[{"data":1,"prerenderedAt":1554},["ShallowReactive",2],{"content-/ai-wage-replacement-market-and-pace":3,"all-pages-for-dir":1533,"related-/ai-wage-replacement-market-and-pace":1534,"og-image-/ai-wage-replacement-market-and-pace":1553},{"id":4,"title":5,"body":6,"category":1515,"concepts":1515,"description":1516,"extension":1517,"meta":1518,"navigation":1519,"ogImage":1515,"path":1520,"project_name":1515,"published":1521,"publishedAt":1522,"seo":1523,"source":1515,"stem":1524,"tags":1525,"todo":1515,"unpublished":1521,"updatedAt":1531,"__hash__":1532},"pages/2026-11/2026-11-17/ai-wage-replacement-market-and-pace.md","AIに置き換わる賃金の規模と、置き換わるまでの年数を既存の推計で突き合わせる",{"type":7,"value":8,"toc":1492},"minimark",[9,13,17,21,50,54,57,74,77,81,85,88,95,98,114,118,123,126,131,134,139,248,251,254,257,268,272,360,364,367,379,382,491,494,497,500,594,597,601,702,705,709,712,715,720,788,791,796,854,857,860,868,871,874,878,887,890,919,924,1096,1099,1102,1107,1165,1168,1172,1175,1195,1198,1204,1214,1217,1221,1224,1256,1268,1270,1278],[10,11,5],"h1",{"id":12},"aiに置き換わる賃金の規模と置き換わるまでの年数を既存の推計で突き合わせる",[14,15,16],"p",{},"AI投資はバブルだという声が多い。\n一方で、AIが人の仕事を置き換えるなら、その分の賃金がAI企業の売上に変わる。\n投資の大きさと、置き換わる賃金の大きさはつり合っているのか。\nそして、置き換えは3年で進むのか、10年かかるのか。\n既存の推計を集めて突き合わせた。",[18,19,20],"h2",{"id":20},"先に結論",[22,23,24,28,35,38,41,44,47],"ul",{},[25,26,27],"li",{},"世界の賃金総額は約62兆ドル（世界のGDP約118兆ドル × 労働分配率52.6%、筆者の推定）。このうちAIにさらされるのは15〜25兆ドル、最終的にAIが入る仕事の賃金は6〜7兆ドル前後と見積もった（いずれも筆者の推定）。AIが入った仕事の賃金がまるごと人の手を離れるのか、一部だけ減るのかは、推計の側でも決まっていない",[25,29,30,31],{},"AIが入る仕事の賃金だけでも、ビッグ4の設備投資（2026年計画で約7,250億ドル）の8〜10倍ある。",[32,33,34],"strong",{},"投資が回収できるかを分けるのは、賃金の大きさではなく、置き換えの速さとAI企業の取り分である",[25,36,37],{},"AI事業者全体の営業CFと投資CFで試算すると、FCFが黒字になるには、取り分×営業CF率が約15%を超える必要がある。中央の前提（40% × 40%）では、3年で置き換えてもFCFはほぼゼロで、10年なら2035年まで赤字が続く（筆者の試算）",[25,39,40],{},"この試算は、今ある賃金がAIに移る分しか数えていない。安くなると利用が増える業界（移動など）では、置き換えのあとも市場が広がる。必要な量が決まっている業界（税務申告など）では、値下がりがそのまま市場の縮小になる",[25,42,43],{},"置き換えにかかる年数は、推計によって2年から20年超まで開いている。いちばん短いのは株価で、ブリッジウォーターの試算では、今の株価は2028年までの2年で世の中が大きく変わることを前提にしている。調査機関の推計は、10〜15年の期間で見ているものが多い",[25,45,46],{},"年ごとの比率を出している推計は少ない。今回見つけた中で年ごとの値まで公開しているのは、ペン・ウォートンの生産性の押し上げ幅だけで、ほかは「何年までに何%」という終点だけである",[25,48,49],{},"今の実測は普及の初期段階にある。米国の労働時間のうち生成AIの補助を受けているのは1〜7%、浮いた時間は全労働時間の1.4%にとどまる。ただし、AIにさらされる職業の22〜25歳の雇用は、さらされにくい職業と同じペースで推移した場合より19%少ない",[18,51,53],{"id":52},"_1-問いai投資は労働賃金の市場とつり合うのか","1. 問い：AI投資は労働賃金の市場とつり合うのか",[14,55,56],{},"前提を2つ置いておく。",[22,58,59,68],{},[25,60,61,62,67],{},"米ビッグ4（Microsoft、Google、Meta、Amazon）の設備投資は、2026年計画で約7,250億ドル。世界のSaaS市場（年約4,000億ドル）をすでに超えている（",[63,64,66],"a",{"href":65},"/ai-overinvestment-asymmetric-bet","過去記事","）",[25,69,70,71,67],{},"ブリッジウォーターのグレッグ・ジェンセン氏によると、今のAI株の価格が報われるには、企業の推論（AIの利用）への支出が、賃金総額の約1.5%から2028年に7.7%まで増える必要がある（",[63,72,66],{"href":73},"/bridgewater-greg-jensen-market-pricing-gap",[14,75,76],{},"6月の過去記事では、ソフトウェアの市場の中で売る限りこの投資は回収できず、人件費の一部をAIが受け取る形にする必要があると書いた。\nでは、その人件費はどれだけあるのか。",[18,78,80],{"id":79},"_2-aiにさらされる賃金はいくらか","2. AIにさらされる賃金はいくらか",[82,83,84],"h3",{"id":84},"過去の概算は何を掛けていたか",[14,86,87],{},"6月の過去記事では、世界のホワイトカラー労働市場を「20〜30兆ドル以上」と書いた。\n世界のGDP（当時110兆ドル）にサービス比率（約60%）を掛け、さらに知識労働の比率を掛けた概算である。",[14,89,90,91,94],{},"この計算は賃金を測っていない。\nGDPにサービス比率を掛けた値は",[32,92,93],{},"サービス業の生産額","で、企業の利益や減価償却も含むからだ。",[14,96,97],{},"ほかの推計は、次の順で計算している。",[99,100,101,108,111],"ol",{},[25,102,103,104,107],{},"GDPに",[32,105,106],{},"労働分配率","（GDPのうち働く人に渡る割合）を掛けて、賃金の総額を出す",[25,109,110],{},"それに「AIにさらされる割合」を掛ける",[25,112,113],{},"さらに「さらされる仕事のうち、実際にAIが入る割合」を掛ける",[82,115,117],{"id":116},"世界の賃金総額とaiにさらされる割合","世界の賃金総額と、AIにさらされる割合",[14,119,120],{},[32,121,122],{},"① 世界の賃金総額：約62兆ドル（推定）",[14,124,125],{},"IMFの2026年4月の改定では、2025年の世界の名目GDPは約118兆ドルである（2025年10月時点の見通しでは約117兆ドル）。\nILOの推計では、世界の労働分配率は2025年に52.6%だった。\nこの労働分配率は、自営業者の所得も含む。\n掛けると約62兆ドルになる。",[14,127,128],{},[32,129,130],{},"② 知識労働の賃金：18.6兆ドル（BofA）",[14,132,133],{},"BofAグローバル・リサーチは、営業、マーケティング、顧客対応、財務、人事、IT、オペレーションの7職種について、世界の知識労働者の賃金を年18.6兆ドルと積み上げている。