これは機械翻訳された記事です。原文は英語です。
最終更新日: · 読了時間16分
要点
ロバート・ソローは1987年に、コンピューターの時代は生産性の統計以外のあらゆる場所に見られると書いた。40年近くを経て、同じ一文がAIについて使い回されている。GDPがとらえ損ねている無料のデジタル財では、この鈍化を説明できない。その価値があまりに小さいからだ。本当の教訓は電気から得られる。工場では、電動機を中心に据えて設計された新しい工場が現れるまで、およそ40年にわたって生産性の急上昇は見られなかった。AIがこの循環を断ち切るには、企業は古い仕事を少しばかり速くこなすのではなく、AIを中心に自らを組み立て直さなければならないだろう。
目次
「コンピューターの時代は、生産性統計以外のあらゆる場所に見てとれる」。ロバート・ソローがこう書いたのは1987年のことで、ニューヨーク・タイムズ・ブック・レビューに寄せた書評の奥深く、ほとんど付け足しのような一文だった。それは経済学で最も多く引用される文の一つとなり、いまなおソローの生産性パラドックスと呼ばれる問題の出発点となった。
2024年8月、リッチモンド連銀の3人の研究者は、AIと労働力に関する短い論考の冒頭でソローの一文をそのまま引用し、それを人工知能に当てはめた。2026年初めには、アポロのチーフエコノミスト、トーステン・スロックがさらに率直にこう言った。「AIはあらゆる場所にある。入ってくるマクロ経済データの中を除いては」。40年近くを経て、同じ文がまったく別の技術について使い回されたのである。
もとのパラドックスを生んだものが何であれ、それが解決されることはなかった。コンピューターの時代は1996年から2004年にかけてようやく統計に、それも束の間姿を現し、やがてふたたび消えた。いま新しい技術が同じことをしている。目に見える日常生活を一変させながら、生産性の数字は動こうとしない。
変革をもたらす技術が、目に見えるものとデータが記録するもののあいだに同じ隔たりを開いたのは、これで二度目である。この隔たりは、技術の目覚ましさと、経済全体の成長を駆動する構造的な再編とを取り違えるという、特定の混同から生じている。私たちがこの混同を繰り返すのは、それをきちんと診断したことが一度もないからである。
数字
減速の規模は過小評価されやすい。パーセンテージは複利の効果を覆い隠すからである。米国の民間非農業部門の生産性、つまり1労働時間あたりの産出は、1948年から1973年まで年およそ2.9%で伸びた。1973年以降の平均は1.8%に近く、1990年代半ばから2004年までの一度の急伸を除けば、かつてのペースに戻ったことはない。もし1973年以前の伸び率が続いていたなら、米国の1時間あたり産出は現在よりおよそ75%高く、その差は毎年数兆ドル分の産出に相当する。
ロバート・ゴードンはこれを「特別な世紀」の終わりとして描く。1時間あたり産出は1920年から1970年まで年2.82%で伸びたが、1920年以前の数十年は約1.5%、1970年以降は約1.6%だった。資本蓄積の寄与を取り除いた、より根本的な指標であるTFPの伸びは、この中心期には1920年以前と1970年以降のほぼ3倍の速さだった。この見方に立てば、1970年以降の数十年は、より古く、より緩やかなペースへの回帰ということになる。
最新のデータも、この構図をほとんど変えない。米国の民間非農業部門の労働生産性は2024年に3.0%伸びたが、これは景気循環による反発であり、2025年には2.2%となった。非農業部門の生産性は2026年半ばになっても前年比2.2%で伸びていた。立派な数字ではあるが、戦後のペースにはなお届かない。OECD全体では、労働生産性は2024年に約1.2%伸び、前年よりは改善した。
わかりやすい説明は、すぐに崩れていく。問題は米国に特有のものではない。減速は先進国経済全体に現れている。2008年の金融危機の余波でもない。減速は1973年に始まっており、2004年以降の鈍化は危機より4年早い。
一時的なものでもない。50年という期間は景気循環よりはるかに長い。サービス業へのシフトによる単なる構成効果でもない。減速は製造業とサービス業を等しく襲ったからである。
労働生産性と全要素生産性
