AIによって失われると予想されるのは9,200万件の仕事だが、新たに1億7,000万の職務も生まれる。
将来の労働力は、これから到来するAIネイティブで自律的、かつ倫理に沿った経済に備えなければならない。
必要なスキルを持つ卒業生を継続的に輩出するには、教育における学際的なシステム思考が欠かせない。
シリコンバレーをはじめ各地で、人工知能（AI）がどのように雇用を奪い、社会的不平等をさらに拡大させるのかという議論が活発化している。
AIは9,200万件の仕事を奪うと、世界経済フォーラムの「Future of Jobs Report 2025」は予測している。しかし、こうした懸念が現実であるのと同様に、機会もまた存在する。同報告書は、AIによって1億7,000万件の新たな仕事が生まれるとも述べている。
私たちは、AIが人類を最も特徴づける特性、すなわち認知能力を高めるか、損なうかの重大な岐路に立っている。創造性、文脈に応じた推論、倫理的判断は、どのアルゴリズムにも完全には再現できない能力だ。社会科学者、倫理学者、教育者の知見を取り入れながらAIの開発を導くことで、こうした強みを弱めるのではなく、保ち、伸ばすことができる。
学際的な教育環境の中でフィジカルAIとAIのネットポジティブな枠組みを取り入れることで、将来の労働力は、AIネイティブで自律的、かつ倫理に沿った経済に備えられる。
数十年にわたる労働力の変遷
どの時代にも、雇用を確かなものにする特定のスキルがあった。コンピューターやワープロなどの破壊的な技術革新は、何百万もの仕事を不要にした一方、新たな機会も生み出した。このパターンは、大きな技術革新のたびに繰り返される。
たとえば、通信が中心だった1970年代の労働力では、手動の電話交換手やアナログ技術者が主流だった一方、ソフトウェア開発者は少なく、メディア制作には大規模なスタッフと物理的な流通網が必要だった。
1980年代から1990年代にかけてデジタル時代が始まると、デジタル交換機によって手動の電話交換手が減り、パーソナルコンピューターの普及によってITサポートやソフトウェアプログラミングなどの新たな仕事が生まれた。携帯電話はさらに多くの雇用を生み、続く1990年代から2000年代にはマスメディアが台頭した。この時期には、大衆向け携帯端末や、家庭や企業で使われるパーソナルコンピューターが急速に広まった。
インターネットと初期のモバイルブロードバンドにより、2000年から2010年にかけてソフトウェア開発とITサービスが急増した。従来型のサービス職が減少する一方、電子商取引とデジタル広告が急成長した。2010年代には、クラウドコンピューティング、スマートフォン、4G/5Gの普及によって、DevOps、クラウドアーキテクト、モバイル開発者の需要が生まれた。機械学習（ML）エンジニアやデータサイエンティストも、企業でますます求められるようになった。
2020年代に入り、AIコパイロット、ローコードプラットフォーム、データ主導の分析によって、反復的なコーディングの自動化が始まっている。データサイエンティストやAIエンジニアリング職は増加し、コーディングの役割はより高次の統合やオーケストレーションへと移りつつある。2030年までには、AIネイティブと自律性の時代を迎えると見込まれる。汎用ソフトウェア開発者、データアナリスト、ITサポート職を主とする現在の労働力は、定型的なコーディングや従来型のIT業務が完全に自動化されるにつれ、根本的な変化に直面する可能性が高い。
AIシステムはすでに、ソリューションを自律的に生成、テスト、展開する方向に進んでおり、人間の反復的な作業を減らしている。しかし、この変革は新たな機会を切り開く。AIシステムアーキテクト、倫理・ガバナンスの専門家、人間とAIの協働を設計する人材、ロボティクスや自律移動に携わるフィジカルAIの専門家など、専門分野の知識とAIリテラシーを組み合わせる職務の需要は大幅に高まるだろう。
さらに、AI駆動型の物理システムやAIで強化された意思決定を基盤とする新たな産業が登場し、未開拓分野で新しい種類の仕事と経済成長を生み出す可能性が高い。
AIの未来を形づくる3つのビジョン
デジタル通信革命では、電子工学、コンピューティング、ネットワーク理論が融合した。インターネット時代には、コンピューターネットワークとモバイル通信、アプリケーション開発、ソフトウェア工学、経済学、ユーザー体験が結びついた。
今日のAI/MLの急速な進展は、半導体技術、物理科学、生命科学、統計学の相乗効果を活用している。今後、次の3つのビジョンが交わることで、再び将来の労働力に大きな変化がもたらされるだろう。
1. 労働力に必要なスキルとしてのフィジカルAI
NvidiaのCEO、ジェンスン・フアン氏は、フィジカルAI、つまりカメラなどのセンサーから得るリアルタイムデータを使い、より複雑なタスクを実行するツールは、将来の労働力に不可欠なスキルになると考えている。AIは、認識モデルや生成モデルから、エージェント型AIやフィジカルAIへと進化している。そこでは、ロボット、ドローン、自動運転車が、物理法則に忠実なシミュレーション、リアルタイム制御、材料科学を通じて、動的な環境に対応しなければならない。
2. AIのネットポジティブな枠組み
スタンフォード大学の前学長、ジョン・ヘネシー教授は、ネットポジティブな枠組みが、AIの恩恵を何十億もの人々に届ける鍵だと論じている。その実現には、設計段階から倫理を組み込むこと、公共の利益に資する研究への資金提供、技術と社会の両面をつなぐ分野横断的な協働が必要となる。
3. 学際的なシステム工学の思考様式
包括的な学際的なシステム思考とシステム工学の思考様式によって、生命科学、物理科学、材料科学、工学、計算科学の間にある縦割りを解消し、さらなるイノベーションを促進できる。
全米アカデミーズの分野融合に関する報告書は2014年に公表され、この課題について今日も有効な提言を行った。そこには、物理学、材料、計算科学、工学を融合するプロジェクト型の学習モジュールを取り入れ、カリキュラムを全面的に見直すことが含まれる。これに加え、分野融合の拠点はチームによる飛躍的な成果を促し、課題主導型の学習は、学生を現実社会の問題解決に取り組ませるべきだ。
将来の労働力に向けた複数スキルのアプローチ
今後10年、労働力としての成功を決めるのは、1980年代のタイピングや2000年代のコーディングのような単一のスキルではなく、分野を横断して統合し、AIシステムと協働する能力となる。
AIコパイロットを理解し、活用する力をもたらすAIリテラシーであれ、データを用いて解釈し、伝える力を助けるデータ活用能力であれ、医療や金融から先端製造業まで、幅広い分野でデジタル能力が専門知識を強化する。また、認知的なレジリエンスと倫理への意識は、AIと協働する際に批判的思考力や道徳的推論を活用することで、人々に創造性の面で優位性をもたらす。
こうした重要なスキルを備えた卒業生を継続的に輩出するには、教育における学際的なシステム思考が欠かせない。このビジョンの実現に役立つ教育戦略には、基礎物理科学、AI、工学を共同で教える融合型ラボや、イノベーションを持続させる使命主導型の研究センターが含まれる。また、学際的な卒業研究プロジェクトでは、多様な背景を持つ学生が集まり、倫理への配慮を踏まえて複雑な現実社会の問題を解決することが望ましい。
新しい技術が次々と登場するなか、知的に振る舞うだけでなく、人間の認知能力を尊重し、高めるAIシステムを構築し、その開発に貢献できる人々が未来を担う。
ハラルド・ハース教授（ケンブリッジ大学TITAN Hub）もこの記事に寄稿した。
