生成AIは１９世紀の鉄道バブルと同じ経過をたどるのか――英国・米国の投資過熱と崩壊後に残るインフラ（AI作成）

第１　この記事が扱う問いと結論

１　同じ資本サイクルをたどる可能性は相当にある

生成AIは，１９世紀の英国又は米国の鉄道投資ブームと同じ歴史をそのまま繰り返すわけではないが，同じ資本サイクルをたどる可能性は相当にある。
すなわち，実用性が確認された新技術に資金が集中し，需要が確定する前に供給能力が増設され，長期契約と外部資金への依存が深まり，期待収益が実現しない部分から価格調整が始まるという経過である。

もっとも，価格調整が起きても，生成AIの利用やデータセンターが消えるとは限らない。
鉄道は社会的に成功したが，１８４５年の投資家が同じように成功したわけではなく，生成AIでも技術の定着と一部の株式・企業・設備の価値毀損が同時に起こり得るからである。

２　「同じ経過」は五つの段階に分けて検討する

本記事で比較するのは，①技術の実用性が先に確認される段階，②初期の成功が将来へ外挿される段階，③能力確保競争によって設備投資が需要に先行する段階，④固定的な支払義務と外部資金への依存が増す段階，⑤価格が調整された後も有用なインフラが残る段階である。
株価が上がっているという一点，又は生成AIが有用であるという一点だけで，バブルの有無を判定することはできない。

本記事は，２０２６年８月２４日までに公表された英国議会記録，米国の同時代新聞及び政府統計，企業開示並びに生産性研究を生成AIを用いて照合し，歴史的事実と現在の評価を区別して構成したものである。
将来の株価又は個別企業の存続を予測するものではなく，二つの時代の資本形成を比較するための枠組みを示すものである。

第２　１９世紀英国の鉄道狂時代に何が起きたか

１　実用性のない技術への投機ではなかった

英国の鉄道投資は，実体のない計画から始まったものではない。
１８３０年に開業したリバプール・アンド・マンチェスター鉄道その他の既存路線が輸送需要を示し，既存鉄道の交通量と配当が改善したことが，新しい路線にも同様の収益を期待させた。

当時の価格資料を復元した研究では，既存鉄道株指数は１８４３年１月の１０００から１８４５年８月の１７１７まで上昇した。
したがって，鉄道狂時代の出発点は「役に立たない技術への熱狂」ではなく，「既に役立った技術の成功を，重複路線や地方路線へ広く外挿したこと」にあった。

２　計画と認可が短期間に集中した

１８４６年４月２３日の英国下院議事録によれば，１８４５年に成立した鉄道法案は１１８件であり，認可された株式は４５８４万９０００ポンド，借入れは１４６３万５０００ポンドであった。
別の１８４６年１月２６日の議事録では，１８４５年に商務院へ持ち込まれた全計画を合計すると２万６８７マイルに達し，すべて建設すれば約３億５０００万ポンドを要すると説明されている。

すべての計画が議会を通過したわけではなく，認可された路線がすべて完成したわけでもない。
それでも，英国議会の公式史は，１８４５年から１８４７年までに８５９０マイルが認可されたとしており，議会の個別法による認可が短期間に集中した規模は極めて大きかった。

３　株価の頂点より後に建設支出が頂点を迎えた

鉄道株は１８４５年８月頃に頂点を付け，同年１１月までに１８．２％下落し，１８５０年４月までの下落率は５７．５％に達した。
この数値は，当時の鉄道株価格を研究者が指数化したものであり，新規銘柄の組入方法によって指数水準が変わるため，単一銘柄の値動きを示すものではない。

これに対し，鉄道建設投資の対国内総生産比は，１８４６年５．７％，１８４７年６．７％，１８４８年４．７％と推計されている。
株価の転換が先に起こり，議会認可と建設支出がその後も進んだという時間差は，現在のデータセンター建設を読む上で特に重要である。

４　追加払込請求と金融逼迫が重なった

当時の鉄道株は，額面全額を最初に払い込むのではなく，一部を払い込んで株式を引き受け，建設の進行に応じて会社がcallと呼ばれる追加払込を求める仕組みを広く用いた。
この仕組みは，上昇局面では少ない当初資金で大きな持分を持てるが，株価下落後も建設資金の払込義務が残るため，投資家の流動性を急速に奪った。

