スタンフォード大学デジタル経済ラボの経済学者Bharat Chandarが、AIが労働市場に与える影響について最新の研究結果を明らかにする。特にAIへの曝露度が高い職種では若年労働者の雇用成長率が16%低下しているという衝撃的なデータを提示し、伝統的なキャリアラダーモデルの崩壊を示唆する。一方で、AIを教育ツールとして活用することで労働者の能力を拡張し、職業間の移動を容易にする「キャリアラティス」の可能性を提唱。物理的タスク、戦略的思考、社会的相互作用という3つの領域でAIには限界があり、特に戦略的思考スキルの重要性が今後ますます高まると分析する。過去の産業革命やIT革命との比較を通じて、AIによる変化の構造的性質と、人間が付加価値を生み出せる領域について深く掘り下げた内容である。
AIが若年労働者に与える影響
私はBharat Chandarです。スタンフォード大学デジタル経済ラボの経済学者で、AIが仕事に与える影響について研究しています。この1年半ほど、労働経済学における最も重要な問題の一つは、AIが労働市場に与える影響についてだと感じています。
実際にこれらのツールを使い始め、その能力を理解するようになってから、これが私の研究テーマの中心になりました。なぜなら、将来的に社会に影響を与える可能性のある最も重要な問題の一つだと感じたからです。
私は共同研究者のEric BolsonとRyu Chenと共に研究を発表しました。AIへの曝露度が高い職種と低い職種で、仕事がどのように変化しているかを調査したんです。ADPという給与計算会社のデータを使って、アメリカ全土で数百万人の労働者を追跡しました。
ここでの重要な発見の一つは、全体としては、AIへの曝露度が高い職種と低い職種で、雇用の変化に大きな違いは見られなかったということです。しかし、若年労働者に焦点を当てると、そこには大きな違いが見られます。ソフトウェア開発、カスタマーサービス、事務的な役割といったAIへの曝露度が高い職種では雇用の減少が見られ、AIへの曝露度が低い職種では依然として雇用の成長が続いています。より経験豊富な労働者についても、ほぼ傾向通りの雇用成長が見られました。
AIへの曝露度が高い職種では、若年労働者の雇用成長率が16%遅くなっているんです。多くの人がキャリアをスタートさせたばかりで、そこで苦戦しているという状況です。
私たちが「炭鉱のカナリア」というタイトルを選んだ理由は、まさにこの見方と一致しています。これらの結果を追跡したいのは、将来的なAIの変革的影響を示す可能性があると考えているからです。
構造的変化か一時的変化か
これがどの程度AIによって引き起こされているのか、そして今後どう変化していくのか。これが経済の一時的な変化なのか、それともAIによる構造的な変化なのかは確信を持てません。
ただし、私たちが考えられる最も妥当な代替説明についてはテストしました。それには金利の変化も含まれます。金利の変化に曝露度が高い職種は、実はAIへの曝露度は低いんです。つまり、輸送業や建設業は金利変化に非常に敏感ですが、AIにはあまり曝露されていないということです。
これが重要なポイントで、金利の変化が私たちの結果を引き起こしているわけではないと考える理由です。他にテストしたものとしては、テック業界の過剰雇用があります。テックセクターを除外しても同様の結果が得られました。コンピューター関連の仕事を除外しても、これらの異なる代替説明をテストしても、同じような結果が得られたんです。
おっしゃる通り、もしこれがAI能力の構造的変化が労働市場に影響を与えているのであれば、それは一時的な変化ではありません。潜在的には長期的な変化になるでしょう。これを追跡できる期間が長くなり、その傾向が維持されるようであれば、それはAIが仕事に影響を与えている可能性を示すことになります。
とはいえ、AIがある世界とない世界をクリーンに比較できる実験があるわけではありません。AIの影響を本当に解明するには、まだまだやるべきことがたくさんあります。
若年労働者とタシット・ナレッジ
若年労働者が労働力に参入する際に何をしているかを考えると、その多くは実装作業、つまり学校で学んだ本の知識に依存する作業です。
