生成AIが経済に与えるインパクトを読み解くー技術革新による市場変動について

振り返ってみれば、コンピューター時代の幕が開けたときに登場したのは、適応性に欠け、軍事など特定の利用目的のために設計された高価な大型電子計算機でした。世界初の汎用電子コンピューターであるENIAC（Electronic Numerical Integrator and Computer）は、1940年代半ば、米陸軍の弾道研究所（Ballistic Research Laboratory）の依頼により、火砲のための射表の計算目的で開発されました。

しかし、コンピューターの処理能力が次第に向上し、コストも低減したため、コンピューターを導入できる業界が増えたことが新たなイノベーションへとつながっていきました。そしてその結果、コンピューターの普及はさらに拡大していきます。こうしたITのイノベーションと開発、そして需要の増大が継続するプロセスの後には、生産性と生活水準が長期間向上し続ける時代が到来したのです。  

EYでは、ITがけん引した1990年代における生産性上昇の加速を検証した結果を踏まえ、生成AIは今後10年間で生産性上昇を50～100％押し上げる可能性があると推定しています。しかし、産業革命や電力が普及した時代のような、生産性の2倍増、3倍増には及ばないとみられます。

同様のタイムラグは電気の場合にも、⽣産性が上昇するまでに⽣じましたが、その程度は蒸気機関のときよりも短期間で済みました。電気の時代は⽶国では1880年代に始まりましたが、電化が本格的に進み、⽣産性が⼤幅に向上したのは1920年代になってからのことでした⁴。

急速な技術進歩と⽣産性の不振とが同時発生するというパラドックスは、1970年代にパソコンやインターネットの登場とともに始まったIT⾰命でも存在しました。1987年、ノーベル経済学賞のロバート・ソロー教授が、「至るところでコンピューターの時代を目にするが、生産性の統計ではお目にかかれない」と述べたことは有名です。

当時、技術が⼤きく進歩していたにもかかわらず、時間あたりの実質⽣産量で測定した労働⽣産性の伸び率は、年0.5％という嘆かわしいペースで停滞したままでした。IT技術の経済全体への普及に伴い、1998年から2005年にかけて労働⽣産性が継続的に年率2％超で上昇したことでようやくこのパラドックスは解消しましたが、それはIT⾰命から20年後の1990年代後半から2000年代初めになってからのことでした⁵。

普及と導入がより速く進む

EY CEO Outlook Pulse調査によると、CEOの43％が既にAIへの投資を開始しており、さらに45％が来年に投資を計画しています。このように企業はAIへの投資を進めていますが、⼀⽅で、多くの企業において、AIの成⻑の潜在的可能性を最⼤限発揮させるような抜本的な変⾰ではなく、目の前の効率性向上を追求していることも明らかになりました。また、AI導⼊の成熟度がまだ初期段階にある企業の割合は90％に上ります。

技術⾰命が⽣産性向上をもたらすまでにタイムラグが⽣じる原因にはさまざまなものが考えられますが、中でも重要なのは次の3つです。

• 導⼊と普及︓新たな技術が導⼊されても、経済全体に影響が波及するまでには時間がかかります。たとえ技術が導入され始めたとしても、⾼額な初期費⽤や自社に導入するメリットに確信が持てないことを理由に、または、さらに優れた技術が登場するかを確認するためだけに、企業が導⼊をためらう可能性があります。
• 技術習得と調整期間︓新たな技術が導⼊された場合、従業員や管理職がその効果的な使⽤⽅法を習得するまでの時間が必要になります。これには、トライ・アンド・エラーの期間、トレーニング、リーディングプラクティスの確立が含まれます。
• 補完的なイノベーション︓新技術を余すところなく効果的に活⽤できるようになるには、その技術を補完するイノベーションやインフラが必要になる場合があります⁶。例えば、電気エンジンの利⽤拡⼤には広範な電⼒網が必要でしたし、パソコンのメリット拡⼤の背景にはインターネットの普及がありました。

例えば携帯電話に搭載された仮想アシスタントなど、10年前に導⼊された製品にも、新たに出現したAIツールの注⽬すべき機能と性能による⼤きな改善が既にみられます。

広範な⽣産性の向上にはタイムラグが伴う可能性が⾼いものの、技術の導⼊と普及のスピードは速まっています。要する時間は、1800年代には数⼗年掛かったものが、コンピューター時代には約10年間に短縮しています。

