人工知能スタートアップの創業者マット・シューマーは、このテクノロジーが次の大きな生産性ブームをもたらすという業界の自信を表現したエッセイで、「何か大きなことが起きている」と書いた。これまでのところ、経済はそれに乗っかっていない。実際、1970年代に生産性が急減速して以来、米国の生産性はコンピューターの時代という短期間の急成長を遂げただけである。時間当たり生産高は1990年代後半から2000年代前半にかけて年率約3％急増したが、その後は鈍化した。
AIは違うのだろうか？楽観論者は、2025年第4四半期に年率1.8％の伸びを記録した労働生産性の高さを指摘する。しかし、サンフランシスコ連邦準備銀行による、よりクリーンな指標では、循環的強度（単に人や機械を激しく動かすことによる影響）を取り除いた労働生産性は、前年同期比でわずか0.2％しか伸びていない。これは「何か大きなこと」を示唆するものではない。
それどころか、短期間で終わったコンピューター革命に匹敵するような技術革新が起きれば幸運なことだ。生産性が伸び悩むのは、技術が弱いからではなく、パソコンやインターネットとは根本的に異なるものを自動化するからである。さらに言えば、AIは以前のデジタルツールがほとんど避けていたボトルネックを生み出す。
コンピューター革命が実際に何を自動化したかを考えてみよう。パソコン、電子メール、表計算ソフト、そしてウェブは、情報の検索、保存、送信のプロセスから摩擦を取り除いた。情報源を必要とする研究者は、図書館で探したり、郵便で届くのを待つ必要がなくなった。生産性の向上は比較的単純なもので、人間はより速い方法（グーグル）をより遅い方法（図書館）に置き換えることができたからだ。オンラインで見つけた情報は、書棚で見つけたものと同じだった。
AIは、パソコンやインターネットが行ったこととは根本的に異なることを自動化する。
カール・ベネディクト・フレイ
決定的に重要なのは、コンピューターが中核的な仕事をするとき、それは決定論的に行われたということだ。表計算ソフトは不正な入力を伝播させることはできたが、算術を発明したわけではない。検索エンジンは、無関係な資料を表示することはあっても、情報源を捏造することはなかった。主なリスクはヒューマンエラーであり、説得力のある発明ではなかった。
AIが自動化するのは、それとは異なるもの、つまり文章作成からコーディングに至るまで、認知的アウトプットの作成そのものである。AIはしばしば、これらのタスクを非常にうまくこなす。しかし、もっともらしく見える方法で確信犯的に間違いを犯すこともあるため、コンピューター革命をナビゲートしてきた人々が直面したことのない緊張が生まれる。AIのアウトプットを検証するために人間がループに残る必要がある場合、AIが代用するとされる領域の知識が依然として必要となる。信頼性を確保するためには、依然として乏しい専門知識と時間が必要なのだ。したがって、生成にかかる時間の節約は、推論の再構築、主張のテスト、結果に対する責任の所在にかかる時間によって、部分的に、場合によっては完全に相殺される。
マンハッタン破産裁判所は今月、この問題の最新の例を示した。ウォール街で最も有名な企業のひとつであるサリバン＆クロムウェルは、捏造された引用やその他のAIが生成したエラーにまみれた緊急動議を提出した。このミスを発見したのは、同事務所の審査プロセスではなく、相手方弁護士だった。このエピソードは不条理であったが、同時に診断的でもあった。流暢なアウトプットを生み出すツールが、検証可能な真実を求める世界と出会ったときに何が起こるかを示したのだ。
より深い問題は、単にAIが誤りを犯す可能性があるということではない。エラーの代償が変わりつつあるということだ。システムがよりエージェント的になるにつれ、つまり、個別のプロンプトに応じてテキストやコードを生成するだけでなく、自律的に行動するようになるにつれ、ミスはより重大な結果をもたらすようになる。段落を幻覚表示するチャットボットは迷惑だ。コードを変更し、お金を動かし、書類をファイルし、データベースを削除し、システム全体のアクションをトリガーするエージェントは、マシンスピードで実害をもたらす可能性がある。