\n①の約3割にあたる。",[14,135,136],{},[32,137,138],{},"③ AIにさらされる割合と、AIが入る割合",[140,141,142,161],"table",{},[143,144,145],"thead",{},[146,147,148,152,155,158],"tr",{},[149,150,151],"th",{},"出典",[149,153,154],{},"割合",[149,156,157],{},"何の割合か",[149,159,160],{},"①62兆ドルに掛けた額（推定）",[162,163,164,179,193,206,220,234],"tbody",{},[146,165,166,170,173,176],{},[167,168,169],"td",{},"ILO（2025年5月）",[167,171,172],{},"約25%",[167,174,175],{},"世界の働く人の数のうち、生成AIにさらされる職業にいる人",[167,177,178],{},"約15兆ドル",[146,180,181,184,187,190],{},[167,182,183],{},"IMF（2024年1月）",[167,185,186],{},"約40%",[167,188,189],{},"世界の雇用のうち、AIにさらされる仕事",[167,191,192],{},"約25兆ドル",[146,194,195,198,201,204],{},[167,196,197],{},"ペン・ウォートン（2025年9月）",[167,199,200],{},"40%",[167,202,203],{},"米国の労働所得のうち、生成AIの自動化にさらされる分",[167,205,192],{},[146,207,208,211,214,217],{},[167,209,210],{},"MIT Iceberg Index（2025年11月）",[167,212,213],{},"11.7%",[167,215,216],{},"米国の賃金のうち、今の技術でこなせる分（能力の指標で、置き換えの予測ではない）",[167,218,219],{},"約7兆ドル",[146,221,222,225,228,231],{},[167,223,224],{},"ペン・ウォートン（同上）",[167,226,227],{},"約9%（40% × 23%）",[167,229,230],{},"さらされる仕事のうち、自動化すると得になり、最終的にAIが入る分",[167,232,233],{},"約6兆ドル",[146,235,236,239,242,245],{},[167,237,238],{},"アセモグル（MIT、2024年）",[167,240,241],{},"4.6%（約20% × 23%）",[167,243,244],{},"米国の仕事のうち、10年以内にAIが入る分",[167,246,247],{},"約3兆ドル",[14,249,250],{},"上の3行は「さらされる」賃金を、下の3行は「AIがこなせる、または実際に入る」賃金を測っている。\nまとめると、さらされる賃金が15〜25兆ドル、最終的にAIが入る仕事の賃金が6〜7兆ドル前後になる。\nBofAの18.6兆ドルは、さらされる側の範囲に入る。\n6月の過去記事の「20〜30兆ドル以上」は、さらされる側の上限に近い。",[14,252,253],{},"AIが入った仕事の賃金が、まるごと人の手を離れるとは限らない。\nペン・ウォートンは、AIが入った仕事のコストが、今のAIで平均約25%、今後数十年で40%下がると置いている。\nただし、その仕事の賃金が全部AIへの支払いに移るのか、削れた分だけ賃金が減るのかは書いていない。\n前者なら6〜7兆ドルが人の手を離れ、後者なら離れるのは1.4〜2.9兆ドル（6〜7兆ドルの25〜40%）にとどまる。",[14,255,256],{},"この掛け算には、注意点が3つある。",[22,258,259,262,265],{},[25,260,261],{},"ILOとIMFの割合は、賃金ではなく人数の割合である。AIにさらされる仕事は、先進国の給料の高い仕事に偏っている（IMFの推計では、先進国60%、新興国40%、低所得国26%）。人数の割合をそのまま賃金に掛けると、小さめに出る",[25,263,264],{},"ペン・ウォートン、MIT、アセモグルの行は、米国の割合を世界に当てはめている",[25,266,267],{},"IMFの「さらされる仕事の約半分は悪い影響を受ける」は、先進国だけの数字で、世界全体には当てはめられない。先進国では、さらされる60%のうち約半分が悪い影響を受け、残りはAIで生産性が上がる側に入るとされている",[82,269,271],{"id":270},"ほかの推計測っているものが違うので足し合わせない","ほかの推計（測っているものが違うので、足し合わせない）",[140,273,274,290],{},[143,275,276],{},[146,277,278,281,284,287],{},[149,279,280],{},"推計",[149,282,283],{},"金額",[149,285,286],{},"何を測っているか",[149,288,289],{},"範囲",[162,291,292,306,320,332,346],{},[146,293,294,297,300,303],{},[167,295,296],{},"BofA（2025年6月）",[167,298,299],{},"18.6兆ドル",[167,301,302],{},"賃金",[167,304,305],{},"世界、7職種",[146,307,308,311,314,317],{},[167,309,310],{},"Anthropic の上場申請書類 S-1（2026年10月）",[167,312,313],{},"40兆ドル超",[167,315,316],{},"知識労働の経済価値（賃金ではない）",[167,318,319],{},"世界。報道からの又聞きで、原文は確かめていない。「TAM 30兆ドル」という別の報道もある",[146,321,322,324,327,329],{},[167,323,210],{},[167,325,326],{},"1.2兆ドル（賃金の11.7%）",[167,328,302],{},[167,330,331],{},"米国。実際の導入が見えているのは2.2%（2,110億ドル）",[146,333,334,337,340,343],{},[167,335,336],{},"McKinsey（2025年11月）",[167,338,339],{},"年2.9兆ドル（2030年、中位シナリオ）",[167,341,342],{},"経済価値",[167,344,345],{},"米国。労働時間の57%は技術的には自動化できる（ロボットを含む）",[146,347,348,351,354,357],{},[167,349,350],{},"Salesforce ベニオフ氏",[167,352,353],{},"3〜12兆ドル",[167,355,356],{},"「デジタル労働」の市場",[167,358,359],{},"世界。自社の見立て",[18,361,363],{"id":362},"_3-何年かけて置き換わるのか","3. 何年かけて置き換わるのか",[82,365,366],{"id":366},"推計ごとの期間の前提",[368,369,370,375],"figure",{},[371,372],"img",{"src":373,"alt":374},"/images/ai-wage-replacement-market-and-pace/figure-01.svg","置き換えにかかる年数の前提は、株価の2年から20年超まで開いている。推計ごとの期間を横棒で並べた図",[376,377,378],"figcaption",{},"図1: 置き換えにかかる年数の前提は、株価の2年から20年超まで開いている",[14,380,381],{},"各推計が何年先を見ているかを並べると、次のようになる。\n終点の数字は推計ごとに測っているものが違うので、横には比べない。",[140,383,384,396],{},[143,385,386],{},[146,387,388,391,393],{},[149,389,390],{},"期間",[149,392,151],{},[149,394,395],{},"終点（何の割合か）",[162,397,398,409,420,429,440,449,460,470,480],{},[146,399,400,403,406],{},[167,401,402],{},"2年",[167,404,405],{},"ブリッジウォーター（2026年10月）",[167,407,408],{},"推論支出が賃金総額の1.5%から7.7%へ（2026年から2028年）。