外卖骑手真的面临“去技能化”困境吗？

作者：陈龙

根据国家信息中心发布的《中国共享经济发展报告2021》数据，2020年我国共享经济服务提供者约8400万人，同比增长约7.7%。这里的共享经济服务提供者主要包括外卖骑手、网约车司机、快递员等新就业形态劳动者。2023年初，全国总工会发布第九次全国职工队伍状况调查结果。数据显示，目前全国新就业形态劳动者8400万人。外卖骑手数量达到1300万人，占新就业形态劳动者整体的15%。新冠疫情期间，外卖骑手人数陡增。以美团为例，从2020年到2022年，骑手人数从470万增长到624万，增幅达到32.8%。

新就业形态劳动者的大规模崛起与平台经济的繁荣发展密切相关。而平台经济的迅猛发展又离不开人工智能技术的飞速进步。作为第四次工业革命的核心驱动力，人工智能技术正掀起一场全球科技浪潮，不仅成为国家之间科技竞争的战略制高点，而且正深刻改变人类社会生产和日常生活的方方面面。但是，人工智能技术在平台经济中的广泛应用除了促进生产进步与生活便捷之外，还引发了人们对技术进步造成的劳动“去技能化”和“技术性失业”的担忧。

2021年7月，美团在世界人工智能大会上透露，3—5年会让无人配送车发展到规模化应用阶段。无人机服务也预期3—5年内会在更多城市出现。无人配送的快速发展不免让人对外卖骑手产生“去技能化”和被替代的担忧。但美团有关人员也表示，无人配送、非接触经济是一个生态概念，只有规模化和常态化才能解决成本问题，在所有创新和技术迭代的优势显现之前依然需要人力，因此大量失业不太可能。这并不能完全消除人们对技术进步引发的劳动“去技能化”和“技术性失业”的担忧。鉴于外卖骑手规模庞大，自动化、数字化、无人化势不可当，我们有必要回到让我们感到担忧的问题本身，重新认识“去技能化”与外卖骑手的劳动过程。

“去技能化”的本质与劳动过程中的隐性知识

“去技能化”的思想源自美国经济学家哈里·布雷弗曼。在他看来，泰勒提出的科学管理是将分散的手工艺知识集中到雇主那里，然后再以详细的指导书的形式分发到工人手中。布雷弗曼将其描述为“概念与执行分离”。因此“去技能化”的本质就是概念与执行的分离，即工作中的手脑分离。

“去技能化”意味着劳动者的退化。随着工业生产过程的机械化、自动化，特别是工作被无限细分，特定岗位上的工人所要掌握的技能越来越少，进而成为生产线的一部分而不是一个完整的人。工人在工作中不再动脑，而是像机器的零部件或者工具一样执行命令，其结果就是工人变得越来越愚笨。

回到外卖骑手的劳动过程。国内外大量研究都揭示了人工智能、大数据与算法在强化平台监管能力、降低工人自主性以及“去技能化”的趋势。如前所述，“去技能化”本质上是工作中的手脑分离，其结果是工人认知能力的退化；但在实际观察中，外卖骑手的表现却并非如此。其中一个重要原因就是骑手在工作中的“隐性知识”被忽视。

“隐性知识”是指“我们懂得的东西要多于我们能表达出来的东西和能加以公式化的东西”。一直以来，劳动者的“隐性知识”很难被发现，但却发挥着巨大作用。“隐性知识”的优越性是它源于特定情景而非普遍状况，因此能更为迅速和直接地判断劳动过程中具体问题的成因并且找出解决办法。这种源于特定情景并且与人的直觉和判断密不可分的特点，使骑手的劳动过程无法按照科学管理的要求被简化为“规则、条例和公式”。使用“隐性知识”的过程恰恰是手脑合一的过程，因此送餐非但不会让外卖骑手变得愚笨，反而能让他们“收获一定的成长”：“它不仅改变了我家里的状况，也改变了我的生活，也改变了我的性格，让我整个人变了很多，成熟稳重很多了，也变得坚强很多了。”

