3人の専門家によると、自動化とデジタル化は特定の業務に専門知識を持つ労働者をますます必要としている。
技術の進歩はまた、専門性の高い業務に対する賃金プレミアムが上昇していることから、賃金格差の拡大にもつながっている。
自動化は単に労働者を代替するだけでなく、特定の仕事を行うために特定の労働者の必要性を高める可能性もある。
賃金格差は富の格差と同様に拡大している。この拡大の一部は技術の進歩によるものだという点では合意がある。しかし、現代の技術導入が格差に影響を与える正確な仕組みについては、依然として議論の余地がある。Katz and Murphy (1982) は、教育に大きなプレミアムを与えることで、「スキル偏向型技術変化」（SBTC）が垂直的なスキル習得を通じて賃金格差を拡大させるという見方を広めた。しかし、過去の技術改善の波では同様の影響は生じておらず、研究者は直近の波の何が特別なのかを問うようになった。最近の研究は、プレミアムは主に技能そのものではなく、各職業の業務内容に関係していることを示している。特に非定型的な業務は需要が高く、追加のプレミアムを得ており、この見方は「定型業務偏向型技術変化」と呼ばれている。スキル偏向型技術変化では新技術は高スキルの労働者を補完するが、「定型業務偏向型技術変化」（RBTC）では、新技術は従来の定型業務に対する労働需要を減少させる一方で、新たな複雑な業務に対する労働需要を生み出す。
私たちは、自動化やデジタル化などの現代の技術が、特定のアルゴリズム、ソフトウェア、機械を含む自動化システムに関する専門知識を持つ人間のオペレーターをますます必要としている、と主張することで、これらの考えをさらに一歩進める。専門知識への需要の高まりは、業務の高スキル性や定型性の強度によって必要とされるものを超えて、ますます重要となっている労働者の特化の形態につながる。この見方は、賃金の差別化が、垂直的な特化（一般により高い知識）だけでなく、水平的な特化（業務に特化した知識。その業務が定型的か複雑かは問わない）にも起因することを示唆している。その根底にあるメカニズムは、労働者と企業・業務の正の選択性（アソータティブ・マッチング）という概念に依拠している。技術を導入する企業が、その技術に特化した労働者を雇用するときに、マッチングの余剰が最も大きくなる。その場合、特化した労働者の賃金はレント分配の論理により上昇し、賃金のばらつきも拡大する（自動化が賃金格差に与える影響については、Benzell and Yifan Ye 2021も参照）。
この論点を検証するため、私たちはイタリアの労使関係制度における契約全体を網羅する、高品質な機密行政データセットを活用する。この種のデータの特に重要な点は、労働者や企業を対象とした調査と比べて、全労働者の契約から得られた実際の賃金が報告されていることである。技術導入を測定するため、国際ロボット連盟（IFR）のデータを用い、地域の経済について、部門別の雇用シェアに基づき、付加価値に対するIFRのロボット保有台数の部門別変化を割り当てるシフト・シェア型操作変数を構築する。
基礎となる仮説は、自動化が選択性、ひいては特化を高め、それを通じて特化した労働者の賃金プレミアムと賃金のばらつきを拡大させた、というものである。私たちは、この仮説を検証するため、2段階の計量経済学的戦略を考案した。第1段階では、賃金が選択性にどの程度依存するかを測定する。これは、最近の計量経済学的手法（特にBonhomme et al. 2019による有限混合法）を採用・応用し、賃金を労働者要素、企業要素、そして両者の相互作用による第3の項に正確に識別・分解することを目的としており、この第3の項は両者間の補完性を捉えるものとされる。
識別は、雇用主を変える労働者に依拠している。企業のプレミアムを識別できるのは、企業間を移動する同じ労働者である。言い換えれば、企業は、少なくとも1人の移動労働者を通じて「つながっている」限り、賃金プレミアムに基づいて順位付けすることができる。移動労働者の割合が非常に小さく、適切な識別を行えないことも多い。有限混合法は、類似の企業を同じグループに割り当て、労働者がグループ間を移動するという事前のグループ化手続きによって、この障害を克服する。計量経済学的戦略の第2段階では、操作変数アプローチを用いて、ロボット導入が労働者と企業の間の推定補完性（「ソーティング」）に与える影響を分析する。
調査結果を説明するにあたり、計量経済分析に先立って検討した、企業間と企業内のばらつきへの単純な統計的賃金分散分解から浮かび上がる事実から始めることが重要である。この分解（図1参照）は、企業間の要素が支配的であることを示しており、これは賃金のばらつきが主に企業の特性の違いによって説明されるように思わせるかもしれない。しかし、上記の有限混合法による分散分析は、異なる像を示している（図2参照）。企業の推定特性の違いが賃金のばらつきを説明する割合ははるかに小さく、労働者の推定寄与が支配的であり、企業と労働者の特性間の補完性の寄与は、企業特性の寄与と同程度に重要である。
