著者：闫德利、テンセントのシニアエキスパート、テンセント研究院

これは人工知能の時代であり、そこはパラドックスに満ちている——予測パラドックス、雇用定量化パラドックス、生産性パラドックス、データ価値パラドックス、産業革命パラドックス……私たちはパラドックスの中を前進している。

予測パラドックス

人工知能の未来について、人々は永遠に正確には予測できないようだ。チューリング賞受賞者であれ、ノーベル賞受賞者であれ、起業家や創業者であれ、彼らは常に非現実的か、あるいは過度に保守的な判断を下す。これが人工知能の予測パラドックスである。歴史的に、マービン・ミンスキー、アレン・ニューウェル、ハーバート・サイモンら開拓者はいずれも、驚くべき予言をしてきた。例えば、マービン・ミンスキーは1970年に「3年から8年のうちに、人間の平均的な知能を持つ機械が得られるだろう」と述べた。今に至るまで、私たちはそのために努力を続けている。ジェフリー・ヒントンは現代で最も影響力のある人物であり、「AIのゴッドファーザー」と称されている。彼は2016年に「放射線科医の訓練は直ちに中止すべきだ。明らかに、ディープラーニングの性能は5年以内に放射線科医を超えるだろう」と予測した。それは実現せず、現実は逆の方向に進み、この10年近くで米国の放射線科医の数と収入はいずれも大幅に増加した。デミス・ハサビスの地位はヒントンに並ぶものであり、彼は（2025年）「今後10年程度で、AIはあらゆる病気の治癒を助ける可能性がある」と述べている。最も成功したAI起業家として、アモディ（2025年）は、AIは5～10年以内に人間の寿命を倍増させることができると考えている。近い将来の予言については、成り行きを見守りたい。以上は最も著名な6人の人物の予言である。話題としては、AGIが現在最も注目を集めている。起業家と学者という2つの集団では、AGI実現時期の見方に明確な分岐が見られる。起業家は強気で楽観的であり、実現は間近だとさえ考えている。主な類型は4つある：①すでに到来している（その中にいながら気づいていない）、②もうすぐ来る（1～2年）、③短期で来る（3～5年）、④長期で来る（5～10年、あるいはそれ以上）。これらの見方にはすでに誤りとされたものもあれば、なお時間による検証を要するものもある。下表のとおりである。学者の見方は総じて悲観的で、AGIは偽命題であり、永遠に到来しないとさえ考えている。例えば、Iris van Rooijは（2024年）「人間レベルの認知能力を持つAGIを創造することは不可能だ」と指摘している。

表著名AI企業CEOのAGI到来時期の予測出所：テンセント研究院整理、2026年5月

人々は予測を好む。宣伝や自らを鼓舞するためである場合もあれば、論文や研究課題のためである場合もあり、さらには純粋な口論の場合もある。実際には、未来がどのようなものか誰にも分からない。未来は設定された筋書きに従うのではなく、多くの人々の選択と行動によって決まり、過去との徹底した決別によって形作られ、偶然とパラドックスに満ちている。まるで、穏やかな日々を送る豚が、春節のブラックスワンを予測できないのと同じである。

雇用定量化パラドックス

技術の雇用への影響は「顕学」であると同時に「玄学」でもある。それは古くからのテーマであり、幽霊のように数百年にわたって漂ってきた。それは老若男女を問わず知られており、碩学は談笑でき、無学な者も関わることができる。下限は極めて低く、上限は極めて高いため、人々の議論は尽きず、意見はまちまちである。近年、学者や機関は「データで語る」ことに軸足を移し、一見科学的で厳密かつ高度な方法によって自らの優位性を証明しようとしている。OECD、IMF、世界経済フォーラム、国連貿易開発会議、国際労働機関、世界銀行などの国際機関、そしてゴールドマン・サックス、マッキンゼー、ピュー・リサーチセンターなどの調査機関は、AIの雇用への影響に関する推計報告書を相次いで発表している。下表のとおりである。

