この文字起こしは音声認識ソフトウェアを使用して作成されており、誤りが含まれている可能性があります。音声と照合して正確性をご確認ください。
ラヴィ・クマール、コグニザントCEO:今日のビジネスモデル、今日の人材モデル、今日の仕事はすべて、新たな仕事やタスクへと再編されていきます。
ですから、AIによる最大の変化は、先を見通すことが完全に霧に包まれていることだと思います。
ロビン・ポメロイ、司会者、ラジオ・ダボス: ラジオ・ダボスへようこそ。世界経済フォーラムがお届けするポッドキャストで、最大の課題とその解決策を探ります。今週は、人工知能が私たちの仕事や、現在と未来の世代に備えさせるために必要な教育・訓練制度に、実際どのような影響を与えるのかを考えます。
ラヴィ・クマール: 過去の仕事は急速に姿を消し、未来の仕事はそれよりゆっくりと登場しています。
サーディア・ザヒディ、世界経済フォーラム専務理事: 現在の世界の労働力の少なくとも11%は、おそらく隣接する業界、場合によってはまったく異なる業界へと、計画的な労働力移行を進めるための支援を必要とするでしょう。
ロビン・ポメロイ: テクノロジーサービス企業コグニザントのCEO、ラヴィ・クマールは、AI技術に資金が大量に流れ込む一方で、教育や訓練にも資金を投じる必要があると話します。
ラヴィ・クマール: リスキリングはインフラの構成要素に含めるべきです。片手間にはできません。コンピューティングやLLMへのアクセスと同じ視点で捉え、リスキリングをインフラの構成要素にしなければなりません。
ロビン・ポメロイ: そして世界経済フォーラムの専務理事、サーディア・ザヒディは、変化が急速に起きていることを疑うべきではないと言います。
サーディア・ザヒディ:数年前に私たちが考えていたより、物事の進み方は少し遅いのかもしれません。しかし一方で、現在の制度が対応できるよう設計された速度をはるかに上回る速さで、今も進んでいます。
ロビン・ポメロイ: ポッドキャストを聴く場所ならどこでも、ラジオ・ダボスをフォローしてください。ロビン・ポメロイがお届けしました。AIが私たちすべての仕事に与える実際の影響を探るこの番組では……
ラヴィ・クマール: それを、皆さんが行うすべてのことにどう組み込むのでしょうか。
ロビン・ポメロイ ラジオ・ダボスです。
人工知能はすでに、私たちの大半の働き方に影響を与えています。しかし、まだ初期段階にあり、どの仕事が完全になくなるのか、どのような新しい仕事が生まれるのか、いつ、どこで起きるのかを正確に予測するのは困難です。
これは私たち全員に関わる重要なテーマです。そこで同僚のゲイル・マルコヴィッツが、AIサービス企業のトップであるコグニザントのラヴィ・クマールと、世界経済フォーラムの「新経済と社会センター」の責任者であるサーディア・ザヒディに話を聞きました。二人は、AIが経済や雇用に及ぼす影響、そして教育や訓練への影響について、独自の知見を持っています。
ゲイルはまず、AIの影響についてラヴィ・クマールの見解を尋ねました。
ラヴィ・クマール: 確かなことが一つあります。AIが先を見通す視界を曇らせていることです。
現代の企業や金融は、長期にわたって段階的に賭けていく必要があるという前提の上に築かれてきました。しかし周囲に霧が立ち込め、先を見通す力が失われています。
そして、そうした長期的で段階的な賭けは、もはや通用しません。今日のビジネスモデル、今日の人材モデル、今日の仕事はすべて、新しい仕事、新しいタスク、新しい職種群へと再編されていくからです。
ですから、AIによる最大の変化は、先を見通すことが完全に霧に包まれていることだと思います。
そうは言っても、より繁栄を広く分かち合う未来へと方向を変え、AIから生まれる価値の流れを現場の最前線へ向け直す、またとない機会があると思います。
この50年間、テクノロジーによる価値は上方へ流れてきました。最前線で働く人々には、実際にはその価値の移転がほとんどなく、その結果、格差が生まれました。価値の流れと能力の流れを下方へ向け直す、またとない機会があると思います。そして価値も実際に下方へ移り、現場で働く人々の賃金が上がることを期待しています。
