HN 日本語サマリー

← 一覧へ戻る
AI・機械学習

仕事はどうなっているのか? AIの誇大広告と現実を切り分ける

What is happening to jobs? Separating AI hype from reality (siepr.stanford.edu)

181 pointsby pod_krad248 コメント

要約

この記事は、AIが雇用に与える影響について、誇張された情報と現実を区別して分析します。AIによる仕事への影響に関する現在の議論を整理し、データに基づいた洞察を提供することを目指しています。

全文翻訳

AIは雇用に何をもたらしているのか?AIの誇大広告と現実を切り分ける

出版物

主要なポイント

  • AIが雇用全体に与える影響は小さい可能性が高いが、新卒者にとって厳しい就職市場はAIが一因である可能性もある。
  • AIの労働生産性への影響はまちまちだが、全体としては肯定的である。
  • 企業のAI導入は加速しているが、経済全体で見ると一様ではない。
  • 初期的な証拠は、AI時代の働き方の未来に関する最終的な結論ではない。

AIモデルの進歩は、労働市場の急速な混乱がすでに始まっているか、あるいは間近に迫っているのではないかという懸念を引き起こしています。メディアの記事では、AIによるホワイトカラーの仕事の悲惨な未来が予測されています[1]。「AIによる雇用の黙示録」という恐怖は、AIのリーダー自身によってしばしば増幅されます。例えば、AnthropicのCEOであるDario Amodei氏は、AIがホワイトカラーの雇用の半分を消し去り、失業率を20パーセントに押し上げる可能性があると予測しています。この規模の労働市場の激変は、多くの家庭に甚大な苦しみをもたらし、政策立案者にとって大きな課題となります。

公衆がAIの企業や労働者への潜在的な影響について議論している間、研究とデータも追いついています。本稿の目的は、AIが現在労働市場にどのように影響しているかを理解したい政策立案者やその他の関係者のために、急速に拡大しているAIの影響に関する研究を統合することです。説明の便宜上、この経験的証拠を以下のような様式化された事実のセットに整理します。

  1. AIが現在、総雇用に与える影響は小さい可能性が高い。
  2. 新卒者にとって厳しい市場は、AIが一因である可能性がある。
  3. AIの労働生産性への影響はまちまちだが、全体としては肯定的である。
  4. 企業のAI導入は加速しているが、経済全体で見ると一様ではない。
  5. 初期的な証拠は、AIの影響に関する最終的な結論ではない。

これらの各点をさらに詳しく見ていきましょう。

AIの労働市場状況への影響は現在小さい可能性が高い

未来を予測できる人はいませんが、AIが現在、重大な失業を引き起こしているという証拠はほとんどありません。AIによる混乱に最もさらされている職業の労働者の失業率は上昇していますが、最も影響を受けていない労働者よりも速いわけではありません[2]。図1に示すように、AIへの曝露度が高い上位20パーセントの労働者の失業率は2022年以降0.77パーセントポイント上昇しましたが、最も影響を受けていない労働者の失業率は同期間に0.85パーセントポイントと、わずかに多く上昇しました。これらの集計トレンドは、AI主導の失業というよりも、労働市場全体の軟化を示唆しています。

図1:AI曝露度別失業率、2015年~2026年(四半期)

  [画像]

出典: IPUMS-CPSデータ。Eckhardt and Goldschlag (2025) の複製コードを使用して更新・拡張。
注: AI曝露度は Felten, Raj, and Seamans (2021) による[3]。Quintile 1 = 最も影響が少ない、5 = 最も影響が大きい;破線は米国全体。

AIが最も影響を受けている職業での雇用や求人に悪影響を与えているという証拠もほとんどありません[4]。AIに高度に曝露されている職業の雇用トレンドは比較的安定しています[5]。コーディングを多用する職業の雇用成長はいくぶん鈍化していますが、依然としてプラスです[6]。AI導入が企業の求人に悪影響を与えたという証拠はありません[7]。実際、ソフトウェア開発者(AIに高度に曝露されている職業)のオンライン求人は、過去1年間に他の職業よりも速く増加しています[8]。エンタープライズAIを導入した企業では、導入後2年間で雇用が10パーセント増加しており、これはAIへの一人当たり支出が最も多い企業による効果です[9]。

