2027年までに労働者の10人中6人が研修を必要とすることは、世界経済フォーラムの『Future of Jobs Report 2023』によって示されている。
しかし、人材の不足を埋め、新興技術の速いペースに追いつくために、労働者のスキルアップや再教育の方法を見つけることは難しい場合がある。
スタンフォード大学人間中心AI研究所（Stanford Institute for Human-Centred AI）教授のエリック・ブリニョルフソン（Erik Brynjolfsson）氏が、AIを活用してギャップの解消に役立つスキルの隣接性を導き出す方法を解説する。
「信じられないかもしれないが、法務会計士に少しサイバー分野を教えれば、その人はサイバーセキュリティの専門家になれる」と、エリック・ブリニョルフソン（Erik Brynjolfsson）、スタンフォード大学人間中心AI研究所教授。
「この2つの職業には多くのスキルの重なりがある。基礎となるデータを見なければ、そうとは思わなかっただろうが。」
ブリニョルフソン氏と同僚たちは、スタンフォード・デジタル経済研究所で、AIを使って数百万件の求人情報をふるいにかけ、企業が将来の仕事の要請に応えるためにチームメンバーを再教育するのに役立つスキルギャップと、スキルの「隣接性」を特定している。
世界経済フォーラムの『Future of Jobs Report 2023』は、2027年までに労働者の60%が追加の研修を必要とし、最優先事項は分析的思考であると述べている。
報告書で最も急速に成長している職種のリストでは、テクノロジー関連の職種が大半を占めており、AI・機械学習スペシャリストが首位となっている。また、『Future of Jobs Report 2023』のために実施されたLinkedInの調査では、過去4年間に「最も速く、一貫して、世界的に」成長した職種として「Jobs on the Rise（台頭する職種）」100件が特定されており、そのうちテクノロジーおよびIT関連の職種が16件を占めている。
スキルとAIは、世界経済フォーラムの『Growth Summit』（5月2〜3日、ジュネーブ）で議論される注目テーマの一つとなる。
ブリニョルフソン氏も認めるように、AIはあらゆる職種にとってますます重要になっている。同氏のWork2Vecプロジェクトは、既存のスキルセットと将来のスキルセットの類似点を特定することで、企業が新たな職種に向けて従業員を再教育するのを支援している。以下は、AIが労働の世界に与える影響について同氏へのインタビューから抜粋したものである。
AIは仕事にどのような影響を与えているのか、そして最終的に仕事を完全に代替することはあるのか。
AIが仕事と雇用に与える影響という点で、私たちは本格的な革命の初期段階にいます。この技術は指数関数的に成長していますが、私たちのスキル、組織、制度はそれほど速くは適応できていません。
約10年前、私はこれをより詳しく調べ始めました。あるプロジェクトでは、機械学習に適したタスクの種類を判断する基準を策定しました。AIは多くのタスクにおいて人間並み、あるいは人間を超える非常に高い能力を発揮する一方で、人間が依然として大きな優位性を持つ領域も数多くあることは明らかです。そしてそれは、しばらくの間も続くでしょう。
私は、仕事の終末や大量失業が起きるとは予測していません。しかし、これまで人間だけが行ってきたタスクをAIがより多く担うようになるにつれて、仕事の大規模な再構築が起きると考えています。
最初のプロジェクトから何を学びましたか。
私たちは、どのタスクが機械学習に最も適しているかを判断する基準を策定し、どのタスクが適していないかも示しました。その内容を『サイエンス』誌の論文にまとめた後、この基準を、O*NETと呼ばれるデータセットから得た米国経済における約1万8,000件のタスクに適用しました。
ほとんどの仕事には、異なるタスクが多数含まれています。例えば放射線科医は、医療画像を読影するだけでなく、患者と相談したり、他の医師と治療を調整したりもします。放射線科医は約26の異なるタスクを行っており、私たちが分かったのは、機械学習がそのうち多くのタスクに影響を与え得るということでした。しかし、私たちが調べた950の職業のいずれにおいても、機械学習がすべての異なるタスクを担うまでには至りませんでした。
