The Stratification Called Choice 選択という名の階層化

When knowledge becomes a commodity, options multiply. But access to those options and the capacity to turn them into a life of one's own are not distributed alike. Redistribution in the age of AI has to reach past income, to the conditions under which the capacity to choose is grown. 知識がコモディティになると、選択肢は増える。けれど、選択肢へのアクセスと、それを自分の生へ変える能力は同じようには配られない。AI時代の再分配は、所得だけでなく、選べる能力が育つ条件まで考えなければならない。

AI has made a great many things cheap, fast, and reasonably accurate. Research and organization that a little while ago would have required an expert can now be started with ChatGPT, Claude, or Gemini with barely a thought for the marginal cost. Knowledge itself has not become entirely free, but the cost of acquiring it and working with it is certainly falling fast. This is, at bottom, a good thing. Help that only a few could once afford now reaches widely, and questions that were too expensive even to ask become askable. The floor of society rises, and the number of options grows.

AIによって、多くのものが安く、速く、かなり正確に手に入るようになった。少し前なら専門家に頼まなければならなかった調査や整理も、いまではChatGPTやClaude、Geminiを使えば、ほとんど限界費用を意識せずに始められる。知識そのものが完全に無料になったわけではないが、その取得と加工の費用が急速に下がっていることは確かだ。これは基本的には良いことである。これまで一部の人しか買えなかった助けが広く届き、費用が高すぎて尋ねることさえできなかった問いにも手が届く。社会の底が上がり、選択肢の数は増える。

But more options is not the same as being able to choose well. And the cheaper knowledge becomes, the more the scarcity of other things rises into view: having a person who understands your circumstances give you their time; having the experience and the counsel that support a judgment; and above all, having room to choose without hurrying.

ただ、選択肢が増えることと、よく選べるようになることは同じではない。そして知識が安くなるほど、別のものの希少性が浮かび上がってくる。自分の事情を理解した人間に時間をかけてもらうこと、判断を支える経験や助言を得ること、そして何より、急がずに選べる余地を持つことである。

Behind the phrase "now you can choose," what has been made equal, and what has not? This essay is an attempt to think about that boundary.

「選べるようになった」という言葉の背後で、何が均等になり、何が均等にならないのか。本稿では、その境界を考えてみたい。

1Access to Options, and the Capacity to Choose選択肢へのアクセスと、選べる能力

Choosing begins with the tools to reach the options at all, and AI is making that first condition rapidly cheaper. But laying the same options in front of two people does not guarantee the same outcome, because at least two resources remain after access. One is the slack to think without hurrying and, if it comes to that, to wait. The other is the ability to read the differences between options, to imagine where each one leads, and to judge what actually matters to you.

選択には、まず選択肢へアクセスするための道具が要る。AIはこの第一の条件を急速に安くしている。しかし、同じ選択肢を目の前に並べても、そこから同じ結果が生まれるとは限らない。アクセスの後には、少なくとも二つの資源が残るからである。一つは、急がずに考え、必要なら待つことのできる余力。もう一つは、複数の選択肢の違いを読み、その帰結を想像し、自分にとって何が重要なのかを判断する力である。

Let me call the second one, plainly, a discerning eye. Not a gift one is born with: it is judgment formed out of education, experience, failure, someone to consult, access to expertise, and the accumulated time of having chosen and chosen again.

ここでは後者を、少し平易に「見分ける目」と呼ぶことにする。ただし、それは生まれつき持つ能力という意味ではない。教育、経験、失敗、相談できる相手、専門家へのアクセス、そして何度も選び直してきた時間の蓄積によって形成される判断力である。

Given the same options, a person with enough slack and enough experience behind their judgment can compare, wait, and consult a specialist if need be. A person pressed for time or money may have no choice but to take the nearest answer. As options multiply, that gap does not disappear; in some cases it is amplified into a gap in outcomes.

同じ選択肢を与えられても、十分な余力と判断を支える経験を持つ人は比較し、待ち、必要なら専門家へ相談できる。一方、時間や資金に追われていれば、最も近い答えを選ぶしかないこともある。選択肢が増えるほど、その差は消えるどころか、場合によっては結果の差として増幅される。

This overlaps with Amartya Sen's argument that what matters is not income or the holding of goods but capability — what kind of life a person can actually choose and realize. What Sen put in question was that even where the same resources are formally given, the substantive freedom to convert them into a life worth valuing differs from person to person.

この問題は、アマルティア・センが所得や財の保有だけでなく、人が実際にどのような生を選択し、実現できるかという潜在能力（ケイパビリティ）を重視した議論とも重なる。センが問題にしたのは、形式的に同じ資源が与えられていても、それを価値ある生へ変換する実質的な自由は人によって異なる、ということであった。

"You can choose for yourself" hides this difference easily. Look only at the options, and freedom has expanded. Look as far as the conditions for choosing, and there is another distribution underneath.

