自動化技術は発展途上国にとって好機か、それとも脅威か。
インドネシアの製造業企業のデータを用いて、著者らはロボット導入が雇用にプラスの影響を与えたことを明らかにした。
この知見は、自動化が比較的進んだ経済でマイナスの影響があったとする既存の証拠とは対照的である。
自動化技術がますます普及するなか、導入する経済は、企業レベルの生産性向上（Acemoglu et Restrepo 2020、Koch et al. 2019）と、自動化が省力化をもたらすことによる雇用への悪影響（Acemoglu and Restrepo 2020、Dauth et al. 2017）との間に、明らかなトレードオフを抱えている。このトレードオフはこれまで、自動化が比較的進んだ国々で確認されてきた。1
しかし、自動化の影響に関する既存の証拠が、現在の発展途上国の大半を含む、自動化の初期段階にある国々に有益な指針を与えるかどうかは明らかでない。自動化技術には強い収穫逓減が生じる可能性があるため（Graetz and Michaels 2018）、導入の初期段階にある国では、その導入が労働需要を増やす可能性のほうが高いかもしれない。図1は、自動化技術の重要な一分野である産業用ロボットに焦点を当て、この考えを裏付ける示唆的な証拠を示している。ロボットの普及率が高いOECD諸国では、ロボットの普及率と雇用の相関は負である一方、非OECD諸国では正である。
図1ロボットの普及率と雇用の変化：OECD諸国と非OECD諸国
今後数十年で発展途上国における自動化の普及が大幅に進むと予想されており、この知識の空白を埋めることは重要である（Hallward-Driemeier and Nayyar 2017）。最近の論文（Calì and Presidente 2022）では、インドネシアの製造業におけるロボット導入が雇用に与える影響を調べ、この空白を埋める一助としている。分析対象は2000年代後半から2010年代前半で、この時期のインドネシアのロボット普及率は、ミクロデータによる証拠が得られる他の国々と比べてかなり低かった。
図2は、各国を対象とした既存の分析について、入手可能な場合は分析初年と最終年における製造業従事者100万人当たりのロボット台数を示し、この差の大きさを明らかにしている。ロボットのデータは、各国のロボット工業会からロボット輸入データを収集する国際ロボット連盟（IFR）による。製造業の雇用データは国際労働機関（ILO）から、中国については国連工業開発機関（UNIDO）から得た。大半の国で対象期間が近い分析最終年を比べると、インドネシアのロボット普及率は、対象国の中で最も低く、メキシコ（2015年）の9分の1からドイツ（2014年）の99分の1だった。分析初年で比べても同様の差が見られる。
図2インドネシアと、自動化の影響に関する証拠がある他国のロボット普及率
インドネシアの状況のもう一つの興味深い特徴は、2010年以降にロボット総数が大幅に増加したことだ。総保有台数は2008年から2015年にかけてほぼ10倍になった。この増加のペースは産業によって大きく異なっていた。2015年のサンプル期間末までに、自動車など最も自動化の進んだ産業では、ロボットの普及率が先進国と同程度になった。一方、繊維などの産業では、期間を通じて普及が見られなかった。
ロボットがインドネシアの地域労働市場にもたらす雇用へのプラス効果
ロボットの普及が地域雇用に及ぼす影響を特定するため、インドネシアの第2層の地方行政区分であり、地域労働市場をかなり適切に近似する県（regency）に着目する。2 先行研究にならい、県レベルの基準時点における産業別雇用構成比に、産業別の年間ロボット輸入台数を掛け合わせ、県ごとのロボット曝露指標を作成する（Acemoglu and Restrepo 2020、Dauth et al. 2017）。次に、さまざまな時不変要因と時変要因を統制しながら、2008～15年の県レベルの雇用変化を、同期間のロボット曝露の変化に回帰する。さらに、インドネシアよりロボット導入が進んでいるOECD諸国の産業別平均ロボット普及率を操作変数として用い、ロボット指標の内生性の可能性にも対処する。3
