算法治理：成为责任型数智企业

阳镇 陈劲

新一轮工业革命深入演化的背后，是以新一代信息通讯技术如移动互联网、大数据、人工智能与区块链等重塑经济形态，以数字化、信息化、网络化与智能化为根本标志的数智技术逐步将人类带入数字智能社会，万物互联与智能分析与决策成为引领未来数字信息产业发展的重点方向。其中，人工智能是基于数学模型为基础，以智能程序与计算机为内在核心技术与应用载体，通过大数据、机器学习等过程使得“智能机器人”形成具备人的判断分析能力，包括人的基础认知、判断理解与学习行动等一系列过程，最终通过“智能机器人”嵌入传统产品研发、生产、服务等过程，实现自动化与智能化。当前，以人工智能技术为代表的数智技术加速了传统产业的深度渗透与全方位赋能，推动了传统的教育、安防、制造与服务业深度融合，并塑造了全新的数字与智能产业，重塑产业的生产效率以及社会生产力。

但与数智经济繁荣前景相伴随的问题是，近年来不管是在平台经济领域中的平台型企业，还是智能技术开发应用的数智化企业，都产生了大量的企业社会责任缺失与异化问题。从平台型企业的社会责任缺失与异化问题来看，由于平台链接市场的双边性以及影响的社会性，传统企业所链接以及所影响的利益相关方边界被彻底重塑，平台在“尽快长大”与“赢者通吃”的两类逻辑之下，以互联网技术、大数据分析、智能算法技术为技术支撑，围绕双边网络效应激活、放大以及优化快速实现平台商业生态圈建构，这一过程中产生了诸多平台企业个体由于市场逻辑主导的社会脱嵌问题，如平台型企业对双边用户的数据泄露、倒卖以及大数据杀熟、基于算法技术的用户画像歧视性定价、技术锁定用户等系列侵占与降低消费者社会福利的社会责任缺失行为，且由于平台企业存在基于平台独立个体与平台商业生态圈两类情境下的双元属性，平台型企业的社会责任缺失与异化问题呈现出平台个体与商业生态圈的复杂嵌套性，即商业生态圈内的用户社会责任问题与平台企业社会责任问题复杂交织，对平台型企业社会责任问题的特殊性缺乏足够重视，甚至由于平台型企业社会责任问题的主体识别效度低、责任链条复杂、算法技术的特殊性、追责轨迹不确定性等导致在政府规制与社会治理层面难以对平台型企业社会责任缺失与异化问题进行的有效治理。

与此同时，在算法驱动的人工智能企业运营管理过程中，也产生了基于算法技术的社会责任缺失与异化问题，主要体现为算法在开发建模过程、数据标记与算法训练学习过程以及算法自动推理与决策过程存在大量的潜在社会伦理隐忧，由于企业（算法工程师等研发人员）算法建模开发过程中缺乏可持续导向，数据收集、标记以及算法训练过程中的个体隐私侵犯、群体偏见、种族偏见以及阶层偏见等导致算法的内在规则有偏并产生算法歧视等社会问题；在算法自动推理与学习过程中，由于算法决策规则本身的不确定性以及算法决策的高度复杂性的知识导致社会公众与算法决策之间的知识距离过大，算法黑箱成为算法决策过程中的突出社会问题。更为严重的是，基于算法技术驱动的人工智能企业在服务过程中需要不断寻找商业应用场景，在基于算法技术实现的各类商业场景中诸如新闻推荐、交通出行、社交媒体、安防控制、司法审判、辅助医疗等各领域直接涉及到社会公众的社会权利，传统基于技术中立实现的技术嵌入的商业场景可能延伸出“技术恶德”，即由于商业场景中各类主体的工具主义导向或者极致的市场逻辑导向，忽视与漠视社会价值导向以及社会伦理规范，导致技术中立下的算法应用场景下的商业模式难以可持续，甚至严重破坏了社会公众对算法技术的决策信任，最终导致算法技术的合法性受到挑战并威胁到人工智能技术的未来前景。

