以下はhttps://papers.ssrn.com/sol3/papers.cfm?abstract_id=5136877の翻訳です。
要旨 (Abstract)
本稿では、生成AIの経済的影響を測定するために、労働市場における生成AIの使用状況を分析する新しい調査を開発した。他の調査と同様に、大規模言語モデル（LLM）などの生成AIツールは、労働力において若年層、高学歴者、高所得者、および顧客サービス、マーケティング、情報技術などの特定の業界の個人によって最も一般的に使用されていることが判明した。全体として、米国の18歳以上の調査回答者における職場でのLLMの導入は、2024年12月時点の30.1%から2025年3月/4月時点の43.2%、2025年6月/7月時点の45.9%へと急速に増加していることがわかった。また、集約的な利用度合いにおける生成AIの使用、その効率向上、および求職活動における使用を推定し、いくつかの追加データセットを用いてLLMが生産性と労働市場に与える影響を調査しようと試みた。これらの結果は、生成AIのグローバル経済への統合によって形成される進化する状況を乗り切る政策立案者、企業、および研究者にとって、いくつかの示唆を与えるものである。
1. 生成AIの経済学 (The Economics of Generative AI)
「しかし、私は、余暇と豊かさの時代を恐れることなく迎えられる国や国民は存在しないと思う。」 – ジョン・メイナード・ケインズ、『孫たちの経済的可能性』（1930年）
急速なコンピューティングコストの低下（Nordhaus (2008), Nordhaus (2021)）によって可能になった大規模言語モデル（LLM）などの生成人工知能（AI）ツールの出現は、生産性を向上させ、企業内および業界内、ならびに企業間および業界間の労働需要を再構築するための新しい不確実な可能性を生み出す（図1）。
過去10年間、生産性と経済成長の最近の低下が、アイデアの枯渇（Gordon (2015), Bloom et al (2020)）の結果である、あるいは「長期停滞（secular stagnation）」と公共投資の不足（Summers (2015)）の結果であるという声明や分析がなされてきた。
一方で、機械学習と人工知能を介して、新しいイノベーションと生産性を解き放つ時点（または「シンギュラリティ（singularity）」）に近づいていると示唆する者もいる（Brynjolfsson and McAfee (2014), Nordhaus (2021)）。
生成AIが労働市場に与える影響の多くは、それが異なるスキルレベルの労働者によって実行される既存のタスクの補完物（complement）であるか代替物（substitute）であるかにかかっている。補完物であれば、生産性向上とともに賃金が向上するが、労働代替物であれば、生産性向上とともに賃金が低下または停滞することになる。Handa et al (2025)は、米国労働省のONETデータベースにおけるタスクと職業の観点から400万件以上のClaude.aiの会話を分析し、AIの使用が主にソフトウェア開発と執筆タスクに集中しており、これらを合わせると全使用量のほぼ半分を占めることを発見している。
生成AIとその関連ツールが最近リリースされたことを考えると、その普及度と労働市場への潜在的な影響については、現在ほとんど知られていない。生成AIの登場におけるいくつかの重要な瞬間には、OpenAIのChatGPT（最初の公開されたLLM）の2022年11月の公開と、GitHubのAIを搭載したCopilot Chat機能の2023年7月の公開ベータ版ローンチが含まれる。
LinkedInのデータによると、OpenAI、Anthropic、Google DeepMindなどのAIツールを生産する生成AI企業の従業員数も大幅に増加している（Google DeepMindには約3500人、OpenAIには3000人、Anthropicには1000人の従業員がいる [付録の図5を参照]）。近年、生成AIの登場により、AIの博士号取得者に対する人工知能の需要が大幅に増加している。これらの企業のソフトウェアエンジニアは、しばしば50万ドルから90万ドルの米ドルを受け取っており、その上には長い裾野がある。
ChatGPTのようなLLMといった経済における生成AIツールの使用範囲は、最初のリリース以来、ゆっくりと拡大している。ChatGPTの使用に関するピューリサーチセンターの調査は、米国におけるChatGPTの使用状況を垣間見ることができる。2023年のピューリサーチセンターの調査によると、ティーンエイジャーの約5人に1人が学校の宿題にChatGPTを使用したことがあるという。ピューリサーチセンターの調査データによると、2024年2月現在、米国の労働力の約20%が過去1年間に少なくとも一度は職場でChatGPTを使用したことがある。特に、職場でのLLMの使用は若年層に偏っており、調査対象者の18歳から29歳の30%以上が過去1年間に少なくとも一度は職場でChatGPTを使用したと報告しているのに対し、50歳以上の回答者ではわずか10%であった。
