ギグエコノミーは労働者にも企業にも大きな柔軟性をもたらしますが、双方にとって不確定要素も数多くあります。ウォートン校でオペレーションズ、情報、意思決定を教えるガド・アロン教授が共著者となった新たな研究は、配車サービスのドライバーが、いつ、どれほどの時間働くかという労働に関する意思決定をどのように行うかを調べ、労働供給の予測を改善するとともに、より効果的な金銭的インセンティブを明らかにすることを目指しています。「ギグエコノミー労働者の行動要因と経済的要因の影響」と題された論文は、ニューヨーク大学スターン経営大学院のマキシム・コーエン教授と、ウォートン校の博士課程候補者パーク・シンチャイシリ氏との共著です。アロン氏は最近、研究の示唆と仕事の未来について、シリウスXMのラジオ番組「Knowledge@Wharton」に出演して語りました。
以下は、編集を加えた対談の書き起こしです。
Knowledge@Wharton：これはなぜ重要なテーマなのでしょうか？
ガド・アロン：「ギグエコノミー」と呼ばれる新しい経済が広がっています。「シェアリングエコノミー」と呼ぶ人もいます。基本的には、かつての経済ではフリーランスの仕事は副業のようなものだった、という考え方です。人々はフルタイムの仕事に就き、ときどきフリーランスの仕事をしていました。今では新たなプラットフォームを通じて、あらゆる規模でフリーランスの仕事に携わる機会がますます増えています。1日に1回、週に1回働くこともできますし、ほぼフルタイムの仕事として、たとえばUberで数時間働いてからTaskRabbitに移り、その後GrubHubやPostmatesで数時間働くといった具合に、次々と仕事を切り替えることもできます。
この経済の規模は2025年までに約2.7兆ドルに拡大すると見込まれています。しかし、こうした労働者が実際にどのように行動するか、私たちは知っているでしょうか。企業側には、はるかに大きな柔軟性があります。企業が需要と供給を正確に一致させられる状況を常に望んでいますし、実際にそれが可能です。ただ、今では同じ労働者が、どこで働くかを絶えず選べることが課題です。私たちが答えようとした中心的な問いは、意思決定が「来年どこで働くか決めなければならない」という単位ではなく、秒、分、時間、あるいは日単位で行われるようになった今、人々がどう決断するのかを根本から理解することです。
Knowledge@Wharton：企業がこの柔軟性を好むのは、より多くの労働者をより短い時間働かせることができ、健康保険や高い賃金を提供する必要もなくなるからです。それが、多くのギグエコノミー企業が参入した当初の動機だったのですよね？
アロン：その通りです。Uberは自動車会社の5倍の規模になれます。車を1台も所有していないのにBMWと比較されます。貸借対照表に資産がなくても、企業価値1,200億ドルで事業を運営できるのです。
Knowledge@Wharton：労働者と企業という両者を見たとき、この状況でより強い不安を抱えているのはどちらでしょうか？
アロン：両方だと思います。ただ、賭けているものは大きく異なります。UberやLyftのような企業を見ると、ドライバーが企業間を絶えず移れるため、いわゆる「土地の囲い込み」をめぐる競争が激化しています。中国の主要企業であるDiDiに勝てないと気づいたUberが中国から撤退する様子が見られました。同じことはインドネシアやマレーシアでも、そして米国でも起きています。都市によってLyftが競争力を持つ場合もあれば、そうでない場合もあります。こうした状況に大きな不安があるのは、主に多額のベンチャーキャピタル資金が投入されているためです。
「ギグエコノミーは2025年までに約2.7兆ドル規模に拡大する見込みです。しかし、こうした労働者が実際にどのように行動するか、私たちは知っているでしょうか」
次にドライバーについて話しましょう。多くの人にとって、それが生計の手段です。15年、20年先には自動運転車が走ることを承知のうえで、どうするか決めようとしています。運転の仕事はおそらく20年後にはなくなると知っているドライバーも多く、彼らにとって不確実性は大きいのです。私はよくドライバーと話し、どれくらい働いているのか、何をしてきたのかを尋ねます。空港で3時間過ごしていた、と話すUberのドライバーを多く見かけるでしょう。
ドライバーには以前のような保障がないため、収入には大きな不確実性があります。家族への影響についてもよく耳にします。以前あった社会的なセーフティネットが全体としてなくなったとき、家族にどのような影響があるのでしょうか。そのため、今後数年間は大きな不確実性が続くと思います。