基于此，在基于算法技术驱动数智经济与数智社会不断演化的过程中，亟待学界与业界对算法形成过程、算法决策与算法影响评估等方面衍生的系列企业社会责任问题予以重视，重新审视算法技术异化以及算法权力扩张过程中背后隐藏的社会风险与负面社会影响。基于此，本文首先回顾了算法技术的特殊性与算法技术异化的主要表征与社会问题，并主要从企业社会责任治理视角理清算法技术异化的内在机理。更为关键的是，本文主要从企业社会责任治理的视角探究如何提高算法“透明度”规避算法技术潜在的异化风险，基于企业社会责任治理的视角破解算法“黑箱”与算法技术异化，需要从算法技术开发的主体维、算法决策应用过程的技术制度维以及算法决策后果的影响维的社会生态等三重维度引入企业社会责任治理框架，进而提高“算法开发形成—算法决策应用—算法的社会场景”的透明度以及有效治理可能的技术异化衍生的负面社会问题。

數智化时代的算法技术异化及其社会问题

算法的技术逻辑及其异化

算法的技术逻辑

在数智化时代，算法成为一种全新的技术与应用工具，但是追溯算法的形成尤其是从自然科技史的角度来看，在我国古代便有算法的“影子”，比如在春秋战国时期便有“辩学”，其中墨家的经典著作《墨经》蕴含了丰富的逻辑推理与辩证思想。在西方文明古国中，古希腊较早的对逻辑学进行了系统研究，尤其是亚里士多德开启的逻辑推理研究奠定了整个逻辑学的思想基础。在近代西方国家，数学的王国便是算法的数学化与符号化的形式表达，罗素作为数学哲学的基础逻辑主义流派其开启了数学与逻辑学的交叉研究。追溯算法的最早概念，在8世纪的波斯由数学家默罕默德·花拉子米（Mu？ammad bin Mūsā alKhwārizmī）认为算法具备自动运行的功能，是基于计算程序的系统性计算。随着19世纪欧洲工业革命的兴起，算法逐步成为计算机领域中的重要学术概念，算法主要基于特定的编程、指令、方程式形成系统的计算关联，形成系统性的逻辑与规则。因此，从计算机程序的角度来看，算法可以理解为特定的数学计算模型实现数据转换为相应的输出结果的系列编码、程序与逻辑规则。实质上，理解算法首先要准确界定算法的内涵，目前主要存在狭义视角的算法与广义视角的算法。狭义视角的算法主要是基于数学与计算科学的相关数据结构、数学代数算法、线性规划与数值分析、图论、排序、检索、随机化算法等多种算法技术。

从广义视角来看，由于数学与计算科学的广泛运用，算法被宽泛地界定为能够自动实现特定程序运行与计算的决策系统，包括系列决策步骤、决策参数、决策判断标准以及决策分析过程等集合。从技术视角来看，算法本质上是基于特定的数学模型将输入转化为输出结果的系列计算步骤，算法本质上是一种复杂的计算结构与计算过程。在数字与智能时代，算法技术之所以能够广泛应用到各类商业与社会场景之中，其主要是通过算法技术嵌入到相应的产品与服务之中，包括算法实现自动计算、自动数据收集、自动数据分析以及自动决策等过程，算法的高度自动化属性减轻了传统人工干预的时间成本。但实际上，在算法深入应用于商业与社会的各类场景中，算法所呈现的既不完全是广义上的自动实现特定程序运行与计算的决策系统，也并非完全是单纯的系统性逻辑规则、数据结构与各类数学模型，算法更多地体现为包含人的因素的技术系统，依然从属于技术创新系统中的技术范畴，决策者通过算法的自主性开发与自主建模实现辅助决策，包括自动化的机器因素，也包括人的价值因素。比如，在基于机器学习算法形成与运行过程中，一般可以分为机器学习模型的训练阶段与模型的应用阶段，其中训练阶段主要包括数据的输入环节、数据分析与模型优化的学习环节以及输出环节，其中输入环节主要在定义基本问题的条件下对相应的数据进行收集分类与整理，实现数据的清洗与归类，在此基础上在学习环节主要是训练数据与训练模型的性能，最终输出模型的系列结果以评估输出结果的准确性，确保模型输出结果能够达到既定的预期计算与决策目标，否则将进一步溯源相应的数据分类过程与模型编写环节，反复迭代优化最终形成较为符合现实的智能模型（见图1）。

