MIT コンピュータサイエンス・人工知能研究所（CSAIL）は AI 自動化の経済可行性に関する研究を発表し、業界のナラティブと対照的な結論を明らかにした：現在、AI 自動化が経済的に代替できるのは、視覚関連業務の賃金コストの約 23% のみである。
核心発見
研究チームは職場における AI 自動化のシステム分析を行い、特にコンピュータビジョン関連のタスクに焦点を当てた。以下の発見があった：
- 23% の賃金可行性：現在の技術レベルとコスト構造において、視覚関連業務の賃金コストの約 23% のみが AI 自動化によって経済的に代替可能
- 計算コストが主要な障壁：高品質の視覚処理を必要とするタスクでは、計算コストが代替される人件費を上回ることが多い
- 非視覚タスクの可行性がより高い：対照的に、純粋なテキスト処理とデータ処理タスクの自動化経済可行性は著しく高い
これは、過去数年間にコンピュータビジョン技術が顕著な進歩を遂げたにもかかわらず、実際のビジネスシナリオにおいて AI で人間の視覚作業者を代替する経済的根拠がまだ成り立たないケースが多いことを意味する。
Nvidia VP の補完的視点
同じ議論の文脈において、Nvidia の応用深層学習バイスプレジデントは Axios に対して注目すべきデータを明かした：彼のチームにとって、計算コストは従業員コストを大幅に超えているという。
この 2 つのデータポイントは興味緊張関係を作り出している：
- 一方では、AI 業界は 2026 年に約 7400 億ドルの設備投資を行い、大規模な計算インフラを展開している
- 他方では、MIT の研究はほとんどのビジョン中心岗位の AI 自動化が経済的に可行でないことを示している
- 同時に、業界ではすでに約 92,000 人のレイオフが発生している
これらのデータポイントは、現在の AI 投資ブームにおいて構造的なミスマッチが存在する可能性を示唆している——資本は計算インフラに大量に投入されているが、実際の商用展開シナリオは予想よりも限定的である。
業界への影響
この研究は AI 業界にいくつかのレベルでの示唆を与えている：
投資家向け：AI 自動化プロジェクトの ROI モデルを再検討する必要がある。「AI でできる」ことすべてが「AI でやるべき」ことではない。
企業リーダー向け：AI 変革を計画する際、経済可行性の高いシナリオ——テキスト処理、データ分析、ワークフロー自動化など——を優先し、視覚関連の「派手な」アプリケーションを盲目的に追求すべきではない。
実務者向け：視覚関連岗位（品質検査、画像分析、デザイン審査など）の代替リスクは予想より低い可能性があるが、これは安全を意味しない——計算コストの低下に伴い、経済可行性の境界は継続的に拡張される。
MIT のより大きな図
これは MIT の AI 雇用影響に関する唯一の研究ではない。2025 年 12 月の別の MIT 研究では以下の発見があった：
- 現在の AI システムは米国の既存労働力の約 12% を自動化可能
- 影響を受けるのは技術固有の岗位だけでなく、金融、人事、オフィス管理などの役割も含む
- 入門級開発者岗位はすでに減少している
しかし MIT は重要な区別を強調している：AI ができることと企業が実際に AI をどこに展開するかは全く異なる問題である。経済可行性はこの 2 つの質問を結ぶ橋である。