生産性の伸び、所得格差、産業集中にAIがどのような影響を与えるかは、今日われわれが共同で下す判断にかかっている。

経済学者が見事に未来を予測することは稀だ。そしてシリコンバレーでは、次に来るであろう偉大なテクノロジーへの期待と失望が繰り返される。そうしたことを省みれば、人工知能が経済をいかに変えるかといういかなる見解に対しても、ある程度懐疑的になることは自然である。しかしながら、学習、推論、問題解決など、知的な行動ができるシステムであるAIが、経済を変革していく可能性が高まっていることも真剣に受け止めるだけの十分な理由がある。ここ1年でも驚くべき技術的進歩を遂げていることを考えればなおさらである。

AIは、国家安全保障、政治、文化など、経済以外にも多くの分野で社会に影響を与える可能性がある。しかし本稿では、マクロ経済学に関する広範な3分野、すなわち生産性の伸び、労働市場、産業集中に対するAIの影響に焦点を当てる。AIにはあらかじめ決まった未来があるわけではない。逆に極めて異なる方向に発展し得る。具体的にどのような未来となるかは、今日の技術的・政策的決定など多くの事柄に左右される。ここでわれわれは、各分野の岐路を示す。分かれ道は、辿る方向により、AIと経済にとってまったく異なる未来につながる。いずれの分野でも、最も惰性的な道が悪い未来につながる。より良い未来に向かうには、以下のような優れた政策が必要である。

• 創造的な政策を実験する
• 避けるべきネガティブな結末ではなく、社会がAIに求めるポジティブな目標を設定する
• AIの技術的可能性は不確実性が高く、急速に進化しており、社会がそれに合わせて柔軟に発展していかなければならないことを理解する

第一の分かれ道：生産性の伸び

第一の道は、経済成長の将来、つまり生産性向上の将来に深く関わるものである。米国経済の生産性の伸びは、1990年代後半と2000年代初頭に一時的に復活した以外は、過去50年のほとんどの間、憂慮すべきほどの低さから抜け出せずにいる（Brynjolfsson、 Syverson、Chad 2019）。現在、ほとんどの先進国は生産性の伸びが低いという問題を等しく抱えている。他のいかなる要素にも増して、生産性（単位投入量当たりの生産高）こそが国家の富と国民の生活水準を決定する。生産性が高まれば、財政赤字、貧困削減、医療、環境といった問題に飛躍的に対処しやすくなる。生産性の向上を促進することは、世界規模で最も根本的な経済的課題かもしれない。

生産性の低い未来

生産性の分かれ道の片方では、AIの影響が限定的である。AIの技術的能力は急速に向上しているにもかかわらず、企業への導入は遅々として進まず、大企業に限られる（Zolas and others 2021）。AIの経済的効果は、非常に狭い範囲での省力化の類い（ダロン・アセモグルとサイモン・ジョンソンが「まあまあのテクノロジー」と呼ぶもので、たとえば食料品店の自動レジなど）となり、労働者が何か斬新で力強いこと実行できるようにするものではない（ファイナンス＆ディベロップメント記事の「AIのリバランス」を参照）。離職した労働者は、さらに生産性が低く、活力に欠ける仕事に就くことになるかもしれない。これにより、経済の長期的な生産性向上への全体的なプラス効果がさらに弱まることになる。

シリコンバレーが最近熱狂している多くのテクノロジー（3Dプリンター、自動運転車、バーチャルリアリティ）と同様に、AIもまた、当初期待されたよりも有望でなかったり、市場投入の準備が整っていなかったりする可能性もある。実際の経済的利益は、ささやかなものも含め、これまでよくあるパターンと同じように、テクノロジーが有望視された最初の瞬間から何十年も経ってからデータに現れるかもしれない。1987年に経済学者ロバート・ソローが指摘した有名なパラドックス（「至るところでコンピューターの時代を目にするが、生産性の統計ではお目にかかれない」）が一段と顕著になるかもしれない。というのは、だれもがAIチャットボットを持っていて友人を驚かせているようだが、企業がAIの利用を拡大しても生産性が向上しているようすはないからだ。企業がAIを最大限に活用するために必要な組織的・経営的変革を具体的に実行できない場合には、AIから本来得られる経済的メリットを削いでしまいかねない。

