AIが溢れるほど『本物』が高くなる――供給過多時代の逆説的経済学

📌 この記事のポイント（TL;DR）
AIはコストを下げて需要を爆発させる「ジェボンズのパラドックス」と、供給を爆発させて単価を暴落させる「コモディティ化」を同時に引き起こす。ソフトウェア開発では前者が優勢で需要は拡大する一方、文章・画像・翻訳など複製可能な情報財では後者が優勢で、すでにフリーランスの仕事と単価の減少が実証データで確認されている。そして価値は「生産」から「信頼・判断・責任・体験」へ移動しつつある。

はじめに――問いを立てる

AIによる自動化が進むと、ソフトウェアだけでなく、文章・画像・翻訳・法律文書・コンサルレポートといった「情報財」全般が「供給過多」になり、価値が暴落するのではないか。

この問いは、表面的には「AIに仕事を奪われるか」という雇用問題に見えるが、本質は経済構造の変容にある。技術の進歩は常に「生産性向上→コスト低下→需要の変化」というサイクルを生み出してきたが、今回のAI革命は、そのサイクルが情報財という非常に特殊な財に適用されるため、過去の産業革命とは異なるダイナミクスをはらんでいる。

本稿では、この問いを経済学的なフレームワークと実証データを使って解きほぐし、「供給過多が起きる領域」と「むしろ価値が高まる領域」の分岐点を探る。

1. ジェボンズのパラドックス――効率化は需要を「減らす」のか「増やす」のか

19世紀の経済学者ウィリアム・スタンレー・ジェボンズは1865年、ワットの蒸気機関が石炭の利用効率を高めたにもかかわらず、イギリスの石炭消費量がむしろ激増したことを指摘した。効率化がコストを押し下げ、それが新たな需要を呼び込んだためだ。

歴史的には照明が典型例だ。過去2世紀で光のコストは劇的に下がり、それに伴って一人当たりの照明使用量はそれを上回る桁で増加した。電力、IT（情報通信技術）でも同じパターンが繰り返されてきた。

ソフトウェア開発におけるジェボンズ

生成AIによるコーディング支援は明確な効率改善をもたらしている。GitHubが4,000人以上の開発者を対象に行った調査では、AIコーディング支援ツールの利用で平均26%の生産性向上が報告されている。

重要なのは、ソフトウェアの効率が上がるたびに市場が縮小ではなく拡大してきたという歴史的パターンだ。世界のソフトウェア市場が約5,000億ドルなのに対し、その背後にあるサービス市場は最大5兆ドルと推計される。AIがこの「潜在需要」を掘り起こすことで、コモディティ化する部分と価値が高まる部分が同時に生まれる。

領域	今後の見通し
定型コーディング・単体テスト	コモディティ化。AIが最も得意とする領域で価値は限りなくゼロへ
要件定義・アーキテクチャ設計	価値上昇。複数システムを束ねて成果に責任を持つ役割が希少に
超ニッチな業務ツール開発	新規需要の爆発。これまで「コストが合わなかった」潜在需要が顕在化

2. ソフトウェア以外での「供給過多」――実証データが語る現実

ここが本稿の核心だ。ソフトウェアでジェボンズのパラドックスが効きやすいのは、潜在需要が事実上無限に近いからだ。しかし「複製限界費用がほぼゼロ」かつ「需要に上限がある」情報財では、同じ効率化が供給過多→価値暴落をもたらす。

📉 コンテンツ・クリエイティブ領域：すでに数字が出ている

Hui・Reshef・Zhou（Organization Science 35(6):1977-1989, 2024）の研究は、フリーランスプラットフォーム「Upwork」のデータを差分の差分法で分析した結果、ChatGPT登場後に以下の変化が確認されたと報告している。

職種カテゴリ	月間仕事数の変化	月間収入の変化	トリガーとなったAIツール
ライティング・校正・編集	−2%	−5.2%	ChatGPT（2022年11月）
画像制作・デザイン・アーティスト	−3.7%	−9.4%	DALL-E（2022年4月）、Midjourney（2022年7月）

さらに注目すべきは、経験豊富で高評価のフリーランサーほど打撃が大きかったという点だ。AIが「下位層の品質を引き上げて差を埋める」ため、トップ層が持っていたプレミアムが失われたと解釈されている。

ストック写真市場も構造転換に直面している。GettyとShutterstockは2025年1月、合算企業価値約37億ドルの合併を発表した。この合併の背景には、AI画像生成ツールの台頭による需要減少という構造的な圧力がある。皮肉なことにShutterstockは自社ライブラリをAI企業に学習用データとして提供することで収益を得ており、「自社のアーカイブを、いずれそのアーカイブを不要にするツールを作る企業に売る」という自己カニバリゼーション的なビジネスモデルに陥っている。

