网约车司机、骑手等权益保障出台新规：不得滥用罚款等惩罚性措施，账号封禁必须人工审核
一个网约车司机行驶途中爆胎，主动取消了订单。平台算法识别不了“车辆故障”这个场景，只判定“司机主动取消”违规，账号封禁三天，攒了几个月的免佣卡一并作废。他反复找客服，得到的回复只有五个字——“系统判定”。他不知道该找谁申诉，也不知道封号的具体依据是什么。账号就是饭碗，三天不能接单，损失就是实打实的营运收入。
这种“一秒封号、申诉无门”的处境，在2026年10月8日被正式写进了监管文件。人社部联合七部门发布《新就业形态劳动者权益保障办法（征求意见稿）》，公开征求意见至11月8日。文件共54条，首次以部门规章形式将网约配送员、网约车司机、网约货运司机、网络主播等群体纳入劳动法律制度保障，覆盖约8400万新就业形态劳动者。
其中最受关注的一条是：企业作出停止派单、封禁账号、数额较大的赔偿等涉及劳动者重大利益的决定，除事关公共安全、公共利益的重大紧急情况外，应当由人工对相关事实和依据进行审核，不得由算法自动作出决定。这条规则改的不是技术本身，是决策权的归属。
算法当判官的那些年，代价是一成收入
先看清楚旧逻辑的运行方式。
过去的封号流程是“算法先封、人来申诉”。算法只看结果不看原因——订单取消了，判定违规；配送超时了，判定违规；乘客投诉了，判定违规。至于取消订单是因为爆胎、超时是因为商家出餐慢、投诉是因为乘客记错了地址，算法一概不关心。武汉一位网约车司机在留言板上写道：平台因系统误判，有两笔订单被判定为有责并扣除服务分，后因投诉核查后撤销了处罚，但在此期间另外订单取消，导致系统判定取消订单过多，账号被封停三天，封停期间的损失平台未作任何补偿。
这笔账用数据算得出来。《中国即时配送安全白皮书》显示，超时罚款占到骑手月收入的7%到15%。以月均收入不足6000元、日均工作超10小时的骑手群体计算，一个月被超时罚款划走的钱，少则四五百，多则近千元。而这些超时里面，相当一部分是商家出餐慢、小区不让进、电梯等太久这些骑手完全控制不了的因素造成的。
网约车司机的情况略有不同，但痛感一致。全国持证网约车司机超过700万，平台登记的网约配送员约1200万，两个群体加起来接近2000万人。账号就是饭碗。高德聚合平台的一位成都司机被服务商判定违规封禁后，被强制要求参加线下7天合计28课时的培训才允许恢复接单。一个以开车为生的人，七天不能接单，损失接近两千元。
更棘手的是“关联惩罚”。一次严重交通违规会触发全行业黄码或红码，接单量直接砍半，再犯两次全行业拉黑。技术手段在提升交通安全的同时，也把“一次误判”的后果从“一个平台停摆”放大到了“整个行业停摆”。
新规的硬约束：先审后封，48小时必须有人回复
征求意见稿把这件事的逻辑翻转了过来。
核心规则只有一句话：停止派单、封禁账号、数额较大的赔偿这三类决定，必须由人工对事实和依据进行审核。唯一的例外是“事关公共安全、公共利益的重大紧急情况”，此时算法可以先行处置，但事后必须及时进行人工复核。
什么叫“重大紧急情况”？征求意见稿没有给出穷尽列举，但从立法逻辑推断，指的是骑手在配送途中发生严重交通事故、网约车司机被举报存在暴力威胁乘客行为这类需要立即切断接单权限以防止危害扩大的场景。日常的超时、取消订单、乘客差评，不在这个例外范围内。
更关键的是申诉端的设计。征求意见稿要求企业建立常态化沟通和申诉机制，劳动者对劳动报酬、工作时长、考核评价、封禁账号等提出异议的，企业应当核实处置，并在48小时内人工答复。48小时这个数字是硬的。过去骑手和司机申诉之后，等三天五天没回音是常态。新规把这个窗口期锁死在两天以内。
还有一个容易被忽略的条款：劳动者与平台发生争议时，可以将平台企业和平台用工合作企业列为共同当事人。这一条解决的是“找不到被告”的问题。骑手和司机在法律上大多不属于平台的正式员工，而是与第三方外包公司或众包平台签约。出了纠纷，骑手想告平台，平台说“你不是我的员工”；想告外包公司，外包公司说“账号是平台封的，我们管不了”。共同当事人制度把两方拉到同一张桌子前，堵住了这个责任逃逸的通道。
在罚款和劳动强度方面，新规同样划出了明确的底线。企业应当完善考核奖励办法，鼓励采取正向激励方式，不得滥用罚款、降低等级、封禁账号等惩罚性措施。连续工作4小时的，应当保障劳动者适当的休息时间。法定节假日和恶劣天气工作应当支付更高报酬。
平台这一侧的账：算法省下来的钱，现在要还回去
换个角度站到平台这边看，这笔合规成本是真实的。
AI处理十万条数据的成本只需2元。把“秒级自动决策”改成“人工审核”，意味着原本由算法承担的账号处置工作量要由人来承接。按现有封号量级估算，一家头部平台每天需要人工审核的账号处置申请可能在数千条级别。即便按每条审核耗时五分钟、审核员时薪40元计算，一天的增量人力成本就在数万元量级，全年可能达到千万级别。
