生成AIで「学歴の値段」が下がり「現場経験の値段」が上がる——米CPS 2018〜2026年6月の分析で、AI曝露の高い職業では学校教育1年あたりの賃金リターンがChatGPT公開後に低下、経験3年目のリターンは上昇（査読前）

情報源：https://arxiv.org/abs/2610.36008
収集日：2026年10月31日
スコア：インパクト15 / 新規性12 / 注目度9 / 衝撃度18 / 根拠6 / 実現性7 = 67点

変化の核心：賃金が「学校で得た形式知」より「仕事で得た暗黙知（初期の実務経験）」に払われる方向へ動き始めました。AI曝露職では学歴1年の上乗せが縮み、若手の経験の上乗せは逆に増え、ベテランの経験の上乗せは減っています。

概要

Levy Yeyati・Judzik・Barbieroによる査読前論文（arXiv econ.GN、2026年10月28日掲載）が、米国CPSの賃金データ（2018年〜2026年6月）を分析しました。ChatGPT以前に作られたFelten-Raj-Seamans AI曝露指数で、上位4分位と下位4分位の職業を比較しています。曝露職業では公開後、学校教育1年あたりのリターンが0.55 log points低下しました。経験のリターンは潜在経験3年で+0.26、15年で変化なし、25年で−0.12で、ゼロ交差は18.1年です。

何が新しいか

大卒プレミアムの縮小自体は既報ですが、本論文は「学歴は下がり、初期経験は上がる」という向きの分解を示した点が新しい内容です。著者は、AIが形式知（codified knowledge）を安くし、実践で得る暗黙知の相対価値を上げたと解釈しています。ベテランの経験の上乗せが縮むという結果も、経験が年数に応じて一様に積み上がるという従来の見方と異なります。

なぜまだ注目されていないか

大卒プレミアムの低下は米報道で出来事として扱われていますが、本論文は未報道です。arXivの査読前論文であり、要旨レベルでは一般向けの報道に載りにくいと考えられます。また、就職の入口が狭まる話題が先行し、入ってからの経験価値が上がるという側面は目立ちにくい状況です。

実現性の根拠

実測の賃金データ（CPS 2018〜2026年6月）に基づく現象です。一方、査読前のプレプリントで、本文PDFは未読（arXiv側の429エラー）のため、推定式・頑健性・景気要因との分離は確認できていません。単位の「0.55 log points」も、0.55％ポイントと解するのが自然ですが本文では未確認です。機序（形式知の安価化→暗黙知の相対価値上昇）は著者の解釈である点にも留意が必要です。

構造分析

ダラス連銀（Dodini & Smith、2026年9月22日）も、AI曝露の高い専攻で新卒の就職率と初年度賃金が下がったとしており、方向は一致します。ただし連銀は「新卒が不利」を示すのに対し、本論文は「経験3年のリターンは上がる」とし、就職の入口の縮小と入った後の経験価値の上昇は両立しうるとみえます。日本の採用・人事で前提とされてきた、学歴・学位が賃金の土台で経験は年功で一様に積み上がるという常識が揺らぎます。

トレンド化シナリオ

今後1〜3年は、(1)他国や行政記録など別のデータで同様の結果が再現されるか、(2)企業が学位要件を外し実務経験重視の採用に変えるか、(3)進学需要や大学院進学に変化が出るか、が焦点です。学歴フィルター採用や新卒一括採用、年功的な経験給の見直し論が強まる可能性があります。本文PDFと改訂版、追試の有無を2026年11月27日に確認する予定です。

情報源

https://arxiv.org/abs/2610.36008