图1 “机器学习”算法的迭代过程

算法的技术逻辑异化

因此，从算法的技术逻辑来看，尽管算法具备了自动化的机器因素，但是依然在运行过程中嵌入了人的价值因素，由此形成机器因素与人的因素二维矩阵式的价值空间。不管是弱人工智能还是强人工智能，算法依然具备自动实现特定的计算功能，这意味着对部分人的价值空间的替代以及对人的决策主体性的侵占，算法技术的非中立性导致算法开发与算法运行与决策过程中带来系列技术异化表现。首先体现为对人的独立与自主性的侵蚀。算法运行的前端是输入环节，输入环节依赖于人的数据的有效性，且具备自动推理、自动判断以及自动分析能力的算法其实质上具备了人的部分能力，且其自动学习、自动分析过程中也拥有了对数据加工、数据归类、数据预测的能力，因此即使传统的决策主体人不干预输入或者运行过程中的数据结构与数据类型，算法依然能够基于自动地数据抓取尤其是个体的数据最终分析与预测相关群体数据分布的能力。从这个意义上来看，传统决策者中人的主体性得到削弱，算法一定程度上成为一种区别于“经济人”、“社会人”与“复杂人”的新型人格主体，且算法自动化与学习能力越强，尤其是发展到强人工智能时代，算法能够完全侵蚀人的主体地位，并进一步支配人的价值情感与社会认知。其次是对决策系统原则的破坏。传统决策系统是基于人的理性原则或者满意原则进行的决策方案的筛选与评判，但是基于算法技术驱动的新型自动化决策系统其由于算法运行过程的不可观测甚至由于运用深度的卷积神经网络对中间决策层参数的自动填补，算法一定程度其决策的原则相对难以观测，也难以基于时候的决策后果予以分析评判，因此算法运行过程中的非透明性直接对传统决策系统的决策原则的异化。算法决策的原则是否满足人的价值理性、工具理性以及双元理性等多种决策逻辑依然存在巨大的疑问，其决策的公正性与偏差性一定程度上成为衡量算法技术异化的重要维度。

第三是算法高度的社会嵌入属性带来系列的技术异化问题，主要表现为在数智化时代随着各类决策主体包括公共政府组织、企业组织与社会组织都不同程度地嵌入了基于算法技术的决策或者信息管理与分析系统，基于技术的嵌入属性导致算法与企业、算法与社会的关系成为数智化时代的新型关系。在嵌入属性的情景下，算法的技术属性与所处决策情景中的社会属性高度结合以及相互影响，比如网购平台在消费者用户每一次消费后都掌握了消费者的消费信息，包括消费者的年龄、性别、消费商品的类型、消费浏览习惯以及最终消费决策的系列轨迹，此时算法能够根据个性化的用户轨迹形成用户画像，最终对用户定向地推荐相应的商品。此时，算法不仅仅是计算属性，拥有了侵占人的社会互动与社会轨迹的社会权力，形成了一种特殊的算法与人之间的社会联结关系，基于新型的社会联结关系能够形成基于算法技术的大数据杀熟、流量恶意导流、數据造假、隐私破坏、社会不平等以及社会公正破坏等系列技术异化现象。第四是算法技术实现自动分析与决策的追责与担责的模糊性，由于算法技术深入运用与各类商业与社会场景的过程中，算法自动决策后形成了有意的决策后果以及无意的决策后果，前者主要是算法的决策后果符合人的价值因素或者工具理性因素，体现了人的基本属性或者管理决策过程中的若干决策原则，因此一定程度上可以等同于人的决策；但是后者主要体现为算法的自动学习过程导致算法自动计算与推理过程中的不可控性，算法高度的不透明性最终导致决策产生诸多人无法解释的意外后果，而这些意外后果可能给相应的利益相关方带来价值或者利益侵害。最终在追责的过程中，由于算法缺乏法律规制意义上的人格主体地位，相应地对算法自动决策分析的决策后果的追责也难以清晰界定，且担责主体不具备相应地责任承担能力。比如，基于算法技术驱动的自动驾驶这一商业场景中，一旦发生驾驶过程中的撞人事件，对担责主体即算法的开发者、算法的应用者还是算法本身担责依然存在诸多的模糊与争议空间，算法技术造成的追责主体模糊性最终导致技术的异化。

