188bet麻雀

このサイトではJavascript機能をOnにしてご利用ください。 ページの本文へ 日本語 English 中文 RIETIについて サイトマップ ヘルプ お問い合わせ 論文検索サービス サイト内検索 メニュー 研究テーマ プログラム (2024-2028年度) プログラム (2020-2023年度) プログラム (2016-2019年度) プログラム (2011-2015年度) 政策研究領域 (2006-2010年度) 主要政策研究課題 (2003-2005年度) 経済産業省共同プロジェクト プロジェクトコンテンツ 調査 フェロー（研究員） 肩書き別一覧 アルファベット順 過去の在籍者 フェローの活動 論文 ディスカッション・ペーパー（日本語） ディスカッション・ペーパー（英語） ポリシー・ディスカッション・ペーパー（日本語） ポリシー・ディスカッション・ペーパー（英語） テクニカル・ペーパー（日本語） テクニカル・ペーパー（英語） ノンテクニカルサマリー 英文査読付学術誌等掲載リスト Research Digest 政策分析論文 調査レポート 論文検索サービス 出版物 RIETIブックス（日本語） RIETIブックス（英語） 通商産業政策史 著者からひとこと RIETI電子書籍 年次報告書・広報誌（RIETI Highlight） その他出版物（日本語） その他出版物（英語） イベント シンポジウム ワークショップ BBLセミナー 終了したセミナーシリーズ データ・統計 JIPデータベース R-JIPデータベース CIPデータベース JLCPデータベース 日本の政策不確実性指数 産業別名目・実質実効為替レート AMU and AMU Deviation Indicators JSTAR（くらしと健康の調査） RIETI-TID 長期接続産業連関データベース マイクロデータ計量分析プロジェクト 海外直接投資データベース ICPAプロジェクト リンク集 コラム・寄稿 コラム Special Report EBPM Report フェローに聞く フェローの連載 世界の視点から 特別コラム 新聞・雑誌等への寄稿 特別企画 経済産業ジャーナル 研究テーマ フェロー（研究員） 論文 出版物 イベント データ・統計 コラム・寄稿 サイトマップ ヘルプ お問い合せ 閉じる ホームコラム・寄稿フェローの連載IoT, AI等デジタル化の経済学 IoT, AI等デジタル化の経済学 第149回「DXリスキリング（3）」 印刷 岩本 晃一 リサーチアソシエイト／立命館アジア太平洋大学 2　DXリスキリングが求められる背景 （3）DX導入により失われる雇用を新しい産業分野に移動させること 米国MIT教授デイビッド・オーター（David H. Autor、1967年生まれ ）は、米国におけるスキル別職業の割合の10年毎の変化を示した（図表1）。 図表1　米国におけるスキル別職業の割合の10年毎の変化 出典）1980, 1990, and 2000 Census Integrated Public Use Microdata Series (IPUMS)よりAutor.D.H.(2015)が作成 中スキルの職業の労働者が、情報化投資によって機械に代替され、継続的に減少を続けている。オーターは、過去、職を失ってきた労働者は、機械に代替「ルーティン業務」の労働者であるとしている。「ルーティン業務」は、どんなに難しい仕事であったとしても、また人間が仕事をするために長年の訓練が必要であったとしても、ロジックに基づいているので、簡単にプログラム化できるからである。一方、オーターは、中スキルであったとしても、プログラム化できない対人関係業務の労働者は増えてきたとしている。 低スキルの職業の労働者は、継続的に上昇を続け、かつ、上昇スピードが加速している。 高スキルの職業の労働者は、継続的に上昇を続けているが、上昇スピードが減速している。技術が進むほど高スキル者に対する企業の需要はますます強くなるが、それに応えられる人材の市場への供給がますます難しくなるため、労働者の伸びは鈍化し、高スキル者の賃金は上昇してきた。 雇用が失われる境界が、より高スキルの職の方に移動している。 