1. 引言
数字经济时代，算法技术的深度嵌入重构了传统交易模式，尤其以电商平台为典型应用场景。一方面算法推荐技术作为电商平台运营的核心引擎，通过海量数据挖掘与深度学习模型，实现了精准营销与效率的显著提升。另一方面技术赋权与权利失衡催生出新型治理挑战，以“大数据杀熟”为代表的算法滥用行为频发，消费者在享受个性化服务的同时，也成了算法隐性操控的对象。此类现象不仅侵犯了消费者的公平交易权，更动摇了市场竞争的公平性根基，折射出技术权力扩张与法律规制滞后的结构性矛盾。在此背景下，探究算法推荐的法律责任边界，既是回应数字时代法治需求的必然选择，也是平衡技术创新与社会正义的关键命题。
2. 算法推荐的法律属性与责任基础
《互联网信息服务算法推荐管理规定》(以下简称《算法规定》)第二条第二款对算法推荐技术作出明确定义：“算法推荐技术，是指利用生成合成类、个性化推送类、排序精选类、检索过滤类、调度决策类等算法技术向用户提供信息。”而算法推荐的技术本质体现为“数据驱动型决策”，其通过用户画像、行为轨迹分析及深度学习模型，实现从海量数据中提取特征并生成差异化定价策略。在电子商务领域，电商平台通过分析用户设备类型、消费频率等标签，动态调整商品价格，形成“千人千面”的定价模式。传统法学理论将算法视为“技术工具”，主张“算法中立”和“算法无意识”，平台仅对算法输出结果担责。却忽略深度学习算法的自主迭代特性使其已经具备事实上的决策能力：自主性，现阶段的电商价格推荐模型已经实现每二十四小时自动优化参数，大幅度降低人工干预率；不可解释性，随着人工智能技术的嵌入，解释算法模型的运行机制变得更为复杂及困难；结果导向性，算法以利润最大化为目标，可能主动规避法律约束，如通过微调权重系数规避价格监测。算法推荐技术已然深深嵌入电商平台的各程序及场景，突破技术中立的应有之义。
从法律属性看，算法推荐已突破传统“技术工具论”的范畴。根据《中华人民共和国个人信息保护法》(以下简称《个人信息保护法》)第二十四条：“个人信息处理者利用个人信息进行自动化决策，应当保证决策的透明度和结果公平、公正，不得对个人在交易价格等交易条件上实行不合理的差别待遇。”使用算法推荐技术的平台需承担透明性义务与结果公正性保障责任。《算法规定》第七条和第二十一条要求算法推荐服务提供者需对算法安全与公平性负责，某种程度在实质上承认算法的“准主体”地位。这种属性嬗变要求法律从“结果追责”转向“过程控制”，将算法设计、训练数据筛选、参数优化等环节纳入责任考察范围。当技术应用导致不良后果时，若不能突破技术表象准确界定责任主体，就会形成追责体系中的真空地带。司法实践中，作为全国首例算法推荐案的“延禧攻略案”，即爱奇艺诉今日头条(北京字节跳动科技有限公司)侵权纠纷案(2018)京0108民初49421号民事判决表明，平台不能以技术中立为由逃避算法推荐引发的法律责任。算法推荐的不可解释性已引发法律对算法“主观性”的重新审视，需将其定位为“决策参与者”，平台需对算法设计、数据筛选及结果输出承担全过程责任。平台不能再以“技术中立”和“算法黑箱”为由主张不存在主观过错，逃避法律责任。
3. 算法推荐的立法与司法实践
3.1. 算法推荐的立法现状
我国目前涉及算法的立法主要包括《中华人民共和国消费者权益保护法》(以下简称《消费者权益保护法》)、《个人信息保护法》《反垄断法》《电子商务法》《算法规定》和一些专项执法指南、地方合规指引等。