労働生産性、つまり1労働時間あたりの産出は、企業が労働者1人あたりにより多くの、あるいはより優れた設備を投じるだけでも上昇しうる。従業員一人ひとりにより速い機械を買い与えた工場は、効率がまったく上がらなくても1時間あたりの産出を増やせる。全要素生産性(TFP)はこの資本深化の分を取り除き、残差を取り出す。同じ投入から経済がどれだけ多くの産出を生み出すか、である。経済学者がTFPを長期的な成長力の根本的な指標とみなすのは、それが停滞すると、資本蓄積だけでは成長をいつまでも維持できないからである。
測定という抜け道
最も居心地のよい説明は、減速は統計上の錯覚だというものである。GDPが測るのは市場取引である。Googleマップやウィキペディア、無料で使えるソーシャルメディアといった無料のデジタル財は、利用者が支払うどんな額よりもはるかに大きな価値をもたらしており、支払われたものを数えるGDPはその価値の大半を取りこぼしている。この見方によれば、私たちはGDPが示すより豊かであり、生産性の危機とは姿を変えた測定の危機だということになる。
エリック・ブリニョルフソンと共著者たちは、この失われた価値に数字を与えようとした。彼らはGDP-Bと呼ぶ枠組みを構築し、あるサービスを手放す見返りにいくら受け取れば納得するかを人々に尋ねることで、無料のデジタル財がもたらす消費者余剰を推計した。
その結果、中央値にあたる米国のフェイスブック利用者は、利用をやめる見返りとして月約42ドルを求めることがわかった。この余剰は、GDPにはまったく現れない。
チャド・サイバーソンは、測定の誤りでは十分な説明にならないことを示した。彼の実証的な論拠は四つの部分からなる。まず地理から見てみよう。生産性の減速は国をまたぐ現象であり、その大きさは各国が情報通信技術(ICT)をどれほど集約的に使っているかとは無関係である。もし減速がデジタル経済の測定上の産物なら、最もデジタル化した国で最も深刻になるはずだが、そうはなっていない。彼が調べたOECD30か国のうち29か国で労働生産性の伸びが鈍化し、その幅は平均で年1.2ポイントだった。デジタル技術の大口利用国や生産国であるかどうかにかかわらず、である。
次に規模の問題がある。2004年以降の生産性減速が意味する「失われた産出」の総額、すなわち1995〜2004年のトレンドが続いた場合のGDPと実際のGDPとの差は、2015年までに年およそ3兆ドルに達していた。サイバーソンが検討した、インターネット時代のデジタル財による消費者余剰の推計は、どれもその差のごく一部しかカバーしない。その後の研究は、この点をいっそう鮮明にしている。GDP-Bの推計では、フェイスブックの測定されない価値を算入しても成長率は年0.05〜0.11ポイント上乗せされるにすぎないが、減速そのものは労働生産性の伸びを年約1.5ポイント押し下げていた。
産業のデータも味方しない。測定の誤りが失われた産出のささやかな一部でも説明するには、ICTを生産する産業やICTを集約的に使う産業で、測定されない生産性の伸び率が測定された伸び率の何倍にも達していなければならなかった。産業間のデータはこれを支持しない。測定されないデジタル価値を最も生み出していそうな部門にも、測定された生産性と推計上の生産性とのあいだにそうした異常な隔たりは見られない。
そして、2004年以降の10年間、国内総所得(GDI)は国内総生産(GDP)をわずかに上回って推移した――無料で配られるものを作るために労働者が賃金を受け取っていたなら、予想されるパターンである。だがGDIがGDPを上回り始めたのは生産性ブームのさなかの1998年であり、その余分の所得は賃金ではなく利潤に回っていた。時期も分配も、隠れた産出という筋書きには合わない。
サイバーソンは、デジタル財が測定されない価値を持つことを否定してはいない。彼の論点は、その価値が起きたことを説明するには一桁小さすぎるということである。そして測定の誤りという仮説は、国をまたぐ証拠に何の答えも持たない。
GDP-Bの仕組み
消費者余剰を推計するために、GDP-Bはインセンティブ両立的な離散選択実験を用いる。回答者は、あるサービスを使い続けるか現金を受け取るかを、実際のお金がかかった状態で選ぶ。推計は意味のあるものだが、ばらつきも大きい。真実の回答を引き出すよう設計された条件の下で、人々が受け入れると言う額をとらえたものだからである。フェイスブック利用者1人あたり月約42ドルという厚生の増加は、プラットフォーム上のすべての米国人について合計しても、年3兆ドルの失われた産出には遠く及ばない。
特別な世紀は何が特別だったのか
