--- schema_version: "library-reader-v1" source_type: "original_book" title: "销声匿迹：数字化工作的真正未来【朝九晚五的全职就业逐步瓦解，在线工作得到的却不是自由；什么才是灵活就业背后的真实世界和应对之策？】" author: null edition: null publisher: null year: null isbn: "9787208164499" library_document_id: "0be4e009-2c4a-4819-b574-22b280589b3b" source_sha256: "0fbf232d614d1c794c80d1c61cd823b574be49df3045465933d5a95f2d11190e" pdf_physical_page_count: 214 pdf_physical_page_index_base: 0 range_start: 10 range_count: 10 html_url: "https://workshop.closeclaw.top/api/ai/read/0be4e009-2c4a-4819-b574-22b280589b3b?start=10&limit=10" markdown_url: "https://workshop.closeclaw.top/api/ai/read/0be4e009-2c4a-4819-b574-22b280589b3b.md?start=10&limit=10" previous_url: "https://workshop.closeclaw.top/api/ai/read/0be4e009-2c4a-4819-b574-22b280589b3b.md?start=0&limit=10" next_url: "https://workshop.closeclaw.top/api/ai/read/0be4e009-2c4a-4819-b574-22b280589b3b.md?start=20&limit=10" --- # 销声匿迹：数字化工作的真正未来【朝九晚五的全职就业逐步瓦解，在线工作得到的却不是自由；什么才是灵活就业背后的真实世界和应对之策？】 > 页码规则：PDF_PHYSICAL_PAGE_INDEX 是从 0 开始的权威文件物理页索引；PRINTED_PAGE 是页面中识别出的印刷页码，可能为空，二者不得混用。 ## PDF_PHYSICAL_PAGE_INDEX=10 | PRINTED_PAGE=11 有很多新工作依赖于琼和卡拉这样的人，内容审核——从筛查新闻提要和搜索结果，到评判相应内容的争议，从而帮助科技和传媒公司判断哪些内容可以保留，哪些内容需要删除——只是其中一个例子。社交媒体公司试图确保数十亿网站用户每天得到家庭友好型的信息，因此内容审查是普遍存在的，通常也是时效性很强的任务。像琼和卡拉这样的人，有太多网页、照片以及各种语言的推文需要评估。 谷歌、微软、Facebook和Twitter等公司使用软件自动删除尽可能多的“不适合在工作场合出现的内容”。但这些由机器学习和人工智能驱动的软件过滤系统并不完美。它们不能百分百地区别拇指和阴茎，更别提仇恨言论和讽刺了。还记得2012年美国总统大选的经典时刻吗？当时共和党总统候选人米特·罗姆尼（Mitt Romney）说了句“满载女性的活页夹！”，惹恼网民。Twitter需要工人做琼那样的工作，从而及时判断为什么包含在话题标签中的让人摸不着头脑的一句话会飙升到热门话题的最前列。是黑客干的吗？是出故障了吗？真的有人在疯狂地刷Twitter吗？目前的人工智能系统还无法可靠地辨别上述问题。而按需工作指明了一种方向，可以把计算能力与人类的创造力和活力结合起来。 琼、卡拉以及数百万和她们一样的工人在人工智能失灵时介入，本书讲述的就是他们的故事。我们想当然地以为系统是自动的，但他们才是在幕后推动系统的人类。现代的人工智能系统不仅需要人类回答不熟悉的或有难度的问题，最开始还需要人类帮助它们学习如何回答问题。例如，搜索“驼背沙发”的图片，你会得到一大堆靠背呈曲线的沙发。