beebetダイヤ

このサイトではJavascript機能をOnにしてご利用ください。 ページの本文へ 日本語 English 中文 RIETIについて サイトマップ ヘルプ お問い合わせ 論文検索サービス サイト内検索 メニュー 研究テーマ プログラム (2024-2028年度) プログラム (2020-2023年度) プログラム (2016-2019年度) プログラム (2011-2015年度) 政策研究領域 (2006-2010年度) 主要政策研究課題 (2003-2005年度) 経済産業省共同プロジェクト プロジェクトコンテンツ 調査 フェロー（研究員） 肩書き別一覧 アルファベット順 過去の在籍者 フェローの活動 論文 ディスカッション・ペーパー（日本語） ディスカッション・ペーパー（英語） ポリシー・ディスカッション・ペーパー（日本語） ポリシー・ディスカッション・ペーパー（英語） テクニカル・ペーパー（日本語） テクニカル・ペーパー（英語） ノンテクニカルサマリー 英文査読付学術誌等掲載リスト Research Digest 政策分析論文 調査レポート 論文検索サービス 出版物 RIETIブックス（日本語） RIETIブックス（英語） 通商産業政策史 著者からひとこと RIETI電子書籍 年次報告書・広報誌（RIETI Highlight） その他出版物（日本語） その他出版物（英語） イベント シンポジウム ワークショップ BBLセミナー 終了したセミナーシリーズ データ・統計 JIPデータベース R-JIPデータベース CIPデータベース JLCPデータベース 日本の政策不確実性指数 産業別名目・実質実効為替レート AMU and AMU Deviation Indicators JSTAR（くらしと健康の調査） RIETI-TID 長期接続産業連関データベース マイクロデータ計量分析プロジェクト 海外直接投資データベース ICPAプロジェクト リンク集 コラム・寄稿 コラム Special Report EBPM Report フェローに聞く フェローの連載 世界の視点から 特別コラム 新聞・雑誌等への寄稿 特別企画 経済産業ジャーナル 研究テーマ フェロー（研究員） 論文 出版物 イベント データ・統計 コラム・寄稿 サイトマップ ヘルプ お問い合せ 閉じる ホームコラム・寄稿フェローの連載IoT, AI等デジタル化の経済学 IoT, AI等デジタル化の経済学 第153回「生成AIと雇用・リスキリング（1）」 印刷 岩本 晃一 リサーチアソシエイト／立命館アジア太平洋大学 1　はじめに 近年、生成AIが社会に急速に普及している。社会は驚きを以て受け止めているが、AI技術を理解している者であれば、当然、近い将来出現するであろうと予想していたAIが予定どおり出現したのであり、AIであれば当然持っている限界も、AIである以上保有している。 それでは、これまでのAIによる影響との違いはどこにあるだろうか。 AIは、プログラム技術の発展により、これまでの専用機から汎用機に急速に進化している。 作業手順を文書化できる業務であれば、それをプログラム言語に記述可能であり、AIに代替可能である。 生成AIの進化により、AIが出来る業務を行っている人は、急速に職を失うだろう。 一方、AIを道具として利用し、業務の効率化、スピードアップを図れる人は、仕事のパフォーマンスがぐっと上がる。 数年前まで、AIが発展すると、例えば店舗の売り子やホテルの受付けのような単純作業を担う「AI＋ロボット」が急速に発展し、人間の職を代替するだろうと予想されていた。 だが、実際には、AIとロボットとの接続が難しく、コストが高くなるため、なかなか普及しなかった。すなわち、「AI＋ロボット」より人件費の方が安かったのである。 むしろ、生成AIのように、高度な頭脳労働のみの業務の方が、プログラム技術の進化でAI化が可能になりつつある（注1）。すなわち、高度な頭脳労働者の人件費よりもAIのコストの方が安くなりつつある。 こうした生成AIの発展は、雇用にどのような影響を与えるだろうか。 