もっとも，１８４７年の商業危機を鉄道の追加払込だけで説明することはできない。
穀物不作と輸入増加，金流出，金利上昇，商社破綻及び１８４４年銀行特許法の下での通貨制約が重なっており，鉄道建設は金融逼迫を増幅した一要素とみるのが適切である。

５　株主損失と鉄道網の拡張は両立した

鉄道株が大きく下落しても，建設済みの線路，駅，橋梁及び接続された路線網は消滅しなかった。
後世の歴史統計を用いた研究では，英国の鉄道網は１８４４年頃の約２０００マイルから１８５０年代初めには７０００マイルを超え，輸送費の低下，市場統合及び都市形成の基盤となった。

その過程では，失敗した会社の路線が統合され，資産が新しい所有者の下で使われることもあった。
したがって，鉄道狂時代から得られる第一の教訓は，「バブルが崩壊すれば技術も無価値になる」ことではなく，「社会に有用な設備でも，当初の価格と資本構成では投資家に利益を残さないことがある」という点にある。

第３　米国の鉄道投資ブームは別の比較軸を示す

１　英国の鉄道狂時代と米国の恐慌を混同してはならない

１９世紀米国の鉄道投資は一回の「鉄道バブル」ではなく，南北戦争後の急拡張と１８７３年恐慌，その後の再拡張と１８９３年恐慌を含む複数の局面から成る。
英国の１８４０年代が部分払込株式と追加払込請求を中心としたのに対し，米国では鉄道抵当社債，銀行・証券会社による販売，レシーバーシップ及び再編が比較の中心となる。

また，１８７３年及び１８９３年の恐慌を鉄道だけで説明することもできない。
国際的な資金移動，通貨制度，金準備，銀行取付け及び農産物価格等が重なったため，本記事では鉄道を単独原因ではなく，過剰な長期投資と金融を結び付けた主要な伝播経路として扱う。

２　１８７３年には鉄道債券の販売失敗が金融危機へ波及した

ノーザン・パシフィック鉄道の資金調達を担ったJay Cooke & Co.は，同鉄道の３０年満期，金払い，年７．３％の社債を，鉄道，事業権及び土地に対する第一順位抵当で担保される安全な投資として一般投資家に宣伝した。
しかし，建設費が膨らみ，追加の社債販売が困難になると，同社は１８７３年９月１８日に営業を停止し，９月２０日にはニューヨーク証券取引所が初めて取引を停止した。

１８７３年９月２０日付New-York Daily Tribuneは，新設鉄道の社債が一般投資家向けの公示価格より安く業者間で取引されていたことを報じ，この恐慌を鉄道拡張によるものと評した。
これは同時代の一新聞による原因評価であって最終的な因果認定ではないが，鉄道会社の事業リスクが社債販売業者と金融市場へ移っていたことを示す一次資料である。

３　１８９３年には大規模なレシーバーシップが集中した

米国政府のStatistical Abstract of the United States 1909の表１６５によれば，１８９２年にレシーバーシップに入った鉄道は３６社，１万５０８マイル，株式及び社債額３億５７６９万２０００ドルであった。
１８９３年には７４社，２万９３４０マイル，１７億８１０４万６０００ドルへ急増しており，鉄道会社の信用問題が広範な資産再編へ進んだ規模を確認できる。

もっとも，同表の表題は「レシーバーシップに置かれた鉄道及び担保権実行によって売却された鉄道」であり，７４社を単純な「倒産件数」と言い換えるべきではない。
また，この表は米国政府の統計要覧に収録されたものであるが，原資料は業界誌Railway Ageであるため，行政記録に基づく全件集計と同じ確度ではない。

４　米国型は現在の債務・特別目的事業体との比較に適する

英国の事例は，株価の頂点より後に建設支出と追加払込が続く時間差を示すのに適している。
これに対し，米国の事例は，長期設備を社債で建設し，販売停止と利払不能が金融仲介業者へ波及し，その後にレシーバーシップと所有権再編が起こる経路を示すのに適している。

現在の生成AI投資が営業キャッシュフロー中心から社債，プライベートクレジット，リース及び特別目的事業体へ広がるほど，比較対象は英国型だけでなく米国型にも近づく。
鉄道網が会社破綻後も新しい所有者の下で使われたように，AIでも企業又は証券の価値が毀損した後，電力接続，建物，通信設備又は顧客基盤が再編後の事業に残る可能性がある。