「自分で選べる」という言葉は、この差を隠しやすい。選択肢だけを見れば自由は拡大している。しかし、選ぶための条件まで見れば、そこには別の分布がある。

2Why Human Time Grows Dearer人間の時間は、なぜ高くなるのか

A second change lies on top of the first. The more AI cheapens standard knowledge work, the more the services in which a human being spends time on the particulars of a case may become, in relative terms, scarce.

ここでもう一つの変化が重なる。AIが標準的な知識処理を安くするほど、人間が時間をかけて個別事情を扱うサービスは、相対的に希少になる可能性がある。

Economics has an old concept for thinking about this: Baumol's cost disease. This June, on the second day of a four-day program at Harvard Business School, the name came up. There was something pleasing in the pairing — a half-century-old idea produced in a room that was talking about AI. The number of players and the minutes required to perform a string quartet do not fall dramatically as technology advances. In manufacturing, mechanization raises output per person. When wages rise in the high-productivity sector, the sectors that cannot save much human time — education, medicine, care, the arts — must raise wages too, simply to hold on to their people. Relative costs climb while productivity does not.

経済学には、この現象を考えるための古い概念がある。ボーモルのコスト病である。この六月、ハーバード・ビジネス・スクールで四日間の講座を受けたとき、二日目にこの名前が出てきた。半世紀前の概念がAIの話をしている部屋で持ち出される、その取り合わせが面白かった。弦楽四重奏を一曲演奏するのに必要な奏者の人数と演奏時間は、技術が進歩しても劇的には減らない。一方、製造業では機械化によって一人あたりの生産性が上がる。生産性の高い部門で賃金が上昇すれば、教育、医療、介護、芸術のように人間の時間を大きく節約しにくい部門でも、人材を確保するためには賃金を上げなければならない。その結果、生産性が大きく伸びないまま相対コストが上昇する。

In the phase where AI mainly raises the productivity of information processing, that relative price gap may widen further. Standard explanations, first-pass diagnostic support, routine paperwork all become cheap. Meanwhile, having someone understand your circumstances, weigh the exceptions, talk it through, and carry responsibility for the judgment is not so easily reproduced at the same speed.

AIが主として情報処理の生産性を上げる段階では、この相対価格の差をさらに広げる可能性がある。標準的な説明、一次的な診断補助、定型的な事務処理は安価になる。一方、自分の事情を理解し、例外を考慮し、対話し、その判断について責任まで引き受けてもらうことは、簡単には同じ速度で複製できない。

The point here is not that being attended to by a human being carries value in itself. It is not enough for a person to be sitting there. What grows scarce is human time spent reading the particulars, judging, and bearing responsibility for the result. If only that part remains as an expensive tier, then in medicine and in education alike a structure may form in which the standard service is amply covered by machines while individual human judgment carries a surcharge.

ここで問題なのは、「人間が対応すること」自体に価値があるという話ではない。人間が座っていればよいわけではない。希少になるのは、個別事情を読み、判断し、その結果について責任を負うために人間の時間を使うことである。もしこの部分だけが高価な層として残れば、医療でも教育でも、「標準的なサービスは機械で十分に受けられるが、人間による個別判断には追加料金が要る」という構造が生まれるかもしれない。

By then, the options have multiplied. Whether the quality of those options is distributed alike is another matter.

そのとき、選択肢は増えている。しかし、選択肢の質が同じように配られているとは限らない。

3AI Cures the Disease, and Moves ItAIは病を治し、同時にその所在を変える

The opposite possibility has to be considered here as well. If AI does not stop at information processing but joins sensors, robotics, autonomous driving, and diagnostic equipment, it moves into the service industries themselves, where productivity has been hard to raise. Warehouses, stores, hospitals, care, cleaning — if productivity rises in the places that have required a great deal of physical human work, the cost disease is eased. For society that is plainly desirable.

ただし、ここで反対側の可能性も考えなければならない。AIが情報処理だけにとどまらず、センサー、ロボティクス、自動運転、診断装置などと結びつけば、これまで生産性を上げにくかったサービス業そのものへ入っていく。倉庫、店舗、病院、介護、清掃など、人間の物理的な作業を多く必要としてきた領域で生産性が上がれば、コスト病は緩和される。これは社会にとって明らかに望ましい。

So it is not accurate to think in one direction, that AI worsens the cost disease. AI has both the power to make the already high-productivity sectors more efficient still, widening the relative price gap, and the power to make the low-productivity sectors themselves efficient, narrowing it. What is interesting is the case where the latter advances. A single service divides into the part that is easy to automate and the part that is not. Reception, information gathering, routine processing, and standard explanation move to AI and robotics, and the cost of the service as a whole falls. What remains inside it is finding the exception, judging the weight of the particulars, deciding under ambiguity, and taking responsibility for the outcome.