また、自動運転車の場合と同様、期待が高まるような概念実証（PoC）を経て、信頼性の高い製品へと移行するまでには技術的課題があり、さらには法制度がこの新しいテクノロジーを想定したうえで設計されていないために課題が複雑化してしまい、テクノロジーの発展が著しく妨げられる可能性がある。AIの場合、他人の保護された知的財産が含まれる可能性のある数百万ものデータポイントを基にモデルをトレーニングすると、知的財産に関する現行法の意味するところが極めて不透明になってしまう。ゆくゆくは開発者が明確な権利を持たないデータでモデルをトレーニングすることを効果的に防ぐ「特許の藪(“patent thicket”)」に類似したものを設けることで知的財産法が適応していく可能性がある。しかし同時に、選択を誤れば、機械学習システムの原動力となる斬新なコンテンツをたくさん生み出す創造的な専門家のインセンティブを削ぐ恐れもある。

加えて、各国の規制当局は、さまざまな懸念から厳しい規制を課し、AIの開発と普及のスピードを遅らせる可能性もある。また一方で、初期段階のAI開発者たちからは、自分たちの優先的立場を守るための規制を強く求められる可能性さえある。さらに、一部の国や企業、その他の組織はAIを全面的に禁止するかもしれない。

生産性の高い未来

しかし、AIがより高い生産性と成長をもたらすという別のシナリオもある。たとえば、ほとんどの労働者が行っている作業のかなりの部分にAIが適用される（Eloundou and others 2023）ことで、それらの作業の生産性が大幅に向上するかもしれない。このような未来では、AIはここ数十年で最も先鋭的な技術的ブレークスルーとなるという期待に応えることとなる。さらに、AIはつまるところ労働者を補完することになり、労働者は単に代替されるのではなく、非定型的で創造的かつ独創的な作業に多くの時間を費やすことができるようになる。さらにAIは、新たにデジタル化された膨大なデータを活用することで、個人や組織の暗黙の知識（経験を通じて習得されるが、明確化することが難しい知識）を捉え、具現化する。その結果、より多くの労働者が、これまでにない問題に取り組むことに時間を割けるようになる。こうして、知的労働者の割合が増えて、ますます研究者や科学者、イノベーターが集まる社会となっていく。その結果、単に生産性が向上するだけでなく、永続的に高い成長率を維持する経済が実現するのである。

このような未来において、AIとロボットの統合が成功するということは、経済の大部分がAI関連の進歩に順応することも意味する。そしてAIは、社会がすでに行っていることを改善するだけでなく、これまで想像もできなかったことを実現したり、思い描いたりすることを可能にする。たとえば、AIが支援する医学研究によって、ヒトの生物学や薬剤設計に関する知識が画期的に進歩する。AIはまた、創造性と科学的発見の動力源（数学や科学、そしてAIのさらなる発展）を支えることができるようになる。これは、かつてはサイエンスフィクションでの思考実験に過ぎなかった帰納的自己改良の一種である。

第二の分かれ道：所得格差

過去40年間にわたって個々の労働者間の所得格差が拡大していることは、大きな懸念材料である。労働経済学の多くの実証研究は、コンピューターやその他の情報技術によって中間所得層の定型的な仕事が自動化され、労働力が高所得層と低所得層に二極化したことが、所得格差の一因であることを示唆する。CEOや用務員にはやれる仕事が残っているにしても、オフィスワーカーの中間層のなかにはコンピューターに代替された人たちもいる（Autor、Levy、Murnane 2003）。AIが所得格差に及ぼす影響についてふたつのシナリオを考えてみたい。

