OpenAI初代チーフエコノミストRonnie Chatterji氏、「先端企業のトークン消費量は中央値の8倍」と指摘 ― 半年で格差2倍に拡大
OpenAI初代チーフエコノミストのRonnie Chatterji氏が、iCapitalのポッドキャスト「The Bridge」に出演し、AIが労働市場と経済全体に与える影響について詳細な分析を語った。米商務省でCHIPS法の立案に携わった経歴を持つ同氏は、企業向けAI導入の実態から、新卒者への影響を巡る議論、そして、経済統計の測定方法そのものが抱える限界まで、幅広いテーマについて言及した。本稿ではその要点を整理する。
1. なぜAIラボに「チーフエコノミスト」が必要なのか
1-1. 「職務記述書は自分で書いてくれ」
Chatterji氏は、OpenAI入社の経緯について、当初妻から「フロンティアAIラボが、なぜエコノミストを必要とするのか」と問われたエピソードを紹介した。同氏によれば、AIが経済に大きな影響を与えるという強い確信がOpenAI社内にあり、学術界での政策理解と、企業に深く関わってきたビジネスの視点の両方を持つ人材を求めていたという。同氏が、「職務記述書はあるのか」と尋ねたところ、「あなたが書いてくれ」という答えが返ってきたと振り返った。
1-2. 3つの柱 ― 労働市場、企業導入、AGI経済
チームを構築するにあたり、Chatterji氏は、3つの重点領域を設定したという。第一に、労働市場と仕事の未来。第二に、企業におけるAI導入(同氏はビジネススクール教授としての経験を持つ)。そして、第三に、従来の経済学のツールキットでは対応しきれない「AGI経済」に関する新たな問いを扱う領域だ。この3つの柱がチームの土台になっているという。
2. CHIPS法の経験から見るAI政策への示唆
2-1. 「ゼロ%」からの出発
Chatterji氏は、政府でCHIPS・科学法の立案に関わった経験について語った。米国が半導体産業の再構築に向けて新たな政策アプローチを必要とした背景には、生成AI・新形態のエネルギー・量子コンピューティング・合成生物学といった「ディープテック」領域において、国家安全保障上の重要性と巨額の資本支出要件から、従来型の市場任せのアプローチでは不十分だという超党派の合意があったと説明した。同氏はこの取り組みの成否を測る指標として、政権交代を超えて継続しているかどうか、そして、米国内で重要技術の製造能力が実際に構築されているかどうかの2点を挙げた。
2-2. 最大の課題は「人材育成」
同氏は、米国が先端半導体をほぼゼロから作れる状態からの出発点だったと振り返りつつ、米国内での製造業拡大における最大の課題は、資金そのものよりも人材の育成・訓練にあると指摘した。クリーンルームでの作業やファブとは何かを説明し、人々が居住地または通勤可能な範囲でその機会にアクセスできるようにする必要があるという。
3. AI投資とマクロ経済の現状
3-1. GDPを支えるAI関連設備投資
過去1年半のGDP成長が、AI関連の設備投資によってどの程度押し上げられているかについて、Chatterji氏は、ビジネス側の試算では0.25%程度から最大1%程度まで、幅のある推計が存在すると説明した。同氏は、これは通信やインターネットの黎明期と同様、変革的な技術の普及局面において特段珍しい現象ではないとの見方を示した。
3-2. 雇用統計は「表面上は堅調」
雇用市場については、多くの悲観的な予測に反して失業率は低水準を維持していると同氏は述べた。ただし、直近のデータでは労働市場の一部に軟化の兆しも見られるとし、特に、新卒・若年層のキャリア形成の行方を注視していく必要があるとした。
4. 「仕事が消える」のではなく「仕事の中身が変わる」
4-1. 職務記述書を超えたタスクの変化
Chatterji氏は、AIが雇用に与える影響について、多くの人が想定するような「即座の雇用破壊」ではなく、実際には、「同じ職種の中でタスクの構成が変化している」現象が起きていると分析した。同氏のチームの調査によれば、金融専門職が、マーケティング業務を行ったり、デザイナーが以前はできなかった作業をツールを使ってこなしたりするなど、職務記述書に明記されていないタスクを担うケースが増えているという。
4-2. 「AIにさらされる=悪い」とは限らない
同氏は、AIにさらされる職種イコール雇用にとって悪影響、という単純な図式は必ずしも正しくないと指摘した。グラフィックデザインやコードの一行を生み出すコストが下がれば、需要の弾力性次第では、その製品・サービスへの需要そのものが増加する可能性もあるためだという。