したがって「AIはコスト病を悪化させる」と一方向に考えるのは正確ではない。AIには、既に高生産性だった部門だけをさらに効率化して相対価格差を拡大する力と、これまで低生産性だった部門そのものを効率化して差を縮める力の両方がある。興味深いのは、後者が進んだ場合である。一つのサービスが、自動化しやすい部分と、自動化しにくい部分へ分かれていく。受付、情報収集、定型処理、標準的な説明はAIやロボティクスへ移る。その結果、サービス全体の費用は下がる。一方、その中に残るのは、例外を見つけること、個別事情の重みを判断すること、曖昧な状況で決断すること、そして結果について責任を引き受けることになる。

I watch this division every day in clearing. Trades are matched, margin is calculated, collateral moves. Most of that has long been the machine's work; no one checks it one item at a time. People remain, not to make the ordinary day faster, but to reach a judgment on the day something breaks and the situation falls outside what the rules anticipated. What is asked of them then is less the speed of the calculation than knowing what their own model fails to see. And when a judgment is made, the record keeps who made it.

私はこの分かれ方を、清算の実務で毎日見ている。取引を突き合わせ、証拠金を計算し、担保を受け渡す。その大半はとうに機械の仕事で、人が一件ずつ確かめてはいない。それでも人が残っているのは、平時の処理を速くするためではなく、何かが壊れた日に、ルールが想定していなかった事態へ判断を下すためである。そこで問われるのは、計算の速さよりも、自分たちのモデルが何を見落としているかを知っていることだ。そして下した判断には、誰が決めたのかが記録として残る。

Seen this way, AI may not simply cure the cost disease but relocate it inside the service.

そう考えると、AIはコスト病を単純に消すのではなく、サービスの内部で、その所在を変えるのかもしれない。

The shell that can be automated becomes cheap. The core that needs human judgment to the end grows, in relative terms, scarcer still. "AI cures the cost disease" and "individual human judgment becomes a luxury" do not necessarily contradict each other. They are the same productivity revolution seen from different layers.

自動化できる殻は安くなる。その一方で、最後まで人間の判断を必要とする芯は、相対的にはさらに希少になる。「AIがコスト病を治す」という話と、「人間による個別判断が贅沢になる」という話は、必ずしも矛盾しない。同じ生産性革命を、別の層から見ているのである。

4What Can Cash Deliver?現金は何を配れるのか

If what has been said so far holds, the question becomes how to redistribute the surplus AI generates. Productivity may rise sharply, but if the fruit pools in a few hands, the layer with access to slack and to high-quality human counsel stays narrow.

ここまでの話が正しいなら、AIが生んだ余剰をどう配り直すかという問題が出てくる。生産性が大きく上がっても、その果実が一部に集中すれば、余力や人間による高度な助言へアクセスできる層は限られたままになる。

The most straightforward redistribution is cash. Unconditional transfers and basic income have at least one clear function: they loosen the constraints of daily life and reduce the number of situations that have to be decided in a hurry. In other words, they can increase the slack available for choosing.

最も分かりやすい再分配は現金である。無条件の現金給付やベーシックインカムには、少なくとも一つ明確な機能がある。生活上の制約を緩め、急いで決めなければならない状況を減らすことだ。言い換えれば、選択のための余力を増やすことができる。

In OpenResearch's study of unconditional cash in the United States, about 1,000 low-income adults received $1,000 a month for three years, against a control group of about 2,000 receiving $50 a month. Recipients reduced their working hours by roughly 1.3 hours a week on average, while being more likely to be searching for work and more likely to have applied. The researchers themselves write carefully that the number of applications in fact fell, and that when the job-search measures are taken as a bundle the difference cannot be called significant. It may be that cash did not push people away from work but made the search more selective; the evidence does not go that far.

OpenResearchによる米国の無条件現金給付研究では、約1,000人の低所得層の成人が月1,000ドルを三年間受け取り、約2,000人の対照群には月50ドルが支給された。受給群は平均で週1.3時間ほど労働時間を減らした一方、求職している確率は高く、応募した確率も高かった。ただし研究者自身は、応募の件数はむしろ減っており、求職に関する指標を束ねると有意な差とは言えない、と慎重に書いている。現金が仕事から人を遠ざけたのではなく、探し方が選別的になった可能性はあるが、そこまでは言い切れていない。

Nor is it right to dismiss cash redistribution as delivering slack and nothing more. Income acts on agency. When the whole of your attention is taken up by how today's bill gets paid, it is hard even to think about next year's work or education.

現金による再分配を「余力だけ」と切り捨てるのも正しくない。所得は主体性に作用する。今日の請求書をどう払うかだけで頭を占領されていれば、来年の仕事や教育について考えること自体が難しい。

Even so, cash alone does not make everything equal. Good education, work in which experience accumulates, someone you trust enough to consult, access to expertise, an environment where a failure can be recovered from, and the chance to calibrate judgment over a long time — these have a distribution of their own, separate from income.

それでも、現金だけですべてが均等になるわけではない。質の高い教育、経験を積める仕事、信頼して相談できる人、専門家へのアクセス、失敗してもやり直せる環境、そして判断を長い時間をかけて校正する機会は、所得とは別の分布を持っている。

So the discerning eye is, I think, less something to be handed out than a question of how the conditions for growing it are arranged within a society.

だから「見分ける目」は、配るものというより、育つ条件を社会の中にどう配置するかという問題なのだと思う。