AIによる自動化は、必ずしも大量の失業を意味するわけではない。歴史的に見れば、自動化は特定のスキルの価値を下げる一方で、別のスキルの価値を高め、生産性を向上させることで新たな雇用を生み出してきた。将来的にAIが経済的な重要タスクの大部分を代替する可能性があるとしても、その過程ではむしろ労働者の生産性と所得が増大する期間が存在すると考えられる。重要なのは、AIが代替しにくいスキルや、AIの導入・運用に不可欠となるスキルを戦略的に習得し、自動化の流れに先んじることである。本稿では、AI時代において価値が高まると予測されるスキルのカテゴリと、個人のキャリア構築における考え方を提示する。
AIによる自動化と雇用の未来
半数以上の人々がAIに職を奪われることを懸念していますが、その不安はもっともなものです。AIはすでに写真のようにリアルな動画を生成し、人間よりも安全にタクシーを運転し、正確な医療診断まで行えるようになっています。そして、その進化のスピードは驚くほど速いものです。技術の専門家たちは、いずれ人間が経済的に行うあらゆる重要なタスクを、人間よりも効率的にこなせるAIやロボットシステムを構築できるようになると考えています。多くの人は、これが賃金の低下を招くと予測していますが、現実はもっと複雑です。たとえ最終的に賃金が下がるとしても、その前段階として、自動化が莫大な富を生み出し、平均賃金を引き上げる期間が訪れるでしょう。
その期間中、AIが習得済みのスキルの価値は低下していきますが、逆にAIがまだ習得していないスキルの価値は上昇します。求職者としての最善の戦略は、AIによって価値が高まるスキルを学び、自動化の波の先を行くことです。どのようなスキルが価値を持つようになるかを正確に予測するのは困難ですが、今起きていることを無視することこそが最大の過ちだと私は考えます。AIがもたらす影響を真剣に検討することなく、現在弁護士、会計士、金融アナリスト、保険数理士、ライター、翻訳家、あるいはグラフィックデザイナーを目指して訓練を積むべきではありません。
2015年当時にコーディングやデータサイエンスが非常に高い成長の可能性を秘めた分野であると言え、当時多くの人にその分野への参入をアドバイスできたのと同様に、現在も、今後10年間で有利な立場に立つためにどのようなスキルを身につけるべきか、確実とは言えないまでも、それなりの予測を立てることは可能です。この動画のテーマはまさにそこにあります。多くの人が勧めるように配管工になるべきかと聞かれれば、少し違います。この動画は、私の新著『80,000 Hours』の第8章に基づいています。80,000時間とは、一般的なキャリアの長さを表しています。週40時間、年50週、それを40年間続けた期間です。つまり、キャリアは人生で最も大きな決断なのです。しかし、世の中に溢れるキャリアアドバイスの多くは驚くほど質が悪く、「情熱に従え」や「選択肢を広げておけ」といった、根拠のない誤解を招く決まり文句に過ぎません。
私はこれまで15年間、最善のキャリアを選択する方法を見つけ出すことに人生を捧げてきました。心理学、経済学、コンピュータサイエンス、さらには道徳哲学における研究が、やりがいがあり、かつ世界最大の課題に取り組むためのキャリア選びにどのような指針を与えてくれるのかを突き止めたかったのです。この本は、私が学んできたことの集大成です。夢の仕事とは何か、どうすれば真に社会に貢献できるか、自分に合う仕事の見つけ方、そして世界がAIによって変革される中でどのように仕事に応募すべきかまで、すべてを網羅しています。このアドバイスは、すでに何千人もの人々が、より充実感があり影響力のある仕事を見つける助けとなってきました。以下のリンクまたは 80000hours.org/book から注文できます。
自動化がもたらす経済の変遷
さて、自動化とそれに関する人々の誤解に話を戻しましょう。将来の自動化が経済をどのように変えるかを理解するには、それが過去にどのように変革をもたらしたかを理解する必要があります。1990年代半ば、銀行にATMが登場し始めました。当時、人々はこれら自動化された窓口が、すぐに人間の銀行員を職から追い出すだろうと予想しました。実際、彼らの予想はあながち間違いではありませんでした。1店舗あたりの行員数は21人から13人にまで減少したからです。
しかし、彼らが予測できなかったのは、これによって個々の支店の運営コストが大幅に下がるということでした。その結果、銀行はより多くの店舗を開設するようになり、銀行員の総雇用数は結果として20年間も増加し続けました。ただ、行員たちは現金を数えるのではなく、顧客との対話に時間を使うようになったのです。一般的には「自動化は賃金と雇用を減らす」と思われがちですが、この例はそれが間違いである2つの理由を示しています。第一に、自動化は「現金を数える」という自動化されたスキルの価値は下げましたが、同時に「顧客と対話する」という他のスキルの価値を高めました。第二に、部分的な自動化は、同じ職種の人々の生産性を高めることで、むしろ雇用を増やすことさえあるということです。この場合、より少ない人数で支店を運営し、同じ人数の顧客に対してより良いサービスを提供できるようになりました。