職を失った中スキルの労働者が移動する先は、高スキルか、または低スキルのどちらかだが、上記したように、技術が進むほど企業が求める高スキルのレベルは高くなり、中スキル者だった人がいくら自己投資しても高スキルに移行していく人はとても少ない。例えば、大学を出て年収300万円くらいで経理業務をしていた人が、いくら自己投資をして頑張っても、情報機器を使いこなしてさまざまなビッグデータを分析し、数千万円を稼ぐ企業コンサルタント、アナリスト、データサイエンティスト等になることは難しい。そのため、大部分の中スキルだった人は、低スキルに落ちていったことが伺える。低スキルの仕事がほとんど増えないなかで、中スキル者が低スキルに落ちていって低スキルの総労働者数が増えているため、賃金は低いままに据え置かれ、かつ雇用がますます不安定化している。これが米国で顕在化している「高学歴ワーキングプア」であり、大学を出ても、企業経理の仕事も無く、低スキル者がするような低賃金の不安定な仕事しかない、という状態である。米国で見られる「経済格差」はこうして生まれたとされている。 図表2は、デイビッド・オーターの図表1に基づき、変化分を算出してプロットしたものである。高・低スキルの雇用者が増え、中スキルの雇用者が減っている様子がわかる（図表2）。 図表2　米国における職業別就業者シェアの変化 出典）未来人材ビジョン　令和4年5月　経済産業省 また、図表3は、日本における同様の図をプロットしたものである。米国ほど変化は大きくはないが、米国とほぼ同様の傾向が見て取れる。 図表3　日本における職業別就業者シェアの変化 出典）未来人材ビジョン　令和4年5月　経済産業省 図表2、図表3から、日米ともに、国民のなかで経済格差が拡大していることがわかる。経済格差は米国の変化のほうがより大きい。そこで、ジニ係数を見ると、確かに米国は急速に経済格差が拡大しており、日本も米国ほどではないが、経済格差が拡大していることがわかる。日本は米国の後を追っている（図表4）。 図表4　ジニ係数の推移 DX導入により実現する将来の姿について、例を使って説明しよう。 例　自動車の大量生産が始まった頃、工場の現場では、T型フォード方式と呼ばれる方式が主流で、生産ラインに多くの人間が張り付き、人間による流れ作業で製品のすべての工程が作られていた。チャールズ・チャップリンの映画「モダン・タイムズ」で描かれた世界である。その後、積極的に機械化投資、自動化投資、省力化投資が行われてきたため、機械ができるところは機械に任せ、現在では、どうしても人間でなければできないところだけ、人間が作業をしている。例えば、生産ラインの最終検査工程で、表面の傷やヒビなど視覚でなければ検査できない工程（例えば、パソコンの画面の傷やひび割れ、ガラスの表面の傷やひび割れ）は、人間の目による検査が行われている。だが、全体的に言えば、機械化投資が進み、工場内の生産ラインでは、人間の数はかなり減ってきた。 だが、最近、目や耳や頭脳を持った機械、すなわちAIが実用化されるようになったことで、その作業もまた、自動化されることとなった。最近、日本の工場現場では、熟練労働者が減少し、かつ高齢化したため、検査で見逃す故障品が増えてきた。また、日々によって不良品の見逃し率に変動が生じている。そこで、上記の最終検査工程で、AIカメラを用いることで、不良品率を常に高水準で一定に維持することが可能になった。 これまで工場内にいた人間は、AIに置き換わった。これでほぼ人間がいなくなり、工場内の全自動化「完全工場無人化」が完成に近づくこととなる。AIが導入されることで、ここでも人間が行ってきた作業が自動化されることとなった。 この事例から言えることは次のとおりである。従来は、ロボットで対応可能な範囲が自動化されてきた。それは、人間の手足を使って作業を行っていた範囲である。今、AIが導入されることで目、耳、頭脳を使って人間が作業をしていた範囲が自動化される。そして「最終的な姿」とは、人間の手足、目、耳、頭脳を使って仕事をしていた作業が、機械に置き換わり自動化される。 オフィスワークも事情は同じである。現在、全てのオフィスの仕事は人間が行っている。