論文の概要: Is AI Widening the Wage Gap? A Hybrid Agentic Simulation for Labor Equity

• arxiv url: http://arxiv.org/abs/2609.33367v1
• Date: Sun, 27 Sep 2026 08:50:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 00:40:50.098396
• Title: Is AI Widening the Wage Gap? A Hybrid Agentic Simulation for Labor Equity
• Title（参考訳）: AIは賃金のギャップを広げているか? 労働力のハイブリッドなエージェントシミュレーション
• Abstract要約: 人工知能(AI)は労働市場を変革しているが、賃金分配への影響と基盤となるメカニズムはまだ十分に理解されていない。 この枠組みと中国からの社会デマログラフデータを用いて、賃金分配の繰り返しAIショックの変化をシミュレートする。 その結果、トップ・ボトム・インカム・デック(TB10)における労働者の平均賃金比率とジニ係数が持続的に増加し、AIショックが賃金格差を拡大し、所得不平等を悪化させることが示唆された。
• 参考スコア（独自算出の注目度）: 6.14821637988688
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Artificial intelligence (AI) is reshaping labor markets, yet its effects on wage distribution and the underlying mechanisms remain insufficiently understood. Conventional analytical approaches are limited in their ability to directly examine the dynamic evolution of worker behavior and income distribution under sustained AI shocks and counterfactual policy scenarios. To address this limitation, we present a hybrid agentic framework that aims to challenges of scalability of rule-based models and the limited explainability in LLM-agentic frameworks. Using this framework and sociodemographic data from China, we simulate changes in wage distribution under repeated AI shocks. The results show that both the average-wage ratio between workers in the top and bottom income deciles (T10/B10) and the Gini coefficient increase persistently, suggesting that AI shocks widen the wage gap and exacerbate income inequality. This pattern of a widening wage gap remains robust across alternative large language model decision engines and 30 Monte Carlo simulations. We further conduct counterfactual policy experiments. The results show that education subsidies targeted at low-income workers increase both the number of skill-upgrading attempts and the number of successful upgrades, with particularly pronounced improvements in the upskilling success probability of workers in the bottom income decile. These effects enable the policy to partially mitigate wage inequality. The proposed framework provides an interpretable simulation approach for examining the effects and mechanisms of AI shocks on wage distribution. It also offers policymakers a complementary analytical tool for evaluating policy interventions.
• Abstract（参考訳）: 人工知能(AI)は労働市場を変革しているが、賃金分配への影響と基盤となるメカニズムはまだ十分に理解されていない。 従来の分析的アプローチは、持続的AIショックと対実的政策シナリオの下での労働者の行動と所得分布の動的進化を直接的に調べる能力に制限がある。 この制限に対処するために、ルールベースのモデルのスケーラビリティとLLM-Adnticフレームワークの限定的な説明可能性の挑戦を目的としたハイブリッドエージェントフレームワークを提案する。 この枠組みと中国からの社会デマグラフィーデータを用いて、繰り返しAIショック下での賃金分布の変化をシミュレートする。 その結果,トップおよびボトム所得傾向における労働者の平均賃金比率 (T10/B10) とジニ係数 (Gini coefficient) が持続的に増加し,AIショックが賃金格差を拡大し,所得不平等を悪化させることが示唆された。 賃金格差の拡大というこのパターンは、代替の大規模言語モデル決定エンジンとモンテカルロの30のシミュレーションで頑健なままである。 我々はさらに、対実的な政策実験を行う。 その結果、低所得労働者を対象とした教育助成金は、スキルアップの試み数と、アップグレードの成功数の両方を増大させ、特に低所得労働者の低所得労働者におけるスキルアップ成功率の向上が顕著であることがわかった。 これらの効果により、政策は賃金不平等を部分的に緩和することができる。 提案フレームワークは、AIショックが賃金分布に与える影響とメカニズムを調べるための解釈可能なシミュレーション手法を提供する。 また、政策立案者に対して、政策介入を評価するための補完的な分析ツールを提供する。

