法治号
随着人工智能不断进入招聘筛选、考勤管理、绩效评估、安全生产和企业协同等职场场景，劳动管理方式正在发生新的变化。员工的人脸、声纹、工作轨迹、沟通记录和业务成果被持续数字化，部分长期积累形成的操作经验、表达方式和工作习惯，也开始具备被算法学习、复制和再利用的技术条件。
技术提升管理效率的同时，一系列新的权益问题随之显现：企业能够收集多少员工数据？劳动关系中的授权能否真正体现劳动者意愿？员工的工作经验和个人特征被用于人工智能训练后，数据价值与劳动贡献如何界定？员工离职后，已经进入模型的数据又该如何处理？
围绕职场人工智能应用中的劳动者数据权益保护问题，2026年7月至9月初，武汉大学法学院“驭数明规，法护劳权”实践队延续前期研究基础，赴湖北、广东、四川、湖南、福建等地开展调研。实践队面向劳动者、企业管理者、司法实务工作者、律师、法学专家、基层治理人员和AI技术供应方等多元主体，通过实地走访、深度访谈和集体实践，沿数据收集、模型训练、离职数据处置等环节，观察智能化用工背后的现实问题。
一、劳动者的真实感受
人工智能职场治理首先落在劳动者最日常的工作体验中。
8月14日，实践队员王诗雨在贵州省贵阳市开展在职劳动者访谈。一名企业技术员介绍，所在单位会收集语音、面部形象等信息，并对相关数据用途进行告知，也要求员工签署相应授权材料。但当被问及是否认真阅读并充分理解协议内容时，受访者坦言，实际更多是按照“格式文本”完成签署；其同时认为，个人在工作中形成的经验、沟通风格和决策方式具有较强的个人属性。
同样是在对劳动者的访谈中，不同受访者对“拒绝权”的理解呈现出差异。8月22日，实践队员袁逸桐在广东省广州市对一名具有多年从业经历的劳动者进行访谈。受访者认为，如果单位将个人工作数据用于AI训练或数字分身开发，劳动者原则上应具有拒绝权，但在现实管理关系中，如果表现得“不够配合”，仍可能担心影响评优评先等机会。
对于已经经历过较深程度数据化管理的劳动者，数据权益问题表现得更加具体。8月20日，实践队员余秋涵在湖北省孝感市访谈了一名曾在互联网教育科技企业工作的离职员工。受访者回忆，企业曾收集企业微信聊天记录、邮件、课程策划文档和培训录屏等资料，但相关数据的具体用途、保存期限并未被充分说明。其在职期间，公司还曾要求员工提交课程案例、话术模板、录屏视频等材料，并将相关“知识贡献”与绩效考核相联系。
上述不同地区、不同职业劳动者的经历并不完全一致，其中，部分受访者对企业收集和使用工作数据的接受程度较高，也存在明显担忧拒绝授权可能影响工作评价的劳动者。但多份实践记录共同反映出，在劳动关系具有管理属性的背景下，仅凭是否“签过协议”并不足以完整判断劳动者是否真正理解数据用途，甚至可能压缩现实选择空间。
二、企业的数据管理边界
如果说劳动者更多关心“自己的数据如何被使用”，企业管理者面对的则是效率、合规和管理风险之间的平衡问题。
8月17日，实践队员苏万纯在线访谈广东省东莞市一家制造企业的人力资源部门负责人。受访者介绍，企业日常收集的信息主要包括身份证、银行卡、劳动合同、考勤、绩效、工伤和体检记录以及厂区安防数据，但不会收集员工私人通信内容，也不会追踪工作之外的个人轨迹。对于人脸打卡等非必要信息，如果员工拒绝授权，企业会提供替代方案；如果相关信息既非法定必需，又不存在合理替代需要，则不再采集。
企业对于新型算法工具的态度一定程度体现其审慎策略。8月26日，实践队员汪陶陶在线访谈安徽省安庆市一家互联网科技企业的人力资源总监。受访者提出，应当区分履行劳动合同所必需的数据、一般人力资源管理数据和算法训练、数字分身等创新用途。该企业技术部门此前曾提出利用内部通讯频率、文件下载记录等数据建立员工“离职倾向预测模型”，但方案最终在法务审查阶段被否决，主要考虑之一正是员工不知情以及隐私风险难以有效控制。
多地企业访谈显示，人工智能并未简单推动企业无限扩张数据收集范围。相反，一部分企业已经开始主动讨论目的限定、最小必要、替代方案和人工复核等问题。如何形成既能支持企业正常管理、又能让劳动者明确知悉和合理预期的数据边界，正在成为数字化用工实践中的重要议题。
