1. 引言
随着数字时代的不断发展，算法技术已然介入社会生活的方方面面，在便利我们个人生活、提高社会生产力的同时，也给社会和法治的发展提出了许多新的问题。在当今时代背景下，数字时代的发展与我国人口老龄化问题的加重两相结合，在劳动领域内引发了高龄劳动者比重逐年增加、超龄劳动者概念出现等现象。而这些现象的产生与发展，也带来了诸如特殊主体劳动关系认定、就业年龄歧视等等亟需探讨、解决的问题。
事实上，就业年龄歧视并非一个“全新”的话题，在算法技术介入之前，就业年龄歧视问题已是屡见不鲜。然而，在数字时代背景下算法技术的介入，使得就业年龄歧视问题呈现出极强的隐蔽性，其影响也随着老龄化的不断发展而逐步扩大，对实现发展银发经济、充分利用老年人力资源的目标产生了极大的阻碍。这种时代推动下产生的社会问题也并非我国一国所独有，例如在联合国于2022年发布的《第二次老龄世界问题大会的后续行动·秘书长的报告》中便已经指出，数字技术虽然对老年医学等生理健康方面的学科起到了巨大推动作用，但却也加剧了对老年人这一特定群体的歧视以及新型不平等现象的出现，这就表明，数字时代叠加人口老龄化所产生的社会问题，实际上是一个全世界普遍需要解决的问题，而算法技术加持下的就业年龄歧视问题自然也不例外。
在这样的时代背景下，为了解决算法加持下的就业年龄歧视问题、保障高龄就业者群体的平等就业权利得到保护的同时，也使老年人力资源得到充分开发，社会各方面就必须提出相应的应对方案与解决措施，作为法学研究者，也应当从法律的角度做出自己的解答。在这种以分析问题、解决问题为目标的研究背景下，本文将深入探讨在数字时代下就业年龄歧视问题的出现与发展，并且深入分析其各个阶段不同表现，最终探究应当如何运用多种手段对数字时代下算法加持的就业年龄歧视问题进行合理地规制。
2. 数字时代下就业年龄歧视的出现与影响
(一) 数字时代下就业年龄歧视问题的产生
首先，从问题产生的背景上审视，就应当先明确数字时代与人口老龄化的概念与现状。数字时代，是指由于信息技术和互联网的高速发展使得数字技术成为社会经济发展的主要驱动力的时代，在这个时代背景下，信息以数字化的形式存在，通过互联网进行传播、处理和存储。而另一个与就业年龄歧视问题的出现密切相关的背景，是人口老龄化的发展。据我国2021年做出的第七次人口普查公报(五)所显示，截至2021年，我国60岁以上人口占比已然达到18.70%，而这个比重在可预期的范围内仍会继续增加。数字时代的发展与老龄化问题的结合，就为数字时代下就业年龄歧视问题的出现提供了背景。
具体来讲，随着人工智能与大数据分析方法的不断发展，人们将孤立的、碎片化的个人信息整合成为集体的、整体的大数据，并通过设立分析目标，通过算法技术甚至人工智能来对大数据进行充分地分析，来代替传统的人脑进行初步的决策与预测，从而达到提高效率与准确率、降低人工成本的目的。反映到就业问题上，就表现为雇主为了更快更好地寻求符合企业发展需求的员工，往往会使用算法技术对求职者信息进行初步地筛选与分析，并通过其过往工作数据对其未来工作表现进行预测。这种预测包括多个方面，如职业忠诚度、个人性格影响、可能的医疗费用等等，作为并没有实际为公司进行工作的求职者，对他们的预测本质上是通过过去的数据来预测未来，也就是说，算法决策表面上虽然是对未来的预测，但其运作的基础仍是对过去数据的统计，实质上只能作为一个辅助工具帮助决策，雇主对其所预测的未来并不应当采取盲目信任。
这种基于过去数据的整体预测，实际上面对高龄就业者与一般就业者时，就导致了就业年龄歧视问题的出现。具体在招聘过程中，算法要达到雇主所期待的结果，需要通过设立目标与标准，具体设计算法内容，最后给出一个可重复运行的算法程序，才能满足利用算法技术进行招聘的目的，而这些设计步骤中便逐步体现出了就业年龄歧视问题的存在。
