算法失业风险认知政策诉求中“技术决定论”批判

算法失业风险认知政策诉求中技术决定论批判>思考中....一、摘要与关键词摘要：随着人工智能与自动化技术的迅猛发展，算法失业已从科幻想象演变为一个紧迫的现实社会议题。公众对这一风险的认知，深刻地影响着其对未来就业市场的预期、个人职业规划以及对相关公共政策的诉求。本研究旨在深入探讨公众对算法失业风险的认知建构及其政策诉求的内在逻辑，并对其中潜藏的技术决定论倾向进行批判性反思。本研究采用质性研究方法，通过对中国不同行业、不同技能水平的四十位在职人员进行半结构化深度访谈，并结合对相关媒体报道的话语分析，来考察风险认知的形成机制。研究发现，公众对算法失业的风险认知呈现出一种确定性焦虑与不确定性恐慌交织的复杂图景。一方面，受媒体渲染和技术发展直观冲击的影响，公众普遍接受了机器换人是不可逆转的技术趋势这一技术决定论框架，表现为对低技能、重复性岗位被替代的高度确定性焦虑。另一方面，对于自身岗位，特别是中高技能岗位的未来，公众则表现出强烈的不确定性恐慌，其评估标准模糊且充满矛盾。在这种认知支配下，公众的政策诉求主要集中于适应性策略（如政府主导的技能再培训）和补偿性策略（如建立更强的社会安全网），而较少触及对技术发展方向、劳动过程重组以及收益分配模式等更深层次的干预性或塑造性政策诉-求。本研究认为，这种以适应和补偿为核心的政策想象，其根源在于技术决定论思维遮蔽了技术发展的社会建构性。它将技术视为外生的、自主的力量，从而放弃了社会对技术发展路径进行民主审议和主动塑造的可能性，这可能导致政策应对的被动与滞后。因此，破解技术决定论，倡导一种将技术发展置于社会控制之下的技术塑造论视角，是制定更具前瞻性和公正性的算法时代劳动政策的关键前提。关键词：算法失业；风险认知；技术决定论；政策诉求；社会建构二、引言在第四次工业革命的浪潮之下，以人工智能、机器学习、大数据为代表的算法技术正以前所未有的深度和广度渗透到经济社会的各个领域。从制造业的自动化生产线，到服务业的智能客服与无人配送，再到知识型工作中的数据分析与内容生成，算法正在深刻地重塑着人类的劳动方式与就业结构。伴随这场技术变革而来的，是一个日益凸显的全球性议题——算法失业，即由于算法和自动化技术的应用，导致大量传统工作岗位被替代、缩减甚至消失的风险。这一议题不仅是经济学家和未来学家关注的焦点，更已成为一个引发广泛公众焦虑的社会心理现象。媒体上关于某某职业将被AI取代的预测清单层出不穷，科幻作品中机器人统治世界的想象与现实生活中机器换人的新闻交织在一起，共同塑造着公众对未来就业市场的复杂情绪与认知。公众如何感知和理解算法失业的风险，是一个至关重要的议题。因为这种集体性的风险认知，不仅会直接影响个体的职业规划、教育投资和心理健康，更重要的是，它将汇聚成形塑公共舆论、影响政策议程的强大力量。公众对风险的归因，将直接导向其对解决方案的诉求：如果失业被视为个人技能落后的结果，那么政策诉求将偏向个人再培训；如果被视为技术发展的必然代价，那么诉求可能偏向社会补偿；而如果被视为资-本与技术结合以追求利润最大化的社会选择，那么诉-求则可能指向更深层次的劳动关系重构与技术伦理规制。然而，在当前关于算法失业风险的公共讨论中，一种强大而又隐蔽的思维定势似乎占据了主导地位，那就是技术决定论。这种观点倾向于将技术发展视为一种自主的、线性的、不可阻挡的自然力量，社会和个人只能被动地适应其带来的变化。在这种框架下，算法失-业被描绘为一种如同自然灾害般的必然趋势，人类的能动性被大大削弱，讨论的焦点也因此被局限在如何应对这一后果层面。这引出了本研究的核心问题：公众对算法失业风险的认知，在多大程度上受到了技术决定论思维的影响？这种受技术决定论支配的风险认知，又是如何具体地塑造了公众的政策诉-求？对这种技术决定论倾向进行批判性反思，对于我们更全面、更主动地应对算法时代的就业挑战，具有何种重要意义？本研究的目标在于，通过对公众风险认知与政策诉-求的实证考察，揭示其中潜藏的技术决定论逻辑，并对其进行理论上的批判。