仕事はかつての姿とは大きく異なります。新たなテクノロジーが、個人として、また社会としての私たちの営みに組み込まれるなか、仕事という概念そのものも何世紀にもわたって大きく変化してきました。
工学では、仕事は力と距離の積と定義されます。初期の機械は力を増幅して人間の生産性を飛躍的に高め、工業化社会の初期基盤を築きました。肉体的な重労働をなくす一方、機械の操作や修理、その能力を新たな方法で活用することなど、人間に新しい仕事を生み出しました。コンピューターも同様に、情報処理に伴う単純作業を減らし、人間がより生産的で創造的、かつやりがいのある仕事に取り組めるようにしました。
しかし今日の機械は、自ら物事を解明する能力をますます備えている点で異なります。機械は学び方を学びました。これはこれまで人間だけが持つ特性でした。世界を認識し、構造化されていない情報を即座に統合する私たちの能力は、人間の仕事の多くを支える土台です。機械が今やこの役割を担い、しばしば人間を上回るなか、将来、仕事における人間的、つまり「非定型」な側面にはどれほどの価値があるのでしょうか。
雇用者数への現在の政治的な関心は、そうした仕事の質の分布を見落としています。たとえば、Amazonが採用を予定している5万人のうち、実際のキャリア形成や収入増につながる可能性があるのは、どれくらいでしょうか。
過去のデータに基づいてこの問いに答えることはできません。非定型業務は、科学的管理法に基づく観察にも、O*NET職業分類システムが定める標準的な職業記述にも、うまく当てはまらないからです。テクノロジーによって仕事の構成や必要なスキルは変わりました。たとえば、今日の会計士や弁護士の仕事は、10年から20年前とは大きく異なります。
かつて非定型だった仕事が定型化するにつれて、必要なスキルも変化します。たとえば、機械の視力が人間を上回れば、プロのドライバーが持つ遠方を見る優れた能力の価値は下がります。また、機械が判例を人間より速く、より適切に見つけられるなら、判例を記憶する優れた能力は弁護士にとって以前ほど価値がありません。人工知能（AI）が人間の仕事にどのような影響を及ぼすかを予測するには、仕事、とりわけ非定型業務に結び付いた「デジタル・フィンガープリント」を詳細に理解する必要があります。
これまでの研究によれば、自動化は定型業務を置き換える一方、非定型業務を補完してきました。さらに、非定型業務を集中的に行う職業に就く労働力の割合は、ここ数十年で大幅に増加しました。それに対して、主に定型的な認知作業や手作業を伴う職業の割合は大きく減少しています。将来もこの傾向が続くなら、人間の雇用のあり方は、非定型業務を中心とする職業の供給、なかでも需要によって決まると考えるのが妥当でしょう。
しかし、定型／非定型という世界の捉え方は曖昧であり、自律学習システムが自動化システムとは異なり、かつて非定型と考えられていた仕事をこなせるようになると、その区分は成り立たなくなります。1972年、哲学者ヒューバート・ドレイファスは、コンピューターは運転のような単純な作業さえ決してできないだろうと主張しました。わずか10年前には、車の運転は非定型であり、したがって人間に固有の仕事だと考えられていました。それでも自動運転車の登場により、移動経路の判断はまもなく大部分が定型化しようとしています。より広く見れば、機械は投資判断や納税申告書の作成など、長らく人間の領域とされてきた認知作業でも能力を高めています。見る、聞く、読む、触れることのできるシステムから得られる、特に知覚に基づくビッグデータによって、機械は自ら学ぶ能力を得ています。
最近のマッキンゼー・グローバル・インスティテュートの報告書によると、職業の60%で業務の30%が自動化可能です。同報告書によれば、そうした職業の賃金総額は米国で約2.7兆ドルに上り、同国の経済活動全体の半分をわずかに上回ります。また、人間が機械と新たな形で協働する未来も描いています。実際、AIを搭載した機械はすでに、肉体労働と認知労働の境界を塗り替え、時間のかかる作業やミスが起きやすい作業を人間が行うのを助けています。しかし、健康、金融、移動、娯楽などに関わる重要な非定型の判断で、機械が人間を大きく上回るようになったとき、人間はどのような価値を加えるのでしょうか。
大学では、学生が将来の職場に備えられるよう、考え方を教えています。主に科学的な探究の進め方についてであり、それは適切な問いを立て、問題を定式化し、実行し、結果を分析し、成果を伝えることから始まります。一部の研究者は、計算論的思考を奨励すべきだと提案しています。カーネギーメロン大学コンピューターサイエンス学科長のジャネット・ウィングによれば、計算論的思考は、これらの段階を全体として捉え、「一見難しい問題を、簡略化、埋め込み、変換、シミュレーションなどによって、解き方が分かっている問題へと再定式化する」ものです。既存のスキルに基づく仕事の記述では、重要性が増しているこうした非定型の知識労働の側面を十分に捉えられません。
私が「意思決定自動化のフロンティア」と呼ぶ、意思決定を機械に任せる場面と任せない場面の境界に関する私の研究は、機械がどの程度の頻度で誤ると予想されるか、そして特に最悪の場合にその誤りがどのような結果を招くかに左右されます。機械が予測可能な精度で動作し、誤りによる損失が十分に小さいとき、私たちは機械を信頼します。たとえば、訴訟の判例を検索したり、結果予測に順位を付けたりする作業は機械が効率よく行えるでしょう。一方、訴訟の主張をどのように構成するかといった作業は人間が担います。
興味深いことに、O*NETの職業分類では、弁護士には高い水準の口頭および文書による表現力と理解力、ストレス耐性、誠実さが必要とされています。あらゆる法律業務をボトムアップで「デジタル・スナップショット」に捉え、データから特徴を明らかにできたらどうでしょうか。たとえば、弁護士の時間のうち、調査、執筆、会話などに費やされる割合はどれくらいで、それらは労働市場でどのように評価されているでしょうか。私が仕事のデジタル・フィンガープリントと呼ぶ、非定型業務に伴う認知活動の測定は、研究の有望な分野です。より優れた測定手段があれば、実際に仕事が何で成り立っているのかをデータに基づいて把握でき、仕事がどう変化するかを予測する基盤も得られます。
仕事のデジタル・フィンガープリントは、職種によって間違いなく異なります。医療従事者の場合、非定型業務には深い知識や医療技術に加え、共感力やコミュニケーション能力などのスキルも含まれるでしょう。保険業界の従事者の場合、記録や微妙な手掛かりを基にリスクを評価する能力が関わるかもしれません。スポーツでは、プレッシャーの中での意思決定を分析する力が関わるでしょう。原理的には、これらはいずれも観察でき、程度の差はあれ測定可能です。しかし、将来の仕事を予測する基盤を得るには、その前に、人間とより賢い機械がミクロなレベルでどのように互いを補完し、競い合うのかを理解するための研究がさらに必要です。