しかし、この物語には最後にもう一つのひねりがあります。今日、銀行員の雇用は減少傾向にあります。部分的な自動化は雇用を増やしましたが、オンラインバンキングによって可能になったより抜本的な自動化は、確かに雇用を減らしました。これはよくあるパターンです。イギリスの産業革命期、繊維産業は大幅に自動化されました。ジェニー紡績機、水力紡績機、ミュール紡績機が登場した18世紀を通じて生産性は飛躍的に向上しましたが、この産業は依然として100万人以上の労働者を抱える国内最大の雇用源であり続けました。
しかし、雇用のブームは永久には続きませんでした。力織機の開発によって自動化がさらに進み、海外との競争が激化するにつれ、1世代後には雇用は減少に転じました。19世紀の米国でも、繊維産業の雇用は増加後に減少するという同じパターンが観察されました。21世紀に入り、AIがすぐに放射線科医を代替するという予測もありましたが、現在、放射線科医の数はかつてないほど増加しています。これはおそらく、AIが得意とするルーチン的な画像解析が、放射線科医の仕事全体の3分の1程度に過ぎないからでしょう。彼らの時間のほとんどは、患者との対話、他の専門家との協議、そして例外的な症例への対応に費やされています。今のところ、AIは放射線科医を代替するのではなく、彼らの生産性を高める役割を果たしています。
時として、自動化はより少数の高給な労働者がテクノロジーを駆使することで、より多数の低スキル労働者を代替することを意味します。ソフトウェアエンジニアリングの分野では、その兆候が見られます。最もジュニアなエンジニアの採用は減少の兆しを見せていますが、現時点では全体の雇用数は増加しており、平均賃金も上昇しています。また、その仕事への参入を容易にすることで、逆の効果をもたらすこともあります。ライドシェアアプリの導入により、タクシー運転手になることはずっと容易になりました。その結果、運転手の賃金は約20%低下しましたが、この仕事に就く人の数は3倍に増えました。
今後は、AIの助言を得ることで、以前なら医師が必要だった仕事を看護師がこなせるようになる、といった変化が見られるかもしれません。これは、放射線科医、ソフトウェアエンジニア、タクシー運転手が今後二度と雇用の減少を経験しないという意味ではありません。レジ係、秘書、テレマーケター、特殊効果アーティストの雇用は、新しい技術によって仕事が自動化されるにつれ、ここ数年減少傾向にあります。重要なのは、自動化がいつ「雇用を増やすフェーズ」から「減らすフェーズ」に切り替わるかを予測するのが困難だということです。
興味深い可能性として、銀行員の例で見たような「雇用が上昇してから下降する」というパターンが、人類全体に当てはまるかもしれません。AIとロボット工学が向上するにつれ、最初は人々の生産性を高め、世界がより豊かになり、平均賃金も上昇するものの、後になって崩壊するという可能性です。完全自動化を許容する経済モデルは、賃金が「上昇した後に下降する」というパターンを予測しています。
例えば、研究機関のEpoch AIは、全経済的重要タスクの10%をこなせるAIが2026年に生まれ、100%をこなせるAIが2030年代初頭に生まれた場合、何が起きるかをモデル化しています。彼らのモデルでは、賃金は2037年頃まで10倍に上昇し、労働にとっての短い黄金時代が築かれますが、最後のタスクが自動化された途端にゼロまで暴落します。対照的に、人間がタスクの1%でも必要とされるならば、同じモデルでも賃金は無制限に上昇し続け、世界はより豊かになり、人々はAIができない、あるいは許されていない残り1%の仕事に従事し続けることになります。100%自動化と99%自動化の差はあまりに巨大です。
この第2のシナリオは、農業の自動化と比較できます。歴史的には地球上のほとんどすべての人が農業に従事していましたが、現在、高所得国では従事者は数パーセントに過ぎません。つまり、これらの経済における仕事の大部分はすでに自動化されたと言えます。しかし、これらの国々の所得は当時よりも約100倍高くなっています。これは、人々が平均して、より高給で、多くの場合新しく創出された仕事に移行してきたことを意味します。韓国のような一部の国では、この移行の大部分がわずか1世代で達成されました。
賃金が上昇し続けるか、いずれ下落するかにかかわらず、今後数十年は、その仕事が自動化される人々にとって非常に困難な時期となるでしょう。私の目的は理想的な社会の対応策を導き出すことではなく、皆さんが今後数年、数十年を乗り切る手助けをすることです。もし平均賃金が当面上昇するのであれば、特定のスキルの価値が下がったとしても、他のスキルの価値は上がっているはずです。最善の戦略は、価値が高まっているそれらのスキルを習得することに集中し、完全自動化がもし起こるとしても、それまでの間に自身の貢献と賃金を最大化することです。