必应、谷歌这样的搜索引擎并不能和我们人类一样看到或理解图像。家具爱好者不到一秒钟就能找出一件漂亮的带曲线靠背的沙发，这种沙发像驼背沙发一样可以让很多人坐在上面。搜索引擎背后的人工智能系统最开始必须输入至少几百张曲线靠背沙发的图片，每张图片都标记为“驼背沙发”。然后，当搜索引擎遇到一张新的沙发图片时，它会运行一种所谓的“分类算法”，这种算法本质上就是在检查，相比于没有被标记为“驼背”的沙发，这张新图片是否更适合被标记为“驼背”沙发。那么，最初的一系列带有标签的图片，也就是所谓的训练数据，是从哪里来的呢？来自贾斯汀。引导大家接单的任务描述不会超过两句话，贾斯汀这样的工人必须在几秒钟内申请工作，否则就会被其他愿意接手的人捷足先登。贾斯汀是个全职爸爸，带着两个年幼的儿子，孩子上学前和午睡时是他工作的时间。他大方地承认，一开始并不知道驼背沙发是什么。“在回答这些问题之前，我必须在谷歌上花很多时间，弄清楚这些术语的含义。” 许多企业提供这样的付费项目，其中猫途鹰（TripAdvisor）、 11 ## PDF_PHYSICAL_PAGE_INDEX=11 | PRINTED_PAGE=12 Match.com、谷歌、Twitter、Facebook和微软知名度较高。像贾斯汀这样的人按任务获得报酬，一天24小时，每周7天。每天都有新的企业出现，他们的商业模式依赖于世界各地的工人，这些工人通过软件响应公开选拔，在幕后完成这些工作。这些企业把日常活动外包给独立工人，而不是交给正式雇员。他们利用幽灵工作回答客户的在线咨询，编辑产品评论，或者完成几乎不需要雇员全职参与的工作。 幽灵工作如何运行？ 计算机程序不过是一串指令，告诉计算机应该做什么。两个软件程序（或一个软件加一个硬件）必须建立一种通用语言才能沟通。这可以通过应用程序接口（API）实现。通过定义程序将会接受的指令以及执行每条指令的效果，API可以确定通用语言。可以说，API规定了计算机程序的“交战规则”。例如，现在市场上有成百上千种计算机，为每种类型编写定制版的软件系统是极其复杂的。但是，如果所有（或至少大部分）可用的计算机都使用相同的API，那么程序员就可以一次性为所有计算机编写代码，因为API确保所有机器都能理解相同的语言。这种API只有计算机能使用，但MTurk的API却可以给人使用：软件工程师可以编写程序，只要稍微修改指令，就可以自动付费让人类完成任务。6 通常，如果要计算一些东西，程序员可以通过API接入中央处理器（CPU），其中API由操作系统定义。但是，如果利用幽灵工作完成任务，程序员就会通过按需劳工平台的API与工人交互。7人类具有创新能力，可以应答呼叫，所以程序员会把任务分配给人类。不同于API，人类具有能动性，会自己做决定。无论给出什么指令，CPU都会执行；但人类会自发地做出创造性的决策，并加入自己的理解。接入API以后，人类还有需求、动机和偏见。输入相同的内容，CPU总是输出相同的结果。然而，如果带一个饥饿的人走进杂货铺，他（或她）出来的时候会带着一大包食品，与不饿的时候截然不同。人类冲动，喜欢自作主张，但作为补偿，人类也带来了CPU所缺乏的东西——创造力和创新。琼、卡拉和贾斯汀都属于一个不断增长的经济体制，他们被API隐藏起来，被幽灵工作所推动。 不到20年前，软件工程师只能编写供计算机执行的代码。MTurk以及随后的API出现以后，程序员便可以利用人类完成计算机不能完成的任务，比如快速准确地做出判断，就像卡拉和琼判定内容是否少儿不宜那样。事实上，现在任何坐在网页浏览器前的人都可以回应类似的自动请求。这是API、机械计算和人类独创性的混合，企业称之为“众包”“微工作”或“众工作”。计算机科学家称之为“人类计算”。任何项目只要可以分解成一系列分立的任务，就可以用人类计算来解决。软件可以使用这些API管理工作流程，处理计算机和个人的输出，甚至在人们完成任务后根据贡献多少给他们支付报酬。这些人驱动了现代的人工智能系统、网站和应用程序，我们所有人都是受益者，并且认为一切理所当然。 12 ## PDF_PHYSICAL_PAGE_INDEX=12 | PRINTED_PAGE=13 想象一个二十出头的女人，站在芝加哥的路边——我们姑且叫她埃米莉。