米国時間2026年3月27日、ベイラー大学の経済学者スコット・カニンガムは、連邦準備制度理事会（FRB）の理事会で実演付きプレゼンテーションを実施し、異例のことをした。AIについて講義するのではなく、彼らが見守る中で、AIを実際に使い、リアルな経済研究をその場で行ったのだ。AIエージェントが再現性アーカイブをクロールし、30万5000本の議会演説をダウンロード。移民に対する感情で各演説を分類し、画期的研究を概ね再現する結果を返した。総コストは11ドルだった。
プレゼンのタイトルは「研究労働のためのAIエージェント（AI Agents for Research Workers）」。カニンガムがデモを軸に構築した枠組みは、実に居心地の悪い結論へと導く。研究者の生産性を高める同じ技術が、対応を誤れば、研究の質を悪化させうるというのだ。カニンガムが正しいなら、これがあらゆる種類のナレッジワークに当てはまることは疑いない。
筆者はこのプレゼンについてカニンガムと長時間にわたり話した。そこから浮かび上がったのは、スライド資料では捉えきれない率直さだった。これらのツールを布教しながら、同時にそれが自分自身と私たちに何をもたらしているのかを案じる研究者の肖像である。
AIエージェントとは何か
多くの人はAIをチャットボットだと考えている。人が質問を入力し、システムが回答を返し、人がその結果を作業中の何かにコピペする。一方AIエージェントは異なる。ファイルを読み、コードを書き、実行し、エラーに遭遇し、原因を診断して修正し、作業を続ける。これらすべてをプロジェクトディレクトリー（フォルダー）内で行い、人間がコードを1行も打ち込まずに進める。これは極めて大きい。なぜなら、ナレッジワークの成果物の大半は、根本的にはデジタルファイルとして符号化されており、仕事そのものに当たる操作は、それらのファイルの変更にすぎないからだ。AIエージェントにより、人間の役割は作業者（オペレーター）から監督者へと移る。カニンガムの整理では、人間がプリンシパル（依頼人）となり、エージェントはその名のとおりエージェント（代理人）となる。
重要なのは、エージェント的技術が、自動化が可能な仕事の範囲を変える点にある。チャットボットはスクリプトを書くのを助けられる。一方エージェントは、3つのプログラミング言語にまたがる分析パイプライン全体を同時に走らせ、結果がどこで分岐したかを示すことができる。
カニンガムがエージェントを知ったのは2025年11月だった。動かせない締め切りを抱えた重要プロジェクトの渦中にいたときだ。「自分で自分を追い詰めてしまった」と振り返る。実証面の問題は層をなし、絡み合い、通常なら何週間も食い潰す類いのものだった。彼はそれをエージェントに渡した。「あんな感覚は経験したことがなかった」と言う。2025年12月にはそのSubstack投稿を書き、主に社会科学の量的研究者である読者に対し、彼らはまだこのツールを知らないだろうが、まもなく耳にするのはそればかりになると伝えた。投稿は、研究業務でAnthropic（アンソロピック）のClaude（クロード）を使う連載の出発点となった。彼のSubstack全体の購読者は6000人増加した。
生産性のパラドックス
カニンガムは、科学の認知的アウトプット（研究・分析・コード）を、経済学者が生産関数と呼ぶものとして捉える。投入要素が結合して産出を生む仕組みを形式的に表すモデルである。製造業なら投入要素は労働と資本だろう。ここでは人間の時間と機械の時間である。AI以前、両者は補完関係にあった。認知的な仕事を生み出すには常に両方が必要で、厨房に料理人とオーブンの双方が要るのと同じだ。機械の能力が上がるにつれ、この関係は変わる。投入要素は代替関係になり、経済学的にはコーナー解（すべて機械、人間はゼロ）へと押しやられていく。
カニンガムによれば、ここに問題がある。人間の時間は単なる労働ではない。注意（アテンション）が人的資本、すなわち研究者の仕事を読むに値するものにする知識と判断へと蓄積される、そのメカニズムなのだ。時間が注意を生み、注意が知識を生み、知識が判断を生む。AIはこの連鎖を完全に迂回し、いきなりアウトプットへと飛び越えられる。研究者がエージェントを使いつつも自分の時間投資を維持するなら、アウトプットは疑いなく増える。だが、機械に関与を置き換えさせてしまうと、カニンガムが「危険地帯（danger zone）」と呼ぶ状態に入り、AIがなければ何とかできたはずのものよりも悪い仕事を生みかねない。
理論を裏付ける実証
筆者はこの議論に説得力を感じる。自然科学研究で目にする状況とも響き合う。良い研究論文は、1000〜3000人時、場合によってはそれ以上の労力を要する。その時間の多くは、渦中にいるときは雑務に感じられるが、データのどこが重要でどこが重要でないか、あるいはアーティファクト（見かけの効果）か、エラーかを見抜く判断力を科学者が身につける過程でもある。AIはその時間を圧縮できる。しかし、その時間が生み出しているものを代替できるかどうかは別の問いだ。
ハーバード・ビジネス・スクールによる最近の研究は、代替できないことを示唆している。イアヴォル・ボジノフ率いる研究チームは、金融サービス企業の従業員78人に、AI支援の有無で投資記事を書く課題を与えた。AIは執筆時間をおよそ4分の1にまで短縮した。しかし、課題から遠い専門性を持つワーカー、つまり投資について書くテクノロジー専門家は、AIをフルに使えても、領域の専門家よりスコアが約13％低いままだった。ツールは時間を劇的に圧縮したが、知識のギャップは埋めなかった。
理論提唱者の葛藤
対話の中で、カニンガムは自分なりのこの緊張関係を語った。彼は現在、学術論文を読む際、エージェントに論文をチャンクに分割させ、それぞれを要約し、インタラクティブなスライドデッキを生成させている。論文そのものを読むよりそれを好むという。だが、その好みが何かを蝕んでいないかを心配している。「自分が自分に何をしているのかが、わからない」と彼は言った。「自分のスキルを失っているのだろうか？」その問いは本気だった。現時点で、彼は答えを持っていない。
