AIの最も残酷な点は、貧しい人に答えを与えないことではない。

逆に、それは誰にも答えを提供します。

それは学生の論文の枠組みを提供し、職員のメールテンプレートを提供し、起業家のビジネスプランを提供し、一般の人々に法律の説明、投資アドバイス、キャリアプランを提供する。答えがこれほど安価で、これほど豊富で、これほど本物のように感じられたのは初めてだ。

しかし、問題はここにあります：答えが誰にでも手に入るとき、真正に希少になるのは答えではなく、答えを判断する能力です。

新しい情報の貧困とは、AIの外にいる人々ではなく、すでに答えを手にしているが、その答えを判断する能力もなく、現実の機会に活かす条件を持たない人々である。

インターネット時代の情報貧困層とは、ネットから排除された人々である。解決策は明確に見える：インターネットに接続し、デバイスを普及させ、識字率を向上させる。検索エンジン時代はやや複雑で、キーワードを抽出し、情報源をフィルタリングし、信頼性を判断する能力が必要であり、英語を少しでも理解できれば最善である。しかし、そのハードルは見えやすく、定量的に測定可能である。

AI時代の情報格差は、構造がまったく異なる。

大規模言語モデルは検索エンジンではなく、あなたに直接結論を生成します。あなたは「答えを探す」必要がなく、答えは流暢な段落や明確な手順、自信に満ちた口調で、自らあなたの前に提示されます。表面上では、ハードルが大きく下がったように見えます。しかし、ここには冷酷な構造が隠されています：答えが安価になると、誤りも同様に安価になる。そして、「この答えは信頼できるか」を判断する能力は、これまで以上に希少で、より価値があるのです。

歴史的に、汎用技術の拡散は常に同じロジックに従ってきた：新技術は、まず補完的な資本を既に保有している人々に恩恵をもたらす。活版印刷は読み書きができる人々を最初に恩恵を受けさせ、コンピュータはオフィスソフトやプログラミングを理解する人々を、インターネットは英語力と検索スキルに優れた人々をそれぞれ最初に恩恵を受けさせた。AIの補完的資本には、教育背景、専門知識、批判的思考、組織的な権限付与、支払い能力、そして最も定量化が難しい——判断力——が含まれる。

新しい技術は、最も必要としている人ではなく、最も活用できる人にまず報いる。

アプリを開く前から、不平等の最初の亀裂はすでに刻まれている。

2026年4月、AI研究機関のEpoch AIと世論調査会社のIpsosは、約5,000人のアメリカの成人を対象としたアンケート調査を実施した。三回にわたるアンケートでは、一見普通な質問——「過去1週間で、どのAIサービスを利用しましたか？」——が投げかけられた。しかし、その回答は単なる製品への好ましさではなく、収入、入口、配信が交差する地図を描き出していた。

Claudeの週間アクティブユーザーの約80%が年収10万ドル以上の家庭出身であり、Meta AIのユーザーではこの割合は37%に過ぎない。逆に、Meta AIのユーザーの約32%が年収5万ドル以下の家庭出身であるのに対し、Claudeのユーザーではこの割合は7%に過ぎない。

これらの数字が重要なのは、「金持ちは高級AIを使い、貧乏人は無料AIを使う」という最も表面的な解釈を証明するためではない。より深く問うべきなのは、なぜ異なる人々が日常生活中で異なるAIと出会うのかということである。

ある人はAIに冷蔵庫の残り物に合う夕食を提案してもらい、写真の背景を明るく調整し、SMSをより丁寧な表現に修正した。別の人はAIに顧客インタビューを整理させ、サプライヤーの見積もりを比較し、レポート内の弱い仮定を特定した。両者は同じ技術を活用しているが、一方は便利さで止まり、他方は収益、職位、交渉力の循環へと入り込んでいる。

