マシンラーニングなどの人工知能（AI）がますます生産的になると、誰が得をして誰が損をするのかを考えた研究です。スタンフォード大学のMatthew O. JacksonとZafer Kanikは、AI自体が労働で作られると仮定した経済モデルを使い、AIの生産性向上が労働配分と賃金格差にどう影響するかを分析しました（2026年7月）。

研究者らは経済を二つの部門に分けました。一つはAIを作る部門、もう一つは最終財を作る部門です。労働者は三種類に分かれます。①AIに置き換えられる「代替可能」な仕事（例：定型的なコーディングやデータ処理）、②AIを作るために必要な「補完的」な仕事（例：機械学習エンジニアや研究者）、③AIに代替されず最終財生産で使われる仕事（例：医師や教師）。重要な特徴は、AI自体も労働で生産される点です。これが経済全体の自動的な再配分（エンドジニアスな再配分）を生みます。

主な結果は単純で分かりやすいです。AIの生産性が上がると、補完的労働者の賃金は国内総生産（GDP）より速く上がります。代替可能な仕事の賃金は、名目でも相対的にも下がります。最終財専用の労働者の賃金はGDPと同じペースで上がります。モデルは、AIが一定の生産性しきい値を越えると代替が始まり、労働がAI生産や非代替の仕事へ移る「移行期」が生じると示します。代替される労働者がAI生産にも回れると、移行は終わり生産性向上は引き続きGDPを押し上げます。移行の速さは、AI生産がどれだけ補完的労働を必要とするかで変わります。

市場構造も重要です。競争的にAIが作られる場合と、独占的な企業がAIを支配する場合で影響が変わります。独占はAIの価格を高くし、導入を遅らせます。そのため代替労働者の賃金低下や補完労働者の賃上げは抑えられ、賃金格差は小さくなりますが、経済全体の余剰（みんなが分けられる利益）は減ります。

政策面では、AIの利益を広く共有するための税と補助が議論されます。著者は全員が前より良くなる「パレート改善」を達成できる税制度を示しました。基本的には、AIを作る側で得をする補完的労働者の所得を課税して、代替されて所得が落ちる労働者に補助を出す形です。税率の形は目標によって変わります。代替可能な労働者の消費を導入前の水準に保つことを目標にする場合、補完的労働への課税はAI生産性に応じて山形に変化します。一方、全員に平等に利益を分けることを目指すと課税率は生産性とともに上がります。独占下では初期に企業利益だけでは補助を賄えないため、補完的労働への課税が追加で必要になることも示されています。

限界と注意点も重要です。これは理論モデルの結果です。モデルはAIが労働で生産されることや、AIと代替可能労働が完全に置き換え可能であるなどの仮定に依存します。現実世界では技術の形や制度、労働市場の柔軟性によって結果は変わります。また、提示された税の形や効果はモデル内のパラメータや競争状況に左右されます。著者らはこうした構造的な仮定の下で得られる一般的なメカニズムと政策の指針を示していますが、実務的な設計には追加の実証研究や制度設計が必要だと考えられます。