AIは本当に仕事を奪うのか？問われる「予測ツール」の限界

シリコンバレーではAIによる雇用消滅が既定路線として語られる。しかし経済学者は「露出度だけでは何も分からない」と警告する。日本社会が今すぐ考えるべき問いとは。

「5年以内に、AIはほぼすべての仕事を代替できる」——AnthropicのCEO、Dario Amodei氏がそう発言したとき、多くの労働者は静かに凍りついた。

これは一人の起業家の誇張ではない。シリコンバレーでは今、AIによる雇用消滅は「もし起きるなら」ではなく「いつ起きるか」の問題として語られている。Anthropicの社会影響研究者でさえ、「近い将来に景気後退が来る可能性があり、若手キャリアの入口が崩壊するかもしれない」と述べた。楽観的な未来像を求める声に応えた発言としては、あまりにも率直だった。

だが、こうした「AIの黙示録」的な語り口に対して、経済学の世界から一つの重要な異議申し立てが起きている。問題は、私たちが使っている予測ツールそのものが根本的に間違っているかもしれない、というものだ。

「露出度」という幻想

シカゴ大学の経済学者、Alex Imas氏は現在最も注目すべき声の一人だ。彼が指摘するのは、AI時代の雇用予測において広く使われている「タスク露出度」という概念の根本的な限界である。

どういうことか。米国政府は1998年から、あらゆる職業を構成する個々のタスクを巨大なデータベースに記録してきた。OpenAIは2024年12月にこのデータを使い、各職業がAIにどれだけ「露出」しているかを分析した。例えば不動産エージェントの露出度は28%とされた。今年2月にはAnthropicも同様の手法で、Claudeとの実際の会話データと照合する分析を行った。

しかしImas氏はこう断言する。「露出度だけでは、雇用喪失を予測するためのツールとして完全に無意味です」。

確かに、すべてのタスクをAIが代替でき、かつそのコストが人件費を下回るような職業——かつての「エレベーター操作員」や、今日のコールセンターのオペレーターの一部——については、消滅の可能性が高い。だが、大多数の職業はそれほど単純ではない。

本当の問いは「価格弾力性」にある

一つの例を考えてみよう。あるソフトウェア開発者が、AIコーディングツールを使うことで、以前は3日かかっていた作業を1日で完了できるようになったとする。生産性は3倍になった。では、雇用主はこの開発者を解雇するだろうか、それとも増員するだろうか？

答えは「それによる」だ。そしてその「それ」こそが、経済学で言う「価格弾力性」——価格が変化したとき、需要がどれだけ変化するか——という概念に行き着く。

広告掲載について

[email protected]

生産性向上によってサービスの価格が下がれば、需要は増える。しかし、どれだけ増えるかは産業によって全く異なる。例えばデーティングアプリの料金が半額になっても、今まで使わなかった人が急に使い始めるとは限らない。その場合、企業は開発者を減らすかもしれない。一方で、家庭教師や医療相談のコストが大幅に下がれば、これまでアクセスできなかった層が一気に市場に入り、むしろ需要が爆発的に増える可能性もある。

この問いを、AIに露出しているすべての職業に繰り返してみてほしい。それが「私たちの時代で最も重要な経済問題」だとImas氏は言う。

データがない。だから計画も立てられない

問題は、この価格弾力性のデータが、経済全体にわたってほとんど存在しないことだ。

シカゴ大学はスーパーマーケットと提携し、価格スキャナーのデータを活用することで、シリアルや牛乳の価格弾力性については詳細なデータを持っている。しかし、家庭教師やウェブ開発者、栄養士——いずれもAIへの露出が確認されている職業——については、そうしたデータは散在しているか、民間企業やコンサルタント会社が囲い込んでいるかで、研究者が利用できる形にはなっていない。

Imas氏はこう訴える。「これを収集するための、いわば『マンハッタン計画』が必要です」。しかも今すぐAIに露出している職業だけでなく、将来的に露出する可能性のある分野も含めて、経済全体を横断的に追跡すべきだと言う。

これは単なる学術的な要請ではない。データなしには政策立案者はいかなる合理的な対策も打てない。雇用保険の設計も、職業訓練プログラムの優先順位付けも、社会保障の見直しも、すべてはこのデータを土台としなければならないのだ。

日本社会にとっての意味

この議論は、日本にとって特に切実な問いを含んでいる。

日本はすでに深刻な労働力不足に直面している。少子高齢化が進む中、AIによる生産性向上は「脅威」よりも「救済」として語られることも多い。確かに、トヨタやソニー、富士通といった大企業はAIの導入を積極的に進めており、特に製造・物流・カスタマーサポートの分野での自動化は加速している。

しかし、ここに一つの逆説がある。労働力不足の文脈でAIを導入する日本と、雇用過剰の文脈でAIが広がる欧米とでは、同じ技術が全く異なる社会的結果をもたらす可能性がある。日本では、AIが「人手不足を補う」ために使われる間は、大規模な失業は起きにくい。だが、AIの能力が特定の閾値を超えたとき——つまり、不足している労働力を補うだけでなく、既存の雇用者を上回るパフォーマンスを発揮し始めたとき——何が起きるかは、誰も答えを持っていない。

さらに、日本の雇用慣行——終身雇用の文化、年功序列、企業内訓練——は、欧米的な「タスク露出度モデル」では捉えきれない複雑さを持っている。日本型の雇用構造において、AIへの「露出度」が高い業務を担う社員が、どのような形で配置転換されるのか。あるいはされないのか。これは、日本独自のデータと分析枠組みが必要な問いだ。

政府や研究機関が、Imas氏が提唱するような大規模なデータ収集プロジェクトに着手するとすれば、日本はその先進事例になり得る素地を持っている。問題は、そのための政治的意志と予算が存在するかどうかだ。