すなわち、①AIではできない業務、AIを道具として使って高い生産性をあげる業務、②AIを開発する業務などにリスキリングして人を移動させることが重要である。 人口減少によって若者が労働力として不足している日本で、生成AIはそれを補う絶好のツールであり、生産性向上の絶好の手段である。 また、生成AIの登場により、所得格差は益々大きく拡大すると予想される。 AIが出来ないこと、AIを道具として使って高い生産性をあげる仕事をする人に対する需要が高まり、そういう人は高い賃金で処遇される一方、AIにより職を失い、かつリスキリングもしない人は、低賃金の職に移動せざるをえなくなる。 だが今の日本では、AI活用において、日本特有の課題がある。 それは、AIに対するアレルギーの人が多いことである。 古い業務形態や人を多く使う「人海戦術」に固執する人が多い。 もしこうした状況が続けば、世界中で生成AIが活用され、生産性が高まり、企業は競争力を一層高めることが予想されるなかで、日本は世界から益々取り残される。負のスパイラル経済から抜け出せず、日本という船が益々沈没する懸念がある。 2　生成AIが雇用に与える影響、そしてリスキリング 人間の仕事に肉体労働（ブルーカラー）と頭脳労働（ホワイトカラー）があるように機械にも前者（ロボット）と後者（人工知能）がある。 ロボットは、人間の手足など身体を使った「肉体労働」を代替してきた。人工知能は、人間の「頭脳労働」を代替する。ここで「ロボット」とは、機械系駆動装置全体を代表する表現として用いている。 人工知能とは、学習、認識、推論（推定）の3つの機能を持つアプリケーションプログラム、すなわちアプリである。人工知能は、あらかじめ、人間がプログラムしたとおりに動くだけの機械である。そして、現在発生している事例を常に「学習」して賢くなり、また、過去に発生していない事例であってもAIが自動でシミュレーションすることで「学習」して人間以上に賢くなる。 例1　囲碁AI 学習：過去の対局を全て覚える。また過去に存在しない対局をAIが自動でシミュレーションして学習する。 認識：相手が打った手を認識 推論：次に自分が打つ手を考え出す 例2　AI搭載自動運転車 学習：全国の詳細な3次元地図を記憶する。道路周辺に存在する「モノ」を全て記憶する。認識：走りながら、カメラで見て「あれは人間だ、自転車だ」などと認識する。見えたものすべてを「学習」しながら賢くなる。 推論：ぶつからないようにハンドルを〇度切るように「推論」する。 例3　軍事攻撃ドローン 学習：飛行区域の詳細な3次元地図を記憶する。攻撃対象周辺を記憶する。 認識：飛びながら、カメラで見て「あれは敵の軍事施設だ」などと認識する。 推論：敵の軍事施設に突入する。 例4　生成AI 学習：ネット上に存在する全てのデータを学習 認識：人間からの指示を認識 推論：指示に対して答えを出す AIでも出来るような仕事をしていると、いずれAIに置き換えられるが、AIを道具として使うような仕事をしていると、仕事のパフォーマンスはぐっと上がる。例えて言えば、秘書に雑用を任せて自分は重要な仕事に専念するイメージである。 プログラム技術の進歩により、これまでの専用機から汎用機に急速に進化している。 このため、むしろ高度な頭脳労働のみの作業が、プログラム技術の進化でAI化が可能になりつつある。 例　報告書や会議資料の作成 　　複雑な文書を簡単に要約 　　キャッチコピーやアイデアの立案 　　プログラムの記述 　　文章の校正 あなたが行っている仕事のうち、作業手順を文書化できるものは全てプログラム言語で記述可能である。これが、今、あなたが行っている仕事のうち、どの部分がAIに代替可能か、判断する目安になる。 人工知能が「推論」した結果を、 ①そのまま直接、機械系駆動部に伝達して、駆動部を動かす、または ②人間が「推論」を聞き、最終的には人間が「判断」する AIは、最後の過程の違いで、以上、2とおりのタイプに分かれる。 軍事分野では、①だと誰に向けて攻撃するかわからない点が、議論になっている。 自動運転車では、②だと自動運転にならないので、①を目指している。 