「初めてのもの」など存在しない、とよく言われる。何かが「初」と主張されるたびに、例えば「初の飛行」「初のロックンロール曲」「初のアスレジャースーツ」など、より古い例を指摘することができる。仕事についても同じだ。あなたの初めての仕事は何だっただろうか。私が即座に思い浮かべるのは、バスキン・ロビンスでアイスクリームをすくっていた仕事だ。初めて給与小切手を受け取った仕事である。だが、それが誰かから報酬を得て働いた最初の経験だったわけではない。その1年前、社会学教授だった母は、どういうわけか大学当局を説得してコミュニティカレッジの新設「Staff Computer Centre」の責任者になり、縁故で私に報酬を払って、教職員にMacWriteとMacPaintの使い方を教えさせた。さらにその前には、新聞配達をしていた友人が冬休みに出かけたため、私が代役を務めた。英国風タブロイド紙で、3ページ目に半裸の「サンシャイン・ガール」が載っているToronto Sunを配達し、変態たちから気前のいいクリスマスのチップをもらった。
だが、自分の初めての仕事について考えるとき、私は上記のどれも思い浮かべない。B&Rで働き始めて1カ月後、通りを少し行ったところにあるOliver’s Bakery Restaurantで、はるかに良い仕事を得たからだ。Oliver’sは高級店ではなかったが、パン、クロワッサン、ケーキを自家製で焼き、コーヒーも自分たちで挽いていた。店は居心地がよく、すばらしい香りに包まれていた。私は高校時代を通じて、そこでバスボーイ兼サーバーとして働いた。ただし、バックルームの匂いはそれほどすばらしくなかった。Oliver’sのバックルームには、汚れた皿と空のビール瓶でいっぱいのスタッフ用テーブル、食べ物まみれの黒いスニーカーがむれて腐りそうなロッカー、ネズミ用の粘着トラップが点在する一度も清掃されない床があった。特に慌ただしいディナーシフトの後には、自分の担当エリアで起きた混乱の瞬間、そして何よりそのバックルームの悪夢を見ることがあった。
『Spiderman: Brand New Day』と『The Odyssey』のほうが大作ではあったが、今夏の映画で『Backrooms』ほど収益を上げた作品はなかった。21歳のクリエイター、ケイン・パーソンズが自身のYouTubeチャンネルに投稿したホラーコンテンツ（奇妙にも「クリーピーパスタ」に分類されている）をもとに1000万ドル（約15億4000万円）で制作された『Backrooms』は、Z世代をスマートフォンから引き離し、親の家の外へ連れ出し、興行収入は4億ドル（約617億円）近くに達した。2000年代初頭にオンラインに出回った、間仕切りと偽の内壁が多数あるウィスコンシン州の店舗の画像に着想を得たこの映画は、家具店のオーナーが秘密の出入口を見つけ、そこから薄暗く、無個性な部屋が果てしなく続く空間へ入り込む物語だ。そこは奇妙で、欠陥があり、労働者のいない空間で、デジタル生活における終わりなきドゥームスクロールと非人格化を想起させる。バックルームには、怪物と、中小企業庁（SBA）長官ケリー・レフラーのように不自然に動く人間の不完全なコピー以外、何もない。上の世代は戦争（ベビーブーマー世代）や親（X世代）によって疎外され、ミレニアル世代はお気に入りのブランチ店でアボカドトーストが品切れになったときにだけ疎外感を覚え、私は「compute」という言葉が突然使われるようになったことにだけ疎外感を覚える（いったい、いつcomputeは動詞から名詞になったのか）。一方で、Z世代の疎外感は、入り口も出口も見つけられないことに由来している。
それも納得がいく。あまりに多くの若者が、学校でもキャリアでもない中間的な領域（リミナル・スペース）に身を置いているからだ。デジタル変革とAIの時代に生計を立てる必要性に迫られながら、彼らは仕事の世界に入る方法も、その中で進む方法も見つけられず、恐ろしいほど苦しんでいる。だから、労働力こそが現代を定義する問題だと考えているのは、教育・訓練分野の専門家だけではない。『Backrooms』の成功は、Z世代もそう考えていることを示している。
これは至るところで起きている。世界中の若者が、キャリアを始めることがいかに難しくなったかに怒っている。この夏、世界最大のZ世代人口を抱えるインドでは、数少ない確実な進路の一つである医学部入試をめぐって、大規模な抗議運動が起きた。英国では若年失業率が16%を超え、EU全体では15%、スウェーデンでは25%超に達している。米国でも、6月だけで40万人近い若者が求職をやめた。だからこそ、若者が良い初職を得るために実際に何が有効なのかを特定することが急務である。