測定の筋書きで減速を説明できないなら、問いは移る。私たちが再現できずにいる50年間の成長を駆動したのは何だったのか。ゴードンの議論はよく「ITは過大評価されている」と要約されるが、この要約はその下にある構造的な主張を見落としている。
1870〜1940年の発明は、家事をまるごと廃止した。水道が引かれる前、平均的な米国の家庭は年に9,000ガロンもの水を運んでいた。汲んで運び入れ、かまどで温め、また外へ運び出すのである。屋内配管はこの家事を完全に終わらせた。冷蔵は家事労働のひとつの分野全体を不要にした。氷式冷蔵庫はすでに食品の傷みを減らしていたが、機械式冷蔵は、腐りやすさゆえに必要だった毎日の買い出しをなくした。電化は洗濯を一変させた。1945〜46年に調査を受けたある農家の主婦にとって、従来のやり方なら約4時間かかった38ポンドの洗濯物が、家に電気洗濯機、乾燥機、水道、給湯器がそろうと41分で済んだ。
それぞれの発明は、家庭の時間の大きな部分を占めていた作業を、一度で永久に取り除いた。女性が大挙して有償労働に加わったのは、ひとつには、彼女たちを労働市場から遠ざけていた家事労働を機械が引き受けたからである。
ゴードンのITとの比較は、耐えられる作業を改善することと、耐えがたい作業をなくすこととの違いにかかっている。電子メールは手紙書きを速めたが、手紙書きが経済全体のボトルネックだったことは一度もない。かつて家庭が水運びや手洗いの洗濯に毎日何時間も費やしたように、通信に毎日何時間も費やす人などいなかった。検索エンジンは知識労働の周縁で情報検索を速めたが、情報を見つけることが、食品の保存や輸送のように経済を制約したことは一度もない。
タイラー・コーエンは視野を広げる。彼の説明では、1880〜1970年の成長は三つの、たやすく手の届く果実に支えられていた。第一は無償の土地である。大陸のフロンティアは、そこに暮らしていた先住民の諸民族から奪われたもので、その多くは、住み、家を建て、耕作することを条件に、登記手数料だけで入植者に分け与えられた。第二は、18世紀と19世紀の科学が実用技術へと急速に転換されたことである。何世紀にもわたって蓄積された熱力学、電磁気学、細菌説という基礎科学が、1880年から1940年までの凝縮された爆発の中で、電力、内燃機関、近代的な衛生設備へと変換された。第三は、それまで教育を受けていなかった人々を教育することから得られた大きな見返りである。高校卒業はまれなものからほぼ誰もが当たり前とするものになり、出発点がきわめて低かったため、就学年数が1年増えるごとに大きな限界収益がもたらされた。
三つとも、産業経済に繰り返し備わる特徴ではなく、一度きりの条件だった。無償の土地を二度発見することはできないし、大衆の非識字から大衆の識字への移行を二度経験することもできない。コーエンの議論では、インターネットは莫大な楽しみをもたらし、その多くは無料だが、「収益と雇用の面では、インターネットは大半の人が考えるほどの価値を付け加えていない」。彼がこれを書いたとき、ツイッターの従業員は約300人、グーグルは約2万人で、自動車の時代なら誤差にすぎない人数だった。
ゴードンとコーエンは、未来がどれほど閉ざされているかについては意見が分かれる――ゴードンは変革的なイノベーションの再開についてより悲観的で、コーエンは扉を開いたままにしている。だが診断では一致している。1970年以降の減速は構造的なものであり、景気循環や統計ではなく、経済そのものに根ざしている。
二人の一致は、ITはなぜ期待外れだったのかという問いより広い問いを投げかける。特別な世紀に匹敵するには、どんな技術であれ、何を成し遂げなければならないのか。
ゴードンの逆風
イノベーションの問題とは別に、ゴードンは成長を抑えつける四つの構造的な重しを挙げる。生産性の成果が所得の中央値を引き上げるのではなく狭いエリート層に集中する格差の拡大、数十年の拡大を経て頭打ちになった教育水準、生産年齢人口の比率を下げる人口の高齢化、そして財政の余力を狭める政府債務の対GDP比の上昇である。これらが重なれば、たとえイノベーションが勢いを取り戻しても、典型的な生活水準の向上は抑えられるだろう。技術をめぐる問いは、そもそも生産性が加速しうるのかどうかである。
1996〜2004年の急伸
1996年から2004年にかけて、減速は反転したように見えた。非農業企業部門の1時間あたり産出は年およそ3%で伸び、1970年以前のペースに並んだ。IT楽観論者はこれを技術が成長を駆動しうる証拠として挙げるが、その点で彼らは正しい。残る問いは、どの技術が、どの部門を通じて成果をもたらしたのかである。