埃米莉在智能手机上打开优步（Uber）应用程序，一位优步司机接了单。埃米莉和司机都不知道，他们的相遇依赖于两个大洋之外的另一个女人，也许她叫艾莎。 埃米莉和司机都不知道，刚刚优步软件标记了司机的账户。假设司机的名字是山姆，他昨天晚上为给女朋友过生日刮掉了胡子。现在，他早晨上车时登记的这张自拍与他登记的身份证照片不符——这是2016年优步推出的“实时ID检查”（Real-Time ID Check）的一部分，用来验证司机的身份。两张照片存在差异，一张有胡子，另一张没有——山姆没料到，这会导致他的账户被冻结。突然之间，在他本人不知道的情况下，这单生意可能要黄了。 与此同时，在海外被誉为“印度硅谷”的海得拉巴，艾莎坐在餐桌旁，眯着眼睛盯着笔记本电脑。她刚刚接受了一份工作，从优步转到了CrowdFlower，在埃米莉的这趟旅程中，艾莎扮演了无形但不可或缺的角色。CloudFactory、Playment、Clickworker是CrowdFlower的竞争对手，它们都有时髦的技术名称。这些平台把软件作为一种服务，提供给任何想要快速获得工人的雇主。每天都有成千上万像艾莎一样的工人登入CrowdFlower这样的众包平台，寻找任务型工作。现在，艾莎或者任何恰好响应CrowdFlower请求的隐形工人，将决定山姆能否去接埃米莉。 优步和CrowdFlower是不断成长的服务供应链中的两个环节，这些服务利用API和人类计算把人们投入工作。优步通过CrowdFlower的API付费给某个人，让其查看艾莎的工作结果。如果通过审核，系统将在几分钟内处理优步的付费请求。如果没有达到预先设定的标准，艾莎就得不到任何报酬，也没有机会投诉。这种API在设计之初就不想倾听艾莎的想法。 艾莎把司机的两张照片并排放在一起比较。CrowdFlower网页右上角的一个计时器开始倒计时，提醒她加快速度。如果计时结束前她没有提交判定结果，CrowdFlower就不会处理优步的付费。艾莎眨眨眼，看了看计时器，又眯起眼睛看了看只有拇指指甲大小的照片：是的，眼睛都是棕色的。酒窝是一样的。她点击“同意”。 13 ## PDF_PHYSICAL_PAGE_INDEX=13 | PRINTED_PAGE=14 山姆把车停在路边时，他的账户得到授权，可以去接埃米莉了。埃米莉一直在拥挤的芝加哥街头张望，直到山姆停下车，她钻进车里。车门关上的时候，艾莎已经进入下一个任务。她希望在下班前多挣几个卢比。 优步的乘客和司机都没有注意到，有人在实时审查他们的交易，这个人可能远在天边，也可能就在路的尽头。在美国，每100个优步订单中就有一个这样无法察觉的交流，这意味着每天要发生大约1.3万次。我们永远看不见艾莎为CrowdFlower做的幽灵工作，但花时间研究她和像她那样的工人之后，我们可以想象，埃米莉这样的用户和山姆这样的司机永远不会看到这种短暂的市场交流。艾莎是幽灵工作存在的唯一证据，因此，当埃米莉和山姆远去之后，她是唯一能帮助我们还原幽灵工作体验的人。 数十亿人每天都在查看网站内容，使用搜索引擎，发布推文和帖子，享受移动应用程序的服务。他们认为自己获得的服务仅仅是依靠技术的魔力。但实际上，有一名国际工人在背后默默劳动，他们主要是自由职业者和临时工，而不是全职的或按小时计酬的工人，其法律地位不被认可。有时，这些工作被拔高成“第二次机器时代”或“第四次工业革命”的先驱，或者被认为是更庞大的数字经济或平台经济的一部分。而其他时候，我们不假思索地称之为“零工”（gigs）。 9 没有一部劳工法可以完全适用于按需零工经济，它是一种奇特的组合，独立于任何一位雇主，却又依赖在线平台。按需平台是零工经济的监工，它的盈利模式是，在线上把购买人力和提供人力的双方匹配起来，形成一个由大量企业和匿名工人构成的双边市场。重要的是，正如传媒学者、社会学家塔尔顿·吉莱斯皮（Tarleton Gillespie）指出，平台本身可能不生产内容，“但它对内容做出的筛选至关重要”。10按需工作平台很容易成为隐名合伙人，它更可能向付费的一方倾斜，而不是找工作的人。 从头部公司到最小的创业公司，每一个企业都依赖这个由按需平台累积起来的共享按需工人库。