一方で、彼らがあまり経験や能力を持っていないのは、タシット・ナレッジ、つまり実際に仕事をすることでしか得られない経験に依存することです。また、社会的相互作用や戦略的思考も含まれます。
タシット・ナレッジとは、非常にローカルな文脈に依存するもの、戦略的思考、社会的相互作用、あるいは職場での経験を通じてのみ構築されるものだと考えています。これらは本にあまり書かれていない類のものです。
若年労働者にとっては、AI能力とより直接的に重複しています。そして、これらはより経験豊富な労働者がAIに対して、そして若年労働者に対しても相対的に優位性を持つ可能性がある状況かもしれません。
若年労働者の訓練に関しては、企業が将来的に中間管理職やより経験豊富なスタッフを持ちたいのであれば、若者を雇用したいと考えるのは全くその通りです。ただし、ここでの問題は、将来的に労働者を確保するためにそうするインセンティブはあるものの、十分なインセンティブがない可能性があるということです。
つまり、社会的観点から見て雇用すべき量ほど若者を雇用しないかもしれないし、訓練すべき量ほど訓練しないかもしれません。その理由は、これらの若者が永遠にその会社に留まる必要がないからです。別の会社に移ることができます。
ですから、彼らは依然として何人かは雇用したいと思うでしょうが、社会全体にとって有益な数ほどは雇用したくないかもしれません。これは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とのミスマッチです。
AI教育の可能性
より楽観的な見方を示すとすれば、もしAIが本当に人々の学習を助ける能力があり、教育のツールとして機能するのであれば、そのプロセスを加速できる可能性があります。ただし、それには教育システムの組織方法、場合によっては大学、あるいはそれより低いレベルでの大きな変更が必要になるかもしれません。人々がより速く、より良く学べるようにするためです。
AIが少なくとも短期から中期的に、はるかに能力が低いと思われることが3つあります。1つ目は、ロボティクスの大きな進歩がない限り、物理的なタスクです。2つ目は戦略的思考と何をすべきかの指針です。そして3つ目は社会的相互作用です。
戦略的思考はますます重要になっていますし、今後さらに重要になる可能性があります。なぜなら、将来的には多くの仕事が、AI エージェントに実装作業をさせながら、何をすべきかを指示し、ガイドするという形になりそうだからです。
ですから、そのような戦略的思考、何を実現したいのか、何を生産したいのかを表現することは、今後かなり重要なスキルになると思います。これは企業内でマネージャーが果たす役割のようなものです。したがって、そのようなマネジメント業務や戦略的ガイダンスは、今後非常に重要なスキルになる可能性があります。
若年労働者について考えると、どうすればそのようなスキルを開発できるでしょうか。ツールを可能な限り構築し使用し、そのような仕事のモードに慣れることです。それが早く起これば起こるほど、労働市場の混乱や技術変化への適応という点で、より良い状態になるかもしれません。
歴史的技術変化との比較
AIをこれらの歴史的変化と比較することは非常に有用だと思います。例えば、産業革命です。AIとその時期の比較で考えると、実際には最も熟練した労働者が産業革命からより大きなリスクに直面したケースでした。
思い浮かぶのはラダイト運動です。彼らは熟練した織物労働者でしたが、産業革命で登場した新しい発明により、多くの人が仕事を失いました。彼らは社会の中でより熟練した労働者だったのです。
ここで似ているかもしれないのは、より教育を受けた役割の知識労働者が、より大きなAI曝露に直面している可能性があるということです。これは興味深い比較だと思います。
電気やIT革命のようなものを考えると、基本的に20世紀を通じて、これらの多くは実際には逆のパターンでした。中程度のスキルや低スキルの仕事がその技術により曝露される傾向がありましたが、最も熟練した、最も教育を受けた人々は、この新技術の発展から大きく恩恵を受けました。
