深掘り · 小互解説

プリンストン教授が ICML で語る AI と仕事：個人はこの波にどう適応するか？

約24か月でモデル能力は急上昇。SAGE 自作の信頼性複合指標はわずか 5〜10 ポイント増

1分で掴む

プリンストン CS 教授 Arvind Narayanan が ICML 2026（ソウル）で基調講演「What will be left for us to work on?」。Sayash Kapoor との「AI as Normal Technology」が骨格。
SAGE：約24か月でフロンティアモデルの能力は大きく上がったが、信頼性（一貫性／ロバスト性／キャリブレーション／運用安全）は 5〜10pp しか上がっていない。
ソフトウェアの decide–execute–deliver では、AI が主に圧縮するのは execute（もともとの約1/3）。decide／deliver は圧縮されず、むしろ膨らむ。
ATM・放射線科・翻訳・ソフトツール史：自動化は 1:1 で職を減らさないことが多い。ソフト職は約 10 倍級の道具革命を経て約 10,000 倍に増えた。
RSI／人間水準 AI／経済変革級 AI／超知能を、自動的に含意しない四次元に分解。
個人適応：床（floor）に寝そべらず天井（ceiling）を押し上げる。生産性／成長／制御の三脚。ブラックボックス拒否。先に習得、その後に増幅。週約10時間をスキル再投資。

1冒頭

二つの物語：AI 界隈も自分の仕事を心配している

プリンストン大学計算機科学教授 Arvind Narayanan は、ソウルの ICML 2026 で「私たちに残る仕事は何か？」という基調講演を行った。

能力が上がるほど、「自分はまだこの仕事を続けるのか」という不安に正面から向き合う。

🎯

見る理由：SAGE で AI agent 評価の研究を率い、Sayash Kapoor と長編枠組み AI as Normal Technology（約1.5万語、書籍化中）を共著。枠組み・自前の信頼性データ・ソフト現場観察を一本に束ねた講演。

タイトルスライド。出典：Arvind Narayanan · ICML 2026 スライド

道は二つに分かれる。哲学論争ではなく、実践的な立ち位置の選択だ。

物語1 · 代替

数年で AI が今日の仕事のほぼすべてを置き換える。合理的反応は、スキルが陳腐化する前に富を積むこと。シリコンバレーの一部がこの道。「permanent underclass（永久的下層階級）」というミームも外に広がる。

物語2 · 増幅（彼の立場）

AI は人の可能性を大きく増幅する。今がスキル構築の最良期。とくに AI と補完的な agency（主体性）・taste（審美）・judgment（判断）、およびその周辺の仕組み。

代替 vs 増幅。出典：講演スライド

代替に賭けて増幅が勝つと、歴史上最良の「超能力を鍛える窓」を逃すかもしれない。世界は AI 界の反応を見ている。先に「仕事は AI に任せる」と寝転べば、政治的反発は今より強くなる恐れがある、と彼は言う。

2枠組み

「Normal」はハンマーや歯ブラシの意味ではない。産業革命級の変革技術だと認めつつ、能力が経済・社会影響になる因果モデルとして枠を組む。

古典的な普及：発明 → 革新（家電など）→ 採用。彼らは四段に伸ばし、ソフトを例にする。

① 手法／能力モデルが急成長

→

② 製品／応用coding agent など

→

③ 早期採用vibe coding → agentic engineering

→

④ 適応的変革組織再設計、数十年

AI への普及論。出典：講演スライド