你有被“算法”管过吗？
迟到一分钟，罚金从这个月绩效里扣；接到一个差评或客户投诉，年终奖免谈......这不是开玩笑，而是一些普通打工人的遭遇。他们的工作表现，甚至年底是否被公司解雇，全凭“算法”测定。
据相关报道称，Facebook母公司Meta最近便使用算法随机解雇了60名劳务派遣员工，而且没有给出任何裁员理由。从“监工”到“审判员”，算法近几年来在一些科技、服务类公司的管理中扮演着越来越重要的角色。
而这样隐形且冰冷无情的“算法管理”现象，也让不少“打工人”们感到寒心，对公司及管理者怨声载道。事实上不止是某个群体，每个在网上购物、娱乐的你我，同样被“算法”无情管理。
Facebook曾做过一个统计，当你在Facebook上的点赞次数超过10次，它对你的了解超过你的大部分同事；当点赞超过300次，它对你的了解可能会超过你的配偶。更重度的用户，Facebook可以做到比你自己更了解自己。
被国民们广泛使用的微信、淘宝、抖音等APP又何尝不是呢？
你所看见的一切，都是“算法”结合你的行为习惯推测后想让你看见的。当你沉迷于网络无法自拔时，正是“算法管理”成功之时。
由此，“大数据杀熟”等各类现象也相继诞生，人们对运用算法管理消费者的公司深恶痛绝，国家甚至出台相关文件进行整改。那么，在如此背景下，“算法管理”还能在企业管理中运用吗？对此，浙江大学管理学院2022级博士生苏逸联合其导师莫申江副教授展开了深入研究。
“算法管理”究竟是好是坏？
“算法管理有利有弊，只要运用得当，算法管理可以帮助企业大大提效，但算法管理不应替代人的管理。”
日前，苏逸与莫申江发表在《清华管理评论》上的《谁来助我与算法共舞——算法管理中的领导力》一文分析了算法管理的利弊、算法管理下的个体以及如何帮助员工与算法“和谐共舞”、科学地进行算法管理。
那么算法管理究竟有何利弊？为何如今越来越多的企业想要使用它？
苏逸与莫申江在文中指出，企业借助算法能够完成之前仅凭人力或简单电子技术无法完成的复杂任务。例如，网约车平台基于调度算法管理网约车系统有限的资源，保证资源分配快速合理，从而最大程度地满足司机和乘客的需求。制造型企业在重型机械操作员身上配备疲劳检测头带以及携带GPS定位功能的徽章来提醒员工进行安全合规的生产操作，防止事故发生，并将这些与安全有关的绩效数据纳入最终考核之中。此外，部分企业还利用算法开展游戏化（gamification）任务设计，对员工的适当行为进行实时反馈与奖励，提升员工工作积极性，助推他们更加愿意投入到后续工作中去。
上述例证充分体现出算法在管理效率提升方面的积极作用。借助算力支持，算法利用或产生大量数据，包括员工任务表现（行为）、生理、心理和实时位置等。
组织或领导者可以利用这些多模态、多种类、规模巨大的数据辅助管理决策，从而提升管理效能，也能帮助员工更高效、轻松地完成工作，提升员工工作意义感和个人幸福感。但另一方面，算法管理也被视为“泰勒制2.0”。与泰勒制相仿，算法管理的核心是算法控制，即通过强化现场数据采集、流程分析、效率管理，提升组织整体效率和绩效产出。
由于算法能帮助企业对员工实现更广泛、更细颗粒度、更实时、更强影响力的控制，很多企业难免会被工具理性裹挟，想要不断突出算法的优势，替代人进行管理决策，而疏于考虑数字化本身的复杂性和适用性，以及数字化技术引入后，组织、管理者、员工发生的变化和彼此之间的协调适应问题。
可以想象，这样做的结果往往事与愿违，算法管理驱使企业落入泰勒制困局，最终甚至弊大于利。以生活中常见的外卖行业为例，在算法驱使下的外卖员，被卷入了一场隐形竞赛。
在这场只要有人参与就不会结束的竞赛中，算法在幕后扮演着一位理性、冰冷、强权的控制者角色，并且它还发动顾客通过评论对外卖员进行更广泛的约束与激励。因此，外卖员受制于系统规则和逻辑，不得不争分夺秒，增加单量和送餐速度，甚至为了能准时送餐而违反交通规则，威胁生命安全。
可想而知，在算法牢笼束缚下，外卖员疲于奔命，其职业认同感与个人幸福感受到严重伤害。这样的剧情并不仅仅在外卖行业中上演，在各大传统行业中也同样可以看到困陷于算法中的大量员工。
算法管理不等于“去个体化”
既然“算法管理”有利有弊，那有没有一种方法，可以更好地发挥算法管理的技术优势，同时减少其负面影响呢？
对于上述问题，苏逸与莫申江结合麦格雷戈（Mc Gregor）在《企业中人的方面》提出的关于人性假设的X理论（假设人性丑恶）和Y理论（假设人性本善），围绕算法管理下个体的不同特征给出了答案。
他们在文中指出，在X理论（假设人性丑恶）下，企业需要利用“胡萝卜+大棒”的方法，即通过强势控制对员工进行监督与激励，这时算法管理在控制力上的确能实现对传统监管者的替代。例如，算法可利用模式识别和自然语言处理等技术，自动分析录像片段中员工的行为动作，并进一步推测员工心理。这种自动化和侵入程度是传统监管方式无法达到的。