今の株価が前提にしている支出",[146,410,411,414,417],{},[167,412,413],{},"5年",[167,415,416],{},"WEF「Future of Jobs 2025」",[167,418,419],{},"人だけでこなす仕事が47%から33%へ（2025年から2030年）。雇用主アンケートで、「技術」はAIに限らず機械やアルゴリズム全般",[146,421,422,424,426],{},[167,423,413],{},[167,425,336],{},[167,427,428],{},"2030年に米国で年2.9兆ドルの経済価値（中位シナリオ）",[146,430,431,434,437],{},[167,432,433],{},"10年",[167,435,436],{},"アセモグル（2024年）",[167,438,439],{},"米国の仕事の4.6%が影響を受ける。全要素生産性は10年で0.66%以下の上昇",[146,441,442,444,446],{},[167,443,433],{},[167,445,183],{},[167,447,448],{},"生産性の伸びの上乗せは、普及から最初の10年に集中する（モデルの前提で、年は特定していない）",[146,450,451,454,457],{},[167,452,453],{},"約10年",[167,455,456],{},"ゴールドマン・サックス（2025年8月）",[167,458,459],{},"普及しきると、米国の働く人の6〜7%が職を失う（幅は3〜14%）。期間の約10年は二次情報",[146,461,462,465,467],{},[167,463,464],{},"15年",[167,466,197],{},[167,468,469],{},"生成AIは今後15年でほぼ生産に組み込まれる。生産性の押し上げは2032年が山",[146,471,472,475,477],{},[167,473,474],{},"約20年",[167,476,224],{},[167,478,479],{},"AIの影響を受けるGDPは、今の10%弱から20年で約15%へ",[146,481,482,485,488],{},[167,483,484],{},"2030〜2060年",[167,486,487],{},"McKinsey（2023年6月）",[167,489,490],{},"今の仕事の活動の半分が自動化される。中間は2045年",[14,492,493],{},"いちばん短いのが株価の2年で、調査機関の推計の多くは10〜15年の期間で見ている。\nただし、IMFの10年はモデルの前提で、ゴールドマン・サックスの約10年は二次情報である。\nWEFとMcKinsey 2025の5年は、調査の対象期間が2030年までというだけで、そこで置き換えが終わるとは言っていない。",[82,495,496],{"id":496},"年ごとの値を公開している推計",[14,498,499],{},"年ごとの比率まで出している推計は少ない。\n今回見つけたのは、ペン・ウォートンが公開している「生成AIが全要素生産性の伸びを何ポイント押し上げるか」の年次の値である。",[140,501,502,512],{},[143,503,504],{},[146,505,506,509],{},[149,507,508],{},"年",[149,510,511],{},"生産性の伸びへの上乗せ（ポイント）",[162,513,514,522,530,538,546,554,562,570,578,586],{},[146,515,516,519],{},[167,517,518],{},"2025",[167,520,521],{},"0.011",[146,523,524,527],{},[167,525,526],{},"2026",[167,528,529],{},"0.048",[146,531,532,535],{},[167,533,534],{},"2027",[167,536,537],{},"0.091",[146,539,540,543],{},[167,541,542],{},"2028",[167,544,545],{},"0.119",[146,547,548,551],{},[167,549,550],{},"2030",[167,552,553],{},"0.179",[146,555,556,559],{},[167,557,558],{},"2032",[167,560,561],{},"0.196（山）",[146,563,564,567],{},[167,565,566],{},"2035",[167,568,569],{},"0.175",[146,571,572,575],{},[167,573,574],{},"2040",[167,576,577],{},"0.092",[146,579,580,583],{},[167,581,582],{},"2050",[167,584,585],{},"0.044",[146,587,588,591],{},[167,589,590],{},"2060",[167,592,593],{},"0.039",[14,595,596],{},"この押し上げが積み重なって、GDPの水準は、AIが無い場合と比べて2035年に1.5%、2055年に約3%、2075年に3.7%高くなる。\n普及の速さは、PC、インターネット、スマートフォン、クラウドの普及曲線を組み合わせて想定している。",[82,598,600],{"id":599},"今どこにいるか20242026年の実測","今どこにいるか（2024〜2026年の実測）",[140,602,603,615],{},[143,604,605],{},[146,606,607,610,613],{},[149,608,609],{},"指標",[149,611,612],{},"値",[149,614,151],{},[162,616,617,628,639,649,659,670,681,692],{},[146,618,619,622,625],{},[167,620,621],{},"米国の労働時間のうち、生成AIの補助を受けた割合",[167,623,624],{},"0.5〜3.5%（2024年8月）→ 1〜5%（2025年2月改訂）→ 1〜7%（2025年10月改訂）",[167,626,627],{},"セントルイス連銀（Bick, Blandin, Deming）",[146,629,630,633,636],{},[167,631,632],{},"生成AIで浮いた時間",[167,634,635],{},"全労働時間の1.4%。使っている人に限ると労働時間の5.4%",[167,637,638],{},"同上",[146,640,641,644,647],{},[167,642,643],{},"前の週に仕事で生成AIを使った人",[167,645,646],{},"働く人の23%（2025年2月改訂）→ 27%（2025年10月改訂）",[167,648,638],{},[146,650,651,654,657],{},[167,652,653],{},"普及の速さ",[167,655,656],{},"仕事での普及はPC並み。全体の普及はPCやインターネットより速い（PCは発売3年後で20%）",[167,658,638],{},[146,660,661,664,667],{},[167,662,663],{},"仕事の25%以上でAIを使える職業の割合",[167,665,666],{},"36%（2025年初め）→ 49%",[167,668,669],{},"Anthropic Economic Index（2026年1月）",[146,671,672,675,678],{},[167,673,674],{},"AIにさらされる職業の22〜25歳の雇用",[167,676,677],{},"さらされにくい職業と同じペースで推移した場合より15%少ない（2025年7月）→ 19%少ない（2026年6月）",[167,679,680],{},"スタンフォード大（ADPの給与データ）",[146,682,683,686,689],{},[167,684,685],{},"職業構成の変化",[167,687,688],{},"ChatGPT 以前と比べて速まっていない",[167,690,691],{},"イェール大 Budget Lab（2026年初め）",[146,693,694,697,700],{},[167,695,696],{},"企業の推論支出",[167,698,699],{},"賃金総額の約1.5%",[167,701,405],{},[14,703,704],{},"経済全体ではまだ普及の初期段階で、職業の構成も大きくは動いていない。\n一方で、若い人の雇用には、はっきりした差が出始めている。\nスタンフォード大の分析では、この差は解雇ではなく、主に若い人の採用を絞ることで生じている。