《个人信息保护法》第二十四条规定：“个人信息处理者利用个人信息进行自动化决策，应当保证决策的透明度和结果公平、公正，不得对个人在交易价格等交易条件上实行不合理的差别待遇。”该条规定要求算法推荐透明化、公平公正，禁止不合理的差别待遇，但未规定违反后果，与《电子商务法》第十八条缺乏衔接。《电子商务法》第十八条第一款规定：“电子商务经营者根据消费者的兴趣爱好、消费习惯等特征向其提供商品或者服务的搜索结果的，应当同时向该消费者提供不针对其个人特征的选项，尊重和平等保护消费者合法权益。”该条款针对性规制包括电子商务平台在内的电子商务经营者的推荐行为，并在第七十七条明确电子商务经营者违反该条款规定提供搜索结果的法律责任：“由市场监督管理部门责令限期改正，没收违法所得，可以并处五万元以上二十万元以下的罚款；情节严重的，并处二十万元以上五十万元以下的罚款。”《反垄断法》第二十二条规定：“禁止具有市场支配地位的经营者没有正当理由，对条件相同的交易相对人在交易价格等交易条件上实行差别待遇。”
现阶段关于算法推荐的规制散落在各部门法中，且缺乏足够的精细度和有效协调机制。算法推荐的相关立法侧重以交易价格为主的交易条件层面。立法利用“不合理的差别待遇”识别消费者是否受到算法推荐“杀熟”，但不同的消费群体在交易目的和交易条件等方面存在差异，有必要在立法层面厘清什么是“合理的差别待遇”、什么是“不合理的差别待遇”。
同时算法推荐相关立法还急需解决算法透明度、算法垄断量化标准模糊的问题。算法透明度的法规主要是原则性条款，未规定具体披露参数范围，如是否包含特征权重、模型版本号、用户标签权重、历史行为衰减系数等。空泛的算法透明度规定会导致该条款在司法实践和执法中空转，实践中不乏电子商务平台以算法涉及商业秘密为由拒绝披露相关数据。数据垄断力认定缺乏指标，《反垄断法》禁止具有市场支配地位的经营者没有正当理由实行差别待遇，并对市场支配地位的认定作出规定，然而数字时代的市场垄断出现了不同于传统市场垄断的形式——数字平台经济垄断，算法成为平台强化数据垄断能力的重要工具，《反垄断法》关于“市场支配地位”的认定仍依赖传统市场份额指标，忽视数据控制力等新型要素。
3.2. 算法推荐的司法实践
在算法技术层面，消费者与平台之间存在巨大的技术性鸿沟，消费者天然地处于弱势地位[1]。算法技术不对等将会导致举证责任分配失衡，消费者在司法实践中面临举证困境。消费者需穿透技术屏障获取算法逻辑与数据，以此证明算法决策过程(技术黑箱)与损害结果(价格差异)的因果关系或平台主观过错，这样失衡的举证负担使消费者常面临“举证不能”承担败诉风险，前述(2021)京73民初1125号民事判决中法院就以“证据不足”驳回原告诉讼请求。根据以往算法相关司法案件，平台往往会在诉讼中以商业秘密为由拒绝披露算法决策逻辑及规则，这将进一步加剧举证责任分配失衡。
4. 新型治理挑战：算法权力的扩张与法律回应失灵
4.1. 技术赋权与权利失衡的双重困境
在数字经济时代，算法推荐技术已成为电商平台的核心竞争力。依托用户画像、行为预测与深度学习模型，电商平台构建“数字孪生”，将消费能力、设备类型、浏览历史等300余项标签纳入定价模型。以某头部电商平台为例，其用户画像系统包含12个维度、76个子标签，其中“消费弹性系数”(ERC)直接决定价格浮动区间。电商平台将消费者数据转化为差异化定价的决策依据，得以实现“千人千面”的差异化定价策略[2]，其商业逻辑与交易模式亦得以重构。据《2024年上半年我国电子商务发展情况》显示，2024年以来主要电商平台企业研发投入超过480亿元，人工智能技术广泛运用在消费、运营、运输等环节，开启智能电商新阶段。