AIは経済学者に取って代わるのか？破壊を研究する職業が破壊されつつある

経済学者はキャリアを通じて、市場が技術的混乱にどのように対応するかを研究しています。今、彼らはそれを生きています。創造的破壊をモデル化する職業が直接それを経験しており——その経験は、経済学者が理論だけからは学べなかったであろう、自分たちの仕事についての重要なことを教えています。

データが示すもの：高い露出度、中程度のリスク

当データは、経済学者が全体的なAI露出度60%と自動化リスク36%に直面していることを示しています [推定]。露出度は相当なものです——ほとんどの社会科学よりも高い——しかしリスクは経済的助言の判断集約的な性質と、ほとんどの専門的な経済学者が働く機関的文脈によって緩和されています。

経済データと傾向の分析という核心的な定量的タスクは、48%の自動化率です [推定]。AIの分析能力を考えると、この数字は驚くほど低く見えるかもしれませんが、経済データ分析は単に回帰分析を実行することではないという事実を反映しています。それは問いに対して適切なモデルを選択し、しばしば乱雑で不完全なデータをクリーニングし、巧みな研究デザインによって識別問題に対処し、AIが欠く制度的知識の文脈の中で結果を解釈することを含みます。

当データベースの労働経済学者はさらに高い露出度を示します：全体的に58%で46%のリスク [推定]——労働市場分析の高度に定量的な性質と、機械学習が処理に優れる大規模な行政データセットとデジタルトレースデータの増加する可用性によって推進されています。

米国には正式なBLS分類の下で約19,600人の経済学者がおり [事実]、中央値年収は$113,940です [事実]。労働統計局は2034年まで6%の成長を予測しています [事実]——平均以上で、公共・民間部門の両方での経済的専門知識への持続的な需要を反映しています。正式な分類を超えて、経済学の博士号を持つさらに多くの人々がコンサルティング、金融、テクノロジー、政府政策、国際開発で働いています。

経済学においてAIが優れている点

AIはいくつかの経済実践の領域を真に変革しています。

ナウキャスティング——公式統計を待つのではなく、現在の経済状況を推定するためにリアルタイムデータ（クレジットカード取引、衛星画像、ウェブトラフィック、電力消費、給与データ）を使用すること——は、機械学習が伝統的な計量経済学的方法に対して明確な優位を持つ領域です。ニューヨーク連邦準備銀行、アトランタ連銀のGDPNow、クリーブランド連銀のナウキャスティングモデル、主要な商業予測者はすべて伝統的な方法とともに機械学習アプローチを使用しています。

予測もAIの顕著な貢献の領域です。ニューラルネットワークとアンサンブル手法は、はるかに多くの変数を処理し、伝統的なモデルが見逃す非線形関係を検出できます。一部のAI予測システムは、GDP、インフレ、雇用の短期予測においてすでに人間の経済学者を上回っています。最近の比較研究では、機械学習アプローチが一般的な経済目標のコンセンサス予測と頻繁に一致するか上回ることが示されました [主張]。ただし、より長い期間や体制変化の際には依然として制限があります。

文献レビューと統合——トピックに関する知識の状態を理解するために何百もの論文を読む労働集約的なプロセス——はAIツールで劇的に加速しています。NBERワーキングペーパーシリーズ、SSRN、その他のリポジトリには何十万もの経済学論文が含まれています。AIの要約と検索ツールは、研究者がこの文献をナビゲートする方法を変革しました。

人間の経済学者が依然として不可欠な理由

経済的判断は経済的計算とは根本的に異なります。金融政策を考えてみましょう：連邦準備制度が金利変更を決定するとき、データ分析は簡単な部分です。難しい部分は競合するリスク（インフレ対失業）を天秤にかけ、現在の経済環境に特有の伝達メカニズムを理解し、市場参加者がどのように政策シグナルに反応するかを予測し、期待を管理する方法で決定を伝え、独立した金融政策を制約する政治的環境をナビゲートすることです。

