Alex Imas と Phil Trammell – AGI後も何が不足するのか？

本エピソードでは、経済学者のAlex Imas（Google DeepMind AGI経済学ディレクター、シカゴ大学経済学教授）とPhil Trammell（Epoch社経済学責任者、スタンフォード大学研究員）が、汎用人工知能（AGI）が実現した世界における経済の根本的な変化について、ホストのDwarkesh Patelと徹底的に議論した。議論の核心は、AIによる自動化が進んだ未来において、何が希少性を保ち、その結果として経済的価値がどこに帰属するのかという問いである。労働分配率（経済全体の付加価値のうち、人間の賃金に支払われる割合）は、産業革命以降も驚くべき安定性を示してきたが、AGIの登場はこの構造を根本から覆す可能性がある。両氏は、単一の確定的な予測を提供するのではなく、複数のシナリオを提示し、それぞれのシナリオが成立するための経済学的条件を厳密に分析するアプローチを取った。この議論を通じて、AI時代の経済を理解する上で、需要の弾力性、資本と労働の代替・補完関係、そして人間の選好の本質といった要素が極めて重要であることが浮き彫りになった。

議論は、歴史的な教訓と現代のデータを織り交ぜながら進行した。例えば、19世紀の経済学者デヴィッド・リカードが機械化による失業を予測しながら、その後の雇用の拡大を予見できなかった「労働の塊の誤謬」の事例は、技術予測の難しさを如実に示している。また、現在のAIによる雇用への影響について、Imasは「目を凝らさなければ何も見えない」と述べ、ソフトウェアエンジニアリングのような最も影響を受けやすいとされる分野でさえ、明確な雇用減少の証拠は存在しないと指摘する。むしろ、AIが特定のタスクを自動化することで、人間の労働の価値が高まる「Oリング理論」的な効果が観察されているという。しかし、両氏はこの現状が将来も続くとは考えておらず、AGIがサプライチェーン全体を完全に自動化する「質的転換」が起きた場合、労働分配率が劇的に低下する可能性を真剣に検討している。このような複雑な問題に対処するため、彼らは「マンハッタン計画」のような大規模なデータ収集イニシアチブの必要性を訴え、需要の弾力性や人間の「関係的セクター」への選好など、現時点では不足しているデータを特定することの重要性を強調した。

0:00予測の限界とシナリオ分析のアプローチ

Imasは、経済学者による個別の予測には限界があると強く主張する。彼は、Andre Fredkinらによる最近のブログ投稿を引用し、経済学者の労働市場予測が驚くほど多様で一致していないことを指摘する。歴史を振り返っても、デヴィッド・リカードは機械化が雇用を破壊すると予測したが、結果的には雇用は拡大した。リカードは、自動化によって財が安くなり、人々の余剰資金が新たなサービス需要を生み出すという「構造変化の経済学」を見落としていたのである。この「労働の塊の誤謬」は、技術予測が本質的に困難であることを示している。

このような不確実性を踏まえ、Imasは「個々の予測」ではなく「シナリオ分析」を提案する。まず、労働分配率がゼロになる、あるいは現状を維持するといった複数の前提を置き、それぞれのシナリオが成立するための経済モデルを構築する。そして、そのモデルが示唆する「希少性の次元」を特定することで、どのようなデータを収集すべきかが明らかになるという。例えば、完全雇用が維持されるシナリオでは「関係的セクター」が重要になり、労働分配率が崩壊するシナリオでは別の要素が鍵を握る。このアプローチは、不確実な未来を議論するための枠組みを提供する。

Trammellは、この議論を補強するために、14世紀のモンゴル人の経済学者の思考実験を提示する。彼らが、馬による輸送やヨーグルトといった当時の財の種類だけを見て、自動化が進めば人々は歌手にしかお金を使わなくなると予測したとしたら、それは誤りだっただろう。なぜなら、その後の富の蓄積と技術進歩は、歌手以外の全く新しい種類の財を生み出し続けたからである。このアナロジーは、現在の私たちが「関係的セクター」の重要性を過大評価し、AGIが生み出す未知の多様な財の可能性を過小評価している可能性を示唆している。

19:36「厄介な中間」シナリオと政治経済学

Molly Kinderが提唱する「厄介な中間（Messy Middle）」シナリオは、AIが十分に賢くないために多くの仕事を自動化できないが、一部の仕事を置き換えるには十分であり、その結果、大規模な失業と経済的混乱が生じるというものだ。Patelは、このシナリオが、AIによる自動化が十分な富を生み出さないために、失業者への補償が困難になるという点で、むしろ急速なAI進化よりも悪い結果をもたらす可能性があると指摘する。