本文旨在论证，技术决定论是一种需要被警惕和超越的思维陷阱，因为它窄化了我们对问题的理解和对策的想象。它遮蔽了技术发展的社会建构本质——即技术的发展方向、应用方式和利益分配，始终是社会多方力量博弈和选择的结果。本文将首先回顾关于算法失业、风险认知与技术决定论的相关文献，随后阐明本研究的质性研究方法，接着在核心讨论部分，分析公众风险认知的具体表现、政策诉-求的内在逻辑，并深入批判技术决定论的局限性。最后，在结论中总结研究观点，并倡导一种更具能动性的技术塑造论政策思维。三、文献综述本研究旨在批判性地审视公众对算法失业风险认知及其政策诉-求中的技术决定论倾向。这一跨学科议题要求研究者必须整合来自经济学、社会学、风险社会理论以及科学技术研究（STS）等多个领域的文献。首先，关于算法失业或技术性失业的经济学研究，为本研究提供了宏观背景与争议焦点。自凯恩斯提出技术性失业概念以来，关于技术进步对就业影响的争论便从未停止。当代，以弗雷和奥斯本为代表的技术悲观派通过对职业技能的分析，预测未来将有近一半的工作岗位面临被自动化替代的高风险，引发了全球性的广泛关注。而以阿西莫格鲁和雷斯特雷波为代表的技术乐观派则认为，技术在替代旧岗位的同时，也会通过生产率效应、创造新任务等机制，催生出新的工作岗位，历史上的技术革命最终都未导致大规模长期失业。这两派的争论，主要聚焦于技术对就业的净效应的量化预测，它们为公众的风险认知提供了科学依据和核心话语（如XX%的岗位将被取代）。然而，这些经济学模型往往将技术作为一个外生变量，较少深入探讨技术发展的方向和速度本身是如何被社会因素所影响的，从而在方法论上内含了技术决定论的倾向。其次，风险社会理论为理解公众的风险认知提供了重要的社会学视角。乌尔里希·贝克指出，在现代社会晚期，我们面临的风险日益表现为由现代化自身（特别是科技发展）所制造的、具有全球性、不确定性和不可见性的新风险。算法失业正是这种风险的典型体现。风险社会理论强调，风险不仅是客观存在的概率，更是一种社会建构的产物。公众对风险的认知受到媒体框架、文化背景、专家话语、个人经验等多重因素的影响。已有研究开始运用这一理论分析公众对人工智能的风险感知，发现媒体的拟人化和威胁性框架，显著地影响了公众的焦虑水平。这些研究提醒我们，公众对算法失-业的认知并非对经济学预测的简单反映，而是一个复杂的社会心理建构过程。再次，来自科学技术研究（STS）领域的技术决定论批判，是本研究的核心理论武器。技术决定论认为，技术是自主发展的，并单向地决定社会变迁。与之相对，技术的社会建-构论（SCOT）和行动者网络理论（ANT）等则强调，技术的产生、发展、采纳和形塑，是一个充满偶然性、争议和协商的社会过程。技术的设计内嵌了特定群体的利益和价值观，技术的社会影响也取决于其所处的具体社会文化脉络。将这一视角应用于算法失-业问题，意味着机器换人并非一个纯粹的技术问题，而是一个深刻的社会选择问题。企业选择用算法替代人工，是为了降低成本、强化控制；社会选择如何规制这种替代，则取决于劳资力量对比、公共政策导向和伦理价值考量。现有文献已开始运用这一视角批判人工智能发展的路径，但将这一批判系统性地与公众的风险认知和政策诉-求进行勾连的实证研究还相对匮乏。最后，关于应对算法失业的政策讨论，构成了本研究的直接对话对象。目前，政策讨论主要围绕三个层面展开：一是适应性政策，核心是人力资本投资，即通过教育改革和职业再培训，提升劳动者的技能以适应技术变化。二是补偿性政策，核心是社会保障，即通过失业保险、社会救助乃至普遍基本收入（UBI）等方式，为在转型中受损的群体提供安全网。三是干预性或塑造性政策，核心是规则重构，这包括对技术应用的直接规制（如机器人税）、劳动关系的调整（如保障零工经济劳动者权益）、以及改变资本与劳动的收益分配格局（如推广员工持股、数据所有权改革）等。综合来看，现有文献已为本研究奠定了坚实的基础。然而，研究的空白点亦很明显：第一，现有关于算法失业风险认知的研究，多为量化调查，测量公众的焦虑程度，而缺乏深入的质性研究，去揭示其认知背后的思维框架和归因逻辑，特别是技术决定论是如何具体运作的。