IMF金融開発局：人工知能が世界経済に希望をもたらす

パンデミックを受けて、世界経済は、成長の鈍化、数十年で最も持続的なインフレ、持続可能性に関する進展の限界、投資（エネルギー転換に必要な巨額の投資を含む）を圧迫する高い借入コストなど、多くの面で問題を抱えています。しかし、おそらく最大の逆風は、世界金融危機以降の生産性の伸びの弱さだ。

人工知能（AI）は、成長の鈍化、新たなインフレ圧力、資本コストの上昇、財政難と財政余地の縮小、そして持続可能な開発目標の達成における課題につながっている供給側の制約に対処するための最良の機会です。その理由は、AI には生産性の低下傾向を逆転させるだけでなく、持続的かつ大幅な生産性の向上をもたらす可能性があるからです。

もちろん、これには時間がかかります。ロイ・アマラの法則は、過去の技術移行と同様にここでも当てはまります。つまり、私たちは常に短期的な影響を過大評価し、長期的な影響を過小評価するのです。私の推測では（これは現在の投資パターンに基づく単なる推測ですが）、この10年の終わりまでに、AIが労働生産性に多大な影響を及ぼし始めるだろうと思います。

これらすべては、3つの強力な力の衝突の結果です。

1つ目は、パンデミック、気候変動、地政学的緊張、ナショナリズムの復活、国際経済政策の実施における国家安全保障問題への注目の高まりなどのショックです。混乱の深刻度と頻度が増すにつれ、世界のサプライ ネットワークはより多様性と回復力を高めつつあります。しかし、これはコストのかかる負担であり、インフレ圧力を引き起こす可能性がある。

たとえば、Apple はインドへの製造移転の規模を拡大しており、現在 Apple の携帯電話の 15% がインドで生産されています。同時に、最先端の半導体を生産（設計ではない）しているのは韓国と中国の台湾省だけであり、これは国家安全保障の観点から持続不可能な状況である。

主要なサプライチェーンを本国に送還するか、少なくとも友好国に移転することを目的とした政策の動きにより、資源へのアクセスの多様化が進むとともに、敵対国が商品、技術、資本にアクセスすることがより困難になっている。こうした保護主義政策の一部は、国内労働者を外国の競争から保護することを目的としている。

その結果、第二次世界大戦後、はるかに緊密に結びついていた世界の供給ネットワークは、パンデミックをきっかけに急速に断片化してしまった。その後、サプライチェーンは主に経済の基準である効率性と比較優位性に従うようになりました。コストを最小限に抑えながら回復力を最大化することはもはや不可能であり、コストを最小限に抑えることはもうできません。多くの要因の中でも、この構造的変化はインフレ圧力を高めました。

COVID-19パンデミックによって引き起こされたサプライチェーンの圧力は緩和しているものの、第2の衝突する力がすでに長期的な傾向として現れており、経済の供給回復力をさらに低下させ、コストを押し上げています。これらの傾向には生産性の低下が含まれており、これは特に先進国で顕著です。

これらの傾向には、世界の生産量の 75% 以上を占める経済における人口の高齢化も含まれます。出生率の低下と平均寿命の延長により労働力の伸びが鈍化（または減少）し、労働者の減少と介護を必要とする高齢者の増加につながっています。社会保障制度に頼る場合、中央銀行の金利が高止まりすると財政圧迫を招くことになる。驚くべきことに、多くの先進国では雇用の多い部門で労働力不足に陥っています。これにより、総需要が堅調であるにもかかわらず、特に米国では経済成長が阻害され、インフレ圧力が高まっています。ドイツも同様の労働力供給問題に直面している。

パンデミックの影響には、多くの経済における国家債務水準の上昇が含まれます。現在、世界の政府債務は世界のGDPを上回り増加し続けており、米国の現在の政府債務比率は120％の閾値を超えています。ヨーロッパの割合は 88.6% で、ギリシャ、イタリア、スペイン、フランス、ベルギー、ポルトガルの割合は平均を上回っています (ギリシャとイタリアは平均を大幅に上回っています)。中国の国家債務水準は低いように見えるが、企業部門の大きな部分を占める国有企業の債務は除外されている。これは、パンデミック中に人命を救い、事業閉鎖を防ぎ、個人および企業のバランスシートへのダメージを回避することを目的とした巨額の支出によって部分的に説明できる。金利が上昇する中でも需要が堅調に推移している理由の一つは、パンデミック中のバランスシートの損失が世界金融危機時よりもはるかに小さかったことだ。

