AI は下位層を平均まで引き上げる——ただし正解の型がある仕事に限られ、型のない仕事では差がむしろ広がる

本稿の要点

三年前、一つの実験が評判になった。BCG のコンサルタントに GPT-4 を使わせると、もともと成績が下位半分だった層は品質が 43% 上がり、上位半分は 17% の上昇にとどまった。両者の差は 22 ポイントから 4 ポイントに縮んだ。「AI はスキルの平準化装置だ」という言い方は、ここから生まれた。今年三月、この研究は査読を通り、経営学の学術誌 Organization Science に正式に掲載された(INFORMS)。学位を得たに等しい。だが同じ三年間で、逆方向の証拠もそろった。正解の型がない仕事では、AI は強い者をより強く、弱い者をより弱くする。雇用市場では、最も平準化されやすい初級職が目立たないまま減っている。本稿は三年分の証拠を一つの机に並べる。結論は一文で言える。AI が平準化するのは「仕上がりの品質」であって、「その仕事がいくらに値するか」ではない。平準化された部分の仕事は、いま値付けし直されている。

一分で読むなら、要旨はこうだ。社内の職務は、仕事の中身で二つに分かれる。一つは、成果物に共通の良し悪しの基準があって照らし合わせられる仕事で、プレゼン資料、カスタマーサポートの返答、法律文書がそうだ。もう一つは判断が要り、正解のない仕事である(この事業の次の一手、この診断を信じてよいか)。第一の類の賃金相場は AI に引きずられて下がる。理由は単純で、AI は月額サブスクリプションの値段でこの種の仕事を平均水準までこなす。同じ仕事を人に頼めば、報酬は道具の値段に向かって押し下げられる。したがって本紙の読みでは、訓練と昇給の予算が報われるのは第一の類ではなく、人を第二の類へ育てる使い方だ。AI の出力が正しいかを見極め、誤ったときに責任を負える人こそ、まだ値上がりしている位置にいる。以下の数千字は、この二文の証拠である。時間がなければ、ここまでで最初の判断を下す材料は足りる。

三年前の実験が、今年正式な「学位」を得た

まず土台を固めておく。2023 年 9 月、ハーバード、ウォートン、MIT の研究者が BCG と組み、コンサルタント 758 人(全社人員の約 7%)を無作為に二群に分けた。一方は GPT-4 を使え、もう一方は使えない。課題は実際のコンサルティング業務に近い 18 件である。AI を使えた群は、こなした量が多く(+12.2%)、速く(+25.1%)、品質は四割高かった。最も重要なのは、誰が最も得をしたかだ。出発点で下位半分だった層は品質が 43% 上がり、上位半分は 17% だった。「スキルの平準化」という言葉は、ここで生まれた。

この論文が最も多く引用されるのは、信頼できる条件をほぼすべて満たしていたからだ。人数が多い。実在の企業の中で行われた。課題は本物のコンサル業務である。しかも実験の前に何を測るかを登録し、後から見栄えのよい数字を選ぶ余地をなくしていた。唯一欠けていたのは学術誌の査読で、この穴は今年三月に埋まった(INFORMS)。三年間プレゼン資料で無数に引用されてきた数字は、いまや教科書級の証拠になった。

ただ、同じ論文が警告も添えている。研究者は AI が苦手な課題をわざと一つ混ぜた。その課題では AI を使った人のほうが誤りやすく、正答する確率が 19 ポイント低かった。著者はこの現象を「ギザギザの能力の境界」と名付けた。AI の得意と不得意は入り組んで分布し、しかも外からは見えない。平たく言えば、AI が役に立つのは、その仕事がたまたま AI の得意な範囲に入っているときに限られる。厄介なのは、どの仕事が範囲内かを事前に知れるとは限らない点だ。

正解の型がある仕事では、平準化が繰り返し起きる

平準化が BCG 一社でしか起きていないなら、一つの逸話にすぎない。実際はそうではない。互いに無関係な四つの研究チームが、四種類の仕事で同じ形を測り、四本とも今では学術誌の査読を通っている。

