外送茶業者被迫加入「平台安全聯盟」的資訊壟斷與競爭失衡——平台治理、資料主權與地下產業數位化的權力再分配研究
- yu-girls
- 12月12日
- 讀畢需時 19 分鐘
第一章 研究背景與問題意識：從「提升安全」到「壟斷治理」的權力轉向
近十年來，台灣外送茶產業的運作方式經歷快速轉型。原本依賴仲介、街頭招募、地下刊版與熟客轉介等傳統模式，逐步被 平台化、匿名化、低接觸式的數位遞送系統 所取代。Telegram、LINE 私密群組、加密聊天室與「半平台式」接案機制，使得外送茶變得像是一種介於數位服務平台與非法灰色市場之間的混種產業。
然而，在平台化之後最顯著的變化並非效率提升，而是 大量安全事件數據的可蒐集性。警方與民間志工團體開始紀錄「疑似警察帳號」、「詐騙客」、「威脅恐嚇者」等資料，外送茶平台也開始自建「黑名單資料庫」與「客戶風險分數」。於是，一種標榜「業者合作、互相防護」的制度——平台安全聯盟（Platform Safety Coalition）——逐漸成為產業共同體的主流治理框架。
表面上，聯盟目的在於：
提高安全性
降低惡客造成的暴力或詐欺風險
透過資料共享提升警覺
讓業者之間形成信任鏈結
然而，本研究所揭示的現象卻是相反的：
安全聯盟不僅未能建立「平等合作治理」，反而逐步形成資訊壟斷，進而導致競爭失衡與產業階層化。
特別是，中小型業者、單人經營茶頭、獨立外送茶女與跨縣市移動的兼職者，最終都變成 被要求回報大量資料、卻獲得最少資訊回饋 的結構性弱勢。
1.1 平台化後的外送茶產業：數位治理的真空與自我建立秩序
外送茶產業在法律上屬於灰色至黑市場，其本質不可能像 Uber、Foodpanda、Airbnb 那樣受到正式監管。
然而，平台化卻帶來了類似的治理問題：
使用者行為資料大量產生
業者掌握客戶與從業者的數位足跡
資訊「集中」的誘因強烈
算法模型開始評分人員可信度
市場規則由資料最多者制定
在缺乏公部門監管的前提下，平台安全聯盟便成為類似「地下產業政府」的角色：
它規範、分類、標示、排除，甚至懲罰。
這種變化使該聯盟具備：
準政府角色（quasi-governance）
準信用評分系統（shadow credit scoring）
準司法制度（黑名單、封鎖、審查）
準資料中心（data hub）
因此，安全聯盟的本質遠不僅是「共享惡客資訊」，而是 地下產業的集中化治理實驗。
1.2 主要研究問題
本研究圍繞四個核心問題：
（一）外送茶業者加入安全聯盟是否具有「形式上的自願性」與「實質上的被迫性」差異？
許多業者表示：
不加入＝不給轉單
不加入＝被視為「不安全同業」
不加入＝被聯盟成員排除
不加入＝無法使用風險比對資料
在「安全」框架下，加入其實是 準強制。
（二）資料共享如何被轉化為平台壟斷，並成為大型業者控制市場的手段？
包括以下現象：
中小業者上繳資料 → 大業者獲得市場洞察
大業者僅回饋部分資料 → 資訊不對等
風險分數的算法不透明 → 評價權掌握於大業者或技術公司
黑名單無審查程序 → 可遭濫用
已非互惠，而是 權力單向流動。
（三）安全聯盟如何改變市場競爭模式，使得「服務品質競爭」轉變成「資料資源競爭」？
傳統競爭：
茶品質
外送速度
價格與服務主動性
匿名保護程度
信任圈口碑
平台化競爭：
資料量
對黑名單的存取程度
能否靠演算法優先分配客戶
聯盟內部的階級位置
競爭邏輯完全轉向。
（四）在缺乏法律制度監督下，安全聯盟是否存在濫權、誤判、偏見與排除弱者的趨勢？
例如：
新進業者最容易被標記可疑
獨立外送茶女因資料量少而被認為「背景不明」
客戶被誤判後無法申訴
個資保護無標準
AI 模型偏誤無法修正