最後に、2 番目の力としては、新興市場経済の成長と世界経済 (特に中国に限らないが) の生産能力の大幅な拡大に伴って数十年にわたって続いてきた強力なデフレ力が弱まりつつあることが挙げられます。

開発経済学者はこれを「ルイスの転換点」と呼んでいます。この成長段階では、新興市場経済の伝統的な部門における不完全雇用および十分に活用されていない労働力は、主に都市化され、よりつながりのある経済部門で雇用され、吸収されます。

生産性の状況は特に注意を払う必要があります。米国の生産性の伸びは1998年から2007年まで平均1.68%で、この期間に多くの米国人がインターネット、そして後には携帯電話を利用できるようになった。その後、2010年から2019年にかけて、生産性の伸びは0.38%に鈍化しました。

この衰退は経済のあらゆる側面に反映されています。貿易財・サービス部門は労働者の4分の1未満を雇用しているものの、生産性は高い傾向にあるものの、これらの部門の生産性の伸びも鈍化し、4.27%から1.23%に低下した。大規模かつ生産性の低い非貿易サービス部門の生産性の伸びは0.73%から実質的にゼロに落ち込んだ。

一つの驚くべき事実は、最近の生産性の伸びが緩やかであるにもかかわらず、米国は欧州を含む他の先進国を上回っているということだ。欧州の成長率と生産性が遅れている理由の一部は、デジタル技術の採用と展開が遅く、効率も低いこと、そして米国や中国に比べてテクノロジー分野が未発達であることにある。

欧州の生産性指標は、COVID-19パンデミック中にわずかに上昇したが、これは主に、生産性の低い業界が部分的に操業を停止し、生産性の高い業界がリモートワークに切り替えたためである。この回復が持続するかどうかを知るにはまださらなるデータが必要ですが、他の先進国でも同様のパターンが見られます。

これら 2 つの力の相乗効果により、経済は需要制約型成長から供給制約型成長へと比較的速いペースで移行しました。経済成長は弱い。インフレは継続している。実質金利は依然として高いままである。私を含め多くの経済学者は、私が述べた構造的環境は、借入コストが高止まりし、世界金融危機後の10年間よりも確実に高くなることを意味していると考えています。これにより、資本コストと割引率の高止まりや評価額の低下など、投資界に大きな変化が生じる可能性があります。

注目すべきは、投資家の間で金利の推移について意見が分かれており、見方が変わる可能性があるということだ。例えば、FRBが今年7回、25ベーシスポイントの利下げを実施するだろうという昨年の予想は、すぐに打ち砕かれた。市場は現在、連邦準備制度理事会による今年1回か2回の利下げを織り込んでいる。市場の予想は、金利がさらに長期間高止まりすることを示唆する可能性があり、構造的な環境もこれを示しています。

ここで、3 番目の衝突する力、つまり科学とテクノロジーについて考えてみましょう。現在、少なくとも 3 つの革命が起こっています。 1 つ目は、数十年にわたるデジタル変革であり、現在 AI の進歩によって加速されています。 2つ目は、バイオメディカルと生命科学における変化です。 3つ目は、持続可能なエネルギーへの移行を支援する技術です。

これら 3 つの変更はすべて、適切な投資によってサポートされています。進歩のペースは、技術的な進歩だけでなく、コストが下がり、利用可能性が高まっている強力なツールセットによっても推進されています。太陽エネルギーのコストは過去10年間で劇的に下がりました。先進的な半導体から DNA 配列、公共データベースで自由に利用できる何億ものタンパク質の 3 次元モデルに至るまで、他の分野でも技術の進歩は劇的に起こっています。