文章作成。 大卒以上の専門職 453 人が、実際の文章作成課題に取り組んだ。ChatGPT を使った人は時間を四割節約し、品質の評価は 18% 高かった。もともと書くのが苦手だった人ほど伸びが大きい(Science)。

カスタマーサポート。 上場ソフトウェア企業のサポート担当 5,172 人の業務記録を丸ごと分析した研究だ。AI アシスタントによって、時間あたりに解決した問い合わせは平均 15% 増えた。恩恵は新人に集中した。入社二か月の新人が、「AI なしで六か月務めたベテラン」に成績で並んだ(QJE)。

法律。 ロースクールの学生が GPT-4 を使って法的分析を書いた。下位の学生は大きく伸び、上位の学生はむしろわずかに後退した。品質の改善は小さく不安定だったが、速さは全面的に上がった(Minnesota Law)。

創作。 書き手に AI のアイデアを五つ与える実験である。もともと創造性の低かった人は、新規性と有用性がそれぞれ約一割上がり、生まれつき創造的な人にほぼ追いついた。代償も測られている。書かれた物語は、互いに似通っていった(Science Advances)。

四つの例に共通するのは、どの仕事にも「よい答えがどんな形か」の手本があることだ。合格水準のプレゼン資料、適切なサポート返答、体裁の整った法律メモには、どれも倣うべき型がある。手本があれば、AI はその手本を誰にでも安く売ることになる。手本から最も遠かった人が最も大きく引き上げられるのは当然だ。創作の研究は代償も示した。全員が同じ手本を手にすれば、出来上がるものは同じ人が書いたように見える。平準化と均質化は、一つの現象の表と裏である。

この線はチームにも延びる。同じ研究者グループは 2025 年に P&G で別の実験を行い、AI を使う一人が、AI なしの二人組に成績で並んだ(Import AI)。縮んでいるのは人と人の差だけではない。「一人」と「チーム」の差も縮んでいる。この知見は実験が一つだけで、依拠できるのは転載のみなので、方向として読む。

正解のない場所では、結果がそっくり反転する

最も強い反例はケニアにある。研究者は小規模事業者 640 人を無作為に分け、一方に GPT-4 を無料のビジネス相談役として与えた。WhatsApp でいつでも質問でき、追跡は数か月に及んだ(Management Science;Berkeley Haas)。平均効果はほぼゼロ。面白いのは分解した後だ。もともと商売がうまくいっていた人は利益が 15% 増え、うまくいっていなかった人は逆に 8% 減った。差は縮まらず、広がった。しかも弱い側は伸びが遅かったのではなく、実際に悪化した。

なぜか。研究者が比べたところ、両群が AI に投げた質問も、受け取った助言も、品質はほぼ同じだった。差が出たのは助言を受け取った後である。経営に長けた人は、どの助言に価値があり実行できるかを見分け、実行もできる。不得手な人は、自力では実行できない助言を抱えて空回りしたり、間違った問題に力を注いだりすることが多い。 AI は「助言」を安くした。だが「どの助言が実行可能かを見極める」ことは、少しも安くなっていない。

ソフトウェア開発が二つ目の反例を出した。研究機関 METR は、ベテランのオープンソース開発者 16 人を集め、各人が長年保守してきたコードベースで実際のチケット 246 件を解かせた。チケットごとに AI を使えるかを無作為に決めた結果、AI を使うと逆に 19% 遅くなった。さらに興味深いのは心理面だ。開発者は事前に 24% 速くなると予想し、終わった後も 20% 速くなったと感じていた。体感とストップウォッチが正反対を向いた(METR)。16 人、一つの分野の結果なので、この数字を重く見すぎてはいけない。それでも「自己評価と実測が逆になる」という事実は、「AI で速くなった」というあらゆる自己申告の数字への警鐘になる。

医療もおおむねこちら側に立つ。2025 年以降の研究を総じて見ると、AI の補助で医師の診断が明らかに正確になったとは言えない。方向としては、「医師のチェックなしに AI 単独で診断を下させない」という立場を支持する。この医療研究群は原文と一本ずつ照合されていないため、方向としてのみ扱い、数字は引かない。

