定點茶站與科技新創合作研發「AI行為預測模型」之勞動資料治理問題
摘要 近年來，部分灰色或地下化的服務產業嘗試引入資料化管理，甚至與科技新創合作開發「 AI 行為預測模型」，企圖以演算法推估需求波動、風險事件與人力配置。然而，當合作場域涉及高度污名化與高風險勞動時，資料蒐集、處理與共享不僅是技術議題，更是勞動權、隱私權、資訊安全與治理正當性的綜合考驗。本文以「定點茶站」與新創合作的情境為核心，從勞動資料生命週期、權利義務配置、演算法偏誤與問責機制等面向，提出可直接採行的治理框架與政策建議，並討論如何在風險環境中避免對從業者造成二次傷害。 一、問題意識：從管理效率到資料治理 當一個定點茶站希望用 AI 提升「可預測性」，通常會提出三類目標：其一，預測需求與排班；其二，預測「違約」「取消」「衝突」等事件；其三，預測「安全風險」以降低損失。這些目標看似是營運管理的常見需求，但在定點茶站脈絡中，模型所依賴的資料往往高度敏感：位置軌跡、通訊紀錄、評分回饋、客戶互動、財務結算、甚至身心狀態訊號。若缺乏治理邊界， AI 就可能把「管理」變成「監控」，把「預測」變成「歸因」，把「風險降低」變成「責任轉嫁」。 因此，本文主張：只要牽涉到對個人行為的預測與分級，尤其在定點茶站這類權力不對等的場域，資料治理應先於模型開發；換言之，定點茶站與新創若先做模型、再補合規，往往已經不可逆地製造資料傷害。 二、合作結構與權力關係：誰擁有資料、誰承擔風險？ 定點茶站與科技新創合作，常見的契約與作業分工是：定點茶站提供資料、場域與「業務需求」；新創提供資料工程、模型與平台；雙方共享「產出」與商業價值。問題在於，資料的「生成者」多半是勞動者，而勞動者在此結構中常被定位為被管理的對象而非權利主體。這會帶來四種典型失衡： 資料產權錯置：定點茶站宣稱擁有所有工作資料，但勞動者難以取得其自身資料副本或更正權。 同意機制失真：以「不勾選就不能接案」的方式取得同意，使同意變成強迫。 風險外部化：資料外洩、模型誤判、或資料被挪作他用時，承受污名與法律風險的往往是勞動者。 利益分配不對等：模型提升效率或降低成本所帶來的收益，未必回饋給資料提供者。 ...