加速は一握りの部門に集中していた。1995〜2000年には、卸売・小売業、半導体、コンピューター製造を筆頭とする59部門のうち6部門が、そのほぼすべてを占めた。とりわけ目立つ仕組みが二つある。一つは半導体製造で、ムーアの法則がコンピューター・ハードウェアの急速かつ持続的な価格下落をもたらし、計算能力1単位あたりのコストを下げ、その下落の速さがそのまま半導体部門で測定される1時間あたり産出を押し上げた。もう一つは卸売・小売の物流である。バーコード読み取り、電子データ交換、リアルタイムのサプライチェーン調整の上に築かれたウォルマートの在庫管理革命は、流通において測定上の大きな効率向上を生み、競合他社はその後の数年をかけてそれを模倣した。ウェブサイト、電子商取引、電子メールといった消費者向けインターネットも寄与したが、ハードウェアと物流に比べればはるかに小さかった。
急伸は2004年ごろに終わった。公式統計で測定される半導体価格の下落は急激に鈍った。その一因は、インテルがチップの価格設定の方法を変えたことにある。チップそのものは急速に進歩し続けたが、公式の価格統計はそのごく一部しかとらえなかった。IT生産部門は、測定上の成長にほとんど寄与しなくなった。
そこへ2004年にフェイスブック、2005年にユーチューブ、2007年にiPhoneが登場した。クラウドコンピューティングは2000年代後半を通じて拡大し、ブロードバンドが普及し、ソーシャルメディアは日常生活に広がった。目に見える技術変化は、測定される生産性の伸びが後退したまさにそのときに急加速し、以来この二つは別々の道を歩んできた。
ダイナモ問題
この分岐は、AIを判断する一つの物差しになる。AIは半導体のように、産出に現れるかたちで構造を変える技術なのか。それとも消費者向けインターネットのように、目覚ましく支配的でありながら経済的には周縁にとどまるのか。AIによる回復を論じる最も強い主張は、どんな条件が満たされなければならないかを正確に特定する主張である。
経済史家のポール・デーヴィッドは、このパターンを電気に見いだした。最初の中央発電所は1880年代初めに開業したが、電動駆動が米国の工場に広がる歩みは遅く、製造業の生産性が加速したのはおよそ40年後の1920年代になってからだった。蒸気機関をダイナモに置き換えた工場の管理者たちは、既存の物理的な配置を維持していた。一つの中央動力源が、シャフトとベルトを介して機械を動かす配置である。個々の電動機による効率の向上は、工場が機械的な動力伝達の制約に合わせて組み立てられていたために、ほとんど無駄になっていた。
突破口が開けたのは、古い工場が老朽化し、その多くが1920年代の投資ブームで建てられた新工場が、機械ごとに個別の電動機を備える単独駆動方式を前提に一から設計されたときだった。これによって、材料と労働の流れに沿った平屋の間取りが可能になり、生産工程は動力シャフトへの近さではなく論理に従って配置された。1920年代の生産性の急伸をもたらしたのは、電動機そのものよりも、この再編だった。
経済学者は、その現代版を生産性のJカーブと呼ぶ。汎用技術は、生産性の向上が実現する前に、業務フローの再設計、従業員の再訓練、組織の再編といった大規模な補完的無形投資を必要とし、その投資の段階は成果が現れる前に測定上のTFPを押し下げる。AIについて問われるのは、企業がいまだに古いラインシャフトで新しい電動機を回し、変わらない業務フローにAIを放り込んでいるだけなのか、それともAIを中心に新しい組織を築き始めているのか、である。
個々の作業のレベルでは、証拠は強い。ある企業の5,000人を超えるカスタマーサポート担当者のあいだでは、AIツールを使えるようにしたことで、1時間あたりに解決された問題の件数が平均で約15%増え、新人の伸びははるかに大きかった。GitHub Copilotを使った開発者は、標準的なコーディング課題を対照群より約56%速く終えた。
それらの成果が経済全体で積み上がるかどうかは、別の問題である。一企業のサポート窓口での15%の向上や、管理されたコーディング課題での56%の高速化は、それだけではGDPを動かさない。停滞を反転させるには、浮いた時間が、経済全体で、同じ時間からのより多くの産出に、あるいはより少ない有給労働時間での同じ産出に変わらなければならない。