Imasは、このシナリオが成立するための条件は非常に限定的だと分析する。まず、AIがソフトウェアエンジニアのような特定の職種を完全に自動化できるが、会計士やアナリストなど他の職種は自動化できないという、極めて限定的な能力である必要がある。しかし、知能の本質を考えれば、ある職種を完全に自動化できるAIは、他の多くの知的労働も同様に自動化できる可能性が高い。さらに、その自動化によって節約されるコストが、人間の賃金とほぼ同額である（つまり、経済全体のパイが拡大しない）という条件も必要となる。これらの条件が同時に満たされる可能性は低いとImasは考える。

しかし、Trammellは政治経済学的な視点の重要性を強調する。歴史的に見ても、1920年から1940年にかけての電話交換手の自動化のように、技術が存在しても完全な自動化には20年を要し、その間、労働者は低賃金の仕事に追いやられる「ドリップ（滴下）」現象が起きた。Andy Hallが指摘するように、失業率が2%上昇するだけで政治情勢は劇的に変化する。つまり、たとえ経済全体としてはパイが拡大していても、失業が急速に進む「緊急事態」には迅速な財政対応が可能だが、ゆっくりと進行する「ドリップ」は政治的な対応を難しくし、社会に長期的な歪みをもたらす可能性がある。このため、経済学的にはあり得ないシナリオでも、政治経済学的には最も悪い結果を招く可能性がある。

25:57AI時代の課税と再分配の設計

AGIが生み出す膨大な富をどのように課税し、再分配するかは、極めて重要な政策課題である。Imasは、様々な政策オプションを、その実装の複雑さと効果の発現時期という二つの軸で評価する。例えば、即効性のある「負の所得税」は、法律が成立したその日から所得の下限を保証できるという利点がある。一方、「ユニバーサル・ベーシック・インカム（UBI）」は、人々が政府の給付金に依存することになり、政権交代によってその給付が停止されるリスクがあるとImasは警鐘を鳴らす。これは、労働力を所得に変換できる現在とは異なり、将来、人々が政府の慈悲に完全に依存する危険な権力構造を生み出す可能性がある。

これに対し、Trammellは「ユニバーサル・ベーシック・キャピタル（UBC）」という代替案を提示する。これは、政府が国民一人ひとりに株式などの資本の所有権を付与するというアイデアである。これにより、人々は単なる給付金の受給者ではなく、経済成長の果実を直接享受する株主となる。しかし、この制度の最大の課題は「インデックス化」である。つまり、政府は国民のポートフォリオにどの企業の株式を組み入れるべきかという問題に直面する。将来、Anthropicが没落し、代わりにあるロボティクス企業が市場を支配した場合、Anthropicの株式だけを持っていては意味がない。経済全体の成長を正確に反映するポートフォリオを構築することは、理論上は簡単だが、実際には極めて困難である。

議論はさらに、課税の対象と再分配の方法を分離する方向に進む。Trammellは、政府が消費税（VAT）を財源に株式市場で株式を購入し、それを国民に分配するというDavid Otterの提案を紹介する。これは、かつて社会保障の民営化として提案されたアイデアと類似している。しかし、富裕層の資産が主に非公開企業に集中している現状では、このようなインデックス化戦略は機能しにくい。Patelは、富裕層の資産の多くが、AI時代の主要な生産要素（データセンターやロボットなど）とは補完関係にない不動産（特に土地）に偏っている点を指摘する。このため、ジョージ主義的な地価税だけでは、必要な再分配財源を賄うことはできない可能性がある。

30:02需要崩壊シナリオの非現実性

一部のアナリスト（例えば、最近話題になったCitriniのシナリオ）は、AIによる大規模なホワイトカラーの失業が需要の崩壊を引き起こし、経済全体がマイナス成長に陥る可能性を指摘する。Imasは、このシナリオを経済学的に検証し、それが成立するための条件が極めて非現実的であると論じる。需要崩壊が起きるためには、資本家（富裕層）が消費に対して飽和し、追加的な所得を全く使おうとしないという前提が必要になる。しかし、AGIが実現する世界では、技術フロンティアは急速に拡大しており、データセンターや半導体工場への投資機会は無尽蔵にあるはずだ。投資をせずにただ富をため込むことは、経済学的に不合理である。