それが私の願いですし、私たちが信じていることです。職場と労働力の未来全体を見直す、とても大きな機会があります。
ゲイル・マルコヴィッツ:サーディア、なぜこれは企業ごとの課題ではなく、世界的な課題だと言えるのでしょうか。
サーディア・ザヒディ:ラヴィが話したことは、ミクロの視点でもマクロの視点でも、まさにその通りだと思います。
それを踏まえると、これを世界的な課題と捉える大きな理由は三つあると思います。ただ、完全に問題と言えるのかは分かりません。ここには大きな機会もあると思います。
一つは、AIに対する賭けと巨額の投資が行われている一方、生産性向上の効果が現れるまでの時間がやや長くなっていることです。そのため、生産性向上を実現しつつ、人々が受け止め、対処できる形で労働力の移行を進めるための、非常に重要な機会が生まれています。
二つ目は、社会全体の懸念に対処する必要があることです。すべての組織が自力で対応できるわけではありません。
前回の報告書で明らかになったことですが、今年後半に更新版を発表する予定です。世界の労働力を100人とすると、そのうち11人は、現在の組織内でリスキリングを受け、別の職務に再配置されることができません。つまり、現在の世界の労働力の少なくとも11%は、おそらく隣接する業界、場合によってはまったく異なる業界へと、計画的な労働力移行を進めるための支援を必要とします。
そのためには、官民双方による一連の支援が必要です。
そして三つ目は、より大きな視点から見たとき、AIだけがトレンドではなく、地政学・地経学上の変化や人口動態の変化など、ほかの多くのトレンドと相互に作用しているということです。
人口動態を例に取りましょう。高齢化や労働力人口の縮小によって、長期的に人材が減少する地域では、人工知能をまったく異なる方法で導入する機会があります。同様に、教育制度が若年人口のニーズに追いつけていない世界の多くの地域では、AIツールを使って人材を支援し、スキルを高める機会があります。
つまり、状況は複雑ですが、各組織の内部で起きていることを超えた、広範な世界的影響があると思います。
ゲイル・マルコヴィッツ: ラヴィ、コグニザントは最近、AIと仕事に関する新たな調査を行いましたね。そこで、予測していなかった変化が明らかになりました。特に驚いた統計は何でしたか。
ラヴィ・クマール: 私たちは2023年に調査を行い、2026年の初めにも改めて調査をしました。また、世界経済フォーラムとも共同調査を行いました。
2023年に調査したとき、私たちはすべての仕事が影響を受けると予想しました。すべての仕事が影響を受けるというのは、仕事そのものの形が変わり、その下にあるタスクも変化し、一部の仕事は残るものの、別の方向へ再編され、新たな仕事も生まれるという意味です。
2023年には、2030年までに少なくともタスクの10%がAIの影響を受ける仕事が90%に上ると述べました。そして2026年の今、2026年に2回目の調査を行ったところ、そうした仕事の93%がすでに影響を受けていると分かりました。
私たちは約18,000のタスクと1,000の職業を対象に、それらの職業とタスクについて調査を行いました。
驚くべきなのは、変化の速度が大幅に変わったことです。2030年に起きるはずだったことが、今や2026年に起きています。変化の速度は年約9%でした。仕事の50%が大きく構造変化するほどの影響を受ける職業については、職業全体の50%、実際には30%がその変化を経験しました。仕事が別の方向に再編されるような影響が25%に及ぶケースでは、仕事のほぼ56%にそうした変化が見られました。
ですから、現在ある仕事の大半は、別の方向へ再編されていきます。未来を見据えた仕事も生まれるでしょう。実際、AIは仕事の流れの中心に位置すると考えています。その前後には多くの仕事が生まれます。前工程の仕事は認証、問題の発見、創造性に関わります。後工程の仕事は検証、確認、判断、説明責任、成果に関わるでしょう。そうした仕事が数多く生まれるはずです。
