前提として、いまの雇用市場はきわめて好調

AI が雇用を打撃しているかを論じる前に、一つの可能性を排除しておく必要がある。雇用市場そのものが悪化していて、AI の影響を覆い隠しているのでは？答えはノーだ。いまの米国の雇用市場は各指標とも健全だ。失業率は 4.2% 前後を保ち、これは FRB から見れば「完全雇用」にあたる。週次の新規失業保険申請件数は低水準だ。求人数と求職者数はおおむね1対1で、需給はほぼ均衡している。

一方で同時期、AI の利用も少なくない。すでに約20%の企業が業務に AI を取り入れ、情報技術業界では40%にも達する。だから彼はこう推論する。AI の規模はすでに十分に大きく、もし本当に仕事を奪っているなら、こうしたマクロ指標に痕跡が出るはずだ、と。

AI の痕跡は生産性に現れている

痕跡は確かにある。ただしそれは「生産性」の欄に現れ、「失業」の欄はむしろ静かなままだ。経済全体の働く効率を測る指標を労働生産性（1時間あたりの産出量）と呼ぶが、ここ数年はコロナ前より速く伸びている。

ここで正直に一言添えておく。「効率」を測るものさしは実は2つあり、両者の読み取り値は一致しない。

一方のものさしは AI が加速していると言い、もう一方のより厳しいものさしはそこまで楽観的ではない。彼の見立てはこうだ。2つの読み取り値が食い違うこと自体、加速が始まったばかりでまだデータに完全には捉えられていない証かもしれない。だが、どちらで測ってもこの節の意味は同じだ。AI のマクロな影響は見て取れる。それは「産出効率」の欄に落ちていて、「失業」の欄ではない。

いまの AI は人の能力を拡張している

では、なぜ効率は上がったのに失業は増えないのか。ここが本稿で最も核心となる判断だ。「AI が仕事にどう影響するか」については、実はまったく異なる2つの世界観がある。

鍵は「タスクをなくすことは、仕事をなくすことではない」

なぜ AI は多くのタスクを自動化できるのに、仕事を丸ごと奪えないのか。鍵は一つの言葉にある（彼はこれを the task is not the job と呼ぶ）。一つの仕事は、いくつものタスクの寄せ集めだ。そのうち数個を自動化しても、仕事全体を自動化したことにはならない。

これは空論ではない。米労働省が維持する職業タスクのデータベース（O*NET。各職業を典型的なタスクに分解したカタログ）には、全タスクを Claude に体系的に引き継がせられる職業は一つもない。引き継げないタスクの多くは、人と人の調整、対面のやり取り、あるいは現実世界との関わりを要し、いまのところ人にしかできない。

さらに深い層がある。仕事は決して固定不変のタスクの束ではない。歴史上、新しい技術が登場するたびに、仕事の中のタスクは組み替えられてきた。いくつかをなくし、別のものを強め、まったく新しい仕事も生み出す。差し引きの効果として、人の限界生産力は下がるどころか上がる。

よく引かれる例がある（あくまで概略）。ATM が普及したとき、多くの人は銀行の窓口係が置き換えられると思った。ところが窓口係は消えず、むしろ人手の要る営業や相談へと手を回すようになった。1店舗あたりの人員が減って安くなると、銀行はいっそ店舗を増やし、窓口係の総数はむしろ増えた。機械が「お金を数える」タスクを引き取り、人は「顧客対応」というより価値の高いタスクへ押し出された。

なぜ「拡張」と言えるのか。彼が示すエビデンス

この判断は当てずっぽうではない。背後には、Anthropic の経済研究チームが実際の Claude 利用データをもとに得たいくつかの発見がある。

唯一の懸念は若者。ただ、AI のせいと決めつけるのは早い

彼は反対のエビデンスも避けていない。この1年、AI の影響を強く受ける職種で若者の採用が弱まっているという弱いながらの兆候がある。これはスタンフォードのデジタル経済ラボの論文『炭鉱のカナリア』と方向性が一致する。だが彼はすぐにこう釘を刺す。この責任を単純に AI に帰すことはできない、と。

だから若者が今就職しにくいのは、こうしたマクロ要因のせいである可能性が高く、AI とは限らない。不安は本物だが、それを「AI がすでに失業を引き起こした証拠」とするには、まだ根拠が足りない。

