職場監(jiān)視5.0下勞動者個人數(shù)據(jù)保護的困境與出路

湯曉瑩

一、引言

“算法管理”目前已經(jīng)在全世界范圍內(nèi)蓬勃發(fā)展，并被普遍運用于眾多產(chǎn)業(yè)的“勞動者”①分配、管理、優(yōu)化和評估中。盡管表面上算法管理是以更科學(xué)的數(shù)據(jù)分析作為雇傭決策的依據(jù)，但其在實際運行中卻帶來了越來越多的“侵入性管理實踐”，引發(fā)了對勞動者權(quán)利保護問題的擔(dān)憂。[1]2020年，《人物》雜志的一篇題名為《外賣騎手，困在系統(tǒng)里》的文章揭示了外賣騎手面臨的算法困境，[2]激起了我國學(xué)界和實務(wù)界對平臺用工領(lǐng)域算法管理的廣泛討論。實際上，算法技術(shù)除了在平臺用工領(lǐng)域發(fā)揮關(guān)鍵人力資源管理職能外，在傳統(tǒng)雇傭領(lǐng)域也成為影響勞動者是否被錄用、解雇或者勞動條件是否得到改善的重要因素。隨著2020年新冠疫情的爆發(fā)，“遠程勞動”②的重要性得到凸顯，算法在遠程分配任務(wù)、衡量勞動者工作效率等人力資源管理上勢必發(fā)揮越來越關(guān)鍵的作用。根據(jù)定義，“算法管理”是指用人單位在“數(shù)據(jù)收集”的基礎(chǔ)之上運用“機器學(xué)習(xí)算法”對所收集的勞動者個人數(shù)據(jù)進行自動處理，從而自動或者半自動地做出人力資源管理決策的過程。[3]“機器學(xué)習(xí)算法”(以下簡稱“算法技術(shù)”)在其中所發(fā)揮的核心作用便是在數(shù)據(jù)收集的基礎(chǔ)上通過對數(shù)據(jù)進行自動化處理從而預(yù)測勞動者未知個人特征。

在從屬性勞動關(guān)系中，具有天然積極擴張性質(zhì)的用人單位監(jiān)督管理權(quán)與勞動者個人數(shù)據(jù)保護之間始終存在緊張關(guān)系。筆者將用人單位借助技術(shù)革新手段擴大對勞動者個人數(shù)據(jù)的獲取范圍，稱為用人單位職場監(jiān)視的“第一次大規(guī)模擴張”；將用人單位在既有勞動者個人數(shù)據(jù)的基礎(chǔ)上，借助算法技術(shù)推論出勞動者未知的個人數(shù)據(jù)，而無需以直接侵害勞動者個人數(shù)據(jù)的方式獲得，稱為用人單位職場監(jiān)視的“第二次大規(guī)模擴張”。對于前者，如何平衡用人單位的監(jiān)督管理權(quán)和勞動者的個人數(shù)據(jù)保護、限制用人單位對勞動者個人數(shù)據(jù)的收集一直是學(xué)界研究的重點，而對于后者，當(dāng)前學(xué)界研究成果則較為匱乏。另外，對于不具有傳統(tǒng)勞動者身份的平臺工人而言，其不僅未能在工資工時、工人補償、集體談判、失業(yè)保險、反歧視法等方面享有與傳統(tǒng)雇傭領(lǐng)域中的勞動者完全相同的基本權(quán)利，[4]還可能面臨來自平臺企業(yè)以收集和處理平臺工人的個人數(shù)據(jù)為基礎(chǔ)的平臺算法決策的危害，這無疑是“雪上加霜”。

勞動力不是商品，[5]勞動者對其個人數(shù)據(jù)的權(quán)利也不是商品，并不因為進入勞動關(guān)系而舍棄。平臺工人也不能在提供勞務(wù)給付義務(wù)的過程中失去對個人數(shù)據(jù)的主導(dǎo)地位。當(dāng)前，我國勞動者個人數(shù)據(jù)保護立法不僅面臨歷史遺漏缺陷，也面臨著職場監(jiān)視5.0帶來的新挑戰(zhàn)，由此呈現(xiàn)出新舊問題并存的局面。《民法典》將個人信息保護上升到一個新的高度，而正在制定中的《個人信息保護法》將進一步助推個人信息保護高潮的到來。職場領(lǐng)域是勞動者個人數(shù)據(jù)保護、算法技術(shù)運用的特殊場景，而算法技術(shù)得以運行的基礎(chǔ)是個人數(shù)據(jù)，藉由職場監(jiān)視5.0下的勞動者個人數(shù)據(jù)保護可以管窺場景化、類型化在個人數(shù)據(jù)保護中的意義與運用，也有助于從源頭上規(guī)制算法技術(shù)的侵權(quán)風(fēng)險。

二、職場監(jiān)視的智能升級與職場監(jiān)視5.0在雇傭決策的具體運用

“職場監(jiān)視”，又稱為“勞動者監(jiān)督”。企業(yè)在職場領(lǐng)域中越來越頻繁地運用電子監(jiān)控設(shè)備、信息技術(shù)、物聯(lián)網(wǎng)技術(shù)、人工智能技術(shù)等現(xiàn)代科技手段獲取和處理勞動者個人數(shù)據(jù)，由此帶來職場監(jiān)視的智能升級。

(一)職場監(jiān)視的歷史沿革

1.職場監(jiān)視“五階層模型”