ですから、非対称性は専門性や知性に関するものではなくなります。非対称性は、その知性をどう活用し、仕事の投入要素に処理能力としてどう組み込むかから生まれるでしょう。
このことがもたらす機会に、私はとても期待しています。こう考えてみてください。現場の処理能力や生産性が高まれば、賃金も上がるでしょう。実質インフレ率で調整すると、1人当たり賃金はこの20年間、上昇していません。処理能力の向上によって賃金が上がり、インフレを引き起こさずに生産量が大幅に増えるなら、経済にとって良いことです。
問題は、その能力をどう下方へ行き渡らせるかです。処理能力をどう現場へ広げ、賃金の増加と処理能力の向上につなげるか。私たちが目指しているのはそこです。
この調査から、変化が急速に迫っていることが分かります。能力はすでに利用できます。企業における生産価値は、その能力を大きく下回っています。サーディアが言っていたのはこの点です。企業の生産価値と利用可能な能力の間には大きな隔たりがあります。その隔たりを埋める過程で、労働力のスキルを育て、リスキリングする大きな機会があります。そうすれば、生産性を高められます。
生産性を高める必要があるのは、テクノロジーに関して言えば、ご存じの通り、過去12カ月にAIインフラへ1兆ドルが投資されたからです。このインフラのスケーリング則上の寿命はわずか6カ月で、6カ月後には時代遅れになります。ですから、その価値を企業の生産価値へ速く移すほど良いのです。
そして、その生産価値を能力と同じ水準に引き上げるには、労働力のリスキリングが必要です。世界経済フォーラムと共同で行った調査でも述べましたが、リスキリングはインフラの構成要素に含めるべきです。片手間にはできません。インフラの一部として行う必要があります。コンピューティングやLLMへのアクセスと同じ視点で捉え、リスキリングをインフラの構成要素にしなければなりません。
ゲイル・マルコヴィッツ: 特に、たとえばテクノロジー企業ではない組織では、実際にはどのような形になるのでしょうか。橋を架けるという言い方をされたのも興味深いです。まさに何かを築くようなものですね。
ラヴィ・クマール: 生産価値が能力を大幅に下回っているのは、能力が今後も上がり続けるからです。そのため、隔たりは実際には広がっていきます。埋め続けなければなりません。私はこれを「速度のギャップ」と呼んでいます。
理由はとても簡単です。企業の古いやり方に、このテクノロジーをそのまま適用することはできません。業務の流れを再構築する必要があります。デジタル労働と人間の労働を統合する方法を見直し、ビジネスモデル、運営モデル、業務の流れを再構築し、再考しなければなりません。
このテクノロジーは文脈に大きく左右されます。この50年間に私たちが書いてきた従来型のソフトウェアは、非常に決定論的でした。コード化できたのです。一方、職場や企業の業務の流れにある多くのものは文脈に左右され、判断を伴います。このテクノロジーを、企業の日々の業務に根付かせなければなりません。
私たちはこれを「コンテキスト・エンジニアリング」という手法と呼んでいます。このテクノロジーを生産的に使うためのガードレールや、必要な仕組みを整えます。そして人間の働きと同期し、統合される必要があります。
つまり、こうした取り組みは企業の再構築を意味します。だからこそ、その隔たりを埋めることが非常に重要だと考えています。
そのうえで、仕事を再設計しなければなりません。仕事の流れを再設計し、人が担うタスクと、それをデジタル労働が担う部分とどう統合するかを再設計する必要があります。
この点については、うまく着地点を見いだせました。ただ、橋はもう少し滑らかにする必要があると思います。過去の仕事は急速に姿を消す一方、未来の仕事はゆっくりと登場しています。その間をつなぐ橋を築かなければなりません。
実際、私は、人間の可能性を高めるのではなくタスクをなくすデジタル労働には、大幅に課税すべきだという考えを論じました。これは一時的な橋、つまり資本に課税する一時的な橋渡し策であり、人間の働きとデジタルの働きの間に、ある程度の公平な競争条件をつくるものです。