AIを理由にレイオフを発表し、その数を増やす企業はどうでしょうか[10]?業界リーダーと労働経済学者の両方が、これらの主張に対して健全な懐疑論を示しています[11]。AI関連の自動化に関連する一部の限定的なレイオフがあるかもしれませんが、他のレイオフは、AI投資のためのキャッシュフローを解放したいという願望や、パンデミック時代の過剰採用後の人員削減によるものに見えます。人事担当者は、AIの影響は役割の統合や、AIが多くのタスクを自動化できる役割での採用回避により顕著であると述べています[12]。

これはAIが一部の労働者に全く悪影響を与えていないという意味ではありません。むしろ、これまでのところその影響は、「AIによる雇用の黙示録」が示唆するよりもニュアンスが複雑です。AIは、集計経済データでは容易に見えない、混乱のポケットを作り出している可能性があります。特に、AIが若いホワイトカラー労働者の需要に悪影響を与えている可能性を示す証拠がいくつかあります。次にこれを議論します。

若年労働者にとって厳しい労働市場はAIが一因である可能性

新卒者は数年間で最も困難な就職市場に直面しており、2026年初頭の新卒者の失業率は5.6パーセントに達し、3年前から1.6パーセントポイント上昇しました[13]。この上昇は、AIが新卒者がかつて求めていた多くの職を代替しているのではないかという懸念を煽っています。ジュニア職は、現在AIで大部分をこなせる定型的な調査、分析、執筆タスクを伴うことがよくあります。この直感と一致するのは、AIが新規採用の需要を抑制している可能性を示す経験的証拠です。

広く議論されている論文で、Brynjolfsson、Chandar、Chenは、ChatGPTの2022年のローンチ以降、特にソフトウェア開発者やカスタマーサービス担当者など、AIに曝露されている職業のキャリア初期の労働者の雇用が著しく減少したと報告しています。図2に示すように、対照的に、これらの同じ職業の高齢労働者の雇用は比較的安定したままか、増加を続けました。著者たちは、これらの若い労働者を「炭鉱のカナリア」に例え、AIによる労働市場の混乱を最初に経験する者だと述べています[14]。他の研究者も、2022年以降に米国と英国で、AIに曝露された若い労働者の採用に同様のマイナスの影響を特定しています[15]。

図2:2つのAI曝露職業における年齢別の雇用、2021年~2026年

(a) カスタマーサービス担当者
  [画像]

出典: Stanford Digital Economy Lab and ADP Research。
注: 年齢層別の雇用指数。ADPの給与計算サービスを使用する企業の5年間のバランスの取れたサンプルから。100 = ChatGPT(2022年11月)ローンチ時の各グループの雇用(Brynjolfsson, Chandar, and Chen 2025)。

(b) ソフトウェア開発者
  [画像]

出典: Stanford Digital Economy Lab and ADP Research。
注: 年齢層別の雇用指数。ADPの給与計算サービスを使用する企業の5年間のバランスの取れたサンプルから。100 = ChatGPT(2022年11月)ローンチ時の各グループの雇用(Brynjolfsson, Chandar, and Chen 2025)。

この影響のタイミングはやや驚きです。2022年のAIモデルの能力は非常に限定的でした。他の要因も関与している可能性があります。例えば、インフレの上昇に対応するため、連邦準備制度は2022年3月から、翌年11月のChatGPTの一般公開の数ヶ月前に、積極的に金利を引き上げました。2つの新しい論文は、AIに曝露された職業での採用が、FRBの金融政策シフト後に始まったが、ChatGPTのデビュー前であったと結論付けています[16]。また、パンデミック中にリモートワークへの急速な移行は、オンザジョブトレーニングを遅らせる可能性があり、若い労働者を雇用する価値を損ないます。新しい証拠は、パンデミック後、リモートワークに適した職業での採用が、より経験豊富な労働者へと偏るようになったことを示唆しています[17]。

これらの、およびその他の可能性のある交絡要因への懸念に対応して、Brynjolfssonらは新しい制御を追加しました。これらの結果では、2024年までエントリーレベルの労働者の雇用減少は顕著ではありません[18]。したがって、2022年頃の若い労働者の採用減少をAI以外の要因が推進していると考えるのが妥当かもしれません。しかし、2024年までに、AIの導入とモデルの能力は著しく進歩しており、AIの直接的な影響がより plausibly になっています。

