The gig economy's promise was seductive: flexible work, be your own boss, earn on your own schedule. A decade into the platform revolution, the research tells a more sobering story. Workers on ride-hailing, food delivery, and freelance platforms operate under algorithmic management systems that determine their pay, control their behavior, and evaluate their performance—while classifying them as independent contractors who bear all the risk. The 2024–2025 literature offers the most comprehensive picture yet of how these systems function and what they produce for workers.

The Research Landscape

A Systematic Map of the Field

Srihita, Goli, Rajyalaxmi, and Gobinath (2025), with 12 citations, provide a broad bibliometric analysis of 549 gig economy documents from Scopus. Their thematic mapping reveals the field's structure: the dominant research clusters center on platform economy governance, worker well-being, and algorithmic control. The analysis identifies the US and UK as the primary research hubs, with emerging contributions from India, China, and sub-Saharan Africa.

A finding that frames the broader picture: research on the gig economy has shifted substantially since 2020, moving from studies of platform business models (the supply side) to studies of worker experiences and outcomes (the demand side). This shift reflects growing concern that the efficiency gains of platform models may come at the cost of labor protections.

How Algorithmic Management Works

Kadolkar, Kepes, and Subramony (2024) deliver the definitive systematic review to date, with 69 citations. They synthesize literature across computer science, engineering, operations management, and organizational behavior to map how algorithmic management operates in practice. The review identifies five core mechanisms:

Task allocation: Algorithms assign work based on proximity, predicted demand, and worker ratings, creating de facto scheduling that undermines the "work when you want" narrative.

Performance evaluation: Star ratings and acceptance-rate metrics function as continuous performance reviews, with low scores leading to deprioritized task assignment or platform deactivation.

Dynamic pricing: Surge pricing and commission adjustments are invisible to workers in real time, making income unpredictable and preventing informed work decisions.

Information asymmetry: Platforms possess comprehensive data about demand patterns, pricing, and worker behavior; workers see only their own fragment of this information.

Behavioral nudging: Push notifications, streak bonuses, and gamification mechanics encourage continued work during periods that benefit the platform but may not benefit the worker.

The review's central conclusion is that these mechanisms collectively create a management system that is functionally equivalent to employment in its degree of control, while operating under a legal framework that treats workers as independent.

The Psychological Cost

Alacovska, Bucher, and Fieseler (2024), with 19 citations, introduce the concept of "algorithmic paranoia"—the chronic anxiety that gig workers experience when they cannot understand, predict, or appeal the decisions that determine their income. Workers report feelings of being watched, evaluated, and manipulated by systems they cannot see or influence. The opaque nature of algorithmic decision-making—workers know they are being evaluated but not how—produces a distinctive form of psychological distress that traditional management frameworks do not capture.

Living Wage Analysis in Africa

Dzreke (2025) provides the most granular earnings data, analyzing 15,000 ride transactions across Lagos and Accra. The study calculates real hourly earnings after accounting for vehicle costs, fuel, maintenance, platform commissions, and waiting time (the time between rides when drivers are available but not earning). The findings are stark: after costs, the median hourly earning falls below living wage thresholds for both cities. The study challenges the notion that platform work provides meaningful economic opportunity in developing economies, arguing instead that it transfers risk from platforms to workers while extracting value through commission structures.

Worker Resistance

Huang (2025) documents how Chinese migrant food-delivery workers develop "everyday resistance" tactics against algorithmic control. Drawing on James Scott's theory of everyday resistance, the study identifies informal practices: workers sharing information about algorithm behavior through chat groups, collectively timing order acceptance to manipulate surge pricing, and developing mental maps of which delivery zones are profitable versus unprofitable. These resistance tactics are small-scale and individual, but they represent workers developing counter-knowledge about the systems that manage them.