考えてみてください。資本は、より多くの賃金と仕事を生み出してきたため、自由に伸びる機会を得ました。今や資本がデジタル労働を生み出す一方で、人間の働きや人間の労働、そして未来の仕事の到来が遅れているなら、適切な着地点が必要です。そこで私が提案したのは、短期的には資本課税を少し違った形で捉え、円滑な着地点をつくるために活用することです。
ゲイル・マルコヴィッツ: 人々がその隔たりに追いつくのは、とても大きな課題に聞こえます。何か明るい材料はあるのでしょうか。サーディア、スキル向上にかかる時間などについて、誤解があるという調査結果があったと思います。
サーディア・ザヒディ: はい。コグニザントと共同で行った調査では、AIやビッグデータについて基礎的な理解を得ることは、人々が考えるほど大きな負担ではないと分かりました。およそ30時間の学習で身につけられます。
もちろん、より習熟するには137時間ほど必要ですし、どれほど深く学ぶかによって、さらに多くの時間が必要になるのは明らかです。
こう言うのは、業界横断で行った調査のいくつかで、需要が最も急速に高まっているスキルの一つがAIとビッグデータだからです。ただし、深い専門性が必要だと言っている人はいません。必要なのは、テクノロジーを使い、理解する力です。
また、繰り返し明らかになるのは、最も成功する可能性の高い組織は、人工知能と人間の判断力を組み合わせられる組織だということです。つまり、創造性や協働力、対人関係の力、リーダーシップ、社会的影響力には、依然として非常に大きな価値があります。これらすべてに、テクノロジーを理解する能力が加わります。
ですから、今後はまったく別々の二つの道に分かれることはなく、そうした要素を組み合わせていく必要があると思います。
ラヴィの話に付け加えると、これが今後必要とされる能力ですが、難所もあります。
数年前に私たちが考えていたより、物事の進み方は少し遅いのかもしれません。しかし一方で、現在の制度が対応できるよう設計された速度をはるかに上回る速さで、今も進んでいます。
そのため、多くの組織は、ラヴィが言ったように業務の流れを再設計することを早急に検討する必要があります。同時に、大きな変化を経験する職業に現在就いている人々に、どのような影響が及ぶのかも、迅速に考えなければなりません。
政策立案者のレベルでも、同様の取り組みが必要です。だからこそ、各組織がそれぞれ別々に対処する方法はありません。
さらに、これにどう資金を充てるかという問題もあります。ラヴィが挙げたような案に加え、ほかにも方法を考えることができます。人工知能によってリスキリングやスキル向上の費用も下がっています。学習やリスキリング、スキル向上を個人に合わせて調整する能力も、人工知能によって大幅に高まっています。
ですから、リスキリングやスキル向上を速めるうえで、このテクノロジーとその変化を利点に変える方法がいくつかあります。
ゲイル・マルコヴィッツ: 関連する質問ですが、スキル向上やリスキリングがずっと柔軟にできるようになるなら、専門知識はある意味で民主化されると思いますか。ラヴィへの質問ですが、私たちは皆、幅広い知識を持つジェネラリストになるのでしょうか。
ラヴィ・クマール: 確実に起きるのは、このテクノロジーがさらに深く、広く普及することだと思います。
それは、これまでのようにテクノロジーにアクセスするためのデジタルスキルが必要ではなく、自然言語がインターフェースだからです。この仕組みによって、その過程が民主化されます。
ソフトウェアの生産者と消費者という区別がありました。その境界が曖昧になっています。誰もが生産者にも利用者にもなれます。つまり、自分のテクノロジーを構築し、それによって自らの力を高められるのです。
ですから、専門知識はある意味で指先ひとつで手に入るようになります。つまり、専門知識をもとに過去50年間に築かれた非対称性は、個人間にも組織間にも生み出されてきましたが、もはやその非対称性はなくなります。
