平台用工与社保缴纳现状 - 京东、美团、饿了么在2024年2月相继宣布将为旗下全职或稳定兼职的外卖骑手缴纳社保，引发社会对平台灵活用工社会保障问题的广泛关注 [1][5] - 京东宣布为骑手提供“五险一金”保障，对拥有近700万注册骑手的美团构成了实质性压力，美团此前可能倾向于让骑手以自由职业者身份参保 [13] - 美团拥有近700万注册骑手，日活跃骑手约100万，通过代理商和加盟商的复杂用工体系，使得标准劳动关系认定和全员缴纳社保面临现实困难 [13] - 许多骑手因收入下降和社保转移接续的不确定性而不愿缴纳社保，他们更倾向于“落袋为安”，获取更多现金收入 [14] - 平台背后的第三方劳务公司为降低成本，常通过签订劳务协议甚至将骑手注册为个体工商户等方式模糊劳动关系，使其不受劳动法保护 [13][14] - 根据国务院数据，中国灵活就业人员已达1.9亿，新生代农民工已脱离农村和土地，缺乏社会保障将在未来形成涉及近千万人的重大社会问题 [16] 快递与外卖行业劳动关系差异 - 快递行业劳动关系主要分为直营制（如顺丰、京东）和加盟制（如“四通一达”）两种模式 [18] - 直营制快递公司的快递员通常签订正式劳动合同并享受五险一金，而加盟制站点用工形式不规范，常为家庭作坊式经营或口头约定 [19][20] - 劳动者用脚投票表明快递员保障可能不如外卖骑手，常见快递员转行送外卖，但很少见外卖骑手转行送快递 [20] - 京东在“一大一小”环节存在不足：“一大”指其收购的德邦物流基层快递员社保覆盖率低；“一小”指其即时配送业务（达达）采用灵活用工模式，很少签订正式劳动合同 [20] 算法管理与平台控制演变 - 平台早期算法设计以试探劳动力极限为导向，形成高压控制模式，驱使骑手不断突破自身极限以实现更快配送 [31] - 算法获取的数据曾包含骑手闯红灯、超速逆行等非法行为数据，并基于此“优化”出更短的配送时间要求 [32] - 平台算法正在调整，趋向“算法取中”，例如美团逐步取消单次超时扣款，增加月度容错率（如一个月跑1000单差评率不超过3%就不罚款） [34] - 算法精准性的背后是劳动者为应对突发状况（如等电梯、爬楼梯）所付出的超常努力，应对算法“去魅”，承认其局限性并赋予劳动者更多自主决策权 [34][35] - 美国外卖平台因依赖汽车配送且地广人稀，算法设计灵活性更强，允许配送员根据实际情况调整路线并与后台直接沟通 [35] 平台经济模式与资本逻辑 - 平台经济的突然崛起（约2011-2012年）及其大规模“烧钱”扩张，背后主要依赖风险投资、股权投资等金融资本的推动 [41] - 金融资本偏好“低沉淀成本”和高度灵活性的商业模式，平台企业无需购车、用工灵活（司机非正式员工）的模式符合其利益，从而获得更高估值 [42][43] - 平台模式并不必然代表更高的运营效率，“效率”定义权很大程度上掌握在追求短期利益的金融资本手中 [44] - 企业金融化通过裁员、削减人力资本和研发支出短期内提升资本回报率，但长期损害企业竞争力，波音公司是典型案例 [44][46] - 美国区域性外卖平台得以存续，源于其由本地资金创立、避免金融资本扩张压力，以及美国强烈的社区认同感使居民愿意支持“自己人”的平台 [37] 灵活用工趋势与制度回应 - 被称为“新就业形态”的外卖骑手、网约车司机、快递员等工作，本质仍是传统的非正规就业，是“新瓶装旧酒” [30] - 许多被冠以“灵活用工”名义的劳动者实际从事每天8小时以上的全日制工作，理应享有正规劳动关系和社会保障 [24] - 平台用工的规范化对社会有溢出效应，能倒逼传统行业提升用工标准，否则将面临用工荒 [29] - 现行社保制度与劳动就业高度绑定，难以适应高度灵活的用工关系，未来改革方向可能是实现社保与劳动关系的脱钩，探索基于居民身份的“全民基本收入”等设想 [17][25][50] - 社会对外卖骑手群体的高度关注具有积极意义，其权益改善将惠及更广泛的非正规就业群体 [30] 人工智能对劳动市场的冲击与展望 - 人工智能发展会造成工作岗位流失，并创造需要更高技能的新岗位，存在结构性矛盾，被替代的劳动者难以立即转入新岗位 [47] - 人工智能等高新技术本身不创造大量就业机会，未来新增就业可能集中在服务业，关键是被替代者能否转入以及服务业能否提供相当的薪酬与稳定性 [47] - 若人工智能创造的财富由少数资本独占，而缺乏对失业者的再培训与社会保障，技术红利将加剧社会不平等 [48] - 技术进步必然走向人机协同，但科技越发展，人的价值可能越“贵”，人类将从重复性劳动解放，转向更具创造性和价值的领域，如服务业 [51][52] - 制度调整（生产关系变革）必须跟上技术进步，核心在于所有制与分配制的调整，以适应多样化的工作形态，让劳动者享受发展红利 [47][49][50]

