演算法決策正由消費端快速延伸至勞動市場。內容推薦、商品定價與新聞分發已普遍受到演算法影響;在零工經濟中,外送與私人接送駕駛的派單、獎金、工作機會及價格,甚至同一職務的薪資水準,也可能由平台演算法依個人資料即時調整。
這類個人化薪資表面上只是企業運用市場資訊進行定價,但核心問題在於,平台掌握大量行為資料,並能以每次接單的不同需求動態調整報酬。同一份工作可能因演算法判定個別勞工的效率、需求彈性或留存機率,而形成不同價格。這使市場供需資訊與平台掌握的超個人化資料權力結合,勞工即使從未同意,也難以察覺或質疑自己的工資究竟如何被決定。
這場衝突並非單純的「機器取代人」,而是市場價格形成機制與企業數位控制權的結合。傳統薪資談判雖存在雇主優勢,但至少仰賴可辨識的職等、協議與同儕比較;演算法薪資則將決策拆解為大量難以預測的即時報價,使勞工很難確認同業是否被公平對待,也無法掌握自身績效與報酬之間的完整關聯。當平台能以每個人不同的需求彈性進行價格區分,同一份勞動的經濟價值便不再只由工作內容決定。
平台一方則能藉由降低工資、延長接單時間或精準投放誘因,提高勞動供給彈性,並以較低成本維持服務規模。其戰略優勢不只在節省薪資,更在於將需求波動與履約風險轉移給高度分散的個人駕駛。這套模式能減少直接僱用成本、提高接單率,卻也削弱勞工組織、集体協商與制度申訴的基礎。
真正值得警惕的是演算法可能複製既有社會不平等。若訓練資料包含過往的性別、年齡、居住區域、設備品質、客戶評分或停車與接送紀錄,平台便可能將歷史偏誤轉化為個人化價格。演算法未必會明文標示歧視,但它能以「效率」之名完成難以察覺的差別待遇。
此外,資訊不對稱已成為新的勞資議價缺口。平台能計算每名駕駛的退出門檻、接單意願與最佳派單路徑,駕駛卻通常無法取得同樣精細的資料。英國、美國等地零工勞工保障的既有落差,意味著這並非單純修補介面即可解決;企業需要可稽核的定價紀錄、資料使用邊界、人工覆核與集體協商機制。否則,所謂智慧定價將在缺乏問責的情況下,成為把尊嚴轉換成營運效率的技術工具。
上的工業革命並未單純消滅工作,而是將任務重新拆分,並把議價權移向掌握資本、資料與基礎設施的一方。當前演算法帶薪管理的演進,可能重演這項規律:技術提升生產力的同時,也會重新配置稀缺權力——這裡的稀缺資源已從機器與資本,轉為資料、平台入口與定價權。
01 起因觸發:平台以大數據進行即時派單、誘因投放與個人化薪資定價
02 一階傳導:外送與接送駕駛的收入、工作時數及同工待遇分化
03 二階擴散:物流、零售、旅遊與客服等零工平台遭臨資正義與資料治理審查
04 市場重組:監管與訴訟成本上升,個人化定價可能轉向最低保障與透明模型
05 宏觀終局:資料與演算法治理能力成為平台競爭力及勞資權力配置核心
領域延伸情報推薦 相關延伸研讀
依主題領域自動關聯之高參考價值外電情報