これから非対称性を生み出すのは、分野横断的なスキルです。生物学者がエージェント型AIを使って処理能力や成果を高める。歴史家が周囲に4つの時計端末を置いて、未来学者になる。公認会計士がAIエージェントをいくつも使い、洞察を深める。そうした人材が求められます。
それが私たち皆が目指す未来です。つまり、分野横断的なスキルとしてこれを身につけることは、サーディアが指摘したように、ずっと容易になります。過去に比べて相対的にはるかに容易です。かつては専門知識が対称性を生み出していましたが、今は分野横断的なスキルがそれを生み出します。
特定分野の知識、事業運営、テクノロジーが交わる部分が必要です。そして、AIを使って個人に合わせた、きめ細かな個別指導を実現することも含め、これは相対的にずっと容易になると思います。
つまり今、地球上の一人ひとりに、使い捨て価格で家庭教師と看護師を提供できる、またとない機会があります。それがこのテクノロジーの力です。
このプロセスを支えるために、意義ある目的に沿ったユースケースへと方向を変える必要があると思います。
この50年間、価値は上方へ流れてきました。ホワイトカラーの仕事の層が生まれ、そこに価値が集まり、賃金に上乗せが生じました。その価値の流れを下方へ向ければ、病院の看護師や製造業の現場労働者も、その能力を使えるようになります。ただし、そのためには、業務の流れや組織構造を、能力が下方へ行き渡るように設計しなければなりません。能力を広げるだけでは、必ずしも賃金は上がりません。価値も下方へ移す必要があります。価値はアクセスではなく、管理権限に従うからです。
そうした再設計を行えば、非対称性は判断、説明責任、成果へと移っていきます。そして、現場の最前線で判断や説明責任、成果を担うようになれば、当然、賃金も上がるでしょう。その過程で、より多くの人に賃金が分配されるようになります。
ですから、私たちが進めるべきなのは、こうした方向転換だと思います。労働力や仕事のあり方、価値の分配方法を見直す、またとない機会があります。うまく設計できれば、これはそのためのまたとない機会になります。
ゲイル・マルコヴィッツ: そのシナリオでは、従来型の人材ピラミッドはどうなるのでしょうか。もうそれほど重要ではないのでしょうか。
ラヴィ・クマール: ゲイル、私は以前から、ピラミッドの形はもっと幅広くなると強く考えてきました。この見解はかなり多く論じてきましたが、通説に反するものです。ピラミッドは、これまでのような形ではなく、もっと幅広くなると思います。
キャリア初期の人材が増え、専門性を身につけるまでの道のりも短くなるでしょう。ピラミッドに入るための障壁は消えていきます。
私はコグニザントでも、ずっとそう信じてきました。昨年は学校を卒業したばかりの人を20,000人採用し、今年は20,00人を超える採用を予定しています。その前の年は12,000人を採用しました。仕事に就くための障壁は、ある意味で消えていきます。
以前は多くの仕事がSTEM分野に関係していました。今後はSTEMと非STEMの両方が求められるでしょう。実質的には誰もが生産者にも利用者にもなれ、日々の業務にテクノロジーを織り込めるからです。つまり、エージェント型AIのスキルを持つ弁護士が必要になります。ライフサイエンスや医薬品開発などに取り組む、エージェント型AIのスキルを持つ生物学者も必要です。つまり、幅広く、より短いピラミッドになります。
あらゆる企業の中間層は、現場の実務も担うコーチ役になっていきます。調整やオーケストレーションを担う役割もありました。そうした役割はなくなります。つまり、中間層には現場の実務も担うコーチ役が増えるのです。そして、そうした結節点は、非常に現実的でエージェント的なものになります。これまで調整やオーケストレーション、そして情報を上下に伝達する役割だった仕事を、デジタル労働が担うようになるでしょう。私の言うそうした役割はなくなり、デジタル労働へと移行します。
新たな役割は中間層の現場コーチ役であり、組織のピラミッドはより幅広くなるでしょう。