但监管并非从零起步。2026年1月中央网信委印发《生活服务类平台算法负面清单（试行）》之后，各重点平台已实施优化改进措施63项、承诺遵守算法要求139项。其中高德已把“停止派单”“列入黑名单”等影响司机重大权益的决定100%转由人工复审，滴滴和T3出行则提前向司机下发预处理通知书，把“先封后说”改成了“先说后封”。
新规更像是把这轮行业整改从“企业自发”升级为“法定底线”。但一个关键问题目前没有答案：公开渠道里，查不到任何一家主流平台披露过“全量账号封禁实现人工审核”新增了多少岗位、多花了多少钱，也没有权威机构测算过这笔成本占平台营收的比例。这笔账算不清，就无法判断平台会不会把它转嫁到抽成或运价上。目前没有出现任何一家平台调整抽成、定价的落地动作。
制度层面还有几处空白
规则写得漂亮，但它现在还是征求意见稿。从10月8日到11月8日，有一个月的公开征求意见期。这是它在“纸面”和“落地”之间隔着的第一道距离。
更实际的空白是施行日期。征求意见稿第五十四条的表述是“本办法自 年 月 日起施行”，年月日字段至今为空白，官方未透露任何预计施行时间。一项需要平台投入大量人力进行系统改造的规则，没有明确的生效时间表，平台的改造节奏就缺乏硬性约束。
第二处空白是“人工审核”的质量标准。新规要求人工审核，但没有规定审核人员的资质、培训标准和考核机制。如果人工审核只是把“算法判违规”换成“客服点确认”，那不过是把模板化回复的发出者从机器换成了人。真正的“人工审核”需要审核员有权调取订单全链路数据、有权推翻算法的初始判定、有权在事实不清时作出有利于劳动者的裁决。这些操作权限的设计，征求意见稿没有涉及。
第三处空白是成本转嫁的防火墙。平台增加合规成本之后，如果通过提高抽成、降低单价、压缩奖励来消化，劳动者的实际收入可能不升反降。征求意见稿在“劳动报酬”章节规定了结算周期和最低工资底线，但没有建立抽成上限的动态调整机制。清华大学的一项实证研究显示，受访网约车司机中约半数实际月抽成比例在15%到20%，另有25.8%的司机认为自己的月抽成在25%到29%。这个抽成水平不在新规直接管束的范围内，但它决定了“人工审核”带来的收益能不能真正落到司机口袋里。
欧盟正在做的，是同一件事的另一面
把视野拉宽一点看，这不是中国独有的监管方向。
2024年10月，欧盟通过了《平台工作指令》（Directive (EU) 2024/2831），首次在欧盟层面建立了针对平台工作中“算法管理”的监管框架。指令要求数字劳动平台在使用自动化系统作出影响劳动者的决定时，必须遵守特定的保障措施，包括对自动化决策的人工监督、对劳动者关于算法决策的知情权和异议权。各成员国需要在2026年12月2日之前完成国内立法转化。意大利政府已在2026年7月批准了转化草案，引入平台工作者的雇佣推定和自动化决策的透明度要求。
荷兰数据保护局对Uber的处罚是一个更具体的先例。该机构认定Uber完全依赖自动化系统处理司机投诉、未有人工审核参与，对其处以约8.25亿欧元的罚款。Uber回应称处罚“缺乏依据”，但这一案件确立了“完全自动化处置劳动者权益”在数据保护框架下的违法性。
国际经验指向同一个结论：当平台算法在事实上行使了“雇主”的惩戒权时，它就必须接受与人类雇主同等的程序约束。中国的征求意见稿走的是同一条路，只是路径不同——欧盟通过数据保护和雇佣推定切入，中国通过劳动权益保障切入。
三条值得盯紧的事
第一，征求意见的窗口期还有不到一个月。 10月8日到11月8日，任何个人和组织都可以通过人社部官网提交意见。“人工审核的48小时答复时限是否够用”“算法先行处置的‘紧急情况’如何界定”“审核人员是否需要独立于平台运营部门”这些问题，是值得认真提意见的方向。
第二，平台的改造进度值得持续关注。 高德、滴滴、T3已经走在了前面，但人工审核的覆盖率、审核质量和审核时效，需要外部监督来验证。江苏泗阳推动本地平台代理建立申诉机制后，1160名骑手的诉求平均处理时长从4天压缩到1天，当地12345热线外卖骑手投诉从月均14条降到2条。这个案例说明，一个有效的申诉机制不需要等到全国性法规落地就能产生可量化的改善。
第三，警惕“合规成本转嫁”。 如果平台在增加人工审核投入的同时，通过调整抽成规则、压缩补贴、提高单量门槛来对冲成本，劳动者的实际收入未必会增加。抽成比例的透明化——订单每一单乘客付了多少钱、司机到手多少钱、平台扣了多少——是判断这个问题最直接的观察窗口。
算法本身没有错。它能做很多人类做不了的事——实时匹配订单、优化配送路线、预测供需波动。但它做不了的一件事，是在“取消订单”和“车辆爆胎”之间建立因果联系，是在“配送超时”和“商家出餐慢了二十分钟”之间做出区分。这种需要理解情境、权衡事实、承担判断后果的工作，从来就不应该交给一个只看结果变量、不追问原因的系统。把封号的权力交还给人类，不是对技术的否定，是对技术边界的一次校准。