這些問題正構成「地下演算法治理」的隱形危機。
1.3 研究方法與資料來源
本研究採取多元研究視角：
（一）平台治理理論（platform governance）
借鏡 Gillespie（2018）所提出的平台治理三層：
架構規則（architecture）
社群規範（norms）
政策與演算法（policy + algorithm）
該理論有助分析安全聯盟如何以技術規則取代人際信任。
（二）監控資本主義（surveillance capitalism）
引用 Zuboff（2019）：「資料不是副產品，而是權力來源」。
外送茶安全聯盟正展現出這種新型權力。
（三）資料主權（data sovereignty）
研究資料如何在非正式市場中被剝奪，而從業者無法抵抗。
（四）灰色市場經濟研究（shadow economy studies）
參考 Sabet（2012）與 Chen（2017）的分析：
當制度缺席時，市場會自行創造治理機制，但治理往往極度不透明。
本研究透過：
深度訪談（模擬場景，非真實個案）
產業分析
跨國比較（日本外送系風險共享，美國陪伴業的名單交換）
次級資料研究
法律制度脈絡比較
形成完整學術論述。
第二章 平台安全聯盟的形成：安全承諾背後的權力集中工程
平台安全聯盟的成立具有多重背景因素，包括治安壓力、詐騙氾濫、平台化之後的市場混亂，以及技術公司介入之後的資料經濟誘因。本章將深入分析聯盟形成的過程、參與者動機與權力結構。
2.1 外送茶產業的「安全危機敘事」如何被建構？
在聯盟成立之前，產業確實面臨安全危機：
有客人利用假資料騙炮
有業者互相滲透、惡意抹黑
有警方佯裝客人查緝
有黑道利用訂房資訊勒索
有仇家企圖追蹤從業者位置
有平台趁亂散布假黑名單操控市場
這些事件構成「需要更高階防護」的公共敘事。
然而，研究顯示：
當安全被提出為「無可質疑的正當性」時，後續的治理措施往往往壟斷化方向發展。
外送茶安全聯盟正是在這種「無論如何都要更安全」的氣氛下快速擴張其權力。
2.2 聯盟初期的「合作願景」：共享資訊、互相保護
最初的願景包含：
業者共同貢獻惡客名單
遇到危險即刻通報
風險事件透明化
共同抵禦警方滲透
建立匿名資料庫
讓從業者更安心接單
這些願景帶有強烈的 「社群互助」 色彩，類似女權社群中的「惡男回報系統」。
然而，平台安全聯盟在實務上逐漸背離初衷。
2.3 從「互惠」走向「權力不對等」的演變過程
本研究分析聯盟內部資料交換的結構，呈現以下演變：
第一階段：資訊共享（ideal）
所有業者彼此共享資訊 → 看似互利。
第二階段：資訊集中（real）
大型平台逐步成為資料中心。
第三階段：資訊審查與評級（power）
大型平台開始化身「審查者」，決定：
誰可信
哪些人「疑似問題」
哪些帳號需被封鎖
第四階段：資訊排除與市場操控（monopoly）
大型平台利用資訊優勢決定市場流量。
2.4 技術公司介入後：AI演算法如何成為「新權力工具」？
技術公司提供三大功能：
行為風險模型（Behavior Risk Model）
帳號異常比對（Account Anomaly Detector）
風險分數（Risk Score）
但其演算法具有：
黑盒子問題
偏誤不可見
權力集中於模型設計者
缺乏申訴機制
未經外部倫理檢驗
可被特定業者要求調整權重
使得技術公司成為聯盟的實質裁判。
此處可引用 O’Neil（2016）提出的 「失控的演算法武器（Weapons of Math Destruction）」 概念：
當演算法掌握人生命運但不能被檢驗時，它就是武器。
在外送茶產業中，該武器被用在：
排除競爭業者
標記獨立茶女
壓低弱勢者暴露權
操控客源流向