其中包括算法推荐在内的智能运营和营销工具帮助商家降本增效，用户响应率提升六成，人工智能素材投放点击率较普通素材高45% [3]。实践中，技术赋权与权利失衡的矛盾随之显现——算法推荐在提升交易效率的同时，异化为“数字剥削工具”，以“大数据杀熟”为典型表现的价格歧视行为频发。在技术的加持下该类行为更具隐蔽性，严重侵害消费者公平交易权与市场秩序。据2024年北京市、天津市和河北省三地消费者协会关于大数据营销差异化现象联合调查，超过四成的消费者明确遭遇过差异化营销。平台让消费者认为拥有众多选择和优惠，但实际上其选择可能已经被平台算法控制，在调查中同一款电热水壶面向11位消费者的价格差异高达40% [4]。面对“大数据杀熟”，仅有极少消费者选择司法维权。这一数据折射出法律规制的双重困境：既有法律框架对算法权力的扩张性缺乏有效回应，司法实践亦因技术黑箱陷入“举证不能”的泥淖。
4.2. 规制范式的滞后性矛盾
现行《中华人民共和国反垄断法》(以下简称《反垄断法》)和《中华人民共和国电子商务法》(以下简称《电子商务法》)虽将“大数据杀熟”纳入规制范畴，但对算法责任的认定仍固守“技术工具论”，忽视数字时代算法自主决策能力已经足以重塑法律关系。《电子商务法》第十八条要求平台提供“不针对其个人特征的选项”，却未明确算法透明化标准，同时缺乏强制披露义务；《反垄断法》第二十二条以市场支配地位为适用前提，但传统市场份额指标难以量化数据垄断力与用户黏性。司法层面，消费者因无法穿透算法黑箱，常因举证不力败诉。在网约车平台“滴滴差别待遇案”(2021)京73民初1125号民事判决中，法院以“证据不足”驳回原告诉讼请求，暴露出程序规则与算法权力的结构性冲突。法律这杆秤如何在技术狂奔中保持平衡？破解责任困局的密钥在于让顶层设计的理论穹顶，最终能落地为每个参与者看得懂的信号灯。
5. 算法推荐责任边界的治理路径
5.1. 电商平台算法责任的认定
电商平台算法责任的构成要件可分为主观层面和客观层面。主观过错认定层面，需确立算法注意义务具体标准。要求电商平台对用户标签与价格关联性进行必要性审查并定期测试算法歧视风险，若平台未对敏感标签(如用户支付能力、设备类型等)与价格的关联性进行合规审查，可推定存在过失。未来在审查网约车平台对特定设备用户推送高价车型的行为时，若平台未验证标签合理性，则可能构成主观过错。
客观行为判定层面，应结合经济学模型与法律标准，进行审慎的合比例性分析和成本收益分析[5]，从而量化定价合理性，若价格差异超出市场正常波动范围且无法以促销策略、区域成本差异解释时，可认定构成算法滥用。在平台“大数据杀熟”常见类型新老用户差异化对待中，当老用户价格显著高于新用户时，既非拉新营销策略也无成本差异支撑，则符合客观违法性要件。
5.2. “初步证据——平台反证”的举证责任分配机制
在算法推荐场景下，平台与用户间的技术鸿沟与信息不对称导致传统“谁主张谁举证”原则面临适用困境。算法黑箱特性使得用户难以穿透技术屏障获取平台主观过错或因果关系的直接证据，而平台作为算法控制者掌握核心数据与运行逻辑，具有天然举证优势。基于利益平衡原则重构举证责任分配机制，构建“初步证据——平台反证”的复合型举证规则，成为破解算法治理难题的关键路径。