これは驚くべきことです。ピラミッドの裾野が大きく広がり、専門性を身につけるまでの道のりが短くなれば、よりモジュール化されたチームや、単独で機能する小規模なチームが増えるでしょう。あるいは、単独のスクワッドです。
これはすばらしいことです。自分の力を発揮するのに必要なのは大規模なチームではなく、小規模なチームだからです。実際、この50年間、私たちは使命を実現するために組織を利用し、使命を共有する企業と協働してきました。今なら、はるかにモジュール化され、民主化された方法でそれを実現できます。
ですから、組織構造の未来はこのようなものになると思います。階層型というより、ネットワーク型になるでしょう。
ゲイル・マルコヴィッツ:雇用喪失をめぐる否定的な見方が広がっています。最近では卒業式で、卒業生の一部がテック業界のリーダーたちにブーイングする様子も見られました。真の能力拡張とはどのようなものでしょうか。また、卒業生たちに、今は労働市場に入るうえで実はわくわくする時期だと、どうすれば伝えられるでしょうか。
サーディア・ザヒディ:真の能力拡張とは何かという点では、先ほどラヴィが話したプレーヤー兼コーチのモデルが一つの形です。ただ、まだそこへ移行できていない組織も多くあります。
ここで少し視点を引いて、これまでに分かっていることを振り返ります。全体としては純増が見込まれます。長期的には、雇用が全体として失われたり減少したりするより、増加する可能性が高いと分かりました。これは、ラヴィが言う、裾野が広く健全に成長する、より大きなピラミッドを示唆しています。これまでに聞いた話を総合すると、その可能性が高いでしょう。
一方で、この状況については、おそらく三つの見方があります。
これは炭鉱のカナリアが示す初期の警告だと考える人たちがいます。初級や中堅の職務の多くが消え、大都市には広大なラストベルトが生まれるという見方です。
また、先ほど話したピラミッドの裾野の拡大を考える人たちもいます。能力拡張のためだけではなく、まったく新しい役割や、人々が生み出せる新たな付加価値のために、実際にはもっと多くの人材が必要になるでしょう。ワークフローの再設計が進めば、まったく新しい製品やサービスを生み出せるようになります。今は想像すらできないものもあるでしょう。私たちはまだ現在の職務の範囲で考えているからです。しかし、4、5年後を考えれば、まったく新しい職種が生まれているでしょう。
そして、実際にはこうした見方はどれも正しくないと言う人たちもいるでしょう。現在の経済状況を受けて、多くの組織が支出を切り詰めている。そのため初級職の一部が減っているのであって、人工知能とは何の関係もない、という見方です。
結局のところ、業界や組織の準備状況、そして実際にどの程度テクノロジーを取り入れているかによるのでしょう。すべての業界が同じペースで移行しているわけではありません。ですから、ピラミッドの形や今後の展開は、組織によって大きく異なると思います。
ただ、この10年ほど一貫して当てはまる点があります。企業のリーダーたちは、さまざまな形で、約60〜70%の企業において、初級職に就く熟練人材の不足が組織変革を妨げる大きな要因の一つだと私たちに伝えてきました。つまり、人工知能の有無にかかわらず、教育機関や大学が育成してきた人材は、良い面が数多くある一方で、若者が今日必要とする新しい経済に対応したスキルを必ずしも身につけさせていないのです。
そうであれば、教育制度の中で、そうした新しい経済に対応したスキルを身につけるための取り組みをもっと強化する必要があります。そして、若者が労働市場に入る際にも同じことが必要です。
そこにこそ、橋渡しを築く必要があります。フォーラムの時間と取り組みの多くは、教育制度を通じて、また人々が労働市場に入る過程で、分野横断的な新しい経済に対応したスキルを育むことに充てられるでしょう。どの業界でも、組織構造がどのような形になるにせよ、それは必要になるからです。
ゲイル・マルコヴィッツ:従来型の4年制、あるいは3〜4年制の学位は、今も有効だと思いますか。教育は時代の変化についていけているでしょうか。