ピューリサーチセンターの調査では、過去1年間の職場でのChatGPTの使用は学歴によって大きく異なり、大学院の学位を持つ人は高校卒業以下の学歴の労働者よりもChatGPTを使用する可能性が4倍高いことがわかっている（図3）。
企業の生成AIの使用に関して、Bonney et al (2024)は、米国国勢調査局が実施する20万社を対象とした隔週のビジネス動向・見通し調査（Business Trends and Outlook Survey: BTOS）にAI関連の質問を挿入し、ビジネス目的でのAIの現在および将来の予想される使用に関するリアルタイムの推定値を見出している。彼らは、企業におけるAIの使用率が2023年9月の3.7%から2024年2月には5.4%に上昇し、2024年秋初めまでにAIの使用率が約6.6%に増加すると予測している。
生成AIの導入が進むにつれて、これらの傾向は上昇し続ける可能性が高い。
本稿は、大規模言語モデルの導入に伴う生産性と労働市場への影響について徹底的な経済分析を提供することで、このギャップを埋めることを目的としている。過去10年間に、多くの論文が「AI」、すなわち漠然と広範に定義された人工知能とその影響を分析しようと試みている（Acemoglu et al (2022)）。本稿は、生成AI、すなわち2022年後半に公開された、人間のようなテキストを処理および生成するために設計された大規模なニューラルネットワークベースのアーキテクチャであるトランスフォーマー基盤モデル（transformer foundation models）の登場に関連する技術の経済的影響に特に焦点を当てている。
我々自身の米国の労働者を対象とした全国代表調査では、18歳以上の調査回答者における職場でのLLMの導入が、2024年12月時点の30.1%から2025年3月/4月時点の43.2%、そして2025年6月/7月時点の45.9%へと急速に増加したことがわかった。これは2025年の大幅な増加であり、主にChatGPTと生成AIの使用の増加によるものであると我々は考えている。
職場で生成AIを使用すると報告した人々のうち、約3分の1が毎日仕事で使用していると主張する一方で、週に限定された時間数で選択的に使用している。また、いくつかの追加データセットを用いて、LLMが生産性と労働市場に与える影響を調査しようと試みた。これらの結果は、生成AIのグローバル経済への統合によって形成される進化する状況を乗り切る政策立案者、企業、および研究者にとって、いくつかの示唆を与えるものである。
生成AIが生産性と労働市場をどのように形成するかを理解することは、この分野における潜在的な規制政策を理解するために不可欠である。本研究は、米国の労働力における生成AIの使用範囲を時系列で追跡する新しい調査を作成することで、この進行中の対話に貢献する。このような調査の究極の目標は、生成AIとLLMの労働市場への影響、および賃金構造がどのように影響を受けるかを測定することである。
本稿の残りの構成は以下の通りである。セクション2では文献について説明する。セクション3では調査とその結果について議論する。セクション4では結論を述べる。
1 生成AI分野で働くソフトウェアエンジニアの賃金に関するLevelsソフトウェアエンジニアの賃金データ参照： https://www.levels.fyi/companies/openai/salaries
2 Sidoti, Olivia and Jeffrey Gottfried, “About 1 in 5 U.S. teens who’ve heard of ChatGPT have used it for schoolwork”, Pew Charitable trusts https://www.pewresearch.org/short-reads/2023/11/16/about-1-in-5-us-teens-whove-heard-of-chatgpt-have-usedit-for-schoolwork/
3ピューリサーチセンター調査: https://www.pewresearch.org/short-reads/2024/03/26/americans-use-of-chatgpt-is-ticking-up-but-few-trust-itselection-information/ https://www.pewresearch.org/short-reads/2023/08/28/most-americans-havent-used-chatgpt-few-thinkit-will-have-a-major-impact-on-their-job/ https://www.pewresearch.org/short-reads/2023/05/24/a-majority-of-americans-haveheard-of-chatgpt-but-few-have-tried-it-themselves/