かつて工場の現場で、T型フォード方式で、多くの人間が全て手作業で製品を作っていた時代と同じ「労働集約的な仕事の仕方」である。そのため、今、人間が全ての仕事をしているオフィスワークは、そこに目、耳、頭脳を持ったAIが導入されていくと、AIが作業できる仕事が全てAIに代替されることになる。その過程は、工場の生産現場にロボットが導入されて人間の仕事がロボットに代替されていった歴史と重なる。これからオフィスは、人間が少なくなり、効率化していく。最終的には、AIでできない仕事を担う人間だけが残っていく。「オフィス無人化」が究極の姿である。オフィスにおいて、これから辿る工程は、これまで工場の現場が辿ってきた工程と同じ姿である。 図表5　DXにより失われる仕事と創出される仕事のイメージ図 ロボットの時代は、技術の進化があまり早くなく、ゆっくり待っていても技術の進化に対応する人材の必要量が確保されてきた。例えば、駕籠屋から自動車の時代に移行したとしても、自動車を運転する人や自動車を造る人、自動車を整備する人は、焦らなくても、待っていれば、労働市場に十分供給されてきた。 だが、人工知能の時代の特徴は、技術の発展が基本的には、「ムーアの法則」 に従うので、発展が非常に急で、しかも大量の人材が必要になるため、必要な人材が急には揃わない点にあることが、雇用が深刻化している原因である。 読者の皆様方は思い出して頂きたいのだが、電話線を使ったインターネットが世の中に登場したのは、1995年（インターネット元年）であった。その少し前まで、業務用に使うコンピュータは、大きなフロッピーを使う大きなオフコンだった。Macの人気を不動のものにした世界的な大ヒットパソコンは、画面は真空管だった。 政府は、「古い産業で働いていたが余剰になった人材を新しく教育し、研修して、新しい産業にスムーズに移転するのが必要である」と考え、各種リスキリングに係る施策を打っている。だが、新しい技能を「再教育・再訓練・リスキリング」するような教育研修施設が圧倒的に不足し、労働者の流動市場が日本には基本的にほとんど存在しないので、新しい職を見つけるためには、自分のお金を投資してトレーニングしなければならない。そもそもトレーニングする場所自体がこれまで日本にはほとんど存在しなかった。 日本では、雇用されている企業社内での教育研修が基本であったため、日本社会の中に「再教育・再訓練・リスキリング」するような機関がほとんど存在しなかったというのが特徴である。また、新卒一括採用で、定年までは関連会社や取引会社を含めて雇用を確保する、一生雇用するというのが日本のこれまでの「日本型雇用」であり、筆者がコロナ感染拡大前に頻繁に訪問していたドイツと比較すれば、ドイツはジョブ型であり、転職が当たり前であり、日本には途中で転職するための労働市場自体がとても未成熟である。転職者を雇用することを今でも「中途採用」と呼んでいることが象徴である。かつての新卒一括採用で定年まで同じ企業で働くことが当たり前とされた時代の呼び名がそのまま使われており、「中途採用」の仕組みが、若干拡大しただけに過ぎない、筆者がドイツで見た企業を転職する仕組みとはまだまだ大きな差がある。中年になれば、自分のノウハウは外で通用するのだろうかと不安になり、転職には大きなエネルギーを必要とするので、もともと働いていた企業にしがみ付く、というのが、今の日本の特徴である。 こういう状態をそのまま放置していると、DX導入による失業の問題よりも、むしろ日本の経済全体を牽引する新しい産業が立ち上がらないという問題が生じる。日本で、GAFAMがなぜ生まれなかったのかというのは、いろいろな所で議論されているが、こういう日本の社会経済構造も、一つの大きな理由である。 このままでは日本は世界の激しい競争に負けてしまう。今、日本人が使っているいろいろな情報機器を見ても、日本のメーカーではなくて、アメリカのiPhoneやMac などの外国製品が激しい勢いで日本市場に流入し、日本企業は負け続けている。撤退した企業もある。先述したように、日本経済は発展せず、雇用も創出されない、賃金も上がらない、雇用も一生守ってもらえない、経営者がかじ取りを間違えれば大企業でも倒産する、いう状態になっている。 