その転換は、ボトルネックがどこにあるかで決まる。開発者の時間を毎週何時間か節約しても、企業レベルの産出が増えるのは、開発者の時間が企業の足かせになっている場合に限られる。製品に関する意思決定やテスト基盤、デプロイのパイプラインがペースを決めているなら、節約された時間はゆとりの中に消えていく。同じ有給時間のまま昼休みが長くなり、午後がゆっくり流れるだけで、それを生産性として記録する統計はない。同じ論理はあらゆる部門に当てはまる。保険金請求の審査担当者が速くなっても、産出が増えるのは、請求の流入量や規制上の承認ではなく、審査能力がボトルネックになっていた場合だけである。法律調査担当者が速くなっても、請求できる仕事が増えるのは、事務所が時間ではなく速さに対して料金を請求する場合だけである。 ダイナモのアナロジーは、何を探すべきかを教えてくれる。技術を中心にして組織のあり方を変えた企業である。
汎用技術
汎用技術の標準的な定義には三つの基準がある。部門を越えた浸透性、継続的な技術的改良、そして補完的なイノベーションを生み出すことである。蒸気、電気、コンピューティングはいずれもこれを満たす。現在のAIが三つすべてを満たすのか、最初の二つだけなのかは、まだわからない。浸透性は明らかで、技術的改良は速い。未解決なのは三つ目である。AIの改良が、それを使う部門でのイノベーションの生産性を高め、AIの上に築かれた新しい工程や製品を生み出すのかどうか。その証拠は、まだ体系的なものではなく逸話的なものにとどまっている。
証拠が示すもの
これまでの証拠には三つの種類があり、それらは同じ方向を指してはいない。
最も確かな数字は公式統計である。米国の労働生産性の伸びは、2024年の景気循環による反発以降も堅調を保っているが、民間非農業部門の全要素生産性の伸びは、2024年の1.5%から2025年には0.8%に鈍化した。2026年半ばまでのどの集計データ系列にも、経済全体でのAI主導の加速と整合する構造的な断絶は見られない。
労働者への調査は、より明るい材料を示す。2024年の終わりごろ、AI利用者が節約したと答えた時間を合計すると、労働力全体の総労働時間の1.4%に相当した。節約された時間が吸収されたゆとりではなく追加の産出になれば、経済全体の生産性を約1.1%押し上げるのに十分な量である。2025年夏までに、米国の労働者の3分の1以上が仕事で生成AIを使っており、普及過程の同じ時点でのパーソナルコンピューターよりも速い浸透ぶりだった。生成AIは米国の全労働時間の5.7%を占めていた。
節約された時間と使われた時間は別の尺度であり、どちらも産出を直接測るものではない。これらの調査を行っている経済学者たちは、集計値に初期の兆しを見てはいる。ChatGPTの公開から2025年半ばまでに、生産性の累積的な伸びはパンデミック前のトレンドを約1.9ポイント上回り、より大きな時間節約を報告した産業ほどトレンドより速く成長する傾向があった。彼らは、この関連を因果関係として読むことはできないと強調しており、2026年半ばまでの公式統計はAI主導の構造的な断絶を確認していない。
予測は最も不確かである。ペン・ウォートン予算モデルは、2025年のTFPの伸びに対するAIの寄与を約0.01ポイントと推計している。大半の企業がまだAIツールを大規模に導入していないため、ごくわずかなのである。同モデルは2020年代後半を通じて寄与が高まり、2030年代初めにピークを迎えると予測するが、これらは特定の前提の下でのモデルの出力であって、観測ではない。
このパターンには二つの読み方が当てはまる。一つはJカーブである。電化のときと同じように、AIを導入し、それを中心に組織を再編するコストがしばらく生産性を押し下げ、見返りは後からやってくる。もう一つは、浮いた時間がゆとりとして吸収されるという読み方である。その場合、技術は個々の労働者を助けるが、経済がその節約を生産に変えることはない。
データはまだ両者を区別できない。作業を速く終える労働者や、時間の節約を報告する調査回答者によって決着がつくことはない。どちらも、楽観的なケース、つまり急上昇に転じる前のJカーブにも、悲観的なケース、つまり作業レベルの成果がいつまでも積み上がらないケースにも、等しく現れるからである。
