第三種勞動:智能品牌傳播中的人機關系

姚 曦, 姚 俊

(武漢大學 新聞與傳播學院, 湖北 武漢430072)

隨著人工智能技術、物聯網以及生物科學的發展,機器的勞動能力正在發生著實質性改變,從最初替代人類出現在工廠中完成重復枯燥的體力勞動,到協助人類做決策等“智慧型”工作,以大任務、大訓練、大模型與大系統為基石的ChatGPT不僅能夠“理解”人類的語言指令,生產的內容與人類語言習慣、常識、認知、需求和價值觀也更加契合與匹配。越來越多的行業讓人工智能技術參與到勞動中,以提高勞動效率、降低失誤率。人工智能技術的持續迭代與廣泛應用,引發了人們對人機關系的關注與思考,如勞動分工中的認知主體問題(1)X.Feng,“Artificial Intelligence and the New Issue of Cognitive Subject”,Frontiers of Philosophy in China,Vol.17,No.2,2022.、人機有效協作問題(2)P.Puranam,“Human-AI Collaborative Decision-Making as an Organization Design Problem”,Journal of Organization Design,Vol.10,No.2,2021.、探索人類勞動者的關鍵能力(3)T.Süβe, et al.,“Antecedents of Constructive Human-AI Collaboration:An Exploration of Human Actors’ Key Competencies”,L.M.Camarinha-Matos,et al.,Smart and Sustainable Collaborative Networks 4.0:22nd IFIP WG 5.5 Working Conference on Virtual Enterprises, PRO-VE 2021,Saint-étienne,France,November 22-24,2021,Proceedings 22,Cham:Springer International Publishing,2021,pp.113-124.等。

于品牌傳播而言,數據與算法的涌入帶來原有業務內容、勞動分工的重新分配和調整,重新定義了勞動本身與勞動關系,這種需人機交互完成的勞動可稱為第三種勞動。它具有以下特征:首先,居于人機平行勞動(人機分離式協作)與完全自動化(人機完全融合)之間,它是人類與人工智能協同勞動的混合體。人機勞動分工并非人機勞動分離,而是指為了完成某一項任務,智能技術的勞動與人類勞動存在時間上的先后順序,形成了“協同”式的勞動關系。其次,第三種勞動包括人機分工與再分工,它是動態勞動分工過程與結果。分工是品牌服務商根據人機各自的優勢對人機勞動作出的分配,它是第三種勞動形成的基礎條件。再分工指隨著時間的推移,原有的勞動配置可能會發生分化與重組,形成新的勞動類型與協作關系。

目前品牌傳播領域探討的主要議題包括人工智能在廣告創意中的使用(4)D.Vakratsas,X.Wang,“Artificial Intelligence in Advertising Creativity”,Journal of Advertising,Vol.50,No.1,2020.、人工智能在程序化廣告中的作用研究(5)V.S.Diwanji,et al.,“Deconstructing the Role of Artificial Intelligence in Programmatic Advertising:At the Intersection of Automation and Transparency”,Journal of Strategic Marketing,Published online:23 November 2022,https://doi.org/10.1080/0965254X.2022.2148269.、人工智能如何實現廣告與消費者的有效溝通(6)J.Kietzmann,et al.,“Artificial Intelligence in Advertising How Marketers Can Leverage Artificial Intelligence along the Consumer Journey”,Journal of Advertising Research,Vol.58,No.3,2018.等?？偟膩砜?國內外學者沿襲的依舊是人機二分式的研究視角,比較關注人工智能取代人類工作的潛力以及與人類勞動能力相比的相對優勢,對具體業務運作中人類與智能技術間如何協作完成任務的關注較為匱乏,未能觸及到第三種勞動中人機關系的本質。智能品牌傳播業務是一種典型的數據密集型勞動,大數據與算法的介入是提高品牌傳播精準性、及時滿足消費者需求的重要品牌戰略。智能品牌傳播中人機協作式勞動比預期的更加具有挑戰性,需要研究者關注具體的勞動流程。綜上,有必要聚焦到具體的品牌傳播業務運作場域中,對第三種勞動中的人機關系做深入的研究,這將具有重要的理論價值與實踐意義。