在设立目标时，雇主往往会给予算法程序设计者一个自己所期待的“员工画像”，而这种画像，即使雇主表述为抽象的勤劳、智慧等等要素，一个算法程序也无法判断一个人是否具备勤劳和智慧等要素，而只能通过对比来形成一个能够量化的“模版”。这种情况下，通过大数据分析所形成的模版，往往会呈现为一个完全健康的、正值壮年的男性形象，并反过头来以此为标准，逐层剔除不符合这些特征的就业者[1]。在过往对这种现象进行分析时，往往大家聚焦于性别歧视等热点话题，但在高龄劳动者群体扩大的情况下，这种对年龄的隐形其实也暴露无遗。
当程序设定完目标，具体编写过程中，还会受到具体编写者价值判断的影响。以新业态下的外卖骑手为例，雇主或许设计目标为按时送达订单能力强、工作效率高的骑手，转达到具体的编写者手中，就必须量化为具体的筛选条件。而通过过往数据分析，可以得出骑手的年龄是关系其工作效率的要件，这种情况下，就会令程序编写者做出“年龄高”与“效率低”之间有所关联的价值判断——然而，实际上，年龄较大的骑手具有更多的工作经验，反而其工作的安全系数更高，产生赔付情形的风险更小。在这种情况下，就会导致算法产生后不能合理地评估年轻求职者和高龄求职者之间的价值，形成对高龄劳动者的就业年龄歧视。
但也有观点反驳说，这是算法发展不充分、设计者考虑不完全所导致的问题，而并非算法本身导致的就业歧视问题，算法技术本身仍然是客观而理性的一种决策方式。事实上，这是一种不充分的自证，算法程序的支持者企图说服人们忽略当下所产生的社会问题，而不能完全证明其将会在未来发展到完全理性。换而言之，算法的决策机制永远以人机交互为模型，而只要有交互中人类所投喂的数据，算法就难说能够达到其所期待的完全理性、客观无私的状态。此时，一旦算法在人机交互中将年龄作为了人类能力、素质的区分标准，就会导致歧视问题的切实发生。
(二) 数字时代下就业年龄歧视产生的影响
实际上，就业年龄歧视并不是一个刚刚出现的社会问题，只是在数字时代背景影响下，导致年龄歧视的隐蔽性得到了提高。这种隐蔽性的提高，使得传统反就业歧视法的法律规制手段受到挑战，以及促使高龄劳动者将外部歧视内化为自我歧视等社会问题。
从就业歧视的发展阶段来看，其发展本身就是以隐蔽性地提高对抗反就业歧视手段的一个过程。在第一阶段中，用人单位明确禁止具备“保护特征”的劳动者进入其用工领域，而在第二阶段中，则通过“能力测试”、“就业选拔”等方式进行对劳动者的选拔，具备了外观上的公平性，但在实际运行中往往会形成客观上的就业歧视。第三阶段发展到数字时代，用人单位将“大数据”作为基础，通过算法技术筛选就业者，最终导致就业歧视的事实，但由于这一过程中算法黑箱以及用人单位与劳动者之间数据鸿沟的客观存在，导致就业歧视的隐蔽性大大增强[2]。
在这种情况下，作为就业歧视问题之一的就业年龄歧视，也被算法通过其隐蔽性“保护”了起来，然而在老龄化背景下高龄就业者数量激增，其基数的增加导致社会问题终于暴露无遗。但是，算法加持下的就业年龄歧视，实际上仍然是传统反就业歧视法难以捕捉，难以通过常规手段加以规制的问题。毕竟，从其本身出发，就业年龄歧视并非像就业中的种族歧视、性别歧视等问题具有明显的恶意，换而言之，就业年龄歧视本身就具有隐蔽性的特征，算法则是将其隐蔽性进一步增强的工具。作为工具，算法通过复杂的程序和专业计算机知识混杂着设计者与用人单位对高龄者的评判形成了蕴含着就业年龄歧视的算法黑箱。在这种算法黑箱的掩盖下，高龄就业者很难意识到自己受到了就业年龄歧视，即使能够清晰意识到歧视的存在，也几乎无法在这种情况下自证其受到了就业年龄歧视，用人单位完全可以以算法的评判为借口掩盖其对高龄劳动者的年龄歧视。这就导致在传统反就业歧视法构建框架下，劳动者难以自证其受到了就业年龄歧视、用人单位则可以轻易逃脱事实上的歧视所导致的不利后果。这种数字时代下的就业年龄歧视受到算法加持后，就对传统的反就业歧视法理念产生了巨大冲击。
