AIが安くなっても生活は自動で豊かにならない価格・賃金・余暇への分配を測る

ここでいう知能コストは、文章を読み、情報を探し、比較し、判断案を作り、コードや画像として出力するまでに必要な費用の全体を指します。AIへ質問する料金はその一部にすぎません。従来は主に人の労働時間として支払っていた費用の一部が、AIモデルの利用料と計算資源へ置き換わり始めています。

AIモデル単体の利用費は、すでに急速に下がりました。Stanford Human-Centered AI Instituteの「AI Index Report 2025」によると、代表的な知識問題でGPT-3.5相当の成績を出すモデルの推論費用は、2022年11月から2024年10月までに280分の1以下になりました。同程度の出力を得るための直接費用が、二桁ではなく三桁の倍率で下がった計算です。

ただし、モデルの出力費用と仕事の完了費用は同じではありません。企業の仕事には、正しいデータへの接続、目的と品質基準の設定、結果の検証、顧客の獲得、法的責任、組織内の承認が残ります。AIが契約書案を数秒で書けても、取引条件を決め、相手と合意し、間違いがあったときに責任を負う費用まではゼロになりません。

一件の仕事が終わるまでの費用は、少なくとも六つに分けられます。AIモデルへ支払う生成費、正しい資料を集めて渡す費用、外部システムを操作する費用、人が検査する費用、誤りを直す費用、そして最終判断と責任を引き受ける費用です。生成費が100分の1になっても、残り五つがほぼ同じなら、顧客が払う価格は100分の1にはなりません。

たとえば社内規程を検索して回答案を作る仕事では、文章生成よりも、最新版の規程を特定し、相談者の所属と権限を確認し、例外条項を見落としていないか検査する方が高くつく場合があります。反対に、商品画像の背景案を50種類作るような仕事は、正解を目で選べて失敗の責任も小さいため、生成費の低下が仕事全体へ伝わりやすくなります。AIの経済効果を見るときは、モデルの単価ではなく、完了まで残る費用と検査可能性を見なければなりません。

最初に大きく下がるのは、すでに答えを検査しやすく、デジタルだけで完結する作業の追加費用です。文章の初稿、画像案、翻訳、定型的なコード、資料の要約、複数案の比較などが該当します。現場観察、対人調整、曖昧な責任判断、物理的な作業を含む仕事では、低下が遅くなります。

個別の業務実験では、AIによる明確な生産性向上が確認されています。顧客対応を行う5,179人を調べた研究では、生成AIを使った担当者が1時間に解決できる件数は平均14％増え、経験の浅い担当者では改善幅が34％に達しました。AIが熟練者の応対方法を広げ、経験差を縮めた可能性があります。

それでも、会社や国全体の生産性が同じ割合で上がるとは限りません。ある仕事が一日の20％しか占めないなら、その部分が30％速くなっても、一日全体の短縮は最大でも6％程度です。浮いた時間に会議や確認作業が増えれば、実際の生産量はさらに小さくなります。企業が業務手順、評価制度、責任分担まで作り替えなければ、個人が節約した時間が組織の成果へ変わらないためです。

生産性が経済全体へ届くまでには、四つの段階があります。最初は一作業の時間短縮です。次に、企業はその短縮を前後の工程とつないで一件の処理時間を減らし、浮いた人員と時間を処理件数、品質、新商品、短い納期のいずれかへ振り向けます。最後に、同じ変化が企業の間へ広がり、価格、賃金、投資、雇用の組み合わせとして経済統計へ表れます。途中のどこかが詰まれば、AIを使う個人は速くなっても、会社の生産量は増えません。

日本銀行の2025年の整理も、AIが日本の労働力減少を補う可能性を認める一方、影響する作業の範囲、普及速度、データや技能などの補完投資によってマクロ効果が変わるとしています。AIは単独で投入できる完成設備ではなく、仕事の流れと利用者側の能力を一緒に変える汎用技術として見る必要があります。

利用者の習熟も見落とせません。Anthropicが自社サービスの利用記録を分析した2026年3月の報告では、6カ月以上使う利用者は会話の成功率が約10％高いという関連がありました。早期利用者の性質による差を完全には除けず、他社製品へ一般化できる因果結果でもありません。それでも、モデルを配った日を導入完了日とみなせないことを示す観測材料になります。

経済全体の推計にも大きな幅があります。Daron Acemogluは、AIが影響する業務の比率と業務ごとの費用削減を積み上げ、全要素生産性の上昇を10年間で0.66％以下と推計しました。一方、経済協力開発機構（OECD）は、AIへの露出と導入が大きい国では、今後10年間の労働生産性の伸びを年0.4〜1.3ポイント押し上げる可能性を示しています。

