4年後、4カ月後、あるいは4週間後に、AI（人工知能）が雇用と職場にどのような影響を与えるか、本当に誰かが知っているだろうか。
今後数年間で雇用と職場がどのような方向に進むかについて、多くの意見が聞かれる。Anthropic（アンソロピック）のダリオ・アモデイ氏は、看護師のような「安全」とされてきた職業さえもすべてを飲み込む超強力なAIの到来を予測する一方、イェール大学の分析では、近い将来に雇用の大量喪失を示す証拠は一切ないという、より楽観的な見方も示されている。
さらに、これまでのすべての予測は的外れであり、今後何が起こるかを知るためのデータを誰も持っていないという、理にかなった議論さえ存在する。トーマス・ダベンポート氏とミゲル・パレデス氏によるこの指摘は、すべての騒音とパニックの中で最も理にかなっているように思われる。
今のところ私たちにできるのは、今後数年間に暗い部分と明るい部分の両方が存在する可能性を考慮しながら、展開する可能性のあるシナリオを描くことだけだ。それを念頭に置いて、世界経済フォーラム（WEF）の研究者たちは、2030年という近い将来に見えてくる4つのシナリオの概要を発表した。WEFチームは、最高戦略責任者のネットワークを活用し、以下の可能性を提示している。
シナリオ1：極めて楽観的──急速な適応による超加速的進歩
「多くの雇用が消滅するが、新たな職業が出現し、急速に拡大する。その一因として、人間が有能な機械のポートフォリオを指揮し、エージェント・オーケストレーターになることが挙げられる」と報告書は述べている。このプロセスにおいて、産業、ビジネスモデル、ワークフローが変革され、生産性とイノベーションが向上する。
シナリオ2：やや混沌──不均一な適応
AIは指数関数的に進歩するが、労働力のメンバーはそれについていくのに苦労する。「企業は応急措置として自動化を急ぎ、教育や再教育システムが対応できるよりも速く労働者を置き換える」と研究者たちは予測する。エージェント型AIが支配的になるが、失業と信頼の低下に関連するリスクが高まる。
シナリオ3：人間と機械が生産的に協調することを学ぶ
WEFの研究者たちはこれを「コパイロット経済」と呼び、現在の労働力の能力を拡張する段階的なAIの進歩が特徴だ。「2020年代のAIの誇大宣伝は、実用的な統合に道を譲った」──ついに。「ほとんどの産業では、人間とAIのチームがバリューチェーンを再構築するにつれて、段階的な変革が見られる」。成功の鍵には、トレーニング、モビリティ、デジタルインフラ、AIガバナンスへの投資が含まれる。
シナリオ4：フラストレーションと機能不全
上記3つのシナリオに関連する進歩が停滞し、訓練不足による重要な労働力スキルの欠如と、期待外れの生産性によって妨げられる。「企業は希少な人材を補うために自動化に頼る。置き換えは主にルーチン的な役割に影響を与える一方、熟練した職人技や肉体労働の価値が高まる。採用格差が不平等を助長し、二極化した経済を生み出し、成長を制限するため、AI対応の繁栄への希望はフラストレーションへと消えていく」。
この報告書では考慮されていないのは、世界的な景気後退の影響だ。これは、生き残った企業の間でAIと自動化を大幅に加速させる一方で、取り残された人々のフラストレーションと怒りを増大させる可能性が高い。
報告書の著者たちは、上記のいずれのシナリオにも対処するため、2030年の雇用市場に備えるための提案を提示している。
- 小規模から始め、経験から学ぶ。小規模で管理された実験を実行し、「低コストで失敗から学び」、さまざまな技術のユースケースを理解する。
- 人間の置き換えではなく、人間とAIの協働を奨励する。これは、信頼、生産性、採用、レジリエンスを高めるために重要だと研究者たちは強調する。スキル開発はこの方程式の一部である必要がある。AIベースの経済への移行は多くの人にとって苦痛を伴うからだ。ここでは、AIを活用してAIと協働するための人材要件を予測できる。現場と教育機関の両方でトレーニングに投資する。
- データガバナンスとインフラに投資する。適切なデータがなければ、AIは存在しない。「AIモデルは、トレーニングに使用されるデータと同じくらい優れているだけだ。信頼できるデータは、企業価値、評判、信頼の重要な源泉となる」。
- 組織文化を開放する。経営学の権威ピーター・ドラッカー氏がかつて言ったように、「文化は戦略を朝食に食べる」。それはAI戦略も含まれる。適応力があり、前向きな文化がなければ、高価な技術を虚空に投げ込んでいるだけだ。「好奇心、機敏性、実験は、将来の成功するAI戦略の最も重要な部分である。
- 2つとして同じAIストーリーはないことを忘れないでください。「AIの進歩による影響のペースと規模は、職業、タスク、地域、セクターによって大きく異なる」と研究者たちは指摘する。「多くのルーチン的、管理的、基本的な分析タスクは、初期段階で最も高い置き換えに直面する可能性があるが、他のタスクはAI能力の加速とともに露出の増加に直面する可能性がある。AIとロボティクスの融合は、ブルーカラーとホワイトカラーの両方の労働者に影響を与える可能性がある重要な不確実性である」。