この節と前節を並べると、境界線が浮かぶ。その仕事に、照らし合わせられる「よい答え」があるか。 コンサルのプレゼン資料にはある。サポートの返答にもある。「小さな商売の次の一手」にはない。古いコードベースの難しいチケットの正解もない。正直に言えば、ケニアと BCG のあいだには、ほかに三つの違いがある。環境がどれほど現実に近いか、追跡期間の長さ、被験者が誰か、である。だから「正解があるか」は本紙が読み取った一本の線であって、定説ではない。末尾の観察窓の一つ目は、この線を検証するためのものだ。三年前、ウォートンの Ethan Mollick 教授はすでにこう書いていた。"To be clear, creative AI will not make a non-expert an expert (at least in the current version of the system)."(One Useful Thing)。2022 年のこの一言は、2025 年のケニアで最も硬い裏付けを得た。

雇用市場:タスクは平準化され、職は減っていく

三本目の線は賃金データから来る。測っているものは実験室とまるで違う。スタンフォードのチームは、数百万人の米国労働者をカバーする給与記録を追い、一つの構造的な兆候を見つけた。AI に最も置き換えられやすい職業では、22〜25 歳の初級社員の雇用が相対的に 16% 落ちた。同じ職業のシニア社員は安定している。しかも落ち込みは、AI が「仕事を代わりに片付ける」職業に集中し、AI が「仕事をうまくこなす手助けをする」職業には出ていない(Stanford Digital Economy Lab)。

「AI がホワイトカラーを一掃する」と騒ぐのはまだ早い。同じ時期、Dwarkesh Podcast のインタビューでの紹介によれば、イェール大学の Budget Lab はマクロの雇用統計を調べ、ChatGPT の公開から 33 か月の時点で AI の痕跡は目を凝らしてようやく見える程度だと結論した。番組での言い方は "you really have to squint to see anything happening" である(Dwarkesh Podcast)。デンマークの研究者は 2.5 万人の労働者の公式な賃金記録を結び付け、AI チャットボットは賃金にも労働時間にも、どの職業でも有意な影響を与えていないと報告した(Humlum & Vestergaard)。この三つのデータは、実は矛盾しない。測っているものが三つとも違うからだ。一つは総量、一つは同じ職業内での若手とシニアの相対的な変化、一つは在職者の賃金である。全体は平穏で、構造は組み替わっている。この二つは同時に成り立ちうる。

だが「初級職が先に圧迫される」という事実は、平準化の話と正面からぶつかる。AI が新人を平均まで引き上げるのなら、なぜ最初に減るのが新人の職なのか。答えは、経済学で最も古い教えの中にある。誰もが AI と組めば平均品質を出せるなら、平均品質には値がつかなくなる。 企業が給与を払って買うのは、もはや「平均水準をこなせる人」ではない(その部分の産出は AI が直接供給する)。買うのは「結果を確かめ、責任を負える人」だ。初級職の本来の役割は、「手本どおりにこなす仕事」と引き換えに業界への入場券を得ることだった。手本を AI が安く供給すれば、この取引の相場は崩れる。フリーランスのプラットフォームは早くから予兆を示していた。ChatGPT の公開後、「AI でこなせる仕事」の求人は 21% 減り、画像生成 AI の登場後にはグラフィックデザインの求人がさらに 17% 減った(One Useful Thing。この数字は研究の転載で、原論文は未読のため方向として読む)。

はっきりさせておく。「平準化=値付けのやり直し」という因果は、現時点では本紙の推論であって、検証された事実ではない。給与記録は観察であって実験ではない。金利サイクルや、コロナ後のテック業界の縮小が本当の原因である可能性も残る。「相場が道具の値段に寄っていく」ことを直接示す賃金データも、まだない。市場の値付けは、通常一、二年遅れて反映される。この推論は三本のデータを最もよく説明できる解釈であって、架け終えた橋ではない。

幕間:最も有名な反証は、捏造だった

三つ目の筋書きもある。AI によってごく一部の達人が圧倒的に強くなり、勝者が総取りする「キングメーカー」の筋書きだ。この筋書きは 2024 年末、一度は最も見栄えのよい証拠を手にした。MIT の博士課程の学生が書いた論文で、大企業の研究所に勤める材料科学者 1,018 人を追跡したと称し、AI でトップ研究者の産出がほぼ倍になり、下位三分の一はほとんど恩恵を受けなかったとした。「分かっている人だけが AI を使いこなせる」。完璧な物語で、引用は瞬く間に広がった。

