随着数字经济的兴起，以算法技术为基础的人工智能革命席卷而来，彻底改变了就业领域的决策方式。以往，几乎所有影响就业的决策，都是由人做出的。而在如今的数字经济时代，雇主已经将大部分的决策权交给了算法，例如谁将获得应聘资格、谁适合什么工作岗位、工作任务和工作量的分配等问题越来越普遍地由算法决定。与此同时，算法所引起的就业歧视问题已经成为一个激烈争论的话题。近年来，我国学者对算法就业歧视的研究主要集中以下两个层面：其一，一般性的、宏观层面的算法就业歧视；{1-3}其二，具体类型的算法就业歧视则主要集中在性别歧视上。{4-6}对算法技术引起的就业年龄歧视问题，我国学界目前尚缺乏专门的关注。然而，越来越多的证据表明，就业年龄歧视在数字经济时代更容易发生。算法技术为雇主决策提供了新的途径，使他们能够吸收过去就业年龄歧视的基础上，加剧当前与未来社会的就业年龄歧视。2021年世界卫生组织发布的《关于年龄歧视的全球报告》就明确指出，随着科学技术的变革，越来越多的工作岗位需要专门的培训，老年求职者所面的就业年龄歧视将会更加严峻。{7}2022年联合国发布的《第二次老龄世界问题大会的后续行动·秘书长的报告》认为，数字技术显著推动了老年医学和公共卫生的发展，但老年人人权和老年人能动性也收到了数字技术的冲击。数字技术或许能让老年人更好地行使人权，但也可能家具针对特定群体的歧视和不平等问题。{8}在这样的背景下，值得思考的问题至少包括：算法技术的运用是否以及如何导致、加剧就业年龄歧视？算法技术中就业年龄歧视的具体表现类型有哪些？从法律和技术治理的角度来看，应当如何对算法技术中的就业年龄歧视进行整体有效地治理？为避免算法沦为异化的决策技术而减损高龄者的平等就业权和生存尊严，本文试图这些问题进行初步探讨，以就正于相关专家学者。

一、算法技术中的就业年龄歧视：产生与影响

（一）算法技术在就业领域中的运作原理

在当今的人工智能时代，数据的收集、处理与整合成为社会的常态。然而，尽管数据本身具有经济价值，但单个、少量的数据价值密度低，数据最高级别的价值乃在于通过算法收集、分析数据，并根据可检测的模式预测未来的行为，进而帮助人们做出决策。随着数据处理成本的降低，通过算法利用现有数据进行预测的能力也随之大大提高。因此，为寻求更快、更节约成本地做出更好的选择和决策，雇主越来越多地将算法技术深度嵌入到就业领域之中。通过算法技术可以将收集到的数据转化成一份电子信息，该信息可以识别和预测个人的表现，以及他们的职业道德、个性、工会倾向、忠诚度和未来的医疗费用。{9}雇主为了决定雇佣谁，往往需要知道每个人的工作能力和工作效率，但求职者尚未为公司工作，其工作能力并未获得展现，因此雇主填补或预测当前求职者未来工作表现缺失信息的方法自然是通过算法技术分析以前聘用的类似求职者的表现。{10}质言之，算法决策在就业领域中的运用表面上是朝向未来的，实质上却是面向过去的。具体而言，以招聘为例，雇主使用算法技术来决定雇佣谁的基本步骤主要包括以下3个部分。

首先，收集以往的员工数据。利用算法技术收集以往的员工信息是雇主招聘新员工的基础和前提。人工智能深度学习技术需要输入大量过往的、事先做好分类和标注的数据，以描绘出雇主所期待的理想的“员工画像”。在这样的基础上，雇主可以根据这些理想“员工画像”所包含的各项指标去寻找最符合条件的劳动者。然而，现实中，这些理想的“员工画像”大多是以年轻健全男性为样本，老年员工尤其是老年女性员工的数据画像往往并不在雇主的考量范围。

其次，在收集的数据中指定预测的具体结果。雇主利用算法技术筛选简历的目的可能只是在寻找“优秀员工”，但是对于建立算法技术模型的程序员来说，雇主的预测结果仍然需要更具体一些。以雇佣网约车司机为例，当我们观察过去的网约车司机，我们可以发现他们中的大多数年轻人反应速度更快，而另一些高龄者反应虽然更迟钝，但是有更丰富地驾驶经验，从而更少出现安全事故。此时，如果程序员将更快速的反应要素指定为算法技术的关键结果，那么算法技术将对年轻的求职者进行更高的排名，并将网约车公司的理想司机向年轻人倾斜。