格差が拡大する未来

最初のシナリオでは、AIが所得格差を拡大する。技術者がさまざまな種類の人的労働を直接代替するAIを設計し、経営者が導入することで、多くの労働者の賃金が下がる。さらに悪いことに、生成AIは、以前は非定型的で、創造的とさえ考えられていた言葉、画像、音声を生産し始める。こうして機械が顧客と対話し、マーケティング・キャンペーンのコンテンツを作成することだって可能になっていく。AIとの競争によって脅かされる仕事の数は、最終的には想像をはるかに超えていく。産業全体が根底から覆され、仕事はますます代替されていくことになる（労働への脅威を予兆するものとして、米国の脚本家と俳優らが最近、映画や番組制作のスタジオにAIの使用を制限するよう要求するストライキを起こした）。

これは大量失業の未来を意味するということではない。しかし、このような格差が拡大した未来では、AIが高賃金または適正な賃金の仕事を代替するため、ますます多くの労働者が低賃金のサービス業（接客業、ベビーシッター、ドアマンなど）に追いやられることになる。そこでは、人手を要することがその仕事本来の要素としてみられており、かなりの低賃金で働き手を雇えるため、企業にとって彼らを置き換えるために大規模な技術投資をするだけのメリットがない。純然たる人的労働が最後に生き残るのは、このような肉体労働かもしれない。このシナリオでは、労働市場が少数の高技能エリート層と、低賃金のサービス労働者からなる大規模な低所得者層に二極化し、所得格差が拡大する。

格差が縮小する未来

しかし、ふたつ目のシナリオでは、AIは所得格差を縮小する。AIが労働市場に与える影響は主として、経験の浅い労働者や知識の乏しい労働者が仕事のやり方を改善できるように支援するというものだ。たとえば、ソフトウェアコーダーは昨今、他者のコーディングのベストプラクティスを効果的に活用するCopilot（コパイロット）のようなAIモデルに助けられている。経験の浅い、または能力が劣るコーダーであってもCopilotを使用すると、同じようにAIにアクセスできる優秀なコーダーと比べても大きく見劣りしないようになる。コールセンターで複雑な顧客対応の仕事をしている5,000人の従業員を対象にした調査では、AIアシスタントのサポートを受けた従業員のなかで、スキルが低い労働者や新人労働者が最も高い生産性の伸びを記録したことがわかった（Brynjolfsson、Li、Raymond 2023）。雇用主がこうした成果を従業員と分かち合うようにすれば、所得の分配はより平等になるだろう。

AIは所得格差を縮小するほかに、労働者を助けるかもしれない。AIが最も決まりきった定型的な作業の代替になるのであれば、退屈な繰り返し作業をAIに割り当て、人間は純粋に創造的で興味深い作業を、AIに補完してもらいながらできる。そうすることで仕事の基本的な精神的満足度やアウトプットの質を向上できるかもしれない。これは所得格差縮小よりも目立たない効果ではあるが、大きな意味合いを持つ。実際、コールセンターの研究では、生産性の向上だけでなく、AIアシスタントを利用することで従業員の離職率が低下し、顧客満足度も向上したことがわかった。

第3の分かれ道：産業集中

1980年代初頭以来、米国をはじめとする多くの先進国では、産業集中（あるセクターにおける最大手企業の市場占有率を合わせたもの）が劇的に上昇している。こうした大規模でスーパースター的な企業は、中小規模の同業他社に比べ、はるかに資本集約的で技術的に洗練されていることが多い。

AIの影響については、またしても非常に異なったふたつのシナリオがある。

産業集中度の高い未来

最初のシナリオでは、産業集中が進み、最大手企業のみが自社の中核事業でAIを集中的に活用する。AIによって、これらの企業は競合他社よりも生産性、収益性、規模が向上する。AIモデルの開発には、CPUの演算処理能力という点で、ますますコストがかかるようになっており、その巨額の初期費用は最大手企業のみが負担できる。加えて、膨大なデータセットでAIに学習させることが必要になる。この点、最大手企業はすでに多くの顧客から得ているデータを活用できるが、中小企業にはそれがない。さらに、AIモデルに学習させ、それを完成した後、運用するにもコストがかかる。たとえば、GPT-4モデルの初期開発時の学習には1億ドル以上の費用がかかり、運用にも1日当たり約70万ドルの費用がかかる。大規模なAIモデルの一般的な開発コストは、近いうちに数十億ドル規模になるかもしれない。大手AI企業の幹部は、学習コストの増加とパフォーマンスの向上との間に強い関係があることを示すスケーリング則が当面続くと予測している。もしそうであれば巨額の予算と大規模なデータセットを利用できる企業が有利になる。