\n経験を積んだ人の雇用には、同じような差が見られない。",[18,706,708],{"id":707},"_4-3年5年10年で何が変わるか","4. 3年、5年、10年で何が変わるか",[14,710,711],{},"ここからは筆者の試算である。\n「AIが入る仕事の賃金」を5.7〜7.3兆ドル（世界の賃金62兆ドルの9.2〜11.7%。ペン・ウォートンとMITの割合から）と置き、2026年から3年、5年、10年で一定の速さでAIが入ると仮定する。",[14,713,714],{},"一度AIが入った仕事は、翌年以降も毎年AIへの支払いを生む。\nそのため、ある年にAIが受け取りうる額は、その年までにAIが入った仕事の累計で決まる。",[14,716,717],{},[32,718,719],{},"その年までにAIが入った仕事の賃金（年額、兆ドル）",[140,721,722,741],{},[143,723,724],{},[146,725,726,729,732,735,738],{},[149,727,728],{},"置き換えの期間",[149,730,731],{},"2027年",[149,733,734],{},"2028年",[149,736,737],{},"2030年",[149,739,740],{},"2035年",[162,742,743,759,774],{},[146,744,745,748,751,754,757],{},[167,746,747],{},"3年",[167,749,750],{},"1.9〜2.4",[167,752,753],{},"3.8〜4.9",[167,755,756],{},"5.7〜7.3",[167,758,756],{},[146,760,761,763,766,769,772],{},[167,762,413],{},[167,764,765],{},"1.1〜1.5",[167,767,768],{},"2.3〜2.9",[167,770,771],{},"4.6〜5.8",[167,773,756],{},[146,775,776,778,781,783,785],{},[167,777,433],{},[167,779,780],{},"0.6〜0.7",[167,782,765],{},[167,784,768],{},[167,786,787],{},"5.1〜6.6",[14,789,790],{},"実際の普及は一直線ではなく、初めがゆっくりで途中から速まるS字を描くことが多い。\n直線で置いた上の表は、初めの数年を多めに見積もっている。",[14,792,793],{},[32,794,795],{},"2030年にAI企業の売上になる額（兆ドル）",[140,797,798,813],{},[143,799,800],{},[146,801,802,804,807,810],{},[149,803,728],{},[149,805,806],{},"取り分8%（BofAの前提）",[149,808,809],{},"取り分30〜50%（6月の過去記事の前提）",[149,811,812],{},"取り分60〜75%（仕事がまるごとAIに移る場合）",[162,814,815,828,841],{},[146,816,817,819,822,825],{},[167,818,747],{},[167,820,821],{},"0.46〜0.58",[167,823,824],{},"1.7〜3.7",[167,826,827],{},"3.4〜5.5",[146,829,830,832,835,838],{},[167,831,413],{},[167,833,834],{},"0.36〜0.47",[167,836,837],{},"1.4〜2.9",[167,839,840],{},"2.7〜4.4",[146,842,843,845,848,851],{},[167,844,433],{},[167,846,847],{},"0.18〜0.23",[167,849,850],{},"0.68〜1.5",[167,852,853],{},"1.4〜2.2",[14,855,856],{},"取り分は、AIが入った仕事の賃金のうちAI企業に支払われる割合である。\n60〜75%の列は、仕事がまるごとAIに移り、企業がペン・ウォートンの想定どおり25〜40%を節約して、残りをAIに払う場合で、取り分の上限にあたる。",[14,858,859],{},"比べる相手は次の2つである。",[22,861,862,865],{},[25,863,864],{},"ビッグ4の設備投資：2026年計画で年約0.73兆ドル",[25,866,867],{},"OpenAI と Anthropic の合計ARR（年換算の売上）の2030年末予測：基本シナリオで0.58兆ドル、強気シナリオで1.15兆ドル（未公開の過去記事「AI需要の伝達経路と各層の脆弱性」）",[14,869,870],{},"売上だけで比べると、10年かけてAIが入り、AI企業が賃金の3〜5割を受け取るなら、2030年の売上は0.7〜1.5兆ドルで、設備投資と同じから2倍の規模になる。\n取り分が同じで、3〜5年で進むなら、設備投資を大きく上回る。\n仕事がまるごとAIに移るなら、10年の速さでも1.4〜2.2兆ドルになる。\n反対に、AI企業の取り分がBofAの前提の8%なら、どの速さでも2030年に設備投資の規模に届かない。\nただし、これは売上と投資額の比較である。\n売上から電力や人件費などの現金の費用を引いた営業CFで比べると、結果はずっと厳しくなる（このあとの「営業CFと投資CFで見ると」）。",[14,872,873],{},"株価が前提にする速さも、この表の上で確かめられる。\nブリッジウォーターの試算では、推論支出が2028年に賃金総額の7.7%になる。\n仕事がまるごとAIに移り、企業がその賃金の60〜75%をAIに払うとしても、それには賃金総額の10〜13%にあたる仕事にAIが入っている必要がある（7.7% ÷ 0.75〜0.6）。\nペン・ウォートンが「最終的に」AIが入ると見ているのは約9%なので、株価は、その最終的な水準を2年で上回ることを前提にしている計算になる。\nブリッジウォーターの賃金総額が世界か米国かは講演の要約からは分からないが、比率どうしの比較なので、結論は大きくは変わらない。\nジェンセン氏は、現実は賃金の置き換えと生産性の大躍進の組み合わせになるだろうと述べており、この計算とも合う。",[82,875,877],{"id":876},"営業cfと投資cfで見ると","営業CFと投資CFで見ると",[368,879,880,884],{},[371,881],{"src":882,"alt":883},"/images/ai-wage-replacement-market-and-pace/figure-02.svg","AI事業者のFCFが黒字になるには、取り分×営業CF率が約15%を超える必要がある。置き換えの速さ3年、5年、10年ごとに、営業CF、投資CF、FCFの年次推移を並べた図",[376,885,886],{},"図2: AI事業者のFCFが黒字になるには、取り分×営業CF率が約15%を超える必要がある",[14,888,889],{},"AI事業者全体（世界）を1つの会社とみなし、営業CF、投資CF、FCF（営業CF − 投資CF）の年次推移を試算した。\n前提は次のとおりで、いずれも筆者の仮置きである。",[22,891,892,898,904,910,916],{},[25,893,894,897],{},[32,895,896],{},"AIが入る仕事の賃金","：全部入ったときに年6.5兆ドル（上の5.7〜7.3兆ドルの中央）。2026年を起点に、3年、5年、10年で一定の速さでAIが入る",[25,899,900,903],{},[32,901,902],{},"AI企業の取り分","：40%（6月の過去記事の30〜50%の中央）",[25,905,906,909],{},[32,907,908],{},"営業CF率","（売上のうち現金で残る割合）：40%。Alphabet の2025年（営業CF 1,647億ドル ÷ 売上4,028億ドル ≒ 41%）を目安にした",[25,911,912,915],{},[32,913,914],{},"投資CF","：2025年0.42兆ドル、2026年0.74兆ドル（米5社。2026年計画の7,410億ドルと、前年比約75%増から逆算）。2027年以降は年1兆ドルで据え置く。