生成AIの限界を知ったうえで、生成AIを道具として使いこなすと、素晴らしい道具になる。 生成AIの限界とは、①学習する情報が間違っていると、AIの結果も間違う（注2）、②認識率は100%ではない、③著作権で保護された画像・文章であるか否かに関係なく全て一律に読み込むため著作権侵害が起きやすい、また人権侵害の有無に関係なく全て読み込むため人権侵害が起きやすい、という上述した「AIとは、学習、認識、推論（推定）の3つの機能を持つアプリケーションプログラムである」という基本的な機能に起因する。 AIを道具として使いこなすと素晴らしい点とは、人間には出来ないことが可能な点である。それは、①記憶容量が大きい、すなわち膨大な情報を「学習」できる、また、過去に発生していない事例であってもAIが自動でシミュレーションすることで「学習」して人間以上に賢くなる。②処理速度が速い、すなわち、すぐに結果が出る点である。 例 囲碁AIが、過去のすべての対局から判断し、また過去に存在しない対局をAIが自動でシュミレーションして学習した結果から判断し、人間が思いつかないような手を打つ 医療AIが、過去のすべての論文を読み込み、普通の医者では思いつかないような治療法を提案 イラストAIが、過去の全てのイラストを読み込み、それらの組み合わせだけではあるが、普通のイラストレーターでは思いつかないようなイラストを描く このように、AIは、過去に存在しない新しいものを創造できないし、プログラムに従って動くだけではあるが、過去の組み合わせだけであっても、人間ではなかなか考え付かないものを創出することが可能である。 このことから、作業手順を文書化できるような業務はAIに任せ、人間は創造的な業務に特化することが可能になる。 これまでのロボットによる人間の身体労働の代替は、テクノロジーの進化がゆっくりだったので、ある人が若い頃からやってきた古い仕事を一生続け、子が継がない、という形態で十分時代の変化に追従できた。 人工知能の雇用問題は、テクノロジーの発展が速く、社会への導入が急なので、今働いている人の頭脳労働がいきなり代替される点にある。 例えば、経理課でパソコンを用いて10人が仕事をしていたが、RPAが導入され1人で可能になった、などが挙げられる。 人工知能の雇用問題を解決する王道は、新しい事業を興して、失う雇用よりも、もっと大きな雇用を創出することである。 ロボットの時代は、新しい産業が勃興し、新しい仕事が生まれてきたが、その仕事ができる人材は、ゆっくりと待っていても、必要な量が確保されてきた。 だが、人工知能の時代では、新しいテクノロジーの急速な勃興に必要な大量の人材が、急にはそろわない、という問題が深刻化している。 テクノロジーの発展で余剰になった人材をリスキリングし、新しく必要とする分野にスムーズに移動することが必要である。 そうしないと、失業の問題よりむしろ、新しい事業が立ち上がらず、世界の競争に負けてしまうという危機感がある。 オフィスが、人工知能を監視する業務、何か問題が発生すれば対処する業務のみが残る。 こうして生まれた余剰人員にリスキリングを行い、成長が見込める部署に配置転換し、企業を成長させて、賃金を上げ、企業全体の雇用を増やすことが王道である。 2023年5月28日付け日本経済新聞に、「IBM AIで雇用創出 開発・コンサル増員」とのタイトルで、IBMのアービンド・クリシュナCEOが日本経済新聞社の取材に応じた内容が載っている。この考え方が、王道であると言える。 「IBMは、バックオフィスで2万6千人の社員を抱える。生成AIの活用により、5年後には、その30%の社員が不要になる。その余力で生まれる人員を、ソフトウエア開発やコンサルテイングなど価値を生み出す役割に割り振る。事業拡大に伴って、2023年1-3月期には、生成AIにより不要な業務を削減してもなお2000人を増員した。AIの導入によって会社の競争力を高め、正味で雇用創出につなげていく。」 日本企業は、オフィス事務部門において、仕事の技能を習得するには長期間を要するがいったん、習得すると、数字の処理の繰り返し業務である「帳票業務」（お金やモノの数字を決まった様式に記入し、数字を処理する業務）に、一般職・非正規を充ててきた。 