予測人工知能の経済効果

2026年5月、美联储理事Lisa D Cookはスタンフォード大学経済政策研究所で特別講演を行い、人工知能が米国経済と金融システムに与える二重の影響について体系的に解説した。この講演は現下のマクロ経済情勢を踏まえ、人工知能（AI）を中心に議論を展開し、AI投資熱がインフレ、雇用、成長に与える伝導作用を解明し、金融分野の革新価値と潜在的リスクを分析した。また、米連邦準備制度理事会（FRB）がAIを活用した規制分析の実践例も紹介し、楽観的かつ慎重な姿勢のもと、イノベーションとリスク管理を両立させる発展方針を提案した。内容はマクロな視野と業界の実務的参考価値を兼ね備えている。中国人民大学金融科技研究所は研究の核心部分を翻訳した。

マクロ経済の現状と人工知能の伝導効果

Lisaはまず、米国経済の現状を踏まえ、FRBの二重使命（dual mandate）に基づき、人工知能がもたらす多重の影響を分析し、それをもとに現在の金融政策の実施論理を解釈した。

（一）インフレ：短期的衝撃と持続的圧力

米国のインフレ問題は顕著であり、2026年4月までの12か月間で、個人消費支出価格指数（PCE、Personal Consumption Expenditures price index）は前年比3.8%上昇し、FRBの2%目標を大きく上回っている。食品とエネルギーを除いたコアPCEの前年比上昇率は3.3%に達し、2023年以来の最高水準を記録した。このインフレ上昇の直接的な要因は、イラン情勢に伴う原油価格の上昇だが、理論的には関税摩擦や地政学的リスクによる短期的なショックとみなされる。国際油価の先行きについては、年末までに下落に向かうとの見方が一般的だ。

Lisaは、短期的な価格ショックが中長期的なインフレへと進展するリスクを指摘した。企業は一時的な物価上昇を常態化した価格設定に組み込みやすく、労働者も賃金交渉において現状の物価水準を参照し、賃金-物価のスパイラル（wage-price spiral）のリスクを孕む。また、AIへの大規模投資熱が市場の供給と需要の不均衡をさらに悪化させている。世界中の企業がデータセンター建設計画に総額1.5兆ドルを超える資金を投入しており、多くのプロジェクトは準備段階にあり、投資需要の継続的な拡大がチップや高級ハードウェアの価格を押し上げている。過去一年間、建設関連の賃金は明らかに上昇し、電力・水道料金も約5%の増加を示した。データセンター以外にも、ロボットなどAI関連の固定資産投資は今後も拡大し、中長期的な需要圧力が物価を支える要因となる。

**

（二）労働市場：表面上の安定と深層リスク

**

労働市場は全体として安定を保ち、2026年4月の失業率は4.3%であり、昨夏以降大きな変動は見られない。この数値は自然失業率（natural rate）と一致し、労働供給と需要が概ね均衡していることを示す。企業のリストラ報道はあるものの、失業保険の新規申請者数は低水準を維持し、雇用の基盤は一時的に安定している。ただし、Lisaは、労働市場の下振れリスクが蓄積しつつあると指摘した。中東の地政学的緊張による経済不確実性が総需要を抑制し、企業は様子見の姿勢を強めて採用ペースを鈍らせている。長期的には、AIが数世代にわたる最大の雇用構造の再編を引き起こす可能性が高い。現時点では大規模な失業は見られないが、AIによる雇用削減の速度は新規雇用創出を上回る見込みであり、労働市場の流動性は高まると予想される。2025年の米国小企業信用調査によると、多くの中小企業は現段階ではAIによるコスト変動を実感していないが、将来的にはAIを基盤とした経営モデルの全面的な見直しを予測しており、雇用構造の変革は時間の問題とみなされている。

**

（三）成長：生産性の楽観と知識経済の恩恵

**

経済成長について、Lisaは楽観的な見解を示した。過去一年間、米国の国内総生産（GDP）は堅調に拡大し、労働生産性もパンデミック前の平均を超え、市場の起業活動も高水準を維持している。彼女は内生的成長理論を踏まえ、AIは時代を画す汎用技術であり、第二次世界大戦以降の知識経済への長期投資がAIの革新的成果の集中爆発を促していると述べた。AIが企業の生産プロセスに体系的に組み込まれることで、労働生産性はさらに向上し、米国の中短期的な経済の堅調な成長を支えると期待される。

**

（四）金融政策：現状維持と慎重な見極め

**

マクロ経済の総合判断に基づき、Lisaは現段階の金融政策の基本方針を示した。リスク管理の観点から、最適な選択は基準金利の据え置きであるとした。現在の経済運営には不均衡が存在し、インフレ上昇リスクが最も重要な課題だ。予測によれば、今後数か月でインフレは徐々に収束し、労働市場も安定を保つ見込みであり、当面は金利調整の必要はないとした。ただし、米国は5年連続でインフレが目標範囲を超えており、物価の高止まりが賃金や価格設定に固定化されると長期的なリスクとなる。Lisaは、「インフレが予想通りに低下しなければ、FRBは利上げを行う」と明言し、逆に労働市場の悪化が顕著になれば金利を引き下げる可能性も示唆した。政策の変更は経済データに柔軟に依存する。

