Pro-Worker AI（亲劳动者 AI）

定义

Pro-Worker AI 是指使人类专业知识和技能更有价值（而非更不必要）的 AI 发展方向。其核心机制是新任务创建（new task creation）——为劳动者创造与工具协作、获取新专业知识、并使既有专业知识增值的机会，从而"恢复"（reinstate）劳动而非替代劳动。

此概念由 Daron Acemoglu、David Autor、Simon Johnson 三位 MIT 经济学家在 2026 年 Hamilton Project 论文 "Building Pro-Worker AI" 中系统阐述。

Pro-Worker AI 的判据是一个实用测试（practical test）：技术是否使人类的技能和专业知识更有用，而非更不必要？

以航空维修技师为例：同一职业面对三种工具设计——(1) 将工作简化到高中生可完成的自动化器（去技能化）、(2) 增强技师诊断能力的助手（劳动增强，mixed）、(3) 帮助技师将技能迁移到航天领域的新任务平台（新任务创建）。只有第三种是纯粹的 Pro-Worker 方向。
Pro-Worker AI 不等于"让任何人都能做任何事"——恰恰相反，它让有专业知识的人能把专业知识应用到更有价值的问题上。

案例	领域	Pro-Worker 机制
Schneider Electric 现场技术人员	蓝领技术工种	AI 作为知识路由器：upload 现场数据 → 匹配企业知识库 → 返回实时指导、合规建议、翻译报告
US Patent Office "More Like This"	白领政府工作	概念匹配替代布尔搜索，让审查员专注于新颖性判断而非文献检索
中国听障外卖骑手	低薪零工经济	语音转文字工具弥合沟通鸿沟，听障骑手反而因更专注、经验更丰富而表现更优

这三个案例横跨蓝领技术工种、白领政府工作、低薪零工经济，证明 Pro-Worker AI 不是高技能工作的专利——在无学位、历史性缺乏技术支持的工作中反而潜力更大。

市场失灵: AI 行业被自动化范式锁定——商业模式依赖销售自动化工具和数字广告，行业高度集中（大玩家收购有前途的创业公司），Pro-Worker 技术难以货币化（劳动者获取的部分收益外溢）。
度量困难: "新任务"与"旧任务重新包装"的边界不清晰；框架缺少操作化的判定指标。
政策依赖: 改变技术方向需要政府带头（医疗、教育领域采购）、税制改革（扭转对算法采用的税收偏好）、Grand Challenge、职业许可改革——在政治极化环境下可行性存疑。
速度问题: 工业革命纺织工人实际工资停滞 50 年的历史表明，技术方向转型的阵痛期可能极长；AI 扩散速度更快，留给社会适应的窗口更短。
非排他性: Pro-Worker AI 不等于反对自动化。Autor 明确表态"不是主张减缓 Waymo"，而是主张同时创造新任务——"必须跑得更快才能创造新工作和驱动劳动需求"。