中国のAIブームはすでに一部労働者の収入を削っている
Google Newsは、中国のAI移行を象徴する厳しい事例を伝えた。武漢のあるタクシー運転手は、ロボタクシーによって収入が約40%減ったと語った。自動運転車が不具合で一時的に姿を消すと、彼の収入は回復した。この出来事は、自動化をめぐる抽象的な議論を、目に見える労働市場の試験へと変えている。
Guardianの詳細な取材は、ロボタクシー、生成動画、その他のAIシステムから圧力を受ける労働者を追っている。中国の経験が重要なのは、AI導入が、弱い採用市場、拡大するギグワーク、そして労働者が再訓練を受ける時間の不足と衝突しているためだ。
中心的な対立は、もはや人間の知能と機械の知能の争いではない。共同富裕という中国の約束と、保護制度が整う前に労働需要を減らしかねない導入モデルとの対立である。BaiduのApollo Goサービス、映画生成システム、雇用主、労働者、政府関係者はいま、この移行の異なる側面に立っている。
Google Newsの見出しが実際に明らかにしたこと
中国におけるAI雇用の問題は、すでに労働者が具体的な収入減や消えた仕事を指摘できる段階に入っており、予測の域を超えている。
China AI jobsの取材は、武漢で起きた示唆的な混乱から始まる。2026年3月、複数のApollo Goロボタクシーがシステム不具合により交通中で停止したと報じられた。乗客は足止めされ、車両は数か月にわたる調査のために地元の道路から姿を消した。
この技術的な失敗は、予想外の労働市場実験を生んだ。人間のタクシー運転手であるYao Xinnongは、Apollo Goが2022年に登場して以降、賃金が約40%下がったと述べた。運行停止中に乗客が従来型タクシーへ戻ると、彼の収入は増えた。
一人の運転手の経験だけで、武漢全体の平均的な影響を立証することはできない。しかし、自動化への恐れの背後にある仕組みを示している。自動運転車に割り当てられる乗客は一人ひとり、人間の運転手に届かなくなる運賃でもある。
ロボタクシーが特に重要なのは、その影響が可視化されやすいためだ。企業が車両を投入し、乗客がサービスを切り替え、運転手は日々の収入の変化を目にする。ソフトウェアが静かにクリエイティブチームの採用需要を減らす場合、このつながりは把握しにくい。
中国は、自動運転交通をAIの主要な商用応用分野として位置付けてきた。武漢は大規模な実証の場となり、Baiduは広い都市エリアでロボタクシーを運行できるようになった。その規模は技術を評価する機会を増やす一方で、より多くの労働者を実験の中に置くことにもなる。
安全性と信頼性も依然として方程式の一部だ。大半の移動を問題なく完了できるロボタクシーであっても、複数の車両が同時に停止すれば深刻な混乱を引き起こし得る。異常な道路状況で判断、交渉、即興的な対応が必要な場面では、人間の運転手に優位性が残る。
ただし、一時的な不具合が運転手の長期的な保護を保証するわけではない。企業はソフトウェアを更新し、運用手順を変更し、遠隔支援を拡大できる。信頼性が向上すれば、失われた需要は自動化サービスへ戻り得る。
同じパターンはクリエイティブ業界にも現れている。北京の撮影監督Tian ZeminはGuardianに対し、自身のフリーランス単価が2019年の水準の40%まで下がったと語った。彼は、その圧力の一部を映画制作全体におけるAIの急速な導入に起因するとみている。
フリーランス単価は、経済状況、制作予算、観客需要の変化など、多くの要因に左右される。したがって、AIだけが説明になるわけではない。それでもTianの証言は、より小さなチームで多くの素材を生成できるようになった時、労働者が需要減少をどのように受け止めるかを示している。
重要な変化は、制作工程の圧縮だ。かつてスタジオには、コンセプトアート、絵コンテ、編集、背景生成、視覚効果それぞれに別の人材が必要だった。生成システムはいま、これらの作業の一部を一つのワークフローに統合できる。
だからといって、モデルが完成した映画を独力で制作するわけではない。人間は依然として出力を選び、連続性の問題を修正し、演技を演出し、法的な判断を下す必要がある。しかし、人間の判断が工程に入るまでに必要な有償労働時間は減る可能性がある。
Google Newsの掲載は、この報道の配信経路にすぎない。証拠を生み出したわけでも、各労働者による原因の特定を独自に検証したわけでもない。この見出しの価値は、読者に次の問いを投げかける点にある。タスクの自動化は、すでにどこで収入の喪失へと変わっているのか。