Trammellは、この議論をさらに深め、需要の価格弾力性の概念を導入する。「ジェボンズのパラドックス」は、石炭の効率化が総消費量を増加させた事例として有名だが、これは需要が弾力的である場合にのみ成立する。石油が安くなっても、すぐに車が何倍も増えるわけではないように、需要が非弾力的な財では、価格が下がっても総支出は増加しない。ソフトウェアの需要がどれほど弾力的であるかは自明ではなく、もし非弾力的であれば、AIによる生産性向上は総支出の減少につながる可能性もある。しかし、それでも経済全体がマイナス成長になるためには、節約された資金が全く使われずに死蔵されるという、極端な前提が必要となる。

Imasは、このシナリオ分析の価値は、直感的に魅力的な「需要崩壊」というアイデアが、実際には経済学的に非常にあり得ないことを示した点にあると述べる。技術フロンティアが拡大している状況で、豊富な生産能力が経済の縮小を引き起こすというのは、歴史的な大恐慌のような特殊なケースを除けば、考えにくい。この議論は、AI時代の経済予測において、直感に頼るのではなく、厳密な経済モデルに基づいた思考が不可欠であることを示している。

39:26人間労働の統合困難性とAIエンティティの選好

現在、LLMによる自動化が思ったほど進んでいない理由として、Trammellは「Oリング理論」を挙げる。これは、チャレンジャー号爆発事故のように、一つの部品の故障が全体の破壊につながるという考え方である。AIが99%のタスクを完璧にこなせても、残りの1%で致命的なミスを犯せば、最終的な製品やサービスの価値はゼロになる。弁護士や会計士の仕事において、完全な信頼性が求められるのはこのためである。しかし、AIが十分に高度化すれば、逆の現象が起きる可能性がある。つまり、AI同士がニューラルネットワーク言語で超高速に通信する生産フローが最適化されれば、そこに人間を統合することは、比較優位の問題以前に、トランザクションコストや信頼性の面で極めて困難になる。

議論はさらに、将来の経済主体としてのAIエンティティの選好へと移る。現在の世界経済は、進化の過程で培われた人間の特定の選好（社会的地位、つながり、快楽など）によって動いている。同様に、将来、AIエンティティが経済の主要なプレーヤーとなれば、その選好が経済の方向性を決定づける。Trammellは、進化的な淘汰圧を考慮すれば、成長と資源の蓄積を何よりも優先する「貪欲な最適化主体」が生き残り、経済を支配する可能性が高いと指摘する。このような主体は、人間のバレリーナのような「関係的財」にはほとんど価値を認めず、計算資源（compute）のような、さらなる成長を可能にする資源に飽くなき需要を持つだろう。

Patelは、この議論を現実の例で補強する。世界で最も裕福な人々（例えば、マーク・ザッカーバーグやイーロン・マスク）は、個人的な消費（関係的財）よりも、自社への再投資（資本の蓄積）を強く選好している。彼らの富の大部分は株式であり、それを配当として引き出して消費するよりも、メタやテスラの成長に再投資することを選ぶ。この「資本加速への選好」は、人間の心理に根ざしたものであり、AGIエンティティが登場する以前から存在している。もしこのような選好を持つ人々が長寿化または不死化すれば、彼らの資産は複利で成長し続け、経済全体の選好を決定づける存在になる可能性がある。Imasは、この議論に対して、資本収益率が低下すれば投資インセンティブも低下するという一般均衡の視点を提示するが、Trammellは、技術進歩が資本財の価格を消費財に対して急速に下落させる「投資特化型技術変化」の下では、実質収益率は高止まりする可能性があると反論する。

1:01:28発展途上国への示唆：インデックス化の重要性と課題

AIサプライチェーンに参加していない国々（インド、ナイジェリアなど）は、AGI時代にどのように富を獲得すべきか。Imasは、この問題に経済学のリソースが十分に割かれていないと率直に認める。シナリオは二つ考えられる。一つは、AI技術が普及し、途上国が「リープフロッグ」して急速に発展する楽観的なシナリオ。もう一つは、先進国が完全自動化により安価に商品を生産できるようになり、途上国の輸出競争力が失われ、完全に取り残される悲観的なシナリオである。