これはデータ処理ではありません——それは巨大な結果を伴う不確実性下での判断です。2022〜2024年のインフレ経験は、洗練された予測ツールでさえインフレの持続性をどのように見逃したか、AIモデルが財政刺激策と組み合わさったエネルギーショックと組み合わさった前例のないパンデミック後のサプライショックを予測できなかった方法を示しました。

同様に、経済政策助言——提案された貿易協定が労働者に利益をもたらすかどうかを政府に伝えること、または有効かつ政治的に実行可能な炭素税をどのように設計するか、またはAIが混乱させる労働市場での労働者を最もよく支援する失業保険改革が何かを伝えること——は、技術的分析を政治的実現可能性、分配上の懸念、規範的価値観と統合することを必要とします。これらは明確な目的関数を持つ最適化問題ではありません。

学術と応用の分断

主に実証的分析に焦点を当てた学術経済学者は最高の混乱リスクに直面しています。回帰分析を実行する能力——数十年間実証経済学を定義したスキル——は商品化されつつあります。学術で繁栄する経済学者は、新しい問いを提起し、新しい理論的枠組みを開発し、巧みな自然実験をデザインし、深い制度的知識で結果を解釈する人々です。

経済学の博士課程の就職市場は依然として厳しいですが進化しています。トップの学科は依然としてテニュアトラックの研究ポジションに配置できるより多くの卒業生を生み出しています。しかしテクノロジー（Amazon、Google、Meta、Microsoftはすべて何百人もの経済学者を雇用しています）、金融、コンサルティング（McKinsey、BCG、NERA、Charles River Associates）、中央銀行、国際機関での博士経済学者への需要は強いままです。

政府、コンサルティング、民間部門の応用経済学者は、その作業が本質的に判断集約的でクライアント対応であるため、代替される程度が低くなっています。非経済学者に経済的分析を説明すること、現実世界の結果を伴う決定を助言すること、特定の文脈に一般的な原則を適応させること、法律または規制の手続きでの精査に耐えられる分析を作成することはすべて、AIが確実に実行できない人間のスキルを必要とします。

テクノロジーセクターの需要

テクノロジー企業での「経済学者の役割」の拡大は、過去10年間の職業において最も顕著な発展の一つです。Amazonは価格設定、マーケットプレイス設計、推薦システム、労働市場の問いに取り組む何百人もの博士経済学者を雇用しています。Microsoft、Meta、Google、Uber、Airbnb、その他多数の企業が経済研究チームを持っています。

この作業は、大規模なデジタル実験への因果推論手法の適用、マーケットプレイスとメカニズム設計の問いのデザイン（例：広告オークション、プラットフォーム価格設定）、競争と反トラスト問題のモデリング、そしてギグワーク、自動化、不平等に関連する労働市場の問いの分析を含みます。

報酬はしばしば学術給与を大幅に上回ります——シニアのテクノロジー経済学者は総報酬で$300,000〜$500,000以上を頻繁に獲得し [主張]、主要な役割はそれをはるかに上回ります。作業は知的に要求が高く、頻繁にトップの経済学ジャーナルに掲載されます。

AI経済学：最もホットなサブフィールド

AI自体の経済的分析は最も活発な研究領域の一つになっています。AIは生産性にどのような影響を与えるか？不平等は？労働市場のダイナミクスは？教育への収益は？経済的権力の集中は？AI産業自体の産業組織は？

David Autor、Daron Acemoglu、Erik Brynjolfsson、Anton Korinekなどの経済学者と他の多数が、これらの問いを中心に影響力のある研究プログラムを構築しました。NBERのAI経済学ワーキンググループ、スタンフォードのデジタル経済学ラボ、MITのIDEなどの機関は活動の集中したセンターです。

今職業に入る経済学者にとって、AI経済学は説得力のある機会を提供します。問いは重要であり、データは豊富であり、政策的関連性は高いです。

経済学者が取るべきアクション

機械学習とデータサイエンスを分析ツールとしてマスターしてください。トップの学科で急増した「経済学者のためのML」コースは、必要なスキルの永続的な変化を反映しています。Mostly Harmless Econometricsは依然として必読ですが、現在はMurphyのProbabilistic Machine Learningと並んでいます。

