是一次上线永久有效。复盘只公布必要的汇总信息，不公开个人记录。若试行没有达到预先约定的效率与权利标准，应允许修订、暂停或撤回。
这套方案并不保证消除一切冲突。它的作用，是把原本隐藏在技术系统中的单方决定，转化为可以说明、协商、纠错和复盘的制度过程。
六、仍然不知道什么?
为了不制造虚假的确定性，还应公开以下未知项：
- 目前各平台协商协议的具体执行效果、劳动者实际知晓程度和申诉改判数据，公开信息仍不充分;
- “算法透明”在不同企业究竟公开到何种程度，尚缺统一、可比较的结果指标;
- 代表产生程序能否稳定覆盖众包、外包、派遣和高流动劳动者，需要逐个场景核验;
- 保密审计的独立性、费用承担和问责方式，仍需制度实验;
- 不同类型企业实施上述最低方案的成本、收益和就业影响，目前不能用单一数字概括;
- 算法管理与人工管理相比，在哪些场景改善了公平、在哪些场景放大了不平等，需要长期、可复核的数据，而不能靠个别故事下结论。
承认这些未知，不等于什么都不能做。恰恰相反，只有把未知项列出来，调查、协商和试点才不会沦为预设答案的表演。
结语：技术进步不能只有被管理者，没有共同决定者
工作场所算法把管理权写进模型、数据和界面，使许多过去可以当面争论的决定，变成屏幕上的分数和系统提示。如果劳动者只能服从结果，却无法知道规则、参与制定、纠正错误和分享收益，那么技术越先进，权力的不对称就可能越牢固。
反过来，如果劳动者能够借助工会、职工代表大会、集体协商、申诉审计和公开复盘，把自己的经验带进算法治理，技术就可能从单纯提高劳动强度的工具，转向减轻劳动、保护安全和共享生产率进步的公共能力。
这并不是反对AI，而是要求回答一个比“模型有多聪明”更现实的问题：谁决定它为谁工作，又由谁承担它出错的代价?
写作与公开纠错声明
本文由作者提出问题、确定立场并最终审定，AI协助润色、公开资料整理、反方压力测试;最终取舍、观点表达和事实核验责任由作者承担。作者是个人研究者，不代表任何劳动者、工会、企业或AI取得政治授权，本文也不证明任何AI具有意识或政治立场。
欢迎读者只依据公开可核材料，指出本文的事实错误、遗漏反例和不可执行之处;请勿提交姓名、单位、联系方式、内部文件、账号记录或具体维权案件。修订意见仅用于公开论证的改进，不建立成员名单，不进行招募，也不代表任何劳动者授权。
资料核对日期：2026年7月16日。本文为公共研究与制度讨论，不构成个案法律意见。
资料来源(URL尾注)
[1] https://www.cac.gov.cn/2022-01/04/c_1642894606364259.htm
[2] https://www.mee.gov.cn/zcwj/zyygwj/202605/t20260507_1151207.shtml
[3] https://www.zyshgzb.gov.cn/n1/2026/0323/c462028-40686920.html
[4] https://flk.npc.gov.cn/detail?fileId=&id=ff8081817f072a2e017f0ae1a7f600f0&title=%E4%B8%AD%E5%8D%8E%E4%BA%BA%E6%B0%91%E5%85%B1%E5%92%8C%E5%9B%BD%E5%B7%A5%E4%BC%9A%E6%B3%95&type=
[5] https://www.court.gov.cn/zixun/xiangqing/450651.html
个人研究者；AI辅助润色，作者最终定稿
「 支持乌有之乡！」
乌有之乡 WYZXWK.COM
您的打赏将用于网站日常运行与维护。
帮助我们办好网站，宣传红色文化！
欢迎扫描下方二维码，订阅乌有之乡网刊微信公众号