いずれの場合も、人間が担うのに最適な仕事の部分と、機械が支援できる部分がありました。例えば放射線科医の場合、機械学習は医療画像の読影が非常に得意で、さまざまな病変の診断もますます得意になっています。しかし、患者を慰めたり、診断後に話をしたり、他の医師と治療を調整したりすることは得意ではありません。バス運転手、経済学者、看護師、レジ係など、すべての職業で同様の結果でした。機械学習がより多く担える部分もあれば、あまり担えない部分もあるのです。今後も仕事の大幅な再構築は続くと考えますが、AIによる大量失業は起きないと思います。
機械学習で対応できなかったタスクは、ソフトスキル寄りのものが多かったのでしょうか。
その通りです。機械がうまく対応できなかったタスクの多くには、人間関係、感情的知性、創造性、取り組むべき新たな問いを見つけること、科学者やクリエイター、芸術家、起業家が取り組む新たな種類のイノベーションなど、ソフトスキルの要素が含まれていました。したがって、人間が依然として優位性を持つ領域は広範囲にわたります。
最新のプロジェクトであるWork2Vecでは、AIを使って将来の仕事の全体像を描き出しています。これまでに何が分かりましたか。
この分野で仕事をする面白さの一つは、AIが仕事をどう変えているかを研究するだけでなく、AI、特に機械学習ツールを使って仕事そのものを理解できることです。私たちは大規模なプロジェクトを進めており、それを「Work2Vec」と呼んでいます。このプロジェクトでは、仕事を数学的にベクトルへと変換し、仕事同士がどの程度似ているか、または異なるかを関連付けます。
スタンフォード・デジタル経済研究所の同僚と私は、数億件の求人情報を精査しています。それぞれの求人情報は職種名だけでなく、その仕事で行うタスクや必要なスキルも記述しているため、自然言語処理の手法を用いて、仕事同士がどれほど似ているか、またどれほど異なるかを把握できます。
これらの求人を精査することで、仕事が時間とともにどう変化しているかというパターンが見え始めています。例えばマイアミとデンバーではスキルがどう異なるのか、あるいはこれまでPythonの専門知識を必要としなかった仕事に、そのような新しいスキルを加えるとどうなるのかといったことです。それは報酬にどのような意味を持つのでしょうか。これらはWork2Vecで実施できる分析の一例です。膨大なデータだけでなく、労働力で起きていることを本当に掴むための非常に強力な機械学習ツールを手にできたことは、素晴らしいことです。
スキルと仕事の観点では、どのような変化が見られますか。
約10年分のデータがあり、時間の経過とともに変化が起きていることが分かります。最も重要な変化の一つは、中核的なエンジニアリング職だけでなく、多くの職種においてAIの重要性が劇的に高まったことです。また、医療、ビジネス、法律などの分野にも浸透し始めています。
また、必要とされるスキルの種類にも変化が見られ始めています。マネジメントやリーダーシップのスキル、人間関係のスキルが重要性を増しています。これらの一部は、私たちが目にしている基盤技術の変化によるものでもあるでしょう。低賃金労働者、つまり高校卒業以下の学歴の人々は、高学歴の労働者に比べて賃金面で後れを取ってきたことが分かっています。ここ数年でその傾向は逆転しており、少なくとも米国では、低賃金労働者の賃金上昇幅や報酬の増加幅が、中間層や上位層よりも大きくなっています。
これらは、初めて可能になった分析です。これは新しい種類のツール、つまり以前には決してできなかった形で労働力の中で何が起きているかを覗き込める顕微鏡のようなものです。ですから、仕事の未来を理解しようとする私のような研究者にとって、今は非常に興味深い時代です。
これらのツールは、どのような用途に応用できますか。
これらのツールで素晴らしいことの一つは、採用担当マネージャー、人事担当マネージャー、CEOに助言できるようになったことです。私は「Workhelix」という会社を経営しており、これらのツールの一部を製品化して、企業が自社の労働力だけでなく市場全体を見渡せるようにしています。そうすることで、企業は報酬についてより良い判断ができます。市場がスキルの価値を高めたことで、既存社員の中に引き抜かれる危険がある人を把握できます。また、どのような人材を採用すべきかをより良く理解できます。
また、「パックが次に行く場所へ滑っていく」、つまり将来を先取りすることもできます。ここで言う意味は、今日必要とされるスキルだけでなく、今後2、3年から5年先に必要となるスキルへ投資することです。機械学習が支援しやすい職種と、あまり影響を受けない職種を比較することで、ある程度将来を見通せるからです。人材に対してそうした先見的なレーダーを持つ企業は、先が見えないまま進む企業よりも成功しやすくなります。