算法技术异化的主要表征及衍生的社会问题

尽管在智能技术的新一轮技术革命下机器拥有了人的部分学习与判断分析以及决策能力，尤其是各类算法的深度赋能为自动化生产、自动化分析、自动化决策等提供技术基础，但是算法作为一种全新的技术工具深度嵌入经济与社会各类场景之中，也产生了诸多的社会问题，其本质上由算法技术的异化引致社会问题层出不穷，主要体现为算法歧视、算法共谋、算法霸权以及算法黑箱引致的各类社会问题。

第一，从算法歧视（Algorithmic Bias）的视角来看，歧视主要是经济学与社会学中的术语，经济学中的价格歧视主要是针对不同的消费者进行掠夺性定价，主要包括一级价格歧视、二级价格歧视以及三级价格歧视等行为。相应地，在经济学的各类消费场景中，算法歧视便是基于算法技术为核心，传统的产商或者生产运营者基于算法自动捕获各类消费者的个性化信息，相应地根据消费者所处不同的区域、不同的市场环境、不同的消费偏好以及不同的消费收入阶层，最终基于算法的分析与决策程序形成对不同用户的消费画像，基于不同画像对消费者采取精准式的个性化定价行为。比如在互联网平台型企业中的网购平台中，平台利用算法实现大数据“杀熟”便是算法技术异化引致的算法歧视的典型体现。以亚马逊平台为例，亚马逊内的商家用户利用算法进行定价，发现有40%的商家用户在产品销售期内至少有20次的更改产品的价格记录，通过算法技术的用户画像个性化生成，能够实现传统的“千人一价”向“千人千价”转变。

因此，算法价格歧视的逻辑链在于算法自动对消费者个体属性与偏好的自动归类与分析，有效识别消费者的消费场景与消费意愿与消费能力，最终基于精准式的个性化商品推荐实现不同类型消费者的定价，导致对消费者个体隐私的破坏以及侵占消费者福利，且具备自动学习能力的机器学习算法能够对不断更新的消费者数据进行连续性与非连续自我学习，能够根据消费者属性与场景的变化不断的自动改变价格，最终导致算法具备了定价权，为企业或者商家实现利润最大化提供了技术工具。同时，在社会学领域，算法歧视主要体现为算法性别、种族歧视。其产生的根源依然在于算法在形成过程中的技术中立的偏移，即由于算法的训练过程（数据样本标记有偏、小样本训练过程嵌入人的价值属性等）以及算法运行过程中的不透明性导致算法偏见与算法歧视。比如美国司法领域引入人工智能辅助分析系统COMPAS通过分析犯罪的可能性，发现对罪犯进行再犯罪评估时黑人被评定为罪犯的概率是白人的两倍，最终可能导致司法系统的审判对黑人的判刑更为严苛。

第二，从算法合谋的视角来看，合谋主要是经济学中的商业竞争策略，是企业以获取最大化利润为目标，通过价格合谋的手段实施垄断行为，进而排斥其它竞争者，破坏消费者的整体福利水平，且合谋分为明示合谋与暗中合谋。但是企业间的传统合谋手段往往具备了不稳定性特征，即企业由于个体利益最大化以及机会主义倾向最终导致合谋的囚徒困境，基于市场契约与市场协议的合谋往往难以形成较为持续的稳定状态。但是，算法作为一种智能技术其为企业间合谋提供完备的技术条件，当算法进入企业的定价分析决策过程中，算法能够自动收集竞争对手的商业数据以及市场的动态价格信息，进而能够较为准确的判断竞争对手的价格变化，为企业降低合谋的潜在交易成本提供了技术基础。同时，由于算法能够更大范围地搜集市场的完备信息，潜在地提高了合谋寡头企业间的透明度，进而降低了市场信息不对称，最终消解了由于信息不对称或者机会主义倾向带来的合谋瓦解。从这个意义上，数智化背景下的算法技术为寡头企业间的价格合谋提供了潜在的技术基础。比如，在美国法院指控美国优步（Uber）公司案对网约车司机实施基于同样的定价算法的合谋协议。目前，算法合谋主要包括轴辐型算法合谋、自我学习型算法合谋以及预测型算法合谋。辐射型算法合谋主要是以算法开发企业为技术提供方，为不同的互联网企业提供同种类型的算法，最终导致企业形成一致性的定价决策，最终形成企业间的不自觉合谋，比如淘宝交易平臺中的各类商家用户利用淘宝平台提供的统一动态定价算法便是辐射型算法合谋的典型体现，最终产生商家见的暗中合谋，破坏了消费者福利。自我学习型合谋主要是企业之间自主利用算法对竞争对手的相关价格信息与市场信息进行充分搜集，对市场中的其他竞争对手的价格信息进行充分监测，利用算法技术进行交易条件的动态调整并保持相对一致性，进而基于差异化的算法形成算法合谋。自我学习型算法合谋主要体现为算法高度的深度学习属性，利用深度学习算法实现市场价格的预测分析，以最优的定价决策获取合谋的最大利润。

