AI時代の雇用の罠：なぜ「大失業」でなく「摩擦の構造」が問題なのか

今日の注目：Tyler Coewen「AIが雇用移行期に引き起こす非自明な問題」（Marginal Revolution、2026年5月）

エコノミストのTyler Cowen（ジョージ・メイソン大学）が2026年5月のMarginal Revolutionで指摘した論点は、主流の議論と逆をいく。「AIで大量失業が起きる」という悲観論でも「AIで生産性が上がって皆ハッピー」という楽観論でもなく、第三の問題 に光を当てた。

AIが置き換える仕事の多くはホワイトカラーの中間層。しかし新たに生まれる雇用は医療・法律・教育・金融など、強い規制がかかった産業 に集中する傾向がある。規制があるということは、新しい雇用が実際に生まれるまでに資格取得・許認可・法整備のタイムラグが生じるということだ。つまり「仕事はある、でもすぐにはアクセスできない」という構造的な摩擦が10〜15年単位で続く可能性がある。

さらに経済学者・AI専門家を対象にした包括的調査（2026年4月、Marginal Revolution紹介）によれば、2030年までにAI進歩が急速に進んだシナリオでは、2050年までに年率GDP成長が3.5%（2025年比較：2.4%）に加速する一方で、労働参加率は55%に低下 するという予測が出ている。成長と参加率の乖離こそが、今後の政策課題の核心だ。

出典：Some non-obvious reasons why AI will create some transitional problems in employment — Marginal Revolution

歴史的文脈：テクノロジーと雇用の移行期は繰り返されてきた

19世紀の産業革命では、農業から工場への移行に数十年を要した。ラッダイト運動（1810年代）はその摩擦の激化した表れだが、最終的に工場労働という新しいカテゴリが農業より多くの雇用を生み出した。

1970〜80年代の製造業の自動化でも同様のことが起きた。ブルーカラーの大量失業が懸念されたが、実際にはサービス業・ITサポート・物流管理など新分野が急成長し、総雇用数は増加した。ただし移行期の10年間に中西部の「ラストベルト」では深刻な地域的格差が生まれた。

現在のAI雇用問題との違いは2点ある。①置き換えのスピードが産業革命の数倍速い可能性（モデル性能の向上サイクルが2年以下）、②今回は「手を動かす仕事」ではなく「知識・判断を使う仕事」が対象であり、移行先の新産業が見えにくいこと。特に②は歴史的に前例がなく、政策の空白が生じやすい。

今後の予想：3つのシナリオ

楽観シナリオ（確率30%）
GDP成長年率3.5%以上が現実となり、新産業（AI監査・バイオテック・宇宙）が急速に規制緩和とともに拡大。移行期は5年程度で収束し、就業者の多くが新たな役割に適応する。

中立シナリオ（確率50%）
生産性向上と雇用の摩擦が並走し、10〜15年の移行期が続く。国・地域によって格差が拡大し、再教育・資格制度の整備が遅れた地域では長期失業が社会問題化する。政府介入（ベーシックインカム試験、規制のファストトラック）が断片的に実施される。

悲観シナリオ（確率20%）
規制の壁が高い国ほど新雇用創出が遅れ、格差が政治不安を引き起こす。保護主義的な労働政策（AI導入への課税、使用制限）が広がり、生産性の恩恵が一部の企業・国に集中する。

なぜこれが重要か

AI の雇用問題は「AI が人の仕事を奪うかどうか」という二項対立では理解できない。本質は 速度と規制の非対称性 だ。技術は規制より速く進み、新しい雇用カテゴリが社会に承認される速度は経済が求める速度に追いつかない。

日本にとって特に深刻なのは、医療・介護・法律・公教育という AI が代替しうる規制産業が GDP の大きな割合を占めており、かつこれらの分野の規制緩和が歴史的に遅い点だ。「AI で生産性が上がった」のに「なぜか雇用も賃金も改善しない」という謎の正体は、この構造的摩擦にある。政策立案者・経営者・個人がそれぞれこの構造を理解し、移行期の痛みを最小化する設計をすることが、今後10年の最大の課題になる。

注：WebFetch が全ドメインで 403 を返したため、WebSearch スニペットをベースに執筆。引用数字・主張は原文の趣旨に基づくが、詳細は原文参照を推奨します。