⚖️ 知識労働・専門職：参入障壁が崩れ始めている

法律・会計・コンサルティング・翻訳など、これまで高い参入障壁で守られてきた専門知識が、AIによって「そこそこの品質で、ほぼ無料」で供給され始めている。Thomson Reutersの2025年「Future of Professionals Report」（法務・税務・会計など2,275人を調査）は、AIが法務専門家の時間を年間約240時間節約しうると予測。回答者の43%が今後5年で時間制課金モデルの縮小を見込んでいる。

翻訳業界では、Oxfordの研究（Frey & Llanos-Paredes, 2025）が米国の696の地域労働市場を分析し、機械翻訳の利用率が1ポイント上がるごとに翻訳者の雇用成長率が約0.7ポイント下がり、2010〜2023年に約2.8万人分の翻訳者ポストが失われたと推計している。

🤖 カスタマーサービス：「代替の最前線」で起きた揺り戻し

AIによる代替が最も先行したカスタマーサービス領域で、象徴的な事例が生まれた。

スウェーデンの決済フィンテック企業Klarnaは2024年2月、OpenAI製アシスタントが稼働1か月で230万件の会話を処理し、対応の3分の2を自動化、「フルタイム700人分の業務」に相当すると喧伝した。しかし2025年5月、CEOのSiemiatkowskiはBloombergに「コストを評価軸にしすぎた結果、品質が低下した」と認め、人間のサポート要員を再び採用する方針へ転換した。

💡 Klarnaの教訓： AIによる全面代替は「定型処理のコスト削減」には効果的だが、共感・ニュアンス・複雑な問題解決が求められる領域では品質の壁にぶつかる。

🏥 医療診断：コモディティ化が進んでも雇用が増える「反例」

ただし、「コモディティ化＝雇用消滅」という図式が常に成立するわけではない。放射線科は典型的な反例だ。FDA認可のAI医療機器は2025年時点で1,300件超に達し、その大半（約77%）が放射線科向けだ。にもかかわらず、放射線科医の需要と賃金はむしろ上昇し、慢性的な人材不足が続いている。

なぜか。AIが各医師の処理能力を高め、不足を補う「補完」として機能しているためだ。需要が技術によって作り出されている翻訳業界とは正反対の構図といえる。この分岐を決めるのは「需要の弾力性」と「専門的・制度的な制約の有無」だ。

3. 経済学的フレームワークで整理する

限界費用ゼロ社会との接続

ジェレミー・リフキンは『限界費用ゼロ社会』（2014）で、競争市場のダイナミズムが限界費用をゼロ近くまで押し下げ、財を「ほぼ無料」にしてしまう資本主義の逆説を論じた。生成AIはまさに情報財の限界費用をゼロに近づける技術であり、リフキンの論理をさらに加速させる。

「ジェボンズ型」か「コモディティ型」か――分岐を決める2つの要因

	ジェボンズ型（需要拡大）	コモディティ型（価値暴落）
需要の弾力性	高い（潜在需要が無限）	低い（需要に天井がある）
供給の制約	専門性・制度的制約が残る	複製限界費用≒ゼロ
典型例	ソフトウェア開発、放射線科診断	ストック写真、単純翻訳、定型ライティング

労働市場への影響――主要レポートの数値

WEFの「Future of Jobs Report 2025」（55経済圏・1,000超の雇用主を調査）は、2030年までに1.7億の新規雇用が生まれ、9,200万が消失し、純増7,800万（現在の総雇用の22%が流動化）と予測する。Goldman Sachs（2023年3月）は、世界で「3億のフルタイム雇用」相当が自動化の影響を受けうると推計し、労働生産性の向上で10年間で世界GDPを7%押し上げうるとしている。McKinseyは生成AIが年間2.6兆〜4.4兆ドルの経済価値を生みうると見積もっている。

重要な質的転換は、従来の自動化が製造業・低スキル・男性に影響したのに対し、生成AIは高スキル・大都市圏・女性により大きく影響するという点だ（OECD, 2024）。

4. 「供給過多」への反論――楽観論の根拠

🏷️ 「AIスロップ」時代に高まる「本物性」の価値

Merriam-Websterは「slop（スロップ）」を2025年の「Word of the Year」に選んだ。定義は「AIによって通常大量に生産される低品質なデジタルコンテンツ」だ。AI生成コンテンツが溢れるほど、人間の署名・本物性（authenticity）・権威に希少価値が逆に生まれる。

Adobe・AP通信・ロイターなどが支援するContent Authenticity Initiative（C2PA）は、撮影から公開まで人間の著作を証明する暗号的な「コンテンツ認証情報」を推進している。「誰が作ったか」を証明することが新たな経済の軸になりつつある。

✈️ 体験・リアルな人間性への回帰

航空機旅行がZoomに完全には置き換えられなかったように、AIで代替できない「リアルな体験」「人間同士の関係性」への回帰が起きうる。Klarnaが人間サポートに回帰したのも、共感・ニュアンス・複雑な問題解決という領域で人間が依然として優位を持つからだ。