こうした技術を開発し、生産的な利用に適応させることは、世界経済に大きな構造的変化をもたらすことになるだろう。これらの変化が何を意味するのか、その全容を予測することはできませんが、その影響は計り知れないものとなることは間違いありません。

昨年、Google の James Manyika 氏と共同執筆した生成 AI の可能性に関する記事で私が主張したように、新興テクノロジーは生産性を継続的に向上させることができます。これはマッキンゼー・グローバル・インスティテュートなどの情報源からの推定と一致しています。

生成 AI は、複数のドメインで動作し、会話の指示のみに基づいてドメインを検出して切り替えることができる、人間のような機能を備えた最初の AI です。インフレについて議論したり、コンピューター コードを書いたり、計算を実行したりできますが、まだ開発中です。超人的なパターン認識能力により、強力なデジタルアシスタントになります。完全な自動化よりも理想的なモデルは、人間と機械のコラボレーションであり、これは「拡張」と呼ばれることもあります。

現代のニューラル ネットワーク AI の先駆者であるジェフリー ヒントンは、AI の影響について独自の理解を持っています。彼は経験豊富な医師の例を挙げた。この医師は何千人もの患者を治療したことがあるかもしれませんが、医療 AI は数十万件の患者記録を確認して統合することができます。このように、医療用 AI は経験豊富な医師にとっても、経験の浅い医師にとっても大きな助けとなります。これは、顧客サービスなどの他の分野における AI アプリケーションに関する研究結果と一致しており、過去のやり取りを通じてトレーニングされた AI デジタル アシスタントによって、全体的な生産性が大幅に向上し、経験の浅い労働者にもさらに大きなメリットがもたらされています。

AI は、セクターや職種を問わず、経済全体にわたって応用できる汎用テクノロジーです。これは、汎用的な技術だけが経済全体にわたる大きな生産性向上につながるため重要です。

高度な半導体技術のおかげで、AI アプリケーションはすでに携帯電話などの個人用デバイスに組み込まれています。

しかし、AI の大きな可能性を実現するには、克服すべき課題がまだ数多く残っています。課題の 1 つは、テクノロジーとデータの悪用を防ぐための規制を実施することです。このリスク低減規制計画は世界中で進行中です。

もう一つの課題は、自動化バイアス、あるいはエリック・ブリニョルフソン氏が「チューリングの罠」と呼ぶ、完全に自動化して人間に取って代わろうとする強い傾向を克服することです。

これはメディア、業界、政策の議論における共通の見解です。これは、雇用の急激な減少に対する広範な懸念に反映されています。

おそらく最も重要な政策上の問題は、潜在的な利益に関するものでしょう。 AI が長期的に経済的な影響を最大限に発揮するには、あらゆる経済分野や大小の企業が AI にアクセス可能でなければなりません。テクノロジーや金融などの業界への大規模な投資が大きな影響を与えることは間違いありませんが、AIの応用には、AI導入が遅れがちな大規模雇用の分野（政府、医療、建設、ホスピタリティなど）への参入が必要です。 AI 時代以前に行われたデジタル技術の採用に関する研究では、この広範な普及のパターンは必然的なものではなく、むしろ市場の力の差別化に完全に依存する可能性があり、あるいは依存する可能性が高いことが示唆されています。

AI 技術のリスクと誤用を減らすことに重点が置かれているのとは対照的に、AI の潜在能力を最大限に引き出すために AI の利用可能性、普及、スキルを支援する政策は現在弱い。前者を放棄せずに後者の政策強度を高めることは、政策の再調整の重要な部分です。これは、政府が勝者や全国チャンピオンを選ぶべきだと主張するものではありません。むしろ、効果的な競争政策は包括的な政策パッケージの一部であるべきだ。さらに、中小企業など、テクノロジーの発見と導入が遅れている可能性のある部門や企業にも焦点を当てる必要があります。また、AI テクノロジーの応用の出現により仕事は変化するため、スキルの再習得と新しいスキルの習得が優先されるべきです。

AI によって得られる潜在的な利益は、パンデミック後の生産性と成長に取り組む課題をはるかに上回ります。これらの成果は、生物学から物理学、材料科学に至るまでの科学技術研究に影響を与え、エネルギー転換において重要な役割を果たすでしょう。