電化の物語は、「うまくいっている」状態がどう見えるかを教えてくれる。AIの導入から3年以上が経って成熟した部門で、TFPの向上が持続する。生産性の改善は、景気循環による変動を反映したものではなく、景気循環のいくつもの局面を通じて保たれる。そして企業は、変わらない構造の上にツールを重ねるのではなく、仕事、チーム、製品をAIを中心に大規模に設計し直す。ダイナモの言葉で言えば、企業は既存のシャフトに電動機をボルトで留めるのではなく、平屋の工場を建てることになる。 そうした取り組みを行う企業の事例研究は増えているが、それらは個別の例にとどまり、経済全体のパターンはまだ現れていない。
ループ
特別な世紀はソローの謎を突きつけることなどなかった。日々の経済生活をあまりに徹底的に作り変えたので、1870年からやって来た時間旅行者には1940年がそれとわからないほどだった。それを見てとるのに、洗練された測定など誰も必要としなかった。コンピューターがその謎を突きつけ、AIが再び突きつけた。
AIがこのループを断ち切るには、企業は1920年代の工場の建設者たちがしたことをしなければならない。既存の仕事を少し速くこなすのではなく、技術を中心に組織を建て直し、仕事の分野をまるごと手放すことである。そうした再編が起きたとき、つまり特別な世紀と、そして1996〜2004年の急伸において、それは数字にはっきりと現れた。AIの番がくれば、誰もソローを引用する必要はなくなるだろう。
関連記事
参考図書
Amazonのアソシエイトとして、Eikleafは適格販売により収入を得ています。以下の書籍リンクはアフィリエイトリンクです。リンク経由でご購入いただくと、追加費用なしで当サイトに少額の手数料が支払われる場合があります。
アメリカ経済:成長の終焉電力、衛生設備、交通、家庭向けの発明が生産性をどう変えたかと、その後の革新による伸びが小さくなった理由を示す。GROWTH:「脱」でも「親」でもない新成長論GROWTH:「脱」でも「親」でもない新成長論成長がもたらす幅広い代償を検討しながら、経済成長の源泉、近年の減速、新たなアイデアを生むための提案を解説する。
How Progress Ends: Technology, Innovation, and the Fate of Nations革新と停滞の歴史的事例を通じ、技術の進歩が持続的な経済成長を支えるには、まず制度の適応が必要な理由を解説する。
AI経済の勝者企業の事例を通じ、AIのより大きな恩恵を得るには相互につながる意思決定や業務手順の再設計が必要な理由を解説し、本記事の組織再編をめぐる議論に対応する。おすすめ動画
47:14【第122回】労働生産性の現状と課題(滝澤美帆 × 太田智之)生産性研究の専門家が日本と先進国の労働生産性の現状と課題を整理し、記事の「大停滞」を具体的なデータで補う。
41:41GX俯瞰講義「経済学における因果推論-人工知能が労働生産性に与える影響を例に-」川口大司教授 2025/5/16開催【日本語版】東京大学の経済学者がAIが労働生産性に与える影響を因果推論の手法で検証し、AIが統計に表れにくい理由を考える材料になる。
12:14Robert Gordon: The death of innovation, the end of growthRobert Gordonの悲観論。偉大な発明の時代は過去のものとなり、成長は恒久的に鈍化しつつある。この記事の引用
Lena Martin. “大停滞――生産性の伸びはなぜ鈍化し、回復はありうるのか.” Eikleaf, 2026年5月10日, 更新 2026年11月2日. https://www.eikleaf.com/ja/the-great-stagnation-why-productivity-growth-slowed-and-whether-it-can-recover/
生成AIに関する免責事項
このページの内容の一部は、生成AIの支援を受けて作成および/または編集されています。
メディア
主な出典と参考文献
Robert Solow, “We’d Better Watch Out,” New York Times Book Review, July 12, 1987, p. 36.
Erin Henry, Pierre-Daniel Sarte, and Jack Taylor, “The Productivity Puzzle: AI, Technology Adoption and the Workforce,” Federal Reserve Bank of Richmond Economic Brief No. 24-25, August 2024. https://www.richmondfed.org/publications/research/economic_brief/2024/eb_24-25
