連載『AIエージェントがいる3年後』第3章

AIで全員が豊かになるとは限らない

生産性が上がったあと、その余剰は誰の時間と所得になるのか

※本稿は2026年7月時点の技術、企業導入、経済研究をもとにした未来分析である。AIによる経済成長や雇用への影響には、普及速度、産業構造、制度、企業行動によって大きな幅がある。ここでは一つの未来を断言するのではなく、AIが生み出す余剰がどこへ流れるかによって、社会がどう分岐するのかを考える。

2029年。

二つの会社が、同じ日にこう発表する。

AIエージェントの導入によって、生産性が30％向上しました。

一つは、従業員1万人を超える大企業だ。

AIによって、報告資料、社内問い合わせ、進捗確認、契約書の照合、会議調整、データ入力が自動化された。

数千人分の時間が浮いた。

会社は採用を抑え、退職者の一部を補充せず、重複していた部署を統合した。

利益率は過去最高になった。

一方、残った社員の目標は引き上げられた。
賃金は少し上がったが、労働時間はあまり変わらない。

もう一つは、地方にある6人の会社だ。

社長自身が営業、採用、経理、問い合わせ対応を兼務していた。

見積もりが遅れ、依頼を断ることも多かった。
求人を出しても人は来なかった。

AIエージェントを導入してからは、過去案件をもとに見積書の初稿を作り、問い合わせを整理し、作業計画を組み、請求漏れを確認してくれるようになった。

社員は減っていない。

むしろ、これまで断っていた仕事を受けられるようになった。

社長は数年ぶりに、丸一日仕事をしない日を作れた。

どちらの会社も、生産性は30％向上した。

しかし、一方では利益と余剰人員が生まれ、もう一方では、ようやく仕事が正常に回り始めた。

同じ「生産性向上」という言葉でも、人間が受け取る意味はまったく違う。

大企業は余剰を作る。零細企業は不足を埋める

前章を書きながら、僕自身にも一つ整理がついた。

大企業と中小・零細企業では、AIによって追うべき生産性の意味が違う。

大きな組織には、すでに多くの人と機能がある。

その分、

同じ情報を複数の部署で整理する
会議のために資料を作る
上司へ報告するために、別の報告を作る
一つの案件が何人もの承認を待つ
部署間でデータを転記する
誰かが進捗を確認し続ける

といった、組織を維持するための仕事も大量に存在する。

AIエージェントによって、この摩擦を一部取り除くだけでも、大きな余剰が生まれる。

大企業はまず、既存業務から時間とコストを削り、余剰を作れる。

そして本来は、その余剰を人員削減だけで終わらせず、新しい商品、市場、研究、顧客体験へ一気に向けられる。

一方、零細企業には、最初から余剰がない。

社長が営業も経理も採用も行い、社員一人が休むだけで仕事が止まる。

専門家を雇いたくても、フルタイムで雇うほどの予算も仕事量もない。

零細企業にとって、AIは余っている人間を減らすための技術ではない。

今まで存在しなかった経理担当、採用担当、マーケター、調査担当を、初めて持つための技術

になる。

大企業は、余剰を作るためにAIを使う。

零細企業は、不足を埋めて事業を維持するためにAIを使う。

そして未来を分けるのは、その次だ。

大企業が作った余剰を何へ向けるのか。
零細企業が埋めた不足を、次の成長へ変えられるのか。

ここに、AI時代の経済格差を考える入口がある。

生産性という数字には、余剰の行き先が書かれていない

生産性とは、簡単に言えば、投入した時間や人員に対して、どれだけの成果を生み出せたかを示す数字だ。

同じ10人で、今までより多くの商品を作れば、生産性は上がる。

同じ売上を5人で作れるようになっても、生産性は上がる。

同じ人数で品質を上げても、納期を短くしても、生産性は上がる。

しかし、生産性が上がったという事実だけでは、誰が豊かになったかは分からない。

AIによって生まれた余剰	受け取る主体	社会で起きること
人件費の削減	企業・株主	利益率と企業価値が上がる
賃金の上昇	従業員	家計所得と消費が増える
労働時間の短縮	従業員・家庭	自由時間やケア時間が増える
商品価格の低下	顧客	生活コストが下がる
品質・サービスの向上	顧客	同じ価格で受け取る価値が増える
新規事業への投資	企業・将来の顧客	新しい雇用や市場が生まれる
教育・研究への投資	従業員・社会	将来の能力や技術が育つ
AI利用料として支払う	AI・クラウド企業	上流企業へ利益が集中する
税収として回収する	社会全体	教育、医療、社会保障へ使える