そのため、DX導入によって発生する雇用問題を解決する王道は、これまでの歴史と同じように、新しい産業を起こして、失われるよりももっと大きな雇用を生み出すことである。 人間の仕事と機械の仕事の境界はどこにあるのか。機械は、人間の仕事のどの領域まで組み込むのがいいのか。例えば、今の最先端技術を使えば、人間の手とほとんど同じような繊細な動きができるロボットを作ることができる。人間の手が床から生えている、という錯覚に陥るようなロボットもある。工場では、例えばとても細かい部品を取ってきて小さいものを組み立てたり、機械の裏側に人間が入り込んで組み立てるような作業は、人間でないとできないと言われてきた。だが、こういった作業も、もうすぐロボットができるようになる。 最近では、視覚を持ち、見て、認識して、考えて結論を出すという人工知能という機械が出現してきた。人工知能は、これまでは認識をしてもその意味を理解していなかったが、2年ほど前に、猫を猫だと理解して認識することができるようになった。それがさらに進化すると、人工知能はあらゆるものを理解して認識することが可能になるだろう。 最後の人間の砦と言われている芸術分野も、実はよく分解して見ると、いわゆる繰り返しの部分が結構あり、繰り返しであれば必ずプログラミングできるので、そこも人工知能ができるので、人工知能と人間が協力補完しあうことで芸術が可能になると言われている。例えば、彫刻であれば、彫刻家が彫る行為は、個々人の特徴はあるが、その大部分はほとんど同じ行為の繰り返しである、というのである。そうすると、最終的に、人間に残される仕事は、過去に世界中で誰も実施したことがない創造的な部分や初めて実施する部分、何か突拍子もない事件が勃発し、過去に前例のない対応をする部分、などということくらいしか残らなくなる。 数十年後には、人間の社会は、そういう社会になるだろうというのがほぼ見えてきている。そういった時代に、人間が人間らしく生きるには、人間が生きがいを持って生きるには、どうすればいいか。 機械が人間を代替していく過程のイメージは次のようなものだろう。これまで人間が行ってきたさまざまな作業が、機械が担う作業と、人間が担う作業に分化していく。分化が進化すると、人間がどうしてもやらなければならない作業だけが残る。人間に求められる能力は、ますます「高いスキル」が求められるようになる。そのため、人間は生涯にわたってスキルを磨き続けることが必要になってくる。リスキリングの重要性が叫ばれる所以である。 われわれの社会は人間中心の社会なので、機械の進歩は、人間の生活を豊かにする方向で発展しなければならない。機械に、仕事を取られた、生きがいを取られた、ということではなく、人間が生き生きと生活できることが重要である。最近までは、人間の手足を代替するロボットの普及拡大が主だった。それは人間の肉体労働を代替してきたため、むしろ重労働からの解放といったケースの方が多く、人間は機械との関係をどうすべきかなどという倫理的・哲学的なことを考えようという議論はほとんど出現してこなかった。 だが人間の頭脳を代替する人工知能の技術が急速に発展してきたことで、人間の頭脳労働、オフィスワーク、ホワイトカラーの仕事が機械に代替されていく時代が現実となってきた。 機械が人間の肉体労働を代替することと、頭脳労働を代替することとは全く違う。両者の技術が組み合わさり、人間の肉体労働と頭脳労働が組み合わさった労働が代替される時代が見えてきた。人間は機械との関係でどうすべきか、という倫理的・哲学的な問題が出現してきた背景がここにある。 ロボットの急速な発展により、人工知能と組み合わせて、人間に近い機械の登場が現実的となってきた。人間に近い機械が出現するとき、人間が生き生きと生きる、生きがいを感じる、あくまでも機械が人間をサポートする、そういう機械と人間の関係は一体どうあるべきなのだろうか、という問題を考えざるを得ない状況になってきたと言える。 人間の考え方や感受性を考慮し、人間がどうあるのが一番良い社会なのか。そこを考えていかないと、人工知能も、むやみやたらと技術だけ進歩すればよい、というものではない。 そういう領域に入りつつある今、人間と機械の境界はどこにあるのか、を考えなければならない。 