1月のダボス会議では、企業が人材を創出する存在となり、社内でスキルを育成する必要があるという議論が盛んに行われました。
企業は実際に人材を創出する存在になる必要があると思います。外部から採用しようとするだけでは不十分です。多くの場合、企業はすでに必要な人材の多くを社内に抱えていながら、それに気づいていません。あるいは、必要としている人材とほぼ同じような人がいる、いわゆる「ニアミス」の状況もあります。私たちはそれを「スキルの隣接性」と呼んでいます。Work2Vecは、それらのスキルがどのように重なり合うかを説明します。追加の研修、オンラインコース、その他のツールでわずかに補強すれば、場合によってはわずか60〜90日程度で、完全に適合しているわけではない人を、必要としている人材へと転換できる可能性があります。
ある職種に、別の職種との間でスキルの隣接性が見られる例はありますか。
私たちの会社Workhelixは、Amazonと協力しています。Amazonはデータセンターのために多くの人材を採用する必要があります。機械学習の専門家、サイバーセキュリティの人材、そして光ファイバーを敷設できる人材が必要です。この3つのカテゴリーはいずれも見つけるのが非常に困難です。しかし、データサイエンティストにPythonなどのスキルを教えれば、機械学習の業務の多くを担えることが分かっています。
また、銅線を扱ってきた電気技師に光ファイバーの扱い方を教えることもできます。このように、どの場合も、供給が豊富な人材を見つけ、少しの研修によって、Amazonのような企業が必要とする希少な人材へと転換させられるのです。
新たに登場している具体的な新しい職種名も挙げられますか。
まったく新しい専門職、まったく新しい種類の職業が登場しています。それは新しい職種名に表れることもあります。『プロンプトエンジニア』という概念は、以前には耳にしたこともなかったものです。プロンプトエンジニアとは、Chat GPTのような新しいツールを扱い、そのツールから知識や洞察を引き出すのに役立つプロンプトを書く人のことです。その結果、ツールがより良い広告コピーを書いたり、同様に、より良い求人情報を書いたりできるようになることもあります。適切なプロンプトを書くには、ちょっとした工夫が必要な場合もあります。
今後10年では、良い答えを持つだけでなく、正しい問いを立てることがますます重要になります。そして、それは人間が特に得意とすることです。ですから、私たちは職種名だけでなく、その背後にある仕事の内容も分析し、正しい問いを立てることで人々がどこで価値を生み出しているのかを把握できます。
これからの仕事は、より質の高い仕事になるのでしょうか。また、ワーク・ライフ・バランスは改善されるのでしょうか。
次の10年における大きな課題は、仕事の量の問題ではなく、仕事の質の問題になるでしょう。現在、米国やその他の多くの国々では、失業率が過去最低に近い水準にあります。つまり、仕事は数多くありますが、必ずしも賃金が良いわけではなく、必ずしもワーク・ライフ・バランスが良いわけでもありません。人々が楽しんで取り組めるような仕事とも限らないのです。
今後の社会にとっての課題の一つは、より質の高い仕事を実現するよう取り組むことです。私たちがそれを正しく行うか、誤るかは必然ではないと思います。これは意識的に懸命に取り組むべきことです。CEO、労働組合のリーダー、政策立案者、エンジニアや技術の専門家は皆、仕事の質をどのように向上させ、顧客や株主にとって生産的で価値があるだけでなく、仕事に従事する人々にとっても充実感のある仕事を生み出せるかを考える必要があります。それができれば、賃金が上がり、ワーク・ライフ・バランスも改善されると思います。
AIの危険性はどのようなものだとお考えですか。あなたの論文『The Turing Trap』は、人間を置き換えることが実際には労働の価値を破壊するという主張を展開しています。
AI技術にさらに深く関わるにつれて、その力には感銘を受けていますが、同時に、誰もが望む共有の繁栄を損なうような、破壊的な形で利用される可能性を懸念しています。特に、AIの分野には「チューリング・テスト」と呼ばれる概念があります。これは、AIが知的かどうかを判定する試験として、人間を完璧に模倣できるかどうかを問うもので、どの回答が人間によるもので、どの回答が機械によるものか区別できないかどうかを見るものです。私はそれが非常に想像をかき立てるビジョンであり、人々を刺激するものだと思います。しかし経済学者として見ると、価値を生み出すという点では、まさに誤ったビジョンであることも分かってきました。