但值得人们注意的是，一些企业利用算法对员工实施了过度控制，例如使用算法系统获取员工网上浏览记录和行为，提前预测员工的离职倾向和离职可能性。
另一方面，如果遵循Y理论（假设人性本善）的逻辑，施加强力的算法监控可能会使员工感受到工作自主性的受限以及隐私的被侵犯，进而会降低员工对管理和组织的信任，最终会损害员工工作绩效和个人幸福感。
因此，在苏逸与莫申江看来，虽然为了保持高效运转，企业需要对员工施加适当控制，但是，企业在管理过程中绝不应该忽视对员工作为独特个体的关注。
从长远来看，企业最大的资产是人才。只有获取、保留、发展、利用好人才，才能保证企业在激烈的竞争环境，特别是在数字化浪潮中，实现可持续发展。
通过算法管理，管理者可以获得凭借传统方式无法实现的实时多模态大数据搜集能力；这种能力能帮助管理者更好地理解员工、与员工们一起实现高效决策。但人们必须意识到，即使算法管理造成了一定程度的“去个体化”，“成就个体”依然是组织发展的终极目标之一。
算法管理这把“双刃剑”该如何把握？
从上述分析可见，算法管理不能过度控制，只能适度运用。但其中这个“度”该如何把控？对于企业管理者来说，具体应如何把握好算法管理这把“双刃剑”？
苏逸与莫申江认为，首先，企业在设计算法时，应该融入更多的人性考量。与此同时，人们必须意识到，技术与人不是孤立的，技术应作为一种辅助和强化工具，帮助管理者进行决策，而不是替代管理者在组织和团队中的领导作用。所以，企业管理者设计或引入特定算法促使企业实现数字化转型提效的同时，必须思考如何发挥自身主动性，来应对算法管理导致的潜在风险。
这就涉及到新兴的算法领导力（algorithmic leadership）议题，即在算法背景下，领导者将要应对哪些新兴挑战，又该如何有效地帮助员工与算法“和谐共舞”。
领导者们必须清楚地意识到，员工在算法管理下面临着许多不可忽视的“张力”，包括员工与机器之间的主体张力、组织与员工之间的利益张力、员工之间的协作张力。因此，算法管理中的领导者必须懂得在技术和人性之间找到平衡。
为了发挥领导力在消解算法对员工造成不利影响时的作用，促使组织内人与算法高效协同，共同发展，苏逸与莫申江在文中提出了算法领导力应该具备的三种典型行为内涵，分别是人文关怀、目标权衡与关系协同。
（1）算法领导力应该是一种强调人文关怀的领导力
领导者应该发挥人文关怀的作用，消除算法作为一个冰冷的监督与评价主体对员工造成的不利影响。
领导者需要让员工知道算法管理是能够协商的，组织和团队重视员工合理诉求以及工作体验，应用算法的目的始终是为了帮助组织和员工更好地提升效率，而不是进行工作控制。
同时，领导者也需要关注算法管理下每一位员工的独特性，适时地融入组织－算法－领导－员工的互动，而不是仅仅将员工视为不断生产数据的机器，以去人性化和不平等姿态对待员工。
（2）算法领导力应该是一种注重目标权衡的领导力
介于组织和基层员工之间中间层级的领导者有责任更多地思考如何发挥自身作用，有效回应组织内部特别是组织与员工之间的张力。例如存在于“利润最大化”与“管理人性化”、“组织定量计算”与“员工价值主张”等之间的张力。
这首先要求领导者对于自己管理的员工，要关注人性，具有温度，善于觉察员工各类情绪表现，倾听并及时反馈员工在算法管理下的诉求。
另外，领导者要充分发挥组织和员工之间的纽带作用，善于平衡个体利益和集体利益，尽所能找到不同利益相关者目标间的平衡点。
（3）算法领导力应该是一种倡导关系协同的领导力
在一些过程和结果相对容易被量化的工作中，算法可能进一步加深知识型员工单打独斗的倾向，但是对于知识型员工所在的团队而言，缺乏开放协作和知识分享，会最终影响整个团队的进步。
他们指出，尽管人们在算法设计之初就应该纳入对于合作过程和绩效的指标考量，但仍需要领导者发挥自身作用，有效地减少由于个体化评价造成的员工间疏离以及自利倾向。
领导者可以充分利用数字化技术提供的线上沟通渠道，推动自己与员工以及员工之间的高效多边沟通，及时了解员工的工作、生活、家庭情况，并给予充分反馈，帮助员工更好地融入团队，体会到团队、领导和同事的支持。
领导者还可以积极采用团队和个人工作进度可视化、户外团建、知识分享会等方式，一方面让团队内成员更好地将团队整体目标内化为个人自身目标，另一方面加强团队成员之间相互了解，降低不信任和误会的产生，同时加强彼此之间信息传递，让团队内的员工知道每个人的相对优势与不足，从而在完成工作过程中，增加相互合作的意愿，更好地寻求优势互补，提升工作效率与质量。
