AIが雇用に与える真のコスト――誇大宣伝と実害を切り分ける

2022年11月にChatGPTが公開されると、当初の公開言説は二つの極へと急速に分裂した。一方は無限の生産性向上を謳うテクノ・ユートピア的な言説であり、他方は数年以内に大量失業が到来するという黙示録的な警告であった。それから3年が経過した今日、実証的な記録はいずれの陣営の予測よりも複雑であり、重要な点においてはより憂慮すべき様相を呈している。

2025年における確認済みのAI直接起因型雇用喪失の数字は、マクロ経済的な基準に照らせば穏やかなものにとどまる。再就職支援会社Challenger, Gray & Christmasによれば、2024年にAIに直接帰因する米国の雇用喪失は約12,700件であり、2025年には約55,000件に増加した。✓ Established [8] 企業発表に明示されないAI起因型雇用喪失の計上を試みる独立系の広範な推計値を加味しても、2025年における米国内のAI帰因型雇用喪失の総数は20万件から30万件の範囲にとどまり、農業部門外労働者全体の0.13%から0.20%に相当する。◈ Strong Evidence [8]

イェール大学予算研究所は、2025年半ばまでの労働市場を検討した結果、ChatGPT公開から33ヶ月が経過した時点においても、広範な混乱を示す識別可能な証拠は認められないとの結論に達した。◈ Strong Evidence [5] 同研究所の分析は歴史的な事例とも整合する。すなわち、広範な技術的混乱は数ヶ月単位ではなく数十年単位で展開するのが通例であり、技術普及の遅れと制度的慣性が、実験室での実証が示唆するよりも遙かに緩やかな採用曲線をもたらすからである。

Goldman Sachs Researchは2025年8月に公表したレポートにおいて、同様に抑制された結論に至った。現行のAI活用事例を経済全体に展開した場合でも、直接的な雇用喪失リスクにさらされる米国の雇用は2.5%に過ぎない。広範な採用シナリオのもとでさえ、その数値は米国労働力の6%から7%に過ぎない。Goldman Sachsはさらに、AI移行期における失業率の急上昇はいずれも一時的なものにとどまり、概ね2年以内に解消されると推計している。⚖ Contested [6]

しかし、これらのマクロ水準の指標には重大な盲点が存在する。すなわち、1億6,000万人の労働者からなる経済全体の平均値を測定するものであり、セクターや人口統計上の特定の集団に集中する被害を覆い隠しているのである。類比は示唆的である——ある都市の平均気温は、特定の地区が洪水に見舞われているか否かについて何も教えてくれない。集計値は穏やかであるが、特定の職種領域では水位はすでに上昇しつつある。

AIの労働市場への影響を正確に理解するためには、比較基準として産業革命や1980年代のコンピュータ化を参照するのは適切ではない。正しい基準は2000年から2020年の時期である。この期間、米国の雇用成長は高賃金の専門職と低賃金のサービス職という二つのセグメントに集中する一方、中間的スキルの事務・管理職および製造業の雇用は急激に収縮した。◈ Strong Evidence [10] 経済学者が「労働市場の空洞化」あるいは「雇用の二極化」と呼ぶこのパターンは、簿記・データ入力・電話交換業務・基礎的な法律調査といったルーティン的な認知業務の自動化によって引き起こされたものである。

AIはこの空洞化を逆転させるのではなく、むしろそれを加速・拡張する。生成AIが過去の自動化の波と一線を画するのは、まさにそのリーチにある。すなわち、従来のソフトウェアが手を付けられなかった認知的・言語的、さらには創造的業務にまで到達しているのである。IMFの2024年1月の分析によれば、世界の雇用全体の約40%がAIにさらされており、先進国ではその割合が約60%に上る。これは歴史的に前例のない規模の露出であり、なぜなら過去の自動化は主にルーティン的な手作業や低スキルの認知業務に影響を与えるものであって、専門職・管理職の中核には及ばなかったからである。✓ Established [2]

