哈佛劳动政策分析概述地方权限与政策工具，探讨工作场所 AI 监管

哈佛大学劳动与公正经济中心发布的一项政策分析，梳理了美国城市和州政府可以通过哪些法律与政策路径，对工作场所使用的人工智能系统进行监管。该报告将论点置于联邦层面 AI 政策制定延迟的背景之下，并认为地方政府可以作为劳动者保护的政策主体发挥作用。与此同时，分析也明确指出，任何地方性措施的实际适用范围，将取决于州级权限、执法能力，以及地方规则与联邦法律之间的关系。

报告聚焦于这样一种工作环境：AI 的使用正在多个职能环节中扩展。报告将算法排班、绩效监测、自动化招聘工具以及与自动解雇相关的自动化工具作为例子，说明这些系统正越来越多地出现在雇佣场景中。该政策关切并不局限于雇佣的某一个阶段。相反，分析将工作场所 AI 视为一个更广泛的治理议题，认为它可能影响决策、监控、工作条件，以及劳动者理解自动化系统如何塑造其工作的能力。

为应对这些问题，报告提出了四类主要政策工具。第一类是透明度要求，即要求雇主披露工作场所 AI 系统的存在、用途、运行逻辑和数据收集范围。第二类是影响评估制度，即要求雇主在部署前后评估 AI 系统对劳动者权利、安全、歧视风险和工作条件的影响。第三类是劳动者保护条款，即用于限制可能干扰劳动者权利或程序公正的 AI 使用方式。第四类是监督框架，即赋予地方政府行政能力，以便监测使用情况、调查违规行为，并在适当情况下实施制裁。

透明度要求被视为劳动者知情的基本条件。报告指出，劳动者往往并不清楚 AI 系统是否在评估生产率、预测离职，或影响晋升决定。要求雇主披露工作场所 AI 的使用情况、用途和数据来源，将使劳动者更清楚地理解自动化决定，并在必要时提出质疑。纽约市的 Local Law 144 被引用为先例，因为该法要求对自动化就业决策工具进行披露和偏差审计。报告认为，类似要求可以从招聘环节延伸至持续雇佣场景，例如绩效评估、班次分配和纪律处分。

影响评估制度将监管重点从事后反应转向事前预防。按照这一做法，雇主需要评估 AI 系统是否可能基于受保护特征产生歧视性结果，监控工具是否可能抑制组织活动，或自动排班是否会扰乱劳动者生活。报告将欧盟 AI 法案视为一个参考模型，因为该法案采用基于风险的框架，并将某些工作场所 AI 应用归类为高风险，要求其接受合规性评估。哈佛的分析并未主张美国司法辖区应完全照搬这一模式，而是认为城市和州可以根据本地劳动力市场条件和执法能力，对类似框架进行调整。

劳动者保护条款被描述为可限制工作场所 AI 特定用途的法律保障。报告举例称，可对过度侵入隐私的 AI 监控加以限制，或限制自动作出降薪或解雇决定的系统。报告还提到，某些应用可能被禁止，例如招聘中的情绪识别或持续性生物识别监测；同时，自动化决定也可以被要求接受人工复核。加利福尼亚州的 AB 1651 被提及为一项原本将要求对自动化招聘决定进行人工监督的法案，但该法案并未通过。报告讨论的其他保护措施还包括：对某些数据收集的退出权、对自动化决定的解释权，以及对质疑 AI 系统的劳动者提供反报复条款。

监督框架被视为任何地方监管体系的行政支柱。报告认为，如果没有专门机构、投诉机制、定期审计和处罚措施，透明度规则和保护规则的效果将十分有限。报告指出，地方劳动标准执法办公室本就处理工资拖欠和工作场所安全投诉，因此也可以被赋予调查 AI 相关违规行为的权限。要实现这一点，需要对工作人员进行算法审计培训，建立技术专长，并确保资金支持。报告还指出，一些司法辖区正在探索与学术机构或第三方审计机构合作，以帮助建立这种能力。

这项分析之所以重要，是因为它澄清了在联邦政策制定尚未明朗之际，地方政府可以采取哪些行动。根据美国宪制结构，州政府拥有广泛的警察权，可用于保护公共健康、安全和福利；城市政府则可以在州政府授予的权限范围内行事。该框架为地方政府考虑工作场所 AI 规则提供了法律基础。不过，报告并未将地方权限描述为无限。它承认，联邦法律可能对某些措施构成限制，尤其是通过《全国劳资关系法》或其他法规产生的联邦优先效力。报告还指出，跨州商业问题可能引发法律挑战，而不同辖区之间规则不一，也会给在多个州运营的雇主带来合规复杂性。

这些限制之所以重要，是因为它们决定了任何地方政策在实践中的运行方式。城市或州可以起草透明度规则、影响评估要求或劳动者保护条款，但这些规则的有效性取决于其是否能够执行，以及是否能够经受法律挑战。因此，报告将地方监管视为一种可行的政策选项，而不是更广泛联邦行动的完全替代。报告还认为，地方层面的试验可能有助于为未来的全国性标准提供参考，尤其是在多个辖区测试相似做法的情况下。

报告提到，加利福尼亚、纽约和伊利诺伊等地正在推进 AI 监管立法，而旧金山和西雅图等城市也在考虑相关条例。这些辖区之所以具有代表性，是因为它们同时具备快速的 AI 采用速度，以及来自工会和民间社会的强烈政策兴趣。分析并未声称这些措施完全相同，而是借此说明，地方和州政府已经以不同形式探索工作场所 AI 治理。

劳动者参与也是报告反复强调的主题。报告认为，只有在劳动者代表参与 AI 系统的设计、部署和评估时，实质性保护才更有可能实现。报告提到欧洲的一些案例，其中工会委员会或劳动组织对 AI 采用拥有协商权，并建议美国政策制定者可以从这些制度模式中借鉴经验。这里的重点并不是将一种制度直接移植到另一种制度中，而是将劳动者参与界定为一种治理原则，它可以提升问责性，并使工作场所 AI 规则更能回应现实条件。

对于开发者而言，其含义直接而重要。开发 AI 驱动的人力资源工具或劳动力管理系统的企业，应当预期透明度、影响评估、人工复核和投诉处理功能可能成为地方合规要求的一部分。跨多个辖区运行的产品可能需要按地区进行合规映射，因为地方规则在不同城市或州之间可能存在差异。就实践而言，这意味着文档记录、可审计性以及可配置的人工监督，可能与模型性能同样重要。

更广泛的结论是，工作场所 AI 监管正在从抽象讨论转向具体政策设计。哈佛的分析反映出一种转变，即从依赖行业自愿标准转向可执行的公共规则。与此同时，分析并未暗示地方监管是简单或统一的。法律限制、执法能力和辖区差异仍然是真实存在的约束。因此，这份报告最适合被视为一套政策设计框架：它识别工具，解释其功能，并说明地方政府可能在哪些方面拥有行动空间。