2022年頃、AIに曝露された職業におけるエントリーレベルの労働者の採用は明らかに大幅に減少しました。より決定が難しいのは、この減少が、現在または将来の若い労働者に対するAIの影響の明確な証拠を構成するかどうかです。この時期の労働需要に対する他のマクロ経済的ショックを考慮すると、AIの影響を分離することは経験的に困難です。これは、未解決かつ活発な研究分野であり続けています。

AIの労働生産性への影響はまちまちだが、全体としては肯定的

実験的な設定では、チャットボットやコーディングツールなどの生成AIツールは、経験の浅い、あるいはパフォーマンスの低い労働者のパフォーマンスを不均衡に向上させることがよくあります。そのような研究の1つで、研究者たちは、大規模コールセンターのカスタマーサポート担当者に対する生成AIアシスタントの影響を分析しました[19]。アシスタントは全体的な生産性を15パーセント向上させ、その増加は初心者やスキルの低い労働者に集中しており、彼らは時間あたりの解決件数が30パーセント向上しました。高度なスキルを持つカスタマーサービスエージェントではパフォーマンスの向上は見られず、むしろ応答の質がわずかに低下しました。

他の研究でも、AIツールは一般的にタスク完了をスピードアップすることが示されていますが、その効果はタスク、コンテキスト、スキルレベルによって異なります。図3は、さまざまなタスクに対するAIツールの速度への影響に関する研究結果をまとめたものです。ソフトウェア開発では、コードや関数を提案するAIツールであるGitHub Copilotの使用により、タスク完了が56パーセント高速化され、その増加は経験の浅いプログラマーに集中しました[20]。別の論文では、ソフトウェア開発への影響はより控えめで、導入された企業によって10パーセントから30パーセントの範囲でした[21]。ライティングタスクでは、ChatGPTへのアクセスにより、あらゆる能力レベルの労働者のライティング時間が短縮され、能力の低いライターのライティングの質が向上することがわかりました[22]。若い弁護士の間では、AIツールの使用により、契約書の作成などの法律業務のスピードが向上することがわかりました[23]。医療現場では、AIスクライブの評価により、医療記録の作成速度が向上する証拠が見られましたが、その効果は小さく、時折発生する不正確さには医師の監督が必要です[24]。

図3:タスク速度に対する生成AIの影響の実験的推定値

  [画像]

出典: ランダム化およびフィールド実験の著者によるコンパイル。
注: 各点は、労働者に生成AIへのアクセスを与えた場合の、代表的なタスク完了にかかる時間の推定効果であり、使用されたAIモデルの世代別に色分けされています。Choi et al. (2023) は範囲(タスク間のスパン)として示されています。Cui et al. (2025) および Brynjolfsson et al. (2023) は時間あたりの出力測定値から変換されており、Brynjolfsson et al. はランダム化試験ではなく、段階的ロールアウトの準実験です。推定値はタスクレベルおよび短期的なものであり、タスクは研究間で異なるため、 magnitudes は厳密に比較可能ではありません。

多くの職場環境では、従業員はAI支援をいつ、どのように展開するかを決定する必要があり、これが問題を著しく複雑にします。Dell’Acquaらは、AIの能力は「ギザギザ」であり、特定のタスクに展開されるかによってパフォーマンスが強く肯定的または否定的なものになる可能性があることを文書化しています[25]。AIの出力が有用であるか、さらなる改善が必要かを判断するには、熟練した判断が必要になる場合があります。例えば、研究者たちがケニアの起業家を支援するためにAIアシスタントを導入したところ、スキルの低い起業家は、AIツールを使用しなかった起業家よりも低い収益と利益を上げました[26]。その理由を調査したところ、スキルの低い起業家は、AIツールからの一般的なアドバイスに従う傾向があり、それは彼らの特定の状況に有害であったのに対し、パフォーマンスの高い起業家は、ビジネスニーズにより適した提案を抽出しました。

AIは一部の従業員の個人的な生産性を向上させることができますが、創造的なアイデアの範囲を狭める可能性もあります。クリエイティブライティングタスクでのAIの使用は、スキルの低いライターのストーリーの質を向上させることがわかりましたが、AI生成のストーリーは、人間が生成したストーリーよりも互いに非常に似ていました[27]。Haoらは、AIツールを採用した科学者はより多くの論文を発表する一方で、AIの採用は研究されているトピックの総数を減らし、科学者間の関与を低下させると発見しました[28]。

