谁来建设怎样的人工智能？——不能让AI成为资本压榨劳动者的新鞭子

(个人研究者;AI辅助润色，作者最终定稿)

人工智能已经走进工厂、平台、办公室和公共服务。它不再只是替人写几段文字、做几张表格的“聪明软件”。它正在参与招聘、排班、派单、计价、绩效、社保、劳动监察和争议处理。

问题也就变得非常直接：AI究竟为谁服务?谁决定它要完成什么任务?谁控制它产生的数据、模型和收益?当它算错、误伤、压低收入或者加快劳动节奏时，谁能质疑、暂停和追责?

如果这些问题不回答，所谓“人工智能赋能”就可能只是一个漂亮说法：资本把新的技术包装成效率，把对劳动者的监控包装成管理，把裁员和降薪包装成转型，把共同创造的知识和数据包装成企业的私产。机器变聪明了，劳动者却可能更疲惫、更透明、更容易被替换。

我们不能接受这样的未来。

一、AI已经进入劳动关系，不能再假装它只是企业内部的软件

中国现行《互联网信息服务算法推荐管理规定》已经把调度决策类算法纳入规制，并要求向劳动者提供工作调度服务的平台保障劳动报酬、休息休假等合法权益，完善订单分配、报酬构成、工作时间、奖惩等算法，同时设置申诉和投诉入口。

2026年“人工智能+人力资源社会保障”实施意见又把人工智能推进到就业匹配、职业能力画像、社会保险风控、劳动争议调解、劳动保障监察和公共服务等领域。

这些政策事实说明：AI已经在影响劳动者的现实命运。我们不能等到工资被改写、工作被取消、风险被推给个人之后，才问“为什么当初没有人参与”。

二、真正的问题不是“要不要AI”，而是“谁控制AI”

工人阶级并不是反对技术。恰恰相反，劳动者最清楚技术可以减少危险劳动、消除重复劳动、提高生产能力、缩短必要劳动时间，让人有更多时间学习、生活和参与公共事务。

但是，技术不会自动带来自由。技术被嵌入什么样的生产关系，就可能产生什么样的社会后果。

同一个系统，可以被设计成减少高温、高危和重复劳动，也可以被设计成加快节拍、压低单价、扩大监控;可以帮助劳动者学习和协作，也可以把人的经验拆成指标，把人的尊严压缩成分数，把每一次停顿都记录成“效率损失”。

所以，判断AI是否先进，不能只看模型多大、算力多强、准确率多高，还要追问：

谁定义目标?谁拥有数据?谁能改变规则?谁承担错误?谁分享收益?

如果劳动者只能接受结果，不能参与目标设定，不能看到足以质疑结果的依据，不能要求人工复核，不能在重大风险出现时暂停系统，那么AI越先进，单方面支配就可能越高效。

三、劳动者必须拥有四种不可被架空的力量

第一，部署前的共同决定权。

凡是涉及招聘、工资、工时、排班、绩效、派单、解雇、安全、社保和公共救济的高影响AI，不能只由企业管理者和供应商决定。部署前必须说明：它要解决什么问题，谁定义成功，哪些风险不能被平均数掩盖，试点多长时间，什么情况必须停止。

劳动者参与不能是系统上线以后填一张问卷，更不能是开会听完介绍后鼓掌。劳动者代表必须有时间、有材料、有独立的技术支持，也必须能够对重大目的变化提出异议。

第二，能够理解、质疑和纠正的程序权。

劳动者不需要掌握全部源代码，才有资格知道系统如何影响自己。至少要知道系统的用途、输入数据、主要指标、输出类型、责任主体和使用期限;知道哪些决定是机器辅助的，哪些仍由人作出;知道不利结果为什么发生，下一步应该向谁申诉、提交什么证据。

“系统自动判定”“模型综合评分”“平台规则如此”都不能成为责任消失的借口。解释如果不能帮助劳动者改变结果，就不是有效解释，只是技术术语组成的挡箭牌。

第三，从个人同意走向集体数据治理。

个人信息保护是底线，但单个劳动者逐一点击“同意”，解决不了一个班组、一个职业或整个骑手群体被共同画像的问题。

哪些数据是安全生产和履行劳动合同真正需要的，哪些只是管理便利?保存多久?谁能访问?用途改变、跨系统合并或用于训练新模型时是否重新授权?数据泄露和误用后谁通知、谁补救、谁承担成本?这些问题必须进入集体协商和公共监督。

没有真实授权，就不应收集劳动者的敏感经历来训练所谓“工人AI”。劳动者不是免费的数据矿山。

第四，把AI带来的生产率收益还给劳动者。

国际劳工组织2025年研究估计，全球约四分之一劳动者所在职业受到不同程度的生成式AI影响，多数岗位更可能被改造而不是立即整体消失;同时，转型需要社会对话，以兼顾工作条件和生产率。

但“岗位不会立刻全部消失”不等于劳动者自然受益。AI提高产出之后，收益可能变成利润，也可能变成更高工资、更短工时、带薪培训和转岗保障。选择哪一种，不是技术定律，而是制度和力量对比的结果。

我们的最低要求很清楚：

减少工时，而不是同比例降薪;

提高工资、计件单价或集体奖励;

提供带薪培训、转岗保障和过渡支持;

建设劳动者和公众能够使用、监督的技术、数据、教育和算力资产。

如果AI让产出上升，却让收入份额下降、工作节奏加快、休息减少、监控扩大，那么这不是劳动者意义上的“效率成功”，而是支配能力的增长。

四、国有、开源、国产和先进，不自动等于劳动者控制

有人说，只要是国有的、开源的、国产的，AI就天然站在人民一边。这个判断太简单了。

国有资产可以服务公共利益，但不自动意味着一线劳动者能够决定目标、访问数据、监督部署和分享收益;开源模型可以降低技术门槛，但不自动解决算力、数据、维护者和平台权力集中;先进技术可以提高效率，但也可能被用来更精确地考核、惩罚和替换劳动者。

真正的检验不是系统挂什么标签，而是劳动者有没有实际能力：

能不能提前知道它要做什么?