MITの経済学者David Autorは、2024年に全米経済研究所（NBER）に提出したワーキングペーパーにおいて、この動態をその構造的文脈に位置づけた。米国労働市場の中間スキル・中産階級的な中核は、自動化とグローバル化によって過去20年にわたり段階的に空洞化されてきた。次なる段階においてAIが破壊的に作用するか建設的に作用するかは、技術的必然ではなく政策選択の問題である、とAutorは論じる。◈ Strong Evidence [11] Autorの論文で引用されたGallupの世論調査によれば、米国成人の75%がAIによって雇用は減少すると信じており、この数字は、集計データがまだ全体として確認していないとしても、この構造的な脆弱性に対する広範な直感を反映している。

2024年9月に公表されたIMFのワーキングペーパーは、2010年から2021年にかけての米国の通勤圏データを分析し、AI採用度の高い地域においてその期間中に就業率の下落がより顕著であることを明らかにした。重要なことに、この雇用に対する負の影響は主に製造業、低スキルサービス業、中間スキル労働者、および非STEM職種が担っており、大半のメディア報道が注目するような高所得専門職層はこれを免れている。◈ Strong Evidence [9] この発見の地域的な粒度は重要である。AIの労働市場への影響は地理的に均一に分布しておらず、ルーティン的な認知サービス業を経済基盤とする地域は、高スキルの専門職雇用を軸とする大都市圏とは質的に異なるリスクに直面している。

Human Capital Leadership Reviewは、2025年12月にこれらの証拠を総合し、同誌が「二分化の脅威」と呼ぶ現象を特定した。すなわち、AIを駆使して産出量を飛躍的に高め、プレミアム賃金を獲得するAI強化型のスーパーワーカーと、新たな能力増強のプレミアムへのアクセスを持たないまま業務を自動化され、周縁化される中間層との分断である。◈ Strong Evidence [10]

Microsoft Researchの2025年7月の分析は、2024年1月から9月の間に記録された20万件の匿名化されたMicrosoft Copilotの会話データを用いて、これまでに作成されたなかでもとりわけ精緻な職種別AI露出マップを構築した。通訳・翻訳者がリストの筆頭に位置し、その業務活動の98%がAIの能力と重複するという驚異的な数値を示した。これは言語媒介のほぼ完全なデジタル化を反映した特筆すべき数字である。歴史家、作家、営業担当者も高度に露出された職種のなかに含まれている。Microsoft Researchは総計で、最もAIの影響を受ける上位40の職種カテゴリに集中する840万人の米国労働者を特定した。◈ Strong Evidence [7]

セントルイス連邦準備銀行は、2025年8月に公表した分析において、2022年から2025年にかけての職種別AI露出スコアによる失業動向を検討し、統計的に有意な相関関係を発見した。AI露出度の高い職種はこの期間に失業率のより急峻な上昇を示しており、相関係数は0.57であった。AI露出スコアが約80%と評価されるコンピュータ・数学系職種は、あらゆる職種カテゴリのなかでも最も急激な失業率の増加を記録した。◈ Strong Evidence [3]

顧客サービスセクターは、確認済みかつ測定可能な雇用喪失がどのような様相を呈するかについて、最も明瞭な実証的窓口の一つを提供している。Site Selection Groupは、2022年から2024年の間に米国のカスタマーサービス職が約80,000件減少したことを記録した。この収縮はAIによる顧客サポートの導入が最も急速に進んだ時期に集中している。◈ Strong Evidence [8] これは予測やモデリングの産物ではなく、特定のAI採用期間における特定セクターにおいて観察された実際の人員減少である。

AIによる雇用喪失から保護されている職種を特定するためには、AIが何をできないかを理解する必要がある——今日苦手としていることではなく、言語・コード・画像を処理・生成するシステムにとって構造的に不可能なことを問わなければならない。その答えは二つのカテゴリに収斂する。一つは、非構造化環境において巧緻性と状況判断を要する身体的な作業であり、もう一つは、対話の価値がそれを提供する人間と不可分に結びついている高度な対人関係的な業務である。

熟練職人——電気技師、配管工、空調設備技術者、建設労働者——は前者のカテゴリに属する。彼らの仕事は複雑かつ変動する環境における物理的操作、現場でのリアルタイムな問題解決、そして遠隔から操作する言語モデルには委託できない責任を伴う判断を必要とする。これらの職種はAI露出スコアが低く、力強い成長軌跡が見込まれている。ALM Corpの総合分析で引用された労働統計局の予測によれば、ナースプラクティショナーは2023年から2033年の間に52%増加するとされており、これはどのようなAI導入によっても方向転換できない、高齢化社会の人口動態的な需要によって牽引されるものである。◈ Strong Evidence [8]