Knowledge@Wharton：そこから、特に多くの人が重要になると考えている自動運転車が普及した場合、こうした企業がどのような姿になるのかという疑問が浮かびます。企業はすでに米大手3社の自動車メーカーとの提携を検討しており、ギグエコノミーで働く人々の仕事が、将来も続くかどうかはわかりません。
アロン：私の考えでは、運転席に誰もいない自動運転車の実現は、まだ何年も先でしょう。車内には人が必要ですが、その役割は今のドライバーとは大きく異なり、必要とされる技能もまったく違うかもしれません。タクシーに乗り込むと、主な技能が目的地まで連れて行くことではなく、街に詳しく、行き先を助言し、次の会議への準備について意見をくれるコンシェルジュが乗っているところを想像してください。必要な技能は変わるでしょう。
Knowledge@Wharton：あなたの研究では、一定の報酬額を得たいと考え、その水準に達したら、その日、その週、あるいはその月はもう働かないと決めるドライバーがいることがわかりました。この点について説明していただけますか？
アロン：まず、私たちの手法について少しお話しします。仮説を立てるためにドライバーと話をしましたが、最終的にはデータに基づく研究でした。約8,000人のドライバーを追跡し、過去1年間に彼らが行ったすべての意思決定を確認しました。報酬が増えた場合、減った場合、午前に働いた場合、午後に働いた場合に、どう判断するかを調べました。興味深い行動が見られました。まず、報酬を増やすほど働く可能性が高くなります。意外に思う人もいるかもしれませんが、基本的には驚くことではありません。
興味深いのは、まさにご指摘の現象、つまり非常に強い目標所得効果が見られたことです。ドライバーが一定の収入に近づくと、意外な結果が見られます。より多く支払うと、働きに来る可能性が低くなるのです。シフトに入っても、働く時間は短くなります。これは以前から観察されていたことですが、今回の研究で説明をつけることができました。さまざまなドライバーやタイプにわたって、一貫して頑健に確認されました。
Knowledge@Wharton：収入が保証されていると、長く働けばもっと稼げるとわかっている場合ほど、一生懸命働こうとはしないということですか？
アロン：その通りです。もう一つ興味深い行動が見られました。一般的に、報酬が増えるほど、人々はもっと働きたいと思い、より長く働こうとします。しかし、私たちが「慣性」と呼ぶ別の効果も確認しました。働く時間が長くなるほど、働き続ける可能性が高まり、さらに長く働くのです。
所得効果の話に戻りましょう。現実には、こうしたドライバーの多くは余暇と家族との暮らしのバランスを取ろうとしています。以前は一括で報酬を支払えば、彼らは働いて最善を尽くした、というのは事実です。ギグエコノミーの労働者は家族生活が急速に損なわれることを示す研究が、すでにかなりあります。私たちが見いだしたのは、そうした事態を防ごうとする内的な仕組みがあるということです。1日、1週間、あるいは1か月の単位で考えても、ドライバーが一定の収入水準に達すると、強い金銭的インセンティブは弱まります。
Knowledge@Wharton：時間やお金のほかに、ドライバーが考慮していることにはどのようなものがありますか？
アロン：比較的一貫して見られるのは、渋滞の中で立ち往生するより、実際に運転できる時間に働きたいということです。前に進んでいる、働いた分が報われている、と感じたいのです。待つことを嫌います。
私たちが確認した慣性、つまり特定の企業で働く時間が長いほど、その企業で働き続ける可能性が高まるという点に戻りたいと思います。少なくとも現時点では、より安定した収入源を見つけようとしているのだと説明できます。ギグエコノミーの労働者になるのは、かなり起業家的なことです。より多く仕事を見つけられると思う場所で働く必要があります。人々が複数のプラットフォームを使い分ける、いわゆる「マルチホーミング」をしていることもわかっています。しかし同時に、仕事の流れを整理し、今後の見通しをより安定させようとする動きも見られます。ドライバーの数は多く、行動もさまざまですが、この点では非常に一貫した傾向が見られます。
「非常に強い目標所得効果が見られました」
Knowledge@Wharton：この研究では、2025年までに労働人口の大半がギグエコノミーで働くようになると推定しました。それは経済全体にどのような影響を及ぼすでしょうか？
アロン：これは私たちの予測ではなく、多くの人が同意している見通しです。自動化がますます進むにつれて、「ラストマイル」、つまり顧客に届けることが重要になる分野へ移る人が増えていくでしょう。9時から5時まで働く仕事や、工場にある仕事は減っていくでしょう。一方で、シフトで働き、その後は自由に過ごすといった仕事が増えると考えられます。