Critical Analysis: Claims and Evidence

<

Claim	Evidence	Verdict
Algorithmic management is functionally equivalent to employment	Kadolkar et al.'s systematic review of five mechanisms	✅ Supported — comprehensive, well-cited review
Workers experience chronic anxiety from opaque algorithms	Alacovska et al.'s qualitative study	✅ Supported — consistent with broader AM literature
Ride-hailing earnings fall below living wages in Lagos/Accra	Dzreke's transaction-level analysis	⚠️ Suggestive — single-study, two-city sample
Workers develop informal resistance strategies	Huang's ethnographic study	✅ Supported — rich qualitative evidence
The gig economy has shifted from opportunity to exploitation	Aggregate across studies	⚠️ Context-dependent — varies significantly by market and platform

Open Questions

Regulatory experiments: The EU's Platform Work Directive, California's AB5, and Australia's gig worker protections represent different regulatory approaches. Which, if any, improve worker outcomes without destroying platform viability?

Algorithmic transparency: Would requiring platforms to disclose their pricing and allocation algorithms change outcomes, or would workers lack the analytical capacity to use the information?

Geographic variation: Is the exploitation narrative primarily about developing-economy contexts, or do similar dynamics operate in high-income countries where alternative employment is available?

Platform design alternatives: Can platform models be redesigned to preserve flexibility while providing minimum earnings guarantees? Worker-owned cooperatives (e.g., Drivers Cooperative in New York) represent one experiment.

Longitudinal outcomes: What happens to gig workers over 5–10 years? Do they transition to other employment, become chronic gig workers, or develop platform-specific careers?

What This Means

The gig economy research is no longer debating whether algorithmic management exists. The question has shifted to how it operates, what it produces for workers, and what should be done about it. The convergent finding is that platform work creates a novel form of labor relationship that existing categories—employment, self-employment, freelancing—do not adequately describe. Regulatory and organizational responses need to match this novelty.

Explore related work through ORAA ResearchBrain.

면책 조항: 이 게시물은 정보 제공 목적의 연구 동향 개요이다. 학술 논문에서 인용하기 전에 특정 연구 결과, 통계 및 주장은 원본 논문과 대조하여 검증해야 한다.

긱 이코노미 노동자와 알고리즘적 착취 — 수익 데이터가 실제로 보여주는 것

긱 이코노미의 약속은 매혹적이었다: 유연한 근무, 스스로가 상사, 자신만의 일정에 따라 수입 창출. 플랫폼 혁명이 시작된 지 10년이 지난 지금, 연구들은 더 냉정한 이야기를 전해주고 있다. 차량 호출, 음식 배달, 프리랜서 플랫폼의 노동자들은 임금을 결정하고, 행동을 통제하며, 성과를 평가하는 알고리즘적 관리 시스템 하에서 일하면서도, 모든 위험을 부담하는 독립 계약자로 분류된다. 2024~2025년 문헌들은 이러한 시스템이 어떻게 작동하며 노동자들에게 무엇을 가져다주는지에 대해 지금까지 가장 포괄적인 그림을 제시하고 있다.

연구 현황

해당 분야의 체계적 지형도

Srihita, Goli, Rajyalaxmi, Gobinath (2025)은 12건의 피인용 수를 기록하며, Scopus에서 수집한 549개의 긱 이코노미 문헌에 대한 광범위한 계량서지학적 분석을 제공한다. 이들의 주제 지형도는 해당 분야의 구조를 드러낸다: 지배적인 연구 클러스터는 플랫폼 경제 거버넌스, 노동자 복지, 알고리즘적 통제를 중심으로 형성되어 있다. 이 분석은 미국과 영국을 주요 연구 거점으로 식별하며, 인도, 중국, 사하라 이남 아프리카로부터의 기여가 새롭게 부상하고 있음을 보여준다.