個人向けサービスおよび飲食業の職種は、異なるが同様に保護された位置を占めている。労働統計局の予測によれば、食品調理・サービス職は2033年までに50万件以上の雇用を増加させると見込まれている。◈ Strong Evidence [8] これらの職種は物理的な存在と感情的な共感を必要とし、かつ現行の賃金水準においてロボットによる代替が経済的に競争力を持てない労働市場において価格付けされている。

ここでは露出と雇用喪失の区別が重要である。IMFの2024年1月の分析によれば、先進国経済では雇用全体の約60%がAIの影響を受ける可能性があるが、影響は消滅と同義ではない。✓ Established [2] 先進国経済において露出した雇用のおよそ半数は、AIを生産性向上ツールとして活用することで恩恵を受けると評価されており、すなわち労働者はその役職にとどまりながらAIによって産出量が増強される。残りの半数は賃金の抑制または消滅に直面する。どちらの結果が現実となるかを決定する重要な変数は適応能力であり、適応能力の分布こそが、AIの労働市場への影響においてもっとも重要でありながら最も報告されていない側面を構成している。

AIと雇用に関する近年の実証的文献において最も重要な発見は、集計的な雇用喪失率やセクター別の失業動向に関するものではない。それは2026年2月12日にBrookings InstitutionがGovAIとの共同研究として公表した分配論的な知見であり、単にAIへの露出度を測定するだけでなく、AIへの露出度と低い適応能力の組み合わせに直面している者を特定したものである。

同研究は基礎的な観察から出発する。AI露出度が最も高い職種に就く3,710万人の米国労働者のうち、2,650万人は平均を上回る適応能力を有している——すなわち、意味のある移行の選択肢を与える教育資格、職業上の代替可能性、財務的資源、または地理的流動性を備えている。こうした労働者が見出しを支配している。彼らはAIが標的にしているとされる洗練された職種に就くシリコンバレーのエンジニアや財務アナリストたちである。✓ Established [1]

しかし、この研究の最も重要な発見は残余のコホートに関するものである。約610万人の米国労働者は、高いAI露出度と低い適応能力の双方に直面している。これらの労働者は圧倒的に事務・管理職およびルーティン的な認知的サービス業務に集中しており、強制的な移行を乗り越えるための資格、財務的な余裕、そして職業上の柔軟性のいずれも欠いている。彼らはキャリアチェンジの途上にあるのではない。彼らは退路を断たれている。✓ Established [1]

適応能力の格差こそが、AIの労働市場への害悪を評価する際の中心的な分析枠組みである。従来の議論の枠組み——ホワイトカラーの専門職労働者がAI露出にさらされているゆえに、ホワイトカラーの専門職がAIの主たる被害者である——は論理的な誤謬を犯している。すなわち、露出と被害を混同しているのである。適応能力を欠いた状態での露出は、適応能力を有した状態での露出よりも範疇的に深刻な被害をもたらす。サンフランシスコの企業においてAI自動化によって職を失ったソフトウェアエンジニアは、大多数の場合、移行を乗り越えるための資格、貯蓄、人脈、そして地理的流動性を備えている。同様のデータ入力やスケジュール管理業務をAIに代替されたオハイオ州の地方の保険会社の事務員は、それらの資源をいずれも持ち合わせていない。

この区別は、AI時代の新規雇用における資格要件の障壁によってさらに鮮明となる。ALM Corpの総合分析で引用されたSSRNの研究によれば、新たに創出されたAI関連職種の約77%は修士号を要件としている。⚖ Contested [8] 世界経済フォーラムの純増加の予測——2030年までに9,200万件の雇用が失われ1億7,000万件が創出されるという純78万件の増加——が正確であったとしても、構造的な資格のミスマッチにより、失業した事務職労働者は新たに創出されるAIオペレーションやプロンプト・エンジニアリングの職種にそのまま就くことはできない。消滅する職種が必要とするのは高校卒業資格である。創出される職種が必要とするのは大学院の学位である。純創出の算術は、このコホートにとっては全く無関係な問題である。

