《構建支持工人的 AI：從理論到政策》深度解析
《構建支持工人的 AI》（Building pro-worker artificial intelligence）是由三位 MIT 頂尖經濟學家——達龍·阿西莫格魯（Daron Acemoglu）、大衛·奧特爾（David Autor）和西蒙·約翰遜（Simon Johnson）——共同撰寫的重要政策報告，於 2026 年 2 月由漢密爾頓項目（The Hamilton Project）發布。這篇報告是三位學者多年來對技術變革與勞動市場關係研究的結晶，提出了一個革命性的概念框架：什麼是「支持工人的 AI」（pro-worker AI）？為什麼市場會系統性地低估這類技術的投資？社會如何才能推動更多支持工人的 AI 發展？以下針對本報告十個核心論點進行深入解析。
## 論點一：什麼是支持工人的技術？
阿西莫格魯、奧特爾和約翰遜在報告中首先提出了「支持工人」（pro-worker）技術的嚴格定義。他們將支持工人的技術——包括人工智慧——定義為「通過擴展工人的能力，使人類技能和專業知識變得更有價值的技術」。
這個定義看似平淡——誰會反對讓人類專業知識變得更有價值呢？——但作者解釋說，這是一個嚴格的定義，許多技術其實並不滿足這個標準。那些不滿足定義的技術並非对社会一定有害，但作者解釋說，它們會帶來額外的勞動市場權衡，體現在收入、不平等和機會等方面。
這種區分為政策制定者、技術開發者和公眾提供了一個明確的目標：只有那些能夠提高人類專業知識價值的技術，才是真正對工人友好的技術。
## 論點二：技術變革的五種類型
報告提出了一個概念框架，將技術變革區分為五種類型。這種分類幫助我們理解不同類型的技術如何以截然不同的方式影響勞動市場。
第一種類型是「勞動增強型技術」（labor-augmenting technologies）。這是指讓工人在執行現有任務時更有效率的技術。例如，電纜剝離器可以幫助電工更快完成電氣安裝。這類技術不會直接增加專業知識的價值，對工資的影響也不確定。
第二種類型是「資本增強型技術」（capital-augmenting technologies）。這是指讓機器設備更有效率的技術。與勞動增強型技術類似，這類技術對工資和勞動份額的影響也是模糊的。
第三種類型是「自動化技術」（automation technologies）。這是指用機器或演算法取代原本由工人執行的任務的技術。自動化會提高生產力，但也會使現有專業知識貶值，並可能削減工資。自動化會減少工人執行的任務數量，增加資本執行的任務數量，因此會降低勞動份額。
第四種類型是「新任務創造技術」（new task-creating technologies）。這是唯一「明確支持工人」的技術類型。這類技術創造了對新型人類專業知識的需求。例如，乙太網路、光纖電纜和佔用感應系統的發明，大大增加了現代建築中電纜布線的數量和複雜性，相應地需要專業知識來規劃、安裝和維護這些系統——這是這些技術發明之前既不相關也不普遍的專業知識。
第五種類型是「專業知識均衡技術」（expertise-leveling technologies）。這類技術使較不專業的工人能夠執行原本需要更專業知識的任務。例如，血氧儀使醫療技術人員能夠執行原本需要醫生執行的任務。這類技術對工資的影響是模糊的，取決於對不同群體工人的抵消效應。
## 論點三：專業知識的價值為什麼重要？
報告強調了專業知識在現代經濟中的核心地位。在市場經濟中，工人的報酬在很大程度上取決於他們執行具有市場價值的任務的能力。專業知識是執行這些任務所需的特定能力。
作者區分了「技能」（skills）和「專業知識」（expertise）這兩個常被混用的概念。技能是廣泛的能力，如分析推理、領導力、手巧、創造力等，由於在許多領域都有用處，技能往往具有穩健和持久的市场价值。相對而言，許多工作任務需要特定的、專業的專業知識，這些知識主要在狹窄的領域內適用。專業知識的這種特異性意味著，任何特定專業知識形式的市場價值都可能因技術變革而迅速改變——要么因为专业知识被淘汰，要么因为它变得新的相關和適用。