人工智能对就业市场的冲击 - 人工智能提升经济效率和质量，但加剧中低技能群体就业压力，特别是高度重复性岗位[1] - 中国面临庞大中低技能劳动力群体易受自动化冲击、区域发展不平衡、现有技能培训与社保体系覆盖不足三大挑战[1] 美国应对措施：教育与技能培训 - 联邦与州政府通过社区大学、高校、企业合作构建多层级技能培训体系，政府以财政补贴或税收减免鼓励学习，2021年以来投入2.65亿美元加强社区学院培训项目[2] - 中小学阶段推广STEM教育，美国国家科学基金会2023年投入约13.77亿美元专项拨款用于K-12阶段STEM教育，高校加强AI学科师资与科研投入[3] - 在线AI课程需求激增，Udemy平台与ChatGPT相关课程过去一年增长4400%[2] 美国应对措施：社会保障与用工管理 - 失业保险与再培训挂钩，约60%失业人员6个月内重返工作岗位，通过短期培训进入AI辅助新岗位如数据标注[4] - 平台用工监管采取渐进策略，加州2019年通过AB5法案尝试将零工经济从业者归类为“雇员”以纳入社保覆盖[4] - 鼓励弹性工时同时确保最低工资、医疗、养老金等核心权益[4] 美国应对措施：促进创新与产业转型 - 联邦与地方政府通过税收激励、研发扶持推动AI技术投入，加州研发抵税政策带动算法工程师、数据科学家需求，2024年4月全美AI职位空缺14117个，同比增长32%[5] - 推动AI赋能制造、金融、零售、医疗等传统行业，创造工业机器人维护、智能客服管理等新岗位，估计占企业技术岗位新招聘10%—15%，到2030年约25%—30%岗位可实现人机互补[5] - 在硅谷、波士顿等高科技园区形成技术—资本—产业联动生态，监管部门对创新保持开放[5] 美国应对措施：立法与监管创新 - 部分州出台招聘用AI软件管理条例，要求企业定期审核算法防范歧视，提供可追溯申诉渠道[6] - 通过试点—评估—修订方式推进AI监管，在自动驾驶、无人机等领域先测试再完善法律[6] - 学术界与行业协会推动算法原理、数据安全透明化规范[6] 中国政策建议：技能培训与教育 - 政府、企业、高校协同为中低技能劳动者提供工业机器人操作、数据标注等针对性课程，对高技能群体提供持续进修[7] - 职业培训应突出培养创造力、沟通力等软技能，提升人机协作水平[7] - 在农村或欠发达地区推广在线平台并辅以线下学习中心，降低区域壁垒[7] - 完善多部门统一技能等级评价体系，推动学分或证书互认[8] 中国政策建议：基础教育改革 - 中小学引入编程、机器人、数据思维等STEM教育，提升师资水平，鼓励校企合作开发课程[8] - 鼓励AI企业与高等院校、职业院校共建实验室或实训基地，结合理论课程与实践项目[9] 中国政策建议：社会保障体系 - 修订法规为灵活用工、平台从业者提供参保渠道或商业保险补贴，形成多层次社保模式[9] - 推动跨区域、跨行业社保便利化转移，确保基本养老、医疗保障[9] - 失业保险与职业培训联动，对受AI冲击严重行业失业者给予差异化技能培训补贴[9] 中国政策建议：产业协同与区域均衡 - 在劳动密集型产业推动智能生产线、数据管理系统使用，创造机器人维护、智能调度等新岗位[10] - 鼓励龙头企业搭建共享平台，为中小企业提供可负担AI技术服务，激活就业机会[10] - 对中西部地区加大财政、金融与培训资源倾斜，加强人工智能基础设施建设[10] - 在重点城市或产业园区试点AI应用与制度创新，带动区域就业生态提升[10] 中国政策建议：法律监管与行业自律 - 建立独立检测机构对企业招聘、绩效管理使用算法进行检查，防止数据偏见导致歧视[11] - 为求职者提供明确投诉和救济途径，追究不公待遇责任[11] - 立法规范AI场景下劳动者数据保护，要求企业明示数据收集、存储与用途[11] - 督促AI从业企业建立自律公约，提高用工管理透明度与合规性[11] 中国政策建议：多部门协调与政策联动 - 国家层面设立由工信、人社、教育等多部门参与的AI就业协调小组，评估技术变革影响并调整政策[12] - 建立试点—评估—迭代闭环机制，实时监测各地区、各行业岗位变动，识别技能缺口[12] - 发现因AI应用导致失业率急速上升时启动应急预案，避免结构性失业蔓延[13] - 鼓励行业协会、智库等社会力量参与研究，加强与国际经验丰富国家对话合作[13]