第三，从算法霸权的视角来看，当算法逐步嵌入到整个商业生态乃至社会治理系统的过程中，算法的大规模应用也随之产生了一种全新的权力。由于算法运行的自动推理与决策过程无法干预性，算法在嵌入到社会治理中比如交通指挥、新闻推荐、政治选举、司法审判等过程中便带来了相应的权力属性。从算法技术的本质属性来看，技术本身并不具备权力属性，但是当算法深度嵌入到企业决策与社会治理的各类利益分配过程中，由于不同的算法应用主体其差异化的利益诉求最终导致算法也具备了权力属性。比如在商业交易平台中，资本家利用算法的渗透性自动对各类消费者的信息予以收集、归类与整理，最终识别分析消费者的个性化的偏好，并基于偏好识别精准推送相关的商业信息诱导消费者进行消费。在外卖平台中，骑手作为外卖平台的重要互补者，但是骑手一定程度上受到平台的控制，主要体现为劳动时间的控制，平台利用算法实现对骑手送餐的时间考核制度设计，将考核权限转移至消费者手中（顾客评分与投诉）以提高平台内消费者用户的用户体验，最终导致骑手为了完成考核KPI在送餐过程中横冲直撞扰乱了交通秩序乃至社会秩序，基于算法霸权的自动考核逻辑压缩了骑手的生存状态以及破坏了骑手的福利，最终导致平台企业社会责任的缺失与异化。在新闻媒体平台，算法能够自动根据媒体受众实现自动化的内容分发与自动推荐，新闻受众根据算法设定的疆域，所接受的新闻信息均来自于算法的计算与预设，最终导致信息窄化与信息茧房效应。更为严重的是，在资本逻辑与政治逻辑的驱动下，算法甚至成为部分国家进行意识形态渗透的重要技术工具，算法成为嵌入国家治理以及国际政治的重要技术载体，通过跨国数字化企业实施算法干预下的信息渗透以及推行数字霸权，对缺乏算法治理与数据治理能力的国家而言带来严重的政治主权挑战。

算法治理——基于企业社会责任治理的治理焦点

企业社会责任治理视角下算法技术异化的内在逻辑

尽管算法技术作为一种人工智能背景下的技术具有黑箱属性，即算法运行过程的不透明性带来的算法决策的潜在意外后果，这种意外后果可能是社会问题的直接归因。但从本质上来看，任何技术都需要既定的组织以及人予以开发、运行以及优化，对于算法技术而言，算法技术的开发者以及应用者无外乎人工智能企业（包括开发算法的人工智能企业、互联网企业以及应用算法的各类企业），因此对于算法应用与算法嵌入商业与社会各类场景中所带来的系列社会问题，也必然需要回到企业层面予以系统解决，算法技术的异化所带来的各类社会问题，其背后与算法技术的开发与应用的企业具有直接联系，企业开发算法与应用算法技术所衍生出的系列社会问题，且对企业利益相关方的利益各类行为可以归结于企业社会责任缺失或者异化行为，且企业由于算法开发或者应用带来利益相关方损害的行为需要从企业社会责任治理的视角予以解决。