作者以專業翻譯人員和數據科學家為例進行說明。隨著基於 AI 的語言翻譯工具變得熟練和普及，美國專業翻譯人員的就業略有下降。儘管掌握外語是一項相對廣泛的技能，可能在可預見的未來仍然有用，但翻譯專業知識的勞動市場價值显然受到了威脅。相比之下，數據科學是一種基本上由大數據的出現所創造的新型專業知識。這個職業頭銜於 2008 年首次被創造，到 2024 年，美國有 24.6 萬名數據科學家，年薪中位數為 11.3 萬美元。
## 論點四：自動化不是一切
報告特別強調，雖然自動化在歷史上和現在都扮演著重要角色，但它並不是技術變革的全部。英國工業革命早期的許多突破性技術都是自動化技術，首先是紡纱，然後是織布。過去六十年來的技術進步前沿——辦公室電腦、軟體系統、數控機械和工業機器人——都是自動化技術。
然而，作者指出，僅僅專注於自動化會忽略同等重要且目前開發不足的替代方向：使用 AI 作為人類技能的「力量倍增器」。 AI 有潛力成為與人類協作的工具，通過擴展人類判斷、實現新任務和加速技能獲取，來增強人類的能力。
這種人機協作的願景有著深厚的計算機歷史淵源。在 1960 年一篇具有標誌性的論文中，MIT 計算機科學家 J.C.R. Licklider 寫道：「希望在不遠的未來，人腦和計算機將非常緊密地耦合在一起， resulting 夥伴關係將以沒有人類大腦曾經有過的方式思考，以我們今天所知道的信息處理機器無法比擬的方式處理數據。」
## 論點五：AI 作為工人助手的潛力
報告深入分析了 AI 作為工人助手的巨大潛力。 AI 的協作能力來自於其多模式容量，這種協作能力是 AI 作為人類技能力量倍增器的關鍵。
AI 與人類工人協作的核心方式是：使工人能夠執行與其工作相關的更複雜任務，處理新任務，並獲取新的專業知識。 AI 可以掌握來自非結構化數據的知識，並根據這些獲得的知識即興發揮，這使其成為支持、輔導、增強決策者工作的寶貴工具——所有工人都是決策者。
作者強調，AI 在協作方面可能比在自動化方面更有效。正因為 AI 不受規則約束，作為自主行動者，它不如傳統計算機系統值得信賴，但作為協作者則更有價值。一個協作工具不需要幾乎無懈可擊才能有用。配備聽診器的醫生可以比沒有聽診器的醫生更好地診斷病人；承包商可以使用雷射水準儀比用肉眼判斷更準確地測量房屋框架。這些工具不需要完美運作，因為它們並非要取代使用者的專業知識。它們使專業人士能夠更好地完成工作——並將其專業知識擴展到無法獨自到達的地方。
## 論點六：支持工人 AI 的實踐案例
報告通過多個具體案例說明了支持工人 AI 的實際應用。
第一個案例是「電工助手」。這個 AI 工具幫助電工診斷問題、識別正確的維修程序，並確保遵守監管規定。這個工具不會取代電工，而是增強他們的能力，使他們能夠處理更複雜的任務，並更快地學習新技能。
第二個案例是「服務業工人助手」。例如，餐館服務員可以使用 AI 助手來更好地理解顧客需求，提供更个性化的服務建議，處理複雜的客戶投訴。這些工具不會使服務工作變得多餘，而是使服務質量更高，工人更有價值。
第三個案例是「教師 AI 助手」。 AI 可以幫助教師準備教材、評估學生作業、識別需要額外幫助的學生。這些工具不會取代教師，而是讓教師有更多時間專注於機器無法做到的事情：與學生建立關係、激勵學生、培養創造力和批判性思維。
第四個案例是「專利審查員的決策支持」。 AI 可以幫助審查員快速搜索相關專利、識別潛在的侵權問題、準備審查報告。這些工具不會取代人類審查員的判斷，而是增強他們的判斷能力，使他們能夠處理更多的申請。
## 論點七：為什麼支持工人 AI 不是隨處可見？
報告深入分析了為什麼市場會系統性地低估對支持工人 AI 的投資。作者識別出了幾個關鍵的市場失靈。
第一個原因是激勵機制的扭曲領先企業認為，開發和部署自動化專業知識的技術比開發創造新任務或增加技能和專業知識價值的技術能獲得更大的經濟回報。這意味著，私人市場在 AI 投資方面存在嚴重的偏差。
