AI、生産性統計に未だ表れず 歴史的パターンと一致—FRB調査

セントルイス連邦準備銀行の研究チームは、エコノミストのセルダル・オズカン氏、アカシュ・カリャーニ氏、および研究アソシエイトのニコラス・サリヴァン氏で構成され、2000年から2025年にかけて5,198社の上場企業から約49万件の決算説明会トランスクリプトを収集しました。AIモデルを使用してこれらのテキストから生産性とAIに関する文を抽出したところ、AI関連の生産性言及の割合はChatGPT登場前の2022年末まではほぼゼロから、2025年末までに全生産性議論の約15%に上昇していました。

しかし注目すべき発見として、AI関連の生産性言及のうち約95%が将来の見込みであり、既に実現した成果ではないことが明らかになりました。この比率は2023年以来一貫して保たれています。経営幹部がAIの効果を説明する場合、その約95%が生産性の上昇について前向きに述べており、これは非AI関連の生産性言及で前向きな比率が75%であるのと比べて著しく高いものです。

オズカン氏は、この将来志向の結果について、既に公式な集計データが資本投資を考慮に入れると生産性に意味のあるバンプが見られないことを示していることに驚かなかったと述べています。彼はエコノミスト・ロバート・ソローの有名な格言「コンピュータ時代はあらゆるところで見えるが、生産性統計には見えない」を引用し、電化への類似を指摘しました。電化は工場を再編成し、労働者を再訓練し、ワークフローを変えるまでに「数十年」かかったと彼は述べています。スタンフォード大学のエリック・ブリニョルフソン経済学者は1993年のMITの論文でこれを「生産性のパラドックス」と呼び、最近は現在の状況を現代的な続編として説明しています。

カリャーニ氏は、汎用技術にわたる普及パターンを別途研究しており、ChatGPT後の初期の興奮が薄れた後、この分野がこの点で広くコンセンサスに達したと述べています。彼は、技術普及が地域、職業、企業全体で「極めて遅い」プロセスであり、通常20～30年かけて展開され、AIの遅延を3～5年に圧縮することは「歴史的先例から見て大変な変化」になるだろうと指摘しました。ソローの観察によれば、コンピュータは1990年代後半から2000年代初頭までは生産性データに表れていません。

論文は、AIが何かのアウトプットを安く生産できるようにすると同時に、そのアウトプットの価値が低下するという機構を説明しています。セルダル・オズカン氏は「ある物はより豊富になるだろう。それは彼らもおそらくより価値が低くなることを意味している」と述べています。この論理によれば、誰もがマーケティング資料、アニメーション、さらには遜色ないニュース記事をキーストロークで生成できるようになると、これらのアウトプットがすべて比較可能な品質で利用可能になるため、命令に従うのは容易になりますが、アウトプット自体は安くなり、統計的な生産性ゲインが消失します。一方で、生産性チェーン全体の出力であり、AIはリンクの一部のみを高速化しており、会議のスケジュールと出席にはまだ4年前と同じ速度が必要です。

セントルイス連邦準備銀行のチームは、生産性ゲインが実現されたというシグナルが最終的に何になるかについて、カリャーニ氏が正直な答えは「誰も前もってそれを知らない」と述べていることを指摘しています。最終的に重要になるアプリケーションは試行錯誤を通じて発見され、企業から企業へ、労働者から労働者へと広がり、外部からはほぼランダムに見えるプロセスですが、集計的には現実を加算しています。彼はGoogleマップとニューヨークのタクシーメダリオンの例を挙げました。マッピングアプリは一時的にニューヨークのタクシーメダリオンの所有を市内で最も価値のある資産の1つにしました。その後、Uberが登場し、数年以内にシステム全体を突き刺しました。どのナビゲーションアプリがタクシー独占を終わらせるかは誰も予測できませんでした。このパターンは汎用技術ごとに繰り返され、勝者と敗者は予測に抵抗する混沌とした分散型スクランブルによって決定されます。これが、約49万件のタグ付き決算説明会の楽観主義に隠れた真の重要性です。経営幹部がAIが報われると信じることは間違っていません。むしろ、その報酬が測定された生産性成長として表れるのか、単に安くて豊富で価値の低いアウトプットに蒸発するのかは、それが既に起きるまで知ることができないかもしれないということです。