表 AIが雇用に与える影響に関する一部の定量推計結果

一つの報告書だけでも十分な重みがあり、金科玉条のように扱われることさえある。しかし、これらの報告書を並べてみると、推計結果には大きな開きがあり、おおむね0.4%～67%の範囲にあって、ほとんど比較可能性がないことが分かる。人々を幻滅させる。雇用の定量推計の前提条件は、技術の発展の脈動を正確に把握できることである。前述のとおり、技術の大物ですらAI技術の将来の発展を正確に予測できないのに、経済学者はどうやってAIの雇用への影響を定量化できるのか。技術は静止している、あるいはあらかじめ定められた速度で前進すると仮定するしかないが、それは現実の姿ではない。一方、AIは独立した影響要因ではなく、景気循環、産業経済、技術発展、人口構造、雇用選好、雇用政策、グローバル化、突発的な出来事など、複数の要因が雇用に影響を与えている。それらは相互に関連し、相互作用しており、そこからAIを無傷のまま切り出すことは不可能である。そういう意味で、AIの雇用への影響を定量化することはパラドックスである。

生産性パラドックス

人工知能は新たな汎用目的技術であり、普遍的な適用可能性、継続的改善、イノベーションの創発という特徴を持ち、将来の経済成長のエンジンである。人工知能という用語が提唱されてから70年、機械学習革命から14年が経ち、現在のAIブームは勢いを増しており、大規模言語モデル、マルチモーダルから、世界モデル、エージェント、物理AIに至るまで、次々と登場し、絶え間なく生まれている。しかし、生産性の伸びは明確に加速しておらず、生産性危機に直面しているとさえ言える（Rogers、2024年）。ChatGPTの公開以降、EUの時間当たり労働生産性の伸びは0%前後で推移しており、今年第1四半期は0.1%増だった。2022年第4四半期から2026年第1四半期までの14四半期のうち、1999年以降の長期平均（1.0%）を上回る生産性伸び率となったのはわずか3四半期のみである。下図のとおりである。米国は成長が力強く、2022年第4四半期から2026年第2四半期にかけて、非農業企業部門の労働生産性は年平均2.2%増と、西側諸国の中で際立っているが、これも1948年以降の長期平均と同水準にすぎない（出所：米国労働統計局）。

図 EUの近年の労働生産性伸び率（出所：欧州連合統計局）

こうした「技術革新の急進展と生産性の伸び悩み」が同時に存在する状況が、生産性パラドックスである。それは初めて現れたものではない。ノーベル経済学賞受賞者のロバート・ソローは1987年に次のように書いている。「You can see the computer age everywhere but in the productivity statistics（コンピュータ時代の姿はどこにでも見られるが、生産性統計には見られない）」。これは「生産性パラドックス」または「ソロー・パラドックス」の最も古典的な表現とみなされている。生産性パラドックスについては、主に誤った期待、測定誤差、時間的遅れという3つの説明がある。Brynjolfssonは（2017年）、時間的遅れによる説明が最も説得力があり、生産性パラドックスを引き起こす主因であるとし、汎用目的技術が生産性に与える影響の遅行効果を「J字曲線」と概括した。汎用目的技術は、幾度もの二次的イノベーション、補完的イノベーション、組織変革を経て初めて、生産性に実質的な影響を与えることができる。歴史的に見ると、蒸気機関、発電機、コンピュータはそれぞれ発明から118年、91年、49年、商業化から54年、40年、21年を経て、ようやく生産性の向上を明確に促し始めた。したがって、長期的に見れば、生産性パラドックスは何らパラドックスではない。AIが生産性を明確に押し上げるには、なお時間がかかる。

データ価値パラドックス

データはAIの糧であり、量が多く質が高いことが求められる。量は底なし穴のように多く、質は「ガベージイン、ガベージアウト（GIGO）」、つまりデータには「高尚」と「下劣」の区別がある。データはAI能力の上限を決定し、「新しい石油」（Clive Humby、2006年）、「世界で最も価値ある資源」（エコノミスト、2017年）、「エネルギー・材料資源と同等に重要」（2004年の中共中央弁公庁・国務院弁公庁文書）と称されることが多い。データの使用価値は極めて大きいが、通常の商品のような取引価値・貨幣価値は持たない。李国傑（2025年）が言うように、「データは使用の中でしかその価値を確定できない」。OECD（2024年）は46カ国のデータ政策文書を整理し、「データ」が現れる政策文脈を頻度の高い順に並べると、イノベーション、信頼、社会、市場開放、利用、雇用、アクセスであり、彼らは「取引」には関心を持っていないことを明らかにした。陳昌盛（2023年）はかつて次のように指摘した。「データ取引所は全国に乱立しているが、データ取引所における『取引』はあまりうまく発展していない」「各地で巻き起こるデータ市場建設ブームの中で、『取引・売買を経たデータだけが利用可能なデータである』という行動誘導が形成されることに警戒すべきだ」。データは価値密度が低く、貨幣化して示しにくく、貸借対照表に占める割合はごくわずかで、ほとんど無視できる。上海交通大学上海高級金融学院の最新データによると、中国にはデータ資源の貸借対照表への計上に関する事項を開示した上場企業が136社あり、計上額は合計37.86億元である。これに基づき試算すると、前者はA株上場企業数の2.5%を占めるにすぎず、後者は中国の人工知能中核産業規模の0.3%に相当するにすぎない。中国の三大通信キャリアは計上規模で主導的地位を占めており、2025年の合計計上額は21億元で、上場企業の計上総額の55.46%を占める。ただし、これらのデータ資源は企業の総資産に占める割合が0.06%程度にすぎず、取るに足らない。下表のとおりである。