AIは明らかに多くの設定で労働者のパフォーマンスを向上させる可能性を秘めています。しかし、実験研究で観察された利益が、まだ集計生産性指標に現れない可能性のあるいくつかの摩擦があります。AIが収益性の高い速度で処理できるタスクの割合は、経済全体のタスクの総数と比較して小さい可能性があります[29]。AIが現在支援できないプロセスのボトルネックは、一時的に生産性向上を制限する可能性があります[30]。また、企業が新しい技術を導入する際、企業が機能を再編成し、補完的な投資を行うためにリソースを転用する必要があるため、測定された生産性は当初低下する可能性があります[31]。AIは最終的に生産性を向上させる可能性が高いですが、現在の企業の導入ペースを考えると、まだ集計統計には見えないかもしれません。

企業のAI導入は加速しているが、経済全体では一様ではない

AIが真に革新的な技術である場合、その広範な影響が3年で発生するか20年で発生するかは、政策上の問題を根本的に変えます。迅速な変革は一度に多くの労働者を解雇する可能性がありますが、より遅い変革は政策立案者と労働者に適応する時間を与えます。AIの経済全体への潜在的な影響のタイミングと分布を示す最も重要な指標の1つは、企業の導入ペースです。

図4:職場でのAI導入、2023年~2026年

  [画像]

出典: U.S. Census Bureau, Business Trends and Outlook Survey (BTOS); Stanford Digital Economy Lab/Real-Time Population Survey (Bick, Blandin & Deming, 2024); Federal Reserve Bank of Atlanta, Survey of Business Uncertainty; Ramp AI index。国勢調査局は2025年11月にBTOSの質問票を改訂し、企業にすべてのAI使用について質問しました。以前は、調査では「財・サービスを生産するために」AIが使用されたかどうかを尋ねていました。
注: シリーズは直接比較できません。BTOS = AIを使用する企業の未加重シェア(隔週;区切りは質問文言の2025年11月の変更を示します)。Bick, Blandin, and Deming = 職場での生成AIを使用する個人のシェア。Survey of Business Uncertainty = いずれかのAIを使用する企業の雇用加重シェア。Ramp = プラットフォーム上の企業のシェア(代表サンプルではない)がAIサービスを購入している。

企業の調査では、導入率には幅がありますが、いずれもAIの使用が急速に増加していることを示しています。図4は、企業の導入率を示すいくつかの広く引用されている指標を示しています。最も保守的な企業の導入率の推定値は、国勢調査局のBusiness Trends and Outlook Survey (BTOS) であり、これは企業の全国代表調査で、現在約20パーセントの企業がAIを使用していると推定しています。職場でのAI使用の他の指標は、一般的に企業の導入率が高く示されています。最高レベルでは、米国の企業の経営者への調査では、80パーセント以上の従業員が職場でAIを使用していることがわかりました[32]。Ramp、フィンテックの経費管理会社は、その顧客の50パーセント以上がAIツールやAIベンダーに支出していると推定しています。全国代表的な家計調査では、回答者の40パーセント以上の雇用者が職場でAIを使用していることがわかりました。

測定値間の導入率のばらつきは、主に方法論とサンプル構成の違いによるものです。大企業ほどAIを導入する可能性が高いため、雇用加重の導入率は単純な企業数よりも高くなります。Rampは、そのAIインデックスの方法論で、プラットフォームを使用する企業は企業の代表的なサンプルではなく、AI導入率が高いテクノロジー企業に偏っていることを明確に述べています。AI導入に関する調査のレビューで、最近の連邦準備制度の研究報告書は、全国的なサンプリングフレームを使用する比較的低い国勢調査の推定値を支持する良い理由を指摘し、各推定値を雇用で加重した場合に調査間の導入率の違いがどのように大幅に狭まるかを示しました[33]。

AIを導入している企業の分布は、AIの影響が最初に現れる可能性のある場所を示しています。現在、調査証拠は、AI導入がテクノロジー企業や金融などの情報集約型セクターに集中していることを示唆しています。最も一般的なAIの展開は、販売・マーケティング、IT、戦略、財務、会計です。導入企業の間でさえ、AIの使用は広範ではなく狭い範囲にとどまっており、1つまたは2つのビジネス機能に限定されているか、より広範なタスクセットで低頻度で使用されているかのいずれかであり、包括的なAI統合は例外であって規則ではありません[34]。最近のマッキンゼーの調査では、ほとんどの企業がAIの実験およびパイロット段階にあり、少数の大企業のみがパイロットを超えてスケールアップする道をリードしていることがわかりました[35]。

