AIが認知労働を全自動化したら本当に経済は成長するのか

AIで生産性が爆発的に上がる。経済成長率も跳ね上がる。そんな期待があちこちで聞こえてきます。

ところが歴史を振り返ると、奇妙な事実が見えてきます。電気、自動車、インターネット。これだけの発明が世界を塗り替えてきたのに、長期の経済成長率はほぼ動いていません。AIへの期待もまた、こうした歴史と向き合わずには語れないのかもしれません。

本記事では、AI経済論をめぐる論点を経済学のレンズで整理していきます。加速派と慎重派の対立、雇用と富の分配、極端なリスクへの備え。これら一つひとつを、ぼんやりした期待と不安から具体的な数字と理屈の言葉に変えてみたいと思います。

AIで経済は「一気に変わる」のか「いつも通り」なのか

AIの未来をめぐる議論は、振れ幅が大きいのが特徴です。「3年で全部変わる」という人と、「数十年は何も変わらない」という人が、同じ場で平行線を描いていたりします。

冷静に考えるためにまずやるべきは、両極端を並べて見ることです。今生まれた子どもが大人になるまでの時間軸で、AIが経済に何をもたらすのか。

加速側の根拠は、AIがソフトウェアを書くスピード

加速派の根拠はわかりやすい話です。AIがソフトウェアを書くスピードが、人間に追いつき、追い越し始めているからです。

たとえばAnthropic社の入社試験。2時間のプログラミング課題で、AIモデルClaude Opus 4.5の成績が、これまでの人間応募者の誰よりも高かったといいます。評価機関METRの計測でも、人間が5時間かけるソフトウェア開発タスクを、最先端AIが半分の確率でこなせる水準まで来ています。

しかも、伸びるペースが速い。

5時間で倍。これがあと10年続いたらどうなるか。

優秀な人間が頭脳労働でこなしているレベルのAIが、何十億体も同時に動いている。そんな世界が十数年で来るかもしれない、というのが加速派のイメージです。「データセンターの中の天才の国」という、AnthropicのCEO Dario Amodei氏が用いる表現があります。

「いつも通り」側の根拠は、過去150年の年2%成長

過去150年、アメリカの一人当たりGDPは年率2%でほぼずっと一定のペースで伸びてきました。グラフにすると、ほぼ直線。電灯、自動車、飛行機、抗生物質、半導体、パソコン、インターネット。これだけの大発明が次々現れたのに、伸びるスピード自体は動いていない、という驚きの事実です。

なぜか。一つの解釈は、それぞれの技術領域でアイデアが「掘り尽くされていく」からというものです。蒸気機関の蒸気は、時間とともに次第に抜けていく。新しい大発明が次々に生まれてきたからこそ、2%成長がなんとか維持されてきた。だとすればAIもまた、「2%成長をあと半世紀続けさせる、その時々の主役」にすぎないかもしれません。

経済学者Solowが残した有名な一言があります。「コンピュータの時代はあらゆるところに見えるが、生産性統計の中だけには見えない」。新技術が経済全体の生産性を本当に押し上げるまでには、ただ技術を入れるだけでなく、制度や働き方そのものを組み替える時間がいるからです。

たとえば電気モーター。工場の生産性が本当に上がったのは、工場を「モーター前提のレイアウト」に作り変える作業が終わった後のことでした。それまでに数十年。AIにも、同じくらいの時間がかかるはずだ、というのが慎重派の見立てです。

「弱い環」が成長爆発を飼い慣らす

ここから本題、「弱い環」の話に入ります。

経済学では、製品やサービスは「たくさんの小さなタスクの組み合わせで生まれる」と考えます。パソコン1台を世に送り出すには、半導体の設計、製造、ソフトウェア開発、組み立て、流通、サポートなど、多数のタスクが関わっています。

ここで一つ、シンプルだけれど重い前提を置きます。「あるタスクが豊富でも、別のタスクで肩代わりはできない」。たとえばソフトウェアがどれだけ大量に作れても、半導体が足りなければパソコンは出荷できません。すると、最終的なアウトプットは「一番遅いタスク」で決まってしまいます。

これが「弱い環」と呼ばれる構造です。鎖は一番弱い輪っかから切れる、という発想と同じです。

「無限自動化」してもGDPの伸びは意外と小さい

この「弱い環」の発想で計算してみると、面白い結果が出てきます。あるタスクをAIで「無限の生産性」で自動化できたとして、GDPはどれくらい伸びるのか。

カギは、自動化されるタスクが「経済の中でどれくらいの割合を占めていたか」です。これを s（シェア）で表すと、GDPの伸びは「1/(1−s)倍」という計算に落ちます。仮に s=0.5（経済の半分）が無限自動化されると、GDPは2倍。s=0.75なら4倍。s が1に近づくほど発散しますが、現実のシェアはずっと小さい数字です。