第４　２０２６年の生成AI投資はどこまで膨らんだか

１　企業AI投資と設備投資は別の数値である

Stanford AI Index 2026がQuidのデータを集計したところ，２０２５年の世界の企業AI投資は５８１６億９０００万ドル，そのうち民間投資は３４４６億６０００万ドル，生成AIへの民間投資は１７０８億７０００万ドルであった。
企業AI投資には合併・買収，少数持分投資，株式公開その他が含まれるため，この金額を各社の会計上の設備投資と合算してはならない。

別の物差しである設備投資について，国際エネルギー機関は，大手テクノロジー企業５社の２０２５年の設備投資が合計４０００億ドルを超え，２０２６年にはさらに７５％増える見込みであるとする。
同じ「AI投資」という言葉でも，企業価値の移転を含む投資統計と，データセンター等を新設する設備投資では，経済的な意味が異なる。

２　大手各社の開示にも巨額の固定支出が表れている

大手企業の決算資料には，AIだけを切り出せない数値も多いが，クラウドとAIを支える設備への支出が急増していることは確認できる。
比較可能性を保つため，次の表では，各社が実際に開示した範囲と，AI専用支出ではないという留保を併記する。

Alphabetは，２０２６年６月末の重要な購入コミットメントその他の契約上の義務を８１１０億ドル，うち短期分を２００７億ドルと開示した。
主として技術インフラと在庫の長期供給契約等に関するが，コンテンツ使用許諾とエネルギーのtake-or-pay契約も含むため，全額をAI需要又はAI設備と扱うことはできない。

３　内部資金だけでは賄えない局面へ移りつつある

国際決済銀行は，AI関連投資の必要額が増えるにつれ，資金源が大手企業の営業キャッシュフローから，社債，プライベートクレジット，特別目的事業体，リース及び保証へ移ると分析する。
短期的な金融安定リスクはなお中程度と評価されているが，投資の持続可能性は高い利益期待の実現に依存し，株式市場の評価が債券市場の評価より先行している点が緊張を示すとされる。

この変化は，鉄道株の部分払込と法的に同じではない。
しかし，需要予測が外れた後にも長期購入契約，リース料，元利金又は保証が残るという経済的機能は，建設後にcallが投資家へ到来した鉄道狂時代と共通する。

４　電力と系統接続が投資速度を制約する

国際エネルギー機関は，世界のデータセンター電力消費が２０２５年の４８５TWhから２０３０年には約９５０TWhへほぼ倍増し，同年の世界電力需要の約３％を占めると予測する。
２０２０年から２０２５年までにAIサーバーの電力密度は１１倍となり，２０２７年にはさらに４倍となる見込みである。

需要予測の大きさだけでなく，送電網への接続，変圧器，冷却設備，高帯域幅メモリ及び建設期間が供給速度を左右する。
計画されたすべてのデータセンターが完成するわけではない一方，供給制約が続く間は高い価格と稼働率が維持され，それが追加投資を正当化する循環も生じ得る。

第５　生成AIは本当に生産性を高めるか

１　特定の業務では実用性が確認されている

生成AIのバブル可能性を論じる際に，技術が役に立たないと仮定する必要はない。
顧客対応担当者５１７９人を対象とした現場研究では，AI支援によって処理件数等で測る生産性が平均１４％上昇し，初心者・低技能者では３４％上昇した。

文章作成課題の無作為化実験でも，作業時間が４０％短縮し，評価された品質が１８％上昇した。
これらは，生成AIが特定の文章業務や定型的な顧客対応で既に経済価値を生み得ることを示すが，企業全体の利益又はあらゆる職種の生産性を直接示すものではない。

２　課題が能力の境界を越えると効果は反転し得る

経営コンサルタントを対象とした実験では，AIの能力範囲内にある課題で速度，作業量及び品質が向上した一方，能力範囲外の課題では正答率が１９ポイント低下した。
また，熟知した大規模オープンソース・プロジェクトに取り組む熟練開発者１６人，２４６課題の無作為化実験では，２０２５年前半のAIツールを利用した場合に完了が１９％遅くなった。

６６社，７１３７人を対象とした別の現場実験では，能動的利用者の電子メール処理時間が週約２時間減ったが，作業量又は作業構成の有意な変化は検出されなかった。
時間節約，出力品質，売上，利益及び全要素生産性は別の指標であり，短期のベンチマーク改善を長期収益へそのまま置き換えることはできない。