他国で得られているミクロデータの証拠とは対照的に、今回の分析では、ロボット導入がインドネシアの地域労働市場全体で製造業雇用にプラスの影響を与えたことが示された。推奨する仕様で推定した係数の大きさは、2008～15年に基準年の労働者1,000人当たりロボットが1台多い県では、雇用の伸びが31パーセントポイント高かったことを示唆する（1％水準で有意）。識別の妥当性を詳細に評価し（Goldsmith-Pinkham et al. 2020）、多数の検定を行った結果、ロボットが雇用に与えるプラス効果の頑健性への信頼が得られた。
自動化の収穫逓減と雇用へのプラス効果
他国の既存の実証結果との違いは、何によって説明できるのだろうか。前述のとおり、分析期間中のロボット普及率が低かったインドネシアでの結果は、ロボット導入に収穫逓減が生じるという見方と整合的かもしれない。
Acemoglu and Restrepo（2018）に沿ったシンプルなタスクベースのモデルが、中心となる直観を捉えている。複雑さが増す順に並べられた一連の固定タスク（すなわち、定型的なタスクから高度に複雑なタスクまで）を労働者が担う経済を考える。自動化の水準が低いとき（自動化されたタスクの割合が低いとき）、ロボットが1台追加されると、人間の比較優位が小さい定型的なタスクで労働者に取って代わる。その結果、ロボット導入による生産性向上は比較的大きい。自動化の水準が高くなると、ロボットは各タスクを担ううえで比較優位の度合いがより高い労働者を代替するため、生産性向上は小さくなる。同時に、自動化によって人間が担うタスクの範囲が狭まるにつれて、ロボットによる代替効果は強まり、労働者が余剰となることで労働の限界生産物は低下する。自動化が進むほど生産性向上が小さくなり、代替効果が強まるため、ロボット導入による純便益は逓減し、雇用への影響はよりマイナスになる。
この仮説を、インドネシアの製造工場を対象とした大規模なパネルデータで検証する。高所得国を対象とする他の研究と異なり、工場ごとのロボット使用状況は観察できない。そこで、職業のロボットによる「代替可能性」に関するGraetz and Michaels（2018）の定義に基づいて、工場レベルのロボット曝露指標を作成する。インドネシアの労働力調査データを用い、自動化リスクの高い職業は中等教育を受けた労働者が大半を占めることを明らかにする。この知見を用い、産業別の年間ロボット輸入台数に、工場レベルの基準時点における中等教育を受けた労働者の割合を掛け合わせて、工場ごとの自動化曝露指標を作成する。自動化リスクの高い職業は中等教育を受けた労働者が大半を占めるという知見と整合的な証拠も複数示す。たとえば、当初、中等教育を受けた労働者の割合が大きかった産業では、その後、比較的多くのロボットが導入された。同様に、ロボットへの投資を含む、産業平均の機械・設備投資額は、産業別ロボット輸入台数と正の相関がある。
工場および産業・年の効果、下流工程でのロボット曝露、交絡要因の可能性を捉える工場レベルの技術的高度さの指標など、幅広い固定効果を統制しながら、年ごとの工場レベルの雇用をロボット曝露指標に回帰する。結果からは、労働者1,000人当たりロボットが1台増えると、平均して工場の雇用が1％増えることが示唆される。この効果は、自動化による生産性の大幅な向上がもたらしたと考えられる。平均して、労働者1,000人当たりロボットが1台増えると、全要素生産性（数量ベース）は7％上昇し、実質限界費用は10％低下する。
この分析は、自動化に収穫逓減が生じるという仮説も裏付けている。ロボットへの初期曝露の分布で第8十分位を超える工場では、ロボット導入による雇用弾力性のプラス幅が小さくなる（図3）。最上位十分位の工場では、労働者1,000人当たりロボットが1台増えることは、ロボット導入による雇用弾力性が正であることと関連するが、統計的に有意ではない。生産性についても同様の傾向が見られる。
したがって、ロボット導入が地域の製造業雇用にもたらすプラス効果は、未活用の自動化余地が大きい工場によって生じていると考えられる。インドネシアのように自動化の初期段階にある国では、こうした工場が製造業全体の大半を占める。
図3ロボットへの曝露がより低い工場と比べた雇用への影響：ロボットへの初期曝露の分布における十分位別
経済発展のためのロボット？
最後に、これらの結果が他の状況にも当てはまるかを検討する。そのため、2007～15年の12産業におけるOECD諸国と非OECD諸国、計61カ国について、雇用とロボット輸入の関係を分析する。分析には2段階最小二乗法（2SLS）を用い、ロボット密度を、他国の同じ産業・年の組み合わせから算出した除外平均を使って操作変数化する。結果は、国をまたいでも自動化に顕著な収穫逓減があることを示唆している。ロボット導入は、OECD諸国では製造業雇用と負の相関があり、とりわけ普及率が高い場合にその傾向が強い。一方、非OECD諸国では正の相関がある（図4）。