实质上，算法技术的异化在企业层面可以体现为三大层面。第一大层面为人工智能或者互联网企业内算法技术研发团队缺乏对算法可能负面社会问题的重视，在个体经济人主导下算法技术开发被嵌入了人的非价值理性，此时人的个体偏好被嵌入到算法形成的过程之中，包括由于人的机会主义倾向导致算法训练的基础性数据收集、标记与处理等过程中便产生人为的价值偏离，最终算法在训练过程中便嵌入了有偏的人的机会主义因素，最终导致算法歧视等负面社会问题。尤其是在基于“经济人”的工具理性的逻辑下，效率逻辑超越了公平与正义逻辑，在漠视社会伦理价值的前提下，原本具备技术中立的算法技术被人为的利用算法的不可解释性以及不透明性，人为调整与干预算法的决策层或者决策参数产生系列破坏决策正义与决策公平的系列决策行为。比如，在新闻推荐的算法应用中，新闻平台内的个性化推送编辑、内容审核编辑在工具理性主导下追求舆论效应最大化，内容编辑可以参与并且干涉基于算法自动推荐的新闻文章画像，影响文章的关键词、文章属性、媒体源级别等，最终改变了算法推荐新闻的分类模型，最终可能加剧算法个性化推荐的系列社会问题。第二大层面是企业在运行制度逻辑层面的市场逻辑主导，原本的技术中立转向了技术恶德主义。不管是开发算法过程中还是应用算法的各类场景中的各类企业，其在市场逻辑驱动下算法技术被嵌入了资本逐利基因，算法训练与模型优化的过程中，其参数调整皆以企业的利润最大化的市场逻辑出发，相应地，算法也被最大程度地利用到企业运营管理与业务实践的过程之中，比如利用算法实现消费者偏好的自动分析，实施大数据杀熟、算法合谋下的垄断定价、价格歧视以及企业间的合谋行为，最终降低了企业的利益相关方尤其是消费者福利。尤其是在逐利性的资本驱动下，算法被视为操纵商业竞争生态的重要“武器”，巨头互联网企业、平台型企业、人工智能科技企业利用其算法技术开发的技术优势，在资本逻辑下导致算法无限扩张，肆无忌惮地对整个商业生态中的各类组织成员的信息隐私、数据资源以及需求进行获取与分析，进一步强化的算法技术运用的各类社会风险，甚至成为操纵商业生态以及控制社会的始作俑者。第三大层面体现为企业所嵌入的生态层面（商业生态与社会生态），由于人工智能尚相对处于一个初级的大众认知阶段，社会公众对算法技术背后的迭代运行过程存在较大的知识距离，一方面是由于算法本身的復杂性加剧了社会公众尤其是非专业人士理解的难度；第二是算法运行与决策的隐蔽性（黑箱）导致即使人们被算法包围，也很少去反思算法决策带来的失误以及对个人权益的侵害，最终造成了对开发与应用算法的企业追责困难，在算法存在商业机密属性的前提下加剧了算法应用以及算法开发公司的审查与追责难度，难以形成整体性的社会治理合力以应对算法技术异化带来的社会权利的侵犯，进而在企业所嵌入的生态层面难以营造一个算法治理的合意环境。

企业社会责任视角下算法治理的再理解及其治理焦点

目前，围绕提高算法“透明度”破解算法黑箱以及治理算法技术异化开展了大量的研究，既有的研究主要从三类研究视角予以挖掘，第一类视角是从法律规制视角，需要在算法尚未取得人格法律主体地位之前建立算法应用的定责与追责法律规制体系。第二类视角则是从算法解释权的视角认为破解算法技术异化以及治理算法的系列负面社会问题需要赋予算法解释权这一新型法律权利，确保算法技术开发与算法决策具备溯源性、决策规则可解释性。第三类视角则是从技术治理的视角，基于算法技术形成与算法应用的系列过程形成技术的性能与评估标准化治理体系，最终应对算法技术异化以及提高算法的“透明度”。实质上，算法的开发建构与算法嵌入商业场景（算法技术的商业化应用）各个阶段其背后的组织支撑（组织载体）依然是企业主导，既有的基于公共规制、法律权限以及技术治理等多重视角忽视了企业在提高算法透明度以及破解算法黑箱过程中的重要作用，同时也忽视了在算法治理过程中企业所应当承担的重要治理角色。

