Beyond headcount and human capital: The Effective Cognitive Population as a decomposable capacity unit for AI-era planning

技術要約：人口統計（Headcount）および人的資本を超えて

問題提起
国家計画は現在、規模を測るための人口統計（headcount）、労働供給のための生産年齢人口比率、スキル調整済みストックのための人的資本指数、そして環境条件のためのテクノロジー準備性指数といった、バラバラの会計帳簿に依存している。AI時代において、決定的なギャップが存在する。すなわち、健康、学習、雇用、技術インフラ、およびガバナンスという特定の現行条件下における、利用可能な総人的生産能力を定量化する既存の単位が存在しないのである。既存の指標は、人間の能力を展開するために必要な技術的条件を考慮できていないか、あるいは人的資本指数とAI準備性指数を組み合わせる際に人的資本を二重計上してしまうという問題を抱えている。さらに、標準的な人口統計学的勘定は、年齢構造を能力の主要な決定要因として扱う傾向があり、同様の年齢構造内における能力の幅広い差異を見落としている。

手法
本研究は、人口をその能力および展開条件によって加重設計した、分解可能な能力単位である**実効認知人口（Effective Cognitive Population: ECP）**を導入する。手法は以下のステップに従う。

1. 人的資本ベース ($H$): 本研究では、健康、教育、および労働市場の成果を期待される生涯生産性に変換する「世界銀行 人的資本指数プラス（HCI+）」を利用する。HCI+スコアは、対数指数（ベンチマーク325にスケーリング）から相対的な生産性レベル（$H_i = \exp((S_i - 325)/100)$）へと変換される。
2. AI機会およびガバナンス ($A$ および $C$): 本研究では、IMFのAI準備性指数（AIPI）を利用する。人的資本（すでにHCI+に組み込まれている）の二重計上を防ぐため、AIPIの人的資本の次元は除外する。
   • AI機会 ($A$): 「デジタルインフラ」と「イノベーションおよび経済統合」の次元の等重平均として定義される。
   • 転換ガバナンス ($C$): 「規制と倫理」の次元によって定義される。
3. ベンチマーク構築: ECPストックは、$ECP_i = N_i \times H_i \times (1 + \lambda A_i C_i)$ として算出される。
   • $N_i$ は総人口または生産年齢人口である。
     項 $(1 + \lambda A_i C_i)$ は、**結合的計画ルール（conjunctive planning rule）**を表す。これは、片側のみの準備状態（例：高いインフラを備えつつもガバナンスが脆弱な状態）に対してペナルティを課すため、増幅因子を加算的ではなく乗算的に設定している。
   • $\lambda$ は、ベンチマークにおいて1に設定された較正パラメータであり、感度分析は0から1の範囲、および「27のルールによるマルチバース（多重宇宙）」における指数の組み合わせに対して行われた。
4. 検証およびテスト:
   • 併存基準妥当性（Concurrent Criterion Validity）: 144カ国をサンプルとして、ECPを2024年の総出力（GDP）に対して回帰分析を行う。性能は、人口統計（headcount）およびHCI+調整済み人口と比較した際の $R^2$ および Leave-One-Country-Out (LOOCV) 平方根平均二乗誤差 (RMSE) を通じて測定される。
   • 増分妥当性（Incremental Validity）: 標準的な生産要素を超えてECPの構成要素が説明力を加えるかどうかをテストするため、物理的資本強度を条件とした入れ子状のモデルを用いる。
   • 相互作用テスト: AIの機会とガバナンス ($A \times C$) の間に因果的な相互作用があるかどうかをテストし、結合的ルールが経験的な相補性を反映しているのか、あるいは規範的な計画上の制約を反映しているのかを判断する。
   • 感度分析: 総人口または生産年齢人口の異なる人口分母、HCI+の年代（2020年 vs 2025年）、集計ルール、および振幅パラメータにわたって堅牢性を確認する。

主な結果

• 予測適合性の向上: 144カ国のサンプルにおいて、ECP拡張は国家能力モデルの説明力を向上させる。2024年の総出力に対し、$R^2$ は0.849（HCI+-調整済みストック）から0.882（ECP）へと増加し、LOOCV RMSEは0.723から0.641へと減少した。これらの利得は統計的に有意である（ブートストラップ $p < 0.0001$）であり、総人口および生産年齢人口の両方の基礎において保持される。
• ランクの再分類: 人口統計（headcount）の台帳からECPの台柄に移ることで、144カ国のうち89カ国が少なくとも10ポジション移動した。このシフトの大部分は人的資本の調整自体によるものであるが、AIの拡張は明確な診断的価値を提供する。ECPランキングにおいて高いパフォーマンスを示す国にはシンガポール、スイス、デンマークが含まれ、チャド、ギニア、マリのような国々は大幅な下方再分類が見られる。
• 年齢構造からの独立性: 生産年齢人口シェアの四分位数内において、一人当たり能力 ($Z$) は、第90パーセンタイルと第10パーセンタイルの間で最大4.78倍の比率に及ぶ。これは、年齢構造単独では粗いプロキシ（代理指標）であることを示しており、ECPは人口統計学では説明できない顕著な差異を捉えている。
• 結合的ルールの性質: AIの機会とガバナンス ($A \times C$) の間の直接的な統計的相互作用は、統計的に支持されない（係数は負であり、有意ではない、$p = 0.371$）。したがって、本論文は、結合的ルールは（片側のみの準備状態に過剰なクレジットを与えることを防ぐための）計画ルール（規範的な制約）であり、経験的に推定された因果的相補性ではないと結論付けている。
• 残差分析: 実現された1人当たりGDPが、資本強度とECP能力によって予測されるレベルを下回る国を特定する「転換残差」を特定した。この残差は、天然資源レント、政府の有効性、または汚職管理とは有意に相関しておらず、これは効率性の検証されたスコアではなく、さらなる診断のためのスクリーニング・オーダーとして機能することを示唆している。

意義および主張
本論文は、ECPを新たな生産法則や人口減少の予測ではなく、公共部門の計画のための診断用台帳として位置づけている。その主な貢献は以下の通りである：

1. 分解可能性: トレードオフを不明瞭にする複合指数とは異なり、ECPは国の能力を人的資本 ($H$)、技術的機会 ($A$)、およびガバナンス条件 ($C$) に分解することを可能にする。これにより、特定のボトルネック（例：スキルは高いがガバナンスが脆弱な国）の特定が可能となる。
2. 二重計上の回避: AIPIから人的資本の次元を明示的に取り除くことで、同一の資産を二重にカウントするという方法論的な欠陥を回避している。
3. シナリオ等価ストック: この単位は、現在の労働者等価数を数えるのではなく、現行条件下での能力を定義しており、相対的な比較および政策ギャップ分析を支援する。
   4.�範囲の限定:** 著者は、ECPは出生率低下の結果を推論するものではなく、またAIの因果的な生産性効果を特定したと主張するものでもないことを明示している。本研究は、結合的ルールが経験的な相補性の発見ではなく規範的な選択であることを認め、相互作用とガバナンスの関係を検証するには将来的な縦断的およびミクロレベルのエビデンスが必要であることを認めている。

本研究は、ECPが、人間の能力を展開するために必要な条件を統合した、透明かつ監査可能で安定した、国家間比較のための単位を提供し、人口統計（headcount）や人的資本指数のみよりも精緻な計画の基礎を提供すると結論付けている。