人工知能が金融システムにもたらす発展の機会

Lisaは、AIが金融システムにもたらす価値について、AIは生産性を向上させ、革新のスピードを加速させ、新興企業の創出や雇用の増加を促進し、マクロ的にはインフレ圧力を緩和すると述べた。FRB内部では、シリコンバレーの経験を踏まえ、AIの研究と実践を推進する革新的モデルを採用し、AI研究の成果と実用例を共有するネットワークを構築している。スタッフはAIの新たな応用分野を模索し、試行錯誤を容認している。現段階では、金融業界はまず人手集約型・資源消費型の従来業務にAIを導入し、コンプライアンス審査、顧客対応、バックオフィスの自動化などを進めている。AIツールはデータ分析の効率化にも寄与し、コード自動生成技術により、レガシーコードの更新や多システム連携の課題を解決している。大手テック企業や金融機関は、サイバーセキュリティの脆弱性をAIで検知し、システム防護を強化している。長期的には、AIは金融商品のカスタマイズ化や顧客ニーズに応じた差別化サービスの提供、リテール投資家向けの市場動向予測やリスク管理に役立ち、資金の流れを促進し、実体経済の活性化と持続的な好循環を生み出す可能性がある。

AIが引き起こす金融リスクとシステムの脆弱性

Lisaは、技術革新にはリスクも伴うことを客観的に指摘し、適切な規制と管理がなければ、AIは金融システムの脆弱性を拡大し、新たなリスクを生むと警告した。AIに関連する金融リスクは主に四つの側面から現れる。

第一は、AIアルゴリズム取引（AI-driven algorithmic trading）による市場リスクだ。従来のアルゴリズムは固定コードと単純ルールに依存し、高頻度取引を行うが、生成型AI（Generative AI）や機械学習は自己学習能力を持ち、過去データやリアルタイム情報、非構造化テキストを用いて動的に取引戦略を調整できる。こうした新しい取引手法は、市場の行動を収束させ、内在的な協調（endogenous collusion）を引き起こしやすく、市場操作のハードルを下げ、集中化を促進し、市場秩序を乱す恐れがある。

第二は、産業構造の変革が信用市場に及ぼすリスクだ。AI技術の浸透は、特に債券市場において、投機的格付けの信用スプレッド拡大や、AI企業の新製品によるソフトウェア業界への影響、信用リスクの高まりを招いている。資金流出や市場の混乱も懸念される。

第三は、AIインフラ整備に伴う負債レバレッジの問題だ。データセンターなどのAIハードウェア投資のため、多くの企業が債務を調達し、投資適格債や私募債を発行している。レバレッジの拡大はシステムリスクを高めており、Lisaは「現状のレバレッジ水準は2008年のピークには達していないが、無秩序な債務拡大には警戒が必要」と述べた。

第四は、サイバーセキュリティリスクだ。大規模言語モデル（LLM）やAIエージェントの能力向上により、システムの防御と攻撃の両面で技術革新が進む。AnthropicのMythosモデルは、従来発見できなかったソフトウェアの脆弱性を検知できるが、ハッカーに悪用されると金融機関や重要インフラの安全を脅かす。AIの普及はコードの自動生成を促進し、セキュリティ監査の負担増や、ソフトウェア障害によるサービス停止のリスクも高まる。一方、AIは防御側のツールとしても活用され、攻防の技術競争は激化している。

米連邦準備制度のAI活用実践

Lisaは、FRB内部のAI導入事例について詳述した。FOMCは現時点でAIを用いた金融政策決定は行っていないが、各部門では金融安定監視やリスク分析にAIを積極的に活用している。自主開発のツールを通じて、新たなリスクの早期発見や従来の規制手法では見落としがちな問題点の洗い出しを可能にしている。

AIの実践は二つの主要な側面からなる。第一は、専門技術チームの編成と、ネットワークセキュリティ、AI、量子計算などの技術研究。チームは大規模言語モデルを用いたシミュレーション実験を行い、生成型AIが投資家行動に与える影響を調査した。結果、AIエージェントはデータと論理に基づき判断し、動物精神（animal spirits）による盲目的な追随を抑制し、資産バブルの発生リスクを低減できることが示された。さらに、能動的知識蒸留（active knowledge distillation）技術を用いて、計算コストを80%削減した軽量AIモデルを開発し、規制文書や財務報告、ニュースなどの非構造化テキストの処理を効率化している。自然言語処理（NLP）技術を駆使し、過去十年の《ベージュブック（Beige Book）》のテキスト分析も行い、経済後退の予兆を高精度で予測できることを確認した。

第二は、米連邦準備理事会と12地区連銀の職員によるAI実践演習だ。AIエージェントは自律的に推論し、分析手法を選択し、複雑なタスクを完遂できる能力を持ち、ネットワークリスクの特定において従来の人力分析を凌駕している。複雑な金融ネットワークの全体像把握は困難だが、AIはシステム的な調査を効率的に行える。さらに、多様な金融安定シナリオのシミュレーションも自動化され、従来の人手と時間を要した作業を短縮している。アルゴリズム判断の誤りを防ぐため、多重検証や逆説的意見の取り込みを行い、最終的な結果は研究者が再確認する仕組みを採用している。この運用は、人間の思考と学術的検証のモデルを模倣し、効率と正確性の両立を図っている。

結論と今後の展望

最後に、Lisaは、AIの発展には実験的探究、規制ルール、リスク管理の三本柱が不可欠と述べた。現在、多くの金融機関やテクノロジー企業がAI導入を加速させており、技術の進化は加速度的に進んでいる。規制当局は、実践と理解を深めることで、リスクを的確に把握し、産業の健全な発展を促す必要がある。

AIは分析能力に優れ、人間の作業範囲を拡大できるが、その効果は適切なガバナンスの枠組みの下で発揮される。現段階では、人とAIの協働が最適解とされ、AIは判断支援とともに、システムの核となる検証メカニズムを組み込むことが重要だ。技術革新の最中にあって、米連邦準備制度理事会はAIの発展に対して楽観的な姿勢を持ちつつも、慎重な運用を徹底し、イノベーションと金融の安定を両立させる方針を堅持している。