適応能力の低い610万人の高露出労働者の約86%が女性であるというBrookings/GovAIの発見は、周縁的なデータポイントではない。それは、ジェンダーによる職業的分離が米国労働市場においていかにリスクと資源の双方を分配してきたかという、深層の構造的パターンを反映している。✓ Established [1]

事務・管理職——データ入力、スケジュール調整、基礎的な記録管理、顧客対応、オフィス管理——は、過去一世紀の大半にわたって不均衡なまでに女性によって担われてきた。この職業的集中は技術的な必然ではなかった。それは、女性を戦略的・専門的な役割ではなく、補助的・付随的・ルーティン的と分類される役職へと誘導した労働市場の産物であった。その皮肉な構図は今や鮮明である。かつてこれらの役職を低く評価した分類体系が、今やそれらをAI代替の主たる標的として位置付けているのである。

AIによる雇用喪失のジェンダー的側面は、適応能力の指標そのものによってさらに複合化される。Brookings/GovAI研究の適応能力指数は、教育水準、職業上の代替可能性、財務的セーフティネットへのアクセス、地理的流動性などの要素を組み込んでいる。事務職に就く女性は、このインデックスの複数の側面において系統的に不利な立場にある。すなわち、（介護責任を理由に）地理的流動性を欠く可能性が高く、技術系移行職種に必要なSTEM資格を欠く可能性が高く、そして雇用喪失時の保護が乏しいパートタイムや不規則な雇用形態にある可能性が高いのである。

IMFの広範な分析はこの発見にグローバルな次元を付け加えている。先進国経済において、IMFはAIが高スキルの職種に特有の影響を与えることを発見した——これは過去の自動化の波とは異なるパターンである。しかし、その広範な露出状況のなかで、適応能力の分布はジェンダーの境界線に沿っており、それは技術的中立性ではなく既存の労働市場における不平等を反映している。✓ Established [2]

労働力参加率のデータはこの構造的脆弱性をさらに裏付けている。ALM Corpの総合分析で引用された労働統計局の数字によれば、大学の学位を持たない働き盛り世代の労働力参加率は1990年の88.6%から近年82.3%へと低下している。この長期的な低下は、ルーティン的な認知的サービス業務に従事する女性という特定のコホートに対して、AIがさらに加速させようとしている。◈ Strong Evidence [8]

近年の文献におけるもっとも政策的に重要な発見の一つは、AIの労働市場への影響が固定された技術的な産出物ではなく、AIが採用される制度的環境によって実質的に形成される変動的なものであるという点である。2026年1月に公表されたAB Academicsの分析によれば、強力な労組代表と積極的な労働市場政策を有する北欧諸国においては、AIの採用は賃金格差の縮小と関連している。これに対し、米国および英国においては、AIの採用はより急峻な賃金の二極化と同時進行してきた。◈ Strong Evidence [12]

この乖離は偶発的なものではない。北欧の労働市場は、集権的な賃金交渉、包括的な積極的労働市場プログラム（再訓練補助金、求職支援、賃金保険）、企業の技術採用決定への労組の強力な関与、そして雇用喪失ショックを実質的に緩和する社会保険制度を特徴とする。デンマークの企業が事務機能を自動化する場合、失業した労働者は高い所得補填率、国家補助による再訓練の選択肢、そして構造改革に先立って労働者代表に諮問する雇用主の法的義務を備えた十分に財源を持つ移行システムに入ることになる。

この示意するところは直接的であり、政治的に不快なものである。Brookings/GovAIが特定した低適応能力の610万人の労働者がAIから受ける被害の程度は、技術がどれほど強力かという問題ではない。それは、これらの労働者が制度的な保護と移行支援へのアクセスを有しているかという問題である。米国の文脈においては、彼らはそれをほとんど有していない。米国の労働力移行インフラ——コミュニティカレッジの再訓練プログラム、貿易調整支援（TAA）の仕組み、失業保険——は、地理的に集中した工場閉鎖を特徴とする製造業時代の雇用喪失パターンに対応して設計されたものであり、ルーティン的認知業務の拡散的かつセクターを横断した雇用喪失には対応していない。

