論文の概要: Who Prices Cognitive Labor in the Age of Agents? A Position on Compute-Anchored Wages

• arxiv url: http://arxiv.org/abs/2605.05558v1
• Date: Thu, 07 May 2026 01:03:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-08 22:27:11.468883
• Title: Who Prices Cognitive Labor in the Age of Agents? A Position on Compute-Anchored Wages
• Title（参考訳）: エージェント時代における認知労働の価格設定 : コンピュータ・アンカレド・ワージの立場から
• Authors: Siqi Zhu,
• Abstract要約: AIエージェントの経済性に関する自然な直感は、エージェントをほぼゼロの限界コストで複製できるので、無限に弾性的な供給で労働入力を構成することである。 我々は、このフレーミングはメカニズムでは間違っているが、結論では部分的に正しいと論じ、補正は理論と政策の両方において重要であると論じている。
• 参考スコア（独自算出の注目度）: 2.629665653283008
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: A natural intuition about the economics of AI agents is that, because agents can be replicated at near-zero marginal cost, they constitute a labor input in infinitely elastic supply, and therefore drive cognitive-labor wages to zero. We argue this framing is wrong in mechanism but partially correct in conclusion, and that the correction matters for both theory and policy. \textbf{Agents are not labor; they are a production technology that converts compute capital $K_c$ into effective units of cognitive labor $L_A$.} Once this is recognized, the elastic-supply margin that anchors the equilibrium wage migrates from the labor market to the compute capital market. Building on the textbook factor-pricing framework \citep{mankiw2020}, we derive a \emph{Compute-Anchored Wage} (CAW) bound stating that, on tasks where human and agent cognitive labor are substitutes, the competitive human wage is bounded above by $λ\cdot k \cdot r_c$, where $r_c$ is the rental rate of compute capital, $k$ is the compute intensity of one effective agent-labor unit, and $λ$ is the relative human-to-agent productivity. We generalize the result through CES aggregation, separate substitutable from complementary tasks (yielding a directional inversion of skill-biased technical change), and discuss factor-share consequences. The position is concise: \emph{the price-setter for cognitive labor is no longer the labor market.}
• Abstract（参考訳）: AIエージェントの経済性に関する自然な直感は、エージェントをほぼゼロの限界コストで複製できるため、エージェントは無限に弾力的な供給で労働力の入力を構成し、したがって認知労働者の賃金をゼロにする、というものである。 我々は、このフレーミングはメカニズムでは間違っているが、結論では部分的に正しいと論じ、補正は理論と政策の両方において重要であると論じている。 それらは、計算資本$K_c$を効果的な認知労働単位であるL_A$に変換する生産技術である。 このことが認識されれば、均衡賃金を固定する弾性供給マージンは、労働市場から計算資本市場へと移行する。 教科書ファクター価格フレームワーク \citep{mankiw2020} に基づいて、人間とエージェントの認知労働が代用されるタスクにおいて、競争力のある人的賃金は$λ\cdot k \cdot r_c$ で上限づけられ、$r_c$ は計算資本の貸与率、$k$ は1つの有効なエージェント-ラボの計算強度、$λ$ は相対的な人間-エージェントの生産性である。 結果をCESアグリゲーションを通じて一般化し、補完的なタスク(スキルバイアスによる技術的変化の方向性の逆転)から置換可能とし、ファクターシェアの結果について議論する。 認知労働の価格設定はもはや労働市場ではない。 ※

関連論文リスト

• Stochastic wage suppression on gig platforms and how to organize against it [31.2768807087302]
  低コスト労働の多さを生かして、プラットフォームが賃金を抑える能力について検討する。 コストフロアにコミットする低価格労働者の小さな連合は、プラットフォーム全体の支出をMの対数から線形に制限する。 ランダムにサンプル化した同サイズの連立が、依然としてほとんど効果がないことを示す。
  論文  参考訳（メタデータ） (2026-04-17T11:28:38Z)
• Tight Convergence Rates for Online Distributed Linear Estimation with Adversarial Measurements [66.94250413799232]
  分散パラメータ-サーバ-ワーカー設定における乱数ベクトル$X$の推定について検討する。 主な課題は、敵の計測と非同期である。 その結果, 分散線形推定におけるロバスト性, 識別性, 統計的効率の統一的有限時間評価が得られた。
  論文  参考訳（メタデータ） (2026-04-07T11:45:55Z)
• Abundant Intelligence and Deficient Demand: A Macro-Financial Stress Test of Rapid AI Adoption [0.17626455083672685]
  我々は,需要不足を伴うAI生成アベンダンス共存者の分布・契約ミスマッチを同定する。 我々は、AI能力の伸び率、拡散速度、そして、ネットフィードバックが爆発性に対して自己制限的であるリテンション率に関する条件を導出する。 トップクインタイルの収入者は米国の消費の47～65%を駆動し、AIの露出が最も高いため、民間の信用や住宅ローン市場への送信は不釣り合いである。
  論文  参考訳（メタデータ） (2026-03-10T05:26:57Z)
• The Algorithmic Barrier: Quantifying Artificial Frictional Unemployment in Automated Recruitment Systems [0.0]
  米国の労働市場は高い失業率と長期失業期間の持続的共存を示している。 本稿では,現代摩擦失業の非自明な部分は,自動採用システムによって人工的に引き起こされていることを論じる。
  論文  参考訳（メタデータ） (2026-01-20T23:08:06Z)
• Agents Require Metacognitive and Strategic Reasoning to Succeed in the Coming Labor Markets [53.0367886783772]
  労働市場は、不適切な選択、モラルハザード、評判の経済力に影響を受けている。 エージェントはメタ認知的および戦略的推論を使用して効果的に実行する必要がある。
  論文  参考訳（メタデータ） (2025-05-26T15:22:04Z)
• Will Neural Scaling Laws Activate Jevons' Paradox in AI Labor Markets? A Time-Varying Elasticity of Substitution (VES) Analysis [0.0]
  我々は、人工知能における神経スケーリング法則が労働市場におけるJevonsのパラドックスを活性化するかどうかを分析する。 我々は、AIシステムが補完から人間の労働の代替へと移行する分析条件を確立する。
  論文  参考訳（メタデータ） (2025-03-04T16:55:30Z)
• A Theory for Emergence of Complex Skills in Language Models [56.947273387302616]
  今日のAI製品の主要な要因は、パラメータセットとトレーニングコーパスのスケールアップ時に、言語モデルに新たなスキルが現れることだ。 本稿では,LSMの有名な(かつ実証的な)スケーリング法則と単純な統計的枠組みを用いて,その出現を解析する。
  論文  参考訳（メタデータ） (2023-07-29T09:22:54Z)
• Inducing Equilibria via Incentives: Simultaneous Design-and-Play Finds Global Optima [114.31577038081026]
  本稿では,デザイナーとエージェントの問題を同時に1ループで解くための効率的な手法を提案する。 設計者は平衡問題を何度も解決しないが、エージェントに対するインセンティブの全体的な影響を予測できる。 このアルゴリズムは,幅広い種類のゲームに対して,サブ線形速度で大域的最適値に収束することを示す。
  論文  参考訳（メタデータ） (2021-10-04T06:53:59Z)
• Online Learning of Competitive Equilibria in Exchange Economies [94.24357018178867]
  経済学では、複数の有理エージェント間の資源不足の共有は古典的な問題である。 エージェントの好みを学習するためのオンライン学習機構を提案する。 数値シミュレーションにより,本機構の有効性を実証する。
  論文  参考訳（メタデータ） (2021-06-11T21:32:17Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。