用人單位對勞動者的職場監(jiān)視經(jīng)歷了兩次大規(guī)模擴張，其背后展現(xiàn)的是職場監(jiān)視手段的革新。根據(jù)職場監(jiān)視手段出現(xiàn)的先后順序，可將職場監(jiān)視歸納為“五階層模型”(表1)。[6]

2.職場監(jiān)視5.0與其他職場監(jiān)視手段的關(guān)系

職場監(jiān)視5.0階段與其他階段的職場監(jiān)視既存在緊密聯(lián)系，又存在差異。算法技術(shù)的開發(fā)與運行離不開對個人數(shù)據(jù)的收集與處理。算法技術(shù)利用“職場監(jiān)視1.0”到“職場監(jiān)視4.0”階段生成的大數(shù)據(jù)實現(xiàn)對勞動者進一步監(jiān)視。從中可得出以下結(jié)論：第一，職場監(jiān)視5.0下勞動者個人數(shù)據(jù)保護不能脫離前幾個階段的勞動者個人數(shù)據(jù)保護而獨立存在。第二，與之前的職場監(jiān)視階段不同，算法技術(shù)的核心功能是“數(shù)據(jù)挖掘”，即借助統(tǒng)計學(xué)上分析工具識別數(shù)據(jù)集中各數(shù)據(jù)之間的關(guān)聯(lián)性，[7]使根據(jù)既有個人數(shù)據(jù)推論出未知的個人數(shù)據(jù)成為可能，從而給勞動者個人數(shù)據(jù)保護提出了新的挑戰(zhàn)。第三，算法技術(shù)兼具監(jiān)視與管理職能，前者體現(xiàn)為算法技術(shù)可以預(yù)測出勞動者未知的個人特征，后者體現(xiàn)為算法技術(shù)可以被運用于自動地做出人力資源管理決策，而無需人為干預(yù)，這均是其他職場監(jiān)視階段所不能及的。

(二)算法技術(shù)在傳統(tǒng)雇傭領(lǐng)域的運用

1.招聘階段

算法技術(shù)已經(jīng)逐步進入企業(yè)的“自動化招聘系統(tǒng)”。算法技術(shù)在招聘階段的運用也稱為“分析”的過程。③在我國，典型的以算法為核心的招聘網(wǎng)站有智聯(lián)招聘網(wǎng)、前程無憂網(wǎng)、領(lǐng)英等。具體而言，在招聘廣告階段，數(shù)字時代下在線廣告日益成為接觸潛在求職者的首選方式，用人單位可能會使用招聘算法技術(shù)來識別合格的群體，并向其定向發(fā)送招聘信息；在簡歷篩選階段，用人單位通常借助算法技術(shù)對求職者進行篩選以淘汰不適格的求職者；在面試階段，用人單位可以借助算法技術(shù)對視頻面試中求職者的面部表情、語調(diào)等個人數(shù)據(jù)進行分析以衡量求職者的性格特征、工作表現(xiàn)等；在錄用階段，用人單位將根據(jù)前述階段對求職者進行評級的結(jié)果向符合條件的求職者發(fā)送錄用通知。[8]這一過程類似于一個“招聘漏斗”(圖2)。

2.雇傭階段

算法技術(shù)也進入了企業(yè)“智能任務(wù)分配系統(tǒng)”，或者對勞動者在履行勞動給付義務(wù)過程中所產(chǎn)生的個人數(shù)據(jù)進行分析以識別勞動者的工作效率或工作狀態(tài)。前者體現(xiàn)為算法技術(shù)將根據(jù)勞動者完成工作任務(wù)的情況自動地向勞動者分配下一階段的任務(wù)。關(guān)于后者，現(xiàn)實中，勞動者在職場空間下的絕大多數(shù)活動都受到用人單位的監(jiān)視，甚至包括在職場領(lǐng)域中的非工作時間，如未分配的洗手間時間。算法系統(tǒng)可以基于“機器學(xué)習(xí)功能”計算出平均每位勞動者的“洗手間時間”并自動地對超出一定時間的勞動者做出警告、降薪、降職、解雇等關(guān)系勞動者勞動條件的雇傭決定。例如，實踐中有位工人去洗手間的時間超出規(guī)定時間3秒，月末結(jié)算時全智能員工管理系統(tǒng)扣了他50元工資。[9]

(三)算法技術(shù)在平臺用工領(lǐng)域的運用

在平臺用工中，算法技術(shù)借助智能手機這一信息媒介將勞務(wù)需求者與勞務(wù)給付者進行匹配，實現(xiàn)平臺市場兩端用戶無縫對接的、優(yōu)化的勞務(wù)給付交易?！懊缊F”“餓了么”“滴滴打車”以及“Uber”等互聯(lián)網(wǎng)平臺的運行均離不開算法技術(shù)。以Uber為例，當(dāng)乘客在其app端輸入目的地信息，Uber通過定價算法向乘客顯示乘車費用，估計平臺司機到達乘客所在地和目的地所需的時間，并顯示示例路線和圖標(biāo)以指示附近平臺司機的存在。當(dāng)乘客接受時，平臺將出行請求發(fā)送給附近的平臺司機，平臺司機的智能手機會顯示乘員的姓名、客戶評分、位置、目的地以及乘車價格。在平臺司機收到出行請求后，其有15秒時間做出是否接受該出行請求的決定，如果拒絕了，平臺將會將該請求發(fā)送給其他合適的平臺司機。如果平臺司機接受了該出行請求，乘客將看到司機的姓名、評分、預(yù)計到達目的地時間以及平臺司機的實時動態(tài)。當(dāng)平臺司機完成出行請求時，平臺將從乘客所綁定的銀行里劃走乘車費用，并將其中一定比例的金額作為中介費用，其余進入平臺司機的專用賬戶。行程結(jié)束后，平臺司機和乘客互相給對方評分。[10]在這一系列過程中可歸納出兩套算法：一是將勞務(wù)給付供求者與勞務(wù)給付需求者進行匹配的算法，二是計算平臺工人勞務(wù)報酬的定價算法。這兩套算法技術(shù)的運行同樣離不開對平臺工人的位置跟蹤以及對平臺工人與工作過程相關(guān)的數(shù)據(jù)與用戶反饋數(shù)據(jù)的收集(圖3)。[11]