一、勞動分工與協同:研究智能時代人機關系的一個基本視角

對于勞動分工與協同的理解可以追溯到勞動分工理論,它是經濟學中的重要理論。亞當·斯密在《國富論》中寫道,“勞動生產力上最大的增進,以及運用勞動時所表現的更大的熟練、技巧和判斷力,似乎都是分工的結果”(7)亞當·斯密:《國民財富的性質和原因的研究》上卷,北京:商務印書館,1981年,第3頁。。馬克思進一步分析了分工優越性產生的原因——“由協作的一般性質產生的”(8)馬克思:《資本論》第1卷,北京:人民出版社,2004年,第393頁。,即分工優越性的產生離不開分工者之間的有效協作,協作反過來也會影響分工的效果?？梢钥闯?分工與協同是一組關系型概念,基于此,本文將勞動分工與協同作為研究智能時代人機關系的一個基本視角。具體而言,第一,勞動工具的自動化塑造著人機協作式的分工配置,“分工從最初起就包含著勞動條件——勞動工具和材料——的分配”(9)《馬克思恩格斯文集》第1卷,北京:人民出版社,2009年,第579頁。,這就意味著勞動主體在勞動中的分工關系與勞動工具密切相關,即“手推磨所決定的分工不同于蒸汽磨所決定的分工”(10)《馬克思恩格斯文集》第1卷,第622頁。。勞動工具自身的變化在馬克思看來“更能顯示一個社會生產時代的具有決定意義的特征”(11)《馬克思恩格斯全集》第23卷,北京:人民出版社,1972年,第204頁。。從農業時期的手工工具到工業時期的機械化工具,技術與機器并不具備推理、判斷、共情、深度思考等人獨有的屬性,人類與技術間一直是單方面的使用與被使用的關系。人工智能是人類對自己的全面復制與突破,它似乎展現出了某種自主思考與行動的能力,因此,很多學者對智能技術是否還屬于被操控的勞動工具提出了質疑,指出人工智能是人的外在延伸和擴展,它不僅復制了人的外貌、四肢,還意欲將屬于自己的思考能力、情感、自我意識等人稱之為人的“東西”賦予機器,實現對人思維系統的復制乃至超越。因此,人工智能已經不完全是“被使喚者”了,它更像是存在于硅基“軀體”上的人。不過也有學者認為智能機器具有的主體性也只是擬主體性,而“無法解決的自我意識問題讓人工智能僅能作為一種工具存在”(12)陳凡、程海東:《人工智能的馬克思主義審視》,《思想理論教育》2017年第11期。。理論上工具性存在與擬主體性的探討,映射到具體的勞動情境中表現為對人工智能支持的自動化的關注,即AI與人類動態地結合在一起,作為一個整體發揮勞動的價值。

第二,以人類為中心的勞動關系的瓦解促成了人機共同體的形成。以模擬人類的智慧為目的的機器已經擁有了可以與人類相匹敵的組織、協調和控制的能力,集工具屬性與勞動主體屬性于一身。這一轉變不僅打破了人類對勞動主體地位的壟斷,并使得智能機器取代人類成為新的勞動者,重新定義了人與機器之間的關系(13)張自永、吳宏洛:《人工智能時代勞動解放的四維解析》,《海南大學學報》(人文社會科學版)2020年第6期。,即人與機器正在經歷著從弱交互適應到強交互適應的變革,意味著人類不再擁有絕對的勞動話語權。此外,智能機器在勞動領域、工作習慣、勞動方式等方面擁有人類無法比擬的優勢,且機器與機器間能略過人類這一中介實現復雜的合作,這意味著在現有的勞動范疇內,機器不僅能代替人類高質高量完成交付的任務,同時它開始進入了人類能力所不及的工作領域,智能機器的勞動和人類的勞動作為兩種截然不同的勞動形態將前所未有地“共存”于人類社會(14)歐陽英:《從馬克思的異化理論看人工智能的意義》,《世界哲學》2019年第2期。。人在勞動關系中的中心地位體現于對機器具有絕對的控制權、驅使權,并且行使這些權利并不會造成勞動效率與勞動價值的損耗。隨著數據和算法對人類勞動領域的大規模介入,越來越多的行業與企業謀求數字化轉型,造就了數字時代獨有的勞動形態,即數據密集型勞動,它的獨特性在于智能技術被設計成與人類緊密耦合的合作伙伴,而非人類對機器的絕對控制與使用。

綜上,人機協作式的分工配置與人機勞動共同體的形成皆在凸顯人機關系中的“互構”與“耦合”面向。因此,以勞動分工與協同為視角,可以幫助我們從關系中檢視與廓清第三種勞動中人機分工樣貌、人機關系的具體指涉是什么以及它是如何形成的。

二、第三種勞動的形成:智能技術對品牌傳播業務運作的全面介入

智能品牌傳播業務圍繞傳遞商品或服務信息實現品牌價值展開,依賴大量最新的消費者數據(畫像相關的數據與消費者商品使用反饋數據)、市場發展分析來洞察與預測消費者的行為,主要業務流程包括消費者洞察、內容生產、內容匹配、效果評估四個部分。以分工—協同為視角,以四個核心業務流程為分析框架,本部分在具體的勞動場域中梳理與呈現第三種勞動中的人機關系,具體如下:

(一)分工—協同的消費者洞察

消費者洞察,包括洞察理念與洞察行為兩個部分,它是廣告業現代化轉型過程中的穩定器與加速器,依托于嚴格的調查流程與數據分析,提升了廣告的科學性和專業化程度。消費者洞察理念經歷了從“群體畫像”到“個體畫像”的變化:群體畫像是對群體的心理特征、行為特征進行整體性概述;個體畫像則是對個體特征、行為數據和場景信息進行收集,利用機器學習模型對這些數據進行標簽提取和分類,然后使用標簽組成完整的消費者畫像(15)H.Choi,et al.,“Online Display Advertising Markets:A literature Review and Future Directions”,Information Systems Research,Vol.31,No.2,2020.。對數據的篩選與使用是影響消費者洞察精準性的關鍵因素。消費者洞察對大數據的認識與使用經歷了一個由淺入深的過程:初期更加關注樣本的數量,隨著技術抓取數據能力的不斷提升,對數據范圍和樣本大小的關注逐漸讓位于數據與個體的關聯程度與數據結構的完整性。

在消費者洞察中,智能機器負責實時收集有關消費者的多維度、深層次數據。傳統洞察環節所設置的場景把用戶真實生活元素排除在外,這是“總體”思維對消費者“個性”的主動閹割。生活場景并非實驗室,真實的消費者因知識背景、動機、身體活動形式、情緒狀態等的不同而千差萬別,分眾的“瞳孔識別”技術以及秒針的“情感云”識別系統將洞察深入到了用戶感官的感知與生物本能中,如視覺、嗅覺與觸覺等感官反應,以機器的感知與采集系統替代人類的肉眼觀察與記錄,實現對消費者實時場景中更細顆粒度的生理和情感數據的獲取,人對技術的“坦誠相見”意味著消費者洞察中“不確定”部分的進一步消弭。此外,人類的語言中隱藏著大量的不易被察覺的信息,如行為習慣、思維方式、社會結構與規則等,它也是消費者洞察環節值得去追蹤與挖掘的重要數據之一。以ChatGPT為代表的第四代人工智能技術具備提取語言痕跡的功能,它使用大模型從特定的語料庫中提取語元之間的關聯度,以用于洞察與預測。預訓練模型是實例性模型而非概括性模型,這就意味著當實例數據足夠豐富時,消費者洞察可以實現從語言到生理、心理、行為數據的全方位、多維度覆蓋,距離還原真實生活場景中的消費者行為又近了一步。

數據孤島依然是目前普遍存在的問題,它限制了數據在不同平臺間的流通,損害數據的完整性、代表性、均衡性。數據的完整性越強,對消費者的洞察越精準,事實是消費者留下的各種數字痕跡通常散落在不同的平臺,各平臺為了保持其競爭力、保護用戶隱私,導致不同類型的數據無法實現有效聚集,這需要從業者將算法洞察與傳統調查結合起來使用,讓二者可以相互補充。在數據的代表性上,被訓練的樣本能夠代表目標消費群體是精準洞察的前提,這就需要從業者在理解和把握品牌主訴求的基礎上,告知、判別與篩選訓練樣本的類型、范圍與深度。此外,網絡大數據通常是高質量數據與無效數據混合在一起,需要“對原始數據集進行隨機抽樣,提取一定數量的樣本,然后由具有專業知識的研究人員進行人工檢驗,計算出誤差率;再由樣本的誤差率推斷出總體的誤差率;進而判斷數據誤差是否會對研究結果的可靠性產生決定性的影響”(16)羅俊:《計算·模擬·實驗:計算社會科學的三大研究方法》,《學術論壇》2020年第1期。,從而減少不均衡的數據給洞察帶來的偏差。

(二)分工—協同的內容生產

創意是衡量廣告公司內容生產專業度的關鍵指標之一。隨著智能機器的介入,創意的生產方式與流程已經發生了改變,首先是“創意”的批量化生產,人工創意的生產需要經過選素材、寫文案、制作等諸多工序,在智能技術的驅動下,使用動態創意優化算法(Dynamic Creative Optimization)系統,輸入關鍵詞就能夠自動生成匹配度較高的創意素材、符合需求的圖文素材式樣、精美的視頻創意。在心理學的研究中,創造力具有兩個方面的判斷標準:原創性(originality)和有效性(effectiveness)(17)M.A.Runco,G.J.Jaeger,“The Standard Definition of Creativity”,Creativity Research Journal,Vol.24,No.1,2012.。還有的心理學家認為新奇性(surprising)也應被納入到創造力的判斷標準之中。綜上,原創性、有效性與新奇性是衡量創意質量的三個指標,三個指標中如果任意一個趨向于零,那么創造力就會趨向于零。盡管“創造性對于人類自己來說也是一個黑箱,我們不知道創造是如何進行的。但有一點可以肯定,創造性決不能還原為聯想和組合”(18)趙汀陽:《GPT推進哲學問題了嗎》,《探索與爭鳴》2023年第3期。。如此看來,智能機器生成的內容只能稱之為組合式創意、程序化創意、快餐式創意。