5. 新卒市場への影響 ― 証拠は「決定的ではない」
5-1. スタンフォード大学の論文「炭鉱のカナリア」
同氏が最も懸念しているのは、キャリアを開始したばかりの若年層への影響だという。同氏は、スタンフォード大学の研究者による論文「Canaries in the Coal Mine(炭鉱のカナリア)」に言及し、これは金利上昇やコロナ後の経済状況といった他の要因をコントロールしようとした、非常に丁寧な研究だと評価した。ただし、その著者自身も「他のすべての可能性を排除することはできない」と慎重な姿勢を示している点を強調し、AIが新卒市場に与えている影響について「相関関係は見られるが、決定的な証拠があるとは言えない」との立場を示した。
5-2. 「軽視すべきでも、過度に依存すべきでもない」
同氏は、こうした証拠を頭ごなしに退けるべきではない一方、さらなる研究と理解が深まる前に、この一点に過度に依拠すべきでもないとバランスの取れた見方を示した。
6. AIによる「シニア化」する組織構造への懸念
6-1. 若手アナリストの育成モデルへの影響
Chatterji氏は、プライベートエクイティ・法律事務所・コンサルティングファームといった業界において、「軽作業」がAIによって自動化されることで、若手アナリストを採用し、次世代のリーダーとして育成するという従来の組織構築モデルが影響を受ける可能性があると指摘した。この点は、同氏が今後最も注視していく分野の一つだという。
7. 卒業生へのアドバイス ― 「STEM」と「人文系スキル」の両立
7-1. STEM教育の価値は「専攻通りに働くかどうか」ではない
これから社会に出る学生への助言を求められたChatterji氏は、まず彼らの置かれた状況に共感することが重要だと述べた上で、STEM教育の価値について具体的な見解を示した。多くの工学専攻者が実際にはエンジニアとして働いていないものの、「工学を学んだことは価値があったか」と尋ねれば、ほとんどが「はい」と答えるという事実を挙げ、専攻が必ずしもキャリアの中身を決定するわけではないと説明した。
7-2. 「人間的スキル」への回帰
同氏は、この10年でSTEM教育への偏重が進んだ一方、人文科学の重要性が見直されつつあると指摘した。AIによって「できるかどうか」という問いへの答えが容易になる中、「何をすべきか」という問いに答える力こそが重要になり、これはまさに人文科学が育んできた能力だと強調した。
8. 資産運用業界における「人間の判断」というプレミアム
Chatterji氏は、資産運用アドバイザーの成功事例について、顧客が求めているのは、投資のヒントそのものではなく「お金に関するセラピスト」のような存在だと指摘されることが多いと紹介した。人生の重要な決断に寄り添う人間的な要素こそが、今後のアドバイザー業務における差別化要因になるとの見方を示した。
9. 産業別インパクト ― 医療・教育は「需要増」の可能性
9-1. 「Eds and Meds」への需要拡大
Chatterji氏は、AIが雇用に与える影響が業種によって二極化するとの見方を示した。医療と教育については、社会が豊かになるほど支出が増える傾向が歴史的にあることを踏まえ、AIが他の業務を効率化することで、少人数学級や、より丁寧な医療提供への投資余力が生まれ、むしろ人材需要が増加する可能性があると分析した。
9-2. 「リモート・定型業務」は影響を受けやすい
一方で、リモートで完結し、他者との対面業務を伴わない定型的なタスクを中心とする職種は、AIによる代替の影響を受けやすいとした。人間が業務に不可欠な形で関与する職種は、置き換えではなく「人間を中心とした再編成」が進む可能性が高いとの見方を示した。
10. 「エージェント世代」の到来 ― 企業間で広がる活用格差
10-1. 先端企業のトークン消費量、中央値の8倍に
Chatterji氏は、この日発表した最新の「Enterprise Signals」レポートの内容を紹介した。同レポートによれば、上位10%に位置する「フロンティア企業」は、ユーザー1人あたりのトークン消費量が中央値企業の約8倍に達しているという。これはわずか5カ月前の同様の調査時点では2倍程度だった格差であり、この5カ月で急速に拡大したことを意味する。
10-2. コーディングから全社へ ― 「4カ月」で技術部門並みの水準に
