AIと労働 / 理論能力と実装の距離 / 若年採用の減速 雑感

Ⅰ　AIが何をできるかではなく、どこで仕事に入り込んでいるか

　Anthropicの新しい報告書を読んでまず感じるのは、失業率の多寡より前に、測定の単位を組み替えた点に価値があることである。従来の研究は、大規模言語モデルが理論上どの業務をどこまで速くこなせるかという能力側の推計に依拠してきた。その代表例がEloundou et al.（2023）の研究であり、各職業のタスクについてLLMが処理速度を2倍以上にできるかどうかを0から1のβ値で評価するものである〔注1〕。

　これに対してMassenkoff and McCrory（2026）は、理論上の可能性に実際のClaudeの利用データを重ね、さらに補助的利用より自動化利用を、私的利用より業務利用を重く数えることで、観測された曝露という指標を置く〔注2〕。議論の射程を、能力の一般論から、実装済みの利用形態へと引き戻した点に、かなり強い含意がある。雇用喪失にとって問題となるのは、人間の判断を補助するケースではなく、人間の労働を直接代替する自動化利用が進行しているケースであり、その区別を測定に組み込んだことがこの指標の実質的な意義である。

1　能力の地図と実装の痕跡

　この指標の含意は明快である。AIの能力の地図だけを見て論じると、労働市場の変化を早く見積もりすぎる。同報告書では、コンピュータ・数学分野の職種群で理論上のカバー率が94%に達する一方、観測されたカバー率は33%にとどまる〔注2〕。上位の曝露職種として挙がるのは、コンピュータプログラマー（74.5%）、カスタマーサービス担当者（70.1%）、データ入力担当者（67.1%）、医療記録専門家（66.7%）といった、デジタル化された記述作業や定型的判断に近い仕事である〔注2〕。法律職も理論上の可能性は相応に高いが、法廷で依頼者を代理する行為はなお実装の外側に残っている。

　法政策の観点からは、この能力と実装の距離こそが論点である。規制も責任も雇用調整も、抽象的な能力ではなく、実装された利用形態に反応しなければならない。

2　測定は事実の採取であると同時に選択でもある

　もっとも、観測された曝露は中立的な記録装置ではない。どの程度の利用を有意とみるか、自動化を補助よりどれほど重くみるか、類似タスクをどう束ねるかという判断が、指数の形を左右する。Anthropic自身もこの点を率直に認め、そのうえで設定を変えても職種別順位の相関は極めて高いと説明する〔注3〕。法や政策が指標を用いるとき、数字だけを読むのでは足りず、数字を生んだ設計思想まで読まなければならない。利益相反の構造、Anthropicの研究者が自社製品の影響を自社データで分析するという構造も、データ公開による透明性確保の努力をもって中立化されるものではないという点も、率直に認識しておく必要がある。

Ⅱ　広い失業はまだ見えず、入口の細り方が先に出る

1　失業率への影響　現時点では限定的

　この報告書の結論は、破局論とはかなり距離がある。Current Population Surveyを用いて、ChatGPT登場以降の失業率トレンドを曝露度上位四分位の労働者と曝露度ゼロの労働者とで比較したところ、両群の推移は概ね並行しており、差分の差分法による推計でも、ChatGPT登場後のギャップ変化は統計的にゼロと区別がつかない水準にとどまっている〔注2〕。YaleのBudget Labも、現段階で経済全体として識別できる雇用攪乱は見えないと述べている〔注4〕。

　ここから直ちに安心を導くのは早い。現在の分析は約1%ポイント以上の失業率変化を検出できる設計になっているが、それ未満の変化は見逃している可能性がある。また、仮に曝露度上位10%の労働者が全員解雇されれば、上位四分位の失業率は3%から43%に、集計失業率も4%から13%に達するという試算が示されており、現在の「影響なし」という結果が何を指し示すかの文脈を与えている。

2　若年採用の減速が示すもの

　他方で、入口では別の動きが出ている。同報告書は、22歳から25歳の若年層が高曝露職種へ新たに入職する比率が、2022年対比で平均14%低下したとみる。統計的にはぎりぎりの水準であるが、Brynjolfsson et al.も同じ年齢層の高曝露職種で相対的な雇用の落ち込みを報告しており〔注5〕、両者を並べると、いま起きているのは解雇の波というより、初職と若年採用の鈍化であるように見える。既存労働者を一斉に外へ出すより、まず新規採用を絞るという調整の方が、企業の行動としては自然である。

　採用の鈍化が失業率の上昇として即座に現れない理由も同報告書は説明する。若年労働者の多くは労働市場の新規参入者であるため、採用されなかった場合に失業者として計上されるのではなく労働力人口から退出する可能性があるからである。失業率という指標の拾えない層がここに存在する。

3　曝露の分布と不利益の分布のずれ

　さらに見逃しにくいのは、高曝露の既存就業者の属性と、入口で先に影響を受ける層とが一致しないことである。同報告書によれば、高曝露群は曝露ゼロ群と比べて女性比率が約16ポイント高く、賃金も平均で47%高く、大学院学位保有者の比率も約4倍に達する〔注2〕。つまり現時点でAIに最も曝露しているのは相対的に高学歴・高収入の女性労働者ということになるが、雇用の鈍りが先に出るのは若年層である。曝露の分布と不利益の分布はずれている。どの職種がAIに近いかだけを見ても足りず、誰がその職種に入るのか、そこで入口がどう狭くなるのかまで見なければならない。

Ⅲ　法政策が追うべき単位

　この文書が示しているのは、AIと労働市場の関係を一枚の図で語ることの粗さである。理論上の能力、現実の実装、雇用への作用はそれぞれ別の段階にある。BLSの2024年から2034年の職業見通しと比べると、観測された曝露が10ポイント上がるごとに成長見通しが0.6ポイント下がるという弱い相関があるが、理論上のβ値だけではその対応は出ない〔注6〕。

　法政策の当面の焦点はここにある。能力の地図だけで危険を語るのでもなく、失業率だけで無害を語るのでもなく、導入済みの利用が採用、初職、転職、訓練需要にどう波及するかを別々に追うことである。法が介入すべき場面も、当面は大量解雇の事後処理より、若年就業者の参入経路、再訓練の費用負担、学位や資格の価値の変化、雇用保険や職業紹介が拾いにくい移行の把握に寄るはずである。

　AIが職を奪うかという粗い問いは、そろそろ解体した方がよいかもしれない。どの仕事の、どの局面で、誰の入口が細るのか。先に見るべきなのは、そのくらい具体的な単位である。

Ⅳ　むすびにかえて

　Anthropicの報告書は、AIが労働市場をまだ大きく壊していないと述べるためだけの文書ではない。むしろ、壊れ方をどの単位で捉えるかを更新する文書である。能力の高さと導入の深さを混ぜず、導入の深さと雇用被害も混ぜず、そのあいだの距離を測る。その作法があって初めて、AIと法の議論は、大きな予言から少し離れて、変化が先に出る場所へ寄っていける。

（マガジン）「AIと法雑感」