ソフトウェアを「無限に作れる」状態にしても、GDPはせいぜい2%強しか増えない計算です。元々ソフトウェアにかかっている支出がGDPの2%程度しかないからです。

そしてアメリカの認知労働全体（GDPの3分の1ほど）を丸ごと無限自動化しても、増えるGDPは50%。これを10年で実現すれば年率5%成長で巨大な変化です。とはいえ見方を変えれば、「一回限りの50%増」にすぎません。

もちろんこの計算は前提次第です。タスク同士が完全に置き換え可能だと仮定すれば、たった一つの無限自動化でGDPは無限大に伸びる。逆に、もっと厳しい前提を置けば伸びはさらに抑えられます。それに、自動化できるタスクの範囲は時間とともに広がっていくので、s 自体も動きます。

裏を返せば、ここで示されている数字は『どんな前提を置くか』しだいで大きく動く数字でもあります。本記事で紹介する50%という数字も、そうした前提群の上に立った「一つのありうる試算」として読むのが正確です。

20年で5%、40年で20%という、思ったより緩やかな道のり

シミュレーションを動かしてみると、自動化が進むにつれ成長率はゆっくり上がっていき、最終的には年率5%超まで到達します。ところが、20年経っても産出は5%しか増えず、40年でようやく20%増。かなりゆっくりした道のりになります。

爆発的成長は来るかもしれません。しかし「弱い環」が、その爆発を飼い慣らす。これがポイントです。

加速シナリオを否定するわけではありません。長期では成長率は確かに上がる。とはいえ、途中の道のりは世間の期待よりずっと地味になる、という見立てです。投資判断や事業戦略を組むときに、この「緩やかさ」を織り込んでおくかどうかで、向こう10年の意思決定はかなり変わってきます。

なお、AIが経済に与えるインパクトをめぐる予測は、経済学者の間でかなり分かれています。慎重派寄りの試算では、向こう10年でAIによる全体生産性の押し上げは年0.1ポイント以下にとどまる、という見方も出ています。一方、より前向きな試算では年0.7ポイント程度の寄与が期待できる、との見立てもあります。「弱い環」のレンズは、こうした幅のある予測のあいだに、なぜそれだけのバラつきが生まれるのかを読み解く一つの軸になります。

「仕事はタスクの束」、ラジオロジストの教訓

つぎに労働市場、雇用の話に移ります。ここでカギになるのが、「仕事はひとつのことではなく、いくつものタスクの束だ」という見方です。

2016年、ディープラーニングのパイオニアGeoff Hinton氏のこんな発言が話題になりました。「ラジオロジスト（放射線科医）の養成はもう止めるべきだ。AIが画像読影をすぐに人間より上手にこなすようになるから」。

それから10年近く経った現在、現実はどうなっているか。アメリカのラジオロジストの数は減るどころか増え、給与もむしろ上がっています。

理由はシンプルで、ラジオロジストの仕事は読影だけではないからです。

• 患者対応や説明責任
• 外科医・腫瘍内科医とのカンファレンス
• 検査計画の策定
• IVR的な処置（画像下治療）

AIは確かに読影をある程度こなせるようになりました。しかし、それ以外のタスク（患者対応、カンファレンス、検査計画など）は、依然として人間が担っています。読影が速くなった分、ラジオロジストはむしろ別のタスクに時間を使えるようになり、結果として一人ひとりの仕事の価値は上がった。これが給与上昇を支えている構図です。

もちろん、すべての職業がこの構造で守られるわけではありません。タスクの束が丸ごと自動化される職業も出てくるはずです。「労働市場へのAIの効果は職種によって正反対になりうる」。当たり前なのに見落とされがちなこの事実が、過去10年で実証されたかたちです。

豊かさが爆発する世界では、「分配」と「意味」が論点になる

AIが多くのタスクを自動化する世界は、別の角度から見れば豊かさが爆発する世界でもあります。問題は、その豊かさをどう分けるかです。

これまで多くの人にとって、最大の資産は労働力でした。その経済価値が下がるとなれば、別の形で経済成長の果実を受け取る仕組みが必要になります。「すべての子どもにS&P500のシェアを与える」といった、踏み込んだ政策アイデアも検討の対象に上ってきています。富裕国はすでに税制を通じてかなりの再分配を行っていますが、その役割は今後ますます大きくなるはずです。

そしてもう一つ、率直に提起されているのが「意味のある仕事」の問題です。経済学のモデルでは、仕事は基本的に「不快なもの」、だから対価が必要、と捉えます。けれど現実には、多くの人にとって仕事は人生の意味の源泉でもあります。実際、こんな本音を語る経済学者もいます。

「ChatGPT 5.2 Proは、私が研究している成長モデルの問題を解くのが、もう私より上手い」

経済学者がAIに自分の仕事を奪われつつあると認める、率直な告白です。

そんな中で、一つのヒントになるのが「リタイア」と「サマーキャンプ」のメタファーです。退職後の豊かな時間が、旅や友人との対話で意味を持つように、未来の私たちもAIに最新の研究成果を教わりながら、興味ある場所に集まって学び合う、そんな日々があり得るのではないか、という見方です。少し甘いと感じる人もいるかもしれません。とはいえ、退職後やリタイア生活のような時間設計を、人生の意味の側から組み直していく発想は、これからの社会設計にも通じてきそうです。