この論理が崩れるとしたら

「置き換えではなく拡張」は、あくまで「いまのところ」の結論だ。彼は正直に認める。モデルが強くなるにつれ、この結論は崩れうる。ギザギザした能力の境界（jagged frontier。AI の出来が良かったり悪かったりし、予測しにくいこと）は次第に埋まり、人間の専門性の見返りも縮むかもしれない。そして最大の変数は、AI が「イノベーション」そのものを自動化し始めうることだ。

過去の汎用技術にはこれができなかった。内燃機関がどれほど強力でも、自ら新しい移動手段を発明することはない。だが機械に汎用の知能を載せること自体が、次のイノベーションを生むエンジンになる。標準的な経済モデルでは、いったん「イノベーションを起こす」ことまで自動化されれば（最初は AI が再帰的に自己改善する、いわゆる RSI で現れうる）、「経済的シンギュラリティ」——有限の時間内での無限の成長——が生じうる。

そして今、ボトルネックは確かに効いている。彼はこんな例を挙げる。コーディングの Agent によって生成されるコード量は10〜20倍に増えたのに、ソフトウェアのリリース量は30%増えただけで、アプリの利用量はまったく伸びていない。

書く速さは十数倍になったのに、届け先へはほとんど追いついていない。どこで詰まっているのか。「コードを書く」ことは、そもそもソフトウェア生産の一工程にすぎないからだ。その前には「何を作るか考え抜く」があり、後にはテスト、レビュー、統合、リリース、そして実際にユーザーに使ってもらうまでがある。これらの工程を AI はさほど加速していない。コードを書く区間だけが十数倍速くなり、飛び出した先で加速していない後段の工程にぶつかり、渋滞する。これが「ボトルネック」だ。1本の鎖がどれだけの荷を通せるかは、最も遅い一環が決める。最も速い一環ではない。

その結果、コード量は 10–20× 、ソフトのリリースは +30% だけ、アプリの利用量は 0 成長 。一環が速くなっても、鎖全体は最も遅いところに引っ張られる。

スケーリング則に反論するのは難しく、モデルは必ずもっと良くなる。はるかに良くなる。それはより速い生産性の伸び、さらには自己改善のより明確な兆候をもたらすと私は予想する。だが、1年後に失業率が目に見えて高くなるとは思わない。少なくとも AI のせいでは。Peter McCrory

なぜ効率は上がったのに失業の欄は静かなのか。彼の判断はこうだ。いまのところ AI は「スキル偏向で労働を拡張する」技術で、使いこなせる人ほど価値が上がる。AI が一部の仕事を引き取り、人はその中で方向を定め、判断を下し、最も難しい部分を引き受ける。一人ができることの境界が広がったのだ。

裏づけとなるエビデンスも同じ方向を指す。複雑な出力の裏にはたいてい分かっている人が指揮している。最も難しい仕事でモデルは最も苦戦し、人のフォローが要る。使うほど「考える相棒」になる。コーディングの場面では、分かっている人ほど成功率が高く、ミス後の復旧もうまい。「ただコードを書く」は価値が下がり、「計画できる・フォローできる」は価値が上がる。

一群のタスクを自動化しても、仕事全体はなくならない。一つの仕事は多くのタスクの寄せ集めだからだ。AI がそのうち数個を取り除いても、人にしかできない仕事が残る限り、その仕事は存続する。むしろ人が穴を埋めることで価値が上がる。仕事も決して固定のタスクの束ではなく、新しい技術はタスクを組み替え、新たな仕事を生み出す。

小互の日常業務を例に。入力や書式整えといったタスクは AI が引き取れる。判断、折衝、ミス時のフォローは人の手に残る。これらのタスクが残る限り、仕事は消滅せず、人の価値はむしろ高まる。

反対の兆候も彼は避けない。AI の影響を強く受ける職種で、若者の採用が弱まっている（スタンフォードの『炭鉱のカナリア』と同じ方向だ）。だが近年はマクロが荒れすぎており、史上最大の「景気後退を伴わない」雇用の減速で、低採用・低解雇はもともと新社会人に最も痛い。不安は本物だ。だが責任をすべて AI に帰すには、まだ根拠が足りない。