炭鉱のカナリア：スタンフォード大学の経済学者バーラト・チャンダーが語る若手労働者とAI時代の生き残り方

チャンダー氏は、エリック・ブリニョルフソン、ルーユー・チェンと共同で発表した「炭鉱のカナリア（Canaries in the Coal Mine）」と題する研究について説明します。研究チームは、AIへの曝露度が高い職業と低い職業を比較しました。その際、給与計算サービス企業ADPのデータを用いて、米国の数百万人の労働者を追跡しました。

労働者全体で見ると、曝露度の高い職業と低い職業のあいだで、雇用動向に大きな差は見られませんでした。ところが、若手労働者だけに絞って見ると、状況は変わりました。ソフトウェア開発、カスタマーサービス、事務職など曝露度の高い職業では、若手労働者の雇用が減少していました。一方、曝露度の低い職業では、若手労働者の雇用は増え続けていました。経験豊富な労働者の雇用は、曝露度の高い職種であっても従来の傾向どおりに推移していました。チャンダー氏は主要な数値を次のようにまとめています。AIへの曝露度が高い職業の若手労働者は、雇用の伸びが16%低くなっており、これはかなり大きな数字だといいます。

チャンダー氏は、この結果を、いまキャリアをスタートさせようとしている多くの人々が口にする「スタートを切るのが難しくなった」という声と結びつけています。チームが「炭鉱のカナリア」というタイトルを選んだのはそのためです。チームはこの結果を、より大きな変革の兆しとなる初期シグナルである可能性があると見ており、実際にそうなのかを確かめるために追跡を続ける予定です。

チャンダー氏によれば、これが一時的な景気変動なのか、AIによる構造的な変化なのかは定かではありません。そこでチームは、最も説得力のある別の説明を検証しました。

一つ目は金利です。チャンダー氏は、金利変動の影響を最も受けやすい職業は、AIへの曝露度が低い傾向にあると指摘します。たとえば運輸業や建設業は金利に非常に敏感ですが、AIへの曝露はほとんどありません。チャンダー氏はこれを、原因が金利の変動ではないことを示唆する重要なポイントの一つとしています。

二つ目は、テック業界での過剰採用です。テック系の職やコンピューター関連の職業を除外しても、結果は変わりませんでした。検証したさまざまな代替説明のいずれについても、結果はほぼ同じでした。

チャンダー氏の結論は条件付きのものです。AIの能力の構造的な変化が労働市場に影響を与えているのであれば、その影響は一時的なものではなく、長期的な変化となる可能性があります。追跡を続けるなかでこの傾向が続くようであれば、それはAIが仕事に影響を与えている兆候だと読み取る、とチャンダー氏は述べています。また、研究の限界も指摘しています。AIがある世界とない世界を比較するような明確な実験は存在せず、AIの影響を適切に切り分けるにはさらなる研究が必要だといいます。

なぜ特に若手労働者が影響を受けているのかについて、チャンダー氏の説明の鍵となるのは、彼らが仕事に持ち込む知識の種類です。若手労働者が労働市場に参入したとき、その仕事の多くは実装、つまり学校で学んだことに基づいてタスクを遂行することです。一方で、経験が不足しているためにまだ得意でないのが、暗黙知に依存する仕事です。

チャンダー氏は暗黙知を、きわめてローカルな文脈、戦略的思考、社会的な交流、あるいは実際の業務経験を通じてしか積み上げられないものに依存する知識と定義しています。これは、本にはほとんど書かれていない種類の知識です。若手労働者が頼りにしている、体系化され本から学んだ知識こそが、AIの能力と最も直接的に重なる部分です。そうした状況では、経験豊富な労働者がAIに対しても若手労働者に対しても相対的な優位性を持つ可能性がある、とチャンダー氏は示唆しています。

チャンダー氏は、企業が今後も若手労働者を育成し続けるかどうかについても論じています。将来、中間管理職や経験豊富な人材を確保したいのであれば、企業が若手を採用したいと考えるのは自然なことだといいます。問題は、その動機が十分に強くない可能性があることです。若手は育ててくれた会社にとどまる必要はなく、いつでも他社に移ることができます。そのため、企業はある程度は若手を採用し続けるかもしれませんが、社会全体の利益にかなう水準よりは少なくなる可能性があります。チャンダー氏はこれを、個々の民間企業のインセンティブと社会全体のインセンティブのずれだと表現しています。