此外，这种歧视的隐蔽性也将导致高龄就业者在就业困难的情况下产生自我怀疑，从而催生社会整体价值取向上的问题。用人单位利用算法对高龄劳动者实行的就业年龄歧视，从价值判断的角度分析，是一个从外部评价逐步内化为自我评价的过程。用人单位利用算法掩盖就业年龄歧视的本质，向高龄劳动者传递一种消极的价值判断，从而使高龄劳动者自我产生自己能力下降，能力不足的价值评判标准，进一步则演化为自己对自己年龄增加的厌恶感，而使始作俑者的歧视被掩盖于无形之中。这不仅不利于基数庞大的高龄劳动者实现自我价值，更不利于社会在老龄化背景下的进一步发展。中国传统文化向来有尊老的习俗，民间有言“家有一宝，如有一老”，但是在就业问题上，用人单位的年龄歧视倾向却将社会的目光引导向对老年人工作价值的怀疑之上，这种倾向如果不加以规制，将必然会导致老年人自身对自我价值产生怀疑，甚至导致对社会价值取向造成影响，形成“老而无用”的错误价值倾向。
3. 数字时代就业年龄歧视在算法中的具体表现
(一) 数据输入环节中就业年龄歧视的具体表现
要在数据输入环节理解就业年龄歧视的具体表现，首先就要了解算法在数据输入环节的基本理论。在数据输入环节，主要的工作就是在互联网庞杂的数据海洋中采集与自己设计目标相关的基础数据，而只要在这个过程中，数据受到了“垃圾数据”的影响，就将有可能产生相应的输出结果上的偏离。
而在算法收集与就业相关的数据时，将不可避免地受到原有的传统观念下就业年龄歧视相关观点的数据化表达。也正因此，算法就业歧视在数据收集或者说数据输入环节的具体表现，就是在收集数据时受到过去就业年龄歧视观点影响，导致最后极有可能形成对旧有年龄歧视观念的再现甚至扩大。
在社会数据上，随着数字时代的发展，能够熟练使用互联网工具的人与对互联网工具使用不熟练的人之间已经形成了巨大的数字鸿沟。而高龄就业者往往是数字鸿沟影响下不利的一方，单纯以当今时代为背景，目前存在的高龄劳动者过去的成长过程中，互联网并没有发挥过多的影响，也就是说，高龄劳动者并不天然具有对互联网工具的熟悉性，他们始终保有互联网工具不存在时的环境记忆，作家马克·普伦斯基将其称为“数字移民”，意为不诞生于数字时代的人们，即使后天掌握了互联网工具的使用方法，也始终都不是互联网领域内的“本地人”。这是一种客观存在的现象，但这种现象促使了对高龄劳动者的一种不利的刻板印象的产生，如果算法在捕捉数据时受到这种实际上带有年龄歧视色彩的观点影响，将会必然促使算法在数据输入环节就埋下就业年龄歧视的种子。
但是，即使数字鸿沟客观存在，但实际上也并不必然表示高龄劳动者不能掌握互联网工具。而算法却很难从庞杂的数据中挣脱出来，去思考年龄与能力两者之间具体而细致的关系，或者去辨认一个计算机专业应届毕业生和一个高龄IT行业工作者究竟谁更有可能在专业技能上更加优秀——这一方面，确实满足了用人单位对招聘效率的要求，算法直接粗暴地通过年龄来判断双方的能力，将会使选择变成无需选择，我们也无法说这种选择是完全错误的；但另一方面，算法相当于直接否认了高龄劳动者的能力，从而由数据基础出发，形成了对高龄劳动者的年龄歧视。长此以往，数据继续堆积的情况下，这种歧视现象将会愈演愈烈，从而产生严重的社会问题。
