人工知能(AI)が請求書の確認や問い合わせへの回答を担うと、企業は同じ人数でより多くの仕事をこなせるようになります。
一方、採用を減らしたり、これまで社員が担っていた仕事を外部サービスに切り替えたりする企業が増えれば、働く人の収入や社会保険料の入り方も変わります。
企業の生産性が上がることと、その成果が家計に届くことの間には、賃金や価格、税、社会保障といったいくつもの経路があります。
2020年の米大統領選に立候補した実業家のアンドリュー・ヤン氏は、日本経済新聞のインタビュー「AIに課税して人間に還元せよ 元米大統領選候補アンドリュー・ヤン氏」で、AIの利用などに課税し、得られた税収を社会に還元する構想を語りました。
かつて月1,000ドルのベーシックインカムを掲げた同氏が今回提起したのは、AIで利益が生まれる経路と、働く人の暮らしを支える財源とのつながりです。
賃金と社会保障財源の関係
ヤン氏が着目したのは、企業が人を雇った場合と、AIサービスを利用した場合とで、社会保障への資金の流れが異なることです。
企業が人を雇えば、賃金が家計に渡り、その賃金を基礎として社会保険料が納められます。
業務の一部をAIに切り替え、採用や労働時間を抑えれば、その分の資金はAIの利用料や企業の利益など、別の形で配分されます。
社会保障の財源には税も使われています。
AIで企業の利益が伸びれば、法人税収が増える可能性があります。
生産性向上によって賃上げが進み、新しい仕事が生まれれば、賃金を基礎とする保険料収入にもプラスに働きます。
その一方で、仕事を失った人への所得支援や職業訓練が必要になれば、財政の支出も増えます。
確認したいのは、AIの普及率と合わせて、雇用者全体の賃金総額、企業の利益、働き方の変化を追うことです。
例えば、社員数が減っても残る社員や新たに雇われる社員の賃金が上がり、全体の賃金総額が維持される場合もあります。
反対に、雇用者数の変化が小さくても、短時間勤務が増えて賃金総額が縮むことがあります。
社会保障への影響は、AIが代替した業務の数だけでは測れません。
課税対象と負担の行方
ヤン氏は、データセンターなどの計算能力に課税する方法と、AIが処理するトークンの使用量に課税する方法を挙げました。
トークンとは、AIが文章などを処理する際に用いる単位です。
文章の入力や回答の生成に使ったトークンの量に応じて料金を計算するサービスがあります。
計算能力への課税では、設備が課税の手掛かりになります。
ただし、同じ設備がAI以外の計算にも使われるとき、その能力のうち何を課税対象にするかを決める必要があります。
また、設備が国外にあり、サービスを国内企業が利用する場合、設備の所在地と利用地のどちらを基準にするかによって、税収を受け取る国も変わります。
トークンへの課税では、利用量を数字で把握できます。
一方、トークンの数え方はモデルによって異なり、同じ作業でも処理量が変わります。
月額契約にAI機能が含まれる場合や、企業が自社でモデルを動かす場合も含め、誰が利用量を記録し、申告するかを決めなければなりません。
税を納める事業者と、経済的な負担を引き受ける人も区別する必要があります。
提供事業者が利用料金に上乗せすれば、負担は利用企業に及びます。
利用企業が製品やサービスの価格を引き上げれば、家計にも広がります。
税によりAIの利益を還元するというなら、還元額とともに、値上げを通じて家計が負う負担も見ておく必要があります。
家計への還元と使い道
ヤン氏の提案には、健康づくりや芸術、人と人との交流などに使い道を限った通貨も含まれます。
健康づくりに使える給付を受け取れば、これまで費用が壁になっていた人に運動施設を利用する機会が生まれます。
文化や交流に使える給付なら、人が提供する活動やサービスへの需要を支えることも考えられます。
使い道を限ると、受け取った人がどこで使えるかによって、給付の価値が変わります。
近所に対象施設がある人は使いやすくても、移動に時間がかかる人や介護で外出の時間を取りにくい人には、同じ金額でも利用が難しくなります。
健康への効果を評価する際にも、配布額や利用件数に加え、それまで機会を得にくかった人の利用が増えたかを確かめる必要があります。
家計を支える目的によっても、給付の設計は変わります。
失業直後の家賃や食費を支えるなら、使途を選べる現金給付が生活を下支えします。
再就職を支援するなら、受講料に加え、訓練中の生活費や通学費も考慮する余地があります。
誰に何を届けるかを先に決めることで、税収を分配することと、支援が実際に届くことを結び付けられます。
中小企業のAI活用と人材育成
日本の中小企業では、AIが人手不足を補う場面もあります。
例えば、経理担当者が少ない会社で請求書の読み取りや仕訳候補の作成を自動化すれば、担当者は入金の遅れや資金繰りの変化を確認する時間を確保しやすくなります。
同じ業務の効率化でも、採用難で空いている仕事を埋める場合と、既存の仕事や労働時間を減らす場合とでは、雇用への影響が異なります。
企業にとっての導入効果は、削減できた作業時間に加え、新たに必要になる確認や修正の時間まで含めて見えてきます。
経理業務なら、仕訳候補の作成にかかる時間が短縮されても、契約内容と請求額の照合や、例外的な取引についての判断は引き続き必要です。
そこで判断を担う社員を育てることは、AIによって生まれた時間を組織の力に変える方法の一つです。
活用の範囲が広がるほど、権限と責任の設定も重要になります。
ヤン氏は、新たなAIモデルの公開前に審査のための待機期間を設け、国際的な枠組みでリスクを管理することを提案しています。
利用する企業にも、AIに何を任せ、誰が確認し、誤りがあったとき誰が処理を止めるかという判断があります。
請求書の読み取りと、取引先への送金の実行とでは、誤りが起きたときの影響が異なるためです。
結論
ヤン氏のAI課税案は、企業がAIで得る利益が増えるとき、その成果を働く人の所得や社会保障にどうつなぐかという問いを投げかけています。
制度を考えるには、雇用と賃金総額がどう変わるかを把握し、計算能力や利用量のどこに課税すれば、どの企業や家計が負担するかを見極める必要があります。
日本では、人手不足を補うためにAIを利用する企業と、仕事の変化に対応するために学び直しや所得支援を必要とする人が、同じ経済の中にいます。
AIで増えた利益が賃金、価格、税収を通じてどこに届き、どこに届きにくいのかを確かめることが、社会への還元を考える出発点になります。
参考
日本経済新聞 2026年11月15日 朝刊
AIに課税して人間に還元せよ 元米大統領選候補アンドリュー・ヤン氏