中国の脆弱な労働市場がリスクを高める
AI導入は、労働者が職を失った後に強い市場が受け皿となることを期待できない場合、より政治的に敏感な問題となる。
Guardianは、中国の柔軟な働き方に従事する労働者が2026年に3億2,000万人へ達するとの推計を引用した。この推計は、報告された2019年の1億6,000万人の2倍であり、労働力全体のおよそ44%に相当する。
柔軟な雇用には、さまざまな形態が含まれる。配車サービス、配送、フリーランス、一時契約、自営業などがその例だ。この柔軟性を重視する労働者もいる一方、安定した職が得られないためにギグワークへ入る人もいる。
この違いは重要だ。職を失った労働者が同等の仕事をすぐに見つけられるなら、自動化は危機を招かずに生産性を高められる。代替となる仕事が不安定で、低賃金で、あるいは同じく自動化の対象となっている場合、被害はより深刻になる。
中国の不動産不況と、それ以前の民間教育に対する規制は、既存の雇用ルートを消滅または弱体化させた。新卒者も、初級職をめぐる激しい競争に直面している。配車・配送プラットフォームは、従来型の職を見つけられなかった一部の労働者を吸収してきた。
ロボタクシーは、こうした受け皿の一つに圧力をかける。自動運転車がより多くの乗車需要を取り込めば、元オフィスワーカーや建設労働者は、運転が引き続き手の届く収入源だとは考えられなくなる。配送ロボットは配達員に同様の問題を生じさせる可能性がある。
より広い経済の見通しは一様ではない。China employment outlookは、AI専門人材への需要が2030年まで大きく伸びると予想されていたことを指摘した。また、産業用ロボットが一部の既存労働者の雇用と賃金を損なってきたという証拠も検討している。
これにより、二つの労働市場が同時に生まれる。エンジニア、データ専門家、マシンビジョンの専門家は投資の恩恵を受け得る。一方で、運転手、生産労働者、高度に専門分化したクリエイターは、需要低下に直面し得る。
新たな技術職が生まれても、雇用喪失が自動的に解決されるわけではない。経験豊富な運転手が、短いオンライン講座を受けただけでアルゴリズムエンジニアになれるわけではない。撮影監督の視覚的な経験にも価値はあるが、雇用主がそれを活用する役割を生み出さなければならない。
地域差はこのミスマッチをさらに深める。AI企業や研究職は主要なテクノロジー拠点に集中している。職を失った労働者は別の地域に住んでいるかもしれず、資格を持たない、あるいは家族の事情で移住が難しい場合もある。
年齢も移行に影響する。キャリアの初期にいる労働者なら、数年にわたる再訓練をより容易に正当化できる。一つの職業で数十年を過ごした人は、その投資を回収する時間が少ない。
中国の人口動態も、第二の緊張を加えている。生産年齢人口は減少し、退職者の数は増えている。利用可能な労働者が減る中で、オートメーションは生産量の維持に役立つ可能性がある。
しかし、その国家的な必要性が個々人の損失を消すわけではない。介護、先端製造、技術サービスで人手不足が生じる一方、運転手やアーティストが適切な仕事を見つけられないことはあり得る。労働力は全体として不足していても、実際には需要との適合が悪い場合がある。
したがって政策課題は、AIが減らす数より多くの仕事を単に生み出すことではない。仕事は適切な場所に現れ、移転可能なスキルを活用し、十分な収入をもたらす必要がある。また、職を失った労働者が貯蓄を使い果たす前に生まれなければならない。
中国の指導部は、AIを共同富裕と共通の安全保障を支える原動力として説明してきた。この約束は測定可能な基準を生む。生産性向上の利益は、最終的に賃金、労働時間の短縮、公共サービス、所有権、あるいはより強い保護を通じて労働者に届かなければならない。
利益がモデル開発者、プラットフォーム運営者、資本所有者に集中したままであれば、AI導入は既存の不安定さを広げかねない。その場合、政治的な問題は技術力ではなく分配から生じることになる。
真の対立は導入速度と労働者保護の間にある
中国は、労働制度が導入コストを誰が負担するかを決めるよりも速くAIを展開できる。
Baiduをはじめとする開発者は、技術性能、運用範囲、安全性、コストを通じて自動化に取り組む。労働者は、同じ移行を失われた運賃、減少する仕事、弱まる交渉力として経験する。両者の見方は、同じシステムを異なる立場から描写している。