差異はユーザーだけでなく、エントリーポイントにもある。Claudeの利用パスでは、自ら検索し、製品を比較し、能力の差を理解し、有料プランを選択したうえで、ツールをワークフローに組み込む必要があり、そのすべてのステップがユーザーをフィルタリングする。一方、Meta AIのパスはほぼ逆で、ソーシャルプラットフォームに組み込まれており、無料で摩擦が少なく、ユーザーはフィードをスクロールしたり、メッセージを送ったり、写真を見たりする合間に、受動的に出会うことが多い。

これは嗜好の市場ではなく、配分の市場である。ユーザーがツールを選んでいるように見えるが、ツールの価格とエントリーポイントもユーザーを選んでいる。

出典：epoch.ai

良いAIツールを見つけたとしても、次に待っているのは会社内の第二の分岐点です。

通常のオフィスでは、AIの登場は「解雇通知」として現れることはめったにない。まず、AIは会議の議事録、メールの下書き、テーブルの整理、顧客の分類、報告書の原稿を引き受ける。管理者にとっては、これらの自動化が時間を解放し、判断を下すことに集中できるようになるが、新人や基層従業員にとっては、これらの自動化が、自分自身を証明し、判断力を養い、より高いレベルの仕事に進むための入口を奪ってしまうのである。

この状況よりもはるかに冷たいデータ：フィナンシャル・タイムズと研究機関が共同で実施した英米労働力AI追跡調査（2026年2〜3月、英米の4,000人以上の回答者を対象）によると、最高賃金層の労働者の63%が通常の勤務日にAIを使用しているのに対し、最低の二層ではそれぞれ17%と16%にとどまっている。これは緩やかな斜面ではなく、断崖だ。

より重要な発見は、その駆動要因である。この職場調査の回帰分析によると、他の変数を制御した後、給与はAIの使用率にほぼ影響を与えていない。実際に影響を与えているのは、年齢、経験年数、業界、そして研修の4つの要因である。その中で研修の効果が最も大きく、公式なAI研修を提供する企業では、研修を受けていない同業他社と比較して、従業員の1日あたりのAI使用率が37ポイント高い。非公式な指導だけでも、24ポイントの向上が見られた。

しかし現実は、2026年初頭時点で、従業員の14％のみが雇主による公式なAIトレーニングを受講したと回答し、3分の2の人は任何形式のトレーニングも受けていない。

AIの訓練は技術的な問題ではなく、配分の問題である。誰が訓練を受けられるかが、生産性の向上の軌道に乗り込む権利を決定する。受けられない者は、ツールが画面に表示されたまま、開く権限のないアイコンに過ぎない。

AIは消費者側ではアプリケーションであり、職場側では権限である。そして、権限は常に均等に分配されるわけではない。

出典：Focaldata

これは最も隠蔽された分流であり、最も根本的な分流である。

新卒がコンサルティング会社に就職したと仮定しよう。彼はAIを使って業界分析レポートの原稿を生成し、構成は整っており、データも豊富で、语气も自信に満ちている。しかし、この業界で10年働いてきた上司が一瞥しただけで、そのレポートの2つのデータソースに方法論的な欠陥があること、そして3つ目の結論の因果関係の導出に問題があることを指摘した。上司が優れているのは、より一生懸命に働いているからではなく、その基盤——どこで間違いが起きやすいか、どこが本当の流暢さか、どこが機械が穴埋めしているだけの流暢さかを知っているからである。

これは職場調査データで見られた反直感的な発見の真の意味である：職場でAIを最も頻繁に利用しているのは、最も若い従業員ではなく、現在の職位に2〜10年在籍している従業員である。年齢をコントロールした後でも、AIの利用頻度と勤続年数の関係は依然として有意である。これは若者がAIを使いたくないからではなく、AIの価値が利用者の既存の判断能力に大きく依存しているからである。