表三大通信キャリアのデータ資源計上額とその割合（2025.12.31）データ出所：決算報告書の連結貸借対照表に基づき整理。

産業革命パラドックス

技術の波が起こるたびに、必ず誰かがそれを蒸気機関や電力、コンピューターになぞらえ、「これは第四次産業革命を引き起こす！」と興奮して叫んできた。この現象は少なくとも半世紀続いており、初期にはマイクロエレクトロニクス（1984）、コンピューター（1988）、ナノテクノロジー（1994）、インターネット（2000）、代替エネルギー（2010）、サイバーフィジカルシステム（2014）などがあった。ここ10年はさらに拍車がかかり、ビッグデータ（2016）、人工知能（2016）、IoT（2016）、インダストリアルインターネット（2017）、ブロックチェーン（2017）、量子コンピューティング（2018）、スマート製造（2021）は、いずれも第四次産業革命の使命を担わされてきた。下図のとおりである。

図：中国知網（CNKI）で「第四次産業革命」などをタイトルに含む論文数の分布
注：選定基準は、タイトルに「第三次工業革命」「第三次産業革命」「第四次工業革命」「第四次産業革命」を含む論文である。現在進行中の革命について、第三次と考える人もいれば、第四次と考える人もいる。また中国語の「工業革命」と「産業革命」は英語では同じ “Industrial Revolution” である。そのため本稿では厳密に区別しない。

私たちはメディアの中で、ほぼ常に第四次産業革命を経験している。この革命を引き起こす技術は常に「芳林の新葉が旧葉を押しのけ、流水の前波が後波に譲る」ように入れ替わり、おおまかな集計では少なくとも20以上ある。新しい技術が登場し、第四次産業革命という大きな意味が付与されるたびに、それ以前のものはすべて誤りだったかのように見える。

現在、AIこそが第四次産業革命であると広く考えられている。デミス・ハサビス（2026）は「AGIの規模と速度は産業革命の10倍になる可能性がある」とさえ指摘している。中国国内にも、AIを人類社会における最後の技術革命と見る起業家がいる。AIは過去を証明してきたが、AI自身はどう証明されるのか。この議論に深入りはせず、2点を強調したい。

第一に、産業革命と経済危機が同時に起こることはあり得ない。第二に、歴史上の産業革命は先見的に察知されるものではなく、事後的に語られる物語であり、その渦中にいる人々は自分たちが産業革命のただ中にいるとは知らない。第一次産業革命（1760年代～1840年代）が終結してから40年後、「Industrial Revolution」という用語はアーノルド・トインビーの尽力によって一般に知られるようになった。第二次産業革命（1870年代～1914年）が終結してから40年後、経済学者はようやく「Second Industrial Revolution」という用語を使い始め、終結から55年後にデイヴィッド・ランデス『束縛を解かれたプロメテウス』（1969）によって学術的定義が標準化された。第三次産業革命についてはいまだ統一した見解がなく、ジェレミー・リフキン（2011）はそのテーマをインターネットと再生可能エネルギーの融合だとした。『エコノミスト』（2012）は製造業のデジタル化だとし、エリック・ブリニョルフソンとアンドリュー・マカフィー（2011）は第三次産業革命がコンピューターとネットワークによって推進されたと考えている。

今回こそ違うことを期待しよう。原文

あるアドレスが201万ドル相当のETHをわずか1.4万ドルのLITに交換、200万ドル近くの損失

人気記事