McKinsey が見積もる、2030年までのAI向けデータセンター投資の累計5.2兆ドル（世界）から逆算した水準で、2031年以降も同じ額を投資し続けるとした",[25,917,918],{},"今あるAIの売上（2026年4月時点で OpenAI と Anthropic の合計が年540億ドル）は含めない",[14,920,921],{},[32,922,923],{},"FCFの年次推移（兆ドル）",[140,925,926,943],{},[143,927,928],{},[146,929,930,932,934,937,940],{},[149,931,508],{},[149,933,914],{},[149,935,936],{},"FCF（3年）",[149,938,939],{},"FCF（5年）",[149,941,942],{},"FCF（10年）",[162,944,945,958,971,987,1001,1017,1030,1044,1056,1070,1083],{},[146,946,947,949,952,954,956],{},[167,948,518],{},[167,950,951],{},"−0.42",[167,953,951],{},[167,955,951],{},[167,957,951],{},[146,959,960,962,965,967,969],{},[167,961,526],{},[167,963,964],{},"−0.74",[167,966,964],{},[167,968,964],{},[167,970,964],{},[146,972,973,975,978,981,984],{},[167,974,534],{},[167,976,977],{},"−1.00",[167,979,980],{},"−0.65",[167,982,983],{},"−0.79",[167,985,986],{},"−0.90",[146,988,989,991,993,996,999],{},[167,990,542],{},[167,992,977],{},[167,994,995],{},"−0.31",[167,997,998],{},"−0.58",[167,1000,983],{},[146,1002,1003,1006,1008,1011,1014],{},[167,1004,1005],{},"2029",[167,1007,977],{},[167,1009,1010],{},"+0.04",[167,1012,1013],{},"−0.38",[167,1015,1016],{},"−0.69",[146,1018,1019,1021,1023,1025,1028],{},[167,1020,550],{},[167,1022,977],{},[167,1024,1010],{},[167,1026,1027],{},"−0.17",[167,1029,998],{},[146,1031,1032,1035,1037,1039,1041],{},[167,1033,1034],{},"2031",[167,1036,977],{},[167,1038,1010],{},[167,1040,1010],{},[167,1042,1043],{},"−0.48",[146,1045,1046,1048,1050,1052,1054],{},[167,1047,558],{},[167,1049,977],{},[167,1051,1010],{},[167,1053,1010],{},[167,1055,1013],{},[146,1057,1058,1061,1063,1065,1067],{},[167,1059,1060],{},"2033",[167,1062,977],{},[167,1064,1010],{},[167,1066,1010],{},[167,1068,1069],{},"−0.27",[146,1071,1072,1075,1077,1079,1081],{},[167,1073,1074],{},"2034",[167,1076,977],{},[167,1078,1010],{},[167,1080,1010],{},[167,1082,1027],{},[146,1084,1085,1087,1089,1091,1093],{},[167,1086,566],{},[167,1088,977],{},[167,1090,1010],{},[167,1092,1010],{},[167,1094,1095],{},"−0.06",[14,1097,1098],{},"置き換えが3年なら2029年、5年なら2031年にFCFが黒字になるが、黒字は年0.04兆ドルにとどまる。\n10年なら、2035年まで赤字が続く。\n2025〜2035年の累積FCFは、3年で−1.8兆ドル、5年で−2.9兆ドル、10年で−5.5兆ドルである。\nこれは計画どおり投資を続けた場合の数字で、10年かかるなら、実際にはどこかで投資を絞ることになるだろう。\n逆に、置き換えが速いほど計算資源も多く要るはずだが、この試算では投資額を速さによらず同じにしている。",[14,1100,1101],{},"中央の前提でFCFがほぼゼロになるのは、前提の置き方による。\n全部AIが入ったあとの年間FCFは「6.5兆ドル × 取り分 × 営業CF率 − 1兆ドル」で決まる。\n黒字になるには、取り分×営業CF率が約15%（賃金を5.7〜7.3兆ドルとすれば14〜18%）を超える必要があり、中央の前提の16%は、ちょうどその線の上にある。",[14,1103,1104],{},[32,1105,1106],{},"全部AIが入ったあとの年間FCF（兆ドル）",[140,1108,1109,1124],{},[143,1110,1111],{},[146,1112,1113,1116,1119,1121],{},[149,1114,1115],{},"取り分＼営業CF率",[149,1117,1118],{},"30%",[149,1120,200],{},[149,1122,1123],{},"50%",[162,1125,1126,1138,1151],{},[146,1127,1128,1131,1134,1136],{},[167,1129,1130],{},"8%（BofAの前提）",[167,1132,1133],{},"−0.84",[167,1135,983],{},[167,1137,964],{},[146,1139,1140,1143,1146,1148],{},[167,1141,1142],{},"40%（6月の過去記事の中央）",[167,1144,1145],{},"−0.22",[167,1147,1010],{},[167,1149,1150],{},"+0.30",[146,1152,1153,1156,1159,1162],{},[167,1154,1155],{},"70%（仕事がまるごとAIに移る場合）",[167,1157,1158],{},"+0.36",[167,1160,1161],{},"+0.82",[167,1163,1164],{},"+1.27",[14,1166,1167],{},"投資額を高い方の見通しに置くと、条件はさらに厳しくなる。\nNVIDIA のジェンセン・フアン氏は、AIインフラへの支出が2030年までに3〜4兆ドルに達すると述べている（年額と報じる記事もある）。\n年3〜4兆ドルの投資を回収するには、取り分×営業CF率が46〜62%必要になり、仕事がまるごとAIに移る場合（70% × 50% ＝ 35%）でも届かない。\nこの規模の投資が見合うのは、AIが入る仕事が、さらされる賃金（15〜25兆ドル）の側まで広がる場合である（その場合に必要な取り分×営業CF率は12〜27%）。",[82,1169,1171],{"id":1170},"安くなったときに利用が増えるかは業界で違う","安くなったときに利用が増えるかは、業界で違う",[14,1173,1174],{},"この試算が数えているのは、今ある賃金がAIに移る分だけで、置き換えが終わったあとの営業CFは増えない前提にしている。\n実際には、AIで安くなったサービスは使われ方も変わる。\n分けると次の3つになる。",[99,1176,1177,1183,1189],{},[25,1178,1179,1182],{},[32,1180,1181],{},"置き換え","：今ある賃金がAIに移る。総額は増えない（上の試算はこれだけを数えている）",[25,1184,1185,1188],{},[32,1186,1187],{},"値下がりで利用が増える","：安くなった分だけ使う量が増える。市場が広がるか縮むかは、値下がりに対して利用がどれだけ増えるかで決まる",[25,1190,1191,1194],{},[32,1192,1193],{},"新しい用途","：今は存在しない使われ方が生まれる。事前にはほとんど読めない",[14,1196,1197],{},"2がどれだけ効くかは、業界によって大きく違う。",[14,1199,1200,1203],{},[32,1201,1202],{},"移動は、安くなると利用が増える業界の例である。","\nタクシーに自動運転が入れば、運転手の賃金はまるごとAIに置き換わる。\n車両もロボット化してさらに安くなれば、運賃も下がる。