“意料之外”的創意與作品的力量“在一定程度上來自于結構的張力”(19)彭蘭:《智媒趨勢下內容生產中的人機關系》,《上海交通大學學報》(哲學社會科學版)2020年第1期。,知識結構和日常生活體驗是結構張力的來源。創意人員的知識結構由專業知識與通用知識構成,這些知識或是高度抽象的理論知識,或是從實踐之中習得的無法被表征的知識,經過加工和處理被存儲到大腦中,具有較強的反身性和個體性。同時對生活的觀察與體驗能夠幫助從業者突破已有的知識結構,因真實生活的體悟來自于知覺、直覺甚至是人類自己都無法言說的東西,它既可能出自理性的思考,也可能出自非邏輯判斷。狄爾泰認為人是體驗的集合,我們每個人都是社會中存在的人,從出生那一刻起人就要受到社會結構的塑造,我們也在與他人的日常接觸中逐漸習得人類共有的情感與慣習,這些都是基于邏輯和數學的人工智能短時間內無法企及的?？梢哉f,復雜的知識結構與日常生活的觀察和體驗為創意設置了一道人工智能短時間內無法逾越的高墻。

不過,創意具有稀缺性且創意的生成也具有不穩定、耗時較長的缺陷,部分創意工作者也開始從數據中尋找創意的靈感以加速創意生成周期。有研究證明,有效的協作能夠從機器粗加工數據的自由組合中尋找啟發,如“幫助人類做出突破性的變異,創造出前所未有的變異空間”(20)李建會、夏永紅:《人工智能會獲得創造力嗎?》,《國外社會科學》2020年第5期。。單個創意者甚至是群體創意者的知識儲備以及思維都是有邊界的,將不同類型知識進行整合和連接的能力也遠弱于人工智能,同時智能機器沒有固定的思維結構,不會受到過往工作經歷和經驗的影響,它更有可能跳脫出思維慣性,將隱匿在人們習以為常事物背后的關聯性抓取出來,做出無數多的排列組合,給創意者提供“意料之外”的答案。從這個角度看,人工智能或許能夠創造出一種新的創意模式,即機先人后(computer first-human last CF-HL)式創意。而ChatGPT則可以成為人類創意生產中的訓練伴侶,在涉及“學、識、才”的內容生產中充分發揮“人的用處”(The human use of human being),不斷發揮想象力和創造力,掀起超越人工智能的新的“浪漫主義運動”(21)鄧建國:《概率與反饋:ChatGPT的智能原理與人機內容共創》,《南京社會科學》2023年第3期。。

(三)分工—協同的內容匹配

內容產業的蓬勃發展使得各式各樣的信息大量涌向受眾,信息傳播已經不僅僅是通過媒介將信息傳遞出去,如何讓品牌主的訴求在浩如煙海的信息中被注意到、被識別才是內容匹配的目標,廣告內容和消費者需求的匹配程度顯得尤為關鍵。人機分工與協同的內容匹配以自動化的場景匹配為主。自動化場景匹配本質是指在特定情境下個性化信息服務的基礎上刺激需求與滿足需求的行為,在消費行為移動化的環境下,理解情境因素如何調節或促進營銷傳播的有效性是至關重要的(22)D.Grewal,et al.,“Mobile Advertising:A Framework and Research Agenda”,Journal of Interactive Marketing,Vol.34,No.1,2016.。情境匹配模式將移動媒體環境下消費者所處的情境與消費者個體的靜態數據相結合,使用算法和認知模型篩選并預測消費者的有效需求與偏好,從而提升內容匹配的精準度。其操作原理是情境感知與認知計算的相互補充與融合:情境感知是指任何可以用來描述實體情形和特征的信息,這個實體是與用戶和應用程序的交互過程中相關的人、地點或物體(包括用戶和應用本身)(23)A.K.Dey,et al.,“A Conceptual Framework and a Toolkit for Supporting the Rapid Prototyping of Context-Aware Applications”,Human Computer Interaction,Vol.16,No.2-4,2001.,與消費者相關的情境感知信息包括環境信息,如自然環境、社會環境、消費者當下以及歷史情境數據;認知計算是探索大腦信息加工的機理,包括感覺、知覺、注意、記憶、語言、思維、表象、意識等認知過程,它能在模仿人類認知的基礎上作出理解、思考與推理,從而減少決策過程中的誤差。并不是每一種情境要素都會對消費者的認知產生影響,而且不同的消費者對于周圍情境的敏感性也存在很大的區別,品牌傳播中情境感知是為了對消費者的情境敏感性進行分析,將影響其判斷和決策的主要情境信息提取出來。消費者—廣告—場景的三元匹配就是于認知計算與情景感知的補充與融合中提取、計算、預測與滿足消費者的需求和偏好。不過,自動化的情境匹配需要人類設計的反饋系統,反饋既是內容精準匹配的終點也是起點,實際精準往往不是一蹴而就的,而是一個在不斷試錯中無限接近用戶實際所需的過程,需要從業者給推薦系統增加反饋環節,在充分聽取、收集反饋信息的基礎上對匹配模型進行反復迭代,進而過濾掉算法和模型可能會推薦的無效偏好。

