算法技术自动化决策背景下就业性别歧视司法规制

相比于传统依赖于人为判断的决策方式，算法技术自动化决策是指通过计算机算法和人工智能技术，自动处理和分析大量数据，进而做出决策的过程。易路HR数智研究院联合复旦大学企业人力资源研究所2023年发布的《AI在企业人力资源中的应用白皮书》数据显示，接近70%的参调企业认为，在人力资源管理的过程中，使用算法进行辅助能够满足企业对降本增效、合规风控和体验提升的诉求。2019年中共中央办公厅、国务院办公厅印发的《关于促进劳动力和人才社会性流动体制机制改革的意见》中提出要研究人工智能、算法等技术导致的就业歧视困境的应对策略，也体现了算法歧视已经影响到了就业过程的公平性。又因性别歧视作为就业歧视中最常见的歧视类型，分析算法自动化决策背景下就业性别歧视（以下统称算法就业性别歧视）司法规制路径，对确保劳动市场的公平性和公正性具有重要意义。

一、算法就业性别歧视的表现形式及其危害

（一）算法就业性别歧视的表现形式

按照劳动关系的不同阶段为标准，算法就业性别歧视分为求职招聘阶段的歧视、劳动关系存续期间的歧视、解除劳动关系中的歧视。结合国内外在人力资源管理中使用算法技术的情况看，求职招聘阶段是出现算法歧视的高发阶段。其在实践中表现为，在求职广告的推送中，为男女求职者推送的频次、推送同一岗位所标明的薪资待遇均存在明显的性别差异、算法在筛选求职者简历时检测到“女性”及其相关词语会自动识别为负面标签从而降低求职者的评分等。例如，美国的亚马逊公司在2014年研发了算法程序用于筛选简历。此后，开发者发现算法系统通过自主学习将“女性”判定为负面标签，并且降低了两所女子大学的评级。

在劳动关系存续期间，算法技术会被用于任务分配以及绩效评估。在此阶段，算法技术是根据当前已经存在的数据集内容进行分析和评估，以此刻呈现“完美劳动者”的画像，这一阶段的职场性别歧视呈现出高度隐蔽性的特征。企业在对劳动者进行选拔、测试的过程中，以看似中立的标准进行，但客观上会出现歧视性后果。其原因在于现有的数据集普遍缺少女性的相关数据，易导致算法技术在数据收集、标准设定等方面对“女性”产生全面歧视，将任务优先分配给在画像上更趋于完美的男性劳动者。

根据研究显示，以网约车平台为例，算法技术会将任务优先分配给更少承担家庭或育儿责任而工作时间更长的男性司机。通过某平台100余万位网约车司机数据发现，男女司机的小时工资存在7%的差异。此外，算法技术若被用于辅助实现人力资源成本的优化目标，其可能会根据以往员工数据逐步通过机器学习，学会歧视孕妇和可能怀孕的女性劳动者，增加女性劳动者被裁员的机率。

（二）算法就业性别歧视的现实危害

第一，算法就业性别歧视会损害女性劳动者的平等就业权。根据《中华人民共和国劳动法》（以下简称《劳动法》）以及《中华人民共和国就业促进法》的相关规定，平等就业权包括平等就业与自主择业两个部分内容。算法技术在简历筛选过程中将性别作为评估劳动者的因素之一，致使女性劳动者降低或丧失了与男性劳动者平等就业的机会。算法技术在推送就业信息时，根据劳动者性别更改推送的频次与内容的行为，损害了女性劳动者自主择业的权利。例如，招聘平台向男性劳动者推送高薪工作的频率远远高于向女性劳动者推送的频率。

第二，算法就业性别歧视会加剧职业性别偏见。算法技术通常依赖于大量历史数据进行学习和决策，如果这些数据中存在性别偏见，那么算法技术可能会继承并放大这些偏见。这会导致算法技术在训练研发的过程中已经无意识地嵌入了对女性劳动者的偏见。在劳动者职业发展过程中，如将算法技术用于企业中的绩效评估、晋升决策时，可能基于偏见数据对女性劳动者作出不利评估，影响女性劳动者获得平等的职业发展机会。

第三，算法就业性别歧视会影响同工同酬的实现。在职场中，绩效评估和薪酬评估是决定员工薪酬水平和职业发展机会的关键因素。然而，算法技术在这两个评估过程中可能会无意融入或加剧性别歧视，从而对同工同酬的实现造成显著影响。如前文所述，算法技术可能会继承并放大数据集中的偏见，导致女性劳动者在相同职位和工作量下依然无法获得与男性劳动者相同的薪酬待遇。

二、算法就业性别歧视司法规制的应用困境

（一）诉讼竞合导致判定标准不统一

2018年，最高人民法院发布《最高人民法院关于增加民事案件案由的通知》，在人格权纠纷项下新增平等就业权案由。在司法实践中涉及就业歧视纠纷并且已经建立劳动关系的劳动者，可以自由选择以平等就业权纠纷或劳动争议纠纷两种类型的案由进行诉讼。

但是，平等就业权纠纷属于侵权纠纷，在举证过程中适用“谁主张，谁举证”的一般过错责任原则，劳动者需要承担举证自己受到歧视的证明责任，且在司法判断标准上适用一般侵权的构成要件。而在劳动争议纠纷中，考虑到用人单位与劳动者之间地位的不平等，在举证责任上实行“谁掌握，谁举证”，由劳动者提供初步证据，而与争议事项有关的证据属于用人单位掌握或管理的，用人单位理应提供。因《中华人民共和国劳动合同法》缺少直接规制歧视性用工的法律依据，所以法院很少会对用工行为是否构成性别歧视进行重点论证。