(二) 数据分析环节中就业年龄歧视的具体表现
数字时代下，算法技术与各行各业的结合，尤其是在决策系统上的结合，往往都以排除人类主观判断后的“客观理性”为卖点。尤其是对于具备自我学习能力的高级算法而言，其通过学习和逻辑推理得出的结论甚至摆脱了设计者的主观偏见，不再只是回答设计者本人所设计的观点、内容。然而，对于这种高级算法而言，就业年龄歧视问题早已不可避免地嵌入了其内部设计的过程，算法的自主学习将演变为一个被社会数据上的旧有歧视观念污染的过程。即使设计者本身不刻意进行涉及年龄歧视问题的设计，这种高度智能的算法在遇到关于就业问题时，也会在运作过程中通过对海量数据的自我学习产生对就业年龄的刻板印象，从而自己产出蕴含有年龄歧视的观点。实际上，这是算法从数据输入环节就埋下的歧视种子生根发芽的过程。
此外，算法的分析也与其采集到的数据比例密切相关，而在年轻的一般劳动者作为数据中的代表形象时，占比较小的高龄劳动者的数据在分析中的重要性自然就会被算法自动降级甚至于忽略不计。事实上，算法的设计往往以效率和利益作为设计的目标，而其公平性和精确度往往有所欠缺，即使有所考虑也必须处于次一级地位。算法在这种情况下介入用人单位招聘时的决策系统，将使年轻的一般劳动者的形象在算法学习过程中被逐步放大，而高龄劳动者的价值则被相应地“放逐”出了其考虑范围。这一过程无需区分算法设计者是有意或是无意，而需要认识到这是算法在分析过程中自然运行所导致的必然结果，要在这一过程中验证是否存在就业年龄歧视的问题，实际上最重要的是评判算法设计者是否在设计时考虑了就业年龄歧视的可能性，并通过算法有意识地规避这种歧视发生的可能，从专业角度，称之为对算法的无偏差矫正。然而，算法黑箱的存在使得无论是高龄求职者或者第三方监督机构都很难评判是否进行了无偏差矫正，以及这种手段究竟是否确实有效规避了年龄歧视问题的产生。
(三) 数据输出环节中就业年龄歧视的具体表现
当算法经过一开始对数据的捕捉和采集，并对数据进行了分析之后，输出数据过程中就形成了就业年龄歧视的最终形态，最终表达为以算法为核心的、专业化的第三方招聘平台在运行中无处不在的就业年龄歧视。而第三方平台所关联的用人单位不局限于某个行业或某个地区，这种互联网的特性就使就业年龄歧视问题无限延伸下去，传递到每一个使用平台的个体与企业。
依托于算法建立的第三方就业平台看似是客观中立的就业信息平台，但从其双向推送机制的运行出发，就可以分析出第三方就业平台在运作中以算法为核心时导致的就业年龄歧视问题的表现。
首先，具有求职意愿的劳动者进入平台后，平台就会进行基础的信息采集，其中年龄便是后续平台进行双向信息推送时的一项重要标准。在算法运作后，平台的自动推送将更倾向于将低技术性的就业机会推送给年龄较大的劳动者，除非劳动者自己主动积极的通过搜索具有更高技术含量的就业机会来改变大数据对其个人的印象，否则在算法单纯以年龄为划分标准的情况下，第三方平台就已经实施了“年龄大”等于“就业能力差”的就业年龄歧视行为。此外，平台也会因为数据上的倾向性，而对年龄较大的劳动者分配较少的算力，表现为更少次数地主动推送就业信息等等，客观上导致高龄劳动者就业问题上产生不利后果。
在双向信息推送中的另一个方向上，即平台向有招聘需求的用人单位推送信息时，相比于青年或者壮年的求职者，算法在运作后将更倾向于将高龄劳动者作为次一等的选择，甚至根本排除出选择范围内，这在实质上就损害了高龄劳动者的平等就业权。这种表现形式的可怕性在于其仍然是一个隐蔽的过程，用人单位甚至平台自身可能都无法认识到这种歧视的发生，但客观上却已经造成了这样的后果。
