経済エージェントからエージェンティック経済へ：経済世界モデルのためのシステム設計図

要旨

経済世界モデル（EWM）は、異質的エージェント、その信念と行動、ならびにそれらの相互作用が集計的成果を生み出す市場および制度メカニズムをモデル化することにより、経済が内部からどのように進化するかをシミュレートする生成的経済モデルである。本稿は、異質的エージェントが行動し、相互作用し、適応し、市場および制度と共進化することによって、経済ダイナミクスを内部から生成する生成エンジンとしての経済世界モデル構築のための実装ロードマップを開発する。我々はEWMシステムを、固定ルールベースのエージェント世界から、適応型およびLLMベースのエージェント世界、自己進化型エージェント、進化する制度世界、実観測データと整合するシミュレーションから実世界への経済ツインに至るまで、6段階の能力ラダーとして体系化する。これらの段階にわたる系統的文献調査により、既存研究は依然として低次のエージェント・シミュレーション環境に集中しており、自己進化型エージェント、内生的制度、持続的な実証的整合性、検証済みの経済メカニズムを備えたシステムは依然として稀であることが明らかになる。EWMのアジェンダを実装ブループリントに変換することにより、本稿は、人間の意思決定者にとっての高忠実度サンドボックスとして、またAIエージェントにとっての訓練・計画・評価・安全性の基盤として機能し得る、次世代の経済シミュレーション環境の開発を加速することを目的とする。我々は、将来の研究を支援するために、厳選された論文リストと関連リソースを公開する。

English

Economic World Models (EWMs) are generative economic models that simulate how economies evolve from within by modeling heterogeneous agents, their beliefs and actions, and the market and institutional mechanisms through which their interactions produce aggregate outcomes. This paper develops an implementation roadmap for building economic world models as generative engines in which heterogeneous agents act, interact, adapt, and co-evolve with markets and institutions, thereby producing economic dynamics from the inside. We organize EWM systems into a six-level capability ladder, from fixed rule-based agent worlds to adaptive and LLM-based agent worlds, self-evolving agents, evolving institutional worlds, and sim-to-real economic twins aligned with real observations. A systematic literature survey across these levels reveals that existing work remains concentrated in lower-level agent and simulation environments, while systems with self-evolving agents, endogenous institutions, persistent empirical alignment, and validated economic mechanisms remain rare. By translating the EWM agenda into an implementation blueprint, this paper aims to accelerate the development of the next generation of economic simulation environments that can serve as high-fidelity sandboxes for human decision-makers and as training, planning, evaluation, and safety substrates for AI agents. We release a curated paper list and related resources to support future research.