米連邦準備制度理事会（FRB）のフィリップ・N・ジェファーソン副議長は2026年11月13日、生成AIが米国経済に急速に広がっているものの、測定された生産性において明確な成果はまだ生まれていないと述べると同時に、技術主導のデータセンター投資の急増がすでに物価圧力を高めていると警告した。カリフォルニア州サンディエゴで開かれたカリフォルニア大学サンディエゴ校エコノミック・ラウンドテーブルでの講演において、ジェファーソン副議長は「これまでの証拠は、総合生産性への寄与が限定的であることと整合的だが、過去の技術ブレークスルーの時期と概ね同じように、大きく拡大する可能性を秘めている」と述べた。そのうえで「とはいえ、今後の生産性向上の規模と時期は依然として極めて不確かだ」と付け加えた。

「新技術と古い問い：生産性のパズルとマクロ経済」と題されたこの講演は、学生、教職員、ビジネスリーダーを前にして行われた。講演の全文はFRBのウェブサイトで閲覧できるほか、講演内容はPDFでも入手可能だ。ジェファーソン副議長は、講演で述べた見解は自身のものであり、FRB理事会や連邦公開市場委員会（FOMC）の同僚たちの見解を必ずしも代表するものではないと明記した。

副議長はFRB理事会で2番目に高い地位であり、ジェファーソン氏は、成長、物価、雇用に対するAIの影響について詳細な公式評価を示した最も上級の米国経済政策担当者の一人である。

コンピュータ時代からの教訓

ジェファーソン副議長は、ノーベル賞経済学者ロバート・ソロー氏の1987年の有名な指摘、「コンピュータ時代は生産性統計以外のあらゆる場所で見ることができる」に触れて講演を始め、ソロー氏は「目にしたコンピュータに過大な期待をしていたのかもしれない」と述べた。1989年には労働者の32%が職場でコンピュータを使用していたが、当時のマシンの性能は高くなかった。現在のスマートフォンのプロセッサは、1987年当時のパーソナルコンピュータ（PC）約1,000万台分に相当する1秒あたりの計算処理を実行できるという。全体として、講演の図1に示されるように、国家レベルのコンピュータ支出は当時ほとんど検出できない水準だったが、PCは時代の風潮の重要な一部となっていた。

10年後、コンピュータ投資は急拡大し、特にアラン・グリーンスパン当時議長をはじめ一部の観察者は生産性統計にその影響が現れていると確信していたが、両者の結び付きが後になって初めて確立された。ジェファーソン副議長は、コンピュータ、ソフトウェア、通信機器といった情報技術（IT）資本への投資が、1990年代後半の労働生産性の年間伸び率を約0.75ポイント押し上げたと述べた。

このブームは単なる資本の蓄積にとどまらなかった。企業はコンピュータを中心に業務を再編成し、生産性の伸びをさらに支えた。技術の進歩は情報の作成、保存、伝達のコストを変え、企業にその活動範囲、規模、生産関数を見直す機会をもたらした。その過程から、電子商取引、グローバル化の波、クラウド上のソフトウェアが最終的に生まれた。再編成が有益かつ重要であったことの証拠の一つが、2000年代初頭にIT部門以外で1単位あたりの産出量が急上昇したことだ。この生産性の伸びは、経済学者がいう全要素生産性（TFP）の上昇を反映したものであり、単なる追加の資本投資によるものではなかった。

ジェファーソン副議長は、1990年代の生産性ブームの種は、ソロー氏の1987年の指摘よりはるかに前から蒔かれていたと指摘した。近代コンピューティングの基盤を築いた基礎研究には、1947年のトランジスタの発明と1954年のFortranコンパイラの開発があり、その後数十年にわたる企業による応用研究が実用的な応用を生み出し、情報技術を絶え間なく向上させた。

この歴史は、生産性の伸びに関するシンプルなモデルを示唆する。明確な応用先を定めずに行われる基礎研究は、世界に関する知識を拡大する。応用研究は実用的な産業応用を開発し、生産性を高め、生産コストを引き下げる。コストが下がれば、特に競争が存在する場合、価格も下落する傾向がある。時間とともに、企業は高生産性によって生み出された低価格の資本財を集中的に利用するようになる。これは「資本の深化」として知られるプロセスであり、その資本を利用する企業は生産アプローチを見直し、TFPをさらに高め、投資サイクルを再開させるかもしれない。コンピューティングの例が示すように、このプロセスの完全な効果が感じられ、測定されるまでには時間がかかる。特に、業務の再編成を必要とする技術ではそうだ、とジェファーソン副議長は述べた。

