AIが仕事をしてくれるとしたら、誰が収入を得るのでしょうか？

問題は誰が職を失うかだけではない

機械がほとんどすべてを行う経済の約束は、豊かさの共有か所得の極端な集中という相反する 2 つの結果をもたらすように思えます。どちらも人工知能に関する議論に登場します。モデルの書き込み、プログラム、または会話の能力から自動的に得られるものはありません。技術のデモンストレーションと生活水準の永続的な変化の間には、企業、契約、市場、インフラ、政治的決定が存在します。この文書は、作業の終わりが実証されたとは想定せずに、この一節を調査します。

私たちの中心的な疑問は分配です。組織が人間の労働時間当たりにより多くの価値を提供するとき、誰がこの利益を収入、時間、または安全に変換できるでしょうか?その答えには、労働者、消費者、事業主、テクノロジープロバイダー、政府が関与する可能性があります。これらのグループも重複しています。人は給料を受け取り、より安価なサービスの代金を支払い、企業の少額の株式を所有することができます。したがって、議論を人間対機械に煮詰めると、調査する必要があるメカニズムが隠れてしまいます。

分析を 3 つのレベルに分類します。まず、タスクを AI に技術的にさらすことです。次に、作業環境と所得移転実験で観察された結果。最後に、制度上の選択と例示的なシナリオです。露出指数は、潜在的な変化を特定するのに役立ちます。解雇数は計測していない。実験は母集団と介入についての情報を提供します。経済全体を再生産するわけではありません。シミュレーションにより仮定が可視化されます。これらの前提を予測に変換するものではありません。

Rovemark の編集テーマは、生産性と分配を一緒に研究する必要があるというものです。これは、どの政策が問題を解決するかをすでに知っているという意味でも、私的な利益が不当であるという意味でもありません。これは、品質、総コスト、労働条件、生み出される価値の目的地についても尋ねた後でのみ、実装が成功したとみなせることを意味します。同じテクノロジーが、まったく異なる組織や契約を支えることができます。

AI への曝露は失業と同等ではない

国際労働機関と NASK は 2025 で、世界の雇用の約 4 分の 1 が生成 AI にある程度さらされている職業に就いていると推定しています。このインデックスは、タスクの評価、作業者と専門家の貢献、およびモデル支援分類を組み合わせたものです。参加者数は高所得国では 34%、低所得国では 11% に達します。これらのパーセンテージは、職業構成と潜在的な技術的能力を表します。それらはあなたが職を失う個人の確率ではありません。

最高レベルのエクスポージャーでは、指数は世界の雇用の 3.3% を報告します。この特定のセクションでは、比率は女性では 4.7%、男性では 2.4% です。分母が重要です。私たちは各グループの雇用への参加を比較しており、公開されているすべての職業を性別で分けたわけではありません。グラフを使用すると、ある程度の露出と最大カテゴリを分離して、クリッピングを交互に配置できます。パネルを加算したり、時間的な軌跡として扱ったりすべきではありません。

職業は、さまざまな要求を持つ活動をまとめます。最初の草案の作成は自動化できますが、例外の交渉、決定の検証、または責任の引き受けには依然として人間の参加が必要です。複数のステップが技術的に可能になったとしても、採用はコスト、信頼性、統合に依存します。企業は、同じチームでより多くの顧客にサービスを提供したり、機能を再編成したり、雇用を削減したりすることを選択する場合があります。技術的な可能性を特定することが調査の始まりです。どの応答が発生したかを特定するには、他のデータが必要です。

また、被ばく量が低いことが完全な経済的保護を意味すると結論付けるのも間違いです。労働者はあまりデジタル化されていない活動に従事していても、需要、価格、サプライチェーンに間接的な影響を受ける可能性があります。逆に、露出度の高い機能は、より生産的で価値のあるものになる可能性があります。私たちの解釈は、支援を必要とする可能性のあるグループを含め、具体的な変化を研究するための指針としてこの指数を使用することです。同情報源は職業が消滅する時期については明らかにしていない。