勞動分工設計與勞動自身的復雜程度決定了人與機器各自的任務和角色,內容匹配環節中對數據處理能力要求較高,而智能技術能夠高效獲取算法支持的內容匹配勞動中所需數據的價值。不過,人工智能無法單獨應對消費者的不確定行為,常見的包括行為的偶然性與流動性。于前者而言,需要人類為機器創建識別偶然性的指標體系,如瀏覽時間、瀏覽頻率等;對于后者,消費者偏好的變化會反映到日常行為中,例如當消費者點外賣的頻率突然降低的同時健康飲食的檢索次數增加,宜為消費者推送健身、戶外運動、綠色食品等與身體健康相關的品牌信息,從業者則可以從突變的數據中及時作出判別。

(四)分工—協同的效果評估

智能化效果評估環節與其他環節關聯方式的變化,評估對象與范疇的遷移與拓展,是人機分工與協同勞動關系形成的實踐背景與前因。首先,閉環式效果評估是指智能技術讓各種數據可抓取、可追蹤、可分析,“形成了以效果評估環節為紐帶的從消費者洞察、創作到精準投放的廣告全流程閉環運作模式”(24)姜智彬、師夢瑤:《廣告智能評估:基于共振效應的識別、分析與應對模型》,《現代傳播(中國傳媒大學學報)》2021年第4期。。作為實時反饋數據,效果評估的結果為消費者洞察、內容生產與內容匹配提供“第二重”數據支持,引發各環節業務內容與分工的動態調整,有利于充分發揮閉環式運作模式的協同效應。評估對象與范疇的遷移與拓展指人機分工與協同的效果評估工作,主要分為前端與后端兩部分。其中,前端是對用戶的接觸點歸因分析,主要是檢測不同媒體平臺以及媒體組合的廣告效果。在跨媒體傳播的當下,受眾從接收品牌信息到效果的轉化過程中會接觸多種渠道,不同的媒介接觸點對受眾的影響比重和影響范圍也不盡相同,智能機器能夠實時記錄并監測真實的廣告效果,其工作機制是對消費者接觸信息到完成轉化過程中的行為進行全程追蹤,然后使用歸因模型完成購買轉化的歸因分析。常見的歸因模型有單點歸因與多點歸因,但單點歸因的應用情境有限,歸因結果產生偏差的幾率也比較大,目前多觸點歸因模型使用較多,它能夠為人類決策者提供不同媒介組合接觸的效果貢獻程度以及不同媒介組合間的協同作用數據,幫助品牌主篩選出效果最突出的單個媒體平臺與媒體組合,實現投放渠道的實時、高效管理。后端效果評估提取消費者反饋中有價值的信息用于優化產品與廣告內容,評估的樣本主要來自于購物平臺上的評價信息、社交媒體平臺上的使用體驗。評價信息以及使用體驗是消費者最為真實的口碑反饋,它能夠從多個維度為提升品牌傳播效果提供決策依據。在傳統效果評估中,消費者的使用反饋數據收集難度較大、收集成本較高,故而要么被舍棄,要么用小樣本替代。在后端效果評估勞動中的人機分工與協作模式如下:在被告知品牌相關的單個關鍵詞或者是組合關鍵詞、數據產生時間節點以及數據搜集平臺等指令后,網絡爬蟲技術便會依照指令抓取散落在不同平臺上的評價數據,并結合不同的評估需求對數據進行整合、清洗、聚類,深度剖析文字、圖片與視頻背后隱藏著的態度、認知與情感,為更新產品、優化廣告生產和投放提供科學的依據。

依賴大數據與算法的效果評估不可避免地會遇到數據可信度問題,如數據造假與數據欺詐。智能時代的數據作弊方式具有極強的隱蔽性,如在真實的數據中混入虛假數據,在增加數據清洗難度的同時,也會大大降低效果評估結果的準確度,甚至誤導算法給出完全錯誤的結果。使用智能監督技術從源頭上降低惡意數據的干擾,是目前多數數字品牌服務商普遍采用的“對抗”方法。但在具體的業務中,仍然需要人類勞動者結合自身的工作經驗與常識對智能技術輸出結果的可信度作出判斷。

