Task Framework（任务框架）

定义

Task Framework 是 Acemoglu 和 Autor 提出的技术变革分析框架——以"任务"（task）而非"职业"或"行业"为基本分析单元，将技术变革分为五种类型，用以判断技术对劳动者福利的差异化影响。该框架源自 Acemoglu 和 Restrepo 的任务模型（task model），在 Hamilton Project "Building Pro-Worker AI" 论文中被系统应用于 AI 方向评估。

五种技术变革类型

类型	定义	对劳动份额	对专业知识	对劳动者
1. 劳动增强（Labor Augmenting）	提高劳动在既有任务中的生产率（如更好的锤子）	可能不增反降	可能被贬值	效果模糊（ambiguous）
2. 资本增强/自动化（Capital Augmenting / Automation）	用资本替代劳动执行任务（如焊接机器人）	总是下降	被商品化（commodified）	置换工人，效果 mixed
3. 新任务创建（New Task Creation）	创造新任务，让劳动者与工具协作并获取新专业知识	可上升	增值	Pro-Worker：恢复（reinstate）劳动
4. 专业知识拉平（Expertise Leveling）	使低经验工人能完成原本需要高专业知识的任务（如 GPS 导航）	模糊	部分贬值	mixed：帮助新手，削弱专家溢价
5. （第五类）	原文暗示存在其他类型但未详细展开	—	—	—

关键数据点

• 五种技术变革类型定义了任务如何被 AI 重塑
• 框架选择决定了 AI 对工作性质的影响方向

核心洞见

• 任务而非职业是分析单元: 同一职业（如航空维修技师）因技术设计方向不同，可走向完全不同的劳动者命运。技术不是命运——是选择。
• 专业知识（expertise）是核心变量: 劳动者的议价能力不仅来自技能（如体力、手眼协调），更来自通过经验积累的专业知识。自动化和技术变革对专业知识的不同态度（贬值 vs 增值）决定了劳动者命运的分野。
• "恢复"（reinstatement）是关键机制: 历史上的技术进步之所以没有导致大规模失业，不是因为自动化自动创造了新工作，而是因为新技术和新组织主动创造了新工作——制造业新岗位、新行业、新 clerical 工作。这个"恢复"不是自动的。

关键案例

• 工业革命纺织工人: 1780s–1830s 英国纺织工人实际工资停滞 50 年，直到铁路创造新任务。巨大财富被创造，但劳动者花了半世纪才分享到。
• 农业劳动力转移: 美国农业劳动力从 50% 降至 2-3%，但转移不是自动的——如果把农业工人直接扔进建筑业，会压低建筑业工资、推高资本份额。关键是制造业、新行业、clerical 工作主动创造了新任务。
• DOD 自动驾驶 Grand Challenge: $1M 奖金启动了整个自动驾驶行业——是"新任务创建"的政策驱动案例。

前提与局限性

• 第五类未展开: 原文明确说"five types"但第五类未详细定义，框架在分类完整性上存在缺口。
• 类型之间非互斥: 同一技术产品可能同时包含多种类型（如 Autor 的"AMT Assistant"案例既是劳动增强又拉平专业知识），框架的分类边界在实践中模糊。
• 度量困难: 如何在事前判断一项技术属于哪种类型？框架更适合事后分析而非事前指导。
• 专家知识的动态性: 框架将"专业知识"视为静态存量，但现实中专业知识本身会随技术演化——AI 可能创造全新的专业知识类型，而非简单增值或贬值既有知识。

关联概念

• Pro-Worker-AI — Task Framework 识别出的"亲劳动者"方向，即新任务创建型技术
• AI-Era-Economy-Shift — 框架可用于分析 AI 时代经济结构从"劳动增强"向"新任务创建"的转型需求
• AI-Labor-Bottleneck-Shift — 框架解释为何劳动瓶颈从体力转向判断力：自动化替代了前者，但判断力需要新任务创建来容纳
• Agent-Harness — coding agent 的任务分析可用此框架：agent 执行的哪些任务是自动化（类型2），哪些创造了需要人类判断力的新任务（类型3）？