他们利用这些工人满足消费者的需求，消费者的期许越来越高，都希望在几秒钟内得到答复。企业不再寻找传统的临时工中介，而是求助于这样的工人库来紧急填补团队的缺口。企业还从中开发新的项目，从测试新软件的隐私设置，到检查意大利面的口味描述是否容易理解，不一而足。这些新的风险投资项目要么过于投机，要么缺乏深思熟虑，以至于企业不敢轻易雇用全职雇员，也不好确认招聘的成本，哪怕找临时工也有风险。如果没有衡量消费者的反应，企业便不想贸然推出新服务或新产品。顾客的口味越来越刁钻，期望值越来越高，在这种情况下，服务业可以先尝试由幽灵工作提出的创意，并反复让其他工人评价，从而代替普通消费者模拟市场反应。 14 ## PDF_PHYSICAL_PAGE_INDEX=14 | PRINTED_PAGE=15 远未成熟的人工智能 每周，宣告工作终结的耸人听闻的标题都会接连不断地出现。很快就有人警告我们，机器人将奋起反抗。人们普遍认为，自动化及其助手人工智能，将淘汰人类的工作。工厂里的机械臂可以移动车间的金属板材。软件机器人可以接收短信比萨订单。无人机可以送货上门。现在，这些智能系统与许多传统的求职网站相连，有人认为这预示着人类将很快在工作场所消失。据说，人工智能将不可避免地取得胜利，所有人都会被解雇，只留下最不可替代的工人。我们都需要提高技能。立刻！马上！ 在这场大合唱中，特斯拉和SpaceX的创始人埃隆·马斯克（ElonMusk）、著名物理学家史蒂芬·霍金（Stephen Hawking）以及谷歌的联合创始人拉里·佩奇（Larry Page）只是几个代表性的声音。11他们要么对人工智能“召唤恶魔”表示恐慌，要么怀念没有人工智能的时代，当时人们自认为能主宰自己的命运。12但吸引眼球的标题掩盖了更加混乱的现实。不可否认，机器人是在崛起，但大多数自动化工作仍然需要人类昼夜不歇，其中许多人是兼职或合同工。但就像人类一样，机器也经常会有卡住或出现故障的时候，此时人类便可对自动化过程做出微调和维护。 我们也必须承认，在实现自动化的漫长征途中，人们创造了新的需求，也培养了各式的人类劳动力来满足这些需求。从这一点来说，新的、软件管理的工作世界与在流水线上组装汽车的工厂工作有着相似的特征，工厂工作是在最需要工人的时间把工人安置在最需要他们的地方。这也类似于19世纪妇女和儿童在农场里做的所谓“计件工作”，每组装一个火柴盒可以挣几便士。这也很像把医疗文书转录和客服呼叫中心的工作外包给“全球南方”(3)的情形。20世纪90年代末，随着互联网的扩张，这种现象十分普遍。 15 ## PDF_PHYSICAL_PAGE_INDEX=15 | PRINTED_PAGE=16 工厂工作、计件工作和外包都是在线分配任务的前身，因为它们涉及的都是琐碎而重复的工作，无关宏旨。这些工作收入微薄、朝不保夕，大多数情况下，都是由经济学家认为的可有可无或“低技能”的人完成。市场亲切地把这些人叫作“人力资本”。点击“狗”或“猫”给图片贴上标签，使它最终能被苹果手机识别为家庭宠物，与拧紧一颗螺丝钉，最终制造一辆福特卡车没有什么不同。但从这里开始工作相似性就终结了。 蓝领制造业一直是人工智能发展最直接针对的目标。2016年，生产苹果手机的富士康工厂据称用机器人取代了6万名工人。根据报道，同一年，亚马逊在20个物流中心部署了4.5万台机器人，与23万名工人一起工作。然而，这些数字没有说清自动化催生了多少工作岗位。人工智能会对全职蓝领工作产生影响的媒体相关报道可能会分散我们的注意力，使我们忽视了一种正在快速增长的新工人。当人工智能触及自身天花板时，这类新兴的工人将完善或倾向于使制造系统完成自动化。 过去20年里，最挣钱的企业已经从大规模生产家具、服装等耐用品，慢慢转型为提供医疗保健、消费者分析和零售等服务。把一种体验卖给消费者，比如喝一杯拿铁或浏览娱乐资讯，比制造一台电视赚的钱更多。13所有企业都在接入临时工人共享库，通过使用临时工来控制成本。在需要的时候获得想要的人，这种策略已经有半个世纪的历史，企业不再需要与全职雇员谈判，也不受制于保护全职雇员的职业分类和劳动法。 