才能、計算能力、急速に増加する電力需要は、ますます高性能な生成 AI モデルを構築する上で大きな障壁となっています。データの可用性は大きな制約ではありません。トレーニングに利用できるデータはインターネット上に豊富にあります。もちろん、一部の AI は、生成 AI という強力かつ重要なカテゴリには該当しません。一例として、タンパク質の3次元構造を予測するAIシステム「AlphaFold」が挙げられます。このシステムを適用するには、専門的な生物学的データとタンパク質折り畳みの原理に関する専門知識に投資する必要があります。

同様に、生成 AI の成長を推進する大規模プラットフォームには、個人データと非常に正確なターゲティングに依存するビジネス モデルがあります。ただし、大規模言語モデルなどのモデルのトレーニングには、機密性の高い個人データは必要ありません。

これらのシステムは数十億のパラメータを持つモデルをトレーニングできるほど強力であり、主に米国と中国の民間クラウド コンピューティング システムに存在しています。これは、才能獲得の競争と相まって、科学界や学術界を不利な立場に置きます。コンピューティング インフラストラクチャを研究者やイノベーターの幅広いコミュニティに拡張することは、不可欠かつ重要な政策ステップです。これにより、民主的な方法でオープンなコミュニティが構築され、学術的イノベーションと民間のイノベーションのバランスが保たれます。このバランスを達成することで、技術の広範な普及が促進されます。

ヨーロッパは、3つの理由から、AIの開発と応用において米国や中国に遅れをとる可能性が高い。まず、EUの基礎研究への資金提供は比較的不十分です。第二に、EUは研究を支援するための計算能力において遅れをとっています。第三に、巨大な欧州経済を十分に活用できていない。デジタル技術や AI 技術は固定開発コストが高く、変動コストが比較的低いため、大規模導入が投資収益率を左右する大きなメリットとなります。欧州の資本市場は依然として比較的断片化している。サービス市場の統合は不完全であり、国家レベルでの規制の断片化によって妨げられています。この状況が続くのか、それとも最近の欧州議会選挙後に方向転換するのかはまだ分からない。欧州委員会に提出された2つの報告書（1つはエンリコ・レッタ氏、もう1つはマリオ・ドラギ氏）は、デジタル技術への投資増加を提唱している。

中国はAI大国です。デジタル技術に深く根ざし、大きく成長を続ける国内市場と、豊富なエンジニアリング人材の蓄積を持つインドは、今後ますます成長が期待できる国となるでしょう。

他の新興市場経済国も AI アプリケーションから大きな恩恵を受ける可能性があるが、少なくとも今後数年間は、主に米国と中国で生産される高度な AI テクノロジーの消費者となるだろう。

AIは今後数十年にわたって大規模な構造変化と混乱を引き起こすでしょう。自動化や急速な生産性向上により職を失うグループもあれば、AI技術によって生み出された新しい仕事に就くグループもあるが、最も影響を受けるのは中間層の労働者だ。この中間の位置では、仕事が必ずしもなくなるわけではありませんが、変化するでしょう。これは、さまざまなスキルと多くの組織変更を必要とする破壊的なプロセスになります。スムーズな移行を確実にするために、民間部門と公共部門の両方が重要な役割を果たすことになります。

AI技術が経済全体に急速に普及するのを支援する政策が実施されれば、AIは経済成長を大幅に加速させ、生産性の回復を促す可能性があります。また、AI技術によってインフレの一因となっている供給側の制約が緩和されれば、時間の経過とともに実質金利と資本コストが間接的に低下する可能性があります。これは、エネルギー効率とグリーン変革の方程式を変えるために数兆ドルの投資が必要な世界では役立つでしょう。世界経済が高齢化するにつれ、AI は若い労働者が過度の犠牲を払うことなく年配の労働者をサポートできるよう支援します。

成長への衝撃や長期的な逆風にもかかわらず、私たちには世界の成長、包摂性、持続可能性を高めるための才能とツールがあります。ただし、それを積極的かつ賢明に活用する意思がある場合に限ります。