AI時代に価値が高まる4つのスキルカテゴリ
私たちは、AIによる自動化に関する経済学の文献や最新のデータをすべて精査し、AIの仕組みに関する理論と組み合わせて、AIによって価値が高まる可能性が高い以下の4つのスキルカテゴリを導き出しました。どのスキルに集中すべきかは常に変化しますが、その時々で自身の選択肢を評価するためにこれらのカテゴリを活用できます。現在価値があり、以下の4つのカテゴリのうち少なくとも2つを満たすスキルを探すのが望ましいでしょう。
第一に、自動化が困難なスキルです。AIに何ができて何ができないかを直感的に理解する最善の方法は、最新のツールを使って実際に仕事をしてみることです。しかし、これらのシステムがどのように訓練されているかを見ることで、AIの限界を理解することもできます。ChatGPTのようなLLM（大規模言語モデル）は、主にインターネットデータのパターンを予測するように訓練されています。これにより、パターンマッチング、情報の想起、データの再構成が必要なタスクにおいては卓越した能力を発揮します。そして、それは非常に多くのタスクをカバーします。2017年には、専門家は「社会的なスキル」と「創造性」が最も自動化に抵抗するだろうと予測していました。しかし今日では、セラピーはAIの一般的な用途の一つですし、AIは意外にも、特定のアイデア出し、斬新な組み合わせによるビジュアル作成、人間と区別のつかない詩の執筆などにも優れています。
インターネット上には、事実調査、翻訳、アウトライン作成、基本的な状況説明、助言の提供など、多くのルーチン的なナレッジワークに関連する膨大なデータが存在します。仕事がコンピュータ上で行われる場合、そのやり方を追跡してデータを収集することも容易です。これが、ほとんどの研究が、AIの波の影響を最も受けやすいのはホワイトカラーの仕事のルーチン的な側面、特に米国で年収10万ドルから20万ドルに相当する、所得上位70%から90%の層であると結論づけている理由です。
一方で、AIは学習データに全く存在しないタスクには依然として弱いままです。インターネットには膨大なテキストがありますが、身体的な動きを記述した同様のデータベースは存在しません。このデータを作り出すには、最新のセンサーを備えた物理ロボットを構築し、現実世界で動かしてもらう必要があります。したがって、以前の自動化の波とは異なり、ホワイトカラーの労働者は、多くのブルーカラーの労働者よりも先に影響を受ける可能性が高いのです。
自動化に最後まで抵抗する身体的タスクは、最も複雑な動きを必要とし、予測不可能な環境で行われ、かつ最高の信頼性が求められるものです。なぜなら、それらの要素が、そのタスクを記述するために必要なデータ量を増大させるからです。運転はWaymoが複数の都市で完全自動運転車を運用し、月10%以上のペースで拡大していることから、ほぼ攻略されたように見えます。しかし、手術や配管工事のようなものは、まだかなり先のことのように思えます。
では、配管工に再訓練すべきでしょうか？おそらくそうではありません。ブルーカラーの仕事の賃金は多くのホワイトカラーの仕事よりも早く上昇するかもしれませんが、スタート時点のベースが低いです。また、配管工事はこれから説明する他の3つの基準においても魅力的とは言えません。
さらに、一部のホワイトカラーのナレッジワークスキルも自動化が困難であることが証明される可能性があり、それらの価値も大きく上昇するでしょう。それはどのようなスキルでしょうか。2024年以降、主要なAIモデルは単なるLLM以上の存在となっています。LLMはベースモデルとして使用されますが、同時に強化学習を用いて推論し、タスクを完遂するように教えられています。これは試行錯誤による学習に少し似ています。モデルは数学パズルのような問題を解決しようとし、出力の正確さを評価され、次はより正確になるよう調整されます。強化学習は、純粋なLLMが非常に苦手とする数学、コーディング、既知の科学的な問いへの回答において劇的な進歩をもたらしました。なぜなら、これらの分野には検証可能な客観的な正解があるからです。
しかし、会社を立ち上げるようなタスクを考えてみてください。それには、明らかに正しい答えがない中で判断を下す必要があり、成功は長年にわたって測られます。このようなタスクで強化学習を機能させるのははるかに困難です。他の例としては、新しいコミュニティの立ち上げ、最先端の調査プロジェクトの指揮、概念的な洞察を得ること、組織戦略の策定などが挙げられます。これらはすべて、インターネットデータの中には明確に記述されていないスキルを必要とし、かつ明確な指示や測定可能な成果がなく、実装に時間がかかり成功の測定も長期的という非常に厄介なものです。これが、AIが博士号保持者でも苦労する数学の問題を解ける一方で、2026年初頭の時点でも、オープンエンドで数日間にわたって展開されるポケモンというゲームを遊ぶことにおいては、10歳児以下である理由です。