この差は、どちらかが単純に正しく、もう一方が間違っているという意味ではありません。将来どこまでの業務が対象になるか、企業がどの速度で導入するか、作業時間の短縮が実際の生産へ変わるかという仮定が違います。2026年の米議会予算局の中心推計は、生成AIによる経済成長率の押し上げを年平均0.1ポイントと置いており、現時点の公的予測は革命的な成長を既定路線にはしていません。

現時点の証拠は、仕事が一斉に消えているとは示していません。国際労働機関（ILO）の2025年推計では、世界の労働者の4人に1人が生成AIの影響を受ける職業にいますが、人の関与が引き続き必要なため、仕事全体の消滅より内容の変化が中心になるとされています。

デンマークで導入調査と行政記録を結び付けた研究では、ChatGPT公開から2年間、影響を受けやすい職業でも賃金と記録上の労働時間に2％を超える変化は確認されませんでした。その一方で、AI出力の監督、AIとの業務統合、コンテンツ生成など、新しい作業は増えていました。技術は、人数や賃金に表れる前に仕事の中身を変えています。

ただし、影響が平均値の下に隠れている可能性もあります。米国の給与記録を使ったStanford Digital Economy Labの2026年8月改訂では、生成AIへの露出が高い職種に就く22〜25歳の雇用は、露出の低い同年代と同じペースで推移した場合に比べて約19％低い水準でした。同じ職種でも経験者に同程度の差は確認されていません。因果関係を確定する結果ではありませんが、AIが補完する仕事と自動化する仕事、若手と経験者を分けて追う必要を示しています。

入口の変化は、長期的に別の問題も生みます。初級作業をAIへ渡しすぎると、将来の熟練者が経験を積む入口が細くなります。短期には効率的でも、判断の根拠を学ぶ機会や人材の供給を損なうため、企業は若手へ操作を残すのではなく、AIの出力を検査し、例外を判断する訓練を意図的に作る必要があります。

生産費用の低下がもたらす恩恵は、市場の競争状態に応じて、値下げ、供給の拡大、企業利益のいずれかへ流れます。競争が強ければ、他社も同じ技術を使うため、商品やサービスの価格が下がります。消費者は同じ所得で多くを利用でき、実質的に豊かになります。翻訳、個別学習、簡易な法務相談、ソフトウェア開発など、これまで価格が理由で使えなかったサービスへ需要が広がる可能性もあります。

同じ費用低下でも、行き先は市場の形で変わります。競合が多く乗り換えやすいサービスでは価格が下がりやすく、供給量も増えます。独自データや販売網を持つ少数企業が市場を押さえる場合は、値下げより利益率の上昇へ回りやすくなります。社内の管理業務では販売価格が存在しないため、処理待ち時間、従業員数、品質、残業のどれを変えるかを経営側が選びます。行政や教育では、同じ予算で対応人数を増やせるかが利益の現れ方になります。

OECDは、AIが露出する分野では相対価格が下がり、需要の構成も変わると整理しています。同時に、需要は無限には増えず、やがて満たされる分野もあると指摘します。自動翻訳が安くなれば翻訳量は増えますが、同じ人が読む時間には上限があります。価格が下がるだけでなく、需要がどこまで増え、浮いた所得が別の何へ向かうかまで見て初めて、経済全体への効果を読めます。

一方、価格低下が支出総額を減らすとは限りません。1本の動画を作る費用が10分の1になり、制作本数が20倍になれば、使われる計算資源や電力の総量は増えます。利用単位当たりの効率向上が利用量の増加で打ち消される現象です。国際エネルギー機関（IEA）は、AI処理ごとの電力効率が急速に改善しても、利用者と高負荷の用途が増えるため、世界のデータセンター電力消費は2030年までに倍増すると予測しています。

価格が下がっても供給者が増えない場合もあります。AIを動かす半導体、製造装置、クラウド、データセンターには巨額の固定投資が必要で、OECDはAI計算基盤の複数の市場について少数企業への集中と高い参入障壁を報告しています。アプリを作る費用が下がっても、その下で使う計算基盤の所有が集中すれば、最終価格と利益配分は基盤企業の競争状態に左右されます。

AIがもたらす豊かさには、国内総生産（GDP）へ表れない部分があります。GDPが測るのは一定期間に市場で生産された財やサービスの価値であり、消費者が支払った価格を超えて得た満足や、無料サービスの便益までは対象にしていません。

以前は1万円で依頼していた翻訳を、ほぼ無料のAIで得られるようになれば、家計の便益は増えます。しかし、市場で支払われる金額は減るため、名目GDPはむしろ小さくなる場合があります。米国商務省経済分析局は、無料のデジタルコンテンツを実験的に含めると、2005〜2015年の米国の実質GDP成長率が公式の年1.42％から1.53％になると試算しました。それでも、消費者が得た便益の全体は含まれません。