简单地说，骑手在送餐过程中的“隐性知识”主要体现在三个方面：一是“大脑地图”，二是“情景经验”，三是“沟通技巧”。

首先是“大脑地图”。大部分骑手对外卖平台App推荐的配送路线规划都经历了从完全依照到自主规划游刃有余的转变。新入职骑手在刚开始送餐的时候，由于对送餐流程、区域与时间不熟悉，会严格按照外卖平台App推荐的配送路线送餐。但熟悉以后他们就会按照自己脑中积累起来的配送路线送餐，因为他们知道如何规划配送路线可以更快：“我们最开始按照系统的规划去配送，熟悉三个月以后就跟着自己大脑里面规划的路线去走。”

其次是“情景经验”。骑手能针对特定情景做出良好的判断，是因为他们在送餐过程中一再地与人和物打交道，这使他们能不断积累起各种典型的“情景经验”。这种经验与“大脑地图”和后面提到的“沟通技巧”一样，都无法进行明确的表述，但却都发挥着关键作用：“我们在送餐过程中会遇到各种各样的问题，比如说有的商家出餐比较慢，你就先取其他家比较快的，或者顾客距离比较近的，我几分钟先给他送完，再回来取他家的餐，这都是可以的。”

最后是“沟通技巧”。骑手需要练就高超的沟通技巧，因为他们在送餐过程中用得最多的一项技能便是沟通，比如与商家前台沟通、与商超和社区门口的保安沟通、与顾客沟通等。良好的沟通不仅可以提高送餐效率，还可以换来服务好评：“因为是服务行业，与客人沟通脾气要好一些，如果脾气不好，很容易和客人发生语言上的纠纷……你不好好沟通，肯定要被投诉。我们这行沟通比送餐还重要。”

因此，从送餐过程中使用“隐性知识”亦即工作中需要手脑合一的角度来说，送外卖并非“去技能化”的。与商户/保安/顾客的良好沟通、配送路线的人脑规划、取餐/送达各个环节需要的“情景经验”，都需要外卖骑手做到手脑并用，利用好他们在工作中不断积累的“隐性知识”。骑手的认知能力没有在工作中表现出退化，他们也没有变得“越来越愚笨”。

回不去的工厂与“完整工人”的渴望

2022年全国两会期间，全国人大代表、小康集团董事长张兴海表示，近年来，外卖、电商、网络直播等行业吸引了大量年轻人就业；快递与外卖行业“内卷”到研究生去竞争；年轻人不再愿意去工厂上班，导致产业工人空心化问题越来越严重。张兴海建议，政府、企业和社会各界应共同努力，鼓励年轻人争当产业工人，缓解制造业招工难、用工难问题。但是，骑手之所以不愿意进工厂而愿意送外卖的主要原因，除了薪酬收入与管理方式的差异以外，一个被忽视的原因恰恰是送外卖相比于工厂工人并非“去技能化”的，而是要求他们手脑并用。

在各类互联网平台出现用工“井喷”的同时，传统制造业的确正在遭遇“用工荒”。福耀集团创始人曹德旺也为此发出感慨：“现在的年轻人宁愿去送外卖，也不愿意去工厂上班，这是制造业当前所面临的困境。”对此，中国劳动关系学院闻效仪教授指出：“过去活跃在工厂生产线的青壮年劳动力正源源不断地从线下走到线上，使得中国的经济结构和形势发生了重大变化。以往去沿海工厂打工是无数年轻人实现城市梦的首选，如今到大城市去送快递和外卖，正在变成职业优先选项。”

对于年轻人“宁愿去送外卖，也不愿去工厂上班”的现象，多数研究把平台经济的高薪回报与制造业的严苛管理作为主要原因。的确，外卖骑手的收入回报丝毫不逊于传统制造业。据悉，沿海区域的工厂，大多数工人每月收入为4000—8000元。相比之下，骑手每个月能拿到7000—8000元，不少人甚至可以超过万元。更重要的是，虽然同样辛苦，但做外卖骑手很少受管束，更加自由，还可以抽空休息：“厂子里管得太严，没有休息，除了法定节假日，国家实在扣（处罚）得不行，就放你一天假。一个月就是六千多块钱，和这里差不多。但相比而言，这里自由点。”