モデルのAIへの適用

ジェファーソン副議長は、同じモデルがAIの発展にもかなり当てはまると論じた。今日の生成モデルは、トランジスタの発明直後に始まった基礎研究にまで遡ることができる。実用的な応用は何年も後に現れた。例えば、米国郵政公社は1990年代に手書きの宛名封筒を読み取るためにAIを使い始めた。約10年後、機械学習モデルの出現に伴い、特に情報部門と金融部門で利用が急拡大した。最後に、信じられないほどの改良と膨大なデータセット——一部の推計ではウェブ上のすべてのテキスト——での訓練を経て、大規模言語モデルは今日の人気チャットボット、コーディングアシスタント、スマートデバイス、さらには科学研究のような目立たない多くの応用を支えられるほどになった。

「今日の世界は、ボブ・ソローが観察した世界を映している」とジェファーソン副議長は述べた。生成AIはニュースの見出しを席巻し、スマートフォンに搭載され、ソフトウェアやカスタマーサービスの通話に登場しており、労働者、企業、政府機関、そして中央銀行を含む機関に広範な影響を及ぼしうる。しかし、古い問いは依然として残る。企業と労働者は実際にどの程度使っており、その利用は生産性統計に影響を与えているのか？

採用：拡大するも偏在

最近の調査では、米国の企業と労働者のかなりの割合、かつ増加している割合が生成AIを利用していることが示されている。労働者を対象とした調査では、就労する大人の40〜50%が仕事でこの技術を使用していることが判明しており、講演の図2の青線に示されている。ただし、仕事でAIを使用している労働者のうち、毎日使用しているのはわずかな割合にとどまる。

さらに、採用率は業界によって大きく異なるように見える。企業の採用状況を示す指標は手法によって大きく異なるが、国を代表する米国企業のサンプルを対象とした国勢調査局の調査が業界間の差を浮き彫りにしている。図3に示されるように、この調査によれば、2026年10月時点で、米国の全企業の約25%が今年の中間時点で少なくとも一つの業務機能においてこの技術を使用していた。専門サービスや情報部門のような知識集約型セクターではその割合は40%近くに達したが、逆に鉱業やレジャー・ホスピタリティ部門では約10%にとどまった。

ジェファーソン副議長によれば、パーソナルコンピュータのようなより成熟した技術と比べ、AIは真の意味で「どこにでもある」わけではない——つまり、経済全体のほとんどの企業や労働者のワークフローに完全に統合されているわけではない。むしろ、経済はイノベーションと展開の長いサイクルの自然な一部であるより初期の段階にあるように見える。新技術はその能力を示し、企業と労働者は積極的に利用し可能性を探っており、一部の業界、企業、職種は他よりはるかに先行している。

生産性統計：判断はまだ早い

これまでに見られた採用は総合生産性統計に反映されているのか。生産性の伸びは実際に近年上昇しているが、ジェファーソン副議長は、その変化にAIがどのような役割を果たしたかを判断するにはまだ早いと述べた。生産性の指標は変動が激しいため、経済学者は四半期または年単位の変動を、長い移動平均を見ることで無視することが多い。労働生産性の伸びは2020年から2025年の間で平均2.2%で、前の景気循環での控えめな平均1.5%から歓迎すべき上昇を示した。しかし、その急上昇は2022年の人気AIチャットボットの登場以前に始まっており、新規事業開業の増加を含むさまざまな要因を反映している可能性が高い。「直近の生産性の伸びに対するAIの寄与を抽出することは簡単ではない」「より多くのデータを見る必要がある」とジェファーソン副議長は述べた。研究が後から1990年代の生産性ブームをITと結び付けたが、リアルタイムではそれを確実に知ることはできなかったと指摘した。

ミクロ経済の側面では、新技術が特定のタスクにおいて直接的かつ大幅に効率を高めていることを示す証拠が増えており、特に人間を最も容易に代替できる場面で顕著だ。例えば、ある影響力のある学術研究は、生成AIツールが一部のカスタマーサポート担当者の問題解決能力を大幅に向上させたことを発見した。

同時に、タスクレベルの効率向上がより広範な生産性にどのような影響を与えているかについての証拠は、まちまちに見える。一部の最近の研究は、企業レベルでの生産性の伸びとAIの採用または露出との正の相関を発見している。他方、因果関係をより直接的に測定しようとする一部の調査は、これまでのところ控えめな効果しか見出していない。上級マネージャーを対象とした最近のある調査は、AIが過去3年間で従業員一人当たり売上をわずか0.5%押し上げたと推計している。

