过去 4 年，作为亚马逊公司的合同司机，Normandin 一直在亚利桑那州凤凰城四处奔波，运送包裹。直到某一天，他收到了一封自动发送的电子邮件，负责追踪他职场表现的算法判定，Normandin 没能合格地完成他的工作。对于这位有着丰富送货经验、十分熟悉当地路况和建筑物的老兵来说，这结果让他很难接受。他认为，亚马逊是因为 “不受个人控制的” 因素才将他解雇的。
但事实上，在算法和机器执掌 “生杀大权” 的世界里，极少有人知道真正的原因，至少他现在还没被告知自己做错了什么而被解雇。对待合同工（零工），这种做法似乎并不违法。Normandin 参与的项目名为 Flex，旨在吸引那些想靠送货打零工赚外快的人，当然也不乏以全职的态度对待该工作的人。该项目招募的人手主要应对 Prime Now 和全食超市（Wholefoods）的快速送货服务。
这类服务对送货时间的要求通常较高，最快可以实现两小时内送达，也支持当日送达和特定时间段送货。从亚马逊的角度来看，将这些任务交给算法是性价比最高的做法。Flex 项目的人员招聘、绩效考核、任务派送和分配、合同终止大多由算法决定，人工介入并监督的情况少之又少。自合同工完成注册的那一刻起，Flex 背后的算法就开始监视他们的一举一动，包括是否如约、准时地抵达了送货站？
是否遵守了既定规划路线并按时完成任务？是否按照用户要求将包裹放到了指定位置？是否遵守了用户的特殊需求？亚马逊的算法会扫描大量数据作为绩效的评判标准，进而决定哪些人可以获得更多任务派送，哪些人会被暂停接单。
在这个过程中，送货员偶尔会收到自动发送的邮件，人工反馈很少出现，而最值得关注的是他们的评级，共有四个等级：Fantastic（极好），Great（出色），Fair（普通）和 At Risk（有风险）。这是算法 “考虑” 各种表现数据之后给出的综合评价，但它究竟是如何判断的，具体流程是什么，送货员不得而知。最重要的是，算法很难实现随机应变，也不懂什么是突发情况。
对于送货员来说，糟糕的天气和拥堵的路况都可能阻碍他们获得高评分。繁忙时，送货站点可能会有许多送货员排队取货，等着拿货就要花费一个小时，而算法是不会将等待时间排除出去的。更多时候，导致送货员解雇的，大多是这类远超其控制能力的因素。你被解雇了，上诉无效。开头提到的 Normandin，就是在一次凌晨送货任务中栽了跟头。
当时，Flex 指派他在破晓前将特定包裹送至一栋公寓大楼里，但大楼的大门尚未开启，包裹无法交付。这是很常见的情况，Flex 继而要求他将包裹转送到附近的送货站，但时间实在是太早了，站点也没有人上班。算法接下来指示他联系客户，Normandin 照做了，但数次拨打也无人接听。他又试着联系亚马逊的 Flex 送货员客服，但后者也无法联系上客户，只能指导他将包裹转送到大楼附近的亚马逊储物柜。
不幸的是，储物柜也坏了，打不开。最终客服让他把包裹退回到取货点。这一切大多被算法记录了下来，但漏掉的地方是 Normandin 的努力和不断尝试，这些算法看不到，也不关心。它只关心货送到了没有，送的快不快。遗憾的是，Normandin 没能、也没法实现这两点。自此，Normandin 保持三年多的优秀记录作古。在这次失败的送货经历之前，Flex 项目甚至还曾问过他有没有兴趣帮助培训新员工。
而在这之后，算法无情地调低了他的评分。Normandin 随后向客服反馈这是储物柜故障和一系列意外导致的，要求恢复评分，客服满口答应但实际上什么都没做，评分花了一个半月的时间才自动恢复。恢复后不到一个月，他有一天突然发现自己无法登陆 Flex 应用接单了，同时收到一封亚马逊自动发出的邮件，称其评级 “下降到了可接受水平以下”，因此被解雇了。
深感莫名其妙的 Normandin 通过邮件立刻联系了客服，希望能恢复工作。在接下来的一个月里，他收到了十来封邮件，署名各不相同，但内容大同小异，要么是询问更多细节，要么是道歉并声称相关人员正在审核。他还尝试将邮件抄送给亚马逊 CEO 贝索斯，虽然很快收到了确认邮件，但审理进度似乎并未加快多少。
最终，他收到了一封署名 “SYAM” 的电子邮件：“我们理解每个送货员都可能遇上糟糕的一天，会偶尔经历延迟，（但）我们（做决定时）已经考虑到了这些因素。” “SYAM” 没有直接回应 Normandin 的质疑和困惑，也没有恢复他的合同工状态。他彻底丢掉了这份工作。Normandin 并不是唯一一个被算法解雇的人。另一名接受采访的前 Flex 合同工 Lira 也有着类似的经历。
