OECD「2030年までのAI軌道」/ 四つのシナリオが法に突きつける不確実性の統治雑感

　2026年2月、OECDが「Exploring Possible AI Trajectories Through 2030」と題するワーキングペーパーを公表した〔注1〕。73ページにわたるこの文書は、2030年までにAIの能力がどう推移しうるかを、四つのシナリオに分けて提示する。座長格を務めたのはOECD戦略的先見ユニットのHamish Hobbsであり、GPAI加盟国の代表やAI研究者への聞き取りを含む証拠に基づく分析である。

　読後の第一印象は、この報告書は予測をしていない、ということだった。より正確にいえば、予測できないという事実そのものを、政策立案者の前に置いている。四つのシナリオのいずれも排除できないと明言し、専門家たちが「自分の見通しに低い確信しか持てない」と認めたことを、弱さではなく知見として報告している。AIガバナンスの文脈でこの姿勢が持つ含意は小さくない。

Ⅰ　報告書の骨格

1　四つのシナリオの概要

　報告書は、2030年時点のAI能力について、次の四つの方向性を描く〔注1〕。

　注目すべきは、報告書がこれら四つのうちどれが最も蓋然性が高いかを述べていない点である。専門家の見通しは「減速」と「継続」に集まる傾向があったとされるが、「加速」シナリオや超知能バリアントを2030年までに実現可能と考える専門家もいれば、人間レベルへの到達自体に懐疑的な専門家もいた〔注1〕。

2　OECD AI能力指標の枠組み

　報告書は、各シナリオをOECDが開発中のAI能力指標（ベータ版）に沿って分解する〔注2〕。言語、社会的相互作用、問題解決、創造性、メタ認知・批判的思考、知識・学習・記憶、視覚、身体操作、ロボティック知能の九つのカテゴリについて、1から5のスケールで評価する。

　この指標が興味を引くのは、AIの能力が領域ごとに不均一であることを可視化する点にある。たとえば2024年末時点では、言語と問題解決が高いスコアを示す一方、社会的相互作用、身体操作、ロボティック知能は低い。報告書はこの不均一性を「ギザギザ」と呼ぶ必要こそないが、構造として強く意識している。先に刊行された国際AI安全報告書2026が強調した能力のギザギザ〔注3〕と、射程は共通する。

3　不確実性の源泉

　報告書が丁寧に分解するのは、なぜ予測が困難なのかという問いである〔注1〕。

　第一の不確実性は、スケーリング則の持続性である。過去十年のAI進歩は、パラメータ数、訓練データ量、計算量の拡大が予測可能な性能向上をもたらすという経験則に支えられてきた。しかし報告書は、この関係が不変の法則ではなく、過去のデータから観察された一貫した傾向にすぎないと位置づける。ある論者はAIシステムが洗練された暗記と補間で動いているにすぎず、能力の天井が存在すると主張する。他方、最近の研究では、生成AIシステムが抽象的推論を支える内部構造を自発的に形成していることが示唆されている。決着はついていない。

　第二に、推論時計算のスケーリングと強化学習による効果である。OpenAIのo1シリーズ以降、推論時に段階的に思考させる手法が登場したが、この手法の天井がどこにあるかは不明である。

　第三に、アルゴリズム上の革新の速度がある。新たなアーキテクチャの登場は予測困難であり、将来の進歩を左右する最大の未知数の一つである。

　第四に、計算資源、データ、エネルギーという物的投入の制約がある。報告書の推計では、訓練計算量は2027年頃から物理的限界に近づく可能性があるとされ、データセンターの電力需要はIEAの推計で先進国の電力需要成長の20%を占めるとされる〔注1〕。

　第五に、AI自身がAI開発を加速する再帰的効果がある。AIがソフトウェア工学を効率化すればAI開発も加速するが、ある研究ではAIツールが熟練開発者の生産性をむしろ約20%低下させたとの結果もあり、効果の方向すら定まっていない。

Ⅱ　法とガバナンスへの含意

1　不確実性それ自体が制度設計の対象となる

　このOECD報告書がAIガバナンスの議論に投げかけるのは、規制の内容ではなく規制の前提に関する問いである。

　法は通常、規律対象の性質がある程度安定していることを前提に設計される。自動車の安全基準は車両の物理特性が概ね予測可能であることを前提とするし、医薬品規制は臨床試験で有効性と安全性を事前に評価できることを前提とする。ところが、AI能力の2030年時点での到達点が「現状維持」から「人間を超越」まで幅があるとすれば、いまどの水準を想定して法を書くべきかという問いは、技術的な問題というより制度論上の問題である。