破滅的リスクには、いくら払って備えるべきか

ここから話題は、ぐっと暗いテーマに移ります。AIの破滅的リスクです。リスクは大きく2種類に分けられます。

核兵器の時代を人類がなんとか生き延びてきたのは、「赤いボタンに手が届く者の数が少なかったから」でした。強力なAIが普及すれば、何十億人もが赤いボタンに手をかけることになりかねません。

エイリアン的知性のほうは、バークレーのStuart Russell教授がこんな問いを投げかけています。

「私たちより強大な存在に対して、私たちはどうやって永遠に主導権を保つのか」

破滅リスクの許容度と、医療がもたらす価値

ここで一つ、思考実験をしてみます。

「AIが年率10%成長をもたらす一方で、一度限り『全人類が死ぬ』可能性をはらむとしたら、合理的な人はどれだけのリスクを許容するか」

許容できる絶滅リスクは、人々の選好の置き方次第で大きく変わります。

ここから見えてくるのは、AIが医療にもたらす利益はとびきり貴重だ、という事実です。私たちは「死にたくない」のであって、「何で死ぬか」を選り好みしているわけではない。だから医療革命と引き換えなら、人々はかなりのリスクを呑んでもいい、という計算になります。

安全研究への投資は、現状の30倍以上が妥当

ここで視点を変えます。「リスクを許容するかどうか」と「リスクを下げる投資をすべきかどうか」は、本来は別問題のはずだ、というのが次の論点です。

きっかけは新型コロナ対応でした。2020年、人々はおよそ0.3%の死亡リスクに直面し、社会は経済を止めるかたちでGDPの約4%を「支払い」ました。同等の破滅的リスクがAIにあるとすれば、純粋に自分たちの命のためだけでも、相応の額を投じてリスクを下げるのは合理的だ、という論理になります。

「投資すれば本当にリスクが下がるのか」という効率の問題は残ります。とはいえ前提を変えて様々に試算し直しても、現状のAI安全研究投資は妥当な水準より少なくとも30倍少ない、という結論になります。DeepMindのAlphaFoldのような限定領域のAI研究を医療に集中させる、AI安全研究そのものに時間とお金を投じる、こうした選択肢が、社会的に大きく過小投資されている可能性があります。

レース・ダイナミクスとGPU税の提案

もう一つの論点が、AIラボ間の競争です。リーダーたちは過去にAIのリスクを警告してきた人々ですが、現在は誰もが安全より速度を優先しているように見えます。各社の論理はおおむねこんな感じです。

「自分が止まっても他社が走るならリスク低減効果はない。自分が走れば、自分が安全に作れる可能性も上がるし、レースに勝てる」

典型的な囚人のジレンマ構造です。

政策案として提示されているのが、GPUとTPU（AI学習に使われる計算チップ）への大きな課税です。レース速度を落とせるうえに、税収を安全研究の財源にできる。チップの初回販売時に課税することで、どの国のユーザーも対象になります。中国を遅らせる方向にも働く一方、自前で半導体を作れない地域に有利になる側面もあるため、最終的には核軍縮交渉のような国際協調が必要になる、という見立てです。

私たちが備えるべきは「雇用」「医療」「安全」の三方向

ここまでの議論をあらためて整理すると、全体を貫いているのは「AIに浮かれるな、しかし侮るな」という、両側に向かうバランス感覚です。

短期では効果が見えにくいかもしれません。汎用技術は浸透に何十年もかかる、というのが経済史の教訓です。とはいえ50年というレンジで見れば、AIの累積的なインパクトはインターネットの10倍を超える、という長期予測も示されています。

その間に備えるべきことは、大きく三つに整理できます。

• 労働市場の構造変化に備えて再分配の仕組みを更新する。子ども一人ひとりに資産を持たせる政策など、労働以外の所得源を社会全体で設計しておく
• 限定領域のAI研究、なかでも医療分野への投資を厚くする。死亡率の低下は破滅的リスクの計算式そのものを変えるほど価値が大きい
• AI安全研究への投資を現状の30倍以上に引き上げる。GPU税のような国際協調策を含め、レース・ダイナミクスを和らげる仕組みを設計する

AIを語るとき、私たちはとかく「ブレイクスルー」と「終末論」のあいだを行き来しがちです。経済学の道具を使うと、その両極端のあいだに、もう少し冷静な物差しを差し込めます。ぼんやりした期待や不安を、いったん数字の言葉に翻訳してみる。これだけでも、経営や現場の判断は、ずいぶん変わってくるはずです。

本記事の参照論文：https://www.nber.org/system/files/working_papers/w34779/w34779.pdf

本記事の関連研究