図461カ国・12産業におけるロボットの雇用への影響、2007～2015年
示唆的な結果ではあるが、発展途上国がごく低い自動化率からより高い水準へ移行する際、自動化技術の導入によって労働需要が損なわれるという考えには、疑問が投げかけられる（Diao et al. 2021）。この仮説を他の状況で検証するには、発展途上国、特に工業化の初期段階にある国々で、企業レベルのロボット導入に関する追加データが必要となる。
参考文献
Acemoglu, D, C Lelarge and P Restrepo（2020）「ロボットとの競争：フランスの企業レベルの証拠」、AEA Papers and Proceedings110巻：383–88頁。
Acemoglu, D and P Restrepo（2020）「ロボットと雇用：米国の労働市場からの証拠」、Journal of Political Economy128巻6号：2188–2244頁。
Acemoglu, D and P Restrepo（2018）「人間と機械の競争：成長、要素所得分配、雇用に対する技術の影響」、American Economic Review108巻6号：1488–1542頁。
Artuc, E, L Christiaensen and H Winkler（2019）「富裕国の自動化は発展途上国に悪影響を与えるのか？：米国とメキシコからの証拠。米国とメキシコからの証拠」、世界銀行政策研究ワーキングペーパー8741、2月14日。
Calì, M and G Presidente（2022）「経済発展のためのロボット」、キール、ハンブルク：ZBW-ライプニッツ経済情報センター。
Dauth, W, S Findeisen, J Suedekum and N Woessner（2017）「ドイツの労働市場におけるロボットの台頭」、VoxEU.org、9月19日。
Diao, X, M Ellis, M S McMillan and D Rodrik（2021）「アフリカ製造業の謎：タンザニアとエチオピアの企業からの証拠」、NBERワーキングペーパー第w28344号。
Giuntella, O and T Wang（2019）「ロボット軍団が中国の雇用に迫っているのか？」、未刊論文。
Goldsmith-Pinkham, P, I Sorkin and H Swift（2020）「Bartik操作変数：何を、いつ、なぜ、どのように」、American Economic Review110巻8号：2586–2624頁。
Graetz, G and G Michaels（2018）「職場のロボット」、Review of Economics and Statistics100巻5号：753–768頁。
Hallward-Driemeier, M and G Nayyar（2017）「ものづくりにおける難題？製造業主導の開発の未来」、世界銀行。
Koch, M, I Manuylov and M Smolka（2019）「ロボットと企業」、VoxEU.org、7月1日。
脚注
1 私たちの知る限り、これまでの対象国には高所得国である米国（Acemoglu and Restrepo 2020）、フランス（Acemoglu et al. 2020）、ドイツ（Dauth et al. 2017）、スペイン（Koch et al. 2019）のほか、中国（Giuntella and Wang 2019）とメキシコ（Artuc et al. 2019）が含まれる。
2 分析期間中、県の平均人口は約800,000人で、県をまたぐ労働者の移動は少なかった。さらに、1999年の地方分権改革後、県は最低賃金の設定など労働市場を含む分野で大きな行政権限を持つようになった。インドネシアの労働力調査（Survei Tenaga Kerja Nasional—Sakernas）は、県レベルで代表性のある年次データを収集している。
3 操作変数を作成するため、IFRのデータをOECD構造分析データベース（STAN）の2桁産業分類による雇用者数と照合する。産業・年の組み合わせごとに、OECD諸国平均の労働者1,000人当たり輸入ロボット台数を算出する。