AIは、この表のどこへ余剰を流すべきかを決めてくれない。

AIは生産性を上げる技術ではある。

しかし、豊かさを分配する制度ではない。

AIが生み出すのは、行き先の決まっていない余剰である。

それが賃金になれば、働く人が豊かになる。

価格低下になれば、消費者が豊かになる。

労働時間短縮になれば、人間の時間が豊かになる。

新しい事業になれば、社会の選択肢が増える。

一方、利益と資産価格だけに変われば、AIを所有する企業や株主の富だけが増える。

同じ生産性向上から、まったく違う社会が生まれる。

「2.7兆ドル分の時間」が、そのまま豊かさになるわけではない

2026年7月、IMFの研究者は、実際のAI利用データをもとに、AIが現在節約している労働時間の価値を試算した。

その推計では、対象86か国におけるAIの年間労働コスト換算額は、約2.7兆ドル。対象国のGDP合計の約3.4％に相当する。

かなり大きな数字だ。

ただし、この2.7兆ドルは、AIによって実際にGDPが2.7兆ドル増えたという意味ではない。

AIが短縮したと推定される時間を、それぞれの国の賃金で換算した指標だ。

研究自体も、浮いた時間が追加生産へ変わるとは限らず、雇用減少、賃金変化、AI利用コストなども反映していないと注意している。単一のAIサービスの利用データをもとにした推計であり、経済全体へそのまま一般化できるものでもない。

つまり、AIによって3時間分の仕事が30分で終わったとしても、残りの2時間30分が自動的に社会の富へ変わるわけではない。

その時間が、

追加の仕事へ使われる
人員削減によって消える
再確認や修正へ使われる
新しい商品開発へ使われる
休息へ使われる

のかで、結果は変わる。

しかも、現在確認されているAI利用の利益は、均等に広がっていない。

同じIMF研究では、AI利用による価値は、ほぼすべての国で高賃金職へ偏っている。

高所得国で測定された利益はGDP比約4.2％だったのに対し、中所得国では約0.6％、低所得国では約0.1％だった。推計された総額の96％を高所得国が占めている。

AIが生み出しているのは、まだ全員の豊かさではない。

一部の国、一部の企業、一部の職業へ強く偏った、巨大な余剰の可能性

である。

大企業が最初に削るべきなのは、人ではなく組織の摩擦である

大企業ほど、AIによる削減インパクトは大きい。

同じ作業を1万人が毎日10分短縮すれば、会社全体では膨大な時間になる。

だから、経営者が最初にコスト削減を考えるのは自然だ。

ただし、「削減」をすぐ人員削減と結びつけると、AIの価値を小さく使うことになる。

大企業が最初に削るべきなのは、

重複した入力
報告のためだけの報告
情報を探す時間
部署間の待ち時間
同じ内容の会議
不要な承認
誤りによるやり直し
誰も使わない資料

といった、組織の摩擦だ。

そのうえで、浮いた人間の能力を再配置する。

段階	AIの使い方	企業に起きること
1．削減	転記、調整、重複、待ち時間を減らす	時間とコストの余剰が生まれる
2．再配置	人間を顧客、判断、開発、育成へ移す	人材の使い方が変わる
3．拡張	新商品、新市場、研究、個別サービスへ広げる	売上と社会的価値が増える