本当の生産性: 単一の約束には当てはまらない証拠

2025 の季刊経済ジャーナルに掲載された研究で、ブリニョルフソン、リー、レイモンドは、5,172 の顧客サービス エージェントの業務にアシスタントを時間差で導入することを分析しました。報告された平均利益は、1 時間あたりに解決される問題数で約 15% でした。経験やスキルに応じて待遇は異なります。これは、段階的に実施し、計量経済分析を行った、1 つの会社と 1 つの職業における証拠です。経済全体の代表的なサンプルからでも、個別の抽選による試験からでもありません。

この結果は、作業プロセス内で AI を研究する価値がある理由を示しています。ただし、時間当たりの解像度が向上しても、自動的に利益、給与、国内生産量が 15% 増加するわけではありません。導入、レビュー、ソフトウェアおよび組織変更のコストをアカウントに含める必要があります。解像度の品質も維持する必要があります。これらの測定値間のパーセンテージを移動すると、研究デザインでは提供されない明らかな精度が得られます。

カウンターポイントは、初期の 2025 ツールを使用した、16 の経験豊富な開発者と既知のプロジェクトでの 246 タスクによる METR の実験から来ています。 AI の利用により、実行時間は 19% 増加しましたが、参加者はタスク前に 24% の減少を期待し、タスク後には 20% の減少を認識しました。コントラストは、サービス調査との矛盾ではなく、その実験で観察された結果に関する期待と認識を測定します。母集団、ツール、タスク、指標は異なります。

この歴史的な発見を解釈するには、2 月 2026 からの METR アップデートが不可欠です。研究者らは、参加者とタスクの選択、報酬の変更、同時エージェントへの作業登録の難しさが、新しい結果の解釈を妨げていると考え始めた。元の推定値に対して報告される 95% 信頼区間は、時間の経過とともに +2% から +39% の範囲になります。 2025 の結果は現在のツールの診断としては使用しません。当てはまる教訓は、速度の感覚だけに頼るのではなく、使用状況の中で効果を測定することです。

時間を節約するだけで誰が儲かるかは決まりません

配達ごとに 10 人時間が必要だったのが、同じ品質を維持しながら 8 人時間が必要になるという仮説のプロセスを想像してください。直接的な節約効果は 1 回の配達につき 2 時間ですが、財務結果はまだわかりません。もしかしたらもっと売りたいという需要もあるかもしれません。もしかしたら競争により価格が下がるかもしれません。おそらく同社は価格を維持し、マージンを増やすだろう。おそらくチームは他のタスクを吸収するか、あるいは利益の一部を労働時間の短縮として交渉することになるでしょう。これらは考えられる答えであり、この出版物で推定されたパーセンテージではありません。

会計に関する 3 つの質問を分けると便利です。 1 つ目は、プロセスでどれだけのリソースが節約されたかです。 2つ目は、実際にどれだけの付加価値が売れたか、あるいはどれだけのコストが消えたかということです。 3つ目は、インフラストラクチャ、サプライヤー、税金を支払った後、この結果がどのように分配されたかです。利用可能時間は実現収益ではありません。未使用のドラフトは販売されません。また、モデルの価格が下がっても、必ずしも信頼できるサービスの総コストが比例して下がるわけではありません。

OECD は、AI の普及と導入能力を、AI がマクロ経済に及ぼす可能性のある重要な条件として扱っています。部門の構造、スキル、インフラストラクチャー、経済統合により、恩恵の範囲が変わります。同機関が議論している予測はモデルの結果であり、AI に完全に起因すると考えられる成長がすでに観察されているわけではありません。この分析では、測定されたサービス向上をブラジルの GDP の予測に反映させません。

私たちの分配仮説は、財産、競争、交渉力が利益の目的地を条件付けるというものです。中小企業は、競合他社がすべて同じことをした場合、以前は高価だった機能にアクセスできるようになり、マージンを失う可能性があります。労働者は給与ルールを制御することなく、より多くの生産を行うことができます。ベンダーは、自社のプラットフォームに依存することで利益の一部を得ることができます。これらの仮説を検証するには、価格、契約、報酬、サプライヤーの参加を長期にわたって監視する必要があります。導入を観察するだけでは十分ではありません。

