プレプリント / バージョン1

ショートラダー経済

AIは経験の梯子をどう短くするのか

##article.authors##

DOI:

https://doi.org/10.51094/jxiv.6425

キーワード:

ショートラダー、 生成AI、 経験曲線、 経験勾配効果、 人的資本、 戦力化期間、 OJT、 労働供給、 技能形成

抄録

AIが仕事を速くするだけでなく、「一人前になるまでの時間」そのものを短くするとしたら、労働市場や人材育成はどう変わるだろうか。本稿は、経験を通じて獲得されてきた知識・判断・作業機能の一部をAI等の技術が外部化・補完し、一定の遂行水準への到達を早める現象を「ショートラダー(Short Ladder)」と呼び、生成AIが経験形成と労働市場をどう変えるかを整理する。既存研究では、一部の職務では経験・技能の浅い労働者ほどAIの恩恵を大きく受け、より短い経験期間で高い遂行水準に達する事例も示されている。こうした変化が広がれば、経験不足を理由に参入できなかった仕事に就くことが容易になり、一人前になるまでの期間やOJT負担を短縮し、人口減少下の人手不足を和らげる可能性がある。一方、AI利用中の高い遂行水準が本人の能力として内在化されるとは限らず、「雑用から学ぶ」経験形成機能を持つ入職初期業務まで縮小すれば、将来の中堅・熟練者を育てる機会を失う恐れもある。本稿は、経験形成経路を短縮・スキップ・置き換え・下段の欠損として捉え、「経験の梯子を短くする。しかし、次世代が登るための下段は失わせない」という点を中心的な論点として提示する。そのうえで、経験に必要な時間と経路が変わるとき、労働、人的資本形成、企業、政策、経済がどう変わるのかを研究課題として示す。

利益相反に関する開示

本稿に関して、開示すべき利益相反はない。

ダウンロード *前日までの集計結果を表示します

ダウンロード実績データは、公開の翌日以降に作成されます。

著者の経歴

山東, 晃大、コー・イノベーション大学

環境経済学・エネルギー政策を基盤として、再生可能エネルギーと地域経済・地域社会の関係について研究しています。

主な研究テーマは、再生可能エネルギーの導入によって生み出される経済的価値を地域にどのように残すことができるのか、また、地域と共生するエネルギー事業や政策・制度をどのように設計できるのかという点です。これまで、地熱エネルギー、洋上風力発電、地域経済付加価値分析、地域共生、脱炭素政策などについて研究してきました。

近年は、人口減少やAI・自動化などの社会経済環境の変化も視野に入れ、エネルギー、産業、地域経済、地域政策を横断する研究にも取り組んでいます。

研究成果を論文や政策提言として発信するだけでなく、地域での実践や政策形成との往復を通じて、持続可能な地域経済・社会のあり方を研究することを重視しています。

引用文献

Acemoglu, D. (2025). The simple macroeconomics of AI. Economic Policy, 40(121), 13–58. https://doi.org/10.1093/epolic/eiae042

Autor, D. H., Levy, F., & Murnane, R. J. (2003). The skill content of recent technological change: An empirical exploration. The Quarterly Journal of Economics, 118(4), 1279–1333. https://doi.org/10.1162/003355303322552801

Bastani, H., Bastani, O., Sungu, A., Ge, H., Kabakcı, Ö., & Mariman, R. (2025). Generative AI without guardrails can harm learning: Evidence from high school mathematics. Proceedings of the National Academy of Sciences, 122(26), e2422633122. https://doi.org/10.1073/pnas.2422633122

Becker, G. S. (1962). Investment in human capital: A theoretical analysis. Journal of Political Economy, 70(5, Part 2), 9–49. https://doi.org/10.1086/258724

Brynjolfsson, E., Li, D., & Raymond, L. (2025). Generative AI at work. The Quarterly Journal of Economics, 140(2), 889–942. https://doi.org/10.1093/qje/qjae044

Dell’Acqua, F., McFowland, E., III, Mollick, E., Lifshitz, H., Kellogg, K. C., Rajendran, S., Krayer, L., Candelon, F., & Lakhani, K. R. (2026). Navigating the jagged technological frontier: Field experimental evidence of the effects of artificial intelligence on knowledge worker productivity and quality. Organization Science, 37(2), 403–423. https://doi.org/10.1287/orsc.2025.21838

Filippucci, F., Gal, P., Laengle, K., & Schief, M. (2025). Macroeconomic productivity gains from artificial intelligence in G7 economies. OECD Artificial Intelligence Papers, No. 41. OECD Publishing. https://doi.org/10.1787/a5319ab5-en

Hosseini Maasoum, S. M., & Lichtinger, G. (2026). Generative AI and occupational entry barriers: The labor-supply channel of technological change. SSRN Working Paper, last revised April 26, 2026. https://doi.org/10.2139/ssrn.6059674

Mincer, J. (1962). On-the-job training: Costs, returns, and some implications. Journal of Political Economy, 70(5, Part 2), 50–79. https://doi.org/10.1086/258725

Noy, S., & Zhang, W. (2023). Experimental evidence on the productivity effects of generative artificial intelligence. Science, 381(6654), 187–192. https://doi.org/10.1126/science.adh2586

Otis, N. G., Clarke, R., Delecourt, S., Holtz, D., & Koning, R. (2024). The uneven impact of generative AI on entrepreneurial performance. Working Paper, revised October 3, 2025. https://doi.org/10.2139/ssrn.4671369

Zicklin, G. (1987). Numerical control machining and the issue of deskilling: An empirical view. Work and Occupations, 14(3), 452–466. https://doi.org/10.1177/0730888487014003007

小池和男(1987)「知的熟練とその一般性」『組織科学』21(2), 2–11.

野村正實(2001)『知的熟練論批判―小池和男における理論と実証』ミネルヴァ書房.

厚生労働省(2026)「令和7年度 能力開発基本調査」.

国立社会保障・人口問題研究所(2023)『日本の将来推計人口(令和5年推計)』.

総務省統計局(2026)「人口推計―2026年3月1日現在」.

ダウンロード

公開済


投稿日時: 2026-09-15 01:52:42 UTC

公開日時: 2026-10-09 02:15:22 UTC
研究分野
経済学・経営学