第二，研究风险认知与研究政策诉-求的文献往往是分离的，未能建立起一个认知—诉-求的分析链条，即系统性地阐明特定的风险认知是如何导向特定的政策想象的。第三，对技术决定论的批判，多停留在学理层面，未能将其与公众的日常话-语和政策偏好进行实证层面的结合，从而未能充分揭示这种学术思潮在现实世界中的深刻影响。本研究的理论创新与价值在于：第一，通过质性研究，深度打开公众风险认知的黑箱，揭示技术决定论作为一种主导性思维框架的内在结构与表现形式。第二，明确地将风险认知与政策诉-求进行强关联分析，论证受技术决定论支配的认知，是如何系统性地导向以适应和补偿为主的、相对被动的政策想象的。第三，将STS的理论批判与劳动政策的现实关怀相结合，旨在论证破解技术决定论不仅是一个学术议题，更是拓宽算法时代劳动政策想象空间、推动实现更公正的技术转型路径的关键一步。四、研究方法本研究旨在深入探究公众对算法失业风险的认知建构、政策诉-求及其背后潜藏的技术决定论思维。鉴于研究的核心在于理解人们的主观认知、意义建构和深层逻辑，而非测量其普遍程度，本研究在方法论上坚定地采用定性研究路径。具体而言，本研究以现象学为哲学基础，以半结构化深度访谈为主要数据收集方法，辅之以对相关媒体报道的话语分析，旨在对研究议题进行厚描式的阐释。本研究的整体研究设计是一种探索性与解释性相结合的质性研究。研究旨在进入不同背景的在职人员的生活世界，从他们的视角出发，理解他们如何感知、解释和应对算法失业这一日益临近的风险，并从中提炼出其认知框架与诉-求逻辑，进而与技术决定论这一理论构念进行批判性对话。在研究对象的抽样策略上，本研究采用了最大差异化的目的性抽样。为了尽可能广泛地捕捉不同群体对算法失业风险的差异化认知，本研究在抽样时主要考虑了三个核心变量：第一，行业类型。涵盖了被普遍认为受冲击较大的制造业、传统服务业（如客服、物流），以及被认为相对安全甚至受益的知识型、创造性行业（如教育、研发、设计、管理）。第二，技能水平/岗位可替代性。根据岗位工作内容的重复性、程序化程度，区分了高、中、低不同技能水平的劳动者。第三，年龄与工作经验。兼顾了初入职场的新生代与经验丰富的中年劳动者。最终，本研究在北京、上海、深圳和苏州这四个产业结构各具代表性的城市，共选取了四十位符合条件的在职人员作为深度访谈对象。所有访谈对象均为通过社会网络和线上社群招募的志愿者。在数据收集方面，本研究采用了半结构化深度访谈法。访谈提纲围绕以下核心主题展开：第一，对人工智能/算法技术的总体印象与了解程度；第二，对其所在行业和具体岗位受算法技术影响的认知与评估（包括已发生的变化和预期的未来变化）；第三，对算法失-业风险的个人感知（包括焦虑程度、风险来源归因、预期的发生时间等）；第四，个人层面的应对策略（如是否考虑学习新技能、转换职业等）；第五，对政府、企业和社会应扮演角色的期待，即政策诉-求（如希望政府提供哪些帮助，企业应承担何种责任等）。每次访谈时间约为六十至九十分钟，在征得受访者同意后进行录音，并转录为文字稿。此外，本研究还辅助性地收集了近三年主流媒体（如人民网、新华网、财新网）及科技自媒体上关于AI取代人类工作的高传播度报道，作为分析公众认知外部信息源的参照文本。在数据分析技术与方法上，本研究采用了扎根理论中迭代式的编码与范畴构建过程。分析过程大致分为三步：首先，开放式编码。研究者反复阅读访谈文本和媒体报道，对原始数据进行逐句编码，提炼出反映受访者认知与诉-求的基本概念，如大势所趋、迟早的事、简单重复的工作、创造力是关键、只能去学、国家要管、给我们兜底等。其次，主轴编码。将开放编码中获得的概念进行系统性的归纳、比较和关联，围绕风险的确定性感知、风险的不确定性来源、风险归因、个人应对逻辑、政策诉-求类型等主轴，构建起核心范畴。例如，将大势所趋、不可逆转、技术发展的必然等归入技术决定论认知框架这一核心范畴。最后，选择性编码与理论建构。在核心范畴的基础上，提炼出本研究的中心论点，即公众在技术决定论框架下，形成了确定性焦虑与不确定性恐慌交织的风险认知，并由此导向了以适应性和补偿性为主的政策诉-求。