この三段階まで進めば、AIは人を減らす技術ではなく、会社の活動範囲を広げる技術になる。

問題は、多くの企業が第一段階で止まる可能性があることだ。

コストが減った。
利益率が上がった。
投資家から評価された。

その時点で経営上の成果が出てしまうため、再配置と拡張へ進む必要性が弱くなる。

しかも人員を先に削りすぎれば、新規事業へ進もうとしたときに、顧客を理解し、組織を動かせる人間が残っていない。

短期的には高効率でも、長期的には成長力を失う。

AIによって余剰を作ることと、その余剰を成長へ変換することは、別の経営能力である。

零細企業には、そもそも削れる人がいない

零細企業では、事情が逆になる。

5人しかいない会社で、「AIによって2人分の仕事を削減できる」と言われても、2人を減らせるとは限らない。

一人は顧客との関係を持っている。
一人は現場を知っている。
一人は資格を持っている。
一人は長年の取引先を理解している。

人数は少なくても、それぞれが異なる役割を背負っている。

むしろ問題は、必要な役割を担当する人が存在しないことだ。

採用広報をする人がいない。
顧客データを分析する人がいない。
英語で発信する人がいない。
補助金を調べる人がいない。
マニュアルを作る人がいない。
新規事業を考える時間がない。

零細企業がAIによって追うべき指標は、削減人数ではない。

大企業で追いやすい指標	零細企業で重要な指標
削減できた工数	経営者が取り戻せた時間
人件費削減額	断らずに受けられた仕事
部署の統合数	一人へ集中していた業務の分散
一人あたり売上	納期遅延や請求漏れの減少
管理コスト	事業を止めずに済んだ日数
人員の最適化	採用できない職能の補完
利益率	経営者と従業員の持続可能性

零細企業にとって、生産性向上は利益率を数ポイント上げる話ではない。

会社が続くか、廃業するか。
仕事を断るか、受けられるか。
経営者が倒れるか、休めるか。

という話になる。

AIは、大企業には余剰を生み出す。

零細企業には、生存可能性を生み出す。

同じ生産性という言葉で、この二つを扱うべきではない。

最もAIを必要とする会社ほど、AIを導入する余裕がない

ここには大きな矛盾がある。

人手不足が深刻で、AIを最も必要としている企業ほど、導入するための人、時間、データがない。

日本の職場を対象としたOECDの調査では、企業規模が大きいほどAIを利用する確率が高かった。

従業員19人以下の企業と比べて、1万人を超える企業の従業員は、職場でAIを利用している確率が10.6ポイント高かった。

また、軽度の人手不足がある企業ではAI利用が進む傾向があった一方、深刻な人手不足の企業では、統計的に明確な利用増加が見られなかった。OECDは、深刻な人手不足へ陥ると、AIを導入すること自体が難しくなる可能性を指摘している。