今後、AIが最初のケースのようになるのか、2番目のケースのようになるのかは、まだ見ていく必要があります。
ここで心に留めておく価値があることがあります。AIが過去の歴史的エピソードと異なる可能性がある点の一つは、能力向上の速度です。
今日でさえ、3年前よりもはるかに多くの異なるタスクを実行できます。新しい仕事が創出され、既存の仕事への新しい需要が生まれるにつれて、それらを人間がやるのか、それともAI能力が十分に速く進歩して、AIもその種の仕事をするようになるのかという問題があると思います。これがAIが以前の技術と異なる可能性がある領域だと思います。
拡張か自動化か
AIを使って労働者を拡張し、より良い状態にする方法と、単に労働力から代替して、彼らがやっていることをすべて自動化する方法について、多くの議論がありました。
このエッセイで私が言いたかったのは、労働者をかなり拡張できる可能性のある具体的な解決策を提案することです。
それは、AIを人々の学習を助けるツールとして使うことです。現在AIで自分自身を拡張している人の例を考えると、非常に少人数のチームを持つスタートアップの創業者が、AIにアクセスできるおかげで、はるかに多くのタスクをこなせるというケースが挙げられます。以前なら全くやり方がわからなかったさまざまな機能を、今では自分でできるのです。AIツールにアクセスできるからです。これは実際、拡張の非常に良い例だと思います。
自動化されるか拡張されるかは、実際にはどのタスクに焦点を当てているかによります。実行できるタスクの範囲を広げているのか、それともこの技術の導入によってタスクが縮小しているのか。
これが拡張という点で素晴らしいと思う理由は、労働者に利益をもたらす技術を考えるとき、それは多くの場合、実行できるタスクのセットを増やすものだからです。
対照的に、仕事を自動化し、労働者を代替するものは、労働者がしなければならないタスクの一部を奪い、今ではより少ないことをしなければならなくなります。目標は、労働者を拡張し、より多くのことができるようにする方法を見つけることだと思います。そして、歴史的にそれを行うための最良の方法の一つは、教育することです。
教育を受けることで、労働者は以前よりもはるかに多くのことができるようになります。ここで心に留めておく価値があることがあります。AIが過去の歴史的エピソードと異なる可能性がある点の一つは、能力向上の速度です。
パーソナライズ学習の革命
そして、パーソナライズ学習のためにAIツールを使うことで、100年ぶりとは言わないまでも、学習能力における最大の変化の機会が今あると思います。
私にとって、拡張のためにAIを使うことにはいくつかの側面があります。そして、私が実際に使い始めているのは数学です。モデルを書き下したり、何かを証明したりする必要がある領域があります。そして、それは本当に得意なんです。
拡張の方法は、何かが正しいかどうかをチェックする方が、ゼロから書くよりも簡単だということです。
ですから、これも私の仕事を拡張する重要な方法だと考えています。一方で、AIでやらないこともあります。私は個人的に文章を書くのにはあまり使いません。文章を書くのに使わない理由は、文章を書くことが私の思考を助け、自分でやることで問題を本当によく理解できるようになるからです。
AIツールを信頼していないというわけではありません。むしろ、自分でやらず、何について話しているのかを理解していなければ、文章から得られる価値がはるかに少なくなるということです。
何を委任し、何を人間として保持したいかを決める際、多くは人間が何を望むかによると思います。その一部は価値観についてです。何が正しくて何が間違っているか。一部は私たちの好みを表現することでもあります。
何を構築したいのか。何が私たちをより良くするのか。何が私たちをより幸せにするのか。実際にAIを使って実装したいものは何か。それは私たちがAIに表現しなければならないことです。
そのようなタスクが、少なくとも短期から中期的にどのように自動化されるのかは明らかではないと思います。なぜなら、その一部は私たちの内省にも依存するからです。