整个分析过程在数据与理论（特别是技术决定论批判理论）之间反复对话，直至理论模型能够充分解释访谈数据中的核心现象，达到理论饱和。五、研究结果与讨论通过对四十位在职人员的深度访谈以及相关媒体话语的分析，本研究揭示了公众在算法失-业风险认知上的一种普遍而深刻的内在矛盾，及其对政策诉-求的系统性塑造。这一认知图景的核心，是技术决定论作为一种不证自明的背景框架所发挥的主导作用。（一）技术决定论框架下的风险认知：确定性焦虑与不确定性恐慌的交织研究发现，绝大多数受访者，无论其行业背景和技能水平如何，都将算法驱动的机器换人视为一个不可逆转、迟早会发生的大势所趋。一位从事制造业生产线管理的受访者表示：这是技术发展的必然规律，就像当年蒸汽机淘汰手工作坊一样，我们个人是挡不住的。这种将技术变革比作自然规律的表述，在访谈中反复出现，清晰地反映了技术决定论思维的内化。在这一宏大的必然性框架下，公众的风险认知进一步分化为两个看似矛盾、实则同源的层面：第一，对他者失业的确定性焦虑。当被问及哪些工作最容易被替代时，受访者几乎毫无例外地指向了那些低技能、简单重复的岗位，如流水线工人、客服、收银员、司机等。对于这些岗位的未来，受访者表现出高度的确定性，认为其被替代只是时间问题。这种确定性焦虑，很大程度上来源于媒体对无人化场景（如无人仓库、无人驾驶）的生动报道和个人在日常生活中对自动化服务的直观体验。然而，这种认知往往是脸谱化的，它将失业风险清晰地归咎于岗位的低端属性和从业者的技能落后，从而在认知上建立了一个安全的他者群体。第二，对自我失-业的不确定性恐慌。当话题转向受访者自身岗位时，确定性迅速消失，取而代之的是一种深刻的不确定性恐慌。即便是从事设计、研发、教育等被普遍认为需要创造力和情感沟通的安全岗位的受访者，也难以明确清晰地界定其工作的不可替代性究竟在哪里。一位从事软件开发的工程师坦言：我们现在写的代码，很多未来可能AI一秒钟就生成了。我们的优势到底还能保持多久，说实话我心里没底。另一位大学教师则担忧：AI能写论文、能做PPT，未来会不会出现比我讲课效果更好的AI教师？这种不确定性的根源在于，算法技术的发展速度和能力边界本身是模糊和不可预测的，这使得任何基于当前技能的安全感都显得岌岌可危。受访者在评估自身风险时，常常陷入创造力、复杂决策、情感等模糊概念的循环论证中，却无法找到坚实的认知锚点。确定性焦虑与不确定性恐慌看似对立，实则都是技术决定论这枚硬币的两面。正是因为默认了技术是自主的、全能的、不可抗拒的外部力量，公众才会对简单岗位的淘汰抱有确定的预期，同时对复杂岗位的未来感到不确定的恐慌。在这套认知逻辑中，技术是唯一的自变量，而人与社会，则成了被动反应的因变量。（二）被动应对：以适应和补偿为核心的政策诉-求在上述风险认知的支配下，公众提出的政策诉-求，也呈现出鲜明的被动应对色彩，主要集中在适应性和补偿性两个维度。第一，适应性诉-求：对再培训的普遍期待。这是最被频繁提及的政策诉-求。几乎所有受访者都认为，政府和企业有责任提供大规模的、高质量的职业技能再培训，帮助劳动者跟上技术的步伐。一位物流行业的员工说：国家应该搞一些培训，教我们怎么去操作和维护那些自动化设备，而不是等我们被淘汰了再说。这种诉-求的逻辑是：既然技术变革不可避免，那么唯一的出路就是提升个人的人力资本，去适应新的技术环境。这是一种典型的人力资本解决方案，它将失业的风险最终归结为个人技能与技术需求之间的错配，而政策的责任，就是帮助个人修复这种错配。第二，补偿性诉-求：对社会安全网的强烈需求。受访者普遍表达了对未来社会保障体系的担忧，并希望政府能够建立更强大的兜底机制。这包括：提高失业保险的覆盖面和保障水平；提供更便利的转岗就业服务；甚至有少数受访者提及了普遍基本收入（UBI）的概念。一位从事行政工作的受访者表示：如果将来真的有很多人失业，国家肯定要想办法养着，不然社会会乱的。这种诉-求的背后逻辑是：承认在一部分人可能无法适应技术变革的前提下，社会有责任为这些转型阵痛的受害者提供人道主义的补偿，以维持社会稳定。然而，值得注意的是，在访谈中极少出现更具主动性的干预性或塑造性政策诉-求。