最后，建立一个寻找最佳预测结果的程序。一旦算法技术的设计者选择好了一组输入数据和一个具体的预测结果，他们就需要基于过去的数据运行一个训练程序来生成筛选的结果。从算法技术设计的角度来说，这种程序就是一种“化繁为简”的过程，即将高度复杂的计算程序逐步归纳为一系列简单过程的重复。通过这种程序的运用，即可利用机器从众多变数中挑出一个最佳结果。换言之，若以社会科学的用语来说，这种程序的运用，即是“赋能”机器去学会“自动决策”并借以处理各种原本由人类处理的事务。

综上可见，算法招聘通常会倾向于结合过往数据和预测结果等元素，以改进招聘决策，从而有效缩小选择范围，大幅度节约招聘成本和提高招聘效率。与此同时，几乎所有的算法招聘支持者都声称可以帮助雇主扩大申请者的数量，改善雇主工作场所的年龄多样性。<span class="footnote" content="与人类决策相比，算法技术可能是透明的和中立的，并在某种程度上创造了无可挑剔的客观性外表。对人力资源人员屏幕简历跟踪研究可以发现，招聘经理平均看一份简历的时间只有6秒，在这短短的6秒，人们如何决定要看的要素，或者如何将这些要素放在一起权衡，在很大程度上是不透明的和主观性的。通过将相关决策交由客观中立的算法技术，则人之主观运作逐渐退场，取而代之的是藉由数据驱动的算法技术让机器运作、观察和自行学习并形成自动化的判断，参见参考文献{10}。">[1]然而，作为人机交互的算法决策机制，算法并非价值中立，而是具备可规制性。{11}越来越多的证据表明，算法技术从来就不是客观中立的，至少不像人们所想的那样公正无私。[2]一旦算法基于年龄因素而定义人类的能力、信用，或当算法对年轻人或老年人的行为进行差别预测时，便可能具有年龄歧视性之色彩。

（二）算法技术对就业年龄歧视的影响

虽然在就业领域中，算法技术具有表面的客观性和公正性，但大量的事实已经证明，算法技术中潜藏着对高龄者的偏见和歧视，从而损害高龄劳动者的平等就业权。目前，在人口老龄化和算法技术的交织影响下，就业年龄歧视已经成为我国社会最普遍、最隐蔽、同时也最缺乏关注的歧视类型。

一方面，算法技术使得就业年龄歧视更加隐蔽，高龄者难以证明歧视行为的存在。尽管我国人口平均预期寿命正在史无前例地激增，但就业年龄歧视仍然难以被反歧视法律体系的“雷达”所监测，因为这是被视为最不可能被法律制裁的偏见。换言之，与其他形式的歧视相比，年龄歧视更被社会所接受。雇主对高龄者的年龄歧视往往并不是出于顽固的偏执，即并不涉及那种根深蒂固的“我们对他们”的对抗性关系，有时甚至是出于劳动者随着年龄增长工作表现即会受到影响的合理认定有关。因此，年龄歧视并不像种族、肤色、性别、宗教和原始国籍等“第一代就业歧视”所禁止的那些歧视形式一样存在明显的恶意。{12}这也就意味着，尽管年龄歧视有损高龄者的尊严，但是与其他形式的歧视相比，它的危害性更小，更隐蔽，而且在立法上也存在更多的法定例外，常常被认为是允许的、合法的或经济有效的。算法技术的兴起与运用进一步加剧了就业年龄歧视的隐蔽性。在算法自动化招聘过程中，高龄求职者不仅在识别就业年龄歧视时处于不利地位，因为这种就业年龄歧视被嵌入了一个使用多种因素的招聘算法中，并被代码所掩盖，而且在穿透雇主关于工作相关性和业务必要性的主张以及质疑这种主张是否合理的能力方面非常欠缺。深入学习过程中嵌入的计算的复杂性意味着算法生成的参数不容易解释，而算法获得这些参数的确切路径可能无法实际追踪或重建。质言之，雇主有意识的年龄歧视更可能隐藏在算法技术的面纱之后。