Trammellは、この問題を「厄介な中間」シナリオの延長線上で捉える。もしAGIが急速な経済成長をもたらせば、利子率は非常に高くなり、少額の貯蓄でも将来、莫大な消費を生み出すことができる。理論的には、途上国が少しでも貯蓄をすれば、その恩恵にあずかれる可能性がある。しかし、現実には途上国の貯蓄水準は低く、また、その貯蓄を世界経済の成長に「インデックス化」することが極めて難しいという根本的な問題がある。

議論の核心は、AGIのリターンをいかにして「インデックス化」するかという点に収束する。歴史的に見ると、ロックフェラー家のような超富裕層の子孫が現在も世界を支配していない理由の一つは、インデックスファンドが存在しなかったため、経済全体の成長に資産を連動させることが難しかったからである。しかし、現代においても、AI関連のリターンはOpenAIやAnthropicのような非公開企業に集中しており、一般の投資家や政府がこれらのリターンを直接取得することは困難である。Patelは、この問題を「AGIは電気になるか、それともソーシャルメディアになるか」という問いで表現する。AGIが電気のように広く普及する基盤技術であれば、その恩恵は経済全体に拡散し、S&P500にインデックス化することでリターンを獲得できる。しかし、ソーシャルメディアのようにプラットフォームにレントが集中する構造であれば、インデックス化は困難になる。

Trammellは、楽観的な見方として、非公開企業の時価総額シェアはまだ20%未満であり、OpenAIやAnthropicもいずれは公開される可能性が高いと指摘する。また、AI自体が開示規制などのコストを引き下げ、IPOを促進する可能性もある。しかし、Imasは、オープンモデルがフロンティアから6〜9ヶ月遅れで公開されるという現状を踏まえ、AGIのリターンを巡る競争の行方は、技術的な進化（再帰的自己改善、継続的学習など）にも大きく依存すると結論付ける。結局のところ、途上国にとって最も有望な戦略は、AGIのリターンをインデックス化できる手段（例えば、ソブリン・ウェルス・ファンドを通じた投資）を模索することだが、その実現可能性は不透明である。

結びに

本エピソードは、AGIの経済的影響について、単なる楽観論や悲観論を超えた、深く構造的な理解を提供する。リスナーに最も強く残るのは、経済学が「直感を完全に誤らせる可能性がある」というImasの警告だろう。私たちは、AIが雇用を奪うという分かりやすい恐怖や、逆に誰もが豊かになるというユートピア的なビジョンに引き寄せられがちだが、現実はより複雑で、需要の弾力性、資本と労働の代替の度合い、人間の選好の進化的基盤といった、見えにくいパラメータに依存している。この議論の価値は、単一の答えを提供するのではなく、未来を考えるための正しい「思考の枠組み」を提供した点にある。それは、不確実性を認めた上で、複数のシナリオを経済モデルに基づいて検討し、その成否を分けるクリティカルな要素を特定するというアプローチである。AGIの時代が目前に迫る今、政策立案者も投資家も、そして一人ひとりの市民も、このような経済学的なリテラシーを身につけることの重要性を、この対話は強く示唆している。

要点

• 経済学者による将来予測は歴史的に不正確であり、単一の予測ではなく、複数のシナリオを経済モデルに基づいて分析するアプローチが有効である。
• 「厄介な中間」シナリオ（AIが一部の仕事を奪うが経済成長は限定的）が成立するには、AIの能力が極めて限定的で、かつ節約コストが賃金と同程度であるという非現実的な条件が必要である。
• 課税と再分配の政策は、実装の複雑さと効果のタイムラインが異なり、負の所得税（即効性）、UBI（政治リスク）、UBC（インデックス化の困難）など、一長一短がある。
• AIによる需要崩壊と経済縮小のシナリオは、技術フロンティアが拡大する状況では、資本家が飽和して投資をやめるという極端な前提が必要であり、非現実的である。
• AIが高度化すると、人間を生産フローに統合することは、信頼性や速度の面で困難になり、AIエンティティ間で最適化された経済が自律的に回る可能性がある。
• 将来の経済は、成長と資源蓄積を無限に選好する「貪欲な最適化主体」（人間の富豪やAIエンティティ）の選好に強く影響され、労働分配率は低下する可能性がある。
• 発展途上国にとって、AGIのリターンを「インデックス化」することは理論上の理想だが、リターンが非公開企業に集中する現状では極めて困難であり、オープンモデルの普及やIPOの促進が鍵を握る。
• 現在のデータでは、AIによるホワイトカラーの大量失業は確認されておらず、むしろAIが補完的なタスクを自動化することで、人間の労働価値が高まる「Oリング効果」が観察されている。