AI導入は雇用にもほとんど影響を与えていないようです。国勢調査データでは、5パーセントの企業のみが雇用への影響を報告しており、増加と減少を報告した企業数は同数です。連邦準備銀行アトランタの調査を受けた経営者の80パーセントは、AI投資はまだ人員数を変えておらず、生産性を向上させていないと述べています。労働者のAI導入と企業に関するデータをリンクさせた大規模なデンマークの研究では、AI導入は労働者のタスクと時間の再編成をもたらすが、これらの変化はまだ労働者の雇用、労働時間、または収入に影響を与えていないことがわかりました[36]。最近の研究では、AIを導入している企業の間で、導入後2年間で雇用が10パーセント増加したことが示されています[37]。

全体として、データは、企業のAI導入が経済全体で急速に進んでいるが、一様ではなく、多くの企業がまだ実験段階にあり、より先進的な導入企業のみがAIをより広範に展開していることを示唆しています。

結論:既存の証拠は最終的なものではない

技術の進歩は通常、ビジネスや労働市場を変革するのに数年、あるいは数十年かかります。1987年、経済学者のロバート・ソローは有名な言葉を残しました。「コンピューター時代はどこにでもあるが、生産性統計には見られない。」イノベーションと成長の間のこの遅延は、企業の新しい技術の導入がしばしば一様で遅いため発生します。例えば、企業は1980年代にPC技術に多額の投資をしました。しかし、PCの利点を活用するには、エンタープライズソフトウェア、労働者の再訓練、組織再編成といった追加投資が必要でした。これらの導入の摩擦が、コンピューター革命からの測定可能な経済的リターンが1990年代後半まで現れなかった主な理由でした。

次に何が起こるかを予測することは常に困難です。シリコンバレーでは、AIを「通常の技術」――変革的だが段階的で、過去の技術に似ている――と見なす人々、そして2027年までに世界を変える影響を予測する人々の間で意見が鋭く分かれています。AIが通常の技術であるという最も強い主張は、歴史です。過去の技術革命は、一部の職業で労働需要を排除または削減する一方で、同時に新しい仕事や産業を創出してきました。その結果、雇用の性質と経済が変わったにもかかわらず、総雇用は増加しました。

対照的に、AIが根本的に異なると信じる人々は、AI導入の異常に速いペース、認知的な仕事へのAIの不均衡な影響、そして単一の職業だけでなく多くのホワイトカラーの仕事に脅威を与えるAIの横断的な性質を指摘しています。どちらの陣営が正しいとしても、技術革命は個人にとって深く破壊的なものとなる可能性があり、AIの労働市場への進化する影響をできるだけ早く、よりよく理解し、潜在的な政策対応を準備することが極めて重要です。

著者について

Neale Mahoneyは、スタンフォード大学のSIEPRのTrioneディレクターであり、TG Wijaya経済学教授です。以前はホワイトハウス国家経済会議の特別政策顧問を務めていました。

Erika McEntarferは、SIEPRの研究員および著名な政策フェローです。2025年8月まで労働統計局長官を務め、それ以前はホワイトハウス経済諮問委員会のシニアエコノミストでした。

Karsen WahalはSIEPRの研究者です。彼は最近、スタンフォード大学で経済学の学士号(優等)、数学の理学士号、コンピュータサイエンスの修士号を取得しました。彼の主な研究関心は、労働経済学、経済成長、市場設計、政治経済学のレンズを通して見たAIの経済学です。

スタンフォード経済政策研究所(SIEPR)は、喫緊の経済問題に関する証拠に基づいた知識を触媒し、促進することで、将来の世代のためのより情報に基づいた政策ソリューションにつながります。私たちは超党派の研究機関であり、SIEPRの政策ブリーフは著者のみの見解とアイデアを反映しています。

脚注

[1] Meg Short, “Banks Lay the Groundwork for Mass Workforce Cuts as AI Takes Hold,” Bloomberg, June 7, 2026. Lindsay Ellis, Owen Tucker-Smith, and Allison Pohle, “Tens of Thousands of White-Collar Jobs Disappearing as AI Starts to Bite,” Wall Street Journal, October 28, 2025. Kevin Roose, “For Some Recent Graduates, the AI Job Apocalypse May Already Be Here,” The New York Times, May 30, 2025. Derek Thompson, “Something Alarming is Happening to the Job Market,” The Atlantic, April 30, 2025.