\n安くなれば利用が増え、これまで想定しなかった使い方も出てくるだろう。\n自家用車を使っていない平日にタクシーとして貸し出せるなら、車版の Airbnb のような形で、供給も利用もさらに増える。\n寝ている間に移動できるなら、旅行や人の行き来も増える。\nこうなると、タクシー業界の市場は、置き換えのあとむしろ大きくなりうる。\nその先には、今は鉄道沿いに偏っている不動産の価値が、道路沿いでも見直されるといった変化もありうる。\nただし、道路などのインフラを維持できるかは別の問題である。",[14,1205,1206,1209,1210,1213],{},[32,1207,1208],{},"税務申告は、安くなっても利用が増えない業界の例である。","\n申告の件数は、値段が下がっても増えない。\nそのため、値下がりはそのまま市場の縮小になる。\n筆者は、相当難しいもの以外の申告は、AIでほぼできるようになると考えている。\nその担い手は、有料のAIサービスですらないかもしれない。\nGitHub で無料で公開されているオープンソースの会計ソフトをクローンし、個人のAIエージェントがそれを使って計算や申告書の作成をする形で終わる気がしている（GitHub で公開されている会計アプリの例は",[63,1211,66],{"href":1212},"/trebuchet-local-accounting-encryption","）。\nソフトの側は申告の内容を保証できないが、ある程度の水準が担保された状態で、個人が自分で申告できるようになる。\n税理士法では、他人の申告書の作成や税務相談は、無償でも税理士にしかできない。\n本人が自分の道具で申告する形なら、この線には触れない。\nそうなると、複雑ではない申告を税理士に頼む必要はなくなる。\nこの部分の仕事は消えるか、無料のソフトと個人のAIエージェントに置き換わり、値段がほぼゼロになれば、この部分の市場もほぼなくなる。\n税理士の仕事として残るのは、相当難しい申告である。",[14,1215,1216],{},"同じ「AIで安くなる」でも、移動のように市場が広がる業界と、申告のように市場が縮む業界がある。\n業界ごとに「安くなったら利用が増えるか」を見ていけば、ばらばらに見えるシナリオを絞り込める。\n上のキャッシュフローの試算は、利用が増えない業界だけでできた経済を仮定しているのに近い。\n利用が増える業界が多いほど、営業CFは置き換えのあとも伸びる。",[18,1218,1220],{"id":1219},"_5-見ておく指標","5. 見ておく指標",[14,1222,1223],{},"置き換えの速さは、次の数字の更新で確かめられる。",[22,1225,1226,1232,1238,1244,1250],{},[25,1227,1228,1231],{},[32,1229,1230],{},"セントルイス連銀の調査","：生成AIの補助を受けた労働時間の割合（1〜7%）がどこまで上がるか",[25,1233,1234,1237],{},[32,1235,1236],{},"スタンフォード大の Canaries Dashboard","：若い人の雇用の差が、年齢の高い層やほかの職業に広がるか（月次で更新）",[25,1239,1240,1243],{},[32,1241,1242],{},"イェール大 Budget Lab","：経済全体で職業の構成が動き始めるか",[25,1245,1246,1249],{},[32,1247,1248],{},"Anthropic Economic Index","：会話のうち、人の作業を補う使い方ではなく、作業を丸ごと任せる使い方の割合（2025年11月時点で45%）",[25,1251,1252,1255],{},[32,1253,1254],{},"AI企業の売上と、企業の推論支出の対賃金比","：AI企業の取り分が、BofAの8%、過去記事の30〜50%、上限の60〜75%のどこに近いか",[1257,1258,1260,1264],"div",{"style":1259},"background: #FFF4D6; border-radius: 6px; padding: 16px 20px; margin: 24px 0; color: #333;",[14,1261,1263],{"style":1262},"margin: 0 0 8px; font-weight: bold;","筆者メモ：会計士と税理士の場合",[14,1265,1267],{"style":1266},"margin: 0;","公認会計士や税理士の仕事は、AIを使う人にかなり寄っていくと思っている。生産性高くやる人が残る形で、10人に1人ぐらいしか生き残れないのではないか。単価が下がっていけば仕事は取れるので、単価を下げる力もかなり加わると思う。ただ、単価は別に下げる必要があまりないので、生産性を上げて単価は高いまま逃げ切る形になるかもしれない。会計士や税理士でさえこうなのだから、ほかの既存業務でも労働の置き換えが起きると思う。",[18,1269,151],{"id":151},[14,1271,1272,1273,1277],{},"本文の数字のうち、IMF、ペン・ウォートン、スタンフォード大、セントルイス連銀（Fed in Print の要旨）、WEF は原文のページで確かめた。\nそれ以外（ILO、BofA、MIT Iceberg Index、McKinsey、ゴールドマン・サックス、アセモグル、イェール大、Anthropic、Alphabet の営業CF、NVIDIA）は、検索結果の要約と報道から取っており、原文は確かめていない。\nキャッシュフローの試算は ",[1274,1275,1276],"code",{},"apps/web/scripts/generate-ai-cashflow-sim.mjs"," で計算し、図2もこのスクリプトで描いた。",[22,1279,1280,1298,1306,1314,1322,1330,1343,1356,1365,1378,1387,1396,1409,1417,1425,1438,1451,1459,1468,1476,1484],{},[25,1281,1282,1283,1291,1292,1297],{},"世界の名目GDP：",[63,1284,1290],{"href":1285,"target":1286,"rel":1287},"https://www.imf.org/en/Publications/WEO/Issues/2025/10/14/World-Economic-Outlook-October-2025","_blank",[1288,1289],"noopener","noreferrer","IMF World Economic Outlook（2025年10月）","、",[63,1293,1296],{"href":1294,"target":1286,"rel":1295},"https://www.statisticstimes.com/m/economy/world-gdp.php",[1288,1289],"StatisticsTimes（IMFの数値の一覧）","。2026年4月改定の約118兆ドルは二次情報",[25,1299,1300,1301],{},"労働分配率：",[63,1302,1305],{"href":1303,"target":1286,"rel":1304},"https://ilostat.ilo.org/blog/the-world-of-work-and-the-2030-agenda-a-ten-year-review/",[1288,1289],"ILOSTAT ブログ（2025年に52.6%）",[25,1307,1308,1309],{},"ILO：",[63,1310,1313],{"href":1311,"target":1286,"rel":1312},"https://www.ilo.org/node/706766",[1288,1289],"ILO Working Paper 140「Generative AI and jobs: A refined global index of occupational exposure」（2025年5月）",[25,1315,1316,1317],{},"IMF：",[63,1318,1321],{"href":1319,"target":1286,"rel":1320},"https://www.imf.org/-/media/files/publications/sdn/2024/english/sdnea2024001.pdf.md",[1288,1289],"Cazzaniga ほか「Gen-AI: Artificial Intelligence and the Future of