そうなると、独自のAIを開発するのは最大手企業とそのビジネス・パートナーだけということになるかもしれない。アルファベット、マイクロソフト、OpenAIなどの企業がすでにAIを開発している一方、中小企業は開発していないのを見ればそれがわかる。そうやって大企業はさらに大きくなっていく。

独自のAIを開発するのに最大手企業しか負担できない多額の固定費がかからないとしても、AIが、小規模かつシンプルな企業にはないような、巨大企業内部の複雑な事業運営を巧妙に調整することとなれば、やはり最大手企業だけに圧倒的な巨利をもたらす可能性がある。この方が分かりにくい影響ではあるが、もっと深刻な影響がある。最大手企業内部のリソースを管理する幹部トップの「見える手」がいまやAIに支えられるようになり、企業の効率はさらに向上する。これは、中小企業が分散化された市場で、地元に根付いた知識があるという優位性を唱えるハイエク思想に挑むものだ。

産業集中の低い未来

しかし、産業集中度の低い未来においては、オープンソースのAIモデル（メタのLLaMAやバークレーAI研究所のKoalaなど）が広く利用できるようになる。営利企業、非営利団体、学術関係者、個々のソフト開発者が連携することで、開発されたAIモデルに広くアクセスできる活気あるオープンソースAIのエコシステムが構築される。これによって中小企業は、これまで利用できなかった業界最先端の生産技術にアクセスできるようになる。

2023年5月にグーグルから流出した内部メモは、このようなことを予見していた。そのメモの中で、ある研究者が述べている。プロプライエタリ・モデルよりも「オープンソースモデルは演算が速く、カスタマイズがもっと柔軟にできて、もっと内輪で、パウンド・フォー・パウンド（ボクシングで異なる階級の選手を比較・対比する方法）で比べてもずっと有能だ」と。この研究者は、小規模なオープンソースモデルのプロセスは、多くの人が素早く繰り返すことができ、単一のチームによってゆっくりと反復される大規模な民営モデルよりも優れたものに仕上がるとし、また、オープンソースモデルはより安価に学習できると述べている。このグーグルの研究者の見解に従えば、オープンソースのAIは、高価なプロプライエタリ・モデルを凌駕することになるかもしれない。

また、AIは、ひとつの大企業内よりも、多くの中小企業にまたがって花開くような、広範で分散化されたイノベーションを促進するかもしれない。企業規模は、一連のトレードオフの結果である。つまり、AIを援用するイノベーターが自分の仕事に対する支配力を残したいと思えば、大企業の従業員であるよりも小企業のオーナーになりたいと考えるかもしれない。

その結果、一部の機敏な中小企業が、大企業との技術格差を縮め、あるいは逆転し、より多くの市場シェアを取り戻す中、長きにわたって積み重ねられた産業集中が崩壊し始める。

政策課題に向けて

れぞれの分かれ道において、最も惰性的な道が悪い未来につながり、生産性の伸びの低迷、所得格差の拡大、産業集中度の上昇という結末を招く。良くなる未来につながる分かれ道に進むには、懸命な努力をしなければならない。そこではテクノロジーと経済の未来を形作るのに役立つスマートな政策介入が必要である。

それだけでなく、政策についてもっと広い面から評価することも重要である。現在、AI規制をめぐる言説の多くは、一種の水理解析モデルに沿っているようだ。AIを増やすべきか、減らすべきか、はたまたAIを禁止すべきか、といった議論である。これは、AIが固定されたもの、そして行く末もすでに定まっているものと認識されている場合の議論である。AIの未来が実現するスピードは速いかもしれないし、時間がかかるかもしれない。そしてAIの導入度合も大きいかもしれないし、小さいかもしれない。基本的にAIはこういったものなのだ。

