GDPが32.4％増えても知識職の賃金は下落、Anthropicの極端シナリオ

Anthropicは2026年9月9日、AIの能力や普及の進み方に応じて、2030年までの米国のGDP、雇用、賃金を試算する経済モデルと対話型ツールを公開した。9月9日付のAxios報道 も、穏健、大幅、極端という三つの経路と、成長が強いほどホワイトカラーの雇用調整が大きくなる構図を伝えている。

最大値を示す極端シナリオでは、2030年の米国GDPがAIのない反実仮想より32.4％高い44.4兆ドルになる一方、知識労働者の賃金は10％超低下する。だが、Anthropicの公式エクスプローラー が示すのは予測ではなく、AIの能力、導入、自律性、生産性、転職にかかる時間などの仮定を組み合わせた条件付きシナリオである。

三つのシナリオを分ける仮定

このモデルは職業を丸ごと「残る」「消える」と判定せず、仕事をタスクの束として扱う。タスクごとに、AIの影響を受けない作業、人間を補完する作業、自動化される作業、AIによって新たに生まれる作業を分け、それぞれが経済全体でどれほど実行されるかを積み上げる。

• 穏健シナリオでは、AIの影響はインターネットに近い規模で徐々に広がる。能力も導入も限定的で、雇用への影響は小さい。
• 大幅シナリオでは、AIは知識労働の半分を実行でき、その多くを自律的に処理できる。ただし企業の導入は能力の進歩より遅く、人間が依然として大半のタスクを担う。
• 極端シナリオでは、AIが知識労働の大部分で人間より高い生産性を持ち、ほぼ自律的に作業する。導入も速く、人間向けの新しい知識タスクはほとんど生まれない。Anthropicは、この状態には再帰的に自己改善するAIが必要になる可能性が高いとしている。

つまり、三つの経路は通常の弱気・標準・強気予想ではない。技術的な能力が高くても導入が遅ければ影響は限られ、導入が速くても新規タスクが十分に増えれば人間への打撃は和らぐ。見出しの32.4％は、複数の仮定を極端な側にそろえた場合の出力だ。

GDP拡大と賃金下落が併存する理由

極端シナリオでは、生産量の拡大と知識労働者の所得改善が切り離される。AIと計算資源が知識タスクを代替すると、生産性と総所得は増えても、追加所得のより大きな部分が賃金ではなく資本への収益になるためだ。

モデルでは、極端シナリオの知識労働者の賃金はAIなしの経路より11.5％低く、それ以外の労働者の賃金は33.6％高い。知識職の雇用は2026年半ばから21.5％減り、知識労働者の失業率は17.9％、経済全体では11.9％となる。労働分配率も約60％から45.2％へ下がり、資本側の比率は54.8％に上昇する。

これは、すべての労働者が一様に貧しくなるという結果ではない。知識職で高まった生産性が物理的な仕事への需要を増やし、非知識職の賃金を押し上げる経路が組み込まれているからだ。たとえば設計や許認可が速くなれば建設案件が増えるという波及を想定しているが、個々の職業について保証された結果ではない。

転職期間が失業率を左右する

自動化で現在の職を離れても、需要が増える職業へ短期間で移れれば失業の蓄積は抑えられる。反対に、技能の習得、資格、勤務地、求人との適合などによって転職が長引くと、同じAI能力と導入率でも失業率は高くなる。

この再配置の摩擦が、大幅シナリオと極端シナリオの差を広げる。大幅シナリオでは知識労働者の賃金はほぼ横ばいで、失業率の上昇も比較的小さい。極端シナリオでは自動化の速度に新規タスクの創出と職業移動が追いつかず、失職した知識労働者が長期間、次の仕事に就けない状態が積み上がる。

したがって、雇用への圧力はAIの性能だけでは決まらない。企業が利用可能な能力を実際の業務へ組み込む速さと、労働者が別の需要へ移る速さの差が重要になる。

職種名ではなくタスク構成を見る

自分の仕事への含意を読むには、職種名より日々のタスク構成が手がかりになる。同じ職業にも、AIが単独で処理できる情報作業、人間の判断を補助する作業、対人関係や物理的行為を要する作業、導入後に必要となる検証や監督が混在している。

1. 現在の業務を、週または月単位で反復する具体的なタスクに分ける。
2. AIが速度や品質を高めても、人間が意思決定を続ける補完タスクを特定する。
3. 人間の継続的な関与なしに完了し得る自動化タスクを分ける。
4. 検証、例外処理、顧客への説明、AIの監督など、導入後に増える新規タスクを確認する。

自動化可能な作業の比率が高く、新規作業が少なく、別職種への移動にも時間がかかる組み合わせほど、極端シナリオに近い圧力を受ける。ただしモデルの対象は米国であり、日本の賃金制度、雇用慣行、職業資格、産業構成へ数値をそのまま移すことはできない。

モデルが含まない変化

この試算は現実を限定された要素へ単純化している。Tom’s Guideがまとめた対象外の要因 には、政府の政策対応、景気循環、金融市場の混乱、消費需要の変化、破局的なAIリスク、高性能ロボットによる物理作業の代替が含まれる。

データセンター建設が総需要を押し上げる効果も取り込まれていない。また、個人を追跡するモデルではないため、年齢、地域、資格、企業規模によって転職費用がどう異なるかは粗くしか表せない。外部レビューでは、AIにさらされる職業が本当に縮小するのか、極端な経路は経済シナリオより思考実験として読むべきではないかという異論も示された。

現時点で確定したのは、三つの未来のどれかではなく、条件を変えて結果を比較できるバージョン1.0のモデルが公開されたことだ。今後、実測値として見極める必要があるのは、AI能力の向上速度、企業への普及、生産性、新しい人間向けタスクの発生、失職者が次の職に就くまでの期間である。32.4％は予言ではなく、それらが極端な仮定に近づいた場合に成長と分配がどれほど乖離し得るかを示す警戒線だ。