ベーシックインカム：支持または拒否前の定義

ユニバーサルベーシックインカムは通常、労働の必要がなく、プログラムで定義された人口内のすべての人を対象とした、個人の定期的な金銭授受を指定します。世界銀行のガイドは、普遍性、無条件性、現金支払いを区別するのに役立ちます。これらの特性は、生活に十分な金額、資金源、またはどのような恩恵が継続的に存在するかを特定するものではありません。 「普遍的給与」という表現は混乱を招く可能性があります。給与は仕事上の関係に報酬を与えるものです。所得移転は別の制度的論理に従います。

具体的な提案には、誰が、何歳から、どのくらいの期間、どのような価値を更新して受け取るのかを答える必要があります。また、その支払いが既存のサービスや便益に追加するのか、それともそれらに取って代わるものなのか、高所得者が税制を通じてどのように貢献するのか、異常なニーズがどのように満たされるのかも明確にする必要がある。同じ月次価値を持つ 2 つのプロポーザルは、完全に異なる純分配を生成する可能性があります。ポリシーの名前だけでは、最終的にどちらが良くなるか悪くなるかはわかりません。

有利な議論は、自律性、予測可能性、そして悪い仕事上の関係を拒否する能力に基づいている可能性があります。反対の議論は、コスト、他の政策の機会、さまざまなニーズに対する一律の給付金の不十分さを指摘する可能性があります。単一の答えを想定することなく、これらの理由を評価基準として提示します。真剣な議論では、具体的な設計、その純受益者、そして維持されるサービスを比較します。社会的保護の重要性に同意するためには、いわゆる普遍的な提案に同意する必要はありません。

AI との関係は社会を組織するための仮説であり、必須の技術的結果ではありません。自動化が進んだとしても、その解決策は、異動、公共サービス、研修、社会保険、利益分配、労働時間の変更などを組み合わせる可能性があります。どちらを選択するかは、特定された問題と利用できる機関によって異なります。選択された情報源には、AI によって人間の労働が不要になった後の経済全体を観察した実験はありません。このシナリオは、ここで収集した証拠の範囲を超えています。

収入実験によりどのような結論が得られるか

OpenResearchにリンクされた米国の実験では、1,000の低所得参加者は3年間月額$1,000を受け取り、一方、2,000の対照参加者は月額$50を受け取りました。 NBERワーキングペーパー32719の8月改訂2026では、対照群と比較して、労働市場参加率が4.2パーセントポイント、異動を除く個人所得が年間約1,900米ドル、労働時間が週1～2時間減少していると報告されている。これらは異なる単位を使用した異なる結果です。

この論文は、学術出版物による査読の対象ではない研究論文として特定されたままです。この分析の初版で引用された最初のバージョンでは、異なる推定値が示されていました。現在、2026 の 8 月改訂版を採用し、参考文献に記録しています。このレビューはまた、労働力供給に対する中程度の影響は他の測定された生産活動によって相殺されなかったと報告している。これは、有償の仕事に費やす時間が減ったことが、参加者の個人的価値に関する判断につながるわけではありません。

フィンランドの経験は別のデザインを提供します。 ECB の年間平均 2017 と 2018 を使用して換算すると、2017 と 2018 の間で、2,000 の失業者は毎月約 USD 647 を受け取りました。公式のバランスでは、雇用への影響はわずかであり、幸福度がより好ましいと認識されていることが記載されています。また、失業活性化規則の変更により、2年目の影響を切り分けることが困難になるとも警告している。幸福度調査の回答率はグループ間で異なりました。元の給付金は EUR 単位で表示されます。USD の表示では、インフレ調整や為替レートの再現を行わず、560 に ECB 年率 2017 と 2018 の算術平均を乗算した値 (1.15531784313725 USD 掛ける EUR) が使用されます。それぞれの支払い。これらの制限により、この経験を、ベーシックインカムが常に雇用を増加させるか、すべての指標を必然的に改善するという単純な実証として扱うことができなくなります。