另一方面，算法技术使得高龄者进一步将雇主实施的就业年龄歧视行为内化为对自己的歧视。就业年龄歧视的本质在于：一开始是对别人老龄的厌恶，最后是对自己老龄而难以工作的厌恶，因为它最终是从外部向自我内部蔓延的。这也正是就业年龄歧视为什么在所有歧视形式中最难以铲除的主要原因。算法技术的隐蔽性往往使人们无法认识到就业年龄歧视的存在，因而不仅加剧了高龄者自我导向的年龄歧视，也增加了治理年龄歧视的难度。在当前的智能算法社会中，高龄者反倒会为了许多不是为他们量身打造的技术环境和他们无法掌控的事物而自责。互联网企业倡导年轻文化而将高龄员工辞退、算法招聘平台只允许35岁以下的投递简历，中高龄劳动者往往会责怪自己年龄太大而没有达到要求。这就像，当我们看到一位高龄者拼命想从低矮的椅子起身，我们会认为他的腿部肌肉无力或缺乏平衡感，而不是考虑座椅太深或太低或设计不当一样。{13}（P.26）正是由于算法技术中的就业年龄其实对高龄劳动者个人来说具有难以获知、难以察觉和难以证明的特征，从而使得在算法招聘中，高龄者往往会责怪自己的老化以及自己跟不上时代发展的步伐，而不是责怪将就业年龄歧视变得更加具有可接受性和隐蔽性的算法技术。

二、算法技术中就业年龄歧视的具体表现

算法技术的原理是客观中立的，但算法技术的应用并不是客观中立的。算法技术催生的“数字利维坦”不仅放大了现有的“数字鸿沟”“数字贫困”和“数字歧视”，还加剧了银发数字鸿沟”和老年人“数字贫困”“数字歧视”的形塑与固化。{14}一般而言，算法技术包括输入—分析—输出三个流程，因此本部分依次从这三个环节详细阐明算法技术中的就业年龄歧视类型及其表现。

（一）数据输入中的就业年龄歧视

对于以数据为基础的算法技术来说，它是“垃圾输入，垃圾输出”。这也就意味着，如果所收集的以往的原始数据本身带有就业年龄歧视之印痕，那么这种歧视印痕很容易影响算法，导致算法最终的输出很可能反映、甚至放大既存的就业年龄歧视。因此，算法技术对高龄者的歧视很大程度上是社会上既存年龄歧视的再现。就数字经济时代社会上既存的就业年龄歧视而言，作家马克·普伦斯基所创造的“数字本地人”（Digital Natives）和“数字移民”（Digital Immigrants）这两个概念具有相当的代表性。“数字本地人”一词通常用来指称那些年轻到可以在数字技术下成长的人，相比之下，“数字移民”一词则是指年龄太大，无法在计算机技术下成长的人，他们有一只脚始终踏在过去。马克·普伦斯基认为，数字本地人由于从小就成长在数字技术环境中，他们一生都被电脑、电子游戏、数字音乐、收集以及数字时代的所有其他工具所包围，因而具有与生俱来的数据技术知识。数字本地人的重要特点是熟悉电子邮件、多任务、游戏，以及将互联网作为自己的第一选择。{15}显然，“数字本地人”和“数字移民”对思考数字技术和年龄因素的关系产生了重要影响，它表明在数字经济时代社会对高龄者的刻板印象更加严重，也更加隐晦。根据美国退休人员协会（AARP）2018年的调查显示，在当前蓬勃发展的IT行业中，年龄歧视非常普遍，70%的劳动者表示他们目睹或经历过年龄歧视，超过40%的高龄科技工作者担心因年龄而失业，或者认为年龄是他们职业生涯的负担。{16}同样，根据我国互联网协会发布的《2020年中国互联网综合实力前百家企业》显示，年轻人是这些企业员工的基础画像。相关互联网企业普遍钟情年轻员工，40岁以下的中青年员工占比最高达到了97.9%。整个互联网行业普遍偏好以“数字本地人”为员工队伍以彰显自身的年轻与活力，对“数字本地人”的追捧甚至引发了我国互联网行业独有的“35岁危机”现象。