これはかなり現実的だと思う。

AIを導入するには、

今の仕事を整理する。
情報をデータ化する。
どの業務へ使うか決める。
社員へ教える。
間違いを確認する。
利用ルールを作る。

といった作業が必要になる。

日々の仕事を回すだけで限界の会社には、その準備をする余白がない。

結果として、

余裕のある企業がAIによってさらに余裕を作り、
余裕のない企業が導入できないまま、さらに追い込まれる

ということが起きる。

中小・零細企業へのAI支援は、アカウントや補助金を配るだけでは足りない。

業務の棚卸し、データ整理、初期設定、社員教育、運用改善まで一緒に支える必要がある。

AI導入の格差は、モデルへアクセスできるかどうかだけではない。

AIを使える状態へ自社を整えられるかどうかの格差である。

浮いた時間は、自動的に自由時間にはならない

AIによって仕事が速くなれば、労働時間は短くなる。

そう期待したくなる。

しかし、時間短縮と労働時間短縮は同じではない。

デンマークの11職種を対象とした研究では、AIチャットボットの利用者は、平均して総労働時間の約2.8％に相当する時間を節約したと回答した。

しかし、浮いた時間の80％は、別の仕事へ振り向けられていた。

追加の休憩や余暇へ使われた割合は、10％未満だった。

AIによって新しい仕事が増えたと答えた利用者も存在し、職場がAI利用を奨励しているほど、仕事の再編や追加タスクが起きやすかった。

つまり、

AIで1時間浮いた
＝1時間早く帰れる

ではない。

多くの場合、

AIで1時間浮いた
＝今日中に追加で三つ仕事ができる

になる。

これは企業として間違っているとは限らない。

成長期の会社なら、余剰時間を新しい仕事へ使うことには合理性がある。

ただ、それを繰り返せば、社員の生産性は上がり続けても、本人の生活は楽にならない。

仕事量だけが増える可能性がある。

歴史的にも、生産性向上の利益が、自動的に賃金へ同じ割合で反映されてきたわけではない。

OECDでは、生産性成長に比べて賃金成長が弱く、特に低賃金層でその差が大きかったことや、労働分配率の低下が指摘されている。

技術による余剰を自由時間へ変えるには、

目標を同じまま労働時間を減らす
週休や休暇を増やす
短時間勤務でも所得を維持する
AIによって増やす仕事の上限を決める

といった、明示的な意思決定が必要になる。

生産性は時間を作れる。
しかし、自由時間を作るには経営判断がいる。

AIが作った余剰をめぐって、六つの主体が競争する

AIが生み出した余剰には、最初から持ち主が決まっているわけではない。

少なくとも、六つの主体がその利益を受け取る可能性がある。

主体	余剰の受け取り方	受け取る条件
企業・株主	利益率、配当、企業価値	企業が価格と人件費を維持する
従業員	賃金、賞与、労働時間短縮	交渉力、制度、経営方針がある
顧客	値下げ、品質向上、迅速化	市場競争が機能する
AI・クラウド企業	利用料、データ、契約収益	代替サービスが少なく、乗り換えにくい
新規事業・将来世代	研究、投資、人材育成	経営が短期利益より再投資を選ぶ
社会全体	税収、公共サービス、社会保障	税制と分配制度が対応する

どの主体が強いかによって、余剰の行き先が決まる。

市場競争が強ければ、企業は価格を下げたり、品質を上げたりする。

労働者の交渉力が強ければ、賃金や労働時間へ還元される。

AIサービスの乗り換えが難しければ、企業が作った余剰の一部は、利用料金として上流のAI企業へ流れる。

資本所有が一部へ集中していれば、利益は株価と資産所得を通じて、すでに多くの資産を持つ人へ集まりやすい。

IMFの急速普及シナリオでも、AIを補完できる高度人材が大きな利益を得る一方、資本所有者が余剰の大きな割合を受け取り、所得と資産の格差が広がる可能性が示されている。

また、計算資源とデータの規模の経済によって、AI集約型の企業や国へ利益が集中する「勝者が大半を取る」構造も警戒されている。これは予言ではなく、制度対応を考えるためのシナリオ分析だが、十分に現実的な分岐である。

余剰の配分を何も決めなければ、中立的に分かれるわけではない。

最も交渉力が強く、資本とインフラを所有する主体へ、自然に集まる。

AIは、一つの格差を縮めながら、別の格差を広げる

AIと格差の関係は、単純ではない。

同じ職場の中では、AIによって能力差が縮まる可能性がある。

OECDが19か国のデータを分析した研究では、2014年から2018年の範囲では、AIと職業間の賃金格差との明確な関係は確認されなかった。

一方、同じ職業内では、AIへの露出が高いほど賃金格差が小さい可能性が示された。

AIが優秀な人の仕事の型を広く提供し、経験の少ない人や低い成果だった人を引き上げる可能性がある。ただし、生成AIが本格普及する前のデータであり、現在のエージェント型AIへそのまま適用できるものではない。

つまり、AIは一つのチーム内では能力差を縮めるかもしれない。

しかし、同時に別の場所で格差を広げる。

格差の単位	AIによって起こり得ること
同じ職種の中	初心者が熟練者の型を使え、能力差が縮まる
AI導入企業と未導入企業	生産性、価格、採用力の差が広がる
大企業と零細企業	データ、導入人材、予算の差が拡大する
労働者と資本所有者	利益が賃金より資産価値へ流れる
知的労働と身体労働	デジタル領域だけ先に生産性が上がる
高所得国と低所得国	計算資源、言語、制度の差が広がる
都市と地方	導入支援、人材、通信環境の差が出る