MITのDavid Autorは、この点を2024年のNBERワーキングペーパーのなかで直截に論じた。AIの応用が破壊的となるか建設的となるかは政策選択であり、技術的必然ではない。◈ Strong Evidence [11] OECDの集計データ——2000年から2022年にかけてルーティン的認知業務の自動化によって牽引された加盟国全体の賃金格差の約10%上昇——は、国家間の広範な制度的差異を覆い隠した平均値である。◈ Strong Evidence [12]

AIが労働市場に与える影響に関する証拠の全体像は、真に論争的な様相を呈しており、知的誠実さとは、合意が形成されている領域と同等の比重をもって、諸見解の相違を提示することを要請する。現行の文献には三つの異なる研究上の立場が存在し、それらは差異を折衷することで調和させられるものではない。

第一の立場は、Yale Budget Labの2025年分析に代表されるものであり、ChatGPT公開から33か月の間に米国労働市場において広範な混乱の明確な兆候は認められず、歴史的先例に照らせば技術的混乱の広範な波及は数年ではなく数十年の単位で進行することを一貫して示している、と主張する。◈ Strong Evidence [5] この立場は方法論的に保守的であり、歴史的事実に根拠を置くものであって、急速かつ大規模な技術的失業という予測が過去一世紀にわたり繰り返し提唱され、そのたびに否定されてきたという事実を正当に指摘している。

Goldman Sachs Researchの2025年8月分析は、この慎重な見解をセクター別モデリングによって補強している。現行の条件下で直接的な雇用喪失リスクに直面しているのは米国雇用の2.5パーセントに過ぎず、移行期における失業の急増があるとしても、それは2年以内に一過性のものとして収束する可能性が高いとされる。⚖ Contested [6]

第三の立場は、Stanford Digital Economy Labに所属するBrynjolfsson、Chan、Chenが2025年8月に発表した論文——その題名Canaries in the Coal Mine?（炭鉱のカナリア）は示唆的である——に代表されるものであり、総雇用は依然として健全な水準を保っているものの、職種レベルおよびキャリア段階レベルのデータには、集中的な被害の明確な初期シグナルが現れているとの見解を示す。◈ Strong Evidence [4] カナリアという比喩は慎重に選ばれている。AIにさらされた職種におけるキャリア初期の労働者こそがカナリアであり、放置されれば職業的ヒエラルキーを上方へと伝播していく被害を最初に経験する存在なのである。

この論争の方法論的解決は純粋に実証的なものではない——それは部分的には、いかなる分析単位が道義的に重要であるかという問いでもある。関連する単位が米国の総雇用であるならば、Yale大学およびGoldman Sachsが全体像は安定していると指摘する点において正確である。関連する単位が2024年のキャリア初期のソフトウェア労働者、あるいは2026年における適応能力の低い610万人の事務労働者であるならば、状況は本質的に異なる。いずれも現実の異なる断面を正確に描写している。問われるべき政策的命題は、いずれの断面がより緊急の注意を要するかである。

2024年から2025年にかけての比較的穏やかな確認済み雇用喪失数値——直接的なAI起因の職消失5万5,000件、AIに起因する総ポスト喪失20万から30万件——は、安定した長期均衡として解釈されるべきではなく、企業の導入タイムラインという文脈において位置づけられなければならない。企業によるAI展開は、十分に記録された普及曲線をたどる。すなわち、2022年から2023年のパイロットプロジェクト段階、2024年から2025年の選択的大規模展開段階、そして2026年から2028年の、部門全体を再編する深度ある業務統合段階である。今日視認できる数値は展開の先端を示すものであり、その成熟した状態を反映したものではない。

IMFの広範な評価はここで示唆に富む。先進経済諸国の雇用のおよそ半分がAIリスクに直面しており、賃金の下押しまたは職自体の消失をもたらす可能性がある——即座にではなく、AI能力が拡大し企業のコスト構造が適応するにつれて。✓ Established [2] その顕在化の時期については論争があり——複数の研究潮流を統合したALM Corpの総合分析は、主要な複合的影響の発現を2027年から2030年と位置づけている——しかしそれを駆動する構造的力については論争が存在しない。⚖ Contested [8]