[2] Eckhardt, Sarah, and Nathan Goldschlag. AI and Jobs: The final word (until the next one). Economic Innovation Group, August 2025. Massenkoff, Maxim, and Peter McCrory. Labor Market Impacts of AI: A new measure and early evidence. Anthropic Research, March 2026.

[3] Felten, Edward, Manav Raj, and Robert Seamans. 2021. “Occupational, industry, and geographic exposure to artificial intelligence: A novel dataset and its potential uses.” Strategic Management Journal 42(12): 2195-2217.

[4] Gimbel, Martha, Molly Kinder, Joshua Kendall, and Maddie Lee. Evaluating the Impact of AI on the Labor Market: Current State of Affairs. Yale Budget Lab, October 2025. Chandar, Bharat. Tracking Employment Changes in AI-Exposed Jobs. SSRN, June 2025.

[5] Crane, Leland, and Paul Soto. “AI and Coder Employment: Compiling the Evidence.” FEDS Working Paper. No. 2026-018. Board of Governors of the Federal Reserve System, March 2026.

[6] Liu, Jessica, and Douglas Webber. “AI Adoption and Firms’ Job-Posting Behavior,” FEDS Notes, Board of Governors of the Federal Reserve System, March 27, 2026.

[7] Gallacher, Guillermo. “AI and Job Postings: From Job Destruction to Creation?” Indeed Hiring Lab, July 2026.

[8] Kharazian, Ara, Lisa Simon, and Ryan Stevens. A New Look at AI’s Impact on Jobs: Firm-Level AI Spending and Workforce Adjustment. Ramp Economics Lab, June 2026.

[9] Rebecca Bellan and Connie Loizos, “Every Major Tech Layoff in 2026 That Has Name-Checked AI.” TechCrunch, July 6, 2026.

[10] Lucy Hodgman, “Sam Altman thinks tech companies are ‘AI-washing’ their layoffs,” San Francisco Chronicle, February 21, 2026. Jake Angelo, “Marc Andreessen says AI layoffs are a farce: Companies are 75% overstaffed, and AI is the ‘silver bullet excuse’ to clean house,” Fortune, March 31, 2026. Satyam Mishra, “AI Overtakes All Other Reasons for Job Cuts as Layoffs Surge in 2026,” Outlook Business, June 7, 2026.

[11] Roy Maurer. “The AI Layoffs Narrative: Real Transformation, or Scapegoat?” SHRM, May 18, 2026.

[12] Federal Reserve Bank of New York, The Labor Market for Recent College Graduates, 2026 Q1 data.

[13] Brynjolfsson, Erik, Bharat Chandar, and Ruyu Chen. “Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence.” Stanford Digital Economy Lab, November 2025.

[14] Hosseini Maasoum, Seyed Mahdi, and Guy Lichtinger. Generative AI as Seniority-Biased Technological Change: Evidence from U.S. Resume and Job Posting Data. SSRN, November 2025. Teeselink, Bouke. Generative AI and Labor Market Outcomes: Evidence from the United Kingdom. SSRN, December 2025. Tucker, Lee. “You’re Not Hired: Artificial Intelligence and Early Career Hiring in the Quarterly Workforce Indicators,” CES Working Paper CES-26-27, April 2026.

[15] Iscenko, Zanna, and Fabien Curto Millet. Looking for the Ladder: Is AI Impacting Entry-Level Jobs? Economic Innovation Group, January 2026. Frank, Morgan, Alireza Sabet, Lisa Simon, Sarah Bana, and Renzhe Yu. “AI-Exposed Jobs Deteriorated Before ChatGPT.” arXiv, January 2026.

[16] Lambert, Peter and Yannick Schindler. “The Broken Ladder: AI, Remote Work, and Early-Career Hiring.” SSRN, May 2026.

[17] Brynjolfsson, Erik, Bharat Chandar, and Ruyu Chen. “Canaries, Interest Rates, and Timing: More on the Recent Drivers of Employment Changes for Young Workers.” Stanford Digital Economy Lab, February 2026.

[18] Brynjolfsson, Erik, Danielle Li, and Lindsey Raymond. 2025. “Generative AI at Work.” Quarterly Journal of Economics. 140(2): 889-942.

[19] Peng, Sida, Eirini Kalliamvakou, Peter Cihon, and Mert Demirer. “The Impact of AI on Developer Productivity: Evidence from GitHub Copilot.” arXiv, Feb 2023.