AIによって、少人数の会社が大企業のような能力を持つ可能性はある。

しかし、実際にその能力を先に手にするのが大企業だけなら、格差は縮まらない。

むしろ、

大企業がAIを使い、零細企業が人手不足のまま残る

ことで、生産性格差は広がる。

技術の価格が安くなるだけでは足りない。

利用するための教育、データ、時間、支援まで広く届く必要がある。

AI企業が、企業の生産性向上を回収する可能性もある

AIを使って企業の利益率が上がったとしても、その利益がすべて利用企業に残るとは限らない。

AIエージェントが業務へ深く入るほど、

利用しているモデル
クラウド
顧客データ
社内システム
エージェントの記憶
自動化された業務フロー

が一つのサービスへ結びつく。

別のAIへ乗り換えるコストが上がる。

すると、AI提供企業は価格を上げやすくなる。

OECDは、AI市場について、半導体、クラウド、データ、基盤モデルなどの各層に、高い固定費、規模の経済、垂直統合、利用者の囲い込みといった競争上のリスクがあると指摘している。

市場への参入が可能で、乗り換えコストが低く、特定企業による入口の支配がなければ、利用者は価格低下、品質向上、選択肢の拡大という利益を受けられる。

逆に、企業が一つのAI基盤へ強く依存すれば、生産性向上の一部はAI企業の利用料として回収される。

これは、会社がAIで10億円のコストを削減できても、そのうち何億円かをAI利用料として払う可能性があるということだ。

AI時代の企業戦略では、

どれだけ生産性が上がるか

だけでなく、

その生産性を生み出す基盤を、誰が所有しているか

を見る必要がある。

一つの仕事が速くなっても、経済全体が同じ速度で伸びるわけではない

AIを使った文章作成、コーディング、顧客対応などの実験では、個別の仕事で大きな時間短縮や成果向上が確認されている。

しかし、それがそのまま国全体の経済成長になるわけではない。

AIが資料作成を半分の時間にしても、その会社の商品への需要が二倍になるとは限らない。

開発速度が上がっても、法規制や設備投資が追いつかなければ、製品は市場へ出ない。

広告を大量に作れても、人間が使える時間とお金には限界がある。

仕事の一部が速くなっても、残りの工程が止まったままなら、全体の速度は上がらない。

OECDのシナリオ分析では、金融やICTなど、AIの影響を受けやすい知識産業が多く、普及も進みやすい米国や英国で、AIが今後10年間の年間労働生産性成長率を0.4〜1.3ポイント押し上げる可能性が推計されている。

ただし、これは複数の普及シナリオを置いたモデル推計であり、産業構造や導入速度によって結果は大きく異なる。

AIの経済効果を考えるときには、三つを分ける必要がある。

タスクが速くなること。
企業の利益や売上が増えること。
社会全体が豊かになること。

これは同じではない。

AIがタスクを速くする。

企業が仕事の流れを作り直すことで、それが事業価値になる。

さらに、賃金、価格、時間、税、公共サービスへ余剰が広がることで、初めて社会全体の豊かさになる。

この変換の途中で止まれば、AIの能力は上がっていても、多くの人の生活は変わらない。

日本では「削減型AI」と「維持型AI」が同時に進む

日本では、企業規模や産業によって、AIへ求める役割がかなり違うと思う。

組織	AIの最初の役割	次に目指すべきこと
大企業	重複業務、調整、管理コストを減らす	人材を新規事業、海外展開、研究へ移す
中堅企業	特定部署のボトルネックを解消する	全社の業務標準化と付加価値向上
中小企業	採用できない専門職を補う	営業範囲、商品、顧客を広げる
零細企業	経営者への集中と人手不足を補う	事業継続、休息、承継を可能にする
自治体・公共サービス	減る職員で事務と問い合わせを維持する	対面支援や地域課題へ人間を戻す
医療・介護・物流	記録、計画、連絡を省力化する	人間がケアと例外対応へ集中する

