AIが雇用に与える影響についての現在の論調は、かなり暗い。その論調はこうだ。AIの能力が向上するにつれ、企業が必要とする人員は減少する。職種全体（主にホワイトカラー）が消滅する。すでに、（まだほとんど実現していない）AIによる生産性向上を理由とした大規模な解雇が見られている。
これは確かに経済的混乱と苦痛を引き起こしているが、最終的には、これらの雇用カテゴリーにとって信じられないほどポジティブな結果になる可能性が高い。その理由は、AIが単に労働者を置き換えているというよりも、仕事の経済性そのものを変えているからだ。そしてそれは、人々が予想するのとは異なる結果をもたらす可能性が非常に高い。
クラルナとアマゾンの現実
まず、AIに全面的に投資し、その後方針転換を余儀なくされた2つの企業から見ていこう。
2024年2月、クラルナは顧客サービスチャットの3分の2がAIエージェントによって処理されていると発表した。その後、2024年12月、クラルナはAIを優先して人間の採用を停止し、主に自然減により従業員数を22%削減したという大胆な主張を行った。そして2025年5月、クラルナは方針を転換し、顧客サービスのために人間の採用を再開した。その理由は、コストが優先すべき指標として誤っていたことが判明し、サービスの質が低下したためだという。ここでのパターンは、短期的には人間がAIに負けるが、長期的には冷静な判断が下されると、より生産性の高い未来は人間がAIと協働することになるということだ。
アマゾンも別の例だ。今年初め、同社は社内チームに対し、AIコーディングツールをより積極的に使用するよう促した。結果は芳しくなかった。数回の障害により、同社はシニアエンジニアがAI生成コードを本番環境にリリースする前にレビューすることを義務付けざるを得なくなった。これはAIがエンジニアを完全に置き換えるケースではない。エンジニアリング業務の性質が変わり、シニアエンジニアの負担が増加したのだ。ジュニアエンジニアの階層に何が起こるかは完全には明らかではない。2025年10月以降、同社は約3万人、従業員の約10%を削減しており、AIによる生産性向上とAIインフラへの投資の両方が主な理由として挙げられている。
完全自律型とされるシステムにも同様のパターンがある。例えば、Waymo（ウェイモ）は自律走行の最高水準とされることが多い。しかし、Waymoでさえ、エッジケースに対処するために人間の介入に依存している。そして、ドライバーを排除したにもかかわらず、そのコスト構造はUber（ウーバー）やLyft（リフト）のような人間が運転する代替手段に明確に勝っているわけではない。これは技術の失敗ではなく、むしろ技術が限界に達した例だ。AIは一般的な状況の処理には優れているが、それ以外のすべてを管理するには依然として人間が必要なのだ。
効率化が仕事を増やすとき
ここには、技術サイクルでしばしば現れる別の重要なダイナミクスがある。何かが安くなると、私たちはそれを少なく使うのではなく、より多く使う。これはジェボンズのパラドックスと呼ばれる。簡単に言えば、技術がリソースの使用コストを下げると、単位あたりまたは使用あたりのコスト削減にもかかわらず、全体的な使用量が増加する。単位あたりの節約は、低コストが生み出す新たな需要の大きさに圧倒されるのだ。
このダイナミクスの一形態が、過去10年間に放射線科で展開された。2016年、ジェフリー・ヒントン氏は、AIが間もなく画像読影において人間より優れるようになるため、新しい放射線科医の訓練を停止すべきだと有名な発言をした。最近、同氏は以前のコメントが過度に広範だったとして、発言を撤回した。実際、放射線科の仕事は現在、AIを採用した結果として他の職種よりも速く成長すると予測されている。
しかし、今日のAIによる労働力置き換えに関する主な懸念は、ソフトウェアエンジニアリングにある。
過去約50年間、ソフトウェアの構築と保守の難しさ（そして最終的にはコスト）により、ほぼすべての組織にとって、ビジネスに最適ではない機能上のトレードオフがあったとしても、プロフェッショナルなソフトウェア開発組織が構築したソフトウェアを購入する方が、独自のカスタムソフトウェアを構築しようとするよりも長期的にコスト効率が良いという状況が生まれていた。
ソフトウェアの構築と保守が十分に容易になれば、そのトレードオフは逆転し、企業は自社の特定のニーズに合わせたカスタムソフトウェアを構築し始めるだろう。これにより、構築されるソフトウェアは劇的に増加する。ただし、必ずしもプロフェッショナルなソフトウェア組織によって構築されるとは限らない。