此外，在平台的推送机制之外，第三方平台在页面上的公开宣传有时也会体现出隐形的年龄歧视倾向。如在网络主页上只发布面向年轻求职者的公司宣传公告，有些观点看来也是算法加持下就业年龄歧视的一种表现。
4. 数字时代下就业年龄歧视的合理规制路径
(一) 从数据基础上根除就业年龄歧视的算法加持
1) 通过社会治理塑造老年友好型就业环境
就业年龄歧视的数据基础，就来自于社会大环境下对高龄劳动者的整体歧视。通过社会治理手段，主观上打破刻板印象，实现客观上营造老年友好型就业环境，才能实现净化数字时代下就业年龄歧视的数据基础。
在主观方面，人们谈及高龄劳动者时，一是下意识将其与行动不便、身体抱恙、精力不足等等生理上的不利条件联系在一起，但事实上，随着现代医疗的发展，高龄劳动者与一般劳动者间身体上的实际差距往往没有想象中的如此明显。恰恰相反，部分年轻人在不良生活习惯与竞争压力影响下，也不一定就必然在生理上优于高龄劳动者。其次，在数字时代背景下，高龄劳动者往往也被联系到不擅长使用互联网工具、对时代变化感知力较差的群体形象之中，事实上，与生理条件上错误的认知联系一样，这种对其互联网适应能力的错误认知同样来自于对高龄劳动者个体差异化的忽略。
去标签化的概念广泛应用于反对刻板印象，如黑人群体反对种族歧视者将其个体与低学历、热衷暴力等标签联系到一起，反就业年龄歧视也必须将“生理天然劣势”、“互联网适应能力差”等歧视性的群体标签从作为个体的高龄劳动者身上撕下，实现对高龄劳动者个人价值的尊重。
除了主观上破除刻板印象之外，在客观上应通过提高高龄劳动者就业能力、采取适老化改造营造老年友好型就业环境等措施促进对老年人力资源的充分发展。
正所谓“山不来就我，我便来就山”，默罕默德所言在改善社会客观环境的问题上自有其道理。既然无法强行扭转时代对劳动者素质的客观要求，那么就有必要通过政府力量对高龄劳动者进行再教育、再培训，实现提高高龄劳动者就业能力的目标，为高龄劳动者营造一个能够积极调动就业渴望、适合就业的老年友好型就业环境。
2) 通过专门立法细化对高龄劳动者的保护
在算法进行数据采集的过程中，法律法规的规定是其采集数据中极其重要的一环。然而，当下我国的反就业歧视法律制度，往往通过人格权纠纷的手段进行解决，对反就业歧视没有做出专门立法，更遑论反就业年龄歧视专门立法的问题。在这种情况下，想要解决数字时代下的就业年龄歧视问题，通过专门立法的解决措施势在必行。
以域外相关领域立法为例，日本在面对老龄化乃至于少子化冲击时，在劳动法领域便采取了专门立法的形式来应对危机。如通过出台《老年人雇佣安定法》，专门对高龄劳动者予以法律保护，在反就业年龄歧视上，更是在2020年增加规定企业具有保证在老年人到达70岁前享有就业机会的“努力义务”[3]。而在美国，更是在1986年的《就业年龄歧视法案》中就取消了工作的年龄上限，通过弹性退休制度反对就业年龄歧视，使得美国企业不能以年龄为标准拒绝雇佣高龄劳动者[4]。但是，在所有这些立法举措中，都很难寻找到对数字时代下隐蔽的就业年龄歧视现象的解读与防范，而更多地是从一个宏观或者说传统的角度要求企业不能明确以年龄为标准歧视劳动者。
所以，回归我国立法现状，要尽量解答时代背景下提出的就业年龄歧视问题，就必须在其他各国立法经验的基础上进一步破除算法加持下就业年龄歧视的隐蔽性，通过对就业年龄歧视概念的深入解读，将隐蔽的算法歧视也纳入其中，才能更好地为算法运行提供良好的数据基础。
(二) 从算法技术上规制就业年龄歧视的具体举措
1) 增强算法透明性与可解释性
算法黑箱是通过技术手段隐藏就业年龄歧视倾向的得力工具，只有在各个层面上要求算法设计者与使用者增强算法在设计过程与运行过程中的透明性与可解释性，才能尽力缩小算法设计者与使用者同高龄劳动者间存在的数据鸿沟，防止利用算法增强就业年龄歧视的隐蔽性。