전체적인 맥락을 구성하는 하나의 발견이 있다: 긱 이코노미에 관한 연구는 2020년 이후 상당히 변화하여, 플랫폼 비즈니스 모델 연구(공급 측면)에서 노동자 경험 및 결과 연구(수요 측면)로 이동하였다. 이러한 변화는 플랫폼 모델의 효율성 향상이 노동 보호를 희생시키는 대가로 이루어질 수 있다는 우려가 커지고 있음을 반영한다.

알고리즘적 관리의 작동 방식

Kadolkar, Kepes, Subramony (2024)는 69건의 피인용 수를 기록하며 현재까지의 결정적 체계적 문헌 고찰을 제시한다. 이들은 컴퓨터 과학, 공학, 운영 관리, 조직 행동 분야의 문헌들을 종합하여 알고리즘적 관리가 실제로 어떻게 작동하는지를 규명한다. 이 문헌 고찰은 다섯 가지 핵심 메커니즘을 식별한다:

업무 배분: 알고리즘은 근접성, 예측 수요, 노동자 평점을 기반으로 업무를 배정하며, 이는 사실상의 스케줄링을 만들어내어 "원할 때 일한다"는 서사를 훼손한다.

성과 평가: 별점 평가와 수락률 지표는 지속적인 성과 평가로 기능하며, 낮은 점수는 업무 배정 우선순위 하락 또는 플랫폼 비활성화로 이어진다.

동적 가격 책정: 수요 급증 가격 및 수수료 조정은 실시간으로 노동자에게 공개되지 않아, 수입을 예측 불가능하게 만들고 정보에 기반한 근무 결정을 방해한다.

정보 비대칭: 플랫폼은 수요 패턴, 가격, 노동자 행동에 관한 포괄적인 데이터를 보유하는 반면, 노동자는 이 정보의 자신과 관련된 단편만을 볼 수 있다.

행동 넛지: 푸시 알림, 연속 수행 보너스, 게임화 요소들은 플랫폼에는 이익이 되지만 노동자에게는 그렇지 않을 수 있는 시간대에 지속적인 업무 수행을 독려한다.

이 문헌 고찰의 핵심 결론은, 이러한 메커니즘들이 집합적으로 통제의 정도에서 고용과 기능적으로 동등한 관리 시스템을 만들어내면서도, 노동자를 독립적 존재로 취급하는 법적 체계 아래에서 운용된다는 것이다.

심리적 비용

Alacovska, Bucher, Fieseler (2024)는 19건의 피인용 수를 기록하며, 긱 노동자들이 자신의 수입을 결정하는 의사 결정을 이해하거나, 예측하거나, 이의를 제기할 수 없을 때 경험하는 만성적 불안인 "알고리즘적 편집증(algorithmic paranoia)" 개념을 도입한다. 노동자들은 자신이 볼 수도, 영향을 미칠 수도 없는 시스템에 의해 감시당하고, 평가받고, 조종당하는 느낌을 받는다고 보고한다. 알고리즘적 의사 결정의 불투명한 특성—노동자들은 자신이 평가받고 있음은 알지만 어떻게 평가받는지는 모른다—은 전통적인 관리 프레임워크로는 포착할 수 없는 독특한 형태의 심리적 고통을 유발한다.

아프리카의 생활 임금 분석

Dzreke(2025)는 라고스와 아크라에 걸쳐 15,000건의 승차 거래를 분석하여 가장 세밀한 수익 데이터를 제공한다. 이 연구는 차량 비용, 연료, 유지보수, 플랫폼 수수료, 그리고 대기 시간(운전자가 대기 중이지만 수익이 발생하지 않는 승차 사이의 시간)을 고려한 실질 시간당 수익을 산출한다. 연구 결과는 명확하다: 비용 공제 후 시간당 중위 수익은 두 도시 모두에서 생활임금 기준치를 하회한다. 이 연구는 플랫폼 노동이 개발도상국 경제에서 실질적인 경제적 기회를 제공한다는 통념에 이의를 제기하며, 오히려 플랫폼이 수수료 구조를 통해 가치를 추출하면서 위험을 플랫폼에서 노동자에게 전가한다고 주장한다.