圖3 平臺用工運行的基本要素

三、侵權(quán)風(fēng)險嵌入算法雇傭決策的技術(shù)路徑：數(shù)據(jù)收集與數(shù)據(jù)處理

為何要對職場監(jiān)視5.0下勞動者的個人數(shù)據(jù)進行保護？算法技術(shù)是把雙刃劍，盡管其提高了用人單位或者平臺企業(yè)在做出雇傭決策的效率，但也給勞動者造成了侵權(quán)風(fēng)險。此侵權(quán)風(fēng)險實際上是通過對勞動者個人數(shù)據(jù)的收集與處理這一技術(shù)路徑嵌入算法雇傭決策。

(一)“數(shù)據(jù)收集”的侵權(quán)風(fēng)險

算法技術(shù)是“數(shù)據(jù)驅(qū)動型”的技術(shù)，其開發(fā)與運行均要以“個人數(shù)據(jù)”為原材料，這就決定了其離不開對勞動者個人數(shù)據(jù)的收集?！皵?shù)據(jù)收集”的侵權(quán)風(fēng)險是指用人單位在著手收集數(shù)據(jù)之前以及收集數(shù)據(jù)的過程中可能存在的導(dǎo)致算法技術(shù)的運行結(jié)果對勞動者產(chǎn)生不利影響的風(fēng)險。具體而言，在用人單位實際著手數(shù)據(jù)收集工作之前，用人單位需要先作出問題界定，即確定其所開發(fā)的算法技術(shù)所欲達到的目標(biāo)。假設(shè)用人單位在算法開發(fā)之問題建構(gòu)階段為算法技術(shù)設(shè)定了一個抽象目標(biāo)，即篩選出不具有“健康風(fēng)險”的求職者以減輕企業(yè)的用工成本。繼而，用人單位將該抽象目標(biāo)轉(zhuǎn)化為可以衡量的效果變量，如勞動者因病請假次數(shù)少。之后，用人單位會根據(jù)已確定的效果變量收集可以衡量效果變量的數(shù)據(jù)，如收集與在本單位本年度內(nèi)因病請假天數(shù)次數(shù)少的勞動者相關(guān)的個人數(shù)據(jù)。在個人數(shù)據(jù)收集之后，用人單位還需要清除發(fā)生錯誤的數(shù)據(jù)、估計缺失的數(shù)據(jù)值并將數(shù)據(jù)劃分為“訓(xùn)練集”和“測試集”數(shù)據(jù)。[12]

在問題界定、效果變量確定以及實際對勞動者個人數(shù)據(jù)進行收集的過程中，用人單位所進行的價值判斷或者行為選將在很大程度上影響算法技術(shù)的運行結(jié)果是否會對包括平等就業(yè)權(quán)、個人數(shù)據(jù)權(quán)利在內(nèi)的勞動者權(quán)利造成侵害，這體現(xiàn)為：第一，因效果變量具有歧視性導(dǎo)致就業(yè)歧視；第二，因數(shù)據(jù)收集方式違背普遍性原則[13]而對未被代表的群體造成就業(yè)歧視；第三，因數(shù)據(jù)本身存在錯誤或者偏見導(dǎo)致算法運行結(jié)果不具有合理性或者造成就業(yè)歧視；第四，用人單位可能未經(jīng)勞動者事先同意而收集勞動者個人數(shù)據(jù)等。

(二)“數(shù)據(jù)處理”的侵權(quán)風(fēng)險

在收集完數(shù)據(jù)之后，用人單位會對收集到的數(shù)據(jù)進行匿名化處理，此時無關(guān)乎個人數(shù)據(jù)權(quán)利。繼而，用人單位會利用統(tǒng)計學(xué)上分析工具對訓(xùn)練集數(shù)據(jù)進行分析從而發(fā)現(xiàn)數(shù)據(jù)間統(tǒng)計學(xué)上概然性，這一步驟可稱為“數(shù)據(jù)挖掘”。[14]譬如，借助統(tǒng)計學(xué)上分析工具得出“工作表現(xiàn)與社交媒體使用頻繁程度”有關(guān)、“喜歡社交媒體中某些內(nèi)容與智力”有關(guān)等。只要前者與后者之間存在統(tǒng)計學(xué)上的相關(guān)性而不一定在現(xiàn)實世界中具有因果關(guān)系，統(tǒng)計學(xué)上分析工具將識別兩者存在關(guān)聯(lián)性。由此可見，此時勞動者個人數(shù)據(jù)的個人權(quán)利屬性已經(jīng)褪去，而具有集體利益性質(zhì)，因為將每位勞動者的個人數(shù)據(jù)進行匯集后的結(jié)果將對其他人造成影響。[15]值得注意的是，與傳統(tǒng)統(tǒng)計分析從假設(shè)開始不同，“數(shù)據(jù)挖掘”是從數(shù)據(jù)生成假設(shè)，其本身并不關(guān)心此種假設(shè)或推論的作出是否具有合理性。[16]