2. 文献レビュー (Literature Review)
2.1 生成AIの能力 (Generative AI Capabilities)
このような生成AI技術の応用範囲は非常に広範であり、LLMや関連する生成AI技術が汎用技術（General-Purpose Technologies: GPTs）、すなわち経済全体に影響を与えうる技術であるという考えに大きな信憑性を与えている（Bresnahan & Trajtenberg (1995)）。
生成AIに関する経済学および機械学習の文献の大部分は、特定のタスクを人間よりも効率的に実行するその能力に焦点を当てており、これは生産性に直接的な影響を与える。Brown et al (2020)は、トランスフォーマー（具体的にはChatGPT-3）を多数のタスクにおける人間のパフォーマンスと比較し、トランスフォーマーが優れていることを発見した、この分野における初期の論文の一つである。
ある文献は、LLMが様々な能力レベルの試験でどれだけ優れたパフォーマンスを発揮できるかを検証している。例えば、Geerling et al (2023)は、ChatGPTがミクロ経済学およびマクロ経済学の標準化された試験（大学経済学理解度テスト（Test of Understanding in College Economics (TUCE)））において、人間のパフォーマンスの最高位のパーセンタイルで完了できることを発見している。Greska (2024)は、LLMがKaggleコンペティションで人間を上回ることができることを発見している。
4 2025年のLLMの使用急増は、GoogleトレンドのGoogle検索データを含む他の証拠によっても裏付けられている。Googleトレンドによると、米国および世界全体における「ChatGPT」の検索数は2025年にほぼ倍増している（図15）。2025年4月、サム・アルトマンはChatGPTのアクティブユーザー数がわずか数週間で倍増し、10億ユーザーに達したと述べた。https://www.forbes.com/sites/martineparis/2025/04/12/chatgpt-hits-1-billion-users-openai-ceo-says-doubled-in-weeks/。2025年5月20日のGoogle I/O会議で、GoogleのCEOであるスンダー・ピチャイは、Google Geminiのアクティブ月間ユーザー数が4億人を超えたと述べた（https://techcrunch.com/2025/05/20/googles-gemini-ai-app-has-400m-monthly-active-users/）。元GoogleのCEOであるエリック・シュミットは1年前、中国がLLMの開発において少なくとも5年遅れていると述べた。その後、2025年1月10日にDeepSeekが公開された（https://techcrunch.com/2025/01/28/eric-schmidt-says-deepseek-marks-a-turning-point-for-the-global-ai-race/）。
学術経済学では、LLMが経済学者や研究者をどの程度支援できるかを分析する新しい分野が発展している。Korinek (2023)は、LLMが研究経済学者を以下の6つの分野で支援できる方法を分析している。アイデア出しとフィードバック、執筆、背景調査、データ分析、コーディング、および数学的導出。Charness, Jabarian & List (2023)は、LLMが実験デザイン（例：質問の文言、実験のコーディング、ドキュメント作成）、実験実施（一貫した体験、指示の理解、参加者のエンゲージメント監視）、および実験データ分析（前処理、データクリーニング、研究のレビューと再現におけるレビュー担当者と再現担当者の支援）をどのように改善できるかについて議論している。Horton (2023)は、LLMを使用してシミュレートされた経済主体を作成し、従来は人間の被験者を用いて行われていた古典的な経済実験を実行し、同様の結果が得られることを分析している。
生成AIの能力に関する広範な文献は多数あり、生成AIの能力に関する多数の例を挙げているが、本プロジェクトは、これらのツールの大規模な生産性、労働市場、およびマクロ経済への影響を理解することに焦点を当てている。