能不能质疑它为什么这样做?

能不能要求人工复核?

能不能在重大风险出现时暂停?

能不能参与收益分配?

能不能在系统不再适用时要求回滚和补救?

没有这些能力，“公共”“开源”“先进”都可能只是管理权力的新包装。

五、有人担心劳动者参与会拖慢创新，我们的回答是：不能用“效率”封住一切质疑

商业秘密需要保护，但商业秘密不能成为拒绝解释、拒绝审计、拒绝纠错的万能盾牌。可以实行分层披露：普通劳动者获得影响和救济信息，劳动者代表和独立审计者在保密义务下获得更详细材料，监管部门保留完整调查权。

小企业可能承担不起复杂程序，因此治理应当按风险分级。一般办公辅助可以采用简化记录;但涉及工资、解雇、劳动安全、社保和公共救济的系统，不能因为“合规成本”就取消基本权利。

劳动者内部也会有不同意见，代表也可能被形式化甚至被俘获。因此代表必须能够产生、撤换和复议，少数意见必须记录，派遣、外包和平台劳动者不能自动被排除。参与不是开会次数，而是能否改变结果。

企业可能因为严格规则而外迁，平台可能把责任转给供应商。正因为如此，不能只靠单个劳动者和单个企业的善意，需要行业最低标准、公共采购条件、可迁移的数据接口和跨部门问责。

六、我们应该建设什么样的AI

我们要建设的，不是一个替资本家盯住每个劳动者的“超级监工”;不是一个把劳动者变成画像、分数和可替换零件的黑箱;也不是一个靠口号宣布“代表人民”、却不允许人民知道、质疑和改变的系统。

我们要建设的AI，应当至少具备这些方向：

它帮助劳动者减少危险和重复劳动，而不是把劳动强度无限推高;

它让劳动者获得知识、技能、时间和协商能力，而不是更容易被监控和替换;

它的目标、数据、责任和收益能够接受劳动者和公众的民主约束;

它在重大风险面前可以暂停、回滚、复核和补救;

它提高的生产率能够转化为工资、工时、培训、公共服务和共同拥有的技术能力。

至于未来AI是否可能具有主体性，我们不应把今天的模型输出当成意识证据，也不应武断断言未来永远不可能出现新的主体问题。当证据不足时，应采取低成本、可逆的预防原则。但这不能成为逃避当下责任的借口：今天真正需要保护的，是正在被算法安排、评分、派单和管理的现实劳动者。

七、不要让工人阶级再次只做技术革命的燃料

每一次重大技术进步，都有人告诉劳动者：先接受，等效率提高以后大家都会受益。可是如果劳动者没有参与目标设定，没有掌握数据和规则，没有集体协商和救济能力，那么“以后”往往只是新的延期。

人工智能的方向现在仍在形成。它可以成为劳动者扩大能力、减少必要劳动、分享社会财富的工具，也可以成为资本把控制推进到每个工作细节的新鞭子。结果不会由模型自己决定，更不会因为宣传“智能化”就自动变好。

我们呼吁劳动者、工程师、工会工作者、法律工作者、研究者和所有关心劳动尊严的人，围绕几个具体问题展开讨论：

工作场所AI的目标由谁决定?

劳动者如何获得可理解、可质疑、可改变的程序权?

算法提高的生产率如何变成更高收入、更短工时和更强公共能力?

这不是要求任何人先宣誓立场，也不是把任何模型的附和算作政治授权。我们只主张一件朴素而尖锐的事实：凡是由共同劳动创造、又会反过来支配劳动的技术，都不能只由少数资本所有者和技术管理者决定。

AI的未来，不能由资本家单方面书写。

劳动者必须进入这场技术革命，理解它、质疑它、改造它，并分享它创造的力量。

【事实来源】

1.《互联网信息服务算法推荐管理规定》：

https://wap.miit.gov.cn/zcfg/xxtxl/art/2022/art_f4ec73fc1f8f4615ba4cb44e998426b3.html

2.《关于加快推进“人工智能+人力资源社会保障”应用发展的实施意见》：

https://www.nda.gov.cn/sjj/zwgk/zcfb/0708/20260708133949899211227_pc.html

3.国际劳工组织《生成式AI与就业：2025年更新》：

https://www.ilo.org/publications/generative-ai-and-jobs-2025-update

4.《中华人民共和国个人信息保护法》：

https://www.cac.gov.cn/2021-08/20/c_1631050028355286.htm

【作者说明】

本文为独立研究者的公共讨论稿，不代表任何工会、机构、劳动者群体或AI。欢迎基于公开资料提出事实纠错、制度反驳和替代方案;请勿提交真实个人信息、单位机密或未经授权的劳动个案。