數(shù)據(jù)的自動化處理過程可能會給包括勞動者的生命健康權(quán)、隱私權(quán)、平等就業(yè)權(quán)在內(nèi)的勞動者權(quán)利造成侵害，這表現(xiàn)為：第一，生命健康權(quán)侵權(quán)風(fēng)險。近年來外賣騎手因配送時間不斷被壓縮而發(fā)生工傷事故的例子屢見不鮮，筆者認為這與平臺企業(yè)通過算法技術(shù)的“機器學(xué)習(xí)功能”計算出每筆訂單所花費的平均時間，并據(jù)此秘密地縮減騎手配送時間，優(yōu)化顧客訂單體驗密切相關(guān)。根據(jù)外賣平臺對外的公開說法，送餐系統(tǒng)會收集騎手的上下樓時間，甚至專門研究騎手去低樓層和高樓層時的時間速度，從而對配送時間作出合理的規(guī)定。第二，隱私侵權(quán)風(fēng)險。假定在統(tǒng)計學(xué)上分析工具識別“喜歡社交媒體上某項內(nèi)容的群體”與“性取向”之間存在關(guān)聯(lián)性的基礎(chǔ)上，若收集到的某個求職者的數(shù)據(jù)都指向該求職者喜歡社交媒體上的某項內(nèi)容，則算法最終的分析結(jié)果將指向該求職者的性取向存在問題。繼而，用人單位可能出于對求職者性取向的歧視，對該求職者做出不雇傭的決定。第三，歧視風(fēng)險。以“性別差異”為例，根據(jù)Uber所進行的一項研究，女性平臺司機與男性平臺司機的收入之間存在很大差異。研究者認為由于女性和男性在居住地、駕駛經(jīng)驗、冒險精神等方面的差異，導(dǎo)致男性平臺司機比女性平臺司機更可能在高收入的路段上行駛。[17]盡管該解釋是可行的，但筆者認為這并非問題的關(guān)鍵。假設(shè)Uber在問題設(shè)定階段為“供應(yīng)者選擇匹配算法”制定了一個看似無辜的目標(biāo)：將平臺司機與可能對其作出高評價的乘客匹配在一起。在“數(shù)據(jù)挖掘”的過程中，統(tǒng)計學(xué)上分析工具可能會識別出種族、階層和性別等要素與用戶評價之間的相關(guān)性。例如，相對而言比較謹慎、駕駛速度比較慢的女性平臺司機很難與著急趕時間前往機場的乘客相匹配，而前往機場的線路在單位時間內(nèi)的有效距離往往是更遠的，這可能會對女性平臺司機的經(jīng)濟利益造成不利影響。

綜上所述，算法技術(shù)在輔助用人單位或者平臺企業(yè)做出雇傭決策過程中給勞動者權(quán)利造成的侵權(quán)風(fēng)險主要是通過用人單位或者平臺企業(yè)對勞動者個人數(shù)據(jù)的收集以及統(tǒng)計學(xué)上分析工具對勞動者個人數(shù)據(jù)的自動處理嵌入算法雇傭決策。由此，通過法律規(guī)制數(shù)據(jù)收集與數(shù)據(jù)處理過程便成為治理算法技術(shù)侵權(quán)風(fēng)險的重要路徑，從而凸顯勞動者個人數(shù)據(jù)保護的重要意義。

四、職場監(jiān)視5.0下我國勞動者個人數(shù)據(jù)保護之困境

我國現(xiàn)有的勞動者個人數(shù)據(jù)保護方式可以進一步劃分為兩部分內(nèi)容：一是對用人單位在收集與處理勞動者個人數(shù)據(jù)過程中應(yīng)遵守的行為規(guī)范作出規(guī)定；二是對勞動者的數(shù)據(jù)權(quán)利予以明確。這兩種方式不僅無法有效應(yīng)對職場監(jiān)視5.0出現(xiàn)之前用人單位對勞動者個人數(shù)據(jù)的不恰當(dāng)收集與處理，而且在職場監(jiān)視5.0下也面臨著新的困境。

(一)用人單位數(shù)據(jù)治理義務(wù)的困境

用人單位數(shù)據(jù)治理義務(wù)主要是通過約束用人單位對勞動者個人數(shù)據(jù)的收集與處理行為來保護勞動者的個人數(shù)據(jù)，主要存在如下問題：

1.勞動者個人數(shù)據(jù)受保護范圍不明確

我國現(xiàn)有勞動者個人數(shù)據(jù)保護立法主要集中于對勞動者醫(yī)療健康信息的保護，④以及將勞動者在招聘階段向用人單位履行如實告知義務(wù)的范圍限于與勞動合同相關(guān)的事項，⑤而對于在實際雇傭階段，用人單位是否有權(quán)運用電子監(jiān)控技術(shù)對勞動者個人數(shù)據(jù)進行收集、用人單位對勞動者個人數(shù)據(jù)進行收集的范圍、是否應(yīng)區(qū)分“職場空間”和“非職場空間”下的勞動者個人數(shù)據(jù)保護，以及用人單位在收集勞動者的個人數(shù)據(jù)之后應(yīng)如何使用這些數(shù)據(jù)等，立法均未規(guī)定。

2.“目的限制”原則有違“數(shù)據(jù)共享”