関連論文リスト

• The Human Utility Factor: A Computable Welfare Metric That Reframes AI Governance as a Constrained Optimisation Problem [3.4328929125111514]
  既存のAIガバナンスフレームワークは、安全性、透明性、説明責任に対処するが、マクロ社会経済的安定性に関する定量的制約を運用することはない。 本稿では,人間利用因子(Human Utility Factor, HUF)について紹介する。 HUFは、クローズドフォームの最適自動化レベルと、以下の最小再分配しきい値を得る。
  論文  参考訳（メタデータ） (2026-06-23T04:47:33Z)
• 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)
• Toward Quantitative Modeling of Cybersecurity Risks Due to AI Misuse [50.87630846876635]
  我々は9つの詳細なサイバーリスクモデルを開発する。 各モデルはMITRE ATT&CKフレームワークを使用して攻撃をステップに分解する。 個々の見積もりはモンテカルロシミュレーションによって集約される。
  論文  参考訳（メタデータ） (2025-12-09T17:54:17Z)
• Can Online GenAI Discussion Serve as Bellwether for Labor Market Shifts? [62.386835769570006]
  本稿では,大規模言語モデルに関するオンライン議論が,労働市場の変化の早期指標として機能するかどうかを検討する。 我々は、公共の談話が雇用の変化の先駆けとなる領域と時間枠を特定するために、4つの異なる分析的アプローチを採用している。 調査の結果,求職率,純雇用率,在職期間,失業期間など,複数の指標で1～7ヶ月の雇用変化を事前に予測していることが明らかとなった。
  論文  参考訳（メタデータ） (2025-11-20T04:18:25Z)
• LLM Economist: Large Population Models and Mechanism Design in Multi-Agent Generative Simulacra [29.627070781534698]
  本稿では,エージェント・ベース・モデリングを用いて経済政策を設計・評価する新しい枠組みを提案する。 下位レベルでは、有界な労働者エージェントは、テキストベースのユーティリティ関数をテキストで学習するために労働供給を選択する。 上位のレベルでは、プランナーエージェントは、現在の連邦政府の括弧に固定された一貫した境界税制を提案するために、文脈内強化学習を採用する。
  論文  参考訳（メタデータ） (2025-07-21T17:21:14Z)
• In the Shadow of Smith`s Invisible Hand: Risks to Economic Stability and Social Wellbeing in the Age of Intelligence [0.0]
  AI資本と労働者の比率が適度に上昇しても、現在の2倍の労働力不足が増す可能性がある。 未使用量の推定増加による一人当たりの使い捨て所得の減少を防止するためには、新規雇用創出率の少なくとも10.8倍の増加が必要である。
  論文  参考訳（メタデータ） (2024-04-22T06:16:48Z)
• AI exposure predicts unemployment risk [1.5101132008238312]
  AI暴露のどのモデルが仕事の分離や失業リスクを予測するかを評価する。 個々のAI露出モデルは失業率、失業リスク、仕事分離率の予測にはならない。 我々の結果はまた、AI暴露を評価するための動的、文脈認識、検証された方法も求めている。
  論文  参考訳（メタデータ） (2023-08-04T15:21:07Z)
• Building a Foundation for Data-Driven, Interpretable, and Robust Policy Design using the AI Economist [67.08543240320756]
  AIエコノミストフレームワークは,2段階強化学習とデータ駆動型シミュレーションを用いて,効果的な,柔軟な,解釈可能なポリシー設計を可能にする。 RLを用いて訓練されたログリニア政策は、過去の結果と比較して、公衆衛生と経済の両面から社会福祉を著しく改善することがわかった。
  論文  参考訳（メタデータ） (2021-08-06T01:30:41Z)
• The AI Economist: Optimal Economic Policy Design via Two-level Deep Reinforcement Learning [126.37520136341094]
  機械学習に基づく経済シミュレーションは強力な政策・メカニズム設計の枠組みであることを示す。 AIエコノミスト(AI Economist)は、エージェントと共同適応するソーシャルプランナーの両方を訓練する2段階のディープRLフレームワークである。 単純な一段階の経済では、AIエコノミストは経済理論の最適税制を回復する。
  論文  参考訳（メタデータ） (2021-08-05T17:42:35Z)
• ERMAS: Becoming Robust to Reward Function Sim-to-Real Gaps in Multi-Agent Simulations [110.72725220033983]
  Epsilon-Robust Multi-Agent Simulation (ERMAS)は、このようなマルチエージェントのsim-to-realギャップに対して堅牢なAIポリシーを学ぶためのフレームワークである。 ERMASは、エージェントリスク回避の変化に対して堅牢な税政策を学び、複雑な時間シミュレーションで最大15%社会福祉を改善する。 特に、ERMASは、エージェントリスク回避の変化に対して堅牢な税制政策を学び、複雑な時間シミュレーションにおいて、社会福祉を最大15%改善する。
  論文  参考訳（メタデータ） (2021-06-10T04:32:20Z)
• The AI Economist: Improving Equality and Productivity with AI-Driven Tax Policies [119.07163415116686]
  我々は、経済的平等と生産性を効果的にトレードオフできる税制政策を発見する社会プランナーを訓練する。 競争圧力と市場ダイナミクスを特徴とする経済シミュレーション環境を提案する。 AI主導の税政策は、基本方針よりも平等と生産性のトレードオフを16%改善することを示します。
  論文  参考訳（メタデータ） (2020-04-28T06:57:18Z)

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。