３　導入率は母集団によって大きく変わる

Stanford AI Indexが引用する大企業中心の組織調査では，２０２５年に８８％が何らかのAIを利用し，７０％が少なくとも一つの機能で生成AIを利用したとされる。
これに対し，米国勢調査局のBusiness Trends and Outlook Surveyでは，２０２５年１２月から２０２６年５月までの全企業を対象とするAI利用率はおおむね１７％～２０％であった。

二つの数値は，母集団，企業規模，設問及び加重方法が異なるため，いずれかが誤りであることを意味しない。
日本企業における利用実態と社内統制の問題は，別記事のシャドーAIの問題点――営業秘密，個人情報保護法及び懲戒処分をめぐる法的枠組みで扱っている。

４　マクロ経済への効果には大きな幅がある

生成AIが経済全体の生産性をどの程度高めるかについては，対象タスク，導入速度，補完投資及び品質改善の仮定によって推計が大きく変わる。
一つの構造推計は，今後１０年間の全要素生産性の押上げを０．５３％未満とする一方，OECDはG7について年平均の全要素生産性を０．２５～０．６ポイント，労働生産性を０．４～０．９ポイント押し上げるシナリオを示している。

この対立は，生成AIに効果があるか否かという単純な二択ではない。
自動化できるタスクの範囲，組織再設計の速度，新しいタスクの創出及び競争による価格低下の利益が，企業の利益と利用者の利益へどのように配分されるかについて仮定が異なる。

第６　鉄道バブルと生成AIに共通する資本サイクル

１　共通点は技術ではなく投資の機序にある

二つの時代には，物理的な線路とデジタルな計算基盤という違いがあるが，供給能力を需要より先に用意しなければならない点で共通する。
比較の中心は，鉄道とAIの機能が似ていることではなく，不確実な将来需要をめぐって各社が同時に設備を確保する投資行動である。

個々の企業にとって，競争相手より先に能力を確保することは合理的であり得る。
しかし，各社が同時に同じ判断をすれば，社会全体では重複能力が生じ，供給完成後の価格競争によって利用者の便益が増える一方，設備所有者の利益率が低下し得る。

２　技術の成功と投資家の成功を分ける必要がある

供給不足の局面で観測される高い価格と利益率は，能力増強後も続くとは限らない。
鉄道では路線が連結されて公共的価値が高まる一方，重複路線と過大な資本費が株主収益を圧迫した。

生成AIでも，推論単価の低下とモデル性能の向上は利用者にとって利益であるが，同じ計算量から得られる売上又はモデルの差別化価値を下げる可能性がある。
社会的便益の増加を，現在の株価，長期契約又は設備取得価格の正当性と同一視してはならない。

第７　鉄道バブルと同じにならない理由

１　AI資産の一部は鉄道より短寿命である

鉄道の用地，路盤，橋梁及び駅は，所有者が変わっても長期間利用できる。
これに対し，データセンターの建物と送電設備は転用可能であっても，チップ，冷却方式，電力密度及び相互接続は，次世代仕様によって短期間で経済的価値を失うことがある。

この相違は，AI側の損失を小さくするとは限らない。
線路のような長寿命資産が残る鉄道より，短寿命の機器を継続的に更新するAIの方が，技術進歩による陳腐化と再投資負担を同時に受ける可能性がある。

２　主要投資主体の損失吸収力が大きい

鉄道狂時代には，多数の新設会社と暫定委員会が計画ごとに資金を集めた。
現在の主要投資主体には，広告，クラウド，電子商取引及びソフトウェアから巨額の営業キャッシュフローを得る企業が含まれ，単一のAI計画が期待を下回っても投資を継続できる余力が大きい。

他方で，損失が大手企業本体に最初に現れるとは限らない。
単一顧客に依存するデータセンター事業体，長期契約を前提に借り入れた特別目的事業体，差別化の乏しいモデル会社又は高い倍率で保有された株式に，価値調整が先に集中する可能性がある。

３　情報開示は改善したが契約構造は複雑である

現代の上場企業には定期開示，監査及び証券規制があり，個別法による認可と未成熟な会社開示に依存した１８４０年代とは異なる。
しかし，プライベートクレジット，特別目的事業体，リース，保証及び非公開会社間の長期契約を通じて，最終的な需要リスクと信用リスクの所在が見えにくくなることはある。