ジェファーソン副議長は、タスクレベルと企業レベルの成果の間の明らかな乖離について2つの説明の可能性を挙げた。第一に、AIを使用している企業でさえ、その範囲は依然として限定的であり、実験と学習の段階にある。最近のある研究は、採用している企業のうち、ほとんどが最大でもいくつかの業務機能——最も一般的には販売・マーケティング、戦略・事業開発、情報技術——でAIを使用していることを発見した。第二に、最も自然なユースケースでさえ、ある領域での効率向上は、他の場所での相殺的なコスト、新たな需要、またはボトルネックと併存する。例えば、一部の企業はAI生成コードに誤りがより多く含まれるため、デバッグ作業がより多く必要になると報告している。

それでも、ジェファーソン副議長は、より広範な改善は時間とともに実現する可能性が十分にあると述べた。企業と労働者はAIの使用を拡大・強化し、生産とワークフローを再編成していくと見込まれる。また、成功する企業は競争優位性を獲得し、拡大して競合企業から労働力と資本を引き離す可能性がある。

マクロ経済への影響

ジェファーソン副議長の基本的見解は、新技術の採用が最終的に経済の生産能力を大幅に、しかし徐々に押し上げるというものだ。経済の供給側におけるこの長期的な利得への期待は、すでに総需要を大幅に高めている。過去数年の株価上昇のかなりの部分は、新技術への期待に起因し、その追加の富が家計支出を押し上げているように見える。企業はモデル訓練と推論を支えるため、非常に大規模に新しいデータセンターを建設・装備しており、総事業投資の急成長を推進している。

その支出は資源の稼働率と一般物価水準に上昇圧力をかけている。さらに、投資需要がメモリやロジックチップなど供給が追い付いていない一部のセクターに集中しているため、特定の商品価格の急上昇にも寄与している。中期的には、これらの商品の供給は追い付き、採用によるより広範な総合生産性の押し上げが実現するはずだ。これら両方の進展は、現在見られる物価の上昇圧力を和らげるはずだ、とジェファーソン副議長は述べた。

新技術は最終的に全体としてより高い産出量と所得をもたらすはずだが、この移行は一部の労働者や企業にとって苦痛を伴いうるとジェファーソン副議長は認めた。採用に遅れる企業は競争上の不利に直面し、長期的な存続可能性が危うくなる可能性がある。技術の採用に成功した企業でさえ、AIがより効率的に実行できるタスクを専門とする労働者——例えばソフトウェア開発の一部の側面——は職を失う可能性に直面するかもしれない。

「私の基本的見通しに対する一つのリスクは、新技術が労働者の適応や再訓練の速度をはるかに超えて労働者を置き換え、失業の増加をもたらしうることだ」とジェファーソン副議長は述べた。そのシナリオでは、金融政策にとっての重要な問いは、この増加のうちどれほどが構造的なもの——労働者の技能と企業の需要との持続的なミスマッチを反映するもの——であり、経済が完全潜在力に近い水準で稼働していても持続しそうなものか、ということになる。金融政策は雇用や支出の一時的な後退のような循環的な状況に影響を与えられるが、長期の雇用水準を決める構造的要因には対処できない。

ジェファーソン副議長は、しばしばr*と呼ばれる長期の中立金利に対する新技術の潜在的影響も指摘した。中立金利が上昇すれば、フェデラルファンド金利のどの水準においても、政策は実質的により緩和的となる。逆に、中立金利が下落すれば、政策は実質的により制約的となる。新技術が恒久的により高い生産性の伸びをもたらすなら、企業の投資意欲、ひいては資金需要を高め、金利水準を引き上げる可能性がある。生産性の伸びの上昇は、予想される将来所得の増加を通じて家計の貯蓄を抑制し消費を高める可能性もある。この状況では、投資の増加と貯蓄の減少を整合させるために、中立金利は上昇する可能性が高い。しかし、生産性の伸びと実質金利の間の歴史的にノイズの多い関係を考えると、中立金利の変化を予測することは困難だ。政策担当者は、金融政策のスタンスが適切に調整され続けるよう、リアルタイムの動向と将来の潜在的動向に注意を払い続けなければならないと彼は述べた。

ジェファーソン自身の説明によれば、その指標となるのは、企業が現在集中している少数の業務機能を超えてAIの利用を広げるか、メモリやロジックチップのような制約されたセグメントの供給がデータセンター需要に追い付くか、AIの総合生産性への寄与を特定できるほどのデータが蓄積されるか、である。