2025 年 5 月、MIT は公式声明を出した。この論文のデータの出所、信頼性、妥当性に確信が持てないとして、プレプリントサーバーからの取り下げを求めた。著者は MIT を去った(TechCrunch)。キングメーカーの筋書きで最も多く引用された柱は、偽物だった。

この件に一節を割くのは、暴かれたのが一人の捏造にとどまらないからだ。この分野の「物語を聞きたい」という需要は、作り話の分布の物語が一流学術誌への投稿手続きまで進めるほど強くなっている。ここで本紙の読みにも公平でありたい。「キングメーカー」の定義を「差が広がる」まで緩めれば、ケニアの実験そのものがこの方向の証拠になり、見なかったふりはできない。本紙がケニアを「判断」の側に分類するのは、仕組みが違うからだ。ケニアで差が広がったのは、助言を選び、実行する力が違ったからである。少数が倍の超能力を得たからではない。狭い意味のキングメーカー(AI に長けた少数の産出が倍以上になり、市場を総取りする)は死んでいない。ただ、いま示せるのは「AI スキルを持つ人の賃金は 56% 高い」といった調査の数字だけだ。問題は、誰を「AI スキルを持つ」とみなすかが職位や勤続年数と重なっていて、因果を切り分けられないことにある。原報告も未読で、手元にあるのは二次的な紹介だけである。一言で言えば、狭い意味のキングメーカーは、まだきれいな証拠を待っている。

三年後、この問いは三層に分けて答える

2023 年、研究者自身が注意を促していた。平準化の先にある最終的な分布には、三つの可能性がある。下位だけが恩恵を受ける「平準化装置」、全員が同じ比率で上がる「エスカレーター」、少数の達人が総取りする「キングメーカー」である。三年が過ぎて、この競争がどこまで来たかを一枚の図で示す。

当時の問いがいつまでも決着しなかったのは、三つの別々の問いを一つに重ねていたからだ。分けてみると、どの層にも答えはもう出ている。

第一層:仕事の品質。平準化は本当だ。 正解の型がある仕事で「弱い者ほど得をする」という結果は、文章作成、サポート、法律、創作の四分野で繰り返し現れ、五本の研究はすべて学術誌の査読を通っている。注意点は二つある。法律の研究では品質の改善が小さく、主に速くなっただけだった。「差が 22 ポイントから 4 ポイントへ縮む」ほどの劇的な圧縮は、今日まで BCG 一社でしか測られておらず、ほかの場所での再現はまだない。方向は硬いが、幅はまだ覚え込まないほうがよい。

第二層:判断する力。平準化は効かず、差は広がる。 正解のない仕事、たとえば自由度の高い経営判断、古いシステムの難問、チェックが要る診断では、AI は既存の差を広げる。AI が供給するのは原料であり、原料を成果に変える判断力は平準化されていないからだ。全員が同じ比率で上がる「エスカレーター」はどうか。ベテランを直接測った唯一の無作為化実験(METR)は、やはり逆方向を測った。16 人だけの実験ではあるが、エスカレーターを支持する証拠はいまのところゼロである。

第三層:市場の価格。問いがすでに別のものに変わった。 平準化された仕事はコモディティ化に向かい、初級職が圧迫される。人の付加価値は、検収、判断、責任へ移った。三年前に生成 AI は素人を専門家にしないと書いた Mollick 氏は、2026 年、自身の働き方が要件を説明し、代金を払い、成果を検収する形に変わったと述べている。専門家への依存は消えていない。依存の置き場所が「生産」から「検収」へ移っただけだ(One Useful Thing)。二種類の製品にとって、これは逆向きのシグナルになる(以下は本紙の判断で、検証済みの市場データではない)。「仕事を平均水準までこなす」低価格の自動化ツール、たとえばセルフサービス型のサポートボットは、値下げ圧力を受け続けるだけだ。「どの答えを採るべきか、誤ったら誰が責任を負うか」の判断を支える確認・検収のツールこそ、値上げできる位置にある。