ラヴィ・クマール:いい質問ですね。人生の最初の25年間を全日制の学術教育に費やし、次の50年間働き、その後引退するという現在の制度は、産業革命期にできた直線的なひな型です。当時、世界の変化はもっとゆっくりでした。
今の変化の速さを考えると、そのひな型を見直す必要があると思います。幼稚園から高校までの学校は、生涯学び続ける人を育てることに力を入れるべきです。その後は、産業界と連携し、デジタル徒弟制度やAI徒弟制度などと呼べるものを設ける。そして、生涯を通じて継続的に学習資源を活用するのです。
今日、学校の同窓会組織は人脈づくりのためにありますが、生涯を通じて学習資源を得る場にはなっていません。このひな型は見直すべきだと思います。変化は仕事人生の始まりや終わりではなく、その途中で起きています。最も必要とする時期に起きるのです。だからこそ、生涯にわたって仕事と学習資源を結びつけるべきです。
見直しは必要です。各教育機関がさまざまな実験をしていますが、まだ主流にはなっていません。学部教育の数年間を、異なる形の徒弟制度に組み込めるとよいですね。AIを活用した徒弟制度やデジタル徒弟制度などです。そして、生涯を通じて学習資源を活用するのです。
サーディア・ザヒディ:幼稚園から高校までの教育について考えるとき、若者が社会の一員としてのあり方を学ぶ場でもあることを忘れてはいけません。その時期には、ほかにも多くのスキルや特性、資質が育まれます。それらは非常に重要です。
しかし、世界の多くの地域では、幼稚園から高校までの教育制度は競争を前提とし、学年末に生徒を順位づけするよう設計されています。これは、将来必要とされるスキルとは大きく異なります。そうした制度の中で、協働に必要なことを教える対人関係の力を実際に教えている例はごくわずかです。それを早くから始められるほど、社会全体にとって望ましいと思います。企業や経済にとってはなおさらです。
大学について言えば、まさにそのために、フォーラムでは「ファースト・マイル・サンドボックス」を立ち上げました。ラヴィが触れたデジタル徒弟制度の分野も含め、大学と産業界の連携をつくる取り組みです。まず5つの業界で始めており、まさにこうした理由から、フォーラムが連携するあらゆる業界グループに広げる計画です。この方法論全体を変える必要があります。
ラヴィの指摘のとおり、今取り組んでいることの一部は、ファースト・マイル・サンドボックスのようなもので、キャリアの初期段階に重点を置いています。しかし、これはライフサイクル全体を通じて継続される必要があります。
興味深い統計があります。OECD諸国では、GDPの約0.11%が生涯学習、つまり大学卒業後の学習や再訓練、スキル向上に費やされています。再訓練やスキルの再習得に、従業員一人当たり数千単位の費用をかけられる大企業も多くあります。
十分な資金があるこの制度全体を、専門知識を持ち、大規模に実施できる大学やカレッジ、コミュニティ・カレッジなどの機関とうまく結びつけ、ライフサイクル全体を通じて実施できれば、大きな成果につながるでしょう。
これは必要なことです。先ほどの政策立案者に関する話に戻ると、民間部門と教育部門の連携を促すインセンティブを、政策立案者は根本から見直さなければならないと思います。
ゲイル・マルコヴィッツ:私には10代の子どもがいます。友人のために聞きたいのですが、ラヴィ、もし彼女が今年、2026年に卒業して、今仕事を探しているとしたら、どんなアドバイスを一つ贈りますか。そして、仕事を始めた後なら、どんな助言をしますか。
ラヴィ・クマール:家にはまだ幼い子どもが二人います。彼らにこれを伝えられたらと思います。未来は、これまで以上に学際的なものになるでしょう。AI時代に活躍するために、コンピューターサイエンスの卒業生である必要はありません。この並外れたテクノロジーをどう応用するかを考える必要があります。過去のテクノロジーと比べ、能力に大きな変化をもたらすものです。職場や職業人生で行うすべてのことに、どう取り入れるかを考えてください。