企业社会责任治理不同于传统的企业社会责任管理，企业社会责任治理的本质是在一定的制度场域之下，企业的多元利益相关方通过打造一个公共治理场域，在这一场域之中，各类企业社会责任治理主体（企业、政府组织、社会组织与社会公众等）共同实施相应的企业社会责任治理机制（包括企业社会责任正式治理机制与非正式治理机制）对企业的社会责任认知理念与管理实践予以规制、规范与影响，进而有效约束企业的机会主义行为，使得企业真正做到对社会负责任，实现企业创造涵盖经济、社会与环境综合价值的可持续。相应地，在企业社会责任治理的逻辑下，算法治理的主要目标在于最大程度地规避企业机会主义倾向，并最大程度地撬动企业对社会负责任的意愿与动力，有效规避算法开发与算法应用潜在的社会风险。因此，从算法技术异化的逻辑归因视角，企业社会责任治理下的算法治理的治理框架设计需要着力于三大层面。

第一大层面为围绕企业内的算法技术开发与运用的技术研发团队的责任型技术创新制度设计，强化对算法开发过程中的数据收集与处理过程、算法训练过程中的负责任价值理念的宣贯，并着力于强化以人为中心的技术创新意识，充分考虑到算法技术在设计、开发与运用过程中潜在的负面社会影响，尽可能地披露算法具备标准化的系列技术参数与相应决策可能的社会风险评估结果，保证算法设计、开发与形成运用过程中能够符合人本主义下的道德伦理价值取向，在算法的源头层面最大程度地规避由于技术团队的潜在机会主义带来的算法技术异化问题。

第二大层面为围绕企业内部的社会责任治理制度设计，重新反思在人工智能时代尤其是算法嵌入企业运营与管理的过程中的社会责任内容维度。传统企业社会责任缺失与异化主要从企业主体视角出发，认为企业的运营管理与业务实践对企业的利益相关方带来了利益损害，损害了社会总体的社会福利水平，企业“以不负责任的方式行事”伤害诸如消费者、股东、政府、供应商以及社会等多元利益相关方的利益，但是在人工智能背景下算法逐步嵌入到企业的运营与管理决策过程中，因此面对算法这一具备独立属性的新型决策系统，需要将算法治理纳入到企业社会责任的基础性维度之中，即传统企业社会责任的内容维度需要进一步延扩，将治理算法技术异化以及衍生的负面社会问题纳入到企业的社会责任内容框架之中。具体的治理思路应当着重于企业社会责任披露体系下的算法披露体系建设，一方面在算法的源头层面加强对算法的数据来源、数据收集标准、算法学习训练标准（数据分析处理过程）予以合规化披露，另一方面构建算法决策的潜在影响与风险评估的披露体系建设，最终在企业内部层面构建算法的责任披露制度、算法透明度管理制度、算法影响的责任评估制度等算法治理制度体系。

第三大层面为强化算法开发与算法应用企业链接的良性治理生态建设，在商业生态层面，强化算法开发企业尤其是互联网平台型企业在整个商业生态圈中的数字牵引与生态化治理功能，以算法应用场景为分类标准，对应用人工智能的相应的企业进行社会责任治理牵引，通过平台企业牵引的各类用户（商家、消费者、互补者等）与社会性利益相关方实现平台企业对不同商业生态圈中不同生态位的治理责任赋权，明确不同生态圈中的技术开发者、竞争性算法开发平台、消费者用户、监管主体与其他社会公众构成的主要生态位与扩展型生态位）在基于数字智能平台所打造的商业生态圈中的算法治理的权限与义务。在社会生态层面强化社会公众对算法治理的社会期望与舆论引导治理功能，最大程度地缩短社会公众与算法之间的知识距离，强化社会公众中的专业人士在算法治理中的认知引导功能，尤其是对于算法开发与人工智能协会需强化对算法设计的透明度要求，最大程度提高算法透明度，细化算法开发者与算法应用者的基本法律责任与社会责任。

基金项目：全国哲学社会科学基金重大项目“建设世界科技创新强国的战略比较与实现路径研究”（17ZDA082）； 國家自然科学基金应急管理项目“我国解决关键核心技术‘卡脖子问题的体制机制、组织模式与政策研究”（71941026）。