事实上，社会中许多被视为就业年龄歧视的行为在本质上是相当微妙的，而且往往有着良好的根源。例如，正如人们称呼小孩一样，善意的人也会不自觉地将高龄者看作弱势群体，他们会用善意但傲慢的语言或行为贬低高龄者。研究表明，在全球范围内，高龄者总是与大量消极特点，如衰弱、疾病、残障、缺乏活力、依赖性强和庞大的卫生保健支出联系在一起，并且2-3岁的幼儿就已经具有了这种对高龄者的刻板印象。{17}算法机器与儿童本质上没有太大区别：儿童并非生来就会有性别歧视、年龄歧视等歧视心理，但如果他们在成长过程中听到性别歧视和年龄歧视的评论，就很有可能反映出他们成长过程中的偏见。同样，算法机器本身没有任何偏见，但如果算法机器由反映性别歧视者和年龄歧视者的观点所驱动，其结果将是算法根据提供给它的信息复制这些偏见和歧视。换言之，算法技术经过训练，能够在决策过程中再现社会的行为模式，包括偏见和歧视，其结果是一台经过训练的歧视机器、一台反映社会偏见的机器，在最终生成的每一项决策中往往都会持续社会上的某些错误。寻此逻辑，正是因为在当前互联网企业中的从业者绝大部分为年轻人并不断地以“数字本地人”为理想员工的画像，从而使得他们很难考虑到高龄者的需求，使用以往的员工数据建构的智能算法将系统性地把高龄者排除在未来空缺职位的考虑之外。因此，算法技术不但会继承人类决策者的偏见，还会反出整个社会的结构性偏见和思维中的偏见。{18}这就意味着，由当前普遍流行的就业年龄歧视观点所驱动的算法招聘，将会复制社会上既存的就业年龄歧视，使得最终进入该互联网企业的全部是年轻员工，从而对高龄者形成不成比例的不利影响。

（二）数据分析中的就业年龄歧视

通过可能减少通常影响人类决策的陈规定型观念和隐性偏见，看似中立客观的算法决策技术为雇主决策提供了前所未有的潜力。然而，就业年龄歧视可能早就内嵌在算法设计技术之中。从前述算法的工作原理可以看出，算法的关键在于分析和深度学习已获得的数据集，从而生成人类尚未掌握的信息，帮助人类作出决策。然而，当代算法具有较强的自主性，其仍然以回答或解决问题为目的，但作为解决方案的内容不再是程序员事先编定的，而是计算机自主生成的。{4}因此，即使收集的底层数据是完整的、不具备偏见的，机器学习算法也有可能通过自我学习来制造就业年龄歧视，从而导致数据偏差，加剧对高龄者的就业年龄歧视现象。加之，“算法黑箱”的不透明性，使得很难评估其具体的操作方法，例如很难知晓其在设计学习程序时是否进行了无偏差校正实验。在这样种情况下，挖掘年轻员工的数据本身并不一定是就业年龄歧视。相反，如果不进行数据偏差校正即投入使用，挖掘年轻员工的数据可能会为那些有目的地寻找新的就业年龄歧视方式的人提供了工具和渠道。因此，由于高龄者的数据在收集中过于稀疏而代表性不足时就会产生数据暗点。事实上，由于互联网企业往往将效率和利益而不是公平和精确作为首要考虑的因素，从而容易导致算法技术设计者（无意或有意地）忽视了那些代表性不足的高龄者群体。因此，毫不奇怪，看似中立客观的算法技术在自我学习的过程中会对代表性不足的高龄者群体进行自动降级。例如，在旧金山联邦储备银行2017年的一项研究中，5名研究人员为年轻人、中年人和老年人创建了4万份虚构的简历，并向分布在11个州的12个城市的1.3万多个网上职位发送了三份完全相同的（年轻人、中年人和老年人）虚拟申请。{19}这些网上发布的职位都是销售、管理人员和门卫等几类低技能的工作类别。尽管简历上没有明确列出申请人的年龄，但是每个申请人的年龄都可能隐含地来自包括高中毕业年份等个人信息。研究显示，即使所有人拥有着相似的技术能力，但年轻申请者获得的回馈率远高于年长申请者。