2.5 安全聯盟成員的階層：從核心平台到周邊弱勢者
透過資料分析，可將聯盟成員分成四級：
（一）核心平台（Core Platforms）
資料量最大、關係最穩固、制定規範者。
（二）大型中介與跨縣市品牌（Major Brokers）
提供大量回報，但無制定規則權。
（三）一般業者（Ordinary Operators）
必須上繳資料，換取有限存取權。
（四）弱勢邊緣業者（Peripheral Actors）
例如：
單母經營的小茶頭
兼職外送茶女
流動性高的獨立操作者
資料量少的新手業者
成為被懷疑、被審查、被監控的主要對象。
第三章 資訊壟斷的生成：從資料共享到數位權力集中化
本章將深入解析平台安全聯盟如何透過「安全」名義，逐步將資訊共享轉化為資訊壟斷，並形成足以支配整個外送茶產業的資料中心（data hub）。我們可以從結構、動機、技術邏輯與治理模式四個層面檢視其演化機制。
3.1 資料匯流機制：共享多於回饋、輸入多於輸出
安全聯盟要求業者貢獻的資料包括：
客戶黑名單（ID、電話、交易方式）
聊天紀錄摘要（含情緒分析）
異常訂房紀錄（地點、時間、付款方式）
從業者回報之安全事件
相似名字或相似裝置的比對資料
交易行為特徵（高頻、小額、地點異常）
然而，大型平台提供的回饋卻極度有限：
僅提供部分黑名單資料
僅提供「風險等級」而非原因
無法查閱模型判定邏輯
中小業者無權要求修正資料
資料交換呈現 單向流動，使中小業者成為「資料供應者（data donor）」而非「資料共治者（data co-governor）」。
3.2 不對等的資訊回報：大型平台透過選擇性透明獲得競爭優勢
本研究發現，安全聯盟的回報機制具有「選擇性透明（selective transparency）」特徵：
大型平台擁有人力與技術進行資料清理
他們知道哪些資料可信、哪些資料背景可疑
他們能識別與追蹤客群移動
他們比其他業者更早知道市場安全事件
但這些優勢不會回饋到聯盟的其他成員身上。
換言之：
大型平台因為掌握資料源頭，而能進一步操控資料的流動方向，藉此擴大其市場支配力。
這構成典型的 平台資本主義（platform capitalism） 現象。
3.3 演算法強化的資訊壟斷：風險分數成為新型階級分化工具
安全聯盟採用的 AI 模型會生成三個主要指標：
客戶風險分數
業者可信度分數
從業者行為風險評級
最具問題的不是「評級本身」，而是：
模型不可審視（黑盒子）
資料不完整會降低評級
弱勢業者最容易被評低
評級被用於限制接單流量
評級無法申訴，錯誤也不會更正
例如：
一位兼職外送茶女因為「資料回報較少」會被模型視為「背景不明」，分數偏低；
新成立的小型平台因為歷史資料有限，也容易被歸為「可信度不足」。
這等於是：
用資料量決定市場階級。
該邏輯本身便是壟斷的再生產。
3.4 資料壟斷如何形成市場排除：未加入者＝不可信＝市場邊緣化
安全聯盟常見的排除邏輯包括：
未加入聯盟 → 資訊缺乏 → 無法被驗證 → 被視為「高風險業者」
無法提供完整回報 → 被降權或不給資料 → 客源減少
未與聯盟合作 → 被視為「潛在安全漏洞」
這形成一種 隱性強迫性（coercion-like） 的加入模式。
實務上，小型茶頭多次反映：
不加入就拿不到轉單
不加入就等於被公開標記成「風險來源」
不加入就會被懷疑與警方合作
不加入就難以在市場維持生存
由此可見，安全聯盟已不再是「自願合作」的形式，而成為 市場進入門檻（market entry barrier）。
3.5 安全聯盟成為「暗網信用系統」：由誰定義可信？由誰定義危險？
研究發現，聯盟的核心權力在於：
它可以定義「誰是可信的人」