現実の仕事のほとんどは、数週間かかり、オープンエンドで、大規模なチーム内での調整を必要とするプロジェクトで構成されています。オフィスに棚を設置するような、多くの人間にとって簡単に見えることでも、現在のモデルにはまだ明らかに荷が重いようです。これが、今日まで自動化された仕事がそれほど多くない理由です。AIがより長く、よりオープンエンドなタスクをこなせるようになるにつれ、この状況は変わるでしょう。しかし、大きなパラダイムシフトがない限り、人間が最も長く価値を付加し続けるのはこの領域です。このことを考えると、多くのナレッジワーク組織は、よりルーチン的な作業を行うAI対応チームを監督する、マネージャー層が厚い組織へと変化していく可能性があります。金融のような分野では、これは、より多くの裁量トレーダーが判断を駆使していた時代から、少数の多くの場合高給なクオンツが取って代わってきたという長期的な傾向の継続となるでしょう。同様に、クライアント対応を行う弁護士やコンサルタントは、ジュニアアナリストの需要が減る一方で、自身のスキルの価値が上昇することになるかもしれません。
次に、AIがタスクを熟達して実行できる場合でも、それが許可されないケースがあります。自動化を研究する経済学者が示唆する、人間による介入が求められそうなタスクのカテゴリをいくつか挙げます。まずは「法的責任」です。公認エンジニアや法廷弁護士のように、重要な決定に対して法的に責任を負う誰かが必要です。次に「高い信頼性が要求される場合」です。AIシステムは依然として奇妙な間違いを犯すため、人々は人間の監視を望みます。例えば、AIが生成した調査をチェックする歴史家や、高価な産業機械、あるいは軍事的な指導権をコントロールする人間などが挙げられます。さらに「専門職の保護」です。医師や弁護士は認証をコントロールし、強力なロビー団体を形成しており、彼らの分野へのAIの適用を阻止する可能性があります。また「人間味への嗜好」もあります。多くの人は、乳母、説得力のあるストーリーを持つアーティスト、職人、宗教的指導者など、サービス提供者として人間を好むでしょう。これは贅沢品としての価値を持つかもしれません。続いて「物理的な存在が必要な場合」です。多くの役割は誰かが物理的にそこにいることを必要とし、警察官や教師のように、責任をロボットに完全に委ねることを人々が長い間望まないケースもあります。最後に「組織的な慣性」です。多くの組織はAIの導入が遅く、それ以外であれば合理的な理由がない限り、重要な仕事に人間を留め続けるでしょう。例えば、政府や独占的な企業などがその典型です。
これらの要因は、一部の社会的役割を守るだけでなく、ホワイトカラーの専門職における特定の監視職を守ることにも機能する可能性があります。加えて、AI自動化は物理インフラの不足によっても減速するでしょう。もし明日、ロボット工学が突然完璧に機能し始めたとしても、今日のロボット生産数は数百万台レベルであり、物理的な仕事をすべて行うために必要な数十億台のロボットを構築するには何年もかかります。デジタル世界であっても、物理インフラの欠如はAIの導入を遅らせる可能性があります。もし人間レベルの知能を持つAGIが明日誕生したとしても、それを動かすには膨大な計算資源が必要となり、低賃金の仕事を自動化するために使うには法外に高額になるでしょう。つまり、当初はR&Dの支援といった最も価値の高い用途に限定されるはずです。
AI導入に必要なスキル
2014年、FacebookはWhatsAppを190億ドルで買収しました。当時、WhatsAppには4億5,000万人のユーザーがいましたが、従業員はわずか55人でした。ソフトウェアコストの低下により、少人数のグループが何百万人もの人々にサービスを提供できる製品を迅速に構築することがますます容易になっています。今、この傾向は新しいフェーズに入っているようです。生成AIスタートアップは、急速な成長で有名な前世代のSaaS（Software as a Service）企業と比較しても速いスピードで成長しています。AIが反応的なチャットボットからプロアクティブ（先制的）なエージェントへと進化するにつれ、これらのデジタルワーカーを指揮するために必要なスキルがますます貴重なものとなります。
皆さんはこれらのAIワーカーを活用して、新しい製品を迅速に構築し、改善を繰り返せるようになるでしょう。同様に、ギリギリの予算で非営利団体を立ち上げたり、新しいがん治療薬を探したり、世界中のどこでも24時間365日、専門的な医療アドバイスを提供したりするのを手伝ってもらうこともできるはずです。鍵となるスキルには、問題を特定して何に集中すべきかを決めること、さまざまなAIモデルを理解してその弱点を回避するように設計すること、AIエージェントが従うべき明確なプロジェクト仕様を書くこと、ユーザーが本当に何を求めているかを理解すること、AIワーカーを管理するためのシステムを設計すること（エラーチェックを含む）、人間と調整すること、そして結果に対して責任を負うことが含まれます。これらのスキルは今日の人間を管理することと似ており、有能なマネージャーはAIチームの管理においても優れているという証拠もすでにあります。