我國《民法典》第1035條、《數(shù)據(jù)安全法》第32條都規(guī)定了收集、處理個人數(shù)據(jù)要具有特定的目的且不得過度處理。然而，大數(shù)據(jù)時代的基本特征是“數(shù)據(jù)共享”，而依據(jù)“目的限制”原則，對個人數(shù)據(jù)的收集與處理的合法性僅在特定目的范圍內(nèi)生效。如何平衡“目的限制”與“數(shù)據(jù)共享”之間的關(guān)系，有待解決。

3.傳統(tǒng)敏感—非敏感數(shù)據(jù)二元劃分難以防止勞動者隱私權(quán)或平等就業(yè)權(quán)遭受侵犯

《民法典》第四編第六章區(qū)分“隱私”和“個人信息”，將敏感個人信息(數(shù)據(jù))稱為“隱私”的一種類型?！秳趧臃ā返?2條列舉了“民族、種族、性別、宗教信仰”這四種歧視特征, 明確勞動者不得因這四類特征而受到歧視，因此，除非具有正當(dāng)商業(yè)事由，否則不允許用人單位詢問勞動者與歧視特征有關(guān)的個人數(shù)據(jù)的行為。上述立法是以個人數(shù)據(jù)收集時是否具有敏感性來認定某一個人數(shù)據(jù)是否屬于“敏感個人數(shù)據(jù)”。盡管限制對勞動者敏感個人數(shù)據(jù)的收集和處理可以在一定程度上避免勞動者隱私權(quán)被侵犯或者傳統(tǒng)就業(yè)歧視的發(fā)生——即用人單位通常收集勞動者或者求職者的敏感數(shù)據(jù)，并據(jù)此對其勞動條件產(chǎn)生不利影響，然而在算法管理下，算法技術(shù)可以通過對由若干非敏感個人數(shù)據(jù)構(gòu)成的數(shù)據(jù)集進行分析從而發(fā)現(xiàn)敏感個人數(shù)據(jù)與非敏感個人數(shù)據(jù)之間的相關(guān)性，使得雇主能基于“非敏感個人數(shù)據(jù)”對勞動者不易直接觀察到的“敏感個人數(shù)據(jù)”作出預(yù)測，侵犯勞動者隱私。用人單位也可能因此對勞動者予以差別對待。為此，僅限制對勞動者敏感個人數(shù)據(jù)的收集、披露和處理，并不足以避免就業(yè)歧視的發(fā)生，且算法歧視的發(fā)生極為隱蔽，僅依據(jù)現(xiàn)有的平等就業(yè)權(quán)保護立法與司法實踐已經(jīng)無法有效應(yīng)對。⑥

4.數(shù)據(jù)處理結(jié)果的合理性未得到重視

如前所述，統(tǒng)計學(xué)上分析工具在進行數(shù)據(jù)自動化處理的過程中所識別的數(shù)據(jù)與數(shù)據(jù)之間的關(guān)聯(lián)性在現(xiàn)實世界中可能不具有合理性，這將直接影響算法技術(shù)的實際運行結(jié)果。然而，我國對個人數(shù)據(jù)的保護主要將關(guān)注中心放置于個人數(shù)據(jù)收集階段，如要求用人單位對勞動者個人數(shù)據(jù)的收集遵循目的限制原則、嚴(yán)格限制對勞動者的敏感個人數(shù)據(jù)進行收集等，未對個人數(shù)據(jù)處理階段中數(shù)據(jù)處理的結(jié)果應(yīng)具有合理性作出規(guī)定。

(二)勞動者個人數(shù)據(jù)賦權(quán)的困境

勞動者對其個人數(shù)據(jù)的控制權(quán)可以進一步劃分為“程序性數(shù)據(jù)權(quán)利”與“實體性數(shù)據(jù)權(quán)利”。

1.程序性數(shù)據(jù)權(quán)利未得到落實

程序性數(shù)據(jù)權(quán)利，即勞動者對其個人數(shù)據(jù)收集與處理的知情同意權(quán)?！睹穹ǖ洹返?035條繼續(xù)肯定了收集、處理個人信息要取得數(shù)據(jù)主體的同意。然而，該條在職場領(lǐng)域存在適用上的困境，表現(xiàn)為：第一，未對同意作出的形式進行規(guī)定。同意的作出若采用任意的口頭形式，將難以保證同意是經(jīng)過數(shù)據(jù)主體深思熟慮后做出的決定。第二，勞動者個體缺乏作出有效知情同意的能力。正如歐盟“第29條數(shù)據(jù)保護工作組”在2017年關(guān)于“工作場所數(shù)據(jù)處理的意見”中指出的那樣，從屬性勞動關(guān)系中，雇員個體出于擔(dān)心雇主在勞動條件上對其予以差別對待，很少會自由地作出、拒絕或者撤銷關(guān)于數(shù)據(jù)處理的同意。[18]此外，勞動者個人由于力量的有限性往往不能對數(shù)據(jù)收集與數(shù)據(jù)處理可能存在的風(fēng)險作出合理判斷，進而也無法作出實質(zhì)有效的同意。

2.實體性數(shù)據(jù)權(quán)利種類規(guī)定不全面

《民法典》1037條規(guī)定的是以“控制個人數(shù)據(jù)的傳播利益”為中心的包括查閱、復(fù)制、異議、更正、刪除權(quán)在內(nèi)的數(shù)據(jù)權(quán)利。盡管這些權(quán)利可以在一定程度上保證勞動者在算法雇傭決策中的參與權(quán)，但是作用有限，不能從根本上防止用人單位在“職場空間”以及“非職場空間”下對勞動者個人數(shù)據(jù)的收集以及避免勞動者遭受算法雇傭決策的侵害。