这种人类与人工智能的混合，可谓制造业、零售业、市场销售和客户服务的一次重新洗牌，已经超越了我们熟悉的就业类别。传统的制造业由全职工人轮班工作，他们每周工作40个小时，干的活重复而连续；现在的任务型工作完全不同，比如修正客户的纳税申报表，或者实时翻译视频并添加字幕，这些都需要人类不断贡献智慧和判断力。这些任务是动态的，而不是机械的，所以很难把人类排除在外。 人工智能并不像大多数人希望的或害怕的那样聪明。以驱动AlphaGo的人工智能为例，最近技术专家斯科特·哈特利（ScottHartley）在《模糊性与技术专家》（The Fuzzy and the Techie）一书中记录了它取得的斐然成就。14围棋是中国古代的棋盘游戏，2017年5月，AlphaGo成为第一个击败中国围棋世界冠军柯洁的电脑程序。5个月后，AlphaGo迭代出AlphaGo Zero。但我们不必太震惊，因为有一点非常重要，即围棋的规则是死的，有固定的形式，在封闭的环境中进行，结果完全取决于两个玩家。在谷歌旗下的公司DeepMind，AlphaGo和AlphaGo Zero的人类程序员给出了输赢的明确定义。围棋的制胜之道是在对弈过程中预测落子的远期影响。15因此，通过人类围棋大师对弈的庞大数据库以及与自己对弈，AlphaGo接受了几十亿个棋局的训练，从而了解哪种棋路更好，哪个落子位置威力更大。16之后AlphaGo Zero与它的镜像AlphaGo对弈，把之前的经验又复习了一遍。但是正如人工智能研究领域的著名专家汤姆·迪克里奇（Tom Dietterich）所说，“人工智能对世界的渊博知识必须依靠人类补充”，如此才能完成大多数日常任务。现实生活可比围棋复杂得多。 16 ## PDF_PHYSICAL_PAGE_INDEX=16 | PRINTED_PAGE=17 新的线上工作平台把工作机会介绍给琼、卡拉、贾斯汀和艾莎，这颠覆了媒体经常报道的人工智能拥有无限智慧、机器人势不可挡之类的传奇故事。现实世界的任务，从识别仇恨言论、把出租屋归类为春季婚礼的绝佳场地，到修正纳税申报表，都需要人类的见解和判断。生活不像围棋，不存在单一形式和最优解。例如，你很难列举“最好的”婚礼场地具备哪些特质。即使能列出来，也不会使人信服，因为人们对这些特质存在不同的偏好。此外，也不存在那种用来教会人工智能识别“最优解”的训练数据。而且，从方言俚语、气候变化引起的飓风，到随意的税法改革，一系列无穷无尽的外部因素会掺杂进来，影响结果。在许多情况下，未知因素太多了，以至于无法训练当前的人工智能，使它具备足够的意识或者获得足够的经验，也无法对所有意外情况做出明智的反应。这就是为什么人工智能还必须得指望人类，利用人类对世界的渊博知识来弥补决策的盲区。 任何人只要像我们一样仔细地观察，走到人工智能的背后，就会发现一个新的工作世界，在这个世界里，软件管理着人类，而人类则在完成计算机做不到的工作。这个世界的系统把任务从人转移到机器，他们通过自动化来解决新的问题。例如，网络成为主流之后，Facebook、Twitter和Instagram等公司需要在线审核的内容越来越多，仅仅靠自动化工具无法实现。与此同时，新系统上线时，通常会面临突发问题，无法达到预期效果，因此需要卡拉和琼的工作。多亏了这样的工人，自动化审核软件变得越来越好，但还远远不够完美。在达到完美的过程中，自动化不可避免地会出现小故障，这就需要临时工来解决。一旦工人成功地训练了人工智能，使它像人类一样工作，他们就会转向工程师指派的下一个任务，这些任务将不断推进自动化的边界。人们畅想人工智能的新应用，自动化的终点线也在改变，所以我们无法确定通往完全自动化的“最后一英里”是否会走完。我们称之为“自动化的最后一英里悖论”。 随着人工智能的发展，那些无法预见和无法预测的任务也创造了临时劳工市场。17自动化的最大悖论在于，使人类免于劳动的愿望总是给人类带来新的任务。我们所说的“最后一英里”是计算机和人力之间的差距。毫无疑问，软件工程师将利用幽灵工作执行手中的任务，并把人工智能推向极限。而且很有可能，随着越来越多的企业设法为我们提供支持人工智能的“智能”数字助理，从而帮助我们管理行程和预定航班，那么当人工智能无法满足我们日益苛刻且不断增长的需求时，会需要越来越多的人力参与进来。