三、互惠式增強:第三種勞動中的人機關系

智能時代勞動中的人機關系研究大多建立在對人類和機器屬性的相似性、差異性的給定分類上。英國學者露西·蘇克曼對于施樂PARC的開創性研究挑戰了這一主流觀點,其研究表明人與人之間以及人與世界上的物體之間的互動取決于更為復雜的相互影響的可理解性構成過程(25)Lucy Suchman,Human-Machine Reconfigurations:Plans and Situated Actions,Cambridge:Cambridge University Press,2007,p.10.。這與我們的發現不謀而合,即智能品牌傳播業務運作流程中的人機關系并非是給定的,人機間也非單方面的替代與被替代的平行、競爭關系,而是彼此交織與互構的互惠式增強關系,人工智能生產力和效率優勢只能通過人類勞動者與技術之間的有意識和功能性的協作實現?；诖税l現并依據勞動分工理論關于勞動形態與勞動關系的相關研究,本部分進一步探索互惠式增強關系中浮現的新勞動形態、互惠式增強關系是如何形成的。

(一)互惠式增強關系中的新勞動形態:提示、審核、修改與提問

提示勞動指在人類勞動者輸入關鍵信息的前提下直接采納與使用智能技術的輸出結果,此種勞動配置的執行結果通常能夠更加符合即時精準滿足消費者需求的訴求。提示性勞動人機間是順序性相互依存的關系,即人機組成一個共享輸入系統,隨后輸出,我們稱之為順序與專業化并存的勞動(26)P.Puranam,“Human-AI Collaborative Decision-Making as an Organization Design Problem”.。首先體現在內容生產環節中廣告文案的創作與繪圖中,智能技術能夠從數據庫中對內容包含的要素進行篩選與組合,在短時間內生產出千人千面的文案、圖片與視頻,很多國內外的研究已經證實智能技術在藝術、文學方面的創造力達到了和人類相媲美的水平。不過,在算法生產出廣告內容之前仍需要人類勞動者預先解析與具象化廣告主的訴求,以為智能機器提供內容數據庫檢索的關鍵詞、設定各項輸出內容的標準的方式參與到協作中。

審核、修改是算法增強類的工作,體現在智能品牌傳播業務運作中的每一個環節中。開發和提升算法需要必要的資源和能力準備,Tarafdar等人認為組織需要五種關鍵能力:數據科學能力、對業務的熟練程度、企業架構專業知識、運營IT技術的專業知識和數字好奇心(27)M.Tarafdar,et al.,“Using AI to Enhance Business Operations”,MIT Sloan Management Review,Vol.60,No.4,2019.。在智能品牌傳播業務運行中,這種能力集中體現為審核、修改與提問勞動的出現。審核是指人類勞動者在業務實施的過程中密切關注智能機器的數據輸出,充當著“把關人”的角色。修改是指在審核的基礎上對算法出現的錯誤與偏差進行更改。通常審核與修改組合出現以提升算法的勞動能力,我們稱之為減少“誤解”類勞動。盡管人工智能技術與算法可以進行自主學習,其自動化程度與勞動能力得到了大幅度的提升,但如喬姆斯基所言,語言是認知的來源與邊界,人類的語言與智能機器的“語言”截然不同,智能機器完全會產生異于人類的智能,作出與我們大相徑庭的判斷與選擇。從人類勞動者與技術的本質區別上看,二者的交互仍然是艱難的,誤解導致的失誤與誤差時有發生。人類勞動者需要掌握機器的“語言”,了解這些系統是如何參與到協同勞動中的。在品牌傳播業務流程中,提供參考和及時反饋是確保整個互惠式增強系統中人類和機器持續學習的關鍵,人類勞動者需要在數據搜集、模型建構以及輸出反饋環節對可能出現的問題進行嚴格的規則導入、系統的對比評估與針對性的管理和改進。

人工智能的勞動能力需要被激發(prompting),如何有效地提問成為人機協同中的新型勞動。有效的提問是指人類勞動者從業者能夠在與智能技術的交互中不斷優化問題的構成與方向,人工智能具備強大的搜集、分類、精簡信息的能力,產出無限豐富、新奇的創意素材供創意者參考,如在人類勞動者缺乏創意方向時可以向人工智能技術發問。另外,人類勞動者能在人機互動的過程中發現創意的盲點與誤區,精簡與優化創意的思路與方向,將對創意的模糊想象轉化為清晰的設計。由于人類發問者的提問方式、對機器輸出內容的理解與轉化能力存在差異,會導致人機協作生產的內容質量千差萬別,因此,有效的提問成為智能品牌傳播業務運作中的一個新興勞動,用機器能夠快速識別的語言與方式發問、持續調整問題形成對話式的人機溝通模式是有效的提問方式。