2.2 生成AIのミクロ生産性効果の測定 (Measuring The Micro Productivity Effects of Generative AI)
2022年12月のChatGPT 3.5の公開以来、多数の十分に特定された研究（ランダム化比較試験（RCT）および観察研究）が、生成AIのトランスフォーマー、大規模言語モデル（LLM）およびその派生技術の生産性効果を具体的に分析してきた。
Brynjolfsson, Li and Raymond (2025)は、5,179人の顧客サポート担当者の間で生成AIベースの会話アシスタントの段階的な展開を分析し、顧客満足度と従業員定着率に好影響を与え、管理職への介入要求が減少し生産性が向上することを発見している。また、企業の顧客サービス担当者をチャットボットに置き換える事例も逸話的な証拠（anecdotal evidence）として報告されている。
Noy and Zhang (2023)は、実験的な設定で、チャットボットChatGPTを使用した中級レベルの専門的な文章作成タスクにおける生産性効果を分析し、ChatGPTが平均生産性を大幅に向上させること（所要時間が0.8 SD減少し、出力品質が0.4 SD向上）を発見している。
別の実験的な設定で、Dell’Acqua et al (2023)は、ボストンコンサルティンググループのコンサルタントにGPT-4ツールをランダムに割り当て、生産性への影響を測定した。コンサルタントを以下の3つの条件のいずれかにランダムに割り当てた。AIアクセスなし、GPT-4 AIアクセスあり、またはプロンプトエンジニアリングの概要付きのGPT-4 AIアクセスあり。彼らは、18のタスクのそれぞれにおいて、AIツールを使用したコンサルタントが、タスク完了数とタスク完了にかかる時間の両方において、対照群と比較して有意に生産性が高く、かつ有意に高品質の結果を生み出すことを発見している。
Peng et al. (2023)は、GitHub Copilotがソフトウェア開発者の生産性にどのように影響するかを実験的に調査し、有意な正の生産性効果を発見している。
強調すべき重要な傾向は、上記のすべての研究において、スキルの低い労働者の方がより良い結果を出したこと（労働者間の不平等が減少したこと）である。
いくつかの十分に特定された設定における十分に文書化された生産性向上は、特定の業界に限定されず、より広範な労働市場の文脈における潜在的な生産性向上を強調している。Wiles, Munyikwa and Horton (2023)は、大規模なオンライン労働市場でRCTを実施し、求職者にアルゴリズムによる履歴書作成支援を提供した結果、支援を受けた求職者が8%多く採用されたことを発見している。同様に、Wiles and Horton (2024)は、企業向けに求人票の草稿を作成するためにLLMを使用するRCTを実施し、LLMが企業が求人票を作成する時間を大幅に短縮し、求人票の数を増やすことができることを発見している（著者らは、処置群と対照群の企業間で採用数に差がないことも発見している）。Spatharioti et al. (2023)は、LLMベースのツールと従来のインターネット検索ツールを様々な検索タスクで比較するRCTを実施し、LLMが優れていることを発見している。
LLMによって最も影響を受けた業界に関して、いくつかの証拠は、顧客サービス（Brynjolfsson, Li and Raymond (2025)）、ソフトウェアエンジニアリング（Peng et al (2023)）、マーケティング（OpenAIのDALL-Eなどの視覚生成AIアシスタントの登場に助けられている）など、執筆、コーディング、または視覚的なタスクを含む業界を指摘している。これらの大きな影響を受けた業界分野は、LLMの導入とUpworkからの証拠によって裏付けられている。
「ChatGPTは彼のスタッフよりも優れた顧客サービスを提供した。彼は彼らを解雇した」, The Washington Post, 2023年10月3日
オンラインタスク市場であり、摩擦のないスポット労働市場であるUpworkは、将来の生成AIのより広範な労働市場への影響がどのようなものになるかを示す窓を提供している。Upworkによる調査では、ChatGPTのリリース直後に、フリーランサーの契約ごとの総収入が著しく増加したことが判明している（Liu, Deng and Monahan (2024)）。しかし、彼らはまた、Upworkにおける総収入が、執筆、翻訳、営業およびマーケティング、顧客サービス部門で最もマイナスの影響を受けていることも発見している。対照的に、総収入は、管理支援、IT＆ネットワーキング、デザインおよびクリエイティブ、ソフトウェア開発、会計およびコンサルティングなどの分野で最も改善された。これは、LLMが執筆および視覚的なタスクの代替物であり、ソフトウェア関連のタスクに対してはより補完的である可能性があることを示唆している。Hui, Reshef, and Zhou (2023)も、2022年11月のChatGPTリリース後のUpworkデータを分析し、執筆を含むタスクが最も影響を受けていることを発見している。具体的には、UpworkでよりAIに曝露されたフリーランサーの月間求人件数は2%減少し、月間収入は5.2%減少したことを発見している。
