AIは技術者が予測するように労働生産性を急上昇させるか?

情報技術が急速に進歩しているのに、なぜ生産性の伸びが低いのか？ 1980年代および1990年代初頭に顕著になったこの問題は、近年再び経済学で最もホットなものの1つになりました。機械学習と人工知能が労働者をすぐに失業させると技術者が確信するようになったため、その注目度は高まりました。ビル・ゲイツは、自動化の恩恵を平準化するロボット税を要求し、イーロン・マスクはユニバーサルベーシックインカムを要求しました。

多くのエコノミストは、生産性の急上昇は、たとえあったとしてもすぐには起こりそうにないと考えています。しかし、2018年1月のアメリカ経済学会の年次会議は、彼らがテクノロジー信者の意見を真剣に受け止めていることを示しました。

最近の歴史は生産性の悲観論を支持しているようです。1995年から2004年までの1時間あたりの生産量は、年平均2.5％のペースで増加しました。2004年から2016年までのペースはわずか1％でした。富裕国のG7グループの他の場所では、ペースはさらに遅くなっています。説得力のある説明は、2007-08年の金融危機により、企業は生産性を高める投資を延期するようになったということです。

しかし、これには伝統的な反論があり、それは未だに一定の確からしさを持っています。サンフランシスコ連邦準備銀行のジョン・フェルナルドは、アメリカでは金融危機以前の2006年に生産性の減速が始まった、と主張しています。フェルナルドの指摘は、研究開発費の増加にもかかわらず生産性は停滞しており、生産性に衝撃を与える変革的技術が少なくなっているという考え方に一定の説得力をもたせます。

多数派はほぼ正反対の見方をしています。MITのエリック・ブリニョルフソンは、パターンを認識するマシンの能力が最近大幅に向上したと主張しています。たとえば、自動運転車が採用する画像認識技術において、機械は人間よりも優れており、皮膚がんの診断における皮膚科医の精度に匹敵します。ブリニョルフソンと彼の共著者は、そのような進歩が最終的に仕事の広範な再編につながり、高技能労働者と低技能労働者に大きな影響を与える、と予測しています。

生産性の悲観論は公式の予測者の間で標準のままですが、より多くの学者が自動化が経済に与える影響を理解しようとしています。MITのDaron Acemogluとボストン大学のPascual Restrepoは、一連の論文の中で、イノベーションの新しい理論モデルを提示しています。彼らは、技術の進歩を2つのカテゴリーに分類することを提案しています。それは1つ目は機械が労働力を置き換えるもので、もう1つは、機械が人間にとってより複雑な新しいタスクを作成するものです。1つ目の自動化は、賃金と雇用を押し下げます。2つ目は、新しいタスクの作成により、労働者の運命を回復することができます。歴史的に、Acemogluらは、市場の力によって奨励された2つのタイプのイノベーションはバランスが取れていたと主張しています。

自動化が労働力の過剰を引き起こす場合、企業は人々を代わりに働かせる新しい、より生産的な方法を見つけようとします。その結果、これまでの技術に起因する失業の予測は、ほとんど間違いだったことが判明しました。

ただし、理論上、2つの進歩は同期しなくなる可能性があります。 たとえば、労働力よりもロボットの投資収益率が包括的に勝る場合、自動化のインセンティブが永続的に勝ち、経済が完全にロボット化される可能性があります。Acemogluらは、今のところ、会計が無形の資本を評価しないことと、関心が”人工知能”に集中していることが、企業を自動化に傾け、人々のための新しいタスクを考えることから遠ざける、と推測しています。別のリスクは、将来に発明されるタスクを完了するための適切なスキルが労働力の多くに欠けていることです。つまり、人間が技術に追いつけない、ということです。

これらのアイデアは、生産性のパラドックスに光を当てます。 ブリニョルフソンと彼の共著者は、人工知能などの汎用技術の変革効果が完全に感じられるまでには何年もかかると主張しています。企業が自動化の努力に集中し、そのような投資が利益をもたらすのに時間がかかる場合、生産性の成長が停止することは理にかなっています。近年、投資はGDPに比べて異常に低いわけではありませんが、構造や設備から研究開発費にシフトしています。

もしかしたら、生産性が低迷する十数年間があり、その後に「特異点」に到達すると、生産性が超急激に向上するフェイズに入るということは考えられます。もはやレイ・カーツワイルを鼻で笑うことは難しいのです。

参考文献

Erik Brynjolfsson, Tom Mitchell, Daniel Rock. What Can Machines Learn, and What Does It Mean for Occupations and the Economy?. AEA PAPERS AND PROCEEDINGSVOL. 108, MAY 2018 (pp. 43-47).

John G. Fernald. Productivity and Potential Output Before, During, and After the Great Recession. Federal Reserve Bank of San Francisco working paper. 2014.

Daron Acemoglu, Pascual Restrepo. Robots and Jobs: Evidence from US Labor Markets. NBER Working Paper No. 23285 Issued in March 2017.

Photo by Lenny Kuhne on Unsplash