The Accumulation Paradox: When Markups Enable and Inhibit AI Adoption

技術要約：蓄積のパラドックス（The Accumulation Paradox）

問題提起
本論文は、「AI生産性のパラドックス」に対処するものである。これは、生成AIに起因すると推定される堅調な企業レベルの生産性向上（約4%）と、米国経済における停滞した総因子生産性（TFP）成長率（年率約1%）との間の乖離を指す。既存の文献は、このギャップを測定誤差、労働置換、または需要の外生性（例：Falk & Tsoukalas, 2026）に帰しているが、これらのモデルは通常、市場構造を外生的に固定されたものとして扱う。本論文は、市場構造は静的な背景ではなく、技術採用とともに共進化するものであると主張する。具体的には、AIによるレント（超過利潤）の分配が、市場集中度と価格決定力によってどのように媒介され、企業レベルの効率性の向上が総体的なマクロ経済成長へと変換されるか（あるいはされないか）を調査する。

手法
本研究は、進化経済学の伝統（Nelson & Winter, 1982; Dosi & Roventini, 2019）に位置づけられたエージェント・ベース・モデル（ABM）を採用している。モデルは、$N=200$ の異質な企業と一人の代表的消費者を備えた独占的競争経済をシミュレートする。主な手法の特徴は以下の通りである：

• 限定された合理性： 企業は将来を見据えた最適化問題を解くのではない。代わりに、投資のヒューリスティックに従い、成功したピア（仲間）の模倣を通じて学習し、観察された収益性に基づいて戦略を調整する。
• 内生的な市場構造： 市場集中度（HHIで測定）、マークアップ（価格上乗せ率）の分散、および採用のタイミングは、外生的なパラメータとして課されるのではなく、企業レベルの意思決定から創発する。各企業は、自らの生産性と市場シェアに由来する企業固有の代替弾力性（$\sigma_i$）を有しており、これが価格決定力を決定する。
• 採用ダイナミクス： AIへの投資は、拡散とピアの影響を通じて蓄積される情報準備変数（$R_i$）によって制限される。これにより、閾値を超過するまで投資が遅れるS字型の採用軌道が形成される。
• 生成的アプローチ： 本モデルは、構造推定ではなくメカニズムの特定（Epstein & Axtell, 1996）を目的として設計されている。競争、模倣、および採用のダイナミクスが、観測されたパラドックスを生じさせるのに十分な条件であることをテストする。
• キャリブレーション： パラメータは、企業レベルのマークアップ分布（De Loecker et al., 2020）や短期TFP成長率（BLS）を含む経験的なモーメントに基づいている。モデルによるセクター別の採用ランキングは、米国ビジネス・トレンド・アウトルック・サーベイ（BTOS）と比較される。

主要な貢献と知見
シミュレーションは、TFPの抑制を説明する3つの主要なパターンを生成する：

1. マークアップによる吸収： 集中した市場（低い代替弾力性 $\sigma$）において、企業はAIによる効率性の向上を、価格の引き下げや生産量の拡大に充てるのではなく、より高いマークアップへと転換する。本論文は、この「マークアップ・チャネル」をTFP伝達の主要な抑制要因として特定しており、$\sigma$ の範囲全体でTFP抑制の約24パーセント・ポイントを占めている。二次的なメカニズムである「採用ゲート」（情報の蓄積による投資の遅延）は、さらに平均10.4パーセント・ポイントの抑制に寄与している。
2. 採用ランキングにおける時間的逆転： モデルは、セクター別の採用における非単調な進化を予測する。初期段階（0〜4年目）では、参入障壁が低く情報の拡散が速いため、競争的なセクター（高い $\sigma$）がAIをより早く採用する。しかし、転換点（約4年後）を経て、集中したセクター（低い $\sigma$）がこれらを追い抜く。この逆転は、集中したセクターにおける高いマークアップが、耐久的かつ大規模なAI投資に必要な持続的な内部資金を提供する一方で、競争的なセクターではこれらのリターンが侵食されてしまうために起こる。
3. バイスタビリティ（双安定性）と競争閾値： $\sigma \approx 5$ 付近に決定的な競争閾値が存在する。この値より低い場合、集中した市場が高い採用率を維持する。この値より高い場合、競争圧力によってマークアップが投資を維持できないレベルまで侵食され、採用率が低下する。この境界付近では、システムはバイスタビリティを示す。すなわち、同一のパラメータ設定であっても、ランダムな初期条件に応じて、高採用レジームまたは低採用レジームのいずれかをもたらす。これは、マークアップが投資の燃料であると同時に、競争的な利益の拡散に対する障壁としても機能するという、カレーキ的（Kaleckian）な緊張関係を定式化したものである。

意義と主張
本論文は、自らの貢献を現実世界の現象に対する因果的な推定ではなく、「生成的デモンストレーション」として明確に位置づけている。その意義は以下の点にある：

• メカニズムの特定： AIによる生産性のパラドックスが、需要の外生性や測定誤差のみに依存することなく、技術と市場構造の共進化から内生的に発生し得ることを示している。
• 理論的統合： 主流派のモデリング手法（CES需要、コブ＝ダグラス型生産関数）と、ヘテロドックス（非主流派）の理論的枠組みを橋渡ししている。マークアップ吸収チャネルはマルクス主義的な剰余吸収やバラン/スウィージーの独占資本論と共鳴し、バイスタビリティの閾値は、利潤主導の投資と賃金主導の需要の間のポスト・ケインズ派／カレーキ的な緊張関係を反映しており、模倣の役割は非市場的調整に関する制度主義的視点（Hodgson, 1988）と一致している。
• 政策的含意（間接的）： 本論文は特定の手段を処方するのではなく、政策の分析的前提条件を明確にしている。競争政策と産業政策は、分配メカニズムに対処しなければならない。すなわち、マークアップによる吸収が総体的なTFPを枯渇させるのを防ぐ一方で、民間リターンが不十分な場合には十分な拡散を確保する必要がある。
• 経験的予測： モデルはテスト可能な仮説を提示している。もし競争的なセクターが現在AI採用をリードしているならば（2024年のBTOSデータが示唆するように）、集中したセクターがそれらを追い抜くのは2029年頃になるはずである。

著者らは、本モデルが簡略化された労働市場を持つ閉鎖経済であること、および定量的な採用レベルは現在の横断的データを超える長期平衡値であることを述べ、控えめな立場を維持している。核心となる主張は、観察されたパターンは最小限の行動規則によって構造的に生成されたものであり、市場の力と技術拡散の相互作用を解釈するための新たなレンズを提供するものであるということである。