これらの研究のどれも、AI によって変革された経済において、納税者自身が資金を提供する全人口への恒久的な移転を測定したものではありません。試験運用では、移転の個々の影響を推定しなが​​ら、公開価格、税金、移民、サービス供給、および全国規模での企業の対応を残すことができます。私たちの解釈によれば、実験は決定をもたらし、絶対的なステートメントを修正します。彼らは議論を終わらせません。以下のパネルは、参加、収入、労働時間を単一の軸に混同せずに、アメリカのデザインと現在のレビューの結果を示しています。

費用はいくらくらいかかりますか？制限付きの透明性のあるアカウント

移転にかかる総コストは、1 人当たりの月々の支払い額、受益者の数、12 か月分の単純な乗算です。シミュレーターは通貨単位として USD を使用し、値と人口を変更できます。 1億人という基準は、丸め込まれた教訓的な仮説であり、ブラジルの成人または適格人口の推定値ではありません。人口統計データに対する自動クエリはありません。この選択により、人口集団をあたかも測定されたかのように表現することが回避されます。 USD のシナリオは新しい仮説であり、BRL の前の例の通貨換算ではありません。

最初の例では、1 億人の月あたり USD 1,000 は、1 年あたり USD 1.2 兆に相当します。これは年間総支払額です。これは追加の赤字、純コスト、利益の推奨ではありません。当社は、受益者から返還された収益、代替給付金、管理コスト、または行動の変化を割り引くことはありません。ロボットに関する仮説コレクションも追加しませんでした。これらすべての分割払いには、分配効果の評価に加えて、独自の仮説とデータベースが必要です。

資金調達に関する議論には、少なくとも 2 つの追加分析が必要です。 1 つは予算に関するものです。どの収入と支出が、どのような期間にわたって、どのような行政能力によって変化するのでしょうか。もう 1 つは経済的な問題です。誰が新しい税金の導入を支持し、家族や企業はどのように対応するのでしょうか?税金の法定支払者は、必ずしも最終コストを吸収する人であるとは限りません。私たちは、節約された時間の推定価値が完全に回収できるとは想定していませんし、私有財産と公的収入が同等であるとも想定していません。

ベーシックインカムに関するOECDノートは、改革の資金調達と分配への影響に注目を集めています。これは中央ケアの指針となります。全員に配布し、対象を絞ったサポートを排除する提案は、より大きなニーズを持つ人々に害を及ぼす可能性があります。私たちの評価では、支払い総額だけでなく、グループごとの最終結果を示すことが必要です。グラフは選択の算術スケールを視覚的に示します。財政の存続可能性やインフレへの影響を決めるものではない。これらの質問に答えるには、より完全なモデルが必要になります。

利益を分配する 3 つの方法

最初のシナリオは集中です。代替困難な資産を保有する企業またはサプライヤーは、付加価値の多くを保持します。この仮説的な経路では、一部の労働者が収入の喪失や交渉能力の低下に直面する一方で、生産は拡大する可能性がある。決定的な変数は、モデルのパフォーマンスだけではなく、価値の創造と流用に競合他社や労働者が参加する可能性も考えられます。この道筋を観察するには、マージン、価格、賃金、契約上の依存関係を調べる必要があります。

2 番目のシナリオは、競争による普及です。よりアクセスしやすいツールが中小企業を支援し、価格を削減し、新しいサービスを可能にします。消費者は購買力を獲得でき、一部の組織はこれまで成り立たなかった市場にサービスを提供することで成長できます。これは、すべての労働者が昇給を保証するものではなく、困難な移行を排除するものでもありません。評価では、企業の参入、品質、価格、専門家の流動性を監視し、そのテクノロジーを最初に導入した組織を超えて利益が広がっているかどうかを確認する必要があります。

3 番目のシナリオには、時間をかけて交渉し、保護することが含まれます。収益の一部は、労働時間の短縮、労働時間中のトレーニング、成果への参加、または集団的な収入や奉仕の仕組みに資金を提供することができます。誰が参加するか、結果を測定する方法、リスクを分散する方法については選択肢があります。仕事の強度を管理せずに労働時間の削減を発表しても、チームの生活は改善されない可能性があります。適切なサービスのない移転では、必要不可欠なニーズに対応できない可能性があります。これらのメカニズムは、設計と実行によって評価する必要があります。