ギグエコノミーで働く人のかなりの割合が、生活に困って始めたのではなく、収入を補うために始めたと知り、興味深く思いました。休暇費用を払うためにもう一つシフトをこなし、やがて仕事そのものや、それに伴う柔軟性を楽しんでいると気づくのです。今後は、仕事の細分化がさらに進むでしょう。
Knowledge@Wharton：あなたの研究対象はライドシェア企業でしたが、ギグエコノミーのほかの分野で働く人々も同じように意思決定するのでしょうか？
アロン：はい。研究対象者の大半は、時間の約75％を特定のライドシェア企業で働き、残りの時間は他のライドシェア企業や配送会社で働いています。よい質問です。従業員がどのように意思決定するかをモデル化しましたが、そのモデルに特定の企業に固有の要素はなかったと考えています。Ikeaは家具の組み立てを手伝ってもらうためTaskRabbitを買収しました。Amazonもギグエコノミーとの連携を強めています。組み立てが必要な家具を買えば、Amazonは組み立てる人を手配できます。その人はAmazonの従業員ではなく、ギグエコノミーの労働者です。
同じ人が午前中はライドシェア企業で運転し、仕事の合間に卓球台を組み立てに行くこともあります。そういう例はよく見られます。繰り返しになりますが、柔軟性は素晴らしい一方、多くの課題も伴います。
Knowledge@Wharton：UberやLyftのようにギグエコノミーに深く関わる企業や、ギグエコノミーの一部と結びついている小売企業の収益に、これはどのような影響を与えますか？
アロン：こうした企業に共通する主な課題は、従業員の獲得競争が非常に激しいことだと思います。従業員がすぐに別の企業へ移れるため、顧客を引きつける一方で、今度は従業員も引きつけなければならず、両面での競争になります。実際、現在の競争は顧客をめぐるものというより、従業員をめぐるものです。従業員が増え、道路を走るドライバーが増えるほど、顧客への応答時間は短くなります。顧客が増えれば、従業員も増えます。卵が先か鶏が先かという問題ですが、最大の課題はドライバーや従業員を増やすことだとわかっています。
Knowledge@Wharton：ギグエコノミー企業は、労働者がフリーランスであることから恩恵を受けています。特定の都市で必要以上にドライバーが多いときも、必要な人数に足りないときもあるでしょう。おっしゃるように、Uberでうまく稼げない夜には、Lyftに切り替えて収入を得ることもできます。
「現在の競争は顧客をめぐるものというより、従業員をめぐるものです」
アロン：それはまさに大きな課題の一つです。従業員を十分に確保するだけでなく、適切な人数を確保する必要があります。待機して何もしていないドライバーが多すぎると、企業は実際に損をします。少なくとも企業はそう感じています。ドライバーに補助金を支払わなければならないことも多く、長期的には現金を燃やすことになります。一方、ドライバーが足りないと、顧客を待たせることで損失が生じます。企業はドライバーを待たせるより、顧客を待たせるほうを選びます。一般に、ドライバーを待たせるほうが収益に大きな打撃となるからです。
Knowledge@Wharton：ギグエコノミーには、従来型のビジネスよりも未知の要素がはるかに多いのですね？
アロン：その通りです。未知の要素が格段に多いのです。さらに、新しいビジネスモデルが次々と企業に持ち込まれます。たとえば、サンフランシスコのスクーター企業Limeが登場したとき、Uberの需要は落ち込みました。誰もがラストマイルをめぐって競争しています。新しいビジネスモデルはどれも、そこを効率化し、収益の一部を得ようとします。こうしたモデルに不確実性が大きいのはそのためです。
Knowledge@Wharton：企業と従業員の双方が全体の運営に納得できるようなインセンティブは、どのようなものだとわかりましたか？
アロン：私たちは金銭的インセンティブを一種類検証しました。ギグエコノミーそのものだけでなく、ドライバー一人ひとりについて多くのデータを持てる新時代の利点の一つは、どのドライバーに働き続けてもらいたいか、どのドライバーにはそのシフトを休んでもらいたいかを把握できることです。すでに目標収入に近づいているドライバーを特定できれば、運転してもらうには相当な金額を提示しなければならないことを示しました。ドライバーを適切に特定し分類すれば、たとえばインセンティブを30％減らしても、適切な人数を確保できます。同じインセンティブを使う場合でも、対象をはるかに高い精度で絞れます。結局のところ、一人ひとりのドライバーにとって金銭的インセンティブが何を意味するかを理解することが重要です。
Knowledge@Wharton：優秀なドライバーに働き続けてもらうため、企業は一人ひとりをどの程度詳しく見てインセンティブを与えているのでしょうか？