Work」（SDN/2024/001）",[25,1323,1324,1325],{},"ペン・ウォートン：",[63,1326,1329],{"href":1327,"target":1286,"rel":1328},"https://budgetmodel.wharton.upenn.edu/issues/2025/9/8/projected-impact-of-generative-ai-on-future-productivity-growth",[1288,1289],"Penn Wharton Budget Model「The Projected Impact of Generative AI on Future Productivity Growth」（2025年9月）",[25,1331,1332,1333,1291,1338],{},"MIT Iceberg Index：",[63,1334,1337],{"href":1335,"target":1286,"rel":1336},"https://www.media.mit.edu/projects/iceberg/overview",[1288,1289],"MIT Media Lab Project Iceberg",[63,1339,1342],{"href":1340,"target":1286,"rel":1341},"https://fortune.com/2025/11/27/mit-report-ai-can-already-replace-nearly-12-of-the-us-workforce/",[1288,1289],"Fortune（2025年11月27日）",[25,1344,1345,1346,1291,1351],{},"アセモグル：",[63,1347,1350],{"href":1348,"target":1286,"rel":1349},"https://economics.mit.edu/sites/default/files/2024-04/The%20Simple%20Macroeconomics%20of%20AI.pdf",[1288,1289],"Acemoglu「The Simple Macroeconomics of AI」",[63,1352,1355],{"href":1353,"target":1286,"rel":1354},"https://fortune.com/2024/08/06/mit-economist-markets-overestimated-ai-driven-productivity-gains/",[1288,1289],"Fortune 寄稿（2024年8月）",[25,1357,1358,1359,1364],{},"BofA：",[63,1360,1363],{"href":1361,"target":1286,"rel":1362},"https://fortune.com/2025/06/26/agentic-ai-spending-155-billion-by-2030-cfo-bofa-analysts/",[1288,1289],"Fortune（2025年6月26日）","。18.6兆ドル × 10% × 8% で、2030年のエージェントAI支出を1,550億ドルと試算",[25,1366,1367,1368,1291,1373],{},"McKinsey：",[63,1369,1372],{"href":1370,"target":1286,"rel":1371},"https://www.mckinsey.com/mgi/our-research/agents-robots-and-us-skill-partnerships-in-the-age-of-ai",[1288,1289],"「Agents, robots, and us」（2025年11月）",[63,1374,1377],{"href":1375,"target":1286,"rel":1376},"https://www.mckinsey.com/mgi/our-research/the-economic-potential-of-generative-ai-the-next-productivity-frontier/",[1288,1289],"「The economic potential of generative AI」（2023年6月）",[25,1379,1380,1381,1386],{},"ゴールドマン・サックス：",[63,1382,1385],{"href":1383,"target":1286,"rel":1384},"https://www.goldmansachs.com/insights/articles/how-will-ai-affect-the-global-workforce",[1288,1289],"How Will AI Affect the Global Workforce?（2025年8月）","。期間の約10年は二次情報",[25,1388,1389,1390,1395],{},"WEF：",[63,1391,1394],{"href":1392,"target":1286,"rel":1393},"https://reports.weforum.org/docs/WEF_Future_of_Jobs_Report_2025.pdf",[1288,1289],"Future of Jobs Report 2025","（p.26。2030年は「3つの区分がほぼ同じ割合になる」とされ、人だけでこなす仕事は33%）",[25,1397,1398,1399,1291,1404],{},"セントルイス連銀：",[63,1400,1403],{"href":1401,"target":1286,"rel":1402},"https://fedinprint.org/item/fedlwp/98805/102025",[1288,1289],"Bick, Blandin, Deming「The Rapid Adoption of Generative AI」（2025年10月改訂）",[63,1405,1408],{"href":1406,"target":1286,"rel":1407},"https://www.stlouisfed.org/open-vault/2025/oct/generative-ai-productivity-future-work",[1288,1289],"St. Louis Fed ブログ（2025年10月）",[25,1410,1411,1412],{},"スタンフォード大：",[63,1413,1416],{"href":1414,"target":1286,"rel":1415},"https://digitaleconomy.stanford.edu/news/canariesaug26/",[1288,1289],"Canaries in the Coal Mine の更新（2026年8月）",[25,1418,1419,1420],{},"イェール大：",[63,1421,1424],{"href":1422,"target":1286,"rel":1423},"https://budgetlab.yale.edu/research/what-we-do-and-dont-know-about-how-ai-affecting-labor-market",[1288,1289],"The Budget Lab",[25,1426,1427,1428,1291,1433],{},"Anthropic Economic Index：",[63,1429,1432],{"href":1430,"target":1286,"rel":1431},"https://www.anthropic.com/research/anthropic-economic-index-january-2026-report",[1288,1289],"2026年1月レポート",[63,1434,1437],{"href":1435,"target":1286,"rel":1436},"https://www.axios.com/2026/01/15/anthropic-study-work-ai-jobs",[1288,1289],"Axios（2026年1月15日）",[25,1439,1440,1441,1291,1446],{},"Anthropic S-1 の40兆ドル：",[63,1442,1445],{"href":1443,"target":1286,"rel":1444},"https://fourweekmba.com/ai-anthropic-filing-values-knowledge-work-at-over-40-trillion/",[1288,1289],"FourWeekMBA（二次情報）",[63,1447,1450],{"href":1448,"target":1286,"rel":1449},"https://www.fortune.com/2026/08/26/anthropic-wants-investors-to-believe-its-market-is-worth-30-trillion-nearly-40-of-the-entire-us-stock-market/",[1288,1289],"Fortune（2026年8月26日、TAM 