重要なのは、これらの種類のスキルが「AIを補完するもの」であるという点です。AIが進化すればするほど、これらのスキルはますます必要とされます。何世代も続くナポリ風の仕立て服の職人はAIが容易に複製できるものではないため、最初のカテゴリである「自動化が困難」を満たしています。しかし、仕立てはAIを補完するものではないため、その価値は維持されるかもしれませんが、他の仕事と比較して相対的に価値が上昇するとは限りません。もう一つの例として、科学的な問題に対する解決策を生成するAIが向上するにつれ、重要な疑問は「それらのAIをどの問題に向けさせるか」という点に移ります。この「研究センス」というスキルもまた、非常に厄介で長期的な視点が必要なため、AIが学習するのは困難だと思われます。どちらの理由においても、AIが進化するにつれ、その価値は上昇するでしょう。AIのスケーリングに必要な分野、例えばAIのソフトウェア・ハードウェア開発、ロボット工学の開発・製造・メンテナンス、これらに必要なデータセンターや工場の建設、そしてサイバーセキュリティの知識も、AIを補完するスキルとなります。
人々がより多くを求めるスキル
私は年に一度だけ確定申告をすれば良いので、もしAIがそれをより安く行えるようになったとしても、会計士に支払う額が減るだけです。浮いたお金で、頻繁に確定申告をするようになるわけではありません。対照的に、ライドシェアプラットフォームの登場によってタクシーがより安く、使いやすくなった時、人々は結果として以前よりはるかに多くの乗車を利用するようになりました。提供されるものがより良く、より安くなるにつれ、人々が利用を減らすのではなく、ますます多く利用するようになる分野は他にもたくさんあります。人々が裕福になるにつれ、医療により多くの収入を費やすようになります。これは、たとえテクノロジーが医療をはるかに効率的にしたとしても、人々は単により多くの医療サービスを利用するようになるだろうことを示唆しています。同様に、エキゾチックな旅行のような贅沢な体験が突然手頃な価格になったら、人々はより頻繁に旅行することを選択するでしょう。
これは、ライセンスや認証のような法的要件を満たすために存在する仕事とは対照的です。もしそれらがAIを使ってはるかに効率的に行えるようになれば、人々は単純に雇う人間の数を減らすでしょう。英国の国民保健サービス（NHS）の看護師のような他の仕事は、政府によって雇用が事実上決定されています。そのため、彼らの仕事が効率化されたとしても、賃金や雇用が増加するとは限りません。同様に、学術的な仕事の数は主に市場原理によって決まるわけではないため、AIが研究者の生産性を高めても雇用が安定したままになる可能性があります。
AI自動化は、資本の大部分を所有し、したがって自動化を行っているAIシステムを所有する上位1%に富が集中し、莫大な富を生み出す可能性もあります。所得格差の拡大は、高級品への需要を急増させるでしょう。サンフランシスコでパーソナライズされた紅茶のテイスティングイベントを提供するようなことは、AIには難しく、需要が増加する可能性が高いです。
他人が学習しにくい専門スキル
高級レストランのウェイターになるような仕事を考えてみてください。人々は裕福になるにつれ、外食を増やす傾向があります。これは、人々が「人間味」に対して強いこだわりを持ち続ける、身体的・社会的なスキルが重い仕事の典型です。したがって、今後はこのような仕事が十分に存在し続けると予想します。しかし、これもまた他人が比較的短期間で参入できる仕事です。最も大きく価値が上昇するスキルは、労働市場が適応するのに時間がかかるものです。これは、自身のユニークな強みに合わせた専門的なスキルを学ぶことに有利に働きます。例えば、建設業は自動化が困難な複雑な身体的労働です。しかし、電気技師のような職を学び、データセンターに特化した建設作業員は、重要なボトルネックとなり、平均よりも早くそのスキルの価値が高まる可能性が高いです。実際、多くのデータセンターが建設されているバージニア州では、電気技師の賃金はすでに全米平均を37%上回っています。
具体的に何をすべきか
では、将来最も価値が高まる具体的なスキルは何でしょうか。最も価値があるのは、今日のインパクトの大きい仕事で必要とされており、自動化によって価値が高まる可能性が高く、先述した4つのカテゴリのうち少なくとも2つを満たしており、価値に対して習得が速い（学習時間が短い）スキルです。医学部に8年間通うことは、8年後の労働市場がどうなっているか分からない今日、はるかにリスクの高い提案です。理想的には、それらのスキルは多くの課題を抱える多くの仕事に応用可能であるべきです。