(二)互惠式增強關系的形成機制:人機分工配置系統的反身性

本文使用人機分工配置系統的反身性論述互惠式增強關系的形成機制。配置是人類與人工智能之間的特定關系,具有某種形式的任務和職責分工(28)T.Gronsund,M.Aanestad,“Augmenting the Algorithm:Emerging Human-in-the-loop Work Configurations”,Journal of Strategic Information Systems,Vol.29,No.2,2020.。人機勞動配置假設人機協作勞動系統中人類與人工智能之間存在著一種平行和連續的合作形式(29)M.R.Endsley,“From Here to Autonomy:Lessons Learned from Human-Automation Research”,Human Factors,Vol.59,No.1,2017.,因人類勞動者和智能機器的專業能力差異,二者使用不同的輸出類型執行同一任務中的不同子任務。例如讓智能技術完成對數據的篩選任務,人類勞動者從篩選出來的內容中尋找更加有價值的信息。配置這一概念強調智能技術在勞動中是如何與人類勞動者結合的,并且認為勞動中的人機關系是一個持續的、動態的過程。勞動配置的反身性是指人機關系在勞動中是構成性的、生成性的,它的存在使得人機勞動系統進入到循環和遞歸的模式中,在這種模式中人機勞動系統不斷被優化。

反身能力是人機互相增強的核心,可以有效提升品牌服務商的動態服務能力。反身能力是一個社會學概念,指的是將自我分析融入到思維和行動中的能力,在組織內部,指工作者成為自己工作場所中行為的決定者,在生產與再生產和工作流程的轉變中發揮積極的作用(30)J.Baptista,“Social Media and the Emergence of Reflexiveness as a New Capability for Open Strategy”,Long Range Planning,Vol.50,No.3,2017.。人機勞動關系是二者相互作用的過程與結果,不僅指勞動分工是人與智能技術的組合,這些組合還會以新的方式進行配置與再配置,以應對環境的變化?；セ菰鰪娛降娜藱C關系源于系統的反身能力,按照能力大小進行分類的話,可以分為日常反身能力與緊急式反身能力。日常反身能力涉及既定任務流程與組織規范下人類勞動者與智能機器的互動,它是一種低水平的反身性,目的是為了維持日常勞動的高效運行,通過建構組織內循環系統實現,外部資源變動對其影響較小。不過,由于日常工作的變動較小,其程序化與自動化程度會隨著人機反饋系統的精進而提升,人類勞動者可能面臨著被循環出反饋系統的風險。緊急式反身性是指人機反饋系統應對外部環境的能力,它指人機協作勞動系統以更加靈活的方式配置內部和外部資源,實現對勞動內容與關系的動態組織。智能品牌傳播業務運作中的勞動形態是可塑的,程式化與流動性并存,旨在支持緊急的人機反饋循環。例如智能技術遭遇數據質量、數據可信度不足等非常規情況時,允許人類勞動者通過審核和更改算法形成集成式的反饋,及時動態調整、擴展和改進智能技術的性能,提升品牌服務商應對外部風險的能力與競爭力。

余論:智能品牌傳播中如何有效釋放第三種勞動的價值

人機分工與協同式的勞動配置是智能時代品牌服務商為了實現“品效合一”采取的企業戰略,在具體的勞動情境中產生了各式各樣的分工形態與勞動關系。智能品牌傳播業務運作是人機可理解、互構的過程,互惠式增強是智能品牌傳播業務流程中最核心的人機關系?；诖?有效釋放第三種勞動中的價值應圍繞著如何建構有效的協同式增強關系展開。

(一)順應人機共生趨勢

隨著數據的指數級增長與算力的不斷突破,人類勞動內容的程序化、自動化與智能化的比率會穩步提升,技術不僅僅是工具,在特定情境下具備“思考”上的自主性,作為“行動者”與人之間是雙向融入與雙向改變的互動、適應關系,人類與人工智能的協作是未來的主要工作模式與普遍的勞動關系?！霸陉P系視角下,人機交互的結局理應是人與機器人的共生與共同進化”(31)單波、白暢:《人機互動關系的跨文化問題》,《湖北大學學報》(哲學社會科學版)2023年第5期。。不過面對更加智能化的技術,人類要么沿襲工具論的思維,認為人的能力始終在智能技術之上;要么對智能技術的進步過度恐慌,擔心在人機博弈中失去領導權,甚至產生自己會不會“過時”的擔憂。過度自信或是過度恐慌都是沒有意識到“個體和人工智能不是彼此孤立的,而是在彼此的互動關系中共同生成的”(32)藍江:《生成式人工智能與人文社會科學的歷史使命——從ChatGPT智能革命談起》,《思想理論教育》2023年第4期。。順應人機共生的事實并不是單方面地遵循人類或者智能技術的勞動邏輯,而是本著二者相互關聯、相互糾纏的觀念,不斷探索品牌傳播業務中的共生領域與共生方式,促進從業者與智能技術勞動技能的協同進化。

