エコノミスト

米国。同局は、エコノミストの雇用が2025年から2035年に18,600人から19,500人へ5%増え、毎年およそ1,100人の求人が生じると予測している。需要は、価格設定や広告などの分野に大規模データの分析を応用する組織と、より複雑になった世界経済から生じるが、雇用は一部、政府の予算に左右されるとしている。AIには触れていない。

立場のある名指しの人物が、ある日付に、帰属のつく言明として何かを公けに予測した。誰がいつ何を言ったのかが確かめられるまま残るように記録するのであり、そして業務の判断を決して動かさない。予測は観測ではないからである。その価値は後から来る——この記録は、その職業についての証拠と同じページの上に載るので、予測を読む人は、そのあと何が起きたかの記録を隣で読むことになる。それが決算である。この site は、ある予測が当たったかどうかについて何の判定も公表しない。

ドイツ。この中央銀行の総裁によれば、機械学習の応用はインフレ、金利、財政支出、さらに貸出と貿易の量のモデル化に使われているが、経験上こうした手法は伝統的な手法より常に優れているわけではなく、AIは追加の道具として職員を補完するもので、専門家の知識に取って代わるものではない。同行はまた、職員がテキストベースのアシスタントを設定できる基盤を公開した。機関の長が自らの機関の仕事を説明したものである。

雇用主がそれを本番に置いた。基準線を動かしうる——規模と、その場がどれだけ似ているかで重みづけされる。

米国。同理事によれば、連邦公開市場委員会は政策の策定や決定にAIを使っておらず、執筆、コーディング、研究などほかの業務で職員を補助するために使っている。また多くのAIの道具はまだ実運用に移せる段階になく、米連邦準備制度での研究は慎重に、よく考えながら進められている。一つの機関についての政策担当者の発言である。

失敗、撤回、規制、あるいは費用が導入を抑えている。判断を下げる、あるいはその不確かさを広げることがある。

米国、米連邦準備制度理事会のスタッフ。言語モデルがマクロ経済データをどれだけ正しく思い出せるかを試し、著者らは、全体としては正確に思い出せるものの、二つの重要な誤りがあることを見いだしている。速報値を後の改定値と混同することと、過去と将来の期間のデータを混同することである。どの日をとっても、モデルはまだ公表されていないデータを手にしていると思い込みやすく、これが歴史的な分析や、リアルタイムの予測担当者をまねる用途での利用を制限している。

実演、ベンチマーク、あるいは論文が、その業務をやれることを示している。技術に何ができるかを更新するのであって、雇用主が何をするかを更新するのではない。

世界の中央銀行、2024年9月から11月にかけて調査。報告書によれば、AIの応用が最も進んでいるのは統計と経済研究で、とりわけナウキャスティング、センチメント分析、外れ値の検出である。しかしAIの用途のうち本格的な規模の実装に至るのはおよそ4分の1にすぎず、中央銀行はまだ日々の業務でAIを使うというより、主に試行している段階である。数えているのは用途であり、職員の時間ではない。

実際の場での小規模な試行。導入の条件が試されていることを教えてくれるのであって、それが成り立つことを教えてくれるのではない——だから一件の試行は単独では決して足りず、独立した二件で足りる。

研究者288人を103チームに無作為に割り付け、公表済みの社会科学の結果を計算によって再現させた実験。人間だけのチーム、AI支援のチーム、AIを最小限に指示するだけのチームである。人間のチームはAI支援のチームと同じ成功率を示し、AI主導のチームより成功率が57パーセンテージポイント高く、重大な誤りを両者より有意に多く見つけた。2024年のモデルを使ったディスカッションペーパーである。

実演、ベンチマーク、あるいは論文が、その業務をやれることを示している。技術に何ができるかを更新するのであって、雇用主が何をするかを更新するのではない。

これから始めるなら、機械学習のモデルとAIによるコーディングの補助が仕事の一部になると見ておこう。機関がいまも人を必要としていると言うことを身につけよう。データとその改定を知ること、モデルが間違っているときを見抜くこと、そして分析を誰かが実行に移せる助言に変えることである。

コーディングは速くなり、確認すべきモデルの出力は増えると見ておこう。数字が意思決定にとって何を意味するかの判断は、これからもあなたが担う。

職の形を組み替える

モデルを検証する人になる

中央銀行は機械学習を伝統的なモデルと並べて使い、常に優れているわけではないとしている。また言語モデルはデータのバージョン(ヴィンテージ)を取り違える。

留まって強くする

政策の分析と助言にとどまる

中央銀行はAIが政策の決定に使われていないとしており、米国はエコノミストの増加を予測している。

隣へ移る

経済統計のデータエンジニアリングに移る

中央銀行のAIの取り組みは統計とナウキャスティングに集中しており、そこではデータと手法の両方を理解する人が必要になる。

現在の証拠を見る限りそうではない。中央銀行は予測とモデル化に機械学習を使っているが、それは専門家の知識に取って代わるのではなく補完するものだとしており、米連邦準備制度はAIを政策の決定に使っておらず、米国はエコノミストの5%の増加を予測している。

私たちはこの問いに年数では答えない。中央銀行がより多くのAIを試行から実運用へ移すかどうか、そしてモデルがデータのバージョンを取り違えなくなるかどうかを見ておこう。そのほうが、どんな日付よりも多くを教えてくれる。

現在の証拠を見る限り、確実にはできない。ドイツの中央銀行は機械学習が伝統的な手法より常に優れているわけではないとしており、米連邦準備制度のスタッフは、言語モデルが速報値と改定値を混同し、まだ公表されていないデータを前提にすることを見いだした。

これまでの証拠では、うまくはできていない。公表された結果の再現についてのランダム化研究では、AIを最小限に指示するだけのチームは、人間のチームより成功率が57パーセンテージポイント低く、AI支援のチームは人間と同程度だったが、上回りはしなかった。