事实上，在技术走向自动化的漫长历史中，很关键的一点是对临时劳动力的依赖。今天致力于通过算法和人工智能解决问题的工程师，是自动化最后一英里悖论的最新迭代。在这一前沿，临时工的高峰和低谷不断转换，这重新定义了人类和机器的关系。 17 ## PDF_PHYSICAL_PAGE_INDEX=17 | PRINTED_PAGE=18 按需劳动平台的兴起表明，使用API来组织、指派和计划工作具有吸引力。正如本书中的例子所示，利用临时劳动力开发新技术的这种重新定位，推动了新近所谓的“人工智能革命”。当驱动手机应用程序或在线服务的人工智能不知道下一步该为客户做什么时，它需要人的帮助，而且越快越好。终端用户希望运行搜索引擎和社交媒体的软件能在几毫秒内作出响应。传统的雇佣方法在这里行不通。因此，人工智能的决策闭环中需要人的加入，这样才能理解，比如说，为什么与一场突发自然灾害相关的搜索词会暴增，此时，它需要立即获得人工的信息输入。这场灾害将成为历史，但从瞬间的大量人工输入中，软件将会掌握它需要的东西。正是嵌入API中随时待命的共享劳动力库提供了这些人工输入。软件工程师可以编写代码来自动雇人以解决眼前的问题，自动检查他们的工作，并支付报酬。与此类似，使用现代机器学习系统的科学家和研究员同样依赖清晰无误的训练数据。他们需要一种自动化的方法来帮助生成和清理这些数据，而且需要大量来自世界各地的人来完成这件事。按需劳动平台为当今的线上企业提供了此种人类劳动和人工智能的结合，创造了一个庞大且隐于无形的人力资源库来从事幽灵工作。按需提供服务和工作可能是未来工作趋势的一部分。如果在设计和管理过程中没有注意到它如何重构人们日常工作的体验和意义，那可能就会产生意想不到的、潜在的灾难性后果。 就业真正的未来 雇佣工作的逐步分解可能是工作性质的一种深刻而根本的转变。在美国，传统的全职工作已经不再普遍。过去，员工可能几十年日复一日地待在同一间办公室里，成就一番事业，并期望得到稳定的薪酬、健康护理、病假和退休福利。现在，从童工保护法到工作场所安全指南，全球几个世纪以来的改革成就正在瓦解。事实上，根据美国劳工统计局 18 ## PDF_PHYSICAL_PAGE_INDEX=18 | PRINTED_PAGE=19 （Bureau of Labor Statistics）的数据，目前只有52%的雇主提供工作场所福利。大萧条之后，美国人开始意识到，除了提供食品、保健或在实体店销售商品，最好的选择是在按需零工经济中找工作，这样的机会越来越多。由于劳动法中没有任何职业分类保护这种工作，而MTurk和CrowdFlower等平台的服务条款几乎与我们在更新软件时都会点击的对话框没有什么不同，这就相当于抹去了传统员工享受的保护。 虽然皮尤研究中心的最乐观估计是，目前从事幽灵工作的人数约为2 000万，但没有确切的统计数字表明，有多少人像琼、卡拉、贾斯汀和艾莎那样，为了生计草率地做了一些基于合同的幽灵工作。美国劳工统计局增加了一项补充调查，内容是“临时就业与替代就业安排”，从美国人口普查局（Census Bureau）2017年5月的当前人口调查（CPS）中选择了6万个符合条件的家庭，这样的月度调查使劳工统计局了解了这个国家的就业和失业数据。十多年以来，这是第一次试图估计临时工作的增长。18据劳工统计局估计，10.1%的美国工人没有长期雇佣合同，无论是正式的还是非正式的。但这项调查只统计了那些把替代就业作为主业或独立工作的人。所以，如果一个人一边做着幽灵工作，一边朝九晚五接受另一位雇主的固定工资或时薪，那就很难被统计到。而在我们遇到的最活跃的工人中，这是一种非常普遍的趋势。 作为对当前人口调查的补充，美国劳工统计局发布的《2017年临时就业与替代就业安排》为衡量幽灵工作的兴起设置了两个障碍。在一个多项选择调查里，对工人而言，很难真正理解“长期就业”是指什么。而且，有许多人都同时打多份工来支付房租，想知道什么是“主业”可能同样困难。美国政府责任署（Government Accountability Office）的人口调查与劳工统计局的数据存在分歧，这也可以反映人们对“长期”或“主业”等旧工作分类的困惑。