노동자 저항

Huang(2025)은 중국인 이주 음식 배달 노동자들이 알고리즘 통제에 맞서 "일상적 저항" 전술을 어떻게 발전시키는지를 기록한다. James Scott의 일상적 저항 이론을 토대로, 이 연구는 비공식적 관행들을 식별한다: 채팅 그룹을 통해 알고리즘 행동에 관한 정보를 공유하고, 집단적으로 주문 수락 시점을 조율하여 급증 요금을 조작하며, 어떤 배달 구역이 수익성이 있고 없는지에 대한 인지 지도를 발전시키는 것이다. 이러한 저항 전술은 소규모적이고 개인적이지만, 노동자들이 자신들을 관리하는 시스템에 대한 대항 지식을 발전시키고 있음을 보여준다.

비판적 분석: 주장과 근거

<

주장	근거	판정
알고리즘 관리는 기능적으로 고용과 동등하다	Kadolkar 등의 다섯 가지 메커니즘에 대한 체계적 문헌 검토	✅ 지지됨 — 포괄적이고 인용이 풍부한 검토
노동자들은 불투명한 알고리즘으로 인해 만성적 불안을 경험한다	Alacovska 등의 질적 연구	✅ 지지됨 — AM 관련 문헌 전반과 일치
라고스/아크라에서 승차 공유 수익이 생활임금 이하로 떨어진다	Dzreke의 거래 수준 분석	⚠️ 시사적 — 단일 연구, 두 도시 표본
노동자들은 비공식적 저항 전략을 발전시킨다	Huang의 민족지학적 연구	✅ 지지됨 — 풍부한 질적 근거
긱 경제는 기회에서 착취로 전환되었다	연구들의 종합	⚠️ 맥락 의존적 — 시장 및 플랫폼에 따라 상당히 다름

미해결 질문들

규제 실험: EU의 플랫폼 노동 지침, 캘리포니아의 AB5, 그리고 호주의 긱 노동자 보호제도는 서로 다른 규제 접근 방식을 대표한다. 이 중 어떤 것이, 만약 있다면, 플랫폼 생존가능성을 훼손하지 않으면서 노동자 처우를 개선하는가?

알고리즘 투명성: 플랫폼이 가격 책정 및 배분 알고리즘을 공개하도록 요구하면 결과가 달라지는가, 아니면 노동자들이 해당 정보를 활용할 분석 역량이 부족할 것인가?

지리적 변이: 착취 서사는 주로 개발도상국 맥락에 관한 것인가, 아니면 대안적 고용이 가능한 고소득 국가에서도 유사한 역학이 작동하는가?

플랫폼 설계 대안: 플랫폼 모델이 유연성을 유지하면서 최저 수익 보장을 제공하도록 재설계될 수 있는가? 노동자 소유 협동조합(예: 뉴욕의 Drivers Cooperative)은 하나의 실험 사례를 대표한다.

종단적 결과: 긱 노동자들에게 5~10년 후에는 어떤 일이 일어나는가? 그들은 다른 고용으로 전환하는가, 만성적 긱 노동자가 되는가, 아니면 플랫폼 특화 경력을 발전시키는가?

시사점

긱 경제 연구는 더 이상 알고리즘 관리가 존재하는지 여부를 논의하지 않는다. 질문은 그것이 어떻게 작동하는지, 노동자들에게 무엇을 산출하는지, 그리고 이에 대해 무엇을 해야 하는지로 이동했다. 수렴하는 연구 결과는 플랫폼 노동이 기존 범주인 고용, 자영업, 프리랜서로는 적절히 설명되지 않는 새로운 형태의 노동 관계를 창출한다는 것이다. 규제적·조직적 대응은 이러한 새로움에 부합해야 한다.

ORAA ResearchBrain을 통해 관련 연구를 탐색하라.