大企業には、削減できる余地がある。

零細企業には、埋めなければならない穴がある。

この違いを無視して、すべての会社へ同じAI導入方法を当てはめると、うまくいかない。

大企業へ「人手不足を補いましょう」だけでは、経営インパクトが小さい。

零細企業へ「何人分削減できます」と言っても、削れる人はいない。

日本のAI政策や研修も、企業規模ごとに目的を変える必要がある。

大企業では、削減した余剰を拡張へ向ける設計。
中小企業では、不足を補いながら付加価値を上げる設計。
零細企業では、まず人と事業を持続可能にする設計。

が必要になる。

2029年、経済は四つの方向へ分岐する

AIの普及が広く行き渡るか。

生まれた余剰が、社会へ広く分配されるか。

この二つで考えると、2029年の経済は大きく四つに分かれる。

未来	起きること	人々の実感
分配された拡張経済	企業が余剰を賃金、時間、値下げ、新事業へ回す	所得、自由時間、選択肢が増える
利益だけ成長する経済	生産性は上がるが、利益が資本所有者へ集中する	GDPや株価は上がるが、生活は楽にならない
二速度の企業社会	大企業だけがAI化し、中小・地方が取り残される	安いサービスの裏で地域企業が衰退する
高生産性・常時多忙社会	AIで浮いた時間がすべて追加業務へ使われる	成果は増えるが、疲労と目標も増える

最も期待したいのは、分配された拡張経済だ。

企業はAIによって生まれた余剰を、新しい市場や研究へ投資する。

働く人の賃金と自由時間も増える。

商品価格が下がり、医療、教育、行政の供給力が上がる。

小さな企業にも専門能力が届き、地方でも事業を維持できる。

一方、最も起きやすいのは、これらが混ざった社会だと思う。

一部の大企業では利益だけが増える。
一部の企業では週休が増える。
AIを使える零細企業は成長し、使えない企業は廃業する。
高技能職の賃金は上がるが、生活サービスの人手不足は続く。

2029年の経済は、一つの姿にはならない。

同じ地域、同じ業界の中でも、企業によってまったく違う未来が存在する。

企業は、AIを導入する前に「余剰の使い道」を決めた方がいい

多くの企業は、AIを導入したあとに、浮いた時間をどう使うか考える。

しかし、その順番では遅いかもしれない。

余剰の使い道を決めずに生産性だけを上げると、短期的に最も測りやすいコスト削減へ流れやすい。

だから、導入前から決めておく。

問い	決めること
何が余るのか	時間、人員、予算、設備、判断能力
何を削るのか	人ではなく、重複、待ち時間、再作業から削れないか
何へ再配置するのか	顧客、開発、教育、品質、地域、新市場
従業員へ何を返すのか	賃金、休暇、柔軟な勤務、学習時間
顧客へ何を返すのか	値下げ、速度、品質、個別対応
影響を受ける人をどう移行させるか	再教育、配置転換、所得支援
AI企業へどれだけ依存するのか	利用料、乗り換え、データ所有、停止時の対応
どの数字で成功を測るのか	削減額だけでなく、時間、成長、信頼、継続性

特に大企業では、

削減
→再配置
→拡張

までを一つの計画として設計する必要がある。

零細企業では、

不足補完
→業務安定
→経営者の時間回復
→選択的な成長

という順番になる。

どちらもAIを使っている。

しかし、進む道筋は違う。

社会も、雇用だけに依存した分配を見直す必要がある

企業だけでは解決できない問題もある。

AIによって少人数で大きな利益を作る企業が増えると、給与所得や雇用を中心に作られてきた税と社会保障の仕組みが弱くなる可能性がある。

一方、AI、クラウド、データ、株式を所有する主体には、大きな利益が集まる。

IMFのシナリオ分析では、AIによって労働所得を基盤とした税収や社会保険が弱まる可能性を踏まえ、社会保障を特定の雇用関係だけに結びつけないことや、単純な「ロボット税」ではなく、経済的な超過利益や資本所得をどう捉えるかが政策課題として挙げられている。

