ノーベル賞級の経済学者3人が「AIは労働者にとって間違った方向に進んでいる」と言う
Acemoglu、Autor、Johnsonは現在のAI開発が自動化を優先し増強を後回しにしていると主張し、労働者寄りの方向に転換するための9つの政策を提案している。
Daron Acemoglu、David Autor、Simon Johnsonが連名で論文を発表すると、経済学の世界が注目します。この3人は傍流の声ではありません。Acemogluは2024年のノーベル経済学賞を受賞しました。[事実] Autorはテクノロジーと労働市場の関係を考える枠組みを一変させた「タスクフレームワーク」を生み出した人物です。[事実] Johnsonは元IMFチーフエコノミスト兼MITスローン教授で、権力集中がいかに経済的帰結を形作るかについての著書で知られます。[事実]
2026年2月にBrookings InstitutionのHamilton Projectから発表された彼らの新しい論文は、率直なメッセージを伝えています：今の私たちのAIの作り方は、労働者を助けるようにはできていない。[見解] そして意図的に軌道修正しなければ、近代労働史上最大の生産性増幅器になれるはずの技術が、むしろ格差を拡大するエンジンになってしまう。
核心的な問題：AIは増強でなく自動化している
著者たちは、AIの議論の多くが飛ばしてしまう決定的な区別をつけています。テクノロジーを労働への影響に基づいて5つのカテゴリーに分類します：労働増強型（労働者をより効果的にする）、資本増強型（機械を改善する）、自動化型（人間のタスクを機械で置き換える）、専門性平準化型（新人が専門的タスクをこなせるようにする）、そして新タスク創出型（まったく新しい人間の仕事を生み出す）。[事実]
この5つのうち、労働者に明確にプラスなのは「新タスク創出型」だけです。[事実] それ以外はすべてトレードオフを伴い、現在のAI投資の風景は自動化に大きく傾いています。
著者たちの言葉を借りれば：「現在のAIの焦点の大部分は、タスクの自動化と汎用人工知能の方向での高度な能力開発に置かれており、労働者寄りのAI開発に向けられるエネルギーと投資は少ない」。[事実] 理由は明快な経済学です：先進企業は、人間のために新しいタスクを作るよりも、専門知識を自動化する方にリターンが大きいと見ている。[見解]
この枠組みは、自分の職業のAI暴露度を見ている人にとって重要です。ソフトウェア開発者のAI暴露が高いと報告されたとき、自然な疑問は：何に対する暴露なのか。仕事を置き換える自動化か、能力を増幅する増強か。Acemoglu、Autor、Johnsonは、答えは今まさに行われている政策選択次第だと主張します。
「労働者寄りのAI」とは実際にどんなものか
論文は「労働者寄りの技術」を、人間のスキルと専門知識をより価値あるものにする技術——価値を下げるのではなく——と定義しています。[事実] 看護師が見落としそうな症状を発見するのを助ける診断AIツールを想像してください。看護師を不要にするAIシステムではなく。ソフトウェア開発者がより速く機能を構築できるコード補完ツールを想像してください。開発者を不要にする完全自律コーディングエージェントではなく。
この区別は個別の職業にとって極めて重要です。カスタマーサービス担当者にとって、労働者寄りのAIとは、複雑な電話対応中に関連情報を即座に呼び出し、エージェントが問題をより早く解決できるようにするツールです。代替案——人間の関与なしに大半の問い合わせを処理するチャットボット——は自動化であり、現在投資競争で勝っています。
会計士にとっては、ルーティンのコンプライアンスチェックを自動化するAI（会計士をアドバイザリー業務に解放する）と、アドバイザリー業務も処理してしまい職業の価値連鎖を圧縮するAIの違いです。
行政アシスタントにとっては、AIスケジュール管理やメールツールが複雑なワークフローの不可欠なコーディネーターにしてくれるのか、それとも同じツールが役割自体を不要にするのか、という問いです。
9つの政策提言
論文は診断にとどまりません。AI開発を労働者寄りの方向に転換するための9つの具体的な介入策を提案しています。[事実]
最も注目すべき提言は米国の税制を標的にしています。[事実] 現行の税制——Section 168の即時償却のような規定を通じて——企業にとって設備やソフトウェアへの投資を、雇用や教育訓練への投資より安くしています。[事実] 著者たちはこれが自動化への体系的バイアスを生んでいると主張します：労働者をソフトウェアで置き換えることには税制優遇があり、労働者を訓練することにはない場合、経済的インセンティブは置換に向かう。
その他の提言には、連邦助成金を労働者寄りAI研究に向けること、DARPA型の競争賞による親労働者イノベーション促進、独占禁止法の強化、そして労働者の専門知識がAIシステムに抽出されるのを防ぐ法的枠組み——著者たちが「専門知識の窃盗」防止と呼ぶもの——が含まれます。[事実]
2つの提言は特定のセクター：医療と教育に焦点を当てています。[事実] 著者たちはこれらを、労働者寄りAIが特に大きなプラスの影響を持ちうる分野——AI増強された専門職がコスト削減だけでなくサービスアクセスを劇的に拡大できる分野——と見ています。
最後のセットは権力ダイナミクスに関するもの：AI導入決定における労働者の発言力のメカニズムと、新たにAI能力を獲得した労働者がその拡張された能力を十分に活用することを妨げるライセンス規制の緩和です。[事実]
すでに知っていることとのつながり
この論文は、増え続ける証拠に重要な政策的次元を加えます。AI暴露度の高い仕事がChatGPT登場前からすでに減少していたこと、企業が測定可能な形でAIを人間の労働の代わりに使っていること、Brookingsが600万人の米国労働者を高AIリスク・低適応力と特定したことなどを報じてきました。
Acemoglu、Autor、Johnsonは、これらのトレンドが不可避ではない理由の理論的骨格を提供しています。労働力の置換はAIが本質的に反労働者だから起きているのではなく、インセンティブ構造が増強より自動化を優遇しているから起きている。[見解] インセンティブを変えれば、テクノロジーは方向転換できる。
これは見かけよりも楽観的な枠組みです。結果は予め決まっていないということですから。しかし同時に、市場が勝手に労働者寄りのAIを生み出すのを受動的に待つのは、著者たちから見れば甘いということでもあります。Simon Johnsonは直接こう述べています：「私たちは現在、労働者寄りのAIの道にはいない」。[事実]
あなたのキャリアへの意味
ソフトウェア開発者、会計士、カスタマーサービス担当者、行政アシスタントであれ、この論文は単純な自動化リスクスコアを超えて未来を考えるための枠組みを提供します。
問いは「AIは自分の仕事に影響するか？」だけではありません——ほぼ確実に影響します。問いは、あなたの雇用主、業界、政府が、あなたをより価値あるものにするAIに投資しているか、あなたを置き換え可能にするAIに投資しているか、です。[見解]
実践的には3つのことを意味します。第一に、AIがあなたのポジションの代替ではなく、あなたの手の中のツールとして展開されている役割や組織を探してください。第二に、仕事の中で判断力が求められる部分——AIが自動化でなく増強する領域——の専門性を磨いてください。第三に、政策の議論に注目してください。税制、独占禁止法、労働規制が、AIがあなたのコパイロットになるか後任になるかを左右します。
論文全文はBrookingsのHamilton Projectで入手可能です。
この分析はAcemoglu、Autor、Johnson (2026)の原著論文に基づき、AIの支援を受けて作成されました。個別職業のAI暴露データの詳細は職業ページをご覧ください。