Building Pro-Worker AI (Hamilton Project)
编译摘要
1. 浓缩
- 核心结论1: Pro-Worker AI 的定义是"使人类技能和专业知识更有价值而非更不必要"的 AI 方向，其核心机制是新任务创建（new task creation）而非自动化或劳动增强。
- 关键证据：三位 MIT 经济学家（Acemoglu/Autor/Johnson）在 Hamilton Project 研讨会上系统阐述；以航空维修技师为例，同一职业因工具设计方向不同可走向"去技能化"或"技能升级"两条路径。
- 核心结论2: 技术变革有五种类型（劳动增强、资本增强/自动化、新任务创建、专业知识拉平、第五类），其中只有新任务创建型技术是真正的 Pro-Worker 方向，因为它"恢复"（reinstate）了劳动而非替代。
- 关键证据：工业革命后农业劳动力转移并非自动创造新工作——制造、 clerical 等新岗位需要创业和新技术的主动开发；英国纺织工人实际工资在 1780s–1830s 停滞 50 年，直到铁路到来创造新任务。
- 核心结论3: 市场失灵导致 Pro-Worker AI 投资不足——AI 行业被自动化范式锁定（商业模式依赖销售自动化工具、AGI 愿景的 Dartmouth 会议传统、行业高度集中），需要政策干预（政府带头采购、税制改革、Grand Challenge、职业许可改革）来改变技术方向。
- 关键证据：DOD 自动驾驶 Grand Challenge（
$1M 奖金）成功启动整个行业；中国贸易冲击对制造业社区造成 20 年创痛但 aggregate 效率收益被归消费者——分配与方向的分离。
2. 质疑
- 关于"新任务创建"的度量: 如何区分真正的"新任务"和旧任务的重新包装？航空维修技师转向航天领域算"新任务"还是同一技能集的横向迁移？框架缺少操作化的判定标准。
- 政策可行性: 税制改革（扭转对算法采用的税收偏好）和 Grand Challenge 在当前美国政治环境下的可操作性存疑。Section 230 式的立法需要两党共识，而当前技术政策高度极化。
- 时间尺度类比: 工业革命 50 年工资停滞的历史类比是否适用于 AI 时代？AI 的扩散速度远快于纺织机械化，留给政策调整和社会适应的窗口可能更短。
- 边界条件: Pro-Worker AI 对发展中国家（如中国 2 亿零工）的适用性？文中中国听障外卖骑手的案例是正面证据，但这一案例依赖的是已有技术（Siri 级别的语音转文字），而非新研发投入——这恰恰说明问题不在于技术可行性，而在于分配和激励。
3. 对标
- 跨域关联1: 与 Agent 时代的 "augmentation vs automation" 讨论同构——coding agent 是替代工程师还是创造新角色（如 Agent Harness Engineer）？Pro-Worker AI 框架为这个争论提供了经济学基础：关键是 agent 是否创造了需要人类判断力的新任务。
- 跨域关联2: Schneider Electric 案例与 Forward-Deployed-Engineer 概念有结构性相似——都是一线工人+AI 增强，AI 作为知识路由器而非决策替代者。Schneider 的现场技术人员 upload 诊断数据 → AI 匹配知识库 → 返回实时指导，本质上是 FDE 模式的技术实现。
- 跨域关联3: "税制偏好算法而非人力"的论点与 AI-Era-Economy-Shift 中"资本替代劳动的结构性偏向"呼应，但本文提供了更具体的政策抓手（税制改革而非笼统的 UBI 讨论）。
关联概念