人間と全く同じことを行う機械があれば、賃金は押し下げられ、人間の労働の価値も下がってしまいます。しかし、もう一つの道があります。それは、人間を補完する機械を作り、人間がこれまで行ったことのない新しいことを可能にし、より質が高く、より創造的で、新しい製品やサービスを生み出せるようにすることです。そうしたイノベーションを実現するAIは、賃金を引き上げ、広く共有される繁栄を生み出す可能性が高くなります。
そこで、技術者への私の呼びかけは、単に労働を自動化するのではなく、人間を補完するAIをどう作れるかをより深く考えてほしいということです。同じ使命は、起業家や経営者も考えるべきものです。人間を基盤とし、人間の労働の価値を高め、人間を関与させ続ける、あるいはさらに望ましくは、人間が主導権を握るビジネスモデルを生み出すことです。政策立案者も、政府の政策がこうした共有の繁栄を後押しするような形になっているのか、それとも損なっているのかを考える必要があります。
例えば、米国やその他のほとんどの先進国の税制は、現在、労働よりも資本を優遇しています。資本に対する税負担に比べ、労働に対する税負担は大幅に高く、そのため基本的にイノベーションは労働を支援する方向から遠ざかり、資本の所有者に恩恵を集中させる方向へと向かっています。私は、それが賢明な政策だとは思いません。少なくとも、人々が最も大きな価値を生み出す決定を自由に行えるよう、公平な競争環境を整えるべきです。政策立案者が天秤に手をかけ、価値を資本の所有者へと偏らせるようなことはあってはなりません。技術者、経営者、起業家、そして政策立案者がこの3つのことを実行すれば、人間を関与させ続け、人間が主導権を握り続け、私たち全員に広く恩恵をもたらすAIを実現できるでしょう。
ここ数か月で生成AIは大きな飛躍を遂げました。こうしたツールに関する懸念には、どのように対処しますか。
多くの人が、ChatGPTのような生成AIや基盤モデルの最新の画期的な進展の力、そしてDALL-EやStable Diffusionのような画像生成AIの力に懸念を抱いていると思います。これらは驚くほど強力な技術であり、多くの一般の人々や技術者が、これらのツールがどれほど効果的になったかに驚嘆する気持ちを私も共有しています。それは多くの人々の予想をはるかに超えるものです。
懸念は、それらが仕事を置き換えてしまうことです。しかし、私は別のアプローチがあると考えています。それは、『The Turing Trap』という論文でも触れたように、それらを使って創造性を高め、仕事を強化することです。次の10年は、人間が開花する10年になり得ます。これらの生成AIツールを使い、これまでにはできなかった新しいことを実現する手助けを受けることで、より多くの、より優れた芸術、より多くの、より優れた文章、さまざまな側面におけるより多くの、より優れた創造を生み出し、さらには発明や科学的発見にさえつなげられるのです。
ツールを止めようとしたり、例えば学生に使わないよう伝えたりするのではなく、私の授業では、学生にそれらを積極的に取り入れるよう伝えています。ツールの助けを得ることで、学生の作業の質がそれだけ向上すると期待しています。最終的に、学期末までには、昨年の学生や以前の世代の学生が作ることのできたものよりも、はるかに創造的で興味深い課題を提出してもらえると期待しています。
研究を通じて明らかになったギャップを埋め、技術発展の速さに追いつくために、どうすれば大規模に人材の再教育を行えるでしょうか。
Work2Vecによって、労働力のどこにギャップがあるのか、どこで新しい種類のスキルが必要とされているのか、どこで私たちが求めるスキルをすでに多く持つ人材がいるのか、そしてそれらの人材をどのように再配置できるかを、より正確に絞り込み、理解できるようになりました。今後は、地球上で最も価値のある資産の配分について、はるかに定量的かつ科学的に取り組むようになると考えています。そして、その資産とは人的資本です。
米国だけでも、約220兆ドル相当の人的資本があります。しかし、その測定が非常に不十分であるため、管理も非常にうまくいっていません。そこで私たちは、人々がより良い判断を下せるよう、労働力における真のスキルが何であるのかをより深く理解する取り組みを進めています。最終的には、企業や社会にとってだけでなく、個人にとっても有益なものになるでしょう。多くの人は、自分のスキルや能力に必ずしも適していないことをしているときよりも、自分の可能性を本当に発揮できる仕事をしているときのほうが幸せです。