30兆ドル）",[25,1452,1453,1454],{},"Salesforce：",[63,1455,1458],{"href":1456,"target":1286,"rel":1457},"https://getcoai.com/news/digital-labor-is-reshaping-salesforces-growth-strategy",[1288,1289],"CO/AI（二次情報）",[25,1460,1461,1462,1467],{},"AI向けデータセンター投資：",[63,1463,1466],{"href":1464,"target":1286,"rel":1465},"https://www.mckinsey.com/industries/technology-media-and-telecommunications/our-insights/the-cost-of-compute-a-7-trillion-dollar-race-to-scale-data-centers",[1288,1289],"McKinsey「The cost of compute: A $7 trillion race to scale data centers」（2025年4月）","。2030年までに総額6.7兆ドル、うちAI向け5.2兆ドル（基本シナリオ）",[25,1469,1470,1471],{},"Alphabet の2025年の営業CFと売上：",[63,1472,1475],{"href":1473,"target":1286,"rel":1474},"https://yourstory.com/2026/02/alphabet-caps-2025-revenue-milestone-doubles-down-ai-spending",[1288,1289],"YourStory（2026年2月、二次情報）",[25,1477,1478,1479],{},"NVIDIA の見通し：",[63,1480,1483],{"href":1481,"target":1286,"rel":1482},"https://www.costar.com/article/2095962781/nvidia-expects-global-ai-infrastructure-spending-to-approach-4-trillion-by-end-of-decade",[1288,1289],"CoStar（二次情報）",[25,1485,1486,1487,1491],{},"米5社の2026年の設備投資計画（7,410億ドル）と OpenAI と Anthropic の合計ARR：過去記事の",[63,1488,1490],{"href":1489},"/ai-capex-inflation-2026","2026年のインフレはAI投資のせいなのか","と「AI需要の伝達経路」（未公開）",{"title":1493,"searchDepth":1494,"depth":1494,"links":1495},"",2,[1496,1497,1498,1504,1509,1513,1514],{"id":20,"depth":1494,"text":20},{"id":52,"depth":1494,"text":53},{"id":79,"depth":1494,"text":80,"children":1499},[1500,1502,1503],{"id":84,"depth":1501,"text":84},3,{"id":116,"depth":1501,"text":117},{"id":270,"depth":1501,"text":271},{"id":362,"depth":1494,"text":363,"children":1505},[1506,1507,1508],{"id":366,"depth":1501,"text":366},{"id":496,"depth":1501,"text":496},{"id":599,"depth":1501,"text":600},{"id":707,"depth":1494,"text":708,"children":1510},[1511,1512],{"id":876,"depth":1501,"text":877},{"id":1170,"depth":1501,"text":1171},{"id":1219,"depth":1494,"text":1220},{"id":151,"depth":1494,"text":151},null,"AI投資は労働賃金の市場とつり合うのか。世界の賃金総額を約62兆ドルと置き、IMF、ILO、ペン・ウォートン、MIT、BofA の推計を単位ごとに並べて、AIにさらされる賃金と、実際にAIが入る仕事の賃金を見積もった。あわせて、置き換えが何年かけて進むかを推計ごとに並べ、3年、5年、10年で進んだ場合に、AIが入る仕事の賃金とAI企業の売上が年ごとにどう変わるかを試算した。","md",{},true,"/ai-wage-replacement-market-and-pace",false,"2026-11-17T00:00:00.000Z",{"title":5,"description":1516},"2026-11/2026-11-17/ai-wage-replacement-market-and-pace",[1526,1527,302,1528,1529,1530],"AI投資","労働市場","生産性","マクロ","CapEx","2026-11-20T00:00:00.000Z","rFcPOxLWEhCO05RlWCkUPYE4sU_GS98LmStbSZir88U",[],[1535,1538,1542,1546,1549],{"title":1536,"path":73,"publishedAt":1537},"ブリッジウォーターのグレッグ・ジェンセン「市場ごとに違う未来を織り込んでいる」— 2026年Q3 CIOコールの要旨","2026-10-30T00:00:00.000Z",{"title":1539,"path":1540,"publishedAt":1541},"Microsoftがデータセンターの耐用年数を15年から25年に延ばすと、なぜ設備投資が減るのか｜リースの分類とキャッシュフロー計算書の関係を日米で比べる","/microsoft-useful-life-lease-reclassification-capex","2026-10-29T00:00:00.000Z",{"title":1543,"path":1544,"publishedAt":1545},"FRBの利上げはAI投資ブームの下で逆効果なのか。「利上げがインフレを生む」説を検証する","/fed-rate-hike-ai-capex-inflation-spiral","2026-09-26T00:00:00.000Z",{"title":1547,"path":1489,"publishedAt":1548},"2026年のインフレはAI投資のせいなのか。米国の物価統計で原油高と切り分ける","2026-09-24T00:00:00.000Z",{"title":1550,"path":1551,"publishedAt":1552},"2026年6月27日の開発日記 - Micron 三本立て・ハイパースケーラー CapEx 6本柱・公認会計士の SNS 営業フック","/2026-06-27-diary","2026-06-27T00:00:00.000Z","https://log.eurekapu.com/og/blog/ai-wage-replacement-market-and-pace.png?v=2026-11-20T00%3A00%3A00.000Z&title=AI%E3%81%AB%E7%BD%AE%E3%81%8D%E6%8F%9B%E3%82%8F%E3%82%8B%E8%B3%83%E9%87%91%E3%81%AE%E8%A6%8F%E6%A8%A1%E3%81%A8%E3%80%81%E7%BD%AE%E3%81%8D%E6%8F%9B%E3%82%8F%E3%82%8B%E3%81%BE%E3%81%A7%E3%81%AE%E5%B9%B4%E6%95%B0%E3%82%92%E6%97%A2%E5%AD%98%E3%81%AE%E6%8E%A8%E8%A8%88%E3%81%A7%E7%AA%81%E3%81%8D%E5%90%88%E3%82%8F%E3%81%9B%E3%82%8B&author=Kei%20Komatsu&sig=12272327f38b228f",1795159293962]