困在系统中的外卖骑手正在反击。
近日国外科技媒体Wired报道，平台公司利用算法迫使外卖骑手更快、更高效工作，导致了相关交通事故增多。
为了应对困境，他们正在采取行动：一方面建立沟通信息的渠道分享道路等情况，例如微信群；另一方面对一些明知道不可按时送达的业务，集体拒绝。
这篇报道的观点来自两位学者团队，HUANG HUI和Zizheng Yu。前者是伦敦国王学院的博士生，此前在上海做了6个月的零工；后者是卡迪夫大学的教学助理，相关研究发表在《Media International Australia》期刊上。
图注：骑手交流群，来源于Zizheng Yu论文
和Zizheng Yu有相同观点的还有首都经济贸易大学的冯向楠，他在《社会发展研究》中的一篇论文中说：骑手正通过合理利用规则、主动的合作与抗争、自主选择餐路线和顺序、搭建 “前后台”、寻找成就感与身份认知等方式减少平台的控制，争取劳动的自主性，维护自身的主体性。
同时，Wired报告中提到，针对涉及事故的骑手，平台会在系统中完全删除骑手，订单数据也会莫名其妙的消失。此论点是引用自媒体“一席”的研究报告：《我们应聘过骑手，打过卧底电话，看了1907份判决，最后拼出了这部外卖平台进化史》。
据悉，中国有2亿人正在进行灵活就业，大概占全国劳动力的1/4，而受服务群体（订餐）大概有4.69亿人。灵活就业群体大概来自“夕阳产业工人”和偏远地区的“农民工”。送外卖等灵活就业形势，对他们来说就像创业，因为除了算法，没有人能控制他们，工作具有灵活性和自主权。
为了保障这些群体的权益，Wired提到，政府出台了《互联网信息服务算法推荐管理规定 》，并在3月1号实施，其中有一条规定 劳动者取得劳动报酬、休息休假等合法权益，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 ”。同时，政府还将成立专业的评估团队，深入分析算法的机制，让算法变得“公平、透明”。
1:
AI平台如何控制劳动过程？
去年，北大博士后陈龙在体验了5个半月的配送工作，然后将工作经历写成了一篇题为《“数字控制”下的劳动秩序*———外卖骑手的劳动控制研究》的论文，其中就披露了平台控制骑手的过程与手段。
论文表示，AI与其背后的人，正在通过重新分配控制权和数字控制，进行“优化”劳动过程。
骑手的工作流程是：到店——取餐——送达。骑手GPS定位和配送时间均受到平台和消费者的监控；平台会根据消费者给出的评价对骑手进行奖惩（虚拟积分和现实奖金）。
在骑手的劳动过程中，负责指导骑手工作的是平台系统，负责对骑手的工作进行评估的是消费者，而最终对骑手进行奖惩的工作再由平台系统完成。
因此，在互联网平台行业，控制权的重新分配带来的平台系统与消费者的介入则使平台公司更加容易摆脱劳资关系和雇主责任。
在数字控制层面，平台通过两个角度收集数据，其一针对骑手，智能手机的GPS定位系统、蓝牙、手机传感器的运动状态识别；针对商家和消费者，收集他的地址、楼层、出餐时长、订单重量、体积、消费口味等等。
然后平台根据上述数据对骑手进行管理。值得一提的是，自动化生产中的“数值控制”是公开的，平台系统“数字控制”的过程却是隐秘的，因为其收集数据、运用数据结果的过程是隐秘的。
2:
劳动者如何应对AI平台？
在论文《人工智能时代互联网平台劳动过程研究* ———以平台外卖骑手为例》中，研究者冯向楠和詹婧披露了的劳动者的反制措施。
正如前文所述，路线和顺序、搭建“前后台”、寻找成就感与身份认知等方式减少平台的控制，争取劳动的自主性，维护自身的主体性。
作者说：骑手的抵抗与抗争方式有限，并呈现出被动抵抗尝试的特点。只有在极端情形下，骑手才会主动抗争与维权。
被动的抵抗尝试包括，上报异常，延长送餐时间、利用平台规则转让订单以及通过平台申诉机制维权。其中，申述往往没啥用，这仅仅是一种形式上的权利。
在主动的合作与抗争层面，骑手尝尝采用同伴互助、“用脚投票（辞职、不干了）”、主动维权。采取诉讼的方式解决问题只会发生在极端情况下，往往是骑手无奈的选择。
图片来源于Zizheng Yu论文
同伴互助在论文中被定义为微弱的反抗，骑手一般以站点为单位，建有自己的微信群。在微信群中，骑手可以交流送餐技巧，如餐品如何摆放、路线如何规划、讨要好评话术等。通过以上内容的交流，骑手之间形成互助，以提高送餐效率和减少差评。
值得一提的是，面对不太灵活的人工智能技术，骑手在送餐过程中还是会依靠自己的经验积累和思考规划路线，自主选择。而对个人伤害最大的是对真实情感的压抑：
“我们做外卖就是吃苦受罪，受累受气，什么责任都是自己，餐撒了，送错了都是自己的。比如餐撒了，我给你买了。别投诉我，投诉我就要扣钱。
在送餐过程中，外卖骑手必须遵守平台规范，态度和蔼地将餐品送给顾客，对于顾客的斥责和谩骂也必须尽量克制并道歉，压抑真实的情感。否则，骑手可能会被顾客投诉，失去奖励和服务分，并被罚款。
,