马克思描述的“局部工人”可能是“去技能化”的最初原型，即“终生从事同一种简单操作的工人，把自己的整个身体转化为这种操作的自动的片面的器官”。亨利·福特发明的生产流水线更加直观地表明，现代工厂需要的不再是工人的“整个身体”，而是“片面器官”。福特发明的流水线的设计原则就是“按工序将工具、人排列起来，以便能够在尽量短的时间内完成零配件的装配”。显然，人在流水线上被降格为工具一样的存在。因此，流水线上的工人不可避免要遭遇手脑分离以及由此带来的认知能力退化问题。

但是，马克思也在区别人与动物时指出，“有意识的生命活动把人同动物的生命活动直接区别开来”。人与动物的区别在于人可以从事自由自觉的有意识活动，人与工具的区别更加在于人具有宝贵的认知与创造能力。因此，相比流水线上那些让人变得愚笨的工作，人们更愿意选择送外卖，原因恰恰是人的天性希望能在工作中手脑并用。而由于“隐性知识”的存在，送外卖比进工厂更能让骑手感受到自己是作为“完整工人”而非“片面器官”存在。这或许也正是骑手在工作中感受到“自由”的原因所在。

尽管外卖骑手没有真的面临“去技能化”困境，但不可否认，从事外卖配送的骑手可能原本就不具备高学历和高技能。根据全国总工会发布的第九次全国职工队伍状况调查结果显示，快递员、外卖配送员学历集中在高中及以下水平。而从美团发布的《疫情期间美团骑手就业报告》不难发现，骑手的来源排名由高到低依次是工厂工人、销售人员、创业或自己做小生意者或餐饮业从业人员。其中工厂工人、销售人员、餐饮业从业人员可能原本也是低技能的劳动者。如何在人工智能时代的今天，让更多人在工作中积累“隐性知识”，展现自由自觉的劳动，实现人机协同发展，才是人工智能时代摆在我们面前的关键问题。

作者系中国农业大学人文与发展学院副教授

数字技术协助提升骑手职业技能

作者：来有为

由于具有进入门槛低、时间灵活、多劳多得、允许兼职取酬等方面的特点，“网约配送员”这一职业（以下简称“外卖骑手”）对于国内的蓝领群体有着明显的吸引力，但常被视为低技能劳动。

外卖骑手虽然进入门槛低，但想干好却并不容易。数字技术能够让那些不具备外卖配送“隐性知识”的劳动者完成配送工作，不过，要想在遵守交通规则、保障交通安全的前提下提高自己的劳动效率，获得更高的收入以及更好的职业发展空间，外卖骑手就必须学习并掌握“隐性知识”，不断提升职业技能。

这一方面是因为外卖骑手在劳动过程中会经历商场、超市、马路、社区等错综复杂而又不断变化的场景，会接触商家、顾客等多个主体，取餐和送餐过程中会遇到商家出餐慢、保安不允许进小区或商场、联系不到顾客等异常情况，一个环节处理不当就会影响整体的工作效率和质量。另一方面是因为外卖骑手会追求“跑一趟的超值感”，希望在同一时间段接到多个顺路订单，一次完成多个配送任务，实现劳动效率和收入的最大化。所以，外卖骑手需要提升职业技能来缓解配送场景的复杂多变和劳动效率最大化之间的矛盾。掌握职业技能的外卖骑手能够在接到多个订单后，根据商家和顾客的位置、订单配送时长、路况、商家出餐快慢等方面的信息快速规划出订单的配送顺序和路线，进而提高他们的跑单效率和收入；能够在异常情况发生时快速做出正确决策，减少他们的工作时长和强度；能够更好地协调处理与不同主体之间的关系；甚至能够打破他们只能做一线配送工作的职业天花板，通过“骑手—组长—副站长—站长”四级晋升渠道，找到更广阔的职业发展空间。

外卖骑手的职业技能习得并不是一蹴而就的。外卖平台在线上提供了诸多技能培训课程，提供了“骑手社区”供骑手交流跑单经验和技巧，外卖配送站点也在线下提供了“老带新”、专业技能培训等服务，但是职业技能的提升更多还是要靠外卖骑手自己的日常工作实践。他们需要主动学习数字技术，将学习到的知识和跑单中积累的经验融会贯通。