大手企業の信用力が契約の一部を支えていても，最終利用者の継続需要まで保証するものではない。
金融制度が発達したことは，鉄道狂時代と同じ形の危機を起こりにくくする一方，リスクを複数の契約へ分散して発見を遅らせる可能性も持つ。

４　AIは複製と価格低下が速い

鉄道路線は地理的に固定され，並行路線を新設するには再び土地と工事が必要である。
AIモデルとソフトウェアは複製でき，モデル間の切替え，オープンモデルの利用及び推論価格の低下が鉄道運賃より速く進み得る。

普及速度が速ければ需要が設備増加に追いつき，大幅な調整を回避する可能性がある。
反対に，利用量が増えても単価低下がそれを上回れば，社会実装が進むほど設備投資の収益率が低下するため，普及の速さはバブル否定の決め手にならない。

第８　今後起こり得る四つの経路

１　四つの仮説は相互に排他的ではない

現在の資料からは，将来を一つの経路に確定できない。
特に，生産性が遅れて現れる経路と，一部の投資価格が調整される経路は同時に成立し得る。

２　最も整合的なのは技術の定着と価値調整の併存である

現時点の証拠と最も整合するのは，AIの社会実装が続く一方，短寿命設備，差別化の乏しいモデル，過大な長期契約又は高い評価額の一部で損失が生じる経路である。
これは，鉄道網が残った後に会社と所有権が再編された経過に似るが，価値が残る場所は線路ではなく，電力設備，接続権，汎用データセンター，クラウド顧客基盤及び業務データになり得る。

生成AIの出力には誤りが残るため，利用量の増加だけで業務価値を測ることもできない。
当ブログにおける出力確認の考え方は，別記事のAI作成又はAIリライトの記事におけるハルシネーション防止方法で説明している。

第９　鉄道型への接近を判定する指標

１　株価以外に八つの指標を見る必要がある

鉄道型の資本サイクルへ近づいているかを判定するには，株価又は設備投資額だけでなく，次の指標を継続して確認する必要がある。
これらは単独で結論を出す指標ではなく，需要，収益，資産寿命及び資金調達の組合せを見るためのものである。

① AI関連売上と粗利の増加率に対する，設備投資，リース，保証及び購入コミットメントの増加率
② GPU・推論設備の予約容量ではなく，実際の稼働率と顧客集中度
③ チップとデータセンター設備の経済寿命と，会計上の耐用年数・債務満期とのずれ
④ 営業キャッシュフローによる投資負担率と，社債・プライベートクレジット・特別目的事業体への依存度
⑤ 品質調整後の推論単価の低下を，利用量増加が売上として相殺できるか
⑥ 企業の導入表明ではなく，業務別の継続利用，解約及び検証済みの投資収益率
⑦ 電力系統接続待ち，take-or-pay契約，建設遅延及び計画取消しの割合
⑧ 出資，クラウドクレジット及び相互購入を除いた外部顧客からの売上

２　建設が続いていることは価格調整を否定しない

鉄道株の頂点は１８４５年８月頃であったが，建設支出の頂点は１８４７年であった。
したがって，データセンターの建設が続き，設備投資計画が増えているという事実だけでは，金融市場の転換がまだ起きていないことの証拠にならない。

同時に，株価下落が起きても，生成AIの需要又は技術価値が消えたと推論することはできない。
価格，建設，利用量，粗利及び資金調達は異なる時点で転換するため，それぞれを分けて観察する必要がある。

第１０　この比較から言えることと言えないこと

１　バブルか否かは技術の有用性だけでは決まらない

生成AIが文章作成，顧客対応又はプログラミングの一部で有用であることは，現在のすべての設備投資と企業評価が適正であることを意味しない。
反対に，一部の企業又は株式が大きく値下がりしても，生成AIが長期的に定着しないことを意味しない。

バブルの有無を分けるのは，設備完成後の利用量，単価，粗利，資産寿命及び資金調達費用が，現在の評価額，長期契約及び債務を支えられるかである。
この問いへの回答には非公開会社の売上原価，契約上の最低購入量，設備稼働率及び最終的な信用リスク保有者が必要であるが，現時点でその全体は公表されていない。

