11月9日、Boaz Barakが主宰するブログ「Windows on Theory」に「CS 2881 Fall 26: Lecture 5: Economics of AI」と題した講義ノートが公開された。ハーバード大学のコース「CS 2881: AI Alignment and Safety」（Fall 2026）の第5回講義録であり、登壇したスタンフォード大学のErik Brynjolfsson（経済学者・AI and Economic Growth研究で知られる）とChad Jonesが、AIが経済成長・労働市場・権力分配に与える影響を経済学の視点から体系的に論じている。AIの技術的な議論ではなく、「AIが誰の富を増やし、誰の仕事を奪うか」という経済学的な問いを正面から扱った内容だ。
「チューリングの罠」という名の整合問題
講義の核心となる概念がチューリングの罠（Turing Trap）だ。現在のAI研究の大部分は「人間と同じタスクをこなせる機械」を作ることを目標としている。しかしBrynjolfssonはこれを整合（alignment）の失敗と位置づける。この概念はBrynjolfssonが2022年に発表した論文「The Turing Trap: The Promise & Peril of Human-Like Artificial Intelligence」で詳しく論じられている。
機械が人間の仕事を代替する「自動化（automation）」と、人間と機械が協働して互いの限界を超える「拡張（augmentation）」は異なる。彼が提唱する「センター（centaur）」、すなわち人間と機械のハイブリッドが実行できるタスクの集合は、どちらか単体のそれより常に広い。
経済的な問題もある。人間が経済的な力を持てるのは、その労働が必要とされるからだ。自動化によって労働が不要になれば、経済的権力は技術を所有する者へ移転する。これは経済的格差にとどまらず、政治的権力の集中にも直結するとBrynjolfssonは警告する。
実証データが示す「誰が得をするか」
Brynjolfssonは抽象論に終わらせず、実際のデータで議論を補強している。
Danielle LiとLindsey Raymondとの共著研究では、フォーチュン500企業のソフトウェア会社でAIカスタマーサポートアシスタントを5,172人のエージェントに導入した効果を検証した。結果は明確だった：
- 平均で1時間あたり15%多くの問題を解決
- 最低スキル層では約30%の向上
- 上位20%（トップクインタイル）にはほぼ効果なし
AIアシスタントは、熟練エージェントが持つ知識を体系化して全員に配布する役割を果たした。2ヶ月の経験しかないエージェントがAIを使うと、AIなしの6ヶ月相当のパフォーマンスを発揮した。スキル分布が圧縮されたわけだ。
雇用動向でも同様の傾向が確認されている。22〜25歳の若年労働者の雇用成長は鈍化・横ばいとなり、特にソフトウェアエンジニアリングでは顕著な減少が見られる。「Canaries in the Coal Mine」研究（Anthropicのデータを用いたもの）では、AIを自動化に使う職種は雇用が減少し、補完的に使う職種は増加という相関が確認された。最も高いAI露出度の職種では、若年労働者の雇用が低露出度の同世代より約19%低い。
注意すべきは、この雇用減少の主因が「解雇」ではなく「採用の停止」にある点だ。企業は既存社員を切る前に、採用口を閉じることから始めている。
生産性統計に映らない投資の罠
「なぜAIへの投資がGDP成長に反映されないのか」という問いには、ミスメジャーメント・Jカーブという概念が使われる。新技術への投資初期は、「無形資産」（ノウハウ、プロセス改善、組織変革）への投入が先行し、GDPには計上されない。短期的には「インプット増・アウトプット変わらず」となり、生産性は見かけ上低下する。
しかしやがてその無形資産から果実が出始めると、以前計上されていなかった投資の恩恵が突然現れたように見える。現在はちょうどその果実を収穫し始めている段階だとBrynjolfssonは指摘する。
「センターベンチマーク」という提言
現在主流のベンチマーク—SWEBench、TerminalBench、そして名前もそのものズバリのAutomationBench—はいずれも自動化指向だ。AIが単体でどれだけ人間のタスクをこなせるかを測定するこれらの指標は、AIモデル開発の方向性を自動化へと誘導してしまう。
Brynjolfssonが提唱するのがセンターベンチマークだ。人間とAIが共同で作業した成果を評価する指標で、Andreas HauptとBrynjolfssonが作成した**CentaurBench**（7つのタスクで構成）がその実例だ。通常のリーダーボードとCentaurBenchのリーダーボードで順位が逆転したという結果は、「単体で強いモデル」と「人間と協働して強いモデル」が別物であることを示している。
Chad Jonesの視点：過去150年の成長率と「天才の国」
Chad Jonesは別の問いを立てる。「AIは本当に過去の技術と違うのか？」だ。
Dario Amodei（Anthropic CEO）は、AIを「データセンターの中の天才の国」と表現し、人間の認知速度を大幅に超えた高能力エージェントが集中している点で過去の技術とは異質だと主張する。一方で過去150年、米国の平均所得は電気・重工業・コンピューター・インターネットを経てもなお年率約2.0%成長を維持してきた。これほど多くのパラダイムシフトがあっても成長率が変わらなかった事実は、AI特異論への反論となりうる。
Jonesのこの問いは宙吊りのまま提示される——それ自体が意図的な構造だ。AIが「今度こそ違う」かどうかは、実証的に決着がついていない。Brynjolfssonの実践的提言は、その答えが出る前に設計者が方向性を選べるという前提に立っている。
Brynjolfssonの結論は実践的だ。「センターevalを書け。タスクレベルでAIを測定せよ。自分が作るものがどちらの方向を向いているか問え。」—自動化か、拡張か。この問いは技術的な選択である前に、設計者の姿勢の問題だという指摘は重い。
詳細はCS 2881 Fall 26: Lecture 5: Economics of AIを参照していただきたい。