(二)“功能互補”與“價值匹配”兼顧

分工帶來的效益不僅源于斯密意義上的勞動支出強度和密度的提高(即內生的絕對優勢),更主要的是勞動之間協調水平的增進所帶來的勞動有效性的提高(33)朱富強:《勞動價值論的一個“悖論”及其闡釋》,《江蘇社會科學》2001年第4期。,劉易斯·芒福德在《技術與文明》中也指出充分地釋放機器的價值需要人與機器建立和諧的協作機制(34)劉易斯·芒福德:《技術與文明》,陳允明等譯,北京:中國建筑工業出版社,2009年,第8頁。。因此,機器與人勞動能力的提升并不意味第三種勞動效率的同步增長,需要兼顧到功能層面與價值層面,即“功能互補”與“價值匹配”并行。功能互補是說人與機器用優勢去補足對方劣勢,不以人的標準要求智能機器,同時也警惕以智能機器的標準改造人類,在尊重與理解差異的基礎上進行合理的分工設計。盡管人類對于人工智能作為自己的合作伙伴出現在勞動情境中持開放態度,但也有研究表明勞動分工配置方式會激起人類對人工智能的威脅與厭惡感知,如當人類勞動者需聽從智能技術的決策,會使人感知到自己淪為解決方案的接受者,降低對AI的接受度(35)R.Jain,et al.,“Effective Human-AI Work Design for Collaborative Decision-Making”,Kybernetes,Vol.52,No.11,2023.。因此,還需要考察不同類型的分工是否給人類勞動者造成了負面的價值感知,一旦人類勞動者感知到自己淪為被動的接受者時,就需要即時調整分工配合,給予人類勞動者更多展現自身專業技能的機會,從而降低其勞動價值剝奪感?！肮δ芑パa”與“價值匹配”能夠兼顧時,人機協同的勞動分工才能在提升勞動效率的同時降低人類勞動者對機器的不信任感。

(三)警惕“逆分工”削弱系統的反身能力

互惠式增強關系依賴系統的反身能力,需要警惕對“逆分工”的不自知。誠然,智能技術讓從業者從重復性、枯燥的勞動中解脫出來,讓其擁有更多的時間與精力專注于感興趣或附加值更高的勞動。但當智能技術強大到改變勞動的流程、方式、內容時,它正在以一種不易被察覺的方式對人類提出新的勞動技能要求。具體而言,在人類新勞動技能發展方向與具體領域中,智能技術顯示出了強大的牽制力,尤其是在智能技術容易出現失誤或者與技術操作有關的領域。問題在于,這些勞動技能的習得是人類主動選擇的結果嗎?答案可能是否定的,很多時候人被強大的技術裹挾致使自由探索勞動的主動性、思辨力進一步喪失。一旦被動接受技術帶來的“逆分工”,勞動關系中“人”的自主性會被“機”過度牽制,阻礙人類以人機比較的方式觀照自身與智能技術的差異性,抹殺掉對于二者更加豐富的認識,人機互惠式增強中的反饋通路便會被阻塞。長遠看,會削弱人機協作系統的反身能力。

本文以勞動分工與協同為視角,系統呈現了第三種勞動中的人機關系圖景,并發現分工協同勞動中的人機互惠式增強關系的存在。進一步而言,數據與算法的介入帶來新的勞動分工形態,由反饋和循環構成的系統反身性是互惠式增強關系的形成機制,它能夠持續調整、擴展與改進人機分工系統的性能。本文的理論貢獻在于突破了智能品牌傳播研究中的人機分離二分法,拓展了勞動分工理論在智能勞動場域中的研究視角?；谌藱C間緊密耦合的互構關系,我們為有效釋放第三種勞動的生產力提供了需要關注的三個領域。同時,隨著通用人工智能技術介入的深入,人機關系的不確定性與復雜程度可能遠超人們的預測與想象,對一些關乎人機關系走向的核心問題進行動態的、批判性的思考是必要的,如品牌傳播中人類勞動者與智能技術各自的能與不能以及能與不能的判定標準與依據是什么等等。這既需要更多跨學科的理論與視角提供支撐,也需要多樣的研究方法挖掘和補充更多“一手”的人機關系數據。在未來的研究中,我們將進一步加強對人機關系底層邏輯的思考,更進一步探討具體情境中的復雜的人機行為與情感。