AIエージェント能力アトラス › 仕事ごとの一覧 › 研究・問題解決 › 社会科学・経済・政策分析

政策シミュレーション・エージェントベースモデリング

Policy Simulation & Agent-Based Modeling

0 できない ／ 1 デモ止まり ／ 2 補助 ／ 3 実務品質（要確認） ／ 4 専門家並み ／ 5 専門家超え。「予」は予測。

専門家と比べて

中央銀行でのエージェントベースモデル(ABM)活用は「成熟期に入った」と評される一方、2026年の研究でも「シミュレーション-現実ギャップ」の解消が課題として明示されており、政策判断に単独で使える段階ではない。

できること

AIの支援によりマクロABMの構築・キャリブレーションを迅速化。IMFは決済分野などでエージェント型AIの応用可能性を探索中。

まだできないこと

シミュレーション-現実ギャップを確実に埋めることができず、経済学者の監督なしにABM出力の現実妥当性を自律的に検証できない。政策の反実仮想(counterfactual)に対する因果的妥当性を保証できない。

なぜそうなのか

ABMのキャリブレーションはノイズの多い疎な実データに対するドメイン特化のパラメータ調整を要し、シミュレーションと実経済のフィードバックループの識別が弱い。

これからの予測の根拠

「成熟期」という2026年の評価とIMFの積極的検討から、2028年までに制度的採用が広がると見込まれるが、「厳格な前提条件」を求める論文が同年に出ていることから2030年まで政策の最終判断への単独利用には慎重さが残ると予測。

いま使える主な道具

ADAGE framework、custom LLM-augmented ABM toolkits、GPT-5.x

根拠

• Agent-Based Modeling at Central Banks: Recent Developments and New Challenges 2026
  ABMの中央銀行導入が拡大するも新たな課題が継続と報告
• We Need Strong Preconditions For Using Simulations In Policy 2026-04
  政策利用には厳格な前提条件が必要と主張
• How Agentic AI Will Reshape Payments (IMF Notes 2026 Issue 004) 2026
  IMFがエージェント型AIの決済分野への応用を検討

同じ分野のほかの仕事（社会科学・経済・政策分析）

• 経済予測・計量経済分析
• 社会調査・世論調査の被験者代理(シリコンサンプリング)
• 言説分析・世論分析(政治テキストの大規模アノテーション)
• 歴史・人文学研究支援
• 政策提言・報告書のエビデンス統合
• 因果推論・政策効果測定(プログラム評価)

AIエージェント能力アトラス 2026（2026-09-06 時点・v1.0）の1マスです。レベルは公開された実験・ベンチマーク・報告から付けた目安で、2027年以降は予測です。全マスに根拠のリンクがあります。作者は個人で、AI（Claude）と一緒に調べて作っています。