上述两种案由在举证责任分配、审理路径与裁判依据上都存在显著差异，这导致劳动者在寻求司法救济时对案由的选择可能会影响案件结果的产生。从判决结果来说，无论劳动者选择哪一种案由类型进行诉讼，都无法同时得到精神损害与应享有的劳动权益的全面补偿。

（二）现行的举证责任分配合理性不足

第一，算法模型通常涉及大量的数据和复杂的计算过程。劳动者通常缺乏必要的技术知识和资源来理解和分析这些复杂的算法模型，即使是算法开发者，有时也无法完全解释算法作出特定决策的原因。这种“黑箱”特性致使劳动者难以从算法的内部逻辑中找到证据来证明就业歧视的存在。

第二，用于训练和运行算法的数据通常属于企业的商业秘密。外部人员难以获取用于训练和运行算法的数据，即使劳动者能够获取部分数据，但这些数据量通常较为庞大，个人难以对此类海量数据进行有效的处理和分析。

第三，算法歧视具有隐性特征，不会直接表现为明显的性别偏见。算法歧视是通过一些看似中立的变量和决策规则间接体现出来。劳动者在举证时需要证明性别因素在多重因素中的权重，这也存在较高的难度。

（三）禁止歧视的受保护范围未及时更新

我国对平等就业权的保护停留在禁止歧视“受保护特征”的职场歧视初级阶段。在算法时代下，用人单位不仅可以将法律规定的“受保护特征”隐藏在外观中立的数据决策中，并且“受保护特征”在保护范围内不具有周延性特征，算法技术可以通过建立替代性特征歧视对劳动者，此时平等就业权保护就失去了适用空间。

根据算法结果的形成逻辑，算法歧视分为复现型与新增型两种类型。复现型算法歧视是指在对现实社会现有的歧视标准进行复现;新增型算法歧视并不同于直接对“女性”标签进行直接歧视，而是算法为实现目标指令或对已有的结果进行分析、学习，自主产生的通过与受保护特征不具有相关性的参数达到对特定群体的歧视结果。

三、完善算法就业性别歧视司法规制的路径

（一）明确就业性别歧视的诉讼类型

就业歧视在构成要件、举证责任和法律责任方面具有一定的特殊性，与一般民事侵权存在显著区别。平等就业权争议应属于《劳动法》领域的特殊侵权纠纷，适用劳动争议处理程序。在处理就业歧视的司法诉讼中，法院应从是否导致“取消或损害就业或职业机会均等或待遇平等”的效果判断用人单位是否存在就业歧视行为。这一标准有助于更准确地识别和确认就业歧视，从而保障劳动者的平等就业权利。在具体制度设计上，相关部门可以引入举证责任转移制度和抗辩制度。此举将使得在就业歧视案件中举证责任从受害者转移到用人单位，降低受害者的举证难度，增加用人单位的举证负担，从而更有效地揭示和纠正歧视行为。同时，相关部门应将就业机会纳入损害赔偿范围，以补偿劳动者因歧视行为失去的就业机会。

（二）合理分配举证责任

立法者可以以当前劳动争议纠纷中的举证责任分配模式为基础，优化具体的责任分配方式。一方面，原告仍然应承担初步的证明责任，可以通过数据统计或借鉴实例证明被告的做法或决定对特定群体（如女性）产生了不利影响。另一方面，如果原告提供的初步证据成立，则被告需要举证证明其政策或做法具有合理性和必要性。原告在被告提供合理性和必要性的证据后，可以进一步提供反驳被告主张的证据。例如，实践中，提供证据证明存在其他可行的、对特定群体影响较小的替代措施。

（三）制定间接歧视规制制度

我国对就业性别歧视现象的规制制度停留在禁止直接歧视的范畴，但算法时代下算法技术可以轻易寻找替代性标签，从而绕过受保护特征。如果立法不对“间接歧视”作出回应，在未来将难以规制就业歧视所导致的客观后果。在制定间接歧视规制制度时，相关部门要在立法层面明确间接歧视的定义，即某一看似中立、无歧视意图的政策、规则或做法，实际上会对特定群体造成损害后果。例如用人单位将出勤率作为评定员工绩效和晋升机会的重要标准，但在结果上会使因生育等原因导致出勤率低于男性劳动者的女性劳动者受到不利影响。并列举可能构成间接歧视的具体情形（如招聘要求、晋升标准、绩效评估），确保法律条文的针对性和可操作性。在执法层面，执法部门可以为受间接歧视影响的劳动者提供法律援助，帮助他们收集证据、提起诉讼，保障其合法权益;对企业招聘、晋升、薪酬等方面的数据，相关部门可通过大数据分析进行监控，识别可能存在的间接歧视行为。

结语

在劳动用工领域中，算法技术已经被广泛应用于简历筛选、绩效考核、人事决策等过程中。当前，学界非常重视劳动领域中的算法歧视问题，相关研究主要集中在算法就业性别歧视的认定困境、推动反就业歧视法专项立法等方面。因此，本文从司法规制的角度出发，分析当前的司法规制路径在算法就业性别歧视问题下可能存在的应用困境，及时发现问题及其成因，积极寻找有效的优化路径。这对于研究和解决算法就业性别歧视问题、助力实现更加公平的就业环境具有一定的现实意义。