生成AIの登場により、一般職・非正規の大部分を代替すると言われている。 3　今後の課題 (1)日本には他の先進国に比べてAIアレルギーの人が多い。古い雇用形態や働き方、人海戦術の仕事の仕方に固執する人が多い。AIの流れに取り残され、日本という船が益々沈む可能性がある。 (2)AIにより代替される仕事に従事している人にリスキリングを行い、新しい職場に移動させることが理想的だが、全ての人が理想どおりにはいかない。新しい技術になじめない人も必ず一定数存在する。そのような人をどう処遇するか。 (3)企業内でリスキリングし、新しい職場に配置転換するのであれば、会社が責任を持って行うが、人の移動が企業を越えて行われる場合、誰がリスキリングを行うのか、誰が責任を持って人の移動を行うのか。人材流動市場がほとんどない日本で、これを全て個人の負担と責任で行うことは極めて厳しい。 4　おわりに 生成AIの登場により、定型的な事務作業の自動化がさらに一層進む。 AIが「学習」した過去の情報を組み合わせただけでも、人間がなかなか思いつかないアイデアも生まれる。 生成AIの登場を脅威と捉えず、むしろ絶好の機会と捉えて、生産性の向上、賃金の上昇、パフォーマンスの向上などにつなげることを期待したい。 外国では、既にこうした動きが始まっている。日本はこの動きに乗り遅れないで欲しい、と願う。 脚注 ^ 生成AIにより失われる仕事と、新たに生まれる仕事 2023年5月16日　World Economic Forum https://jp.weforum.org/agenda/2023/05/jp-jobs-lost-created-ai-gpt/ アクセンチュアのレポートによると、チャットGPT-4のような大規模言語モデル（LLM）によって、全労働時間の40%が影響を受ける可能性があります。 世界経済フォーラムの「仕事の未来レポート2023」は、多くの事務職や秘書の役割は、AIによって急速に衰退する可能性が高いとしています。 一方、AI・機械学習のスペシャリスト、データアナリスト、科学者、デジタルトランスフォーメーションのスペシャリストなどの役割は、急速に成長することが予想されます。 企業が、テクノロジーを活用できるようになるためには、AIを効果的に利用するための人材のリスキリングが鍵を握っていると、アクセンチュアは述べています。 世界経済フォーラムの「仕事の未来レポート2023」によると、AI・機械学習スペシャリスト、データアナリスト、科学者、デジタルトランスフォーメーションのスペシャリストが、新たに出現する役割の中で最も顕著な仕事です。 2027年までに、AI・機械学習のスペシャリストの数は40%増加し、データアナリスト、科学者、ビッグデータのスペシャリストといった役割の需要は30～35%増加。情報セキュリティアナリストの需要は31%増加すると、同レポートは予測しています。これにより、合わせて260万人の雇用が増加することになります。 その反面、AIにより急速に減少する可能性が高いと見られる仕事もあります。これらは主に、事務職や秘書的な役割で、銀行の窓口係やデータ入力の事務員などが含まれます。 以下に、世界経済フォーラムが予測する、今後5年間で最も急成長する職種と、衰退する職種の上位10職種を紹介します。 こうした流れを受け、企業は、AIやビッグデータを扱うスタッフのトレーニングの優先順位を見直すようになってきています。2027年までの企業のトレーニング戦略における優先順位は第3位であり、従業員数5万人以上の企業では第1位であると、同レポートは明らかにしています。 [ 図を拡大 ] ^ 米ニューヨーク州の弁護士が審理中の民事訴訟で、資料作成に生成AIを用いた結果、存在しない判例を引用したことが米紙ニューヨークタイムズなどにより報じられている。