企業には、予測可能な入力を持つタスクを自動化する動機がある。地図化されたルートでの運転、標準的なビジュアル素材の制作、反復的な文章作成はこのパターンに当てはまる。システムの性能が十分な水準に達すれば、残る問題はしばしば経済性となる。
モデルは、あらゆる状況で最高の専門家を上回る必要はない。より低い総コストで顧客を満足させればよい。その基準は、人間レベルの熟達よりはるかに低い場合がある。
これは、不完全なシステムでも雇用に影響する理由を説明する。Tianは、以前は不自然なアバターを生んでいたにもかかわらず、生成素材は急速に改善したと述べた。完成度よりも速度と予算が重視される場合、顧客は一貫性の低さを受け入れることがある。
同じ論理はロボタクシーにも当てはまる。自動運転車は、中国のすべての道路を習得するのではなく、制約されたサービスエリア内で運行できる。地図化された区域に運行を限定するジオフェンシングは、システムが対応すべき状況の数を減らす。
遠隔支援はいくつかの例外に対応できる。ソフトウェアが進めなくなった際には、人間のスタッフが複数の車両を監視し、介入することがある。この仕組みでも人は残るが、すべての車に運転手を一人ずつ配置するより必要な労働者は少ない。
その結果、完全な職種代替に先立ってタスク代替が起きる。人間が不可欠なままであっても、AIが十分な定型業務を担うため、雇用主は必要とする人員を減らせる。経営陣が技術は従業員を支援するだけだと言い続ける一方で、労働者は置き換えを感じる。
近年の中国の裁判所判断では、AIに置き換えられた一部のホワイトカラー従業員に補償が認められたと報じられている。こうした判断は、雇用主が既存の解雇規則に従ったかを明確にし得る。しかし、ソフトウェアがその職の経済性を変えた後も、職位を維持する一般的な権利を生むものではない。
採用にはさらに大きな空白がある。労働者は違法解雇に異議を申し立てられるかもしれないが、目に見えない求人枠がAIによって消えたことを証明するのは難しい。雇用主は単にチームを小さくするか、採用を止めればよい。
請負業者として働く場合、労働者の交渉力はさらに小さくなる。フリーランサーやプラットフォーム労働者には、従来型雇用に伴う保護がないことが多い。正式な解雇がなくても、収入は低下し得る。
これが、武漢の運転手たちの不安を説明する。プラットフォームは、自動化された供給力を拡大できる一方、人間の運転手は名目上、引き続き自由に働ける。置き換えは解雇通知ではなく、注文数の減少として現れる。
政府もこうした緊張を認め始めている。国営の労働関連社説は、AIが従来の規則と衝突する中で、雇用の権利が新たな課題に直面していると警告した。当局者も、雇用を支えるためにAIを活用し、人間中心の政策を採用することを強調している。
中国の雇用政策分析は、過去最高水準の新卒者数、膨大な出稼ぎ労働者、そして拡大する柔軟な雇用形態による圧力を指摘した。AIを、雇用マッチング、研修、生産性を改善するための手段として位置づけている。
これらの目標は労働者保護と両立しうるが、結果を左右するのは実施のあり方だ。利用可能な求人が何年もの技術教育を要するなら、研修ポータルはドライバーの助けにならない。AIによるマッチングサービスも、適切な求人の不足を解決することはできない。
実効性のある保護は、実態の可視化から始まる。当局は導入前後の雇用、労働時間、所得、職業移行について、信頼できるデータを必要としている。企業による導入発表は、労働者レベルの証拠の代わりにはならない。
労働者には事前通知も必要だ。企業が業務の大部分を自動化する計画であれば、従業員には再訓練を受ける、あるいは再設計された職務を争うための時間が与えられるべきだ。突然の導入は、移行に伴うリスクのほぼすべてを家計に転嫁する。
生産性向上の利益は分配できる。雇用主は、賃金保険、移行基金、労働時間の短縮、正式な再訓練を通じて、節約分を共有できる。業界ごとに異なる取り決めが必要になるが、原則は一貫している。
中国の中央集権的な政策体制は、より分権的な経済圏にはない手段を同国に与えている。当局は、地域の導入許可、国有企業、研修予算、採用慣行に影響を及ぼすことができる。産業政策と労働政策を連携させることも可能だ。
同じ構造は、地域の反対より導入目標を優先することにもつながりうる。技術投資を求める当局者は、ドライバーやフリーランサーに分散して生じる所得損失を軽視するかもしれない。この不均衡を防ぐには、透明性のある測定が必要だ。