Sasha Rogelberg, “Thousands of CEOs admit AI had no impact on employment or productivity—and it has economists resurrecting a paradox from 40 years ago,” Fortune, February 17, 2026. https://fortune.com/2026/02/17/ai-productivity-paradox-ceo-study-robert-solow-information-technology-age/
Robert J. Gordon, The Rise and Fall of American Growth: The U.S. Standard of Living Since the Civil War, Princeton University Press, 2016.
Tyler Cowen, The Great Stagnation: How America Ate All the Low-Hanging Fruit of Modern History, Got Sick, and Will (Eventually) Feel Better, Dutton/Penguin, 2011.
U.S. Bureau of Labor Statistics, Productivity and Costs news releases, 2024–2026, including “Total Factor Productivity — 2025” (March 19, 2026) and “Productivity and Costs, Second Quarter 2026, Revised” (September 3, 2026). https://www.bls.gov/productivity/ · https://www.bls.gov/news.release/prod3.nr0.htm · https://www.bls.gov/news.release/prod2.nr0.htm
OECD, Compendium of Productivity Indicators 2026, June 2026. https://www.oecd.org/en/publications/2026/06/oecd-compendium-of-productivity-indicators-2026_04e21c23.html
Erik Brynjolfsson, Avinash Collis, W. Erwin Diewert, Felix Eggers, and Kevin J. Fox, “GDP-B: Accounting for the Value of New and Free Goods in the Digital Economy,” NBER Working Paper 25695, 2019. https://www.nber.org/papers/w25695
Chad Syverson, “Challenges to Mismeasurement Explanations for the US Productivity Slowdown,” Journal of Economic Perspectives, vol. 31, no. 2, Spring 2017, pp. 165–186. https://www.aeaweb.org/articles?id=10.1257/jep.31.2.165 · https://www.nber.org/system/files/working_papers/w21974/w21974.pdf
Paul A. David, “The Dynamo and the Computer: An Historical Perspective on the Modern Productivity Paradox,” American Economic Review: Papers and Proceedings, vol. 80, no. 2, May 1990, pp. 355–361.
