AI 経済の分配と労働分配率の 1.6 ポイント低下── AI による自動化が労働分配率を押し下げるなか、ロボット税・ベーシックインカム・人材再配置の三つの政策手段が試されているが、いずれも単独では格差の拡大を止められない

01世界の労働分配率は 20 年間で 1.6 ポイント低下した

ILO が 2024 年 9 月に公表した「World Employment and Social Outlook」によれば、世界の労働分配率は 2004 年から 2024 年にかけて 1.6 ポイント低下し、52.3% となった。この低下は購買力平価ベースで年間 2.4 兆ドルの所得が労働者から資本側へ移ったことを意味する。低下の約半分は 2020〜2022 年のパンデミック期に集中しているが、技術進歩による自動化が構造的な要因として継続している。

Daron Acemoglu は 2024 年の NBER 論文「The Simple Macroeconomics of AI」で、自動化が労働分配率を押し下げる仕組みをタスクベースの枠組みで示した。生産に必要なタスクの一部が資本（機械・アルゴリズム）に移れば、付加価値に占める労働の取り分は減る。過去 30 年間、労働者の置き換え（displacement）は進んだが、新たな労働集約的タスクの創出（reinstatement）はそれに追いついていない。AI がこの不均衡を拡大するかどうかが、分配の核心的な問いになる。

02OECD 加盟国の雇用の 27% が自動化の高リスクにある

OECD は 2023 年の Employment Outlook で、加盟国の雇用の 27% が自動化リスクの高い職種に集中していると報告した。従来の自動化は定型的な肉体労働や事務処理に限られていたが、AI は非定型の認知タスクにも及ぶ。医療・法律・金融など、長年の教育と経験を要する職種が新たにリスクにさらされている。

この変化が分配に与える影響は二方向ある。第一に、高賃金の認知労働が自動化されれば、所得分布の中間〜上位層にも圧力がかかる。第二に、AI を使いこなす労働者とそうでない労働者の間で生産性の差が広がれば、賃金格差は組織内でも拡大する。OECD の分析は、自動化リスクが最も高い職種の労働者は低技能・若年・男性に偏る傾向があるとも指摘しており、既存の不平等構造と重なる。

03ロボット税は現行の税制の非対称性を是正する試みである

Bill Gates は 2026 年 8 月の論考で、ロボット税の具体的な論拠を示した。雇用主は人を雇えば給与税を払うが、設備投資は減価償却で控除できる。この非対称性が、人を機械に置き換える経済的動機を実態以上に強めている。Gates の提案は、AI トークン（AI モデルが処理要求を処理する計算単位）と物理的ロボットの両方に課税し、その収入を職業訓練と移行支援に充てるというものだ。

韓国は 2017 年、設備投資減税の控除率を最大 2 ポイント引き下げ、事実上の「ロボット税」を導入した最初の国となった。2026 年 8 月には、AI による人員削減に対して雇用主に直接課金する法案が国会に提出された。自動化投資への課税ではなく、人員削減という結果に対して課金する点で、従来の議論を一歩進めている。

一方、欧州議会は 2017 年にロボット税の導入を否決し、国際ロボット連盟（IFR）もこの決定を支持した。反対論の核心は、ロボット税が生産性向上への投資を抑制し、国際競争力を損なうというものだ。税率が高すぎれば企業は投資を別の国に移し、低すぎれば再分配の原資にならない。

04ベーシックインカムの実験は「怠惰」を否定したが規模の壁がある

AI による雇用喪失への社会保障として、ベーシックインカム（UBI）が繰り返し議論される。実験データは複数の国で蓄積されている。

フィンランドは 2017〜2018 年に無作為抽出した失業者 2,000 人に月額 560 ユーロを無条件で支給した。結果、受給者は対照群より生活満足度が高く、精神的負担が少なかった。就労日数は対照群より 6 日多い 78 日で、「給付が労働意欲を削ぐ」という仮説は否定された。

ケニアでは GiveDirectly が 2017 年から約 200 の村、約 2 万人を対象に世界最大の UBI 実験を実施している。2023 年 12 月に発表された最初の結果では、一括給付（約 500 ドル）を受けた世帯の所得が対照群比で 50% 増加した。受給者はより多くの事業を立ち上げ、起業収入も増えた。「怠惰になる」という懸念は、いずれの実験でも実現しなかった。

しかし、これらの実験には共通の制約がある。対象者数が数千〜数万人規模にとどまり、国家規模の財政負担を検証できていない。フィンランドの月額 560 ユーロを同国の成人人口 440 万人に適用すれば年間約 300 億ユーロとなり、同国の 2023 年の歳入の約 4 割に相当する。財源の確保が UBI の最大の課題であり、ロボット税との組み合わせが議論される理由もここにある。

05Challenger 社の集計では 2026 年に AI を理由とする米国の削減が急増した

分配の問題を抽象論にとどめないために、雇用削減の実態を見る。米国の再就職支援会社 Challenger, Gray & Christmas の集計によれば、AI を理由とする人員削減の発表は 2023 年の追跡開始以降、累計で約 10 万件に達した。2026 年 5 月までの累計は 87,714 件で、2025 年通年の 54,836 件をすでに上回っている。2026 年 5 月単月では 38,579 件が AI を理由に挙げられ、月次の最高記録を更新した。

これらの数字は「AI を理由として発表された」削減であり、AI が直接の原因かどうかは企業の自己申告に依存する。だが、企業が AI を削減理由として公に使う頻度が急増していること自体が、労働市場への圧力を示している。製薬業界でも、AI による文書作成・データ入力・分析業務の自動化が進んでおり、間接部門の人員構成は変化し始めている。

06製薬業界は再教育に 32 億ドルを投じ始めたが訓練と配置の乖離が残る

製薬産業は AI の影響を受ける側であると同時に、人材再配置の実験場でもある。Gartner は、製薬業界の再教育支出が 2025 年に 32 億ドルに達すると推計した。背景には、分析業務の 50〜60% が 2030 年までに自動化可能だという試算がある。

しかし訓練と実務の間には溝がある。2025 年の業界調査では、品質管理部門の責任者の 73% が「AI の監督は自分たちの職務の一部になった」と回答した一方、「チームが正式な AI 研修を受けた」と答えたのは 28% にとどまった。訓練プログラムが存在しても、現場の業務に統合されていなければ、再配置は形だけになる。

製薬以外の業界からデータサイエンティストを採用し、医薬品規制の研修を施す手法も広がっている。だが、規制業務の文脈理解には時間がかかる。AI を使う能力と、医薬品の安全性・有効性を判断する能力は別の技能であり、両方を兼ね備えた人材の育成が実務上の課題になっている。

07分配の設計には税制・社会保障・人材投資の三つを同時に動かす必要がある

AI が生む付加価値の分配は、単一の政策では制御できない。ロボット税だけでは投資抑制のリスクがあり、UBI だけでは財源が足りず、再教育だけでは配置先がなければ効果が出ない。三つの手段を組み合わせる設計が求められる。

具体的に言えば、第一に、設備投資減税と給与税の非対称性を是正し、自動化と雇用の間の税制上のバイアスを中立に近づける。第二に、既存の社会保障制度（失業保険・職業訓練給付）を AI による構造的失業に対応できるよう拡張する。第三に、再教育プログラムを企業内の配置転換と連動させ、訓練が実際の職務に結びつく仕組みを作る。

製薬業界にとっては、三番目の課題が最も切実だ。規制対応・安全性評価・品質管理は AI で代替しにくい判断業務であり、ここに人材を再配置する経路を確保することが、自動化と雇用の両立の鍵になる。