雇用喪失の事例が証明しないこと
個々の証言は実際の被害を示しているが、中国全体でAIが総雇用を減少させたことの証明にはならない。
最も明確な懐疑論の論点は、因果関係にある。中国の労働市場はすでに、弱い消費需要、不動産部門の問題、規制変更、企業再編の影響を受けている。AIは、本来安定していた基準線を置き換えるのではなく、そうした環境の中で導入されている。
フリーランス比率の低下は、制作予算の縮小を反映している可能性がある。映画の仕事の減少は、新規プロジェクトへの需要低迷を反映している可能性がある。ライドヘイリングの収入は、あまりに多くのドライバーが市場に参入すると低下しうる。
AIは、それぞれの問題を唯一の原因ではなくとも悪化させる可能性がある。責任ある報道は、その区別を維持すべきだ。また、印象に残る事例を根拠のない全国推計へと転換することも避けるべきである。
The Guardianの柔軟な雇用に関する数字は、労働市場の不安定さを示すものだが、AIによる雇用代替を測定しているわけではない。労働者は自律性や勤務時間の自由を求めてフリーランスを選ぶことがある。別の人は、正規の職を失った後にフリーランスになるかもしれない。
ロボタクシーの影響も市場によって異なる。武漢は大規模な導入地域として機能してきたため、同市のドライバーは全国には存在しない条件に直面している。規制、道路の複雑さ、サービス範囲、消費者の選好は都市ごとに異なる。
一時的な車両故障は、自動運転に依然として運用上の限界があることを示している。だが、それは性能の恒久的な上限を立証するものではない。同様に、成功した走行があっても、あらゆる経路や気象条件で無人サービスの準備が整っていることにはならない。
クリエイティブAIには別の測定上の問題がある。制作会社は、少ない人員でより多くのコンテンツを公開できるかもしれない。生産量が増えても総雇用は減少しうる。逆に、制作コストの低下が新たなプロジェクトを生み、最終的により専門的な仕事を支える可能性もある。
タイミングが重要だ。生産性向上は長期的な需要を生むかもしれないが、労働者は初期の削減を直ちに経験する。5年間の成長を観察する経済学者と、来月の家賃を払えないフリーランサーは、異なる結果を測っている。
国際労働機関の世界的な影響度指数は、完全自動化よりも変革のほうが一般に起こりやすいと示した。更新された分析では、職業全体を代替可能と分類するのではなく、職業をまたぐ約3万のタスクを評価した。
このタスクベースのアプローチは、より良い枠組みを提供する。ほとんどの職業は、定型業務と非定型業務を組み合わせている。AIは下書き、分類、翻訳、ビジュアル生成を担える一方、人間は説明責任や対人判断を維持できる。
しかし、変革が自動的に無害とは限らない。ソフトウェアが職務に含まれる請求可能な業務の半分を取り除けば、雇用主は元の人員規模を維持しないかもしれない。職業は存続しても、それによって生計を立てられる人は減る。
消費者の抵抗がすぐには表れなくても、品質は低下しうる。元教育向け脚本家のWang Zhichengは、AI生成の脚本が反復的で出来不出来にばらつきがあると感じられる可能性があると述べた。それでも企業は、制作が速くなるならそうした制約を受け入れるかもしれない。
Wangの対応は、諦めではなく適応を示している。以前の雇用主が脚本執筆チームを縮小した後、彼は独立した絵本制作へと移った。プロセスの一部でAIを使いながらも、編集上の判断は人間の管理下に置いている。
この戦略がすべての人に等しく通用するわけではない。独立して働くには、顧客、資本、営業能力、不安定な収入への耐性が必要だ。すべての職を失った労働者に起業家になるよう助言することは、責任を雇用主や政策から遠ざけることになる。
教師は別の事例を示す。Associated Pressの取材を受けた化学教師は、生徒が即座に回答や追加の支援を得られることに価値を見いだした。同時に、そのシステムがなお誤りを犯すことも確認した。
教育は信頼、動機づけ、安全確保、診断に依存している。これらの責任は完全な代替を難しくする。それでもAIは、クラス規模、準備時間、評価、個別指導への需要を変える可能性がある。
こうした違いがあるため、「雇用」に関する全国規模の主張は誤解を招きうる。より有用な単位は、特定の市場における特定のタスクだ。研究者は、誰がそれを担い、いくら稼ぎ、自動化後に何が起きたのかを問うべきである。