3 つのパスは相互に排他的ではなく、確率も割り当てられていません。分野別、企業別、期間別に共存可能です。これらは検証可能な質問を整理するのに役立ちます。どのパスが優勢であるかを知りたい場合は、私たちの好みと矛盾する可能性のある指標を事前に定義する必要があります。観察後の結果を説明する仮説は研究の指針にはなりません。編集上の責任は、集中と拡散のシグナルを同じ注意を払って監視し、証拠が変化した場合には解釈を修正することです。

企業が今測定できること

組織は、AI の評価を向上させるために資本主義の将来を解決する必要はありません。プロセス、結果、および最低限の品質条件を区切ることから始めることができます。サービス中、これは再開率とともに確認された解決を意味する場合があります。文書では、人間によるレビューによる承認。運用では、インシデントを増加させることなく有効な配信を行うことができます。生成された応答の量のみを選択すると、価値を生み出さない可能性のあるアクティビティに報酬が与えられます。メトリクスは、完了したタスクと顧客に対する関連する結果を表す必要があります。

Rovemark によって提案されたプロトコルはベースラインから始まり、需要と複雑さの変化を記録します。可能であれば、管理されていない重要な決定に人々をさらすことなく、計画的な方法で類似のグループまたは代替の使用条件を比較します。記録には、レビュー時間、やり直し、テンプレートとツールのコスト、エラー、中断、トレーニングを含める必要があります。例外的な監督に依存する肯定的な結果は、事業が成長するにつれて持続しなくなる可能性があります。問題は、そのゲインが毎日の使用に耐えられるかどうかです。

モニタリングにはチーム内での配布も含める必要があります。初心者と専門家では反応が異なる場合があります。まれなタスクや特定のニーズを持つ顧客では、平均値によって悪化が隠れる可能性があります。報酬、仕事量、自律性も観察されるべき結果であり、個人データの保護とニーズに比例したアクセスも伴います。分析は、個人を評価するための不透明なメカニズムになってはなりません。集計された指標と使用ルールを公開すると、従業員の関与をより多くの情報に基づいて行うことができます。

これは提案されたプロトコルであり、Rovemark によってすでに実行された実験のリストではありません。独自の研究を行うには、参加組織、成果の事前の定義、同意、および適切なデータベースが依然として必要です。意図された貢献は、運用上の証拠を配布上の結果に結び付けることです。特定のツールがチームの一部を置き換えると発表するのではなく、どのタスクが改善され、どのタスクが失敗したか、総コストはいくらか、誰が恩恵を受けたかを示したいと考えています。これらの結果は議論することができ、可能であれば再現することができます。

私たちの結論を変えるものは何でしょうか?

追加のメカニズムを必要とせずに、生産性の向上が収入と生活の質の増加とともに広がるという、複数の状況における一貫した証拠に直面すれば、私たちの立場は変わるでしょう。また、観察された移行能力を超える規模で持続的な雇用と収入の喪失が示されたしっかりした研究があれば、状況も変わるだろう。どちらの場合も、AI の影響を需要の変化、景気循環、その他のテクノロジーから切り離す必要があります。メカニズムを識別しない集計された数値では、この帰属は解決されません。

ベーシックインカムに関しては、資金調達と市場の反応を観察しながら、長期かつ広範なプログラムの成果を上げれば、個々の試験運用では対処できない不確実性を軽減できるだろう。評価では、改良された既存システムを含む実際の代替案を比較し、誰が勝ち、誰が負けるかを明らかにする必要があります。また、雇用以外の活動が非生産的であるとか、望ましい効果がすべてすでに実証されていると仮定することなく、ケア、健康、教育、選択の自由に関する証拠も必要です。

タイトルの質問は意図的にオープンエンドのままになっています。情報源は、技術的エクスポージャ、生産性、労働力供給は測定可能ではあるものの、異なる現象であることを示しています。彼らは、雇用終了の日付や、どの国でも資金を提供できる普遍的価値を承認していません。私たちの編集上の結論は、完全な利益とその分布の測定を優先することです。この議題の質は、前提条件を議論の余地のあるものにし、それが Rovemark 自体の商業的利益に反する場合を含め、物語を修正するための新しい結果を許可するかどうかに依存します。