2023年3月31日掲載 印刷 この著者の記事 第166回「テレワークが減少している」 2024年4月 3日［IoT, AI等デジタル化の経済学］ 第165回「生成AIが雇用に与える影響」 2024年3月 6日［IoT, AI等デジタル化の経済学］ 第164回「DXからみたグローバル・ニッチトップ企業の日独比較（6）」 2024年2月21日［IoT, AI等デジタル化の経済学］ 第163回「DXからみたグローバル・ニッチトップ企業の日独比較（5）」 2024年2月 1日［IoT, AI等デジタル化の経済学］ 第162回「DXからみたグローバル・ニッチトップ企業の日独比較（4）」 2024年1月29日［IoT, AI等デジタル化の経済学］ コラム・寄稿 コラム Special Report EBPM Report フェローに聞く フェローの連載 リサーチインテリジェンス IoT, AI等デジタル化の経済学 関志雄：中国経済新論 中島厚志の経済ルックフォワード 小林慶一郎のちょっと気になる経済論文 エビデンスに基づく医療（EBM）探訪 空間経済研究ノート 国際貿易と貿易政策研究メモ 社会保障・経済の再生に向けて 経済問題：WHY？ 海外レポートシリーズ：国際金融情報スーパーハイウェイの建設現場から 海外レポートシリーズ：欧州からのヒント ガバナンス・リーダーシップ考 農業・食料問題を考える 山口一男の日本社会論 Economics Review 外交再点検 対談・経済政策の選択肢 W杯開催の事後検証 社会システムデザイン研究会 検証：日本の通商政策 ブロードバンド戦略 海外レポートシリーズ：ハーバードAMPの現場から 世界の視点から 特別コラム 新聞・雑誌等への寄稿 特別企画 経済産業ジャーナル 情報発信 ニュースレター 更新情報RSS配信 Facebook X YouTube 研究テーマ プログラム (2024-2028年度) プログラム (2020-2023年度) プログラム (2016-2019年度) プログラム (2011-2015年度) 政策研究領域 (2006-2010年度) 経済産業省共同プロジェクト プロジェクトコンテンツ 調査 フェロー（研究員） 論文 ディスカッション・ペーパー（日本語） ディスカッション・ペーパー（英語） ポリシー・ディスカッション・ペーパー（日本語） ポリシー・ディスカッション・ペーパー（英語） テクニカル・ペーパー（日本語） テクニカル・ペーパー（英語） ノンテクニカルサマリー 英文査読付学術誌等掲載リスト Research Digest 政策分析論文 調査レポート 論文検索サービス 出版物 RIETIブックス（日本語） RIETIブックス（英語） 通商産業政策史 著者からひとこと RIETI電子書籍 年次報告書・広報誌（RIETI Highlight） その他出版物（日本語） その他出版物（英語） イベント シンポジウム ワークショップ BBLセミナー 終了したセミナーシリーズ データ・統計 JIPデータベース R-JIPデータベース CIPデータベース JLCPデータベース 日本の政策不確実性指数 産業別名目・実質実効為替レート AMU and AMU Deviation Indicators JSTAR（くらしと健康の調査） RIETI-TID 長期接続産業連関データベース マイクロデータ計量分析プロジェクト 海外直接投資データベース ICPAプロジェクト リンク集 コラム・寄稿 コラム Special Report EBPM Report フェローに聞く フェローの連載 世界の視点から 特別コラム 新聞・雑誌等への寄稿 特別企画 経済産業ジャーナル RIETIについて 個人情報保護 ウェブアクセシビリティ方針 RIETIウェブサイトについて サイトマップ ヘルプ お問い合わせ 経済産業省 独立行政法人経済産業研究所（法人番号 6010005005426） 当サイト内の署名記事は、執筆者個人の責任で発表するものであり、経済産業研究所としての見解を示すものでは有りません。掲載している肩書や数値、固有名詞などは、原則として初掲載当時のものです。当サイトのコンテンツを転載される場合は、事前にご連絡ください。 "ページの先頭へ戻る