St. Louis連邦準備銀行の2025年8月分析は、有益な先行指標を提供している。2022年から2025年にかけての職種横断的なAI導入率と失業変化との相関係数0.57は、危機的警報ではなく、一つの測定されたシグナルを表すものである。◈ Strong Evidence [3] しかし導入初期段階で測定された相関係数は、最終的な影響の大きさを過小評価する傾向がある。なぜなら企業の採用は非線形であり、ソフトウェアコストの低下、労働者の習熟度向上、および先行導入企業のAI主導コスト構造に追随するよう後発企業を迫る競争圧力とともに加速するからである。

世界全体の雇用への純効果が正に転じるのか——WEFが予測する2030年までの純7,800万件の雇用創出——それとも負に転じるのかという問いは、真に未解決のままである。⚖ Contested [8] 解決されていないのは純効果の方向性であるが、分配的問題については解決済みである。純効果が正であれ負であれ、適応能力の低い労働者はAI時代に新たに創出される役割から恩恵を受けることはない。2027年から2030年の変曲点は、適応能力の低い610万人の労働者にとって、遠い地平線ではなくカウントダウンに他ならない。

AI主導の労働市場における雇用喪失への支配的な政策対応——雇用喪失労働者がAI隣接の役割へ移行するための支援を目的とした再訓練プログラム——には、実証的証拠が明示する構造的矛盾が内在している。新たに創出されるAI関連の役割の約77パーセントが修士号を要求するならば、⚖ Contested [8] 雇用喪失した事務労働者に6か月の職業訓練課程を提供する再訓練プログラムは、新興AIエコノミーへの通路ではない——それは、ほとんどの雇用喪失労働者が経済的に負担できず、アクセスもできず、多くの場合には女性に不均衡に集中する育児責任を抱えながら修了できない、何年もの大学院教育に相当する資格格差に過ぎない。

雇用喪失コホートと新たに創出される役割の要件との間の構造的ミスマッチこそが、現行の枠組みが対処するように設計されていない政策課題である。国際貿易によって雇用を失った労働者を支援するために設計された米国の貿易調整支援プログラムは、一貫して資金不足に陥り、狭義に定義されてきたという前例を提供する。AI主導の雇用喪失に向けてこのようなメカニズムを拡充・再編成すること——真の資格取得を可能にするのに十分な期間の所得支援、育児責任を抱える女性を支援する保育支援、地理的移動支援を含む——は、いまだ実現していない政治的投資を必要とする。

証拠基盤から三つの具体的な政策的失敗が特定できる。第一に、現行の再訓練投資は規模が不十分である。2025年のAI起因の雇用喪失総数は20万から30万件と独立した推計が示しており、◈ Strong Evidence [8] それを支援するための政策機構——コミュニティカレッジプログラム、労働力開発委員会、州の再訓練補助金——は、この規模あるいは職種分布を想定して設計されてはいない。第二に、リスクの地理的集中が、標的を絞った介入へと結びついていない。2024年9月のIMFワーキングペーパーが、AI導入率の高い米国の通勤圏において2010年から2021年にかけて雇用・人口比率のより大幅な低下が経験されたことを明らかにした所見は、◈ Strong Evidence [9] リスクが高まっている特定のコミュニティを特定しているが、それらのコミュニティは標的を絞った予防的投資を受けていない。第三に、適応能力格差のジェンダー的側面が政策設計に組み込まれていない。育児障壁、資格格差の大きさ、および職種のフェミニゼーションのパターンに明示的な注意を払わずに構築されたプログラムは、最も脆弱なコホートの86パーセントを占める女性には届かない。✓ Established [1]

総体的な状況——世界の雇用の40パーセントがAIにさらされており、歴史的先例を持たない規模で認知的労働を標的とする技術✓ Established [2] ——は、最も注目度の高い労働者ではなく、最も不利な立場に置かれた労働者に即した政策対応を要請する。BrookingsおよびGovAIが2026年2月に記録した適応能力の低い610万人の労働者は、シリコンバレーの見出しやウォール街のアナリストノートを生み出してはいない。彼らこそが、Stanford Digital Economy Labの2025年8月論文の題名が示す通り、炭鉱のカナリアである。[4] 雇用喪失の波が2027年から2030年にかけて予測される強度へと高まる前に統治機構がその警告を認識するかどうかが、AIの労働市場における遺産が管理可能な移行となるか、それともアメリカの労働力における最も経済的に脆弱なコミュニティに集中した構造的傷痕となるかを決定するのである。