Erik Brynjolfsson, Daniel Rock, and Chad Syverson, “The Productivity J-Curve: How Intangibles Complement General Purpose Technologies,” American Economic Journal: Macroeconomics, vol. 13, no. 1, January 2021, pp. 333–372. https://www.aeaweb.org/articles?id=10.1257/mac.20180386
Erik Brynjolfsson, Danielle Li, and Lindsey Raymond, “Generative AI at Work,” Quarterly Journal of Economics, vol. 140, no. 2, 2025, pp. 889–942. https://academic.oup.com/qje/article/140/2/889/7990658
Sida Peng, Eirini Kalliamvakou, Peter Cihon, and Mert Demirer, “The Impact of AI on Developer Productivity: Evidence from GitHub Copilot,” arXiv:2302.06590, February 2023. https://arxiv.org/abs/2302.06590
Alexander Bick, Adam Blandin, and David Deming, “The Impact of Generative AI on Work Productivity,” Federal Reserve Bank of St. Louis, On the Economy blog, February 27, 2025. https://www.stlouisfed.org/on-the-economy/2025/feb/impact-generative-ai-work-productivity
Alexander Bick, Adam Blandin, and David Deming, “The State of Generative AI Adoption in 2025,” Federal Reserve Bank of St. Louis, On the Economy blog, November 13, 2025. https://www.stlouisfed.org/on-the-economy/2025/nov/state-generative-ai-adoption-2025
Penn Wharton Budget Model, “The Projected Impact of Generative AI on Future Productivity Growth,” September 8, 2025. https://budgetmodel.wharton.upenn.edu/issues/2025/9/8/projected-impact-of-generative-ai-on-future-productivity-growth
Congressional Budget Office, “Labor Productivity: Developments Since 1995,” March 2007. https://www.cbo.gov/sites/default/files/110th-congress-2007-2008/reports/03-26-labor.pdf
Timothy F. Bresnahan and M. Trajtenberg, “General Purpose Technologies: ‘Engines of Growth’?” Journal of Econometrics, vol. 65, no. 1, January 1995, pp. 83–108. https://doi.org/10.1016/0304-4076(94)01598-T
Robert J. Gordon, “Off Its Pinnacle,” Finance & Development, IMF, vol. 53, no. 2, June 2016. https://www.imf.org/external/pubs/ft/fandd/2016/06/gordon.htm
“The Great Stagnation: Why Hasn’t Recent Technology Created More Jobs?” (interview with Tyler Cowen), PBS NewsHour, 2011. https://www.pbs.org/newshour/show/the-great-stagnation-why-hasn-t-recent-technology-created-more-jobs
Jeremy Greenwood, Ananth Seshadri, and Mehmet Yorukoglu, “Engines of Liberation,” Review of Economic Studies, vol. 72, no. 1, 2005, pp. 109–133. https://users.ssc.wisc.edu/~aseshadr/Publications/engines.pdf
Brink Lindsey, “Not So Stagnant,” Reason, April 15, 2011. https://reason.com/2011/04/15/not-so-stagnant/
Shawn Sprague, “Contributions to labor productivity growth, private nonfarm business, 1948–2018,” Monthly Labor Review, U.S. Bureau of Labor Statistics, 2021. https://www.bls.gov/opub/mlr/2021/highcharts/data/sprague-fig2.stm
McKinsey Global Institute, “US Productivity Growth 1995–2000,” October 2001. https://www.mckinsey.com/featured-insights/americas/us-productivity-growth-1995-2000
David M. Byrne, Stephen D. Oliner, and Daniel E. Sichel, “How Fast Are Semiconductor Prices Falling?” NBER Working Paper 21074, 2015. https://www.nber.org/papers/w21074
National Park Service, “About the Homestead Act,” Homestead National Historical Park. https://www.nps.gov/home/learn/historyculture/abouthomesteadactlaw.htm