就在两年前，美国政府责任署的报告称，至少有31%的美国职工表示，他们从事某种形式的替代工作，包括自由职业或独立的雇佣合同。19劳动经济学家劳伦斯·卡茨（Lawrence Katz）和艾伦·克鲁格（Alan Krueger）估计，通过个体经营者或那些由劳务中介派遣的临时工——所谓的劳动力转向雇佣临时工制——完成的替代合同工作从10%上升到16%，相当于美国经济过去十年的净就业增长。20关于幽灵工作的规模和增长的最准确理解可能来自独立智库，而不是政府数据。 对按需零工市场最保守的估计来自经济政策研究所（EconomicPolicy Institute）。经济学家劳伦斯·米歇尔（Lawrence Mishel）和他的研究团队估计，在美国有工作的成年人里，参与按需零工经济的比例为0.5%至1%，或者125万至250万人。但他们之所以得出这样的数字，是通过一项针对优步司机的非常具体的研究，他们假设大部分零工工作都来自优步和其他在线约车应用。摩根大通研究所（JPMorgan ChaseInstitute）的一项研究发现，2015年至2016年间，美国成年人中，至少参与过一次线上平台经济工作的比例为4.3%，也就是1 073万人。21这一就业市场的特点就是临时工作人员频繁更替。没有被认可的专业头衔。没有晋升的阶梯。没有奖金。没有保障。任务都有一定的时限，一旦公司达成了特定目标，被雇用的工人就会转移到其他项目上。 19 ## PDF_PHYSICAL_PAGE_INDEX=19 | PRINTED_PAGE=20 从软件工程、法律服务到商业媒体、保健，现在很多企业都转向按需劳动平台，他们把白领工作转变为承包项目。这种全数字化的信息服务和知识工作，把需要思考和处理数据的创造性专业知识，转化为由科技、法律、金融和娱乐等行业在线提供的消费性服务。由于这种突然而巨大的变化，大型企业里有全职雇员现场工作的日子将屈指可数。许多公司争相销售把计算机、智能设备与人工智能结合起来的信息服务。按需型知识工作是一种更庞大的“宏任务”（macro-tasks）， Catalant（HourlyNerd的前身）、Popexpert和Upwork等公司利用API把这种工作交付给其他企业或个人。与传统朝九晚五的工作相比，自动化创造的就业前景无疑会更加支离破碎。一些劳动经济学家认为，“职场裂隙”的新现实，是20世纪八九十年代以来将长期就业转变为一系列短期合同的最终结果。22然而，这种新的、出乎意料的现实并没有阻止世界各地数以百万计的数字工人，他们夜以继日地坐在键盘前面，完成不计其数的幕后任务，这些幕后任务使应用程序看起来比实际更加智能。这意味着商业和就业的未来更有可能类似于今天的按需经济，而不是一部人类消失、机器人统治世界的反乌托邦电影。它将要求人类浏览软件界面的菜单，并学会在人工智能笼罩的阴影下工作。它将包含一个生态系统，由琼这样的独立承包人构成，他们会在印度农村、田纳西州诺克斯维尔和俄勒冈州波特兰的闲置卧室、咖啡馆和煤渣住宅中敲打着键盘或者任何一个只要有网络连接、有电脑、有雄心壮志或经济需要的人在任何地方能上网就可以。如果很少有人关注这些幕后工人，那么他们很快就会变得日益疏远、地位低下、不稳定和孤立。 我们采访到的所有工人都有一个意想不到的共同点：希望。他们希望利用按需工作来掌控自己的工作时间、工作伙伴以及承担的任务。他们希望和家人待在一起。他们希望避免长途通勤和恶劣的工作环境。他们希望能获得经验从而刷新自己的简历，或者为新的可能性打开一扇门。同样真实的是，许多人认为自己和家人没有其他选择。在他们的城镇里，全职就业通常意味着在大卖场里拿时薪，有固定的轮班，适应随时变化的工作日程表，不存在有意义的晋升机会。按需工作给了他们实际经验，包括安排会议、测试和调试网站、开发计算机知识技能、寻找销售线索以及管理全职雇员的人力资源档案。有哪个工人不希望有一天能完全掌控自己的工作日程和工作目的呢？ 20 下一段：[继续读取](https://workshop.closeclaw.top/api/ai/read/0be4e009-2c4a-4819-b574-22b280589b3b.md?start=20&limit=10)