では、それは何でしょうか。第一のカテゴリは、ほぼすべての仕事で役立つスキルです。それらはLinkedInのプロフィールに載せるような定番のスキルではないかもしれませんが、他のあらゆる活動を効率的にするため、学ぶ価値がより高いことが多いのです。
-
AIを活用して現実世界の問題を解決する: 今、一つだけアドバイスをするなら、AIを使って実際の仕事を成し遂げる方法を学ぶことです。このアドバイスはすでに決まり文句のようになっていますが、それでも実践されていないことが多いです。一部の大学では学生によるAIの使用を禁止しようとしてさえいます。しかし、AIが強力になるにつれ、AIシステムを効果的に指揮するスキルは価値を増します。特に、人間が介入することを望む「厄介な隙間」に対処するスキルです。具体的なAIの専門知識を持つことは、その社会的影響に取り組む際にも信頼性を高めます。
-
自分自身のケア: 意欲的な人は、自分のケアを怠りがちです。これは燃え尽き症候群を招き、最終的には成功から遠ざかります。自分を大切にすることは、基本的なことから始まります。十分な睡眠、定期的な運動、良い食事、そして親しい友人との関係維持です。これらの習慣を築くことは、日々の活力と幸福感に大きな影響を与えます。さらに、20代の約30%は何らかのメンタルヘルスの問題を抱えています。もしあなたがその一人なら、それとよりうまく付き合う方法を学ぶことは、自分自身のためにも、他者を助けるためにも、投資として最適です。これには、実用的で解決志向であり、最も明確な証拠ベースを持つ認知行動療法（CBT）とその亜種が含まれます。精神科医に他の治療オプションについても相談すべきです。世界最大の課題に取り組むことは時に挑戦的ですので、自分自身をよりレジリエント（回復力がある状態）にすることは大いに価値があります。
-
個人の有効性とエージェンシー: 日々の目標設定や会議の運営方法を学ぶといった良い習慣を身につけることで、生産性を大幅に高めることが可能な場合が多いです。これらのスキルは比較的短期間で向上し、どんな仕事でも役立ちます。より高度なレベルでは、長年にわたって難しく、定義が曖昧な問題に取り組めるような人間になることができれば、それは巨大な価値を持ちますし、AIが苦戦し続けるであろう領域でもあります。
-
優先順位付け、予測、意思決定: 2017年、私たちは最も魅力的な仕事で最も一般的に求められるスキルを分析し、判断力と意思決定能力がトップであることを発見しました。それ以来、意思決定スキルを必要とする仕事の割合は拡大しており、これらの仕事は平均よりも速い賃金成長を遂げています。社会に貢献したいのであれば、これらのスキルはさらに重要です。プロジェクトによってインパクトの大きさは異なり、何が最善かを特定するためにこれらのスキルが必要となるからです。テクノロジーのおかげで物事を成し遂げることが容易になる未来において、「そもそも何をする価値があるのか」という問いはますます重要になるでしょう。
-
対人スキル: すべての仕事は、少なくともある程度は他人と協力することを含みます。そして、対人スキルの重要性は時間の経過とともに高まっています。AIが特定の種類の社会的相互作用において優れているとしても、人々は依然として人間同士の関係を望むでしょう。強力なAIエージェントを管理する少人数の人間チームは、極めてうまく連携する必要があります。なぜなら、彼らのレバレッジ（影響力）はこれまでよりはるかに大きくなるからです。対人スキルはリーダーシップと管理能力の核となるコンポーネントであり、政策やコミュニケーションといった最もインパクトのある進路の多くにおいて不可欠です。
-
学習方法の習得: 素早く学ぶ能力は、何をしたいかにかかわらずほぼ必ず役に立ちます。テクノロジーがより速く変化するにつれ、急速に再訓練できる能力はますます価値が高まります。AIのおかげで、事実上無料で24時間いつでも、ほぼあらゆるスキルについて家庭教師をつけることができます。多くの人は、これが以前よりもはるかに速く学習することを可能にしていると言います。上記の各スキルを向上させるために、低くぶら下がっている果実（すぐに実践できる手法）を数ヶ月かけて習得するのは価値がありますが、これらは通常、キャリアの主な焦点にするようなものではありません。
ここでは、依然として汎用性が高く、比較的将来性があり、キャリアの焦点になり得るスキルを紹介します。
-
リーダーシップと管理能力: これには、人材管理、プロジェクト管理、起業家精神、組織戦略が含まれます。リーダーシップと管理スキルは、人々のチームを調整し指揮する助けとなり、影響力を倍増させるため、常に最も価値のあるスキルの一つでした。AIがルーチン的なナレッジワークをより多く自動化するにつれ、少人数のリーダーが以前よりも多くのことを成し遂げ、これまで費用対効果が見合わなかったムーンショット（野心的な）プロジェクトを実現できるようになるため、今後その重要性はさらに増す可能性があります。
-