同時に、競争政策、中小企業への導入支援、職業移行の支援、公共財としてのAI基盤なども重要になる。

この議論は、AI企業を罰するかどうかという話ではない。

AIによって増えた社会全体の能力を、次の成長を壊さずに、どう広く循環させるかという話だ。

技術による余剰が一部へ集中しすぎれば、消費も社会的信頼も弱くなる。

逆に、利益をすべて均等に分ければ、投資や革新への動機を弱める可能性もある。

必要なのは、

挑戦した人が利益を得られながら、社会全体も技術の恩恵を受けられる仕組み

を作ることだ。

確度が高いこと、まだ分からないこと

2029年までのAI、生産性、格差について、現時点の見立てを整理するとこうなる。

分類	予測
確度が高い	AIによる生産性向上の利益は、企業、職種、国へ均等には広がらない
確度が高い	大企業では削減余地、零細企業では不足補完の価値が大きくなる
確度が高い	浮いた時間は、自動的には賃金や自由時間へ変わらない
確度が高い	AI、クラウド、データを所有する企業が、余剰の一部を利用料や利益として受け取る
確度が高い	AI導入能力の差が、企業間の生産性格差につながる
変数が大きい	AIが国全体の生産性をどこまで押し上げるか
変数が大きい	生産性向上が人員削減、事業拡大、労働時間短縮のどれになるか
変数が大きい	AIによる価格低下が、消費者へどこまで届くか
期待したい未来	大企業が余剰を拡張へ回し、中小企業が不足を補い、働く人へ時間と所得が返る
最悪の未来	利益と資産だけが増え、雇用、地域企業、税収、社会的信頼が弱くなる

未来を判断するために見るべきなのは、AI導入率や削減工数だけではない。

AI導入後の賃金
労働時間
採用と配置転換
商品価格
新規事業投資
中小企業の導入率
AI利用料の割合
企業利益と労働分配率
地域ごとの廃業と事業承継

を見る必要がある。

生産性が上がったという発表だけでは、未来の方向は分からない。

AIが作るのは富ではなく、余剰である

AIによって、社会全体が豊かになる可能性はある。

これまで人手不足で提供できなかったサービスを維持できる。

小さな会社が世界へ商品を売れる。

医師、教師、介護士、行政職員が、記録ではなく人間へ向き合える。

働く時間を短くできる。

教育や研究へ、より多くの時間を使える。

しかし、それはAIが高性能になれば自動的に訪れる未来ではない。

AIが作るのは、時間、能力、コストの余剰だ。

その余剰を、

人員削減だけに使うのか。
新しい事業へ使うのか。
賃金へ返すのか。
自由時間へ返すのか。
価格へ返すのか。
教育や公共サービスへ回すのか。

それを決めるのは、人間と制度である。

大企業には、大きな余剰を作れる可能性がある。

だからこそ、その余剰を一度削減によって可視化し、次の拡張へ向ける経営が必要になる。

零細企業には、削れる人はいない。

だからこそ、AIによって不足を埋め、経営者と従業員が持続可能に働ける状態を先に作る必要がある。

AIで全員が豊かになるかどうかは、AIが何人分働けるかでは決まらない。

AIが生んだ余剰を、

誰の所得へ変えるのか。
誰の時間へ変えるのか。
誰の挑戦へ変えるのか。

そこで決まる。

次章

政策を作るAI、世論を動かすAI

民主主義は「一人ひとりに違うことを言う政治」に耐えられるか

政策資料を読み、法案を比較し、国民の意見を分析するAIは、政治と行政の質を高める可能性がある。

一方、AIエージェントは、有権者一人ひとりの不安、価値観、怒りを分析し、その人だけに最適化した政治的メッセージを送り続けることもできる。

次章では、AIが政策立案を助ける未来と、AIが世論そのものを作り始める未来について考える。

主な参考資料

International Monetary Fund, Aggregate Gains from AI and Their Distribution: Global Evidence from Usage Data.

International Monetary Fund, Global Economic and Financial Implications of Artificial Intelligence: Lessons from a Scenario Planning Exercise.

OECD, Macroeconomic Productivity Gains from Artificial Intelligence in G7 Economies.

OECD, Artificial Intelligence Markets.

OECD, Artificial Intelligence and the Labour Market in Japan.

OECD, Artificial Intelligence and Wage Inequality.

OECD, Employment Outlook 2025.

Anders Humlum and Emilie Vestergaard, Large Language Models, Small Labor Market Effects.