だから本当に注視すべきなのは、「安い人材に AI を組ませるか、人を減らすか、達人を育てるか」という三択ではない。企業が払う給与の一つ一つが、「正解の型がある部分」を買っているのか、「判断が要る部分」を買っているのかである。前者の値段は、AI のサブスクリプション料金に寄り続ける。後者の希少性は、ようやく値が付き始めたところだ。

本誌の見立て

AI は正解の型がある仕事で品質を平準化する。この点は分野をまたいで繰り返し検証され、もはや仮説ではない(ただし圧縮の幅を測ったのは BCG の一回だけ)。平準化の経済的な帰結はコモディティ化である。平準化された部分の仕事の相場は、道具のコストに寄っていく(この一歩は推論で、価格の証拠はまだそろっていない)。初級職への圧迫は、その最初の観測シグナルだ。人の付加価値は、判断、検収、責任へ移る。問いは「誰が平準化されるか」から、「平準化された部分はまだいくらに値するか、平準化されなかった部分は誰の手にあるか」に変わった。

この判断を覆す条件:観察窓は三つで、期間はいずれも 12 か月、すべて本紙が独自に設けたものだ。①正解のない領域(自由度の高い経営判断、研究テーマの選定)で、きれいな平準化の証拠が出れば、「判断力は平準化されない」を修正する。②初級職の雇用の落ち込みが、AI が「代わりに片付ける」型の職業だけでなく、「うまくこなす手助けをする」型の職業でも同じ幅で現れれば、「値付けのやり直し」という読みは覆る。その場合に起きているのは部分ごとの値付けではなく、全面的な代替だからだ。③大標本の賃金データで、職位と勤続年数を除いた後も AI に長けた人の賃金プレミアムが広がり続けると測られれば、キングメーカーの筋書きは「証拠不足」から「進行中」に格上げされる。

これは誰にとって何を意味するか

同じ結論でも、立場によって変わるものが違う。

• 人を管理し、給与を払う経営層: 最も変わるのは予算の向きだ。職務の一覧は「仕事の中身に正解の型があるか」で二つに分け直される。正解の型がある類では、AI のサブスクリプション料金が価格の基準点になる。そこに高い給与を払えば、買っているのは AI でも出せる品質である。訓練予算が最も報われる使い方は、AI の使い方を教えることではない(平準化はたいてい放っておいても起きる)。人を検収とチェックの役割へ育てることである。
• 業界に入ったばかりの若手: 「AI が平均まで引き上げる」のは本当で、だからこそ平均はもう売りにならない。入職のはしごの最下段は狭まっている。これは給与記録のデータであって、空気感ではない。交渉力があるのは正解の型の外側だ。どの答えが正しいかを見極める力と、答えが誤ったときの責任を負う力である。
• 労働データで判断を下すアナリスト: 「AI がホワイトカラーを一掃する」と「AI は何の影響もない」は、どちらもデータの裏付けを持ちうる。違いは、総量を測ったか構造を測ったかだけだ。目を引く数字の読み方を分けるのは三点で、どの層を測ったか、相対か絶対か、何版目か、である。
• 研究を根拠に意思決定する戦略・調査部門: この分野の「物語を聞きたい」需要は、捏造が登場するほど強く、同じ論文の数字が版ごとに揺れるほど強い。「AI で誰が得をするか」を引用する際に効くのは三点で、学術誌に載ったか、撤回されていないか、何版目を引いているか、である。本稿の効果の数字は一次ページと照合済みだ。二次資料や転載しかない少数の数字(コンサルティング会社の賃金プレミアム、フリーランス・プラットフォームの求人、医療のチェック研究)は、本文中にそう明記した。

本記事は日本語版・英語版・中国語版と同一の調査と判断にもとづいて書かれています。出典にはリンクを付け、原文書と報道を区別し、確かめられなかった点を明記しています。

ご意見・ご感想は [email protected] までお寄せください。

他言語版が引いた出典

以下の出典は、この記事の他言語版の本文ではリンクされているが、この版の本文にはないため、ここに補う。

• oneusefulthing.org/p/everyone-is-above-average