別の13カ国、約4万人を対象にした選択実験では、検索、地図、動画、メッセージなど10種類のデジタルサービスから得られる便益を合計2.52兆ドル、対象国GDPの5.95％相当と推計しました。この数字は利用者の回答に基づく推計であり、国民経済計算へそのまま足せる実測値ではありません。それでも、無料または低価格のデジタル財が生活へ与える価値を、売上だけでは捉えられないことを示しています。

生成AIそのものについても、新しい推計が出ています。Stanford Digital Economy Labが米国の成人を対象に行った選択実験では、生成AIサービスを一カ月使えなくなることへの受取意思額の中央値は、2025年7月の3.4ドルから2026年3月の11.4ドルへ上がりました。平均値は同じ期間に98ドルから124.5ドルへ上がり、中央値との差が非常に大きくなっています。少数の高利用者が大きな価値を感じる一方、半数の利用者が答えた金額は月11.4ドル以下にとどまります。平均だけを見ると、この偏りは見えません。

この研究は仮想的な選択への回答を使っており、実際の支払い額を観測したものではありません。それでも、低い利用料金と利用者が感じる価値の差である消費者余剰が、AI企業の売上より早く増える可能性を示します。生活価値を測るには、売上と利用者数だけでなく、誰がどの用途でどれほど時間や費用を節約したかを見る必要があります。

AI時代には、「GDPがあまり増えないのに利用できる能力が増える」ことも、「AI投資でGDPは増えたのに家計は苦しくなる」ことも起こり得ます。見るべきなのはGDPだけでなく、必需品を買った後の所得、利用できるサービスの量、労働時間、健康、所得と資産の分布です。

知的成果が安くなるほど、家計支出では物理的制約の強いものが相対的に重くなります。土地と住宅、電力、医療や介護の身体的作業、人気の場所、希少な天然資源は、文章やコードのようには複製できません。AIで娯楽が無料に近づいても、家賃が所得の半分を占める人の生活は、それだけでは十分に楽になりません。

生産性が上がりにくい対人サービスの価格が、他産業より相対的に上がる現象は「ボーモル効果」と呼ばれます。社会全体の賃金が上がると、介護や教育でも人材を確保するため賃金を上げる必要があります。しかし、一人が同時に介護できる人数は簡単に増やせないため単位当たりの費用が上がり、AIが記録や準備を減らしても、人がその場にいる価値まで代替できない場合はこの傾向が残ります。

情報の側でも、新しい希少性が生まれます。人間が見られる記事、動画、ゲームの量には限界があります。制作物が増えるほど、作る能力より、見つけてもらう経路、選ぶ時間、信頼できるという評判、他者と共有できる意味が重要になります。価値は成果物の制作費から、選択、流通、信頼、関係へ移ります。

ここには相対価格の問題があります。AIで安くなるサービスを大量に得ても、住宅、エネルギー、医療、介護の価格が所得より速く上がれば、家計の実感は悪化します。豊かさは「利用できるAIの量」ではなく、必需品を払った後に残る所得と時間で測る必要があります。知能の価格低下が大きいほど、安くならない部門の供給制約が生活水準の上限として目立つようになります。

日本では、AIの導入を失業だけから考えると出発点を誤ります。採用難と高齢化がすでに進んだ現場でAIが最初に埋めるのは、現在いる人の仕事より、処理できずに積み残している需要になり得ます。問い合わせの待ち時間、自治体の申請処理、医療記録、保守点検の報告書などでは、同じ人数で供給量を維持すること自体が成果になります。

ただし、人手不足はAI導入を自動的に成功させません。利用できるデータが部署ごとに分かれ、決裁が紙のまま残り、誤りの責任を現場だけが負うなら、生成だけを速くしても最後の確認待ちが増えます。日本銀行のレビューが強調する利用者側の変革とは、研修だけでなく、どの作業をAIへ渡し、浮いた時間をどの成果へ振り向け、誰が例外を判断するかを変えることです。

生産性上昇が家計へ届くには、価格と賃金の経路も必要です。取引先へ費用削減を値下げとして渡すのか、従業員へ賃金や短い労働時間として返すのか、新しい設備とサービスへ再投資するのかで結果は変わります。日本では企業規模によるデジタル投資の差と、取引上の価格交渉力の差が大きいため、AIを使える企業だけでなく、利益を価格や賃金へ動かせる企業かどうかも追う必要があります。

AIが格差へ与える影響を左右するのは、個人の能力差に加えて、AIモデル、半導体、データセンター、独自データ、販売網、株式を誰が所有しているかです。人の作業がAIという資本へ置き換わり、生産性利益が主に資本収益になると、株式などを多く持つ世帯へ所得が集中します。