２　同じ「崩壊」でも損失の場所は異なり得る

鉄道型の経過をたどる場合でも，必ず大手テクノロジー企業が破綻するという意味ではない。
大手企業の利益で吸収される場合，非公開モデル会社又はデータセンター事業体に損失が集中する場合，設備価格だけが下落する場合，株式の評価倍率だけが修正される場合があり，経路ごとに金融システムへの影響は異なる。

２０２６年８月２４日時点で妥当なのは，「鉄道型の資本サイクルをたどる可能性はあるが，同一の歴史再演とはいえない」という限定された結論である。
最もあり得るのは，生成AIの長期的な定着と，現在の一部投資家・設備・企業の価値毀損が同時に起こる経路である。

出典・参考資料

１　同時代記録・公的歴史資料

①英国議会下院議事録Railway Bills（１８４６年４月２３日）
②英国議会下院議事録Railways（１８４６年１月２６日）
③英国議会下院議事録Railways（１８４７年１１月２６日）
④UK ParliamentFire and Steam
⑤Library of CongressThe Panic of 1873
⑥New-York Daily Tribune, １８７３年９月２０日付７頁
⑦Jay Cooke & Co., Why Northern Pacific railroad 7-30 gold bonds are a good investment for the mechanic, operative, laborer and farmer?
⑧Wheeling Daily Intelligencer, Northern Pacific 7-30s広告掲載紙面
⑨Library of CongressMapping the Northern Pacific Railroad

２　企業開示・国際機関・公的統計

①Stanford Institute for Human-Centered AIArtificial Intelligence Index Report 2026，Chapter 4: Economy
②Alphabet Inc.Form 10-Q for the quarter ended June 30, 2026
③MicrosoftFY 2026 Q4 Earnings
④Meta Platforms, Inc.Meta Reports Second Quarter 2026 Results
⑤Amazon.com, Inc.Amazon.com Announces Second Quarter Results
⑥International Energy AgencyKey Questions on Energy and AI，Executive summary（２０２６年）
⑦Bank for International SettlementsFinancing the AI boom: from cash flows to debt，BIS Bulletin No 120（２０２６年１月７日）
⑧Bank for International SettlementsAI in finance and financing AI，BIS Quarterly Review（２０２６年３月）
⑨Bank of EnglandFinancial Stability Report，July 2026
⑩U.S. Census BureauAI Use by Businesses Increased Modestly Over the Last 6 Months
⑪U.S. Bureau of the Census, Statistical Abstract of the United States 1909, Table 165，287頁（原資料はRailway Age）

３　論文・文献

①Gareth Campbell, Government Policy during the British Railway Mania and the 1847 Commercial Crisis, Queen’s University Centre for Economic History Working Paper 09-01（２００９年）
②Gareth Campbell, Myopic Rationality in a Mania, Explorations in Economic History, Vol.49, Issue 1, 75頁～91頁（２０１２年）
③Paul Johnson, Market Disciplines in Victorian Britain, Working Papers on The Nature of Evidence, No.06/05（２００５年）６頁（PDFビューア８頁）
④板谷敏彦『金融の世界史―バブルと戦争と株式市場』（新潮選書，新潮社，２０１３年）１４３頁～１４７頁
⑤Erik Brynjolfsson, Danielle Li and Lindsey R. Raymond, Generative AI at Work, NBER Working Paper 31161
⑥Shakked Noy and Whitney Zhang, Experimental Evidence on the Productivity Effects of Generative Artificial Intelligence, Science, Vol.381, Issue 6654（２０２３年）
⑦Fabrizio Dell’Acqua et al., Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of AI on Knowledge Worker Productivity and Quality, Organization Science（２０２５年）
⑧METR, Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity
⑨Eleanor W. Dillon et al., Shifting Work Patterns with Generative AI, NBER Working Paper 33795
⑩Daron Acemoglu, The Simple Macroeconomics of AI, NBER Working Paper 32487
⑪OECD, Miracle or Myth? Assessing the Macroeconomic Productivity Gains from Artificial Intelligence（２０２４年）

４　関連記事

①山中弁護士がAI作成又はAIリライトの記事を投稿するときに行っているハルシネーション防止方法（AI作成）
②シャドーAIの問題点――営業秘密，個人情報保護法及び懲戒処分をめぐる法的枠組み（AI作成）
③生成AIは２０００年前後のITバブルと同じ経過をたどるのか――株価，企業淘汰，設備投資及び金融危機を分けて考える（AI作成）