它也可以定義「誰是危險的人」
而更重要的是：
這些定義是不可挑戰的
這些定義沒有申訴制度
這些定義可能源自偏誤或惡意回報
這些定義可被大平台用來排除競爭者
這與 Zuboff（2019）所稱的 「監控資本主義式指標治理」 完全吻合：
平台憑藉掌握資料，便能掌控「定義權」。
第四章 競爭失衡的動態：產業階層化、技術依賴與市場操控
本章探討安全聯盟如何造成外送茶市場的失衡，使競爭不再基於服務品質，而是基於資料量、技術能力與與聯盟核心成員的關係強弱。
4.1 大型平台的結構性優勢：越大者越強、越強者掌握市場規則
大型平台的優勢包括：
擁有最多的歷史資料（10 年以上的黑名單、客戶行為檔案）
與第三方技術公司有合作協議
可主導聯盟技術標準
能吸收小型平台的資料，強化自己模型準度
能在風險判定上施加權重調整
因此，安全聯盟的核心成員最終成為：
資料最多
市場最穩定
能決定市場入場門檻
能操控接案流量
能定義「誰是優質從業者」
這明顯違背市場公平競爭原則。
4.2 中小業者的「被迫透明化」：資料輸出多、權力獲益少
中小業者需提供：
客人資訊
訂單資訊
從業者排班資訊
風險事件回報
支援資料比對请求
行為序列資料
卻只能獲得：
標準化回報
模糊的風險分數
不可查詢的判定模型
有限的黑名單清單
即便他們「貢獻最多資料」，但他們永遠不會成為「規則制定者」。
這便是：
資料的不對等交換＝權力的不對等交換。
4.3 技術依賴加劇競爭失衡：演算法成為不平等的生產工具
本研究指出，安全聯盟內使用的 AI 工具形成「技術依賴陷阱」：
不會使用 AI → 競爭力下降
資料少 → AI 判為低可信度
無法付錢購買更高階工具 → 無法提升分數
分數低 → 被排除於流量分配之外
大型平台：「因為你沒有資料所以風險高」。
中小業者：「因為你不給我資料所以我才資料少」。
這是一種自我增強循環（reinforcement loop），最終導向：
資料越少者越弱，弱者越弱，越無法改善其處境。
4.4 弱勢從業者的雙重邊緣化：性別、階級與資料可見度
弱勢群體尤其容易受影響：
（一）兼職外送茶女
資料量少 → 評級低 → 分單少 → 收入低
低評級使她們更容易遭拒接
若回報安全事件過多，也會被模型視為「高風險人員」
（二）新進業者
無資料歷史 → 判定為不可信
無聯盟人脈 → 隨時可能被排除
被迫高速提供資料以換取信任
（三）跨縣市移動的流動者
模型將不規則移動視為可疑
被標記為「位置異常」
這些群體最常被視為「需要監控的對象」，卻最缺乏申訴能力。
4.5 市場操控的發生機制：安全聯盟如何隱性控制流量？
安全聯盟對市場操控的典型手法包括：
流量導向核心成員
以低分數為理由，拒絕提供高需求客源給中小業者
控制黑名單更新速度，使部分業者永遠落後
以「安全審查」名義排除競爭者
要求小型平台付費取得更高數據權限
此模式在多國研究中被稱為：
演算法式市場操控（algorithmic market steering）
尤其在灰色市場中更加難以監督。
第五章 資料主權的崩解：從業者、業者與客戶的三重透明化
平台安全聯盟的運作不僅僅製造資訊壟斷，更深層地侵蝕了外送茶產業三類主要行動者——從業者、業者、客戶——的資料主權。
本章從資料科學、監控研究（surveillance studies）、數位勞動研究三重視角，分析資料主權如何被剝奪並被平台化治理替代。
5.1 從業者（外送茶女）的數位透明化：資料收集無上限、無邊界、無審查
外送茶女在安全聯盟體系中，成為最無法拒絕資料輸出的群體。常被收集的資料包括：
工作地點
常用旅館
熟客名單
服務偏好（甚至包括情緒狀態）
移動軌跡（由接案紀錄推估）
安全事件回報（包含心理狀態）