同氏は、OpenAI社内を事例として実施した調査の結果にも言及した。2025年後半、コーディング分野でエージェント型ツールの活用が急速に進んだ後、2026年1月頃を境に、財務・マーケティング・法務といった非技術部門にもこの動きが波及し始めたという。技術部門(研究・エンジニアリング)が既にツールをほぼ完全に活用していた状態から、非技術部門が同水準に到達するまでに要した期間は約4カ月だったと明かした。
10-3. 「エージェントと競争する」のではなく「エージェントを使って競争する」
「今の職場でエージェントと競争することになるのか」という問いに対し、Chatterji氏は「エージェントを使って他社と競争することになる」と述べ、エージェントを人間の代替ではなく補完として捉える視点の重要性を強調した。複数のエージェントを同時に稼働させることで、以前は数日かかっていた作業を短縮し、その分の時間をチームとの対話やより高次のタスクに振り向けられるようになるという。
11. トークン支出の「規律化」という新たな局面
同氏は、企業のCFOがトークン消費を最大化する文化から、より規律的な資源配分の文化へと移行しつつある点にも言及した。これは、クラウドコンピューティングの黎明期に企業が「リソースをどう配分するか」というアロケーターの役割を担うようになった過程と類似しているとし、どのタスクにどのモデルを割り当てるかという「知性の使い分け」が、今後の組織効率化の鍵になるとの見方を示した。
12. 経済統計の「測定インフラ」が抱える限界
12-1. 消費者余剰という「見えない価値」
Chatterji氏は、AIによる生産性向上を測定する上での経済統計の限界についても踏み込んだ。ChatGPTの無料ユーザーが得ている「消費者余剰」(子どもの誕生日パーティーの計画や金融判断への活用など)は、GDPには一切反映されない価値であり、こうした恩恵が生産性統計には全く現れないという課題を指摘した。
12-2. O*NET分類の限界と、新たな測定インフラの必要性
同氏はまた、AIと雇用を巡る議論の多くが依拠している米労働省の職業分類「O*NET」について、この分類自体が現在の働き方の実態を十分に反映できていないとの認識を示した。人々が実際にどう働いているかを、より正確に捉える新たな測定インフラの構築が必要だと訴えた。
13. 中小企業の起業とAIの関係
13-1. マーケティングが最も多い活用用途
Chatterji氏は、AIが起業プロセスをどう変えているかについての研究成果にも言及した。同社の調査によれば、起業家によるAI活用の用途として最も多いのはマーケティングだという。優れたアイデアやサービスを持つ起業家であっても、それを人々に伝える手段に乏しいケースは多く、AI(特にChatGPT)がその役割を補完しているとした。
13-2. 「AIが原因」と断定するのは時期尚早
同時期に起業活動全体が大きく増加している現象については、AIがその直接的な原因であると断定するのは時期尚早であり、より慎重な研究が必要だとの立場を示した。ただし、AIによって一人の起業家がマーケティング・財務・ウェブサイト構築といった複数の機能を担えるようになっている実態は明確だと述べた。
14. 「大企業もAIを取り込む」という視点
Chatterji氏は、ビジネススクールでの教育経験を踏まえ、「破壊的技術の前ではスタートアップが勝ち、既存企業が負ける」という単純な物語だけでは不十分だと指摘した。既存企業の経営者たちも、自社が「恐竜」にならないよう、AIをいかに早く・賢く取り込むかを真剣に模索しているとし、今後は新興企業だけでなく、既存の大企業がAIをどう組織全体に浸透させていくかにも注目していく必要があるとの見方を示した。
15. 最大の懸念 ― 「能力の過剰」と「恩恵の分配」
15-1. 「ケイパビリティ・オーバーハング」という課題
Chatterji氏は、夜も眠れないほど気になっている点として2つを挙げた。1つ目は「ケイパビリティ・オーバーハング(能力の過剰)」、すなわちAIモデルが実際にできることと、実際の利用実態との間に存在するギャップだ。企業と対話する中で、モデルが本来発揮できる力と、実際の活用状況との間に大きな乖離があるケースを頻繁に目にするとし、このギャップを埋められなければ、AIの経済効果全体の律速要因になりかねないと指摘した。
15-2. 「恩恵の広範な分配」という最大の課題
2つ目の懸念は、AIがもたらす恩恵が社会全体に広く行き渡るかどうかだという。同氏は、政府・企業・学術界でのキャリアを振り返りつつ、この課題への対応には大規模な協働が不可欠であり、これこそが自身が最も強く意識している論点だと結んだ。