五、職場監(jiān)視5.0下我國勞動者個人數(shù)據(jù)法律保護之出路

面對職場監(jiān)視智能升級給勞動者個人數(shù)據(jù)保護帶來的挑戰(zhàn)，法律人不能被技術(shù)創(chuàng)新所綁架，而應(yīng)當(dāng)完善和建立相應(yīng)的法律制度。

(一)職場監(jiān)視5.0下勞動者個人數(shù)據(jù)保護的基本理念

職場監(jiān)視5.0下的勞動者個人數(shù)據(jù)保護應(yīng)遵循一定的基本原則與理念，具體包括：第一，數(shù)字人權(quán)。算法技術(shù)的開發(fā)與運用離不開對個人數(shù)據(jù)的收集與處理，而數(shù)據(jù)主體往往并不知曉算法技術(shù)被運用于決策，或者算法決策者以保護商業(yè)秘密的名義并不公開算法決策過程，由此帶來的信息壟斷與信息鴻溝可能會嚴(yán)重威脅、侵蝕數(shù)字化的數(shù)據(jù)主體的隱私權(quán)、平等權(quán)等基本人權(quán)。鑒于此，很多學(xué)者紛紛提出“第四代人權(quán)”——“數(shù)字人權(quán)”，旨在反數(shù)據(jù)信息控制，消解和應(yīng)對信息鴻溝與信息壟斷對信息主體基本人權(quán)的挑戰(zhàn)。[19]第二，場景理念。對勞動者個人數(shù)據(jù)的保護應(yīng)建立在“場景理念”的基礎(chǔ)上。在職場領(lǐng)域中，算法技術(shù)的運用可能是為了識別全體勞動者的某些特點，也可能是為了區(qū)分具有某一屬性的勞動者個體進而對其勞動條件產(chǎn)生影響。后種情形極易對個體勞動者權(quán)利帶來不利影響，與勞動者個人權(quán)利密切相關(guān)，應(yīng)屬于法律重點規(guī)制范圍。[20]第三，預(yù)防原則。算法技術(shù)對個人數(shù)據(jù)的自動化處理結(jié)果可能具有不合理性，因此應(yīng)突出“預(yù)防原則”在勞動者個人數(shù)據(jù)保護中的關(guān)鍵作用。[21]第四，比例原則?！氨壤瓌t”強調(diào)對權(quán)利進行適度限制，有助于平衡勞動者個人數(shù)據(jù)權(quán)利與用人單位監(jiān)督管理權(quán)的關(guān)系。[22]第五，人對機器的控制。在人與人工智能的關(guān)系上，應(yīng)始終強調(diào)人的主導(dǎo)地位，體現(xiàn)為要始終對人工智能帶來的不利影響承擔(dān)法律責(zé)任。[23]第六，社會對話?！吧鐣υ挕痹诼殘鲱I(lǐng)域表現(xiàn)為發(fā)揮集體權(quán)利在保護勞動者個人數(shù)據(jù)中的作用。于勞動者來說，集體權(quán)利有助于為勞動者謀求更好的勞動經(jīng)濟條件；于雇主來說，集體權(quán)利是限制雇主監(jiān)督管理特權(quán)的一個基本工具，可使由雇主單方面行使其管理特權(quán)轉(zhuǎn)向由雇主和雇員共同治理。[1]

(二)職場監(jiān)視5.0下勞動者個人數(shù)據(jù)保護路徑的修正

應(yīng)以上述六項基本原則為指引，修正用人單位的數(shù)據(jù)治理義務(wù)以及勞動者的個人數(shù)據(jù)權(quán)利。

1.用人單位數(shù)據(jù)治理義務(wù)的修正

(1)遵循“合理隱私期許”

我國對勞動者的個人數(shù)據(jù)保護應(yīng)引入“合理隱私期許原則”作為判定勞動者個人數(shù)據(jù)受保護范圍的依據(jù)，且在非職場空間下，勞動者的合理隱私期許范圍大于職場空間下勞動者的合理隱私期許范圍，因此用人單位對勞動者在非職場空間下個人數(shù)據(jù)的收集與處理行為應(yīng)受到嚴(yán)格限制，除非存在例外情形。即使在這些例外情形中，用人單位可以收集和處理勞動者個人數(shù)據(jù)，但在手段上也需要符合比例原則。

(2)秉持“修正后的目的限制”原則

用人單位收集和處理勞動者個人數(shù)據(jù)時應(yīng)遵循“修正后的目的限制”原則。具體而言，當(dāng)用人單位首次出于影響可識別性個體勞動者經(jīng)濟地位的目的收集與處理勞動者個人數(shù)據(jù)時，用人單位需要遵循“目的限制”原則；當(dāng)用人單位對已經(jīng)合法收集的勞動者個人數(shù)據(jù)作進一步處理以完成另一個可能對勞動者權(quán)利造成影響的“不兼容”目標(biāo)時，需再次通知勞動者并獲得其同意。反之，若用人單位不是出于影響可識別性個體勞動者經(jīng)濟地位的目的對已經(jīng)合法收集到的勞動者個人數(shù)據(jù)進行進一步處理，則無需再次履行通知義務(wù)。