[20] Cui, Zheyuan, Mert Demirer, Sonia Jaffe, Leon Musolff, Sida Peng, & Tobias Salz. “The Effect of Generative AI on High-Skilled Work: Evidence from Three Field Experiments.” SSRN, August 2025.

[21] Noy, Shakked, and Whitney Zhang. 2023. “Experimental Evidence on the Productivity Effects of Generative Artificial Intelligence.” Science. 381:187-192.

[22] Choi, Jonathan, Amy Monahan, and Daniel Schwarcz. 2024. “Lawyering in the Age of Artificial Intelligence.” Minnesota Law Review. pp 147-218.

[23] Lukac, Paul, William Turner, Sitaram Vangala, Aaron Chin, Joshua Khalili, Ya-Chen Shih, Catherine Sarkisian, Eric Cheng, John Mafi. “Ambient AI Scribes in Clinical Practice: A Randomized Trial.” NEJM AI 2025, 2(12).

[24] Dell’Acqua, Fabrizio, Edward McFowland III, Ethan Mollick, Hila Lifshitz-Assaf, Katherine Kellogg, Saran Rajendran, Lisa Krayer, Francois Candelon, and Karim Lakhani. “Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of AI on Knowledge Worker Productivity and Quality.” Harvard Business School Working Paper, No. 24-013. September 2023.

[25] Otis, Nicholas, Rowan Clarke, Solene Delecourt, David Holtz, and Rembrand Koning. “The Uneven Impact of Generative AI on Entrepreneurial Performance: Evidence from a Field Experiment in Kenya.” Harvard Business School Working Paper, No. 24-042. October 2025.

[26] Doshi, Anil, and Oliver Hauser. “Generative AI Enhances Individual Creativity but Reduces the Collective Diversity of Novel Content.” Science Advances. July 12, 2024. Moon, Kibum, Kostadin Kushlev, Andrew Bank, Ben Lira Luttges, Indre Viskontas, James Kaufman, Dan Johnson, Angela Duckworth, and Adam Green. “The Creative Link Between Words and Ideas is Weakening in the AI Era.” Available at ResearchGate. February 2026.

[27] Hao, Qianyue, Fengli Xu, Yong Li, and James Evans. 2026. “Artificial Intelligence Tools Expand Scientists’ Impact but Contract Science’s Focus.” Nature. 649: 1237-1243.

[28] Acemoglu, Daron. “The Simple Macroeconomics of AI.” NBER Working Paper 32487. 2024.

[29] Jones, Charles. “AI and Our Economic Future.” NBER Working Paper 34779. 2026.

[30] Brynjolfsson, Erik, Daniel Rock, and Chad Syverson. (2021). “The Productivity J-Curve: How Intangibles Complement General Purpose Technologies.” American Economic Journal: Macroeconomics. 13(1): 333-372.

[31] Yotzov, Ivan, Jose Maria Barrero, Nicholas Bloom, Philip Bunn, Steven Davis, Kevin Foster, Aaron Jalca, Brent Meyer, Paul Mizen, Michael Navarrete, Pawel Smietanka, Greg Thwaites, and Ben Zhe Wang. “Firm Data on AI.” Federal Reserve Bank of Atlanta Working Paper. March 2026.

[32] Crane, Leland, Michael Green, and Paul Soto. “Measuring AI Uptake in the Workplace.” FEDS Notes. Board of Governors of the Federal Reserve System. February 2025.

[33] Bonney, Kathryn, Cory Breaux, Emin Dinlersoz, Lucia Foster, John Haltiwanger, and Aditya Pande. “The Microstructure of AI Diffusion: Evidence from Firms, Business Functions, and Worker Tasks.” NBER Working Paper 35141. 2026.

[34] McKinsey. “The state of AI in 2025: Agents, innovation, and transformation.” November 5, 2025.

[35] Humlum, Anders and Emile Vestergaard. “Still Waters, Rapid Currents: Early Labor Market Transformation under Generative AI.” NBER Working Paper 33777. 2025.

[36] Kharazian, Ara, Lisa Simon, and Ryan Stevens. A New Look at AI’s Impact on Jobs: Firm-Level AI Spending and Workforce Adjustment. Ramp Economics Lab, June 2026.

著者:
Neale Mahoney
Erika McEntarfer
Karsen Wahal

公開日:
2026年7月