首先，用户需就侵权行为与算法推荐之间的关联性提供初步证据。此阶段证据标准应适当降低，用户仅需证明算法推荐内容存在侵权表象(如重复性侵权、显著热门作品推送)或平台存在算法干预行为(如主动设置标签、建立推荐榜单)，即可触发举证责任转移。假设在“全国首例算法推荐案”中，原告证明侵权短视频通过平台算法获得异常流量分发，即完成初步举证义务。其次，平台需针对用户主张提交反证，具体包括算法运行机制的合规性说明、侵权内容未获算法增益的量化数据、主动采取过滤措施的技术证明等。如果平台不能有效证明其已履行合理注意义务或算法设计未加剧侵权风险，则应承担不利推定后果。
此种举证机制重构具有三重价值：通过技术性举证责任倒置缓解用户举证弱势，符合《最高人民法院关于审理侵害信息网络传播权民事纠纷案件的司法解释》第八条、第九条对平台注意义务动态考量的立法精神；倒逼平台完善算法透明化与可解释性建设，推动《互联网信息服务算法推荐管理规定》第十六条“以适当方式公示算法推荐服务的基本原理、目的意图和主要运行机制等”算法备案公示的实质落地；在技术创新与权益保护间建立动态平衡，避免因过度加重平台责任抑制技术发展，亦防止算法滥用损害社会公益。通过构建阶梯式举证框架，既能有效规制算法推荐引发的侵权风险，又为算法治理的司法审查提供可操作性标准。
5.3. 立法体系的整合与精细化构建
当前我国算法相关立法如星斗般散落于各部门法，《个人信息保护法》《电子商务法》《反垄断法》等虽对算法应用有所规制，但规范层级分散、衔接不足，难以应对算法推荐引发的复杂法律问题。为此需制定专门性算法责任法，整合现有法律中的零散规定，出台专门的《算法推荐服务管理法》，明确算法推荐服务提供者的主体责任边界。该法应包含算法透明度义务、公平性保障机制、反垄断规制等内容，并建立与《电子商务法》和《反垄断法》的衔接规则。明确“不合理的差别待遇”的认定标准，结合交易目的、用户画像特征、市场环境等因素，区分动态定价与“大数据杀熟”的本质差异。
现行立法对算法透明度的要求多停留在原则性层面，需通过配套细则明确披露范围。细化算法透明度规则，建立算法分级分类披露制度，根据算法应用场景的风险等级(如电子商务推荐、金融信用评估、医疗诊断等)，设定差异化的透明度要求。在司法实践中，将平台是否履行落实算法透明度义务作为认定其法律责任的考量要素[6]。对于直接影响消费者权益的个性化定价算法，要求平台披露特征变量的权重分配及决策逻辑；对于低风险的商品算法推荐，则可仅公开算法类型与基本运行原理。针对算法推荐加剧的数据垄断问题，可见，在《反垄断法》中引入“数据控制力”作为市场支配地位认定的新型指标，完善反垄断量化标准。
6. 结论
算法推荐的法律责任边界重构是数字经济法治化进程的重要议题。面对算法权力扩张引发的电子商务等平台“大数据杀熟”等新型侵权现象，现行法律框架因规则分散、透明度缺失及举证责任失衡而陷入规制失灵困境。算法推荐已突破传统“技术工具”定位，其自主决策特性要求法律从“结果追责”转向“过程控制”，将算法设计、数据筛选及结果输出纳入责任评价体系。基于此亟须通过立法整合与规则精细化构建明确平台责任边界。一方面，应制定专门法律，从而更好地系统整合零散规则，明确“不合理差别待遇”的认定标准，建立算法分级披露制度，并在《反垄断法》中引入“数据控制力”指标以量化平台垄断行为。另一方面，重构“初步证据–平台反证”的举证责任分配机制是十分必要的，该机制通过降低用户初步举证门槛、倒逼平台履行算法透明化义务，从而缓解技术黑箱导致的举证困境。这一路径既契合《个人信息保护法》《电子商务法》对公平交易与算法正义的价值追求，又能通过动态平衡技术创新与权益保护，推动形成“技术向善”的算法治理生态。唯有实现立法体系优化与司法规则创新的协同，方能有效遏制算法滥用，为数字经济的可持续发展筑牢法治根基。