AI経済学——市場、労働、不平等に対するAIの影響の経済的分析——の専門知識を発展させてください。これは現代経済学の最も政策的に関連する領域の一つであり、学術、政府、産業での説得力のあるキャリアパスを提供します。

経済的分析を実行可能な決定に変換するコミュニケーションと助言のスキルを構築してください。雇用主、政策立案者、一般大衆によって最も評価される経済学者は、技術的な厳密さと明確なコミュニケーションの間を移動できる人々です。

深い制度的知識が価値を複合するサブフィールドの専門化を追求してください：労働経済学（特にAIとともに）、産業組織（特にプラットフォーム市場）、公共経済学、国際貿易、金融政策、環境経済学。これらの応用専門化は、人間の判断が最も価値ある場所です。

経済的判断を生の分析能力を超えて価値あるものにする制度的・文脈的知識に投資してください。特定の労働市場が実際にどのように機能するか、規制機関がどのように決定を下すか、裁判所が経済的証拠をどのように解釈するか、または企業が実際にどのように運営されるかを知ることは、AIが容易には複製できない種類の専門知識です。

労働経済学者を含む詳細データについては、経済学者の職業ページをご覧ください。

行動経済学とAI設計

行動経済学は、人間が合理的な期待効用最大化者として行動しないことを示す研究分野として確立されており、AI時代においてますます重要性を増しています。経済学の境界を認知科学、心理学、神経科学まで拡張するこのサブフィールドは、AIシステムの設計において直接的な応用を持ちます。

ナッジ理論——デフォルト設定、選択アーキテクチャ、フレーミングを通じて人々の行動を特定の方向に誘導する——は、デジタルプラットフォームのインターフェース設計においてますます活用されています。退職貯蓄への自動加入、臓器提供のオプトアウトシステム、健康的な食品選択を促す食堂のレイアウト——これらはすべて行動経済学の原則を応用したものです [推定]。AI技術はこれらのナッジをさらに個別化し、各ユーザーの行動パターンに基づいてカスタマイズしたインターフェース設計を可能にします。

アルゴリズムによる意思決定システムが信用評価、採用、保険価格設定などの分野に普及するにつれ、人々がこれらのシステムを理解し、異議を申し立て、それに対応する方法についての行動経済学的研究の重要性が高まっています。「アルゴリズム嫌悪」（人々が同一の推薦でも人間よりアルゴリズムからのものを信頼しない傾向）、「自動化バイアス」（人々が人間よりアルゴリズムの判断を過度に信頼する傾向）、そしてアルゴリズム的決定に対する公平さの認知——これらは政策設計に直接関連する行動経済学的研究テーマです [推定]。

環境経済学と気候政策

環境経済学は、気候変動の経済的分析と政策設計においてAI時代に特別な重要性を持つサブフィールドです。炭素税の設計、排出権取引システム、再生可能エネルギーへの移行の経済的コストと便益の評価——これらはすべて洗練された経済的分析を必要とする政策課題です。

AIと機械学習は環境経済学に新しい分析ツールをもたらしています。衛星画像と機械学習を組み合わせた農業生産性の監視、企業の炭素排出量のリモートセンシングによる追跡、気候政策が農業、エネルギー、製造業のさまざまなセクターに与える影響の高解像度モデリング——これらはAI支援の環境経済分析の現実の応用例です [推定]。

気候変動の経済的影響の評価においても、経済学者の役割は拡大しています。異常気象の増加頻度と強度が農業、不動産、インフラ、保険市場に与えるコストの定量化、炭素価格の変化が産業立地と雇用パターンに与える影響の分析、「移行リスク」（化石燃料産業から再生可能エネルギー産業への移行に関連する経済的混乱）の評価——これらはすべて、データ分析と経済学的判断の両方を必要とする重要な政策研究です [推定]。