経済見通しと政策スタンス

より広い経済に目を向けると、ジェファーソン副議長は、経済が今年勢いを増し、概ね潜在成長率に見合ったペースで拡大していると述べた。エネルギーショックや貿易政策の大幅な変更を含む一連のショックに加え、技術の整備が進む中でのこの一貫した成長は特筆に値する。講演の図4に示されるように、GDPは第3四半期に3.4%のペースで拡大した。事業投資は非常に堅調で、消費者支出は持ちこたえている。ジェファーソン副議長は、拡大が来年も概ね潜在産出量に見合って続くと予想している。

労働市場の直近の幅広いデータは、状況が安定していることを示している。図5に示されるように、失業率は今年ほぼ横ばいで推移し、10月に4.1%に落ち着いた。レイオフは低水準にとどまり、求人はやや上昇した。雇用創出は変動しているものの、直近数ヶ月で賃金雇用の増加は多くの部門に広がっており、ジェファーソン副議長はこれを心強く思っている。彼は、失業率が短期的に現在の水準付近にとどまると予想しており、その水準は最大雇用と整合的であると見ている。産出量と雇用の見通しに対するリスクは概ね均衡している。中東情勢に伴う不確実性の高まりは活動と採用を抑制しうる一方、投資支出のさらなる急増はより強い成長を支えうる。

Fedの二つの使命のうち物価安定の側面について、インフレはFOMCの2%目標を著しく上回ったままとなっている。図6の青線で示される個人消費支出価格指数（PCE）の前年同月比は、9月に3.6%だった。エネルギーコストの上昇がインフレの高止まりの一因となっている。原油価格は非常に不安定で、地政学的緊張の高まりを反映し、世界のエネルギー供給は新たな逼迫に直面している。ジェファーソン副議長は、エネルギー価格の上昇がより広範なインフレの持続的な上昇につながるリスクを引き続き懸念していると述べた。

変動の激しい食品とエネルギー価格を除くコアPCEインフレの前年同月比は、9月に3.1%だった。間接的には、エネルギーコストの上昇は航空運賃や運輸などの分野に現れており、新技術への需要の急増はメモリのような同じインプットに依存する消費財・サービスの異例に強いコスト上昇を推進している。10月にこれまでに受領したデータは、目標を大幅に上回るインフレと整合している。

ジェファーソン副議長は、インフレ期待にも注意を払っている。調査ベースの短期的な指標は上昇しており、主にエネルギー価格の上昇を反映しているが、長期的なインフレ期待のほとんどの指標は2%のインフレと整合する水準で安定し続けている。

先月のFOMC政策会合で、ジェファーソン副議長は図7に示されるように、同僚の過半数に加わりフェデラルファンド金利を据え置くことに投票した。会合以降に受領したデータは、経済活動と労働市場の状況が概ね堅調であり続けることと整合しており、インフレの読みは持続的な物価圧力を示している。それに応じて、ジェファーソン副議長は、適切な金融政策のスタンスを決定する上でより重要なシグナルをインフレの軌跡が提供していると見ている。今後は、データの傾向、変化する見通し、リスクのバランスを慎重に検討することで、さらなる政策調整を決定すべきだと彼は考えている。

結論

結びに、ジェファーソン副議長は中心的なテーマに戻った。新技術は、古いが非常に重要な問いを再考させる。イノベーションから採用、適応、そして持続的な生産性向上への道のりは、不均一で予測不能でありえる。場合によっては、謎めいたものだと言う人もいるだろう。新技術は、測定された生産性に影響を与えるずっと前から私たちの注意を引き付け、経済の仕組みに対する理解を再考させ、金融政策の立案プロセスを刺激的かつ挑戦的なものにしている。「幸いなことに、そのすべてを通じて、Fedでの私たちの使命は明確だ」と彼は述べた。議会から与えられた二つの使命を果たすこと——最大雇用と物価安定。これが私たちのすべての行動の目標である。