（日本経済新聞2023年5月31日） 2023年6月1日掲載 印刷 この著者の記事 第166回「テレワークが減少している」 2024年4月 3日［IoT, AI等デジタル化の経済学］ 第165回「生成AIが雇用に与える影響」 2024年3月 6日［IoT, AI等デジタル化の経済学］ 第164回「DXからみたグローバル・ニッチトップ企業の日独比較（6）」 2024年2月21日［IoT, AI等デジタル化の経済学］ 第163回「DXからみたグローバル・ニッチトップ企業の日独比較（5）」 2024年2月 1日［IoT, AI等デジタル化の経済学］ 第162回「DXからみたグローバル・ニッチトップ企業の日独比較（4）」 2024年1月29日［IoT, AI等デジタル化の経済学］ コラム・寄稿 コラム Special Report EBPM Report フェローに聞く フェローの連載 リサーチインテリジェンス IoT, AI等デジタル化の経済学 関志雄：中国経済新論 中島厚志の経済ルックフォワード 小林慶一郎のちょっと気になる経済論文 エビデンスに基づく医療（EBM）探訪 空間経済研究ノート 国際貿易と貿易政策研究メモ 社会保障・経済の再生に向けて 経済問題：WHY？ 海外レポートシリーズ：国際金融情報スーパーハイウェイの建設現場から 海外レポートシリーズ：欧州からのヒント ガバナンス・リーダーシップ考 農業・食料問題を考える 山口一男の日本社会論 Economics Review 外交再点検 対談・経済政策の選択肢 W杯開催の事後検証 社会システムデザイン研究会 検証：日本の通商政策 ブロードバンド戦略 海外レポートシリーズ：ハーバードAMPの現場から 世界の視点から 特別コラム 新聞・雑誌等への寄稿 特別企画 経済産業ジャーナル 情報発信 ニュースレター 更新情報RSS配信 Facebook X YouTube 研究テーマ プログラム (2024-2028年度) プログラム (2020-2023年度) プログラム (2016-2019年度) プログラム (2011-2015年度) 政策研究領域 (2006-2010年度) 経済産業省共同プロジェクト プロジェクトコンテンツ 調査 フェロー（研究員） 論文 ディスカッション・ペーパー（日本語） ディスカッション・ペーパー（英語） ポリシー・ディスカッション・ペーパー（日本語） ポリシー・ディスカッション・ペーパー（英語） テクニカル・ペーパー（日本語） テクニカル・ペーパー（英語） ノンテクニカルサマリー 英文査読付学術誌等掲載リスト Research Digest 政策分析論文 調査レポート 論文検索サービス 出版物 RIETIブックス（日本語） RIETIブックス（英語） 通商産業政策史 著者からひとこと RIETI電子書籍 年次報告書・広報誌（RIETI Highlight） その他出版物（日本語） その他出版物（英語） イベント シンポジウム ワークショップ BBLセミナー 終了したセミナーシリーズ データ・統計 JIPデータベース R-JIPデータベース CIPデータベース JLCPデータベース 日本の政策不確実性指数 産業別名目・実質実効為替レート AMU and AMU Deviation Indicators JSTAR（くらしと健康の調査） RIETI-TID 長期接続産業連関データベース マイクロデータ計量分析プロジェクト 海外直接投資データベース ICPAプロジェクト リンク集 コラム・寄稿 コラム Special Report EBPM Report フェローに聞く フェローの連載 世界の視点から 特別コラム 新聞・雑誌等への寄稿 特別企画 経済産業ジャーナル RIETIについて 個人情報保護 ウェブアクセシビリティ方針 RIETIウェブサイトについて サイトマップ ヘルプ お問い合わせ 経済産業省 独立行政法人経済産業研究所（法人番号 6010005005426） 当サイト内の署名記事は、執筆者個人の責任で発表するものであり、経済産業研究所としての見解を示すものでは有りません。掲載している肩書や数値、固有名詞などは、原則として初掲載当時のものです。当サイトのコンテンツを転載される場合は、事前にご連絡ください。 "ページの先頭へ戻る