図1企業内および企業間の賃金分散分解
図2 賃金分散分解：有限混合モデル
計量経済学的手法の第2段階では、推定された補完性を、ロボット導入の尺度と関連付け、後者から前者への有意かつ頑健な正の因果関係を見出した。この関係は、一連の頑健性検証を通じて成立している。すなわち、自動化は労働者と企業のソーティングを増大させ、ソーティングの増大は賃金のばらつきの拡大に寄与している（分布の上位に位置する企業にとってのロボットの役割については、Steibale et al. 2020を参照）。さらに、類似の労働者が類似の職業に集中する度合いを測る労働者の分離指数を構築することで、結果をさらに裏付けており、分離も自動化によって正の影響を受けていることがわかった。
私たちは、双方向の異質性、就業中の求職活動、レント分配、従業員の引き抜きを含むモデルのクラスにおいて、私たちの証拠を説明できることを示す。このモデルでは、労働者は現在の雇用主よりも自分と補完性の高い企業を継続的に探索する。この枠組みでは、自動化の影響は、労働者の専門スキルと企業の特定業務との間の補完性を強化すること、そして、より良い特性を持つ労働者（より適合した雇用主から最も利益を得る立場にある）の内生的な求職強度を不均衡に高めることとして説明できる。より強い補完性と、より優れた労働者の求職強度の高まりは、データに見られるように、企業間と企業内の両方のばらつきが関連する役割を果たしながら、賃金のばらつきを拡大させる。
要するに、私たちの研究は、自動化とデジタル化は単に資本で労働者を代替するだけでなく、労働者の業務補完性を高め、その結果として賃金分布の企業間のばらつきを悪化させる可能性があることを強調している。この仕組みから生じる厚生上の帰結や成長の見通しがどうなるかは、未解決の問題である。
参考文献
Bonhomme, S, T Lamadon and E Manresa (2019), "A distributional framework for matched employer employee data”, Econometrica 87(3): 699-739.
Benzell, S and V Yifan Ye (2021), “Simulating the future of global automation, its consequences, and evaluating policy options”, VoxEU.org, 12 October.
Cahuc, P, F Postel‐Vinay and J M Robin (2006), “Wage bargaining with on‐the‐job search: Theory and evidence”, Econometrica 74(2): 323-364.
Cortes, G M, A Lerche, U Schonberg and J Tschopp (2021), “Technological change, firm heterogeneity and wage inequality”, mimeo.
Faia, E, G Ottaviano and S Spinella (2022), “Robot Adoption, Worker-Firm Sorting and Wage Inequality: Evidence from Administrative Panel Data”, CEPR Discussion Paper No. 17451.
Katz, L F and K M Murphy (1992), "Changes in relative wages, 1963–1987: supply and demand factors", The Quarterly Journal of Economics 107(1): 35-78.
Song, J, D J Price, F Guvenen, N Bloom and T von Wachter (2019), "Firming up inequality”, The Quarterly Journal of Economics 134(1): 1-50.
Steibale, J, J Südekum and N Woessner (2020), “Robots and the Rise of European superstar manufacturers”, VoxEU.org, 30 July.