三、技术实现路径
数据权益能否真正落地，除了依靠法律规则和企业制度，也与人工智能系统如何设计密切相关。
8月19日，实践队员李佳淇前往四川省成都市，对一家信息技术企业的架构师进行访谈。该企业主要开展工业行为识别、安全监测等AI技术研发。受访者介绍，在实际项目中，团队从立项阶段就会考虑“隐私设计”，例如只采集完成识别任务所必需的作业区域和视频流，不主动获取员工人脸、声纹等非必要敏感信息；对于身份证、车牌、人名等可能涉及个人身份的信息，则在数据标注环节进行脱敏处理。在涉及员工敏感数据的业务需求中，该团队还会进行必要性、合规性和风险评估。如果某类数据并不是实现技术目标不可替代的要素，会优先予以排除；如员工在了解具体用途和处理方式后仍不同意采集，技术团队则停止相应处理。
围绕劳动者的数据删除权和算法解释需求，受访技术人员还提出，部分现实难题并不完全源于“技术无法实现”。从现有技术条件看，系统可以在开发阶段预留数据删除接口、记录算法决策日志、建立用户申请和人工复核入口。真正的差异往往在于，企业是否愿意在系统设计初期就将相应权益保护要求纳入架构。
技术端的实践说明，职场数据治理不必全部停留在事后补救阶段。数据最小化、权限控制、日志留存、人工复核和删除机制，都可以通过技术设计前置实现。法律规则能否与技术开发同步衔接，将直接影响劳动者权益在具体系统中能否真正落地。
四、仲裁与司法实践
随着人工智能进入绩效、计件和管理决策，部分争议已经进入劳动仲裁和司法实务领域。
8月26日，实践队前往广东省佛山市顺德区开展集体实践，并与当地劳动仲裁实务工作者围绕职场监控、人脸识别、算法考核、数字分身和举证责任等问题进行深入交流。
在此次实践中，受访仲裁实务工作者介绍了一起AI计件考核案件。企业引入AI系统后调整计件和薪酬计算规则，导致部分劳动者实际薪酬水平下降。仲裁机构认为，涉及薪酬等劳动者切身利益的事项，不能因为采用了新的技术工具，就脱离劳动关系中原有的程序要求。企业不能单方面以AI计件规则替代原有薪酬规则，最终仲裁支持了劳动者相关诉求。
此次交流还涉及算法争议中的举证问题。受访实务工作者指出，算法规则、计算参数和内部数据往往由企业掌握，劳动者客观上很难自行取得相关材料。因此，在具体案件处理中，如果关键证据处于用人单位控制范围内，不能简单将全部举证压力转嫁给劳动者。企业若无法对算法规则的合理性、公平性作出充分说明，也可能承担相应不利后果。
8月7日，实践队员董灵洁前往湖北省武汉市江汉区人民检察院开展访谈。受访检察官表示，目前检察实践中直接涉及职场算法管理、数字分身的案件仍然较少，但劳动者在证据收集、法律适用和权利救济方面处于相对弱势。对于未来出现的系统性、行业性算法问题，检察机关可以结合职能，通过支持起诉、法律监督和检察建议等方式参与治理；若发现具有普遍性的算法合规漏洞，通过检察建议推动行业主管部门完善监管，具有一定现实空间。
从仲裁和检察实践来看，劳动关系中应当遵守的基本规则仍适用于职场算法应用领域。算法可以参与绩效、薪酬和人员管理，但无法天然成为企业单方调整规则、规避程序要求或转移管理责任的依据。
五、“数字分身”及其衍生争议
比算法考勤和绩效管理更具前沿性的，是员工数据进一步被用于训练模型、生成“数字分身”后的权益边界。
8月19日，实践队员杨子玥在线访谈武汉大学法学院班小辉教授。班小辉指出，数字分身或技能数据化往往建立在持续采集员工工作方式、操作流程和行为轨迹的基础上。例如，劳动者长期形成的熟练操作能力可以通过采集设备转化为模型能够学习的数据，虚拟主播等数字形象也可能建立在声音、语言习惯和表达风格等个人特征之上。这类问题已经不仅涉及个人信息保护，还延伸到劳动者技能被数据化后形成的权益和收益归属。