AIが労働市場にもたらそうとしている影響を考えれば、この問題をいまだに解明できていないことは、常軌を逸していると同時に暗澹たる事態だ。ビル・ゲイツも今週警鐘を鳴らした。理由は単純である。州や地方の労働力関連機関はこれまで、予算を使い切ること、求職者を訓練プログラムに登録すること、そしてごくまれに、せいぜい仕事の質やキャリアパスを考慮しない就職率について以上の説明責任を問われてこなかった。非営利の労働力支援組織が説明責任を負う相手は理事会と資金提供者だけで、その多くは同じ公的機関であり、厳しい問いを投げかけることはない。大学については言うまでもない。高校卒業後の労働市場投資を支配している（政府支出の95%超を占める）が、9月になっても5月の卒業生が何をしているのか把握しておらず、その問いに真剣に答えるよう求める者もいない。
今月初め、米国の農村ニュースにおける権威ある情報源であるDaily Yonderは、バージニア州の新たな労働力開発プログラムに関する記事を掲載した。見出しは「これこそがモデルだ」。AIによって無数の仕事が変容し、親世代のホワイトカラーの道をたどれると期待して学位を取得した何百万人ものZ世代の求職者が、方向転換して手を使う仕事に就く必要があると告げられる前に、何が有効なのかという問いに答えたいという切実な欲求がある。
わかっていることはこうだ。見習い制度（アプレンティスシップ）はうまく機能する。それはゴールドスタンダードである。なぜなら、就職活動が、不気味で無個性で欠陥のある部屋を果てしなく進むようなものではないからだ。見習い制度は、初日から仕事であり、訓練が組み込まれている。だが、何十年にもわたる見当違いの政策と過少投資の結果、建設業以外には見習い制度のインフラがほとんど存在しない。そして、努力、提言活動、前例のない勢いにもかかわらず、若く、訓練を受けておらず、生産性の低い労働者と関わるよう米国の雇用主を説得するハードルは依然として高い。したがって、見習い制度が怒り、抗議、混乱を回避できるほど速く拡大する可能性は低い。
では、何が拡大可能なのか。訓練である。理論上、いくらでも多くの求職者を教育・訓練プログラムに送り込むことができる。学生を教室に押し込み、講師の前に座らせることの美しさであり、単純さでもある。だが、今月初めにAnthropicが発表した包括的な訓練批判が示すように、それらは機能しない。だからこそ、ブルッキングス研究所のモリー・キンダーのような鋭い観察者は「再訓練だけでAIの経済的混乱から抜け出すことはできない」と認識している。だからこそ私は標準的なプログラムを「訓練して祈る（train-and-pray）」型と呼ぶようになった。そして、だからこそ労働力分野の多くの祈りは聞き届けられない。
答えは、見習い制度という完璧さと、「訓練して祈る」型の規模拡大性の間にある。私たちが切実に必要としているのは、雇用機会、雇用主、実際の就業に可能な限り近接した、拡大可能な訓練先行モデルである。それが意味し得るのは、ワークベースドラーニング（仕事を通じた学習）、すなわち訓練、資格、学位プログラムの中で、またはそれと関連して行われる実際の就労経験だけだ。ワークベースドラーニングには、ローテーション、クリニック、コーオプ、インターンシップ、短期プロジェクトなど、さまざまな形態がある。授業に組み込むことも、独立して実施することもできる。だが、どの形態にも必要なのは真正の雇用主であり、それが規模を制約する。こうしたプログラムは、利用可能なワークベースドラーニング機会の制約内に収まる人数しか受け入れられない。
そこに、より大きな規模を得るために実際の仕事をシミュレーションしたいという誘惑が生まれる。マーク・キューバンが予測しているのはまさにそれだ。例えば、「若手弁護士が証言録取をリハーサルする、医師がAI患者に対応する、電気技師がシミュレーション上の故障を診断する」といったAI駆動型シミュレーションである。だが、現実の雇用主（AIやシミュレーション上の雇用主ではない）について話している限り、現実の雇用主がシミュレーションされた仕事を評価するという証拠が必要になる。それが明確かつ説得力を持つまでは、現実のワークベースドラーニングを拡大するためにできる限りのことをすべきだ。その中には、数百人、数千人の学生が同じ現実の雇用主のために同じ現実の仕事を行えるようにする、創造的でテクノロジー主導の方法を考案することも含まれる。
こうした条件を整理すると、解くべき課題は、（1）どのスキルを訓練するか、（2）訓練をどう提供するか、（3）どの形態のワークベースドラーニングを採用するか、（4）雇用主をどう特定し、説得するか、である。これは多変量方程式であり、さらに一つの対立によって複雑化している。訓練先行型プログラムが、カリキュラム、提供方法、評価の開発と刷新のためのリソースを備えて立ち上がると、実質的には恒久的なものになる。しかし、労働市場の需要も、雇用主がワークベースドラーニングの仕組みに参加しようとする意思も恒久的ではない。特に、特定の部門における特定の職種についてはそうだ。したがって、どの解決策も、その異なるリズムを調整する必要がある。
