というのが、AEAのAIと生産性に関する予稿集から最後に紹介する論文である（紹介の順番はAEAのサイトと逆順になったが）。原題は「The Rise of Industrial AI in America: Microfoundations of the Productivity J-curve(s)」で、著者はKristina McElheran（トロント大）、Mu-Jeung Yang（オクラホマ大）、Zachary Kroff（Analysis Group*1）、Erik Brynjolfsson（スタンフォード大）。MITの紹介記事「The ‘productivity paradox’ of AI adoption in manufacturing firms | MIT Sloan」では4月時点のWPへのリンクが張られている。
以下はその要旨。
We examine the prevalence and productivity dynamics of artificial intelligence (AI) in American manufacturing. Working with the Census Bureau to collect detailed large-scale data for 2017 and 2021, we focus on AI-related technologies with industrial applications. We find causal evidence of J-curve-shaped returns, where short-term performance losses precede longer-term gains. Consistent with costly adjustment taking place within core production processes, industrial AI use increases work-in-progress inventory, investment in industrial robots, and labor shedding, while harming productivity and profitability in the short run. These losses are unevenly distributed, concentrating among older businesses while being mitigated by growth-oriented business strategies and within-firm spillovers. Timing also matters: Earlier (pre-2017) adopters exhibit stronger growth, conditional on survival. Notably, among older establishments, abandonment of structured production-management practices accounts for roughly one-third of these losses, revealing a specific channel through which intangible factors shape AI’s impact. Taken together, these results provide novel evidence on the microfoundations of key dynamics in technology adoption and impacts, identifying mechanisms and illuminating how and why J-curves differ across firm types. These findings extend our understanding of General Purpose Technologies, explaining why their economic impact—exemplified here by AI—may initially disappoint, particularly in contexts dominated by older, established firms.
（拙訳）
我々は米製造業における人工知能（AI）の普及と生産性の動学を調べる。2017年と2021年の詳細な大規模データをセンサス局と共同で収集して我々は、産業に応用されたAI関連技術に焦点を当てた。長期的な利得の前に短期的なパフォーマンスの損失が生じるJカーブ型の収益の因果的な証拠を我々は見い出した。中核的な生産過程において費用の掛かる調整が生じるということと整合的に、産業でのAIの利用は、仕掛品在庫、産業ロボットへの投資、および労働者の削減を増やし、短期的な生産性と収益性を損なう。こうした損失の分布は不均一で、より古いビジネスに集中する半面、成長志向のビジネス戦略や企業内の波及効果によって緩和される。タイミングも重要である。より以前（2017年以前）に導入した企業は、生き残った場合、より力強い成長を見せている。注目すべきは、古い組織においては構造化された生産と管理の慣行の放棄がそうした損失の約3分の1を占めており、無形要因がAIの影響を形作るという特有の経路を示している。総じて以上の結果は、技術の導入と影響に関する主要な動学のミクロ的基礎付けについて新たな実証結果を提示しており、メカニズムを明確にするとともに、Jカーブが企業のタイプによってなぜどのように違うかを明らかにしている。以上の発見は汎用技術への我々の理解を拡張するものであり、その経済的影響――ここではAIを例に取っている――が、とりわけより古く確立された企業が支配する状況において、当初は期待外れであるかもしれない理由を説明している。
Brynjolfssonは生産性のJカーブ：如何に無形資産が汎用技術を補完するか - himaginary’s diaryで紹介した論文でもJカーブ効果について研究しているが、WP本文では、そこでマクロレベルで観測されたJカーブのパターンに新たなミクロレベルの実証結果を提供するもの、として今回の研究を位置付けている*2。
*1:AEAのサイトではセンサス局となっているがWPではAnalysis Groupとなっている。cf. 多国籍企業の境界内における貿易 - himaginary’s diary、自動化と労働力：2019年の年間企業調査における企業レベルの視点 - himaginary’s diary（後者はセンサス局時代の論文の紹介）。
*2:本文からの引用：「As a result, this paper’s main contribution is providing new micro-level evidence on J-curve patterns previously observed at the macro level (Brynjolfsson et al., 2021b), offering novel insights into their shape and duration in the context of AI-related technologies.」