另外，虽然数字技术在不断进步，但一方面由于外卖骑手的配送场景是开放式的，也在不断变化，很难被标准化；另一方面由于算法派单的逻辑和外卖骑手的跑单偏好有时是不一致的，因此外卖骑手需要有能力解决这种“人机冲突”。外卖平台联结消费者、商家和骑手三方主体，算法技术派单考虑的是全局最优，而非单个骑手的利益最大化。对于偏好接顺路单的外卖骑手而言，系统派发的订单经常会出现不顺路的情形。外卖骑手既需要运用职业技能在一定时间范围内完成多个可能不顺路的订单，又需要运用职业技能有意识地将自己的行为数据“投喂”和“训练”算法，使算法派单符合自己的跑单偏好。综上，无论是现在还是将来，数字技术都会在一定程度上提升外卖骑手的职业技能，不太可能使外卖骑手“去技能化”。

作者系中国商业技师协会副会长

外卖骑手仍处在数字融入过渡阶段

作者：王星

外卖骑手是基于数字技术平台衍生出来的零工式就业群体。在零工经济模式中，市场机制事实上是一个常量或者说前提，技术平台成为经济运行的基石，算法技术和精准匹配的有形之手很大程度上替代了“市场看不见的手”，成为资源流向的指挥棒，并重塑了资本积累方式和劳资关系。因此对于劳动者而言，更关键的任务不是“出门找个工作”，而是寻找融入零工经济的方式。当然，融入零工经济的方式是多样化的，但形成适应零工经济运行的技术能力是其中最重要的路径。从这个意义上来说，讨论外卖骑手的技能形成议题，除了对于个体劳动者而言是重要的，对于数字经济发展乃至数字社会建设也具有重要价值。

依据马克思的劳动过程理论，技术进步对工厂中的产业工人群体存在着技能剥夺现象，这种现象被概念化为“去技能化”或“劳动客观化”。而如果我们深入骑手劳动过程来看，数字系统与外卖骑手之间并不存在这种意义上的技能剥夺现象。

就工厂组织内的劳动过程而言，所谓的“去技能化”实质上是新技术应用改变了生产工艺流程并重组了技能结构，从而削弱了技能工人的劳动控制权。而外卖行业则不同，数字技术平台创设了外卖岗位，外卖骑手属于一种全新的职业群体，他们在外卖劳动过程中并不存在传统意义上的“去技能化”问题。事实上，数字系统与外卖骑手群体之间存在着典型的双重依赖：一方面，外卖骑手依赖数字技术平台系统领取劳动任务，完成劳动过程，提供劳动产品；另一方面，数字技术平台需要外卖骑手群体进行数据采集和积累，从而优化数字系统运行效率和质量，形成所谓的数字孪生效应。

从这个意义来说，经典劳动过程理论并不适用于解释外卖骑手的技能形成议题，这也为我们提出了更多的理论创新要求。笔者以为，此议题的如下几个方面内容更值得关注：一是外卖骑手技能形成与外卖行业高质量发展之间的关系问题。数字技术拉低了行业技能门槛，但是并没有降低对技能的要求，而从业者技能素质的提升对于外卖行业高质量发展具有重要意义。二是外卖骑手群体在岗技能与转业技能的养成问题。在数字经济框架中，外卖工作作为一种零工样态必然是且只能是外卖骑手群体的过渡性或者阶段性工作安排。所以，需要更多研究外卖骑手的职业转换历程，构建支持外卖骑手转业技能形成体系。三是外卖骑手群体的数字融入与数字社会建设问题。在现实劳动过程中，外卖骑手能够充分发挥自身的职业技能优势与系统达成良性互动，甚至“超越系统”进而实现系统共生。需要积极搭建外卖骑手与算法技术之间的系统共生关系，促进人与技术的共存、共融，推动实现外卖骑手与数字同行，从而助力包容性数字社会建设。

作者系南开大学周恩来政府管理学院教授

*本文来源于《中国社会科学报》，转载自公众号“中国社会科学网”，内容仅用于学术传播，如有侵权，请立即联系删除。