この複雑さを踏まえれば、妥当な答えはデータに依存する。労働市場データ、登録データ、強化された賃金記録を統合し、それに基づいて労働力関連リソースと設計の判断を行うことが不可欠である。同様に、個々の求職者が同じデータにアクセスできること、さらに現在および将来利用可能な公的給付に関するデータにもアクセスできることが重要だ（人生においては、訓練だけでなくワークベースドラーニングの妨げになるような出来事も起こる）。雇用主もデータから恩恵を受ける。データは、雇用主にワークベースドラーニングの機会を提供するよう説得し得るからだ。だからこそ、FutureFit AIのような新興のタレントマーケットプレイスと労働取引所が非常に重要なのである。こうしたプラットフォームがなければ、地方自治体や州政府は、何が有効なのか、どこに投資を向けるべきなのかを見極めることなど望めない。そして求職者は、バックルームで道に迷うことになりかねない。
一部の州は、稼ぎながら学ぶモデルの拡大とタレントマーケットプレイスの導入という両面で前進している。バージニア州は、すべての4年制大学に学位プログラムへワークベースドラーニングを組み込むよう指示し、オハイオ州はインターンシップとコーオプへの資金提供を始めた。ただし、どちらの州も「訓練して祈る」型プログラムからリソースを移し始めてはいない。だが、それを責められるだろうか。何が有効なのかを示すデータがないのだ。それでも前進はある。コネティカット州は、新たなタレントマーケットプレイスであるCareer ConneCTについて「比類ない成果」を報告している。支援を受けた7500人の求職者のうち、80%がスキル向上プログラムを修了し、80%が就職したという。マサチューセッツ州も同様の州全体の労働取引所を導入している。アラバマ州はすでにAlabama Worksを設立した。ほとんどの州は何も進んでいないが、現在の労働力システムがうまく機能している、ましてや次に来る課題に対応できると考えている州は一つもない。
そこで登場するのが、元米商務長官でロードアイランド州知事も務めたジーナ・レモンドである。彼女の新たな非営利組織RAISE USは、何が有効なのかという問いに答えるための、これまでで最も重要な取り組みだ。AI企業と慈善団体の大手から5億ドル（約771億円）超のコミットメントを得たRAISE USは、稼ぎながら学ぶモデルに明確に焦点を当て、各州と協力して、どの労働力インフラを構築し、拡大すべきかを見極めようとしている。同組織は、何が有効なのかを評価する政策ラボを掲げている。これは、これまで誰も問う責任を負ってこなかった問いに答えようとする、初めての本格的な試みである。
レモンドは、労働力開発には仕事と雇用主とのはるかに緊密な接続が必要だと見抜いている。もはや訓練のサイロに資金を投じる余裕はない。彼女は今年初め、ニューヨーク・タイムズに次のように書いている。
この国には、労働者が学びながら稼ぐことを可能にする現代的な見習い制度が必要だ。多くの欧州諸国はすでにそれを取り入れている……懐疑派は、私たちは労働力改革を試みたがうまくいかなかった、労働力開発の世界には成果の乏しい小規模な訓練施策が散在している、と主張するだろう。彼らは間違っていない。だが歴史が示すのは、真の変化は危機の時代に起きるということだ……AIによる大量失業は、目前に迫る潜在的な危機である。この国は、私が来ると見ている経済的ショックに耐えられない。解決策がなければ、米国の不安は怒りへと変わる。そして政治的反発が続き、AIをつくる企業、それを導入する企業、それを支持する政治家が標的になるだろう。
何が有効なのかわかっていないため、私たちは過少投資に陥っている。連邦の労働力関連（WIOA）年間総予算は40億ドル（約6170億円）未満で、労働者1人あたりにすると20ドル（約1万未満円）強にすぎない。どのワークベースドラーニングモデルが、どの産業、職務、地域で有効なのかを見極めることは、投資を増やす、あるいは他のプログラムから投資を移すための鍵である。もし良い答えが得られれば、接続または振り向けが可能な支出は膨大にある。メディケイド（9710億ドル（約150兆円））やSNAP（補助的栄養支援プログラム、1070億ドル（約16兆5000億円））はいずれも新たな就労要件を伴い、経済開発（おそらく1000億ドル（約15兆4000億円））、Workforce Pell（年間数億ドル規模へ拡大すべき期待の新プログラムだが、ワークベースドラーニングを義務付ける必要がある）、そしてもちろん、大学への連邦および州の支出（4000億ドル（約61兆7000億円））も含まれる。その中には、関連性のない単純な学内の仕事にほとんど浪費されている連邦ワークスタディ資金12億ドル（約1850億円）もある。したがって、全体の支出を増やさなくても、バックルームで道に迷うすべての人にワークベースドラーニングとタレントマーケットプレイスを提供する余地があることは容易にわかる。
AIによる雇用喪失が、キャリア開始と再配置のための実証済みで投資可能なモデルを伴わずに進めば、一世代が、出口のない薄暗く無個性な空間を果てしなくさまようことになる。そして、製造業の雇用喪失に対処できなかったことがドナルド・トランプを生んだのだとすれば、次に控えているのは、どんな不気味で不完全な大統領のコピーなのだろうか。