オペレーション管理: すべての組織は、物事を実際に運営する人々を必要とします。これは壮大な戦略の話ではなく、採用、財務システムの構築、オフィス管理といった、すべての組織が処理しなければならない日々の現実に関することです。このスキルの一部（よりルーチン的な管理タスク）はAIによって自動化されていますが、優れた判断力を必要とするより複雑なタスクについては、依然として人間が不可欠です。オペレーションチームは小規模になる可能性がありますが、組織の設立数は増え、以前より速く成長するようになるでしょう。私たちが最もインパクトがあると考えている組織において、これらのスキルは今日非常に求められています。
-
政策と政治的スキル: 政府は世界で最も切迫した多くの問題に多大な影響を与えており、個々の政府職員はそれに対して驚くほど大きな影響力を持つことができます。今後、ルーチン的な分析や官僚業務の多くが自動化されたとしても、市民はもう少しの間、意思決定者が生身の人間であることを望むでしょう。つまり、システムがどのように機能するかを理解し、政府の中で物事を成し遂げるという、雲をつかむような長期的スキルは、おそらく価値を持ち続けるはずです。
-
コミュニケーション: すべての組織には、そのミッションや提供価値を説明するために、内部・外部の両方で熟練したコミュニケーターが必要です。これは私たちが現在最もインパクトがあると考えている組織で特に求められています。これらのスキルを使って、重要なアイデアを広める手助けをすることもできます。AIを使って説得力のあるコンテンツを大量に生成することが容易になるにつれ、コンテンツを作成すること自体の価値は下がる可能性がありますが、「そもそも何を作るべきか」を見極めるスキルの重要性は高まります。同様に、「センス（審美眼）」の価値も増します。同様に、信頼とオーディエンスとの本物の関係がより重要になります。より現実的には、これはソーシャルメディアの習得、Substackのフォロワー構築、PRの専門知識、対面イベントの運営能力などに磨きをかけることを意味します。
最後に、いくつかの専門分野を紹介します。これらは、AIと存在リスクに対する私たちの現在の焦点に基づいています。
-
機械学習の研究とエンジニアリング: これはAIシステムを機能させるための技術的な側面です。AIが有用になるにつれ、効率を1%改善する価値は下がるどころか高まっています。つまり、機械学習エンジニアリングの多く自体が自動化されているにもかかわらず、人間にしかできない残りの部分は急速に高騰する給与に反映されている通り、ますます貴重なものとなっています。このスキルの中で、AI安全研究の技術的な側面に焦点を当てることもできます。私たちはこれが現在世界で最も価値のある研究分野の一つであると信じています。その分野の多くの有望な研究アイデアが、それを実装できるエンジニアの不足によって足止めされています。別の選択肢は、このスキルを使って、政府の意思決定を改善するためのAIツールを構築するなど、重要な地球規模の問題にAIを適用することです。このスキルを持つことは、AI政策やコミュニケーションに取り組むことに決めた際にも信頼性を高めます。何より、莫大な給与を得ることで、それを「Earn to Give（稼いで寄付する）」に役立てることもできます。一つのリスクは、フロンティアAIの開発に取り組むことが、社会の適応能力を改善することなく、AIの進歩を加速させてしまうことです。したがって、このスキルを習得する場合は、AI安全性や、既存のAI技術を重要な社会問題に適用することに集中することをお勧めします。
-
AIガバナンスと戦略: これは、AIの潜在的な影響と、政府、慈善家、その他の主要な関係者がそれに対してどのように最善の対応ができるかを研究することです。これは、経済学、法律、政策、倫理、予測、マクロ戦略など、他の多くの分野と重なる多様な領域です。リスクと急速な変化のスピードを考慮すると、現在このような専門知識へのニーズが非常に高まっています。しかし、AIに関して2〜3年以上の経験を持つ人はあまりいないため、比較的短期間で最前線に立つことが可能です。
-
サイバーおよび情報セキュリティ: 世界がよりデジタル化され、ロボット工学が私たちの生活に統合されるにつれ、これらのシステムが安全であることを保証することがますます重要になります。結局のところ、自分のロボット執事に誘拐されたい人はいません。80,000 Hoursでは、特に新しいバイオテクノロジーや、高度なAIシステム自体の盗難について懸念しています。これらの技術が悪いアクターによって即座に盗まれるような状況では、今後数年がうまくいくとは考えにくいです。そして、このスキルは商業的にも非常に需要があります。
-