生成AIが、ヘルスケアなど生産性向上が停滞し、ボーモルの費用病（Baumol’s cost disease）に悩まされている産業を変革する可能性も示唆されている。例えば、Baker et al (2024)は、ランダム化比較試験を用いて、ChatGPTが医療現場での文書作成を改善する能力があることを発見している。
このような十分に特定されたミクロ経済的効果は、生成AIのよりマクロなレベルでのより一般的な効果について、いくつかの洞察を与える可能性がある。
2.3 生成AIの将来的なマクロ経済効果 (The Prospective Macroeconomic Effects of Generative AI)
経済全体として、生成AIの登場によって長期的な総GDP（aggregate GDP）がどの程度増加するのかは完全には明らかではない。これまで議論してきたように、労働者と企業に関するいくつかの調査データは、これまでのところ生成AIの採用に関する限定的な初期の証拠を発見している。
Bonney et al (2024)は、国勢調査データを用いて、企業のAI使用率が2024年2月時点で5.4%に上昇し、2024年秋初めまでには約6.6%に増加すると予想していることを発見している。ピューリサーチセンターの調査データによると、米国の労働力の約20%が過去1年間に少なくとも一度は職場でChatGPTを使用したことがあり（若年層や高学歴者に偏っている）、これらの採用率は将来的に増加する可能性が高い。
Acemoglu, Autor, Hazell, and Restrepo (2022)は、BurningGlassの求人情報を分析し、2010年から2018年の間にAI関連の求人件数が大幅に増加したことを発見したが、よりAIに曝露された職業や産業の賃金構造には検出可能な変化が見られない一方で、事業所レベルではいくつかの影響が見られた。彼らが、求人票の職務記述にAI関連のキーワードを含む求人を研究しており、それが生成AIのタスクとは異なる可能性があることに注意する必要がある。生成AIによる賃金構造への影響は、既存の労働力に対する補完物か代替物かという能力にかかってくるだろう。
将来に目を向けると、株式市場は生成AIの影響を取り巻く期待の先行指標（forward-looking indicator）を提供している。生成AIツールの成長と普及に対する高い期待を示す兆候の一つは、トランスフォーマーで用いられる行列乗算に必要なツールを生成AI産業に提供する主要なGPUチップメーカーであるNvidiaの株価の急速な上昇である。Nvidiaは現在、時価総額（market capitalization）で世界最大の企業の一つである。
Eisfeldt, Schubert and Zhang (2023)は、公開企業の電話会議（conference calls）における生成AIへの言及を分析し、AI曝露別にソートされた株式ポートフォリオを構築した結果、よりAIに曝露されたポートフォリオが高い正の期待収益を持つことを発見している。Alderucci et al (2024)は、国勢調査の企業データと特許データをイベントスタディの手法で結合し、AI関連のテキストを含む特許を付与された企業は、AI関連のイノベーションがない企業と比較して、収益、雇用増加、従業員一人当たりの生産高増加において著しい成果を上げ、企業内の賃金格差が小さいことを発見している。
いくつかの論文は、将来的にAIによってどのタスクが自動化されるかを予測しようと試みており、しばしばルーブリック（rubrics）、専門家、またはモデル（例：18のタスクについて、自動化可能性を1から5のスケールで示す記述）を使用している。具体的には、これらの論文はO*Netのタスクデータを分析している。Brynjolfsson, Mitchell, Rock (2018)とWebb (2020)は、機械学習によって自動化可能なタスクを特定している。Eloundou et al (2023)とFelten et al. (2023)は、LLMによって自動化可能なタスクを分析している。
このようなタスクの等級付けは、LLM、人工知能、および機械学習によって、様々な職業や産業における労働需要とその賃金構造がどのように影響を受けるかを分析する試みに役立つ可能性があり、これは労働市場の将来にとって極めて重要な問題である。