她表示自己从 2017 年就加入了 Flex 送货项目，多年来交付了大约 8,000 个包裹，评级一直保持在 “Great（出色）”。在疫情期间，Flex 送货一度成为她的主要收入来源。在一次任务中，她发现轮胎扎了钉子，保险起见，她决定放弃任务。在解释了情况后，她被告知需要将包裹送回分拣站。在轮胎随时可能漏气并导致事故的情况下，她为了保护自己的评级还是照做了。
尽管她向客服解释了意外情况，可评级还是被算法调到了最低级 “At Risk（有风险）”，花了数周的时间才恢复正常。但令人费解的事情还是发生了。去年 10 月 1 日，Lira 收到了亚马逊的邮件，上面写着 “你的评级是 Great（出色），这意味着你是我们最好的送货伙伴之一”。
然而仅仅一天后，她收了另一封邮件，说她违反了 Flex 项目的服务条款：“因此，你不再拥有参与亚马逊 Flex 项目的资格，也无法再登陆 Flex 应用。” 她的上诉如石沉大海，所有回复都是冷冰冰的自动回复和对没能及时回复的毫无意义的道歉，虽然每封邮件都有不同的署名，但内容看起来就像是自动生成万用套话。
最终，她收到了一封 “终审” 邮件，署名为 “SYAM”，和 Normandin 最后收到的一样。结果也一样，上诉无效且没有详细解释，她无奈地告别了 Flex 送货。回归商业：信任算法比让人调查更便宜。遭遇类似的合同工还有不少，有人还称自己 “因为一次面部识别登陆未通过就被解雇了”，但这并不妨碍 Flex 项目招聘新的合同工，也挡不住源源不断加入的新人。
根据移动应用追踪数据显示，全球范围内共有超过 400 万名用户下载过 Flex 应用，其中 290 万来自美国。今年前五个月，美国就有超过 66 万人下载了该应用，比去年同期增长了 21%。去年，在美国新冠疫情最严重的数月里，许多人被迫居家并在网上购买食品和日用品。Flex 合同工撑起了相当一部分的 “当日达” 相关服务。
当用户在网上订购食材，希望在数小时内送达时，大型第三方物流公司很难满足如此紧急的需求，小型本地物流公司又很昂贵且不够灵活，只有 Flex 这种类似 Uber 和 Lyft 的随叫随到的零工模式最合适。亚马逊深知 Flex 项目的重要性。2020 年 12 月，该公司曾宣布，将给所有当月工作量超过 20 小时的 Flex 合同工发放 100 美元奖金。
一位曾参与设计 Flex 系统的前工程师表示，在亚马逊内部，Flex 项目被认为是极其成功的，其商业层面的收益远远超过带来的负面影响。算法透明的紧迫性。“在会议上，高管们很清楚这是很糟糕的情况，” 工程师表示，“问题在于，一定程度的糟糕情况是被允许的。
” 另有多名前亚马逊高管表示，他们知道 “高度自动化的系统不足以适应送货员每天面临的现实挑战”，也知道将权力赋予机器和算法会导致错误，甚至酿出负面新闻。但亚马逊认为，只要送货员可以轻松替换，信任算法就比额外花钱让人调查错误解雇更便宜。面对合同工的现身说法，亚马逊发言人 Kate Kudrna 回应称，有关不公平解雇的事情是捕风捉影，并不代表绝大多数送货员的经历。
“亚马逊在技术和资源上投入了大量资金，使送货员足以掌握他们的评级和资格，也会调查所有的上诉。” 不过接受采访的 Flex 送货员普遍表示，上诉是没有意义的，因为做出解雇决定的是算法，而算法 “活在一个完美的世界里”，挑战算法的努力往往是徒劳的。在人工极少介入的情况下，结果大概率是白白浪费 200 美元的上诉费，而 Flex 送货员的平均时薪仅有 18-25 美元。
“人工介入通常是十分仓促的，因为人手不够，而且他们也受到绩效考核的限制，” 一名送货员支持中心的前客服表示，“亚马逊不在乎，他们知道绝大多数人会收到包裹。剩下的没收到的 2%-3% 的人，最终也会拿到些什么（可能是包裹，也可能是退款或其他什么补偿）。” 与大多数公司相比，亚马逊的 hr 运营自动化程度更高。但是使用算法来做出影响人们生活的决策，已经变得越来越普遍。
机器可以批准你的贷款申请，甚至可以决定某人是否应该假释或应该留在监狱里。对于这类应用，曾有计算机科学专家呼吁制定法规，应强制公司对算法如何做出这些影响人们生活的决策保持透明度，主动所需要的信息。已经有立法者针对此事进行研究，例如，在美国，曾有参议员提出算法公平法案，要求联邦贸易委员会制定规则，以确保算法得到公平使用，并且那些受其决定影响的人被告知并有机会扭转错误。
但如你所见，在制定防止伤害的规则方面，总是进展缓慢。或许仍算得上好消息，被迫卷入了这一历史进程中的 Normandin，现在开了一家小型发动机维修公司，他庆幸终于可以和人类打交道了。对于曾经解雇他的算法，他还有一句话要说：“他们缺乏对现实世界的真正知识和理解。”