新興大国の専門知識: 中国は、今後数十年間を形作る上で重要な役割を果たすでしょう。しかし、西側の意思決定者は中国を十分に理解しておらず、グローバルな問題を解決するために中国と協力することにしばしば失敗しています。つまり、中国と西側の関係、特にAIやその他の壊滅的なリスクに関する調整についての専門知識は、非常に貴重です。より広く見れば、世界は米国一極支配の時代から、インド、ロシア、サウジアラビアなどの影響力を拡大する大国を含む、多極システムへと移行しています。これらの力学は、今後多くの重要な問題の発展に影響を与えるでしょう。
-
AIハードウェアの専門知識: AIチップは、次の世紀の石油、あるいはそれ以上に重要なものになるかもしれません。最も優れていて、かつ多くのチップを持つ国が、最も効果的なAIシステムを配備でき、したがって最も経済的な力を行使できるでしょう。もしそうなるなら、これらのチップがどのように機能し、どのように作られているかを理解することは、最も価値のあるスキルの一つになる可能性があります。特に、AIシステムのガバナンスの一つの道筋は、チップの設計と可用性に焦点を当てています。AIに関連するリスクの削減に取り組んでいる人々の中では、ハードウェアよりもソフトウェアに圧倒的に多くの専門知識が集中しています。
最後に、最も重要なギャップを狙ったものではないものの、価値のある専門分野をいくつか挙げます。経済学（特に成長と自動化の理解）、国際関係論、安全保障学、公共政策。応用数学（他の多くの分野で有用なため）。ロボット工学の開発・メンテナンス、データセンターや工場の建設。これらは巨大なボトルネックとなるため、貴重なスキルとなります。工学（特にパンデミック予防のため）。合成生物学およびバイオエンジニアリング。哲学の特定の枝（道徳哲学や心の哲学など）。歴史の特定の分野（経済史、マクロヒストリー、社会変革と重要なアイデアの歴史など）。
最後に、物理的な存在を必要とする、あるいは複雑な物理的操作を伴う仕事（警察、建設、教育、外科など）に使われるスキルや、人間味の提供が必要な仕事（仲裁人、カンファレンス主催者、アーティスト、特注職人など）で使われるスキルは、経済全体のペースに合わせて存続するでしょう。それらが明らかに経済の成長を追い越すことはないかもしれませんが、決して廃れることはありません。
最善のスキルの組み合わせとは
一般的にどのスキルが最も価値があるかを考えた後、特に有用であることが証明される組み合わせについて少し考える価値があります。広く引用されている論文で、経済学者のデビッド・デミングは、コンピュータ技術以外では、数学的スキルを必要とする仕事は雇用のシェアが低下しており、過去数十年にわたって平均以下の賃金成長しかしていない一方で、社会的なスキルを含む仕事は平均以上に成長していることを示しています。しかし、彼は最も成長しているのは「技術スキルと社会スキルの両方を必要とする仕事」であることも示しています。これは、技術スキルと社会スキルの両方を持つことで、より広く展開されている技術システムと、その現実世界の応用との間の「橋渡し」の役割を果たせるからかもしれません。特に、私たちはAIや合成生物学のような新しいテクノロジーを理解しつつ、政策やコミュニケーションのスキルも併せ持つ人材が極めて必要とされていると考えています。
一つの主要なスキルに集中するか、いくつかのポートフォリオを構築するかについても検討すべきです。一部の分野では、成功は「一つのことに並外れて優れていること」にかかっています。例えば、営業担当者は主にどれだけの売り上げをもたらすかで判断されるため、そのような分野では、そのコアスキルに努力の大部分を集中すべきです。印象的な実績が一つあることは、平凡な実績がいくつかあるよりも多くのドアを開くのが常です。しかし、他の分野では、珍しいスキルの組み合わせを持ち、そのニッチな分野で最高の人材になることが有用です。組織構築の役割の多くは、管理、オペレーション、マーケティング、コミュニケーションの知識を持ち、さらにその組織が何をしているかを十分に理解しているジェネラリストを必要とします。
しかし、どのような場合でも、自動化の歴史がその将来について何を教えているかを忘れないでください。ほとんどの人は自動化が賃金を押し下げると考えていますが、それはほぼ100%自動化された時にのみ当てはまる話です。それまでは、自動化は特定のスキルの価値を下げる一方で、他のスキルの価値を押し上げます。目指すべきは、「決して自動化されないたった一つの仕事」を見つけることではなく、波に乗って、その時々で最も価値のあるスキルへと自分自身を動かし続けることです。
これらが、価値のあるスキルです。しかし、実際にどうやってそれらのスキルを学ぶのでしょうか？自分にとって何が最善なのかをどうやって知ればよいのでしょうか？そうですね、それについては本の残りの部分で詳しく説明しています。興味があれば、ぜひ手に取ってみてください。この動画をご覧になっている頃には、素晴らしい書籍が売られているあらゆる場所で入手可能になっているはずです。それぞれのスキルの習得方法に関する情報源、さらなる読書リスト、リンクは、80000hours.org のウェブ版、および以下のリンクから確認できます。ご視聴ありがとうございました。
コメント