いくつかの論文はまた、Hultenの定理、産業シェア、および推定されるコスト削減などのツールを用いて、生成AIが実質GDP、生産性、および所得不平等に与える影響を予測しようと試みている。
Brynjolfsson and Unger (2023)は、生成AIが生産性と所得不平等に与える影響を予測している。
2023年のゴールドマン・サックスのレポートでは、生成AIが今後10年間で世界のGDPを7%増加させ、世界中で3億人の雇用が自動化の影響を受ける可能性があると示唆している。
AIの経済成長への貢献に関する予測の下限では、Acemoglu (2024)は、AIの新しい進歩の大きなマクロ経済的影響に関する主張を評価し、10年間で全要素生産性（total factor productivity）が0.66%増加すると結論付けている。Brynjolfsson and Mitchell (2024)は、Hultenの定理を用いてGDPへのそのような影響を予測し、より大きな影響を発見している。
これらのマクロ研究の多くは、形式的なもの（proforma）で投機的（speculative）であると表現できるだろう。より詳細な調査データなしには、さらなる精度を伴うこのようなマクロ経済分析の実施は引き続き困難であろう。
３．SKIP
4. 結論 (Conclusion)
まとめると、本稿では生成AIの経済的影響を測定するため、労働市場における生成AIの使用状況を分析する新しい調査を開発しました。他の調査（Bick, Blandin, and Deming (2024) および Pew）と同様に、大規模言語モデル（LLM）のような生成AIツールは、若年層、高学歴者、高所得者、およびカスタマーサービス、マーケティング、情報技術などの特定の業界の個人によって、労働力で最も一般的に使用されていることが分かりました。全体として、調査回答者の30.1%が生成AIツールが公開されて以来、職場で生成AIを一度でも使用したことがあることが判明しました（他の調査結果とも一致しています）。職場で生成AIを使用していると報告した人の約33%は、毎日仕事で使用していると主張する一方で、週に数時間限定で選択的に使用しているとのことです。生成AIは、タスクに費やす時間を平均で1時間短縮し、このテクノロジーが使用されるタスクの生産性を3倍に向上させているようです。また、いくつかの追加データセットを用いて、LLMが生産性と労働市場に与える影響についても検討しました。
本研究の知見は、LLMの導入によってもたらされる影響が不確実で多面的なものであることを浮き彫りにしています。自動化と技術進歩に関するこれまでの研究（Acemoglu & Restrepo (2019)、Brynjolfsson & McAfee (2014)）で示されているように、私たちの分析は、LLMの導入が一部の労働形態の代替物（substitute）となり、また他の労働形態の生産性向上補完物（productivity-enhancing complement）となりうるという見方を裏付けています。
生成AIに関連する公共政策にはいくつかの方向性があります。一つは、LLMを開発した企業（OpenAI、Anthropic、Google）以外の研究者へのAIモデル開発に対する政府の助成、および広範な公共の研究開発投資のさらなる支援です。8 また、企業側には、大規模言語モデルをさらにオープンソース化（open source）するかどうか（FacebookのLlamaやDeepSeekのように、実際のモデルに関連する重み（weights）を公開するかどうか）という問題もあります。さらに広範な政策課題としては、労働市場規制から、大規模言語モデルの学習に使用されるデータの著作権ライセンス（copyright licensing）などの分野に至るまで、経済的な文脈における生成AIの規制に関するものもあります。Acemoglu and Johnson (2023) のように、AIを規制するためだけの新しい政府部門を提案する者さえいます。
政策立案者、企業、教育機関は、このような結果を考慮し、進行中の技術的混乱に直面してもレジリエント（resilient）な労働市場を育成することを検討する必要があるかもしれません。
私たちは今後も調査を継続し、生成AIとその労働市場への潜在的な影響をリアルタイムで追跡するための指標を拡大していくつもりです。
免責事項
記事は、一般的な情報提供のみを目的としてのみ作成したものであり、投資家に対する有価証券の売買の推奨や勧誘を目的としたものではありません。また、記事は信頼できると判断した資料およびデータ等により作成しておりますが、その正確性および完全性について保証するものではありません。また、将来の投資成果や市場環境も保証されません。最終的な投資決定は、投資家ご自身の判断でなされますようお願いします。