例如，很少有受访者会去质疑：我们是否应该对某些领域的自动化应用设置伦理或法律的限制？企业在引入自动化技术导致大规模裁员时，是否应缴纳额外的机器人税来反哺社会保障体系？技术进步带来的巨大收益，除了流向资本所有者，是否应该有更公平的分配机制（如员工持股、数据分红）？算法在工作场所的应用，是否应该受到更严格的监管，以保护劳动者的尊严和权利？（三）技术决定论的遮蔽效应：政策想象力的窄化公众政策诉-求中干预性和塑造性维度的缺失，并非偶然。本研究认为，这正是技术决定论思维所产生的深刻遮蔽效应所致。当技术被视为一种外生的、自主的、如同自然规律般的力量时，任何试图干预或塑造技术发展方向的政策想象，都会在认知上显得不切实际或螳臂当车。既然大势所趋，那么社会能做的，便只剩下两件事：一是帮助个体去适应这个大势，即技能再培训；二是为那些被大势甩下的人提供补偿，即社会安全网。这种思维框架系统性地遮蔽了以下几个关键问题：第一，遮蔽了技术发展的社会建构性。技术决定论让我们忘记了，任何技术的发展路径和应用模式都不是唯一的、命定的。我们选择发展什么样的AI（是增强人类能力的协作型AI，还是完全替代人类的自主型AI？）、以什么样的速度和方式将其应用于社会（是审慎的、包容性的引入，还是破坏性的、激进的颠覆？），这些都是社会可以也应该通过公共辩论、伦理审议和法律规制来施加影响的社会选择。第二，遮蔽了劳动过程中的权力关系。技术决定论倾向于将机器换人描绘为一个中性的效率提升过程。它掩盖了这背后深刻的劳资权力关系。资本之所以有动力大规模推动自动化，不仅仅是为了效率，更是为了降低对劳动力的依赖、削弱工会的力量、强化对生产过程的控制。将这一过程去政治化，使得公众难以从劳动者权利和阶级关系的角度去思考政策解决方案。第三，遮蔽了收益分配的政治经济学。技术决定论常常伴随着一种水涨船高的乐观叙事，即技术进步带来的生产力提升，最终将惠及所有人。然而，现实是，在缺乏有效制度干预的情况下，自动化带来的收益极有可能高度集中于资本和技术精英手中，从而加剧社会不平等。对这一分配问题的忽视，使得政策诉-求难以触及机器人税、数据所有权等更根本的财富再分配议题。（四）讨论：从技术决定论到技术塑造论的范式转换本研究的发现与既有的技术社会建构理论高度契合，并将其与算法失业这一具体议题的公众认知和政策诉-求进行了实证链接。研究结果表明，若要真正有效地应对算法时代的就业挑战，一场深刻的认知范式转换是必不可少的，即从被动的技术决定论转向主动的技术塑造论。技术塑造论的政策思维，意味着我们不再将技术视为需要被动适应的命运，而是将其视为可以被民主塑造的工具。在这种思维下，政策议程将大大拓宽：在适应和补偿之外，更重要的是塑造和规制。政策的重心将从事后补救转向事前干预。这意味着，我们需要建立起对人工智能发展的公共审议机制，将社会、伦理和就业影响评估，内嵌到技术研发和应用的全过程之中。我们需要通过立法，明确企业在应用自动化技术时的社会责任，平衡效率提升与劳动者权益保护。我们需要探索更公正的收益分配模式，确保技术进步的红利能够被更广泛的社会成员所共享。这一范式转换的现实意义在于，它能够将公众从技术面前的无力感中解放出来，重新激活其作为公民的主体性。当公众认识到自己不仅是技术变革的被动接受者，更是技术未来路径的共同塑造者时，他们的政策诉-求才可能超越眼前的饭碗焦虑，而进入到一个更广阔的、关乎社会公正和人类未来的公共领域。六、结论与展望本研究通过对中国在职人员的深度访谈与相关媒体话语的分析，深入探讨了公众对算法失-业风险的认知建构及其政策诉-求，并对其中潜藏的技术决定论思维进行了系统的批判性反思。本研究的核心结论是：公众对算法失业风险的认知，普遍被一种技术决定论的宏大叙事所框架。在这种框架下，公众一方面对低技能岗位的被替代表现出高度的确定性焦虑，另一方面对自身岗位的未来则充满不确定性恐-慌。这种以技术必然性为前提的风险认知，系统性地将其政策诉-求窄化为以适应性策略（如技能再培训）和补偿性策略（如社会安全网）为核心的被动应对模式。而更具主动性的、旨在干预技术应用