経験はAIにとって最も重要な補完的資本であり、経験はサブスクリプションできない。

AIは「听起来懂」のコストを下げたが、「真正懂」のコストを同等に下げていない。さらに、より危険な結果が生じている：基礎が薄弱なユーザーほど、AIの出力をそのまま受け入れやすくなり、受け入れるほど判断力は育たなくなる。代理人が代わりに判断するとき、あなたは知性を消費しているだけで、蓄積しているわけではない。

ノーベル経済学賞受賞者でMITのダロン・アセモグル教授は、AIツールの使用には一定の教育レベル、抽象的思考力、定量化能力、そして技術への理解が必要だと率直に指摘した。「AIが不平等を拡大することはほぼ確実だ」と彼は述べた。

新しい情報の貧困はここで形を現す：彼らはAIを持っていない人々ではなく、AIを持ち、アクセスでき、答えを得ているが、その答えを判断する訓練が欠けている人々である。ツールとシナリオは持っているが、ツールの出力を機会に変える権限を持っていない。毎日スマートなコンテンツを消費しているが、一度もスマートさを蓄積したことがない。

しかし、AIと不平等の関係は、格差を拡大するという側面だけではない。

複数の実験研究では、制御された条件下で、AIが低スキル層の向上に更大的な効果をもたらすことが示されている。コールセンター従業員、初心者のライター、入門レベルのコンサルタントなどにその傾向が見られる。これは納得しやすい。トップエキスパートにとっては、AIから得られる限界効用は限られている一方で、これまで専門サービスを利用できなかった人が、初めてAIを使って契約書を理解するというだけでも、質的な飛躍である。

ただし、ここで指摘すべき重要な違いがあります。実験研究は「使用後の向上」を測定しているのに対し、現実のデータは「誰が実際に使用しているか」、「誰が使用を許可されているか」、「誰が使用後に結果を機会に変えるか」を測定しています。両方のデータはいずれも嘘をついておらず、まったく異なるものを測定しています。

ある技術は、実験室では格差を縮小するが、現実世界では格差を拡大する——その採用が不平等であり、状況が不平等であり、判断力が不平等であるならば。

AIは平等な技術的特性を持つが、不平等な社会構造の中で動作している。この両方が真であることが、問題の真の姿である。

各世代は、自らの時代の汎用技術が古い秩序を打破すると信じがちである。

活字印刷術が登場した後、識字者たちは数世紀にわたり恩恵を受けた。コンピューターが普及し始めた当初、それはすでにオフィスソフトやプログラミングを扱える人々の能力を拡大した。インターネットの初期の恩恵は、英語を理解し、検索ができ、アービトラージする時間と動機を持つ人々に流向した。あらゆる技術の波の中で、「今回は違う」という声は常に大きく響いたが、構造的な分断はしばしば数十年をかけてようやく顕在化する。

AIの分岐速度はより速く、分岐はより深くなる可能性がある。なぜなら、それは特定のタスクではなく、判断と言語に依存するほぼすべての作業に影響を与えるからである。そして、これが最も標準化が難しく、最も再配分が難しい能力である。

一部の人は、この格差は最終的に縮小すると考えている。オックスフォード・インターネット研究所の教授で経済史家のカール・ベネディクト・フライは、歴史的経緯を根拠にこの見解を支持している。すなわち、コンピュータの普及に伴う不平等は、数十年後に利用のハードルが低下することで徐々に解消された。この類推は決して無意味ではない。

問題は、この楽観的な歴史的類推を受け入れたとしても、Frey自身が重要な制約条件を認めていることだ。「その差が閉じるのにどれだけの時間がかかるかによる。もし10年から20年かかるなら、より懸念される。」

十年または二十年は、簡単に待てる時間尺度ではない——この期間中に就職活動をし、給与交渉をし、経験を積まなければならない人にとっては特にそうだ。

これは奇妙な歴史的瞬間です。私たちは初めて、誰もが自分自身がより賢くなっていると感じられる技術を手にしました。

この感じは、しばしば最終地点である。

真に判断力が勝敗を決める時代において、感覚を最終目標とすることは、最も高価な誤りかもしれない。