企业管理者对此也给出了不同角度的观察。8月6日，实践队员张怡萱在广东省广州市中建大厦对一家建筑企业副总经理进行访谈。受访者表示，如果未来企业构建数字分身，更可能围绕具体岗位进行技能建模，将多名优秀员工的经验和思维方式进行整合，而不是简单复制某一名员工。但其也坦言，员工劳动成果、企业资源投入以及AI模型后续形成的新价值之间如何界定，目前仍然存在较大的讨论空间。
随着人工智能学习对象从一般工作成果进一步延伸到劳动者的声音、形象、经验、判断逻辑乃至专业技能，劳动者与企业之间原有的成果归属边界正在出现新的交叉。如何区分一般业务数据、可识别人格特征和具有持续商业价值的技能数据，已经成为数字职场发展过程中值得持续关注的问题。
六、基层治理的回应
人工智能职场应用最终要进入具体企业和基层治理场景，相关制度能否真正发挥作用，也与基层识别、回应新问题的方式息息相关。
8月5日，实践队员林紫妍前往福建省福州市闽清县委办公室开展访谈。受访基层工作人员介绍，当地部分企业已经逐步将智能筛选、线上考勤和绩效自动化评定等工具用于人力资源管理。从基层摸排情况看，部分小微企业仍存在数据采集边界不够清晰、告知流程不够规范等潜在问题。当地目前通过企业用工合规宣传，引导企业遵守必要、最小范围的数据采集原则，同时关注算法歧视、隐性管控等新型风险。在劳动者维权问题上，基层部门也已经关注到数字用工场景中的举证困难，并通过投诉举报、证据归集和多部门联动等方式进行回应。但受访者同时表示，现行制度对于数字分身、算法决策、职场数据二次利用等新型场景仍以原则性要求为主，基层在实际认定和监管中仍需要更加明确、可操作的标准。
8月19日，实践队员刘姿言在四川省绵竹市访谈专职律师。受访律师认为，当前个人信息保护法、劳动合同法、民法典等并非完全无法回应算法用工问题，但现实障碍更多集中在证据偏在和算法透明度不足。算法决策逻辑、训练数据和模型参数通常掌握在企业手中，劳动者不仅难以获取相关证据，也很难证明算法决策与自身受到的不利后果之间存在直接因果关系。
基层治理和法律实务中的这些反馈共同表明，我国现有法律已经构成职场数据权益保护的重要基础，但面对不断细化的人工智能应用场景，如何把原则性规范进一步转化为具体、稳定、可执行的规则，仍需要司法案例、基层实践和技术经验持续积累。
七、在数字职场中探寻法治答案
调研表明，当前人工智能职场应用总体处于技术快速发展与制度持续磨合并行的阶段。企业正在加快使用数字化管理工具，一部分用人单位和技术供应方已经开始主动关注数据最小化、用途限定、脱敏处理、人工复核等问题；与此同时，劳动者是否真正理解和能够拒绝数据处理，算法影响薪酬、绩效和岗位时如何保障解释与申诉，员工数据被用于模型训练后的使用边界，以及离职后数据如何继续保存和复用，仍然存在较为明显的分歧。
当前，数字中国建设深入推进，全面依法治国不断向纵深发展，人工智能带来的新型职场管理模式，也对法治建设提出了新的实践命题。劳动者入职时的一次数据授权，可能影响之后的数据收集和模型训练；模型训练形成的算法结果，又会进一步参与绩效、薪酬和岗位管理；劳动关系终止以后，部分数据仍持续保留在系统、知识库甚至模型参数中，引发进一步争议。过去由管理者直接完成的监督、考核和评价，正在越来越多地通过数据和算法实现；原先依附于劳动者个人的知识、经验和技能，也能通过模型长期保存并继续创造价值。技术改变的不只是企业管理工具，也正在影响劳动关系中信息、权力与价值的分配方式。
正因如此，企业在鼓励人工智能创新应用和提升生产效率的同时，应确保劳动者合法权益不因技术复杂性而被弱化。算法可以辅助管理，但不能成为权责不明的“黑箱”；数据可以进入生产过程并创造新的价值，但劳动者的知情、选择、解释、异议和救济空间也须得到相应保障。实践队由此探寻法律规范、企业制度和技术设计相互衔接的可行路径。
以实践丈量社会，以专业回应时代。武汉大学法学院“驭数明规，法护劳权”实践队将继续立足法学专业所长，将青年观察融入国家发展坐标，把社会调查转化为对现实问题的持续思考，在服务数字中国建设、推进人工智能规范发展和完善劳动者权益保障机制的过程中，努力贡献青年智慧与青春力量。（作者：谭思润、李显扬）
编辑：韩煜琛