(3)摒棄傳統(tǒng)敏感—非敏感個人數(shù)據(jù)二元劃分

不再根據(jù)數(shù)據(jù)收集時是否具有敏感性來劃分敏感個人數(shù)據(jù)和非敏感個人數(shù)據(jù)。若根據(jù)既有的非敏感個人數(shù)據(jù)對敏感個人數(shù)據(jù)作出推論，則用人單位基于此非敏感個人數(shù)據(jù)對勞動者進行區(qū)別對待，也應(yīng)受到反歧視法的規(guī)制。

(4)解釋算法決策過程

雖然出于保護用人單位商業(yè)秘密的要求，要求用人單位完全公開算法技術(shù)的開發(fā)與運行過程并不可行，但用人單位有必要解釋算法決策過程，以縮減算法技術(shù)所帶來的信息鴻溝。從域外立法經(jīng)驗來看，《關(guān)于在自動處理個人數(shù)據(jù)方面保護個人數(shù)據(jù)的公約》、GDPR以及伊利諾伊州的《人工智能視頻面試法案》(Artificial Intelligence Video Interview Act)均規(guī)定了勞動者有權(quán)獲得數(shù)據(jù)處理背后的推理知識，我國應(yīng)借鑒此經(jīng)驗對用人單位履行解釋義務(wù)的范圍進行合理界定。在解釋路徑的選擇上，用人單位應(yīng)遵循“以主體為中心”的解釋方式。[20]該解釋方式重在解釋該算法技術(shù)運行的基本原理，以及其將會給勞動者的勞動條件帶來何種不利影響。具體而言，我國立法以及司法實踐首先應(yīng)擴張就業(yè)歧視的認定標(biāo)準(zhǔn)，在“直接歧視”之外引入美國反歧視法中的“不同影響”，將“不平等結(jié)果”作為認定歧視存在的標(biāo)準(zhǔn)。在此基礎(chǔ)上，用人單位需履行如下義務(wù)：用人單位需要向勞動者說明其開發(fā)的算法所需實現(xiàn)的目標(biāo)、選取的效果變量與工作相關(guān)且不具有歧視性，以及為開發(fā)算法而收集到的數(shù)據(jù)具有準(zhǔn)確性與普遍性，能夠合理地對效果變量進行衡量，從而做出合理、無偏見的雇傭決策。

(5)遵守其他數(shù)據(jù)治理義務(wù)

除了上述內(nèi)容之外，用人單位還應(yīng)積極遵守六個方面的數(shù)據(jù)治理義務(wù)。第一，用人單位出于針對可識別勞動者個體的目的收集與處理勞動者個人數(shù)據(jù)時應(yīng)事先告知勞動者并征得其同意。第二，限制算法技術(shù)在職場領(lǐng)域運用的目的、手段與結(jié)果，包括：原則上禁止用人單位運用算法技術(shù)對勞動者個人數(shù)據(jù)進行自動化處理從而做出能對勞動者之勞動條件產(chǎn)生影響的雇傭決策，除非具有正當(dāng)商業(yè)事由，即為了識別與工作崗位密切相關(guān)的勞動者未知的個人特征；當(dāng)算法技術(shù)的運用對于勞動者與用人單位的合同簽訂或合同履行是必要的，且沒有其他合適的替代方案來實現(xiàn)該合法目的時，才允許通過算法技術(shù)對個人數(shù)據(jù)進行自動化處理以指引雇傭決策；若算法技術(shù)的運用將不合理地排除勞動者在工作場所的基本權(quán)利(例如剝奪休息時間、洗手間時間)，應(yīng)禁止運用。第三，預(yù)先評估自動數(shù)據(jù)處理可能對勞動者基本權(quán)利帶來的影響，否則不得進行自動化處理。第四，接受外部機構(gòu)對其履行數(shù)據(jù)治理義務(wù)的情況進行監(jiān)督，以及如實記錄算法技術(shù)的開發(fā)與運行過程、數(shù)據(jù)保護影響評估過程并留存該證據(jù)線索且在訴訟中負“文書提供義務(wù)”。第五，有義務(wù)與工會就勞動者個人數(shù)據(jù)的收集與處理進行集體協(xié)商。第六，承擔(dān)違反數(shù)據(jù)治理義務(wù)以及算法技術(shù)運行不利后果的法律責(zé)任。

2.勞動者個人數(shù)據(jù)賦權(quán)的修正

(1)確保實質(zhì)有效的知情同意權(quán)

勞動者有權(quán)對用人單位收集和處理其個人數(shù)據(jù)的行為作出書面同意、拒絕同意，甚至可以隨時撤回同意。[24]當(dāng)然，同意作為勞動者的數(shù)據(jù)權(quán)利，其行使也不是毫無限制的。在某些例外情形下，該權(quán)利需要受到限制。該例外情形是用人單位在用工領(lǐng)域運用算法技術(shù)存在正當(dāng)?shù)纳虡I(yè)事由。而對于平臺用工領(lǐng)域而言，平臺企業(yè)對平臺工人個人數(shù)據(jù)的收集，并借助算法技術(shù)對這些數(shù)據(jù)進行處理是平臺系統(tǒng)得以高效率運行的核心，因此平臺工人原則上不得拒絕平臺企業(yè)收集與處理其履行勞務(wù)給付過程中的個人數(shù)據(jù)。此外，勞動者個人還可以授權(quán)工會行使知情同意權(quán)。