より楽観的な見方として、AIが本当に人々の学習を助け、教育ツールとしてうまく機能するのであれば、経験を積むプロセスが加速する可能性がある、とチャンダー氏は述べています。ただしそのためには、人々がよりよく学べるよう、教育制度や大学のあり方を大きく変えることも必要になると付け加えています。

チャンダー氏は、短中期的にAIがそれほど上達しないと考える3つの領域を挙げています。一つ目は身体的なタスクで、ロボティクスの大きな進歩がなければ遂行が難しいものです。二つ目は戦略的思考と、何をすべきかを決めることです。三つ目は社会的な交流です。

チャンダー氏は特に戦略的思考を重視しており、その重要性は今後さらに高まると見ています。その理由は、将来の仕事の多くが、AIエージェントに指示を出すこと、つまり何をすべきかを伝え、方向づけし、作業を進めるなかで導くことになる可能性が高いからです。何をすべきか、あるいはどんな成果を求めているかを明確に示す能力が、重要なスキルになります。チャンダー氏はこれを企業におけるマネージャーの役割になぞらえ、マネジメント的な仕事や戦略的な方向性を示すことが、かなり重要な能力になりうると示唆しています。

こうした力を身につけたい若手労働者へのアドバイスは、できるだけツールを作り、使い、そうした働き方に慣れることです。この変化に早く適応するほど、労働市場の混乱や技術の変化にうまく対処できるようになる、とチャンダー氏は主張しています。

チャンダー氏は、AIをかつての技術変化と比較することが有益だと考えており、対照的な2つのパターンを挙げています。産業革命では、最も熟練した労働者が最大のリスクに直面した、とチャンダー氏は論じています。その例がラッダイトで、彼らは熟練した織工でした。その多くは、当時の社会で比較的熟練した労働者であったにもかかわらず、その時代の新しい発明によって職を失いました。知識労働者や高学歴の労働者ほどAIの影響を受けやすい可能性があるという点に、チャンダー氏は類似性を見ています。

一方、20世紀の電気やIT革命は、おおむね逆の方向に作用したといいます。中技能や低技能の仕事がそれらの技術の影響を受けやすい傾向にあり、最も熟練し高い教育を受けた人々がはるかに大きな恩恵を受けました。AIがこの2つのパターンのどちらをたどるかは、まだわからないとチャンダー氏は述べています。

チャンダー氏は、AIが過去の事例と異なる可能性のある点を一つ指摘しています。それは能力が向上するスピードです。現在のAIは、3年前と比べてはるかに幅広いタスクをこなしています。新しい仕事や新しい需要が生まれたとき、以前には同じ形では生じなかった問いが生まれます。その新しい仕事を人間が担うのか、それともAIの能力が十分な速さで進歩し、その仕事もAIが担うようになるのか、という問いです。チャンダー氏は、この点でAIがこれまでの技術と一線を画す可能性があると見ています。

チャンダー氏は、労働者を置き換えてその仕事をすべて自動化するのではなく、AIを使って労働者を支援し、その能力を高めることについて多くの議論があると指摘します。自身が執筆したエッセイでは、労働者を大きく支援できると考える具体的な解決策を一つ提案することを目指しました。それは、人々の学習を助けるツールとしてAIを使うことです。

すでにAIで自らを拡張している人の例として、チャンダー氏はスタートアップの創業者を挙げています。チームはごく小規模でも、AIを使えばはるかに多くのことを成し遂げられます。AIツールによって以前はやり方を知らなかった機能にも手が届くようになり、創業者はそうした機能をこなせるようになっています。チャンダー氏はこれを拡張の好例だとしています。

チャンダー氏は、自分が自動化されているのか拡張されているのかを見分けるシンプルな基準を示しており、それはどのような仕事に注力しているかによると述べています。自分にできる仕事の範囲が広がっているのか、それともこの技術によって仕事が縮小しているのか。技術が労働者に恩恵をもたらす場合、通常は労働者がこなせるタスクの幅が広がる、とチャンダー氏は説明します。労働者を自動化したり置き換えたりする技術は、タスクの一部を取り除くため、労働者のやることは結果的に減ります。チャンダー氏の目標は、労働者がより多くのことをできるよう拡張する方法を見つけることです。歴史的に見て、そのための最良の方法は教育だったといいます。教育によって、労働者は以前よりはるかに多くのことができるようになるからです。