第二個原因是路徑依賴。一旦一個行業或領域採用了某種技術路徑，要轉向不同的方法就變得困難。這種路徑依賴意味著，即使支持工人 AI 在長期來看更有價值，現有的投資和基礎設施也會阻礙轉變。
第三個原因是「自動化意識形態」。即使是一個技術性很強的領域，計算機科學和 AI 社區也受到一種意識形態願景的束縛，這種願景將通用 AI（AGI）——即在大多數經濟價值工作上超過人類的系統——視為其最高追求。這種意識形態傾向於貶低人類專業知識的價值，鼓勵完全自動化而非人機協作。
## 論點八：AI 對就業影響的公眾憂慮
報告引用了 2024 年的調查數據：52% 的美國工人擔心 AI 將如何影響他們的工作。這種擔憂並非對未知的簡單恐懼：42% 目前在工作中有使用 AI 的工人認為，AI 將減少他們未來的就業機會。這個比例遠高於 30% 的非 AI 使用者的相同擔憂。
這種悲觀是可以理解的。 AI 經常被譽為人類歷史上最大的自動化技術。如果 AI 確實會自動化許多核心角色——客戶服務、營銷、駕駛、翻譯、編碼、醫療診斷，以及無數創意任務——這將貶值許多人從中謀生的技能集——而且這種痛苦將在自動化迅速發生時加劇。
後果可能是巨大的。美國的勞動市場不平等已經在過去四十五年裡飆升。這一發展伴隨著非大學工人實際工資增長的疲弱——在某些十年甚至是負增長——以及勞動份額在國民收入和製造業增加值中的大幅下降。
## 論點九：推向支持工人 AI 的政策方向
報告提出了九個可能重塑激勵機制的政策方向。
第一是在醫療保健和教育領域塑造支持工人 AI 。這兩個領域對專業知識的需求很高，AI 有巨大的潛力來增強而非取代人類專業人員。
第二是在政府中建立 AI 專業知識。政府機構需要具備評估和監管 AI 系統的能力，這本身就是一個重要的 AI 應用領域。
第三是利用撥款來支持有價值的 AI 投資。公共資金可以引導 AI 開發朝向支持工人的方向，特別是在商業激勵不足的領域。
第四是促進卓越的競爭。這意味著創建一個環境，讓不同類型的 AI 解決方案可以競爭，而不是由少數大公司主導。
第五是重新平衡稅收法規中傾斜的投資場域。當前的稅收制度可能有利於某些類型的 AI 投資而不利於其他類型。
第六是促進私營部門的競爭。反壟斷執法可以防止大型科技公司壟斷 AI 市場，確保新進入者有機會開發支持工人的 AI 。
第七是利用工人聲音。這意味著確保工人和他們的代表在 AI 系統的設計和部署中有發言權。
第八是重新設計知識產權保護以保護工人專業知識。知識產權法可以調整，以確保 AI 系統不會不當地利用工人的專業知識。
第九是投資於技能形成和終身學習。隨著 AI 改變工作性質，工人需要機會不斷學習新技能。
## 論點十：歷史的教訓與未來的方向
報告以對歷史教訓的反思作為結尾。作者指出，技術變革的方向——特別是自動化與新任務創造之間的平衡——不僅對工資很重要，而且對其深遠的社會後果也很重要。
在過去五十年裡，美國經歷了沿兩個維度的不平等加劇：工人之間、教育水平和人口群體之間的工資差距擴大，以及工人和資本所有者之間的差距擴大。自動化加劇了這兩種趨勢。
與此尖銳下降的就業和工資——無論是由技術、貿易或其他經濟干擾驅動——帶來的社會後果遠遠超出勞動市場。失業，特別是集中在某些社區時，會導致過早死亡、家庭分裂和藥物濫用。
相比之下，創造新任務的技術可能通過擴大就業和增加工資來緩解這些社會挑戰。簡而言之，雖然討論的五種形式的技术变革都可能提高生产力，但创造新任务的技術對工人和勞動市場都有額外的優點。
《構建支持工人的 AI》是一部及時且重要的政策報告。阿西莫格魯、奧特爾和約翰遜這三位世界頂級經濟學家，提出了一個清晰的概念框架來理解什麼是支持工人的 AI，並深入分析了為什麼市場會系統性地低估這類技術的投資。在 AI 飛速發展的今天，這份報告為政策制定者、技術開發者和公眾提供了寶貴的指導，幫助我們確保 AI 的發展能夠真正造福廣大勞動者，而非僅僅惠及少數資本所有者。