(2)增設(shè)新型數(shù)據(jù)權(quán)利類型

第一，算法雇傭決策異議權(quán)與免受算法雇傭決策約束的權(quán)利。在算法雇傭決策中，算法技術(shù)以類似于企業(yè)規(guī)章制度的形式影響著勞動者的勞動條件，勞動者理應(yīng)對算法技術(shù)是如何對其勞動條件產(chǎn)生何種影響享有異議權(quán)。由于算法技術(shù)的核心是“個人數(shù)據(jù)”，歐盟立法將“異議權(quán)”納入個人數(shù)據(jù)保護立法中。例如，《關(guān)于在自動處理個人數(shù)據(jù)方面保護個人數(shù)據(jù)的公約》第9條、GDPR第22條明確規(guī)定，對于“完全基于自動處理”，未考慮數(shù)據(jù)主體意見的決策，如對數(shù)據(jù)主體造成影響，數(shù)據(jù)主體有權(quán)“免受該決策的制約”。我國有必要借鑒此經(jīng)驗在未來的《個人信息保護法》中賦予勞動者算法雇傭決策異議權(quán)以及免受算法雇傭決策約束的權(quán)利。對于未考慮勞動者意見的算法雇傭決策，當(dāng)其對勞動者的勞動條件造成不利影響時，勞動者免受該決策約束。

第二，離線權(quán)?！半x線權(quán)”旨在確保勞動者在非工作時間遠離工作，不從事與工作相關(guān)的電子通訊活動且不會受到不利益對待。[25]我國勞動者個人數(shù)據(jù)保護立法應(yīng)借鑒法國經(jīng)驗引入“離線權(quán)”，要求用人單位與勞動者就“離線”的具體時間進行協(xié)商，并擴張其適用范圍，不僅限制勞動者在非職場空間下與領(lǐng)導(dǎo)或者公司同事進行與工作有關(guān)的電子通訊活動，也限制用人單位在非職場空間下安裝電子監(jiān)控設(shè)備對勞動者個人數(shù)據(jù)進行收集。[26]

五、結(jié)語

“人工智能+”引發(fā)了用人單位人力資源管理領(lǐng)域的深刻變革，是高度的顛覆性技術(shù)。在將人工智能運用于人力資源管理的同時，應(yīng)時刻警惕人工智能給勞動者個人數(shù)據(jù)帶來的侵權(quán)風(fēng)險，確保人工智能安全、可靠、可控發(fā)展。在個人數(shù)據(jù)侵權(quán)之外，算法雇傭決策所產(chǎn)生的隱蔽就業(yè)歧視對我國反就業(yè)歧視法律提出了挑戰(zhàn)。我國統(tǒng)一的反就業(yè)歧視法也應(yīng)早日提上議程，使之能有效應(yīng)對算法歧視風(fēng)險。法律的生命不在于贊美科技的絕妙之處，而在于指出其對人的權(quán)利的侵犯可能性并加以防范?？傊?，在技術(shù)創(chuàng)新的同時應(yīng)時刻保持對技術(shù)創(chuàng)新的謹慎態(tài)度，并時刻以基本權(quán)利保護為最終目的指引技術(shù)創(chuàng)新的發(fā)展方向。

注釋：

① 此處“勞動者”采廣義概念，不僅包括從屬性勞動者，還包括不具有傳統(tǒng)雇員身份的平臺工人群體。

② 按照田思路教授的定義，“遠程勞動”是指“從業(yè)者在傳統(tǒng)職場之外通過電訊技術(shù)和設(shè)備從事工作場所、工作時間相對靈活的非典型用工形式”，遠程勞動者是指“從事遠程勞動的人”。參見：田思路.遠程勞動的制度發(fā)展與法律適用[J].法學(xué)，2020(5)：63-64.

③ 根據(jù)歐盟《一般數(shù)據(jù)保護條例》中的定義，“分析”是指對個人數(shù)據(jù)進行的任何形式的自動處理，包括使用個人數(shù)據(jù)評估與自然人有關(guān)的某些個人方面，尤其是分析或預(yù)測與個人有關(guān)的工作表現(xiàn)、經(jīng)濟狀況、健康狀況、個人喜好、興趣、可靠性、行為、位置或動作等。

④ 2007年原勞動與社會保障部門發(fā)布的《關(guān)于維護乙肝表面抗原攜帶者就業(yè)權(quán)利的意見》規(guī)定用人單位在招、用工過程中，可以根據(jù)實際需要將肝功能檢查項目作為體檢標(biāo)準(zhǔn)，但除國家法律、行政法規(guī)和衛(wèi)生部規(guī)定禁止從事的工作外，不得強行將乙肝病毒血清學(xué)指標(biāo)作為體檢標(biāo)準(zhǔn)。《職業(yè)病防治法》《用人單位職業(yè)健康監(jiān)護監(jiān)督管理辦法》規(guī)定用人單位應(yīng)組織從事接觸職業(yè)病危害作業(yè)的勞動者進行上崗前、在崗期間、離崗時職業(yè)健康檢查并建立職業(yè)健康監(jiān)護檔案的規(guī)定。

⑤ 2008年實施的《中華人民共和國勞動合同法》(以下簡稱《勞動合同法》)第8條第2款中規(guī)定：“用人單位有權(quán)了解勞動者與勞動合同直接相關(guān)的基本情況，勞動者應(yīng)當(dāng)如實說明?！?/p>

⑥ 我國現(xiàn)行法律所涉及的就業(yè)歧視大多指不允許對勞動者實行“直接就業(yè)歧視”，而對于“間接就業(yè)歧視”，現(xiàn)行立法則處于空白地帶。