ある政策立案者から、幼稚園から高校までの学校や大学は、AIに関して何をすべきかと聞かれました。生徒には、授業でAIを使ったら退学にすると言い、従業員には使わなければ解雇すると言うのは、面白い話です。この矛盾に対処するには、AIなしで授業を行い、基礎的なスキルを育てる一方で、宿題や評価にはAIを活用すべきです。
そうすれば、AIの力で基礎的なスキルを増幅できます。つまり、サーディアが言及した判断力や成果への責任、知的好奇心などを発揮するための基礎的なスキルを持ち、それをAIでさらに高められるのです。
ですから、まずはAIなしで基礎的なスキルを身につけ、それを増幅するためにAIを使い、学際的な機会を通じてその力を高めていくべきだと思います。
ジャーナリストでも、生物学者でも、化学者でも、弁護士でもかまいません。このテクノロジーはすぐ手の届くところにあります。自分が行うすべてのことにどう取り入れ、生産性を高め、新しい製品やサービスを生み出すかを考えればよいのです。
ゲイル・マルコヴィッツ:この変化にうまく対応する経済と、対応を誤る経済では、どのような違いが見られるでしょうか。
サーディア・ザヒディ:私たちが行ったシナリオ分析を簡単に説明しましょう。ごく単純化して言うと、一つの軸はテクノロジーがどれだけ速く進歩し、経済全体に導入されるかです。もう一つの軸は、人々がどれだけ速くスキルを習得し、学び直し、スキルを高めるかです。政策立案者が後悔しない唯一の選択は、テクノロジーへの投資と人々への投資を組み合わせることです。
人々への投資に相当する取り組みなしに、テクノロジー投資の成果を得ることはできません。この二つは連携しなければならず、それ以外に方法はありません。
まず重要なのは、人材への投資を後回しにしてはならないと理解している経済です。ラヴィが言ったように、人材への投資は最初からその積み重ねに組み込まれていなければなりません。それが何より基本的な認識です。
二つ目は、誰もが利用できるデジタル環境の最低水準を引き上げることです。多くの組織や企業、政府は上位層のことを考えています。しかし、地球上には基本的なデジタル接続環境さえない人が、今なお約30億人いることを忘れてはなりません。持てる者と持たざる者の間の溝は、急速に広がっています。誰もが利用できるデジタル環境の最低水準を引き上げる必要があります。
三つ目は、適切に対応するために必要となる官民連携です。これを単純な言葉にまとめてしまいたくはありません。
それは、今話してきたことすべてです。企業が社内で多くの取り組みを進めなければならないのは確かです。政府も、それぞれ政策について深く考えなければなりません。しかし、労働力の変革を進めるには、この二つの部門が互いにもっと対話する必要があります。
ロビン・ポメロイ:世界経済フォーラムのマネージング・ディレクター、サーディア・ザヒディでした。また、コグニザントのCEO、ラヴィ・クマールの話もお聞きいただきました。二人は同僚のゲイル・マルコヴィッツがインタビューしました。
世界経済フォーラムとパートナーは、雇用とスキルの未来、そして人工知能全般について多くの調査を行っています。番組ノートにリンクを掲載していますので、ウェブサイトでご覧ください。
これはラジオ・ダボスが注目しているテーマの一つです。ポッドキャストをお聴きのプラットフォームで、ぜひフォローしてください。フォーラムの週3回配信のポッドキャストは、wef.ch/podcastsでご覧いただけます。
ラジオ・ダボスは来週またお届けします。それでは、お聴きいただきありがとうございました。さようなら。
人工知能はすでに、私たちの多くの働き方に影響を及ぼしています。しかし、まだ初期段階にあり、どの仕事が完全になくなり、どのような新しい仕事が生まれるのか、またそれがいつ、どこで起きるのかを正確に予測するのは困難です。
これは私たち全員にとって重要なテーマです。そこでラジオ・ダボスは、AIサービス企業コグニザントのラヴィ・クマール氏と、世界経済フォーラムの新経済・社会センターの責任者サーディア・ザヒディ氏に話を聞きました。二人は、AIが経済や雇用に及ぼす影響、そして教育や訓練に与える影響について、それぞれ独自の見識を持っています。