開発経済学と国際的な視点

開発経済学は、貧困削減、経済成長、所得分配の改善という観点から最も大きな人道的影響を持つサブフィールドの一つです。AIと機械学習は、以前は不可能だった種類の貧困研究を可能にしています。

衛星画像と機械学習を組み合わせた消費水準の推定——ナイジェリアやモザンビークなどの国での直接的な調査データが限られている地域で——は、開発介入のターゲティングを改善するための新しいアプローチです。これらのAI支援の測定手法は、最も情報が少ない地域でさえも経済的状況の追跡を可能にし、政策立案者にリアルタイムの情報を提供します [事実]。

無作為化対照試験（RCT）は開発経済学において重要な研究設計として確立されていますが、その設計と実施には依然として経済学者の専門的判断が必要です。どの介入を試験するか、どのような条件でそれらを実施するか、どのような結果を測定するか、そしてRCTの知見を異なる文脈に一般化する際の外部妥当性の問題をどのように扱うか——これらはAIが自動化できない判断業務です [主張]。

_この分析はAIの支援を得て作成されており、アンソロピック労働市場レポートと労働統計局の予測データを使用しています。_

経済データの変革と新しい測定手法

ビッグデータの時代は、経済学者が使用できるデータの種類と規模を根本的に変えています。行政データ（税務記録、社会保障記録、雇用保険の申請）、取引データ（クレジットカードの購入、モバイル決済、eコマース）、デジタル行動データ（ウェブ検索、ソーシャルメディアの活動、モビリティデータ）——これらの新しいデータソースは、従来の調査ベースの経済研究では不可能だった研究の種類を可能にします。

「高頻度」データは経済学研究に革命をもたらしています。毎日更新される消費指標、週次の失業保険申請データ、リアルタイムの求人情報データ——これらにより、経済状況の変化をほぼリアルタイムで追跡することが可能になりました。COVID-19パンデミックの際には、これらの高頻度データが政策立案者に経済への衝撃の速さと範囲についての前例のないリアルタイムの洞察を提供しました [事実]。

テキストデータの経済分析も成長する研究領域です。中央銀行のコミュニケーションの感情分析、企業の決算報告書からの経済見通しの抽出、ソーシャルメディアでの消費者の感情の測定——これらはすべてNLPと計算言語学が経済分析に新しい測定の可能性をもたらす例です。これらのテキスト・データの分析手法を習得した経済学者は、伝統的な経済指標だけに依存する競合他社に対して実質的な優位を持ちます [推定]。

金融経済学とフィンテック

金融経済学はAIの影響を最も強く受けているサブフィールドの一つであると同時に、新しいAI関連の機会が最も豊富な分野でもあります。アルゴリズム取引、ロボアドバイザー、AIクレジットスコアリング、自動引受——これらはすべて、金融市場と金融サービスを根本的に変えているAI応用です。

しかし、金融規制のマクロプルーデンシャルな監督と体系的リスクの管理においては、経済学者の判断が依然として不可欠です。2008年の金融危機はアルゴリズム的トレーディングと金融エンジニアリングの複雑さがどのように体系的リスクを生み出したかを示し、リスクを正しく測定し規制するための経済学的判断の重要性を示しました。AIシステムがより多くの金融活動を担うにつれて、これらのシステムが生み出す新しい形のリスクを特定し評価する金融経済学者の役割はさらに重要になります [推定]。

暗号資産とブロックチェーン経済学は特に新興の領域です。DeFi（分散型金融）のメカニズム設計、暗号資産市場の価格形成とボラティリティ、ブロックチェーン技術が金融仲介と決済インフラに与える影響——これらはすべて新しい経済学的研究と政策設計を必要とする課題です [推定]。

関連：他の職業はどうなのか？

AIは多くの職業を再形成しています：

• AIは地理学者を代替するか？
• AIは哲学者を代替するか？
• AIはソフトウェア開発者を代替するか？
• AIは看護師を代替するか？

_470以上の職業分析をブログで探索してください。_