　筆者がとりわけ気になるのは、シナリオ間の制度的含意の落差が大きいことである。「停滞」シナリオが現実化すれば、現行の枠組みの漸進的な調整で足りるかもしれない。しかし「加速」シナリオが現実化した場合、ハイリスクAIシステムへの事前適合評価を軸とするEU AI法型の規制は、対象の能力が数か月単位で変容する状況に耐えられるだろうか。逆に、「加速」を想定して厳格な規制を導入すれば、「停滞」が現実化した場合には過剰規制として経済的損失を招く。

　この種のジレンマは新しくない。しかし、蓋然性の分布すら描けないという点で、AI規制は従来のリスク規制とは質的に異なる困難を抱えている。報告書が、四つのシナリオのいずれにも確率を割り振っていないことは、この困難の正直な告白である。

2　シナリオ非依存型の制度設計は可能か

　では、どのシナリオが実現しても機能する制度は設計できるのか。

　一つの方向性は、能力水準ではなく影響の深刻度に基づく規制である。EU AI法がリスクベースアプローチを採用したのはこの発想に近い。しかし、同法がハイリスクAIシステムの適用義務の延期を自ら提案している事態が示すように〔注4〕、リスク分類の枠組みが技術変化の速度に追いつけるかは別の問題である。

　もう一つの方向性は、事前規制よりも事後の監視と更新を制度の中心に据えることである。国際AI安全報告書2026が「証拠のジレンマ」と呼んだ構造〔注3〕、すなわち能力は急加速するが証拠は遅れて現れるという非対称のもとでは、事前の適合性評価に過度に依存する設計は脆い。報告書の四シナリオを横断して共通するのは、どのシナリオにおいてもAIシステムの能力は均一ではなく不均一であるという点であり、事後的にどの領域でどの程度の失敗が生じたかを追跡し、制度を反復的に修正する仕組みの方が、シナリオの変動に対する耐性が高いように思える。

3　不確実性下の法的責任

　シナリオの不確実性は、法的責任の設計にも波及する。

　たとえば、AIが月単位の専門的タスクを自律的に遂行する「継続」シナリオでは、人間の監督者に過失責任を問うことの意味が変容する。監督者は何を見ていれば過失がないといえるのか。他方、「停滞」シナリオでは、AIは依然として人間の詳細な指示に依存するから、現行の監督責任の枠組みは概ね維持できる。

　問題は、2026年の現時点で法を作る者が、2030年にどちらのシナリオが実現するかを知りえないことである。この状況で法がとりうる態度は、おそらく二つである。一つは、能力水準ごとに異なる責任のルールを定め、実際の能力に応じて適用するルールを切り替える段階型の設計。もう一つは、能力水準に依存しない一般的な注意義務を維持しつつ、何をもって「相当な注意」とするかの判断基準を、技術の到達点に応じて動態的に解釈する方法である。いずれも一長一短があるが、OECDの四シナリオが示す能力幅を前にすれば、少なくとも固定的な義務内容を今の時点で書き切ることのリスクは意識しておくべきであろう。

Ⅲ　むすびにかえて

　本報告書の核心は、「四つのシナリオを示した」ことではなく、「四つのいずれも排除できないと示した」ことにある。予測の不在を知見として提示するこの姿勢は、ガバナンスに対して二つのことを要求する。

　第一に、制度が前提とする技術像を明示する習慣である。法律の起草時に、どの程度のAI能力を暗黙に想定しているのかを書き残さなければ、想定と現実が乖離したときに制度の修正点がわからない。第二に、制度の更新手続を制度の中に組み込むことである。報告書は、専門家の見通しが数年単位で大きく変わりうることを示している。法や指針がその変化に応答するための手順をあらかじめ備えていなければ、制度は静かに陳腐化する。

　結局のところ、不確実性に対する法の応答として最も危ういのは、不確実性を無視してどれか一つのシナリオに賭けることである。四つのシナリオすべてに備えよ、という要求は非現実的に聞こえるかもしれない。しかし、すべてに備えるのではなく、どのシナリオが現実化しても制度が壊れない設計を目指す、という問いの立て方なら、検討に値するはずである。

　OECDの報告書は、政策立案者に対して「あらゆるシナリオの利益を取り込み、影響に備えよ」と助言する〔注1〕。この助言は正しい。ただし、その方法を見つけることが、助言に従うことの何倍も難しい。

（参考） AIシナリオ分析・産業爆発・知能爆発

（マガジン）「AIと法-雑感」

　※目次は以下を参照

note総則規約3条2項前段
3.2 クリエイターが制作したデジタルコンテンツの著作権は、クリエイターに帰属します。