世界の労働所得の比率は、AI以前から下がっています。ILOとOECDによると、世界全体で労働者へ配分される所得の比率は2004〜2024年に1.6ポイント低下しました。要因はAIだけではなく、自動化、国際化、労働者の交渉力低下などの組み合わせです。ただし、資本を補強するAIが急速に普及すれば、この既存傾向を強める可能性があります。

反対に、AIが経験の浅い人へ熟練者の知識を広げ、新規参入の費用を下げるなら、労働者間や企業間の格差を縮める方向へも働きます。無料のデジタル財から得る便益は、所得に対する比率では低所得者や低所得国の方が大きいという研究もあります。したがって、AIは「格差を広げる技術」でも「平等にする技術」でもなく、どの業務を代替し、誰の能力を補い、どの市場で競争が働くかによって両方向へ作用します。

国際通貨基金（IMF）がこの違いを整理する枠組みは、労働の代替、労働との補完、生産性上昇という三つの経路です。代替が強ければ労働所得が減り、補完が強ければAIを使える人の賃金が上がります。生産性上昇が十分に大きければ経済全体の需要が増え、代替された人を含む労働所得を押し上げる可能性もあります。しかしAI資本の収益は資産保有者へ入るため、総所得が増えても資産格差が同時に広がり得ます。

国と国の間では、さらに難しい問題があります。世界銀行によると、高所得国は世界人口の17％ですが、2025年時点で主要なAIモデルの87％、AI新興企業の86％、投資資金の91％を占めています。低所得国は自動化される知的職業が少ないため短期の打撃が小さい一方、通信、計算資源、現地言語データ、技能が不足し、生産性向上の恩恵も受けにくくなります。

知能コスト低下の利益が家計へ届く経路は、少なくとも五つあります。全員がAI企業の株主になることは、そのうちの一つの形にとどまります。

1. 競争による価格低下で、同じ所得から利用できるサービスを増やす。
2. AIが人を補助した生産性利益を、賃上げや利益分配へ反映する。
3. 同じ生産量を短い労働時間で作り、余暇として受け取る。
4. 教育、医療、行政などの公共サービスを安く広く提供する。
5. 法人税、資本所得課税、年金基金、従業員持株などを通じ、資本収益を共有する。

どれか一つだけでは足りません。価格低下は失職した人の家賃を直接払わず、現金給付だけでは住宅や医療の供給不足を解消できず、再訓練も新しい仕事そのものが十分に作られなければ機能しません。競争政策、社会保障、公共投資、労働者の交渉力、住宅やエネルギーの供給を組み合わせる必要があります。

IMFは、AIへ一律の特別税を課すと、生産性を高める投資まで妨げる可能性があると指摘しています。その代わり、失業保険などの所得保障を改善し、税制が労働を過度に不利にしている部分を見直し、資本所得と企業利益を適切に課税する方向を示しています。制度はAIの進歩を止めるためではなく、移行時の損失を支え、利益へ参加できる人を増やすために設計する必要があります。

政策は時間軸を分けると見通しが良くなります。短期には、職を失った人や収入が落ちた人を支え、転職と学習の費用を下げます。中期の課題は、競争、データ移動、住宅、電力、教育、医療の供給制約を緩めることです。長期には、資本収益から公共サービスと社会保障を支える税基盤を維持し、AIが補完する仕事と新しい役割へ投資を向けます。将来の大きな利益を理由に、移行期の特定の損失を放置しない設計が必要です。

AIの効果を一つの数字だけで測ると、利益の偏りと生活上の詰まりが見えなくなります。企業、政府、読者が追うべき指標は、少なくとも七つあります。

さらに、これらの指標は年齢、所得、企業規模、地域で分けて見なければなりません。平均賃金が上がっていても若年層の入口が細り、全国の生産性が上がっていても地方の医療待ち時間が長いままなら、豊かさは均等に広がっていません。AIの進歩を測る指標と人間の生活を測る指標を分け、両者をつなぐ経路が機能しているかまで検証する必要があります。

ここからは筆者の見立てです。AIによって知能を利用できる量は大きく増えます。個人が受けられる教育、制作、翻訳、相談、娯楽の選択肢も増えるため、人類全体の潜在的な豊かさは高まる可能性が高いでしょう。

しかし、豊富になった知能は、希少性そのものをなくしません。希少性は、知的成果の制作から、電力、土地、人間の時間、信頼、責任、顧客への到達、資本の所有へ移ります。知的成果だけが安くなり、住宅、医療、介護が高いままなら、生活費の中心は残ります。生産性利益が株主へ集中し、労働所得が減れば、社会全体で作れる量が増えても、それを買える需要が弱くなります。

したがって、AIが全人類を豊かにするかという問いへの答えは、技術だけでは決まりません。AIは豊かさの原資を増やします。その原資を、低価格、所得、公共サービス、余暇としてどこまで広く届けられるかは、競争、所有、税制、社会保障、住宅とエネルギーの供給という人間側の制度で決まります。