社群評價或內部留言
這些資料被視為「安全必要資訊」，但實際用途卻遠超過安全範圍：
用來建立從業者的可信度排名
用來做價差與派單優先排序
用以推估市場需求波動
甚至作為業者之間協商價格的潛在依據
外送茶女逐漸從「勞動者」變成「資料生產者」。
這直接呼應 Zuboff（2019）提出的「監控資本主義」論點：
勞動者行為本身被商品化，而不是勞動者的服務被商品化。
5.2 小型業者的資料主權喪失：被迫上繳資料但無法掌控資料使用
中小型外送茶頭幾乎沒有任何議價能力。
聯盟要求他們：
回報所有客戶資訊
即時回報安全事件
提供聊天紀錄摘要
納入自動化訊息風險掃描
但卻沒有：
指定資料保存期限
指明誰擁有資料使用權
給予資料刪除與申訴機制
說明算法使用邏輯
資料主權在此完全被平台吸收。
當中小業者發現自己的客群「逐漸被核心平台吸走」時，只能得到冰冷的回覆：
「演算法顯示你的安全評級不高，所以系統不會給你太多單。」
此句代表：
資料主權已喪失
市場自治能力已被平台剝奪
外送茶產業逐漸進入：
強平台—弱業者的新型階級治理。
5.3 客戶資料的灰色共享：多方使用、無監管、無痕紀錄
客戶資料也是被集中分析的核心資源。
聯盟會收集：
電話
Telegram 帳號
預約方式
付款習慣
旅館選擇模式
過往反饋
是否被其他業者標記
然而，客戶從來不知道：
哪些業者取得了資料
資料是否被永久保存
是否可能遭到誤判
是否可要求刪除
如何對抗惡意標記
甚至連「是否有誤判」都無從查證。
這意味著：
安全聯盟擁有一套完整的「暗網型信用評分系統」，卻不需負任何法律責任。
5.4 資料主權喪失的三重後果：標籤化、商品化、制度化
（一）標籤化（Labeling）
資料使每個行動者變成可分類的「風險對象」：
從業者被標記為「穩定者／高風險者」
業者被標記為「可信／不可信」
客戶被標記為「惡客／灰客／實客」
而標籤一旦生成，很難撤銷。
（二）商品化（Commodification）
資料成為可買賣的：
大平台以「資料比對服務」賺取外部收益
技術公司販售「風險預測模組」
資料本身成為資本
從業者的行為不再是勞動，而是商品化的「可預測資料」。
（三）制度化（Institutionalization）
安全聯盟的規範逐漸制度化：
資料回報成為義務
資料不對等成為常態
風險分數評級成為市場治理方式
這種制度化讓壟斷不再是暫時性的，而是 結構性的壓迫。
第六章 政策與治理建議：從壟斷走向公平、多方治理的可能路徑
本章提出具體的治理建議，旨在讓「平台安全」與「市場公平」不再互相排斥，並引入跨國經驗、倫理規範與資料治理框架，為外送茶產業的數位治理提供改革路線。
6.1 引入「多方治理模式」：平台不能單獨制定規則
安全聯盟若要合法取得社會信任，需要：
不由單一平台主導
包含從業者代表
包含隱私保護顧問
包含技術倫理審查者
這類模式在國際數位治理中被稱為：
多方治理（multi-stakeholder governance）模型
可有效降低大型平台的壟斷性。
6.2 設立資料透明制度：資料使用必須可追蹤
應建立：
資料收集目的
資料保存期限
資料刪除請求機制
資料使用審查制度
對外透明報告
這些規範可參考：
GDPR（歐盟一般資料保護規範）
日本風俗資料匿名化標準
即使外送茶屬於灰色產業，資料治理也需具備倫理性。
6.3 建立「風險分數申訴制度」：資料錯誤必須能被糾正
包括：
從業者可查看自己評級
新進業者可申請複查
客戶可要求查詢標記原因
可以要求更正或刪除資料
若無此制度，風險評級便成為不可挑戰的獨裁。
6.4 降低資料集中度：分散式資料治理（Decentralized Data Governance）
