数据大脑

自动驾驶之后，让我们扩展开来，看看数据是如何重塑运力系统的。前面提到的字节跳动，是用数据技术塑造了“信息和内容的运力系统”，但信息和内容是比特形态的，而不是原子形态，所以是没有载重的，理论上可以没有系统摩擦力地得到分发，只需要在分发之前确定好分发对象即可。但对于那些有载重的商品分发，则需要真正的运力参与，同时面临的运输环境也更加复杂。这种情况下，如何去应对呢？

其一，我们来看看滴滴打造的运力系统。滴滴是目前国内最大的网约车平台，服务全球8亿多用户，每天完成客运服务1亿单。这么说吧，滴滴运力系统在北京地区每天指挥的车辆行驶里程，可以将全北京的所有道路碾压400多遍。关键是，整个滴滴平台上有多达2800万名网约车司机，这么庞大的司机群体滴滴如何才能管理好呢？倘若用传统的管理手段，按照10人的管理幅度来算，那么滴滴得需要280多万名中层管理者，外加28万多名高层管理者。但实际情况是，滴滴目前仅有1万多名员工，而且其中有超过3000人是技术人员。

那么，滴滴到底是如何确保2800万名网约车司机遵从平台规则并为用户提供高质量服务的呢？秘密在于数据技术的应用，具体来讲就是每名注册网约车司机获得的“服务分”。服务分是司机整体服务表现的数据化表达，直接与派单概率关联，亦即在同样的情况下，系统优先将用户订单派送给服务分高的司机。假如有个用户下单约车，在距离用户最近的范围内总共有10辆网约车，那么系统会挑选服务分最高的司机优先派单，服务分的高低决定了这名司机赚钱的可能性。

司机在平台上注册验证正式成为一名网约车司机的时候，系统分配给这名司机的服务分是满分，这样可以体现出“新人优先”的原则，系统鼓励新加入的司机优先接单，以便快速度过实习期（一般是完成40单）成为一名“老司机”。新注册的司机在拿到满分分值的服务分的同时，需要遵循平台要求的所有服务规范条例，不能有所违反，并且需要在服务过程中为客户创造良好的乘坐环境和体验，一旦因为服务不当引发客户投诉，平台就会相应扣分，反之，获得用户五星好评则有加分奖励。除此之外，扣分力度一般比奖励力度要大，也就是说，发生一次扣分事项需要多次加分事项才能抵消。这样一来，司机如果不能将服务分维持在高水平的话，那么系统派单概率就不高，假如服务分一直下降，那么早晚会降到某个程度——同等条件下，总有比你服务分更高的司机出现，这个时候，该网约车司机就要面临被系统淘汰的风险了。更进一步讲，在服务分低的司机被淘汰的同时，又有很多完成注册的新司机拿着满分的服务分加入到了平台。系统因为掌握全局数据，由此也就具备了进一步优化调整平台规则的权力，可以根据数据分析的结果实时做出对平台来说最优的算法迭代。所以，一旦加入平台，那么每个网约车司机就陷入了一种“倾尽全力只能打平，却永远也打不赢”的算法游戏当中，我们将这种管理方式称作“算法管理”。

无独有偶，美团大脑也是一套算法驱动的运力系统。只不过，美团算法驱动的是骑手，运送的是外卖产品。在美团外卖平台上，大约有700万名注册骑手，我们经常看到穿着黄色衣服的骑手们奔波在大街小巷。如果脑补一下你看到的骑手们的工作状态，我相信你会得出一个结论——你几乎找不出比他们更勤奋工作的一群人！风里来雨里去，一个头盔一辆电动车，马不停蹄、风风火火，每个骑手都像是踩着风火轮在工作，不分白天和黑夜。问题是，什么样的动力机制在驱动这些骑手呢？难道是KPI（关键绩效指标，Key Performance Indicator）吗？是更高的福利待遇？显然不是。更为吊诡的是，我亲眼见过很多大面积采用KPI管理的企业却出现了可怕的“绩效塌方”，似乎他们将这一管理工具运用到极致的结果反而是其所追求的绩效目标的毒药。那么，骑手们玩命工作背后的激励机制是怎样的呢？答案仍然是数据。

一般来讲，美团外卖的运行逻辑是这样的：用户在外卖平台下单，完成后平台将用户订单给到平台商户，商户确认可以接单后，平台搜索附近的骑手并派单，骑手接单，骑手去商户那里取外卖，最后把外卖送到订餐用户手里。这个过程看起来稀松平常，自然而然。问题的关键在于，美团大脑在整个过程中，只需要通过数据就能将用户、商家、骑手这三者衔接起来并互相进行“数据监督”。首先，用户下单之后，就能看到本次订单的所有进度，可以知道商家是否已经接单，骑手距离商户还有多远，以及骑手什么时间可以送达。其次，商户接单后，可以看到骑手的位置并督促骑手速速取餐。最重要的是，一旦骑手接单，系统就会将骑手的所有数据流直接推送给用户，包括系统规划的骑手行驶路线和送达时间，这个时候用户变成了骑手的真正管理方。订餐用户可以根据平台给出的时间和路线全程注视骑手的行动，这让骑手们瞬间落进了“时间—距离”的效率比拼陷阱里。这意味着，骑手必须在给定的时间里沿着给定的路线确保外卖送达。稍有不慎，就有可能招致用户差评，而差评就意味着骑手需要承受金钱惩罚。这样的“算法管理”牢牢地将骑手们禁锢到了数据流水线上，这跟福特流水线上的工人又有何异？

说到这里，我们已经见识到数据的重要性。正是因为有了滴滴大脑和美团大脑这样的平台，网约车司机们和外卖骑手们才被很好地整合进数据流水线，成为参与大规模数据协作平台中的一员。虽然福特流水线上的工人是在固定位置操作而网约车司机和外卖骑手们则穿梭在大街小巷，但从管理的实质上来看，两者完全一致——都是建基于工作流程的标准化，都实现了工作过程的自动化，都实现了系统凌驾于个体之上的目的，都是理性权威的逻辑。当然，流水线和数据平台的背后，也都折射出了对劳动者的关注不够，正如流水线工人只需要依据系统要求做出相应动作一样，算法劳工们也在遭受算法平台的奴役。某种意义上，算法劳动正在趋向于一种“无脑劳动”——不需要动脑筋，只需要遵从平台指令。显然，这样长此以往是会出问题的，毕竟，人不是机器。

人不是机器，人的需求要比机器多元而复杂太多。那么接下来的问题是，与其让人接收系统指令成为算法劳动力，那直接让机器接收系统指令会不会更好？相比于系统指挥司机、司机驾驶汽车来说，系统直接驾驶汽车是不是更加合乎逻辑？为什么在系统与汽车之间，就一定要有个司机呢？没有司机不行吗？