しかし、AIがさまざまな方向に発展し得ることを政策当局者が理解すれば、議論の枠組みも変わってくるだろう。人間の労働を模倣して代替するものではなく、人間の労働を補完するようなAIを、公共政策によってどのように奨励できるだろうか。どのような選択をすれば、最大手の企業だけでなく、あらゆる規模の企業がアクセスできるAIの開発が促されるだろうか。そのためにはどのようなオープンソースのエコシステムが必要となり、政策当局者はそれをどのようにサポートすればよいのだろうか。AIラボはどのようにモデル開発にアプローチし、企業はどのようにAIの導入に取り組むべきだろうか。社会は、既存の商品、サービス、システムに対する小手先の手直しではなく、抜本的なイノベーションを生み出すAIをどのようにして入手できるのだろうか。

さまざまなプレーヤーがAIの未来を左右する力を持っている。大手企業は、自社の労働力にAIをどのように組み込むかについて、重大な決断を迫られるだろう。こうしたなかで最大手の企業は、自社製のAIを開発することにもなるだろう。大学では、AI・コンピューターサイエンス研究所がAIモデルを開発し、その一部をオープンソース化するだろう。連邦議会の議員や規制当局も大きな影響力があるだろうし、地方議員も同様だろう。有権者も声を上げるだろう。労働組合は、AIとどのような関係を築きたいのか、またどのような要求をしていくかを決めなければならない。

これまでAIの潜在的な未来をいくつも描いてきた。しかし、私たちが強調したいのは、このテクノロジーの未来を予測することがどれほど困難で予測がつかないかということだけでなく、社会が、どのようなAIの未来を実現するかを能動的かつ集団的に決定する主体性を持っているということだ。

私たちは、答えよりも問題を多く提起してきた。これは、AIの導入と影響がまだ始まったばかりであることを一面で反映している。しかし、それがまた反映しているのは、テクノロジーの最前線での研究努力と、AIの経済的・社会的影響を理解することに目的を絞った研究が釣り合っていないことだ。

この不均衡は、テクノロジーがマクロ経済に与える影響が限定的だった時代には、さほど重要ではなかった。しかし、AIが社会に及ぼす影響が数兆ドルという単位で計測される可能性が高い今日、AIの経済学に関する研究には、これまでにない大きな投資がなされるべきである。われわれの社会は、AIそのもののブレークスルーの規模と範囲に見合う規模で、経済や政策の理解におけるイノベーションが必要である。研究の優先順位を見直し、スマートな政策課題を策定して初めて、社会が持続的かつ包摂的な経済成長の未来に向かって進むのに役立つのである。

記事やその他書物の見解は著者のものであり、必ずしもIMFの方針を反映しているとは限りません。

[参考文献]

Autor, David, Frank Levy, and Richard Murnane. 2003. “The Skill Content of Recent Technological Change.” Quarterly Journal of Economics 118 (4): 1279–333. 
 
Brynjolfsson, Erik, Daniel Rock, and Chad Syverson. 2019. “Artificial Intelligence and the Modern Productivity Paradox: A Clash of Expectations and Statistics.” In The Economics of Artificial Intelligence: An Agenda, edited by Ajay Agrawal, Joshua Gans, and Avi Goldfarb. Chicago: University of Chicago Press.  
 
Brynjolfsson, Erik, Danielle Li, and Lindsay Raymond. 2023. “Generative AI at Work.” NBER Working Paper 31161, National Bureau of Economic Research, Cambridge, MA. 
 
Eloundou, Tyna, Sam Manning, Panels Mishkin, and Daniel Rock. 2023. “GPTs Are GPTs: An Early Look at the Labor Market Impact Potential of Large Language Models.” arXiv preprint arXiv:2303.10130. 
 
Zolas, Nicholas, Zachary Kroff, Erik Brynjolfsson, Kristina McElheran, David N. Beede, Cathy Buffington, Nathan Goldschlag, Lucia Foster, and Emin Dinlersoz. 2021. “Advanced Technologies Adoption and Use by U.S. Firms: Evidence from the Annual Business Survey.” NBER Working Paper 28290, National Bureau of Economic Research, Cambridge, MA. https://www.nber.org/papers/w28290.