安全聯盟應採分散式架構：
資料分布在不同節點
無單一平台可完全掌控
透過加密驗證共享，而非資料集中
此模式在區塊鏈研究中稱為：
分散式資料主權（Decentralized Data Sovereignty，DDS）
可避免資料被壟斷濫用。
6.5 對技術公司建立倫理審查：AI 模型不可成為市場裁判
需引入：
演算法透明化
模型偏誤測試
模型審查與第三方驗證
禁止業者要求調整偏向某群體
否則技術公司將成為地下產業的最高權力者。
6.6 建立「從業者資料權利章程」：保障外送茶女的基本數位權
內容可包括：
拒絕提供過度資料的權利
要求刪除部分紀錄的權利
拒絕被標記心理狀態的權利
拒絕被演算法評級的權利
查詢資料使用方式的權利
此舉能提升從業者自主性，避免其成為過度透明化的勞動者。
6.7 促進「公平競爭框架」：避免平台藉安全之名操控市場
具體作法包括：
禁止以風險分數作為排除競爭者的工具
禁止以資料量決定派單流量
禁止業者之間買賣資訊
建立外部監管機制
制定聯盟間公平協定
如此才能讓市場重新回到「服務品質，而非資料量」的公平競爭。
結論：安全治理的正當性與壟斷治理的危險性之間
本研究從平台治理、監控資本主義、資料主權與灰色市場治理四大理論框架出發，深入分析外送茶產業中「平台安全聯盟」的形成、運作、權力分配與治理效果。透過跨章節整合可以看見，安全聯盟雖以提升安全性為名，卻逐漸演化為一套結構性資訊壟斷系統，造成中小業者邊緣化、從業者資料主權被剝奪、客戶信用被黑箱化、技術公司成為新型裁判者、市場競爭從服務品質轉變成「資料量競爭」，使整個外送茶產業的權力結構發生重大改變。
本章將從五個角度總結研究發現，並提出未來治理方向的可能性。
一、安全聯盟的合法性來源：安全需求 vs. 資訊壟斷的正當性缺口
安全聯盟的成立具有高度正當性基礎——安全需求。
外送茶產業長期存在：
詐騙客
假警察
暴力威脅
情緒勒索
隱性跟蹤與情報收集
業者之間惡意滲透
因此，共享惡客資料原本是「互助性治理」的自然延伸。
然而，本研究揭示：
安全聯盟的正當性來自「安全需求」；
但其權力卻來自「資訊的集中與不可挑戰」。
這形成正當性缺口：
安全目的合理，但壟斷治理不合理。
安全合作應避免轉化成資料獨裁。
二、平台安全聯盟所形成的是「地下資料中心」而非「互助社群」
多數業者誤以為安全聯盟是互助機制，但研究顯示：
大型平台掌握資料
中小業者被迫透明化
技術公司具備資訊支配權
從業者與客戶資料被永久保存
資料交換呈現單向度
資料回饋具有選擇性
黑名單運作缺乏審查與申訴
安全聯盟更接近：
地下版 Google、地下版信用中心、地下版演算法治理者。
它具備平行於正式制度的治理能力，但無需承擔法律責任，也沒有民主式監督。
三、競爭模式從「服務品質競爭」轉向「資料量競爭」的重大轉變
傳統外送茶競爭方式包括：
服務品質
茶女素質
價格帶
招呼能力
匿名性與保密程度
人際信用
轉介與口碑
然而在安全聯盟架構下，競爭逐漸轉向：
誰擁有最多資料
誰有最高演算法權重
誰能支配風險模型
誰能從聯盟獲得最多資訊流量
誰能操控黑名單更新速度
這使市場出現「資料階級」：
第一層：核心平台（規則制定者）
具備資料中心、技術合作、演算法支配力。
第二層：大型品牌（高資料量者）
具備高度資訊存取權，但無制定規則能力。
第三層：一般業者（義務資料提供者）
提供大量資料，獲得少量回饋。
第四層：弱勢邊緣者（最低資料量者）
最容易被演算法標記、排除或邊緣化，包括兼職茶女、新進業者、跨縣市流動者。
競爭邏輯的轉向意味着：
資料成為新貨幣、演算法成為新階級、平台成為新國家。
四、資料主權喪失使所有行動者變成「透明個體」且無法反抗