🔒 規制・著作権という供給制限

EU AI Actは、汎用AI（GPAI）提供者に学習データの透明性開示と著作権法遵守を義務付けた（GPAI規則は2025年8月発効）。こうした規制は、無制限な供給拡大に一定のブレーキをかけうる。

5. 日本固有の視点

SIer・多重下請け構造への直撃

日本のSI業界は「人月商売」と「多重下請け構造」という固有の特徴を持つ。生成AIによる開発自動化と、ユーザー企業の内製化加速という二つの力が同時に作用することで、SIerへの工数需要は構造的に縮小すると見られている。経済産業省のデータでは元請と下請で生産性に約1.7倍の差があり、利益率の薄い下請けほどAI投資・人材再教育の余力がなく、変革から取り残されやすい。ある専門家は「これまで10億円かかっていた基幹システム刷新がAIで1億円になれば、SIerの売上は理論上9割減少する」と警告している。

AI特需で収益が安定している「今」こそ、人月モデルから知識集約・成果責任型モデルへの転換に投資する好機だ。

少子高齢化という「緩衝材」

一方、日本では少子高齢化による労働力不足（パーソル総合研究所の試算では2030年に約644万人不足）が、AI自動化の「失業圧力」を吸収する緩衝材として機能する余地が大きい。欧米では「AIが仕事を奪う」脅威として語られる自動化が、日本では「人手不足を補う手段」として機能するという、固有の需給バランスが存在する。ただし「総数が維持されても雇用の二極化と格差が拡大する」という懸念も残る。

6. 個人・企業がとるべき戦略

個人（特に知識労働者・クリエイター）へ

1. 自分の業務を「コモディティ化する作業」と「価値が高まる判断」に仕分けよ。 定型的・低判断・複製可能な作業はAIに置き換わる前提で動く。最も労力がかかり判断の少ない作業から、AIが7割こなせるか検証し、浮いた時間を「自分にしかできない仕事」へ再投資せよ。
2. AIを道具として使いこなす側に回れ。 データは、AIを使う仕事の方が使わない仕事より高い報酬を得る傾向を示している。
3. 「判断・信頼・関係性・体験」を売る側にシフトせよ。 権威性・本物性・責任の引き受けは、供給過多の時代に希少価値を持つ。署名・実体験・固有の視点こそが差別化要因になる。

企業へ

1. 「安く速く作る」を価値の軸にしている事業は、軸の転換を急げ。 特に日本のSIerは人月モデルから知識集約・成果責任型モデルへの転換が急務だ。
2. カスタマーサービスはKlarnaの教訓に学べ。 AIで定型対応を捌き、人間が複雑・高共感案件を担うハイブリッド設計が現実解だ。コスト一辺倒のAI全面代替は品質低下のリスクがある。
3. 本物性・信頼の可視化に投資せよ。 コンテンツ認証（C2PA等）や人間の関与の明示は、AIスロップ時代の差別化要因になる。

まとめ――問いへの答え

「AIによる自動化が進むと、ソフトウェア以外でも供給過多になるのか」という問いへの答えは、YesでありNoでもある。

複製限界費用がほぼゼロで需要に天井がある情報財（定型コンテンツ、単純翻訳、ストック素材）では、供給過多→価値暴落がすでに実証データで確認されている。一方、潜在需要が巨大で専門性・制度的制約が残る領域（ソフトウェアのアーキテクチャ設計、医療診断、高度なコンサルティング）では、ジェボンズのパラドックスが働いて需要が拡大しうる。

そして最も重要な逆説は、AIが供給を爆発させるほど、人間が生み出す「本物性・信頼・責任・体験」の希少価値が高まるという点だ。価値は「生産」から「判断と関係性」へシフトしつつある。

⚠️ 注記
・フリーランス研究（Hui et al.）は「短期効果」を捉えたものであり、著者らも長期的にはAIと協働する新たな仕事が生まれる可能性を認めている。
・WEF・Goldman Sachs・McKinseyの将来予測は推計であり、前提次第で大きく振れる。特に「3億雇用」は自動化に「さらされうる」職務数であり、確定的な失業予測ではない。
・放射線科のように「AI導入＝雇用消滅」とならない領域がある一方、翻訳のように雇用・収入の減少が実証される領域もあり、一般化には慎重を要する。

参考文献
・Hui, X., Reshef, O., & Zhou, L. (2024). The Short-Term Effects of Generative Artificial Intelligence on Employment. Organization Science, 35(6), 1977–1989.
・World Economic Forum. (2025). Future of Jobs Report 2025.
・Goldman Sachs. (2023). The Potentially Large Effects of Artificial Intelligence on Economic Growth (Briggs & Kodnani).
・McKinsey Global Institute. (2023). The economic potential of generative AI: The next productivity frontier.
・Merriam-Webster. (2025). Word of the Year: "slop".
・Thomson Reuters. (2025). Future of Professionals Report.
・パーソル総合研究所・中央大学. (2018). 労働市場の未来推計2030.