新技術の普及と導⼊のスピードが速まっていることを考慮するならば、⽣成AIでは今後3年から5年で経済活動を押し上げる効果が現れる可能性があります。

最近では、デジタル化の波と⾃動化に伴い、かつては⼈が⾏っていた定型業務（主に低・中等スキルの職）が消え、多くの作業が変容しています。しかし、情報化時代には、データサイエンティスト、ソフトウエアエンジニア、ウェブ開発者など、過去に存在しなかった新しい職種が数多く⽣まれ、IT関連の雇⽤が急速に拡⼤しました。

1990年から2001年の間に、⽶国の製造業の雇⽤は12％減少しましたが、⼀⽅でコンピューターシステム設計や関連サービスの雇⽤は3倍に増加しました。また、IT業界の就業者の給与は、⺠間部⾨の平均的な労働者よりも⾼くなっています。コンピューターシステム設計者の平均時給は、1990年には平均的就業者の1.8倍でしたが、2000年代末には約2倍になっています⁷。

⽣成AI技術は、⾮定型的な認知的業務にも利⽤できるため、特にホワイトカラー労働者の仕事の性質と内容を⼤きく変化させる可能性があります。しかし、⽣成AIが代替するのは、特定の作業であって仕事そのもの全体ではない可能性が⾼く、他⽅で⽣成AIの普及は、AIのトレーナー、倫理⾯の担当者、開発者などの新しい職種の創出につながるでしょう。

ビジネスリーダーが⾃問すべきAIの経済的影響に関する戦略的質問

⽣成AIが及ぼすマクロ経済への影響は、ビジネスリーダーにとって解きほぐすには複雑で精緻な織りのタペストリーのようなものです。ここでもっとも重要なのは、より広範な経済的影響を理解しながら、企業戦略と倫理の整合を図ることです。ビジネスリーダーは、以下に挙げる質問の答えを解き明かすことで、技術⾰新とマクロ経済的レジリエンスとが交わる中に⾃社を戦略的に位置づけ、⽣成AIの影響がさらに増⼤する世界にあっても持続可能な成⻑を確保することができます。

• マクロ経済情勢に対する洞察を持つ︓経営陣は、⽣成AIに大きく影響受け変化するマクロ経済情勢を、どのように評価し、また適応していくか。AI関連の画期的技術に起因する世界経済の動向、貿易関係の変化、グローバルサプライチェーンの混乱の可能性について、分析を⾏う専任チーム・担当者を任命しているか。
• イノベーションと経済成⻑︓より大きな経済成⻑を生み出すイノベーションを育むため、⾃社で⽣成AIの持つエネルギーをどのように活⽤しているか。AIがけん引するイノベーションを通じて、経済的インパクトを強化するパートナーシップ、コラボレーション、エコシステムへの関与を自社は追求しているか。
• 競争環境と戦略的ポジショニング︓⽣成AIによって産業構造や競争関係が再編される中、⾃社は業界のバリューチェーンが変化する可能性についてどのように捉え、対処しようとしているのか。マクロ経済シナリオが一変する中、自社の⽣成AIへの戦略的投資は競争⼒確保にどのように役⽴つのか。
• 経済外部性と価値創造︓⾃社の⽣成AI戦略によって、経営陣は意図せずに負の経済的外部性を⽣み出すことなく、確実に持続可能な経済的価値を創出するために、どのような貢献をしているか。⾃社のAI関連の取り組みから⽣じる広範な社会的・経済的影響を、どのような尺度を用いて評価しているか。
• 経済リスクの管理︓景気後退の可能性や市場の不確実性を受け、経済リスクを評価し軽減させる確固たる戦略を策定するため、自社は⽣成AIをどのように活⽤しているか。AIによる予測分析は先⾒的リスク管理にどのように支援しているか。
• 労働市場の動向と⼈材戦略︓⽣成AIが労働市場を根本的に変容させる可能性を踏まえ、将来に適合させながら倫理的に健全な⼈材戦略の策定のため、経営陣はどのような措置を講じているか。状況の変化に応じて従業員のリスキリングとアップスキリングを実施する規定はなされたか。
• ⽣成AI経済におけるステークホルダー・エンゲージメント︓経済を⽣成AIがけん引する現在の状況において、明確な価値提案を⾏うに当たって、投資家から消費者に⾄るまでのあらゆるステークホルダーに対してどのように関与しようとしているか。ステークホルダーが抱いている認識と懸念を、戦略的意思決定にどのように組み込んでいるか。