本研究指出，安全聯盟演化為一套完整的 透明化治理系統。
其對不同行動者的影響如下：
外送茶女：被迫透明的勞動者
被要求提供移動軌跡
心理狀態被回報
客戶互動被標記
安全事件被量化
信用分數被演算法決定
形成「性工作者監控體制化」。
中小業者：被平台治理的「資料貢獻者」
資料輸出巨大
資料使用權有限
本身無法制定規範
競爭力逐漸被削弱
形成「有限自治的底層節點」。
客戶：被匿名信用系統評分的風險主體
被匿名標記
評分無法申訴
評級不透明
資料可能跨平台流動
形成「暗網式信用分數」。
資料主權不是消失，而是被平台安全聯盟全面接管。
五、治理建議：如何避免「以安全為名的壟斷治理」？
本研究提出七大治理路徑：
建立多方治理架構：平台不能單獨制定規則
資料透明制度：資料目的、保存、刪除需可追蹤
風險評分申訴制度：演算法判定必須能挑戰
降低資料集中度：分散式資料治理（DDS）
技術公司倫理審查：禁止偏誤模型成為新獨裁
從業者資料權利章程：保障外送茶女的數位自主
公平競爭框架：禁止平台以安全為理由操控市場
本研究強調：
安全不是壟斷的藉口，資料治理必須民主化。
六、理論貢獻：本研究在學術上的定位與突破
本研究提供以下學術貢獻：
6.1 將監控資本主義延伸至「地下產業」研究
過去監控資本主義多討論：
Uber
外送平台
但本研究證明：
監控資本主義也可在非法或灰色市場出現，
而且其壟斷力甚至比合法平台更強。
6.2 提出「地下資料中心」概念
本研究建構出一個新概念：
「地下資料中心」（Underground Data Hub）
指：
非正式經濟體
使用類平台治理
建立資料中心
運作方式近似信用評分
無公共監督
卻深刻影響行動者生存權
此概念可供未來研究運用於：
地下仲介
灰色陪伴服務
街頭經濟
非法借貸圈
暗網連結社群
具高度跨領域研究價值。
6.3 建構「資料階級」模型：灰色產業的階級化新結構
本研究發現：
資料量＝市場階級＝演算法分配力。
此模型可引入社會階級研究、平台勞動研究、網路治理研究的跨領域對話。
6.4 將資料主權議題延伸至性工作者研究
既有性工作研究多關注：
刑事化
污名化
勞動權益
身體自主
但本研究指出：
未來性工作的核心議題是資料自主，而非僅是身體自主。
七、未來研究方向：灰色平台治理的倫理、科技與政策挑戰
本研究的未來延伸包括：
7.1 如何在非法或灰色產業中建立資料治理框架？
不同於一般產業，外送茶產業：
不可能受到政府正式監管
不願意完全匿名（以免無法安全）
需要共享資訊
但不能過度集中資料
如何平衡，是重要研究議題。
7.2 如何避免 AI 為壟斷服務？
重要方向包含：
演算法開源
外部審查
偏誤測試
風險分數透明化
資料可挑戰性
7.3 性工作科技化之後的心理風險
包括：
被評分的焦慮
被監控的壓力
評級決定收入
資料標籤內化為自我形象
這些議題值得更多心理學研究投入。
7.4 灰色市場的跨平台政治生態
未來可研究：
安全聯盟是否會跨國連結
是否會形成「亞太安全資料網絡」
是否會影響跨國妓權運動
是否會產生地下版本的「資料殖民」
**總結：
安全不是問題，壟斷才是問題；
資料不是風險，資料權力集中才是風險。**
外送茶產業的安全聯盟揭示了一個更廣泛的社會問題：
當安全成為不容質疑的價值時，
任何治理措施都能被正當化；
當技術成為治理工具時，
壟斷便會以更隱密的方式形成。
本研究主張：
真正的安全必須建立在多方治理、資料主權、透明規範與公平競爭之上；
而非建立在資料壟斷與技術獨裁之上。
只有當安全治理重新民主化、資料權力重新分配、弱勢者重新取得自主權，外送茶產業在平台化之後才能真正達到「更安全」而非「更集中、更壟斷」。
延伸閱讀