（三）数据输出后的就业年龄歧视

数据输出后的就业年龄歧视是算法就业年龄歧视的最终表现，在当今的互联网时代这往往表现在网络平台上。在我国，以算法技术为核心的招聘平台典型的前程无忧、领英和智联招聘等。就这些平台而言，在招聘阶段，雇主会利用算法技术来识别合格的群体，并向其定期发送招聘信息；在简历筛选阶段，雇主会借助算法技术对求职者进行筛选以淘汰不合格的求职者；在面试阶段，雇主可以通过算法技术对视频中求职者的面部表情、语调等个人数据进行分析以衡量求职者的性格特征、工作表现等；在录用阶段对求职者进行评级的结果向符合条件的求职者发送录用通知。{20}可见，尽管算法被吹捧为当今数字化工作场所的一种高效工具，但平台算法不可避免地参杂着平台经营者的算计。{21}诸多迹象表明，越来越多地使用招聘平台是造成就业年龄歧视的重要原因之一。现实中，网络平台貌似并不生产具体内容，只是通过算法对具体网页用户进行排序与呈现，然而比起算法的设计者，平台算法所起到的屏蔽、推送、排序对用户接收的信息具有强大的干预作用。{22}2017年美国通信工人协会（the Communications Workers of America，CWA）对T-Mobile和Amanzon等几家企业提起的集体诉讼，主要控诉是这些企业通过Facebook的广告平台发布专门针对年轻求职者的招聘广告，以此来排除年长求职者接受相关的招聘信息。该诉讼指控Facebook平台不仅仅是一家向用户提供和销售信息的中介机构，相反平台自身也深度参与了使用算法将年长求职者排除在一系列职位招聘广告职位的行为。[3]此外，网络平台的用户界面，也可以用来排除年龄较大的求职者。例如，一些在线网络招聘平台会有下拉菜单，要求应聘者输入出生日期，然后随申请一起提交。然而，一些求职者发现，这些下拉菜单只允许提交1980年以来的出生年份。许多平台甚至不允许求职者在没有回答年龄问题的情况下提交申请。这也就意味着，1980年出生之前的应聘者因无法输入出生日期而无法回答年龄问题，进而被排斥在网络招聘平台之外。对于那些不需要回答年龄问题的平台而言，他们往往会使用个人照片信息来评估应聘者。根据领英平台的统计，添加个人资料照片会是应聘者的个人资料在搜索中被找到的几率增加7倍。{23}在这样的情况下，应聘者添加个人资料照片就显得具有重要的意义。然而，对于年龄较大的求职者而言，对其外表的判断往往会带来更大的偏见。年长求职者在网络招聘平台上描绘自己过去丰富的就业经验，以及不再年轻的照片，可能会加剧网络招聘平台的就业年龄歧视。

三、算法技术中就业年龄歧视的治理策略

进入“十四五”时期，随着我国数量型人口红利劳动者群体的高龄化，以及延迟退休政策实施后增加的大量高龄劳动者群体，年龄歧视将成为制约高龄劳动者持续参与就业的最大障碍。{24}为保障高龄者的平等就业权，我国反歧视法律制度必须直面“算法+年龄歧视”组合带来的冲击。在数字经济时代，算法技术中的就业年龄歧视本质上是现代科技不确定性的内生风险，其对既有社会的规范与秩序的影响，可谓深远，单纯以我国当前的反歧视法律理念与框架去理解和说明，恐怕难竟全功。无论承认与否，成型于工业社会的禁止歧视法律体系在数字时代暴露出结构性缺陷，已现降效失能的颓势。{25}（P.142）因此，为切实保障高龄者的平等就业权，最大程度上发挥算法技术的积极功能，相关的治理策略应当是，以适时出台专门性的《就业年龄歧视法》为治本之道，在塑造尊重、珍惜高龄劳动者的社会环境的基础上，辅之以明确算法技术设计者的多元代表性、增加雇主在算法就业年龄歧视中的证明责任、呼吁算法技术的透明性和可解释性以及规范和引导网络平台的招聘行为等技术性治理措施，从而形成多维度全方面的治理体系。

（一）治本之策：塑造尊重、珍惜高龄劳动者的社会环境

了解就业年龄歧视的产生根源是禁止雇主通过算法技术实施就业年龄歧视行为的第一步。歧视观念形成的根源在于社会。当前我国社会上关于高龄者不懂最新的科技、工作效率和工作能力较低、跟不上
······