講演ノートと参考文献

1. 本講演で述べられた見解はジェファーソン自身のものであり、FRB理事会または連邦公開市場委員会（FOMC）の同僚たちの見解を必ずしも代表するものではない。
2. 本講演で論じられている近年の技術進歩は、スーパーインテリジェンス（SI）と呼ばれることもある。
3. Robert Solow (1987), "We'd Better Watch Out," New York Times, July 12.
4. Intel 386マイクロプロセッサ（当時のPC向けハイエンドオプション）は、1秒あたり約20万回の浮動小数点演算（FLOPS）を実行した。Richard Grehan, Tom Thompson, Curtis Franklin Jr., and George A. Stewart (1988), "Introducing the New BYTE Benchmarks," BYTE, June を参照。iPhone 17に搭載されたApple A19チップは2.07兆FLOPSを実行する。Nanoreview.net (2026), "Apple iPhone 17: Specifications and Benchmarks," を参照。
5. 資本ストックに占めるコンピュータの小さなシェアは、当時このパラドックスの解決として指摘された。Stephen D. Oliner, Daniel E. Sichel, Jack E. Triplett, and Robert J. Gordon (1994), "Computers and Output Growth Revisited: How Big is the Puzzle?" Brookings Papers on Economic Activity, no. 2, pp. 273–334. を参照。
6. Alan Greenspan (1998), "The Implications of Technological Changes," ノースカロライナ州シャーロット商工会議所での講演、7月10日。生産性の向上と情報技術の結び付きの証拠については、Stephen D. Oliner and Daniel E. Sichel (2000), "The Resurgence of Growth in the Late 1990s: Is Information Technology the Story?" Journal of Economic Perspectives, vol. 14 (4), pp. 3–22. を参照。
7. Daniel E. Sichel, Stephen Oliner, and Kevin J. Stiroh (2007), "Explaining a Productive Decade," Brookings Papers on Economic Activity, Spring, pp. 81–152.
8. Timothy F. Bresnahan, Erik Brynjolfsson, and Lorin M. Hitt (2002), "Information Technology, Workplace Organization, and the Demand for Skilled Labor: Firm-Level Evidence," The Quarterly Journal of Economics, vol. 117 (1), pp. 339–76.
9. Sichel, Oliner, and Stiroh, "Explaining a Productive Decade"（注7を参照）。
10. James Moor (2006), "The Dartmouth College Artificial Intelligence Conference: The Next Fifty Years," AI Magazine, December 15, pp. 87–91.
11. Brian Tanton (2007), "Becoming More Clear," Mailing Systems Technology, January 29.
12. Alexander Bick, Adam Blandin, David J. Deming, and Tyler R. Schumacher (2026), "What Work Does Generative AI Do?" NBER Working Paper Series 35677 (Cambridge, Mass.: National Bureau of Economic Research, August).
13. 大企業が総雇用に占める不釣り合いに大きなシェアを占めるため、雇用で加重された採用率はここで論じた国勢調査の数字よりさらに高い。Ivan Yotzov, Jose Maria Barrero, Nicholas Bloom, Philip Bunn, Chanya Chawla, Steven J. Davis, Kevin M. Foster, Aaron Jalca, Brent H. Meyer, Paul Mizen, Michael A. Navarrete, Samil Oh, Katia Garcia Loredo, Monique Reid, Pawel Smietanka, Gregory Thwaites, and Ben Zhe Wang (2026), "Firm Data on AI," NBER Working Paper Series 34836 (Cambridge, Mass.: National Bureau of Economic Research, February; revised October 2026) を参照。この論文は、米国企業の雇用加重採用率が95%であることを発見している。
14. Erik Brynjolfsson, Danielle Li, and Lindsey Raymond (2025), "Generative AI at Work," The Quarterly Journal of Economics, vol. 140 (2), pp. 889–942.
15. Tania Babina, Alex X. He, and Renhao Jiang (2026), "Canaries in the Gold Mine: Early Productivity Gains from Artificial Intelligence Creating Organization Capital," NBER Working Paper Series 35684 (Cambridge, Mass.: National Bureau of Economic Research, August).
16. Yotzov et al. (2026), "Firm Data on AI"（注13を参照）。この推計は調査回答者にわたる雇用加重平均である。
17. Kathryn Bonney, Cory Breaux, Emin Dinlersoz, Lucia Foster, John Haltiwanger, and Aditya Pande (2026), "The Microstructure of AI Diffusion: Evidence from Firms, Business Functions, and Worker Tasks," Center for Economic Studies Working Paper No. CES-26-25 (Washington: U.S. Census Bureau, April).
18. この投資需要のかなりの部分、特にIT機器は輸入によって賄われており、GDPへの直接的効果を減じている。とはいえ、資本の深化は、その資本が輸入されたものであろうとなかろうと、労働生産性を高める。
19. 特に、メモリチップメーカーは生産能力の大幅な増強を発表しており、今後数年間でDRAMを使用する製品の価格圧力を和らげることになる。

出典：FRB理事会、フィリップ・N・ジェファーソン副議長による講演「新技術と古い問い：生産性のパズルとマクロ経済」、2026年11月13日、https://www.federalreserve.gov/newsevents/speech/jefferson20261113a.htm