これを検証税と呼ぶ。法律、医療、規制された金融、エンジニアリング、公共政策など、誰かが結果に責任を持つあらゆる場面において、AIのアウトプットは完成品ではない。チェックが必要な草稿なのだ。仕事がなくなるわけではなく、生産から監督へとシフトするのだ。正味の生産性は、草稿を作成するために節約された時間から、その信頼性を確保するために費やされた時間を差し引いたものになる。
それゆえ、カスタマーサポートに関する大規模な実地調査では、生成的AIアシスタントによって生産性が平均で約14％向上した。タスクが標準化されているため、アウトプットの評価が容易であり、ツールはベストプラクティスを迅速に配布することができた。
より深い問題は、単にAIが間違う可能性があるということではない。エラーの代償が変化していることだ。
カール・ベネディクト・フレイ
しかし、文脈がより複雑になり、正しさを観察するのが難しくなると、検証の負担が利益を圧倒する可能性がある。経験豊富なオープンソース開発者が自身のリポジトリで作業した無作為化試験では、フロンティアAIツールにアクセスすることで、作業時間が約19％遅くなることがわかった。
これらの結果は、AIの成果がタスクの構造によって異なることを示唆している。ミスが少なく、アウトプットのテストが容易な場合、AIは作業を加速させることができる。ミスにコストがかかり、正しさを観察するのが難しい場合、ボトルネックは「仕事をする」ことから「証明する」ことへと移行する。機械は無限のアウトプットを生み出すことができるが、組織は無限の検証を吸収することはできない。経済学者のクリスチャン・カタリニ、シアン・ホイ、ジェーン・ウーが論じているように、AIが実行コストをゼロに近づけると、拘束力のある制約は人間の検証帯域幅になる。
この枠組みは、長期的なリスクも明確にする。もし企業がAIに対応するために、若手の弁護士やアナリストの雇用を減らし、研修を少なくし、最初のドラフトは機械が処理すると仮定すれば、機械のアウトプットをチェックするために必要な専門知識そのものが損なわれることになる。隠されていたエラーが公の場で表面化するまで、組織はよりスリムに見えるだろう。
では、AIが多くの活動や価格の付かないリスクの山ではなく、幅広い生産性の向上をもたらすためには何が必要だろうか？その答えは、検証インフラだ。例えば、テキサス州の連邦判事は現在、AIが作成した文言が従来の法的調査によって検証されたものであることを証明するよう弁護士に求めている。
ホワイトカラーの仕事においても同様の転換が必要だ。企業がAIエージェントにコードを変更させ、金銭を移動させ、書類を提出させるには、クレームの証明、監査証跡、デューデリジェンスの明確な基準が必要になる。このような制度改革は、モデルリリースのスピードでは起こらない。規制、コンプライアンス部門、専門的規範、保険、裁判所が追いつくまで、AIの可能性は限定的なものにとどまるだろう。
オックスフォード・インターネット研究所のAI & Work准教授で、オックスフォード・マーティン・スクールのFuture of Work Programのディレクターを務めるカール・ベネディクト・フレイ氏は、『How Progress Ends: Technology, Innovation, and the Fate of Nations』（プリンストン大学出版局、2025年）の著者である。
AIの生産性向上はコンピュータ革命に及ばない 2026 IUSTITIA.BG – Investigations 2009-2025 2026-04-28 15:41:29
最新ニュース、世界のニュース、国内ニュースと本日の重要情報。ペタル・ニザモフ裁判官とフェザーズ・ペタル・ニザモフがブルガスおよびブルガリア全土で分析と調査を提供します。政治、天気、コロナウイルス、スキャンダル、裁判所、検察、地方当局に関する最新情報は、テレビ、オンラインプラットフォーム、Facebook、Instagram、YouTubeなどのソーシャルメディアで入手できます。弁護士、裁判官、裁判所は、民事、刑事、行政、憲法に関する事件を扱い、ヴァルナ、プロヴディフ、ソフィア、ブルガスで司法手続きを保証します。Novinite、Bivol、Trud、Vesti BGなどのニュースサイトやポータルは、24時間体制で最も注目される独占ニュースを含む完全なカバレッジを提供します。