私たちは何を望むかをじっくり考える必要があります。時には、それについて内省し、より深く考えることで、何を望むかを学ぶこともあります。ですから、何を構築すべきか、何を実装すべきかについてのガイダンスは、少なくとも短期から中期的には、AIよりも人間的な特性だと考えています。
そして、AIはより実装側にあると見ています。
不平等と学習への投資
AIが何か新しいことを学ぶ利益を本当に減少させると想像してください。これについて興味深いのは、それが労働市場での不平等がはるかに低い世界になる可能性があるということです。
ある分野のトップに立つこと、あるいはある職業で最高品質のアウトプットを得ることへの障壁が、AIが最も困難なタスクの多くを実行できるためにはるかに低くなるとすれば、それは実際には不平等が低い世界になる可能性があります。なぜなら、学校で多くのことを知っていて非常に有能な人と、学校であまり努力しない人との違いが、それほど大きくなくなる可能性があるからです。
興味深いのは、不平等と学習への投資の間に潜在的にトレードオフがあるということです。一方で、AIがこのような戦略的思考、さらにはこれらの社会的スキルなどの利益を本当に増加させるのであれば、それは実際には学校で本当に努力することの利益を増加させる可能性があります。なぜなら、戦略的思考スキルを開発できれば、労働市場で本当に価値があるからです。
若者や学生には、AIツールを可能な限り使って、それらを使って構築し、戦略的思考の開発に本当に集中することをお勧めします。
これらのツールを最大限に活用するにはどうすればよいか。得意でない領域はどこか、人間としてあなたが多くの価値を追加できる領域はどこか。
AIが今後の思考にどのように影響するかについては、非常に複雑な考え方があると思います。批判的思考スキルに焦点を当てるようにするために、タスクを単にオフロードするのではなく、AI使用を伴う教育スタイルのモードで起こっている新しい介入があります。
キャリアラティスへの希望
さまざまなプラットフォームがあります。例えばKhan Academyには、AIツールを使えるけれども答えを教えてくれないものがあります。すぐに答えを与えるのではなく、答えにたどり着く方法を考えるのを助けてくれます。
もし本当にAIの学習を助ける能力を解放できれば、時間の経過とともにそれらの仕事への需要がどのように進化しているかに基づいて、異なる職業間を切り替えることがはるかに簡単になる世界を想像できると思います。そして、ある仕事が経済でより重要になった場合、人々がより速く移行するのを助ける方法を見つけられれば、それは多くの可能性を本当に解放できるでしょう。
ですから、この技術変化についてはるかに多くのリスクがあるキャリアラダーとは対照的に、労働者のために機能するキャリアラティスに近いところに行き着くことを本当に期待しています。
数学者Ken Onoの視点
初めて、Chat GPTが間違える質問を組み立てるのに苦労しました。私は打ちのめされて、どうやってAIの先を行き続けられるのかと考えていました。でも、それは間違った質問だと思います。
私の名前はKen Onoです。私は数学者で、AI for mathと呼ばれる分野でも働いています。バージニア大学の教授で現在は休職中、Axiom Mathの創設数学者です。
知性についての私の見方は、今ではかなり変わりました。私たちはこの世界で、子どもたちを教育するために最善を尽くしていません。そして、それは教育者を批判するために言っているのではありません。私も教育者です。
幼稚園や1年生のクラスを訪れるのは、親が学校に来て自分のやっていることについて話せる日にはいつも楽しいものです。
ああ、すべての素数を知っているとか、足し算が本当に得意だとか、その驚きと、子どもたちが持っているエネルギーをボトルに詰めたいと思います。なぜなら、周りのすべてが新しいときに子どもたちが持っているその驚きと世界へのエネルギーを維持できれば。今日私たちがどこにいるかを考えてみてください。
Ramanujanのような人になる能力と可能性、あるいは少なくとも生産的な方法で創造的になる能力。それは私たち全員の中にあると思います。
あなたのアイデンティティを所有しているのは誰ですか。あなた自身です。
コメント