アロン：絶えずです。こうした企業は非常にデータを重視しています。機械学習や、いわゆるディープラーニングを考えてみてください。例を挙げましょう。この研究の7,000人のドライバーを見ると、異なる時期に異なる方法で試されたインセンティブ制度は、おそらく1,000種類ありました。こうした企業はデータ活用に非常に長けていて、うまく分析し、よく考察しています。ただし、私たちが示したのは、観察した範囲の外まで予測したいなら、根本となるモデルが必要だということです。それでも企業は、よりよいインセンティブを見つけるため、常に無作為化や実験を試みています。
ちなみに、1時間働いたら、さらに2時間働いたら、週に4日出勤したら昇給するといったインセンティブもありました。その多くは、一人ひとりのドライバーの働き方に一貫性を持たせることを目的としていました。
Knowledge@Wharton：こうした金銭的インセンティブのモデルは、業界で受け入れられているのでしょうか？
アロン：企業は、ドライバーとの契約の種類によってもある程度制約を受けます。直面するより大きなリスクは規制です。たとえばUberは、ドライバーが従業員と見なされないようにしようとしています。そのためには、両者の間で非常に簡素な契約を結ぶ必要があり、通常は金銭面に限られた、取引的な内容です。
業界全体の共通認識としては、無作為化してさまざまなことを試したり、多少の賃金を保証したりすることはできますが、それ以上に創造的なことはほとんどできません。さらに工夫を加えると企業が拘束され、ドライバーは従業員となり、健康保険などを提供しなければならなくなるからです。
「組み立てが必要な家具を買えば、Amazonは組み立てる人を手配することがあります。その人はAmazonの従業員ではなく、ギグエコノミーの労働者です」
Knowledge@Wharton：企業はフリーランス方式を採用し、収集・分析するデータを使って、より適切にコストを管理できるのでしょうか？
アロン：そうですが、同時に収益にも関わります。ドライバーを道路に出すには、Uberはそのドライバーが時給17ドルを得られるようにしなければなりません。運転して得られるのが14ドルなら、Uberはベンチャーキャピタルからの資金でドライバー一人ひとりに3ドルを補助することになります。つまり、実質的には年金基金から出ているお金です。そのため、収益に直接影響します。確かに予測は可能です。あらゆることが以前より予測しやすくなっていますが、3ドルは大きな金額です。
Knowledge@Wharton：この研究の次の課題は何でしょうか？
アロン：ここで触れた研究領域は二つあります。一つは、慣性という考え方に立ち戻ることです。この慣性を生み出す要因を本当に理解したいと思っています。他の分野にも大きな影響を及ぼす可能性があるからです。私たちが研究した企業には、慣性を生み出す何か独自の要素があると考えています。それは企業が顧客やドライバーと関係を築く機会にもつながっています。何がそれを生み出すのかは、根本的な問いです。
二つ目に、金銭的な契約だけでなく、摩擦を減らす仕組みを通じて、企業が安定したサービスを提供するための、より興味深いモデルを作れる可能性があると考えています。ここで根本的に重要で、明確にしておかなければならないのは顧客のことです。全体として、私たちは恩恵を受けていますよね。これまで以上に優れたサービスが得られます。数分以内にある場所から別の場所へ行くタクシーが必要なら、すぐに来てくれます。全体として、私たちの状況は改善しています。唯一の問いは、それが持続可能かどうかです。持続可能性を高めるには、ドライバーに働き続けてもらう新たなモデルを見つけると同時に、より責任ある方法で実現する必要があります。
Knowledge@Wharton：消費者はラストマイルが重要だと理解しています。確かに、消費者は商品やサービスを選べると感じています。Best Buyでテレビを買い、適切なサービスを受けられなければ返品して、ほかの店に行けます。
アロン：それが課題です。Uber、Amazon、Facebook、Googleのいずれであれ、新しい経済の多くの分野で、以前より安く、よりよいサービスが得られます。問題は長期的な影響であり、私たちがここで理解しようとしていることです。従業員の福利にどのような長期的影響があるのでしょうか？
ジェフ・ベゾスは、顧客は常に現在のサービス水準を当然のものと受け止め、提供されるものに決して満足しないと言っています。今、ドライバーが5分で来るなら、来年には1分未満になるでしょう。その次は、考える前に来てほしいと思うようになります。それがさらなるイノベーションを促し、顧客を満足させようとするコストを増やし、それを実現する興味深いモデルをめぐる競争を激化させるでしょう。