公開市場は最近、この可能性を発見したようで、その結果、公開SaaS企業の評価倍率を劇的に引き下げた。事態がこれほど劇的に展開するかどうかはまだわからない。しかし、もしそうなったとしても、それは必ずしもソフトウェアエンジニアの消滅を意味するわけではない。すべてのコードは保守、監視、セキュリティ確保、そして故障時の修正が必要だ。つまり、技術的な仕事への需要は消えない。それは単に異なる形で表現されるだけだ。言い換えれば、ソフトウェアエンジニアは主にソフトウェア企業ではなく、企業内部で働くことになるかもしれない。
では、なぜ生産性は急上昇していないのか
あらゆる指標で見て、AIはまだ労働力全体の生産性を有意に向上させていない。しかし、それはAIが役に立たないからではない。単にAIを既存のワークフローに組み込むだけでは、自動的に改善されるわけではない。先ほどのアマゾンの例がそれを示している。
ここで作用している可能性のある歴史的先例は、別の有名なパラドックス、生産性のパラドックス、時にソローのパラドックスと呼ばれるものだ。簡単に言えば、企業が技術変化を適切に活用する方法を理解するには時間がかかるということだ。通常の（つまり、AI以外の）IT技術がマクロ経済レベルの生産性データに現れるまでには数十年かかった。私たちはおそらく、AIについても同じダイナミクスの初期段階にいる。
雇用破壊の論調は単純すぎる
明確にしておくと、この経済で人々が職を失っていることは周知の事実だ。しかし、それを専らAIのせいにするのは無理がある。人員削減を行っている企業の多くは、パンデミック中に積極的に拡大した。従業員数は売上高よりも速く増加した。現在起きていることは、しばしば現在の経済実態を反映した調整のように見える。AIは解雇の理由の一部、あるいは口実かもしれないが、唯一の根本原因ではない。
アマゾンの削減のように、AIが明らかに関与しているケースでさえ、話はより複雑だ。同社は単に労働力を削減しているだけではない。AIインフラへの設備投資も増やしている。さらに、アマゾンの労働コストの大部分は倉庫と物流の労働者、つまりホワイトカラーの仕事ではない労働者で構成されているため、企業の従業員の解雇は総数としては重要だが、全体の従業員数と比較すると微々たるものだ。
このダイナミクスをグラフで見ると理解しやすい。アマゾンの従業員数と売上総利益を比較すると、パンデミック中の過剰採用のパターンが見られ、その後売上総利益が追いつくまで従業員数の増加が横ばいになっている。
アマゾンの売上総利益対従業員数 2019年から2026年予測
同じ分析をクラルナに適用することも示唆に富む。同じパンデミック時の過剰採用が発生したが、横ばいになる代わりに、同社は2022年から2024年にかけて従業員数を削減し、開始時点をわずかに下回る水準で終わり、再び従業員数を増やし始めた。これは、過剰採用の調整、その後の人間対AI業務の再構成、そしてより収益性が高く、レバレッジの効いたスケーリングへの回帰を示唆している。
クラルナの売上総利益対従業員数 2019年から2025年
最後に、Block（ニューヨーク証券取引所：XYZ）も現在、AI雇用喪失の例としてニュースになっており、2025年第4四半期の決算説明会で従業員の40%の解雇を発表した。CEOのジャック・ドーシー氏は、「インテリジェンスツールが企業を構築し運営することの意味を変えた」と述べた。
Blockの売上総利益対従業員数 2019年から2026年予測
この可視化を見ると、おなじみのパターンが見られる。パンデミック時の劇的な過剰採用、その後売上総利益に対する線形成長、あるいはそれをわずかに下回る水準への引き下げ。2026年にそれに続くもの、売上総利益に対する労働力の急激な引き下げの予測は、進行中のストーリーだ。
それがどのように終わるかはまだわからない。
崩壊は進行中だが、ブームが続く可能性が高い
一般的なコンセンサスは、AIは人員削減ツールだというものだ。これが最も明白な効果であるため、最も注目を集める。しかし歴史的に、技術のより大きな影響は、仕事を減らすことではなく、仕事の経済性を変えることであり、最終的にはより少ない需要ではなく、より多くの需要をもたらすことが多い。これがAIで進行中のことのようだ。AIは単に労働者をより効率的にしているだけではない。構築、運営、スケールすることが経済的に実行可能なものを変えており、長期的には劇的に多くの需要をもたらすことになるだろう。