そのうえでチャンダー氏は、現在を一つのチャンスととらえています。私たちが100年以上経験したことのない、学習能力における最大の変化が起きる機会があると見ており、それはAIツールによる個別最適化された学習からもたらされると予想しています。

チャンダー氏は、自身のAIの使い方について語っています。最もよく使うのは数学です。AIはモデルや証明を書くのが非常に得意だと感じており、すべてをゼロから書くよりも、AIの出力をレビューするほうがはるかに効率的だからだといいます。チャンダー氏はこれを、自身の仕事にとって重要な助けだと考えています。

一方、文章を書くことにはほとんどAIを使いません。その理由は、AIの文章力を信頼していないからではありません。書くことが考える助けになり、自分で書くことで問題をよりよく理解できるからです。内容を理解しないまま書くのであれば、書くことの価値の多くが失われてしまう、とチャンダー氏は述べています。

ここからチャンダー氏は、より広い論点に移ります。何をAIに任せ、何を人間の手に残すかを決めるとき、その判断は人間が何を望むかにかかっているといいます。その一部は善悪に関する価値観の問題であり、一部は単に自分たちの好みを表明することです。私たちは何を作りたいのか。何が私たちをより豊かに、より幸せにするのか。AIを使って実際に何を成し遂げたいのか。これらは、私たちがAIに伝えなければならないことです。

チャンダー氏は、少なくとも短中期的には、こうしたタスクをどう自動化できるのかわからないと述べています。その一部は私たち自身の内省に依存しているからです。人は自分が本当に何を望んでいるのかを考えなければならず、より深く内省して初めて気づくこともあります。このためチャンダー氏は、短中期的には、何を作り実装するかの方向性を示すことは、AIよりも人間ならではの仕事だと考えています。AIはむしろ、実行や実装の側に近いと見ています。

続いてチャンダー氏は、格差について異なる意味合いを持つ2つのシナリオを説明します。1つ目のシナリオでは、AIによって新しいことを学んだことによる優位性が大幅に縮小します。AIが最も難しいタスクの多くをこなせるようになり、ある分野のトップに到達したり、ある職業で最高水準のパフォーマンスを発揮したりするための障壁が大きく下がれば、労働市場の格差ははるかに小さくなる可能性があります。学校で多くを学び非常に有能な人と、学校であまり努力しなかった人との差は、それほど大きくならないかもしれません。これは格差と学習への投資のあいだにトレードオフが生じうることを意味しており、そこが興味深いとチャンダー氏は述べています。

2つ目のシナリオでは、AIによって戦略的思考や社会的スキルがもたらす優位性が高まります。その場合、戦略的思考を身につけられる人は誰でも労働市場で非常に高い価値を持ちうるため、学校で懸命に努力することの価値はさらに高まる可能性があります。チャンダー氏は、どちらのシナリオが優勢になるかは述べていません。

学生へのアドバイスは、AIツールをできるだけ使い、自分で何かを作り、そうした戦略的思考を養うことに注力することです。チャンダー氏が学生に問いかけてほしいと考えているのは、これらのツールをどうすればうまく使えるのか、ツールがまだどこで力不足なのか、そして人間として自分はどこで価値を加えられるのか、という問いです。

チャンダー氏は、AIが人々の考え方に与える影響は非常に複雑だと認めています。単にタスクを任せきりにするのではなく、人々がクリティカルシンキングに集中し続けられるように設計された、AIを活用したさまざまな新しい教育的介入に言及しています。その例がカーンアカデミーで、生徒がAIを使えるものの、AIが答えを直接教えることはない機能を備えています。代わりに、AIは生徒が自力で答えにたどり着けるよう手助けします。

チャンダー氏は、自身のビジョンを語って締めくくります。学習を支援するAIの力を本当に活用できれば、職業への需要が時代とともに変化するなかで、人々が異なる職業のあいだをはるかに容易に移動できる未来を思い描いているといいます。ある職業の経済的な重要性が大きく高まったとき、人々がその職業へより早く移れるよう支援する方法を見つけられれば、大きな可能性が開かれるとチャンダー氏は考えています。

チャンダー氏は、この結果が確実だとは主張しておらず、あくまで希望として示しています。チャンダー氏の言葉を借りれば、技術変化によるリスクをより多く抱えるキャリアのはしごから離れ、労働者にとってより適したキャリアの格子に近いものへと移行していくことを心から願っている、とのことです。