从立法角度来看，在反就业年龄歧视立法中，有必要通过法律规范来规定算法的透明度与可解释性程度，保证劳动者拥有知晓算法运转逻辑与背后价值取向的权利。事实上，我国个人信息保护立法上，已经对自动决策即算法决策在影响个人权益时的情形做出了规定，个人有权要求信息处理者予以说明并有权拒绝这种自动决策做出的决定。虽然这只是对个人信息权益的保护规定，但从劳动立法的层次进行审视，即可以从对劳动者知情权、平等就业权保护的角度出发，劳动者在算法决策做出影响其劳动权利的决定时，可以要求算法使用者做出解释并有权拒绝解释不清或涉及年龄歧视的情况下做出的决策。若更进一步规定，或许还可从量化透明程度和可解释性程度的角度出发，探究究竟何种程度地破除算法黑箱，才能平衡各方利益，既不侵犯设计者相关技术手段的知识产权，又能实现保护劳动者合法权益的目标。
除此之外，在涉及算法黑箱的可解释性问题上，也应该要求算法决策的使用者自证清白，增加其举证责任，来实现实质上的平等保护[5]。这也是应对算法加持下就业年龄歧视的隐蔽性的措施，劳动者无需精确地证明自己是如何在算法决策中受到就业年龄歧视的，只需要证明这种算法决策对自己确实产生了不利的影响即可。而相应地，使用算法做出决策的一方，必须对整个程序的运转原理进行解释，并明确阐述在算法运行中没有任何涉及年龄就业歧视的评判标准，并证明这种标准的执行不会损害高龄劳动者就业权益，同时符合社会利益和商业道德上的要求。
2) 提高算法设计主体多元性
即使在理想状态下，算法所收集到的所有数据都是客观中立的，但算法始终会在设计其分析逻辑与价值判断量化标准时受到其设计主体的影响。当下的算法的设计与操作依然是人为操作，这也就代表在客观中立的外壳下，算法本质上仍然是带有主观影响的产物。这同时也就意味着，如果受一个具有年龄歧视观点的算法设计团队影响，就必然会产生对高龄劳动者排斥、抗拒的算法程序[6]。
事实上，在这种推理下，除了就业年龄歧视之外，算法也会产生其他类型的歧视。例如，在一个独自一人的算法设计团队中，如果设计主体是男性，就极有可能会产生有利于男性的评判标准而产生性别歧视的风险，如果设计主体是种族主义者，甚至会产生种族歧视的风险。所以，在规避各种可能产生的歧视的目标指引下，提高算法设计主体的多元性就是一个必然的选择。
回归算法就业年龄歧视的讨论背景，从现实角度出发，即是要求算法团队必须定期检视自身团队构成，并通过合理补足多样化的成员来保证设计主体的多元性，从而避免算法中出现各种主观上的倾向性。在立法角度上，一是要明确规定算法设计中必须由多方背景、不同观点的设计者共同完成，二是增加劳动者代表的意见，尤其是高龄劳动者意见，从立法层面贯彻平等保护理念，以平衡用人单位与劳动者之间的强弱关系。
5. 结语
“自古美人叹迟暮，不许英雄见白头”，人口老龄化的发展与数字时代的前进，让无数曾经奋斗在工作一线的老年人在剧烈变化的时代浪潮中，开始迷茫于自身价值的实现，在算法加持下隐蔽的就业年龄歧视中产生强烈的自我怀疑。实质上，这是一种在利益和效率的驱动下对高龄劳动者尊严的忽略甚至于是践踏，是一种社会群体的被迫牺牲，而这种牺牲甚至还被包裹上了理性高效的技术外壳。为了破开这层看似客观、高效的算法运作外壳，切实解决就业年龄歧视问题，必须通过社会治理与法律规制双管齐下，从算法的数据采集基础、数据分析方法、数据输出结果上全面保护高龄劳动者就业的合法权益，从而推动高龄劳动者经济积极实现个人价值，最终实现积极应对老龄化、充分利用老年人力资源、促进银发经济发展的社会价值。