労働者はパーソナルナレッジマネジメントを活用し、プロジェクトの証拠、意思決定、移転可能な専門知識を残すことができる。この実践はキャリア転換を支援しうるが、雇用主が取り除いた需要を生み出すことはできない。
したがって、証拠は慎重な結論を支持している。AIはすでに、特定可能な職業における所得圧力と機会の縮小に寄与している。現在利用可能な報道は、中国経済全体における純影響を立証してはいない。
中国のAI雇用テストは中国を超えて広がる
中国は、導入が公共機関による分配への影響評価を上回る速さで労働者に到達したときに何が起こるかを、早期に示している。
北米の読者は、この問題を中国の政治経済に特有の遠い出来事として扱うべきではない。関わるツールは国境を越え、あらゆる場所の雇用主が定型労働コストを削減する誘因を共有している。
進む速度は異なりうる。中国政府は、インフラ、許可、産業資金、都市レベルの実証実験を調整できる。米国とカナダでは、これらの決定がより多くの規制当局、裁判所、企業、地方政府に分散している。
分散化は導入を遅らせるかもしれないが、より良い保護を保証するものではない。労働者に通知、交渉力、所得支援がなければ、遅れた移行でも困難は生じる。速度が変えるのは日程であり、根本的な対立ではない。
中国の経験は、肉体労働と知識労働を単純に分ける見方にも疑問を投げかける。ロボタクシーは運転収入を脅かす一方、生成システムは映画、翻訳、プログラミング、執筆に圧力をかけている。AI導入は両方のカテゴリーで進んでいる。
知識労働者はかつて、自動化はまず肉体労働に到達すると考えていた。デジタルのテキストや画像は予測不能な物理環境より処理しやすいため、生成モデルは複数の分野でその順序を逆転させた。
物理的な自動化は現在、制約のある環境で追いつきつつある。ロボタクシー、荷物の仕分け、工場運営、配送システムには、構造化された経路や反復可能な動作がある。導入の成功は一つひとつ、商業的に自動化可能な業務の範囲を広げる。
企業の購入担当者にとって、労働への影響は調達の一部になるべきだ。AI製品を評価するチームは、精度やサブスクリプション費用以上のものを測る必要がある。どのタスクが消え、どの責任が残るのかを特定すべきだ。
説明責任は特に重要である。AI生成の出力が害を引き起こした場合、誰かが事実を検証し、苦情を解決し、決定に責任を負わなければならない。ワークフローを理解する人々を排除すれば、こうした責任を果たすことが難しくなる可能性がある。
開発者は例外処理にも注意を払うべきだ。武漢での不具合は、総合的な性能指標が集中した失敗を隠しうることを示した。複数の車両や自動化プロセスが同時に失敗したとき、システムにはエスカレーション経路が必要となる。
労働者にとっての教訓は、単に「AIに使われる前にAIを使え」ということではない。その言葉は交渉力の差を無視している。従業員がツールを習得しても、1人の担当者が複数の同僚分の業務をこなせるようになれば、職を失う可能性はある。
より有用な戦略は、専門分野の知識と責任を組み合わせた仕事を特定することだ。顧客の信頼、安全に関する判断、独自取材、交渉、最終承認は、モデルに完全に移管することがなお難しい。
そうした領域も変化する。撮影監督はすべての映像を撮影する代わりに、生成された背景を監修するかもしれない。翻訳者は、日常的な文章を自動システムが処理する一方で、機微な内容をレビューするかもしれない。
この移行は専門性を維持しながら、有償案件の数を減らす可能性がある。したがって労働者には、拡張が1人当たりのアウトプット向上だけでなく、より良い仕事を生むという証拠が必要だ。
Google Newsは個々の雇用代替の事例を増幅できるが、世間の関心は測定へとつながらなければならない。政策立案者には、解雇、採用減少、労働時間の減少、賃金圧力、職業移動を切り分けるデータが必要だ。
各指標は異なる問いに答える。解雇データは目に見える離職を捉える。採用データは、そもそも現れなかった職位を明らかにできる。所得と労働時間は、名目上の自営業の内部に隠れた雇用代替を示す。
最も重要な比較は、生産性と労働者の成果の間にある。影響を受けた職業でアウトプットが増える一方、中央値の所得が下がるなら、その利益は労働側に届いていない。賃金と流動性が改善するなら、拡張にはより強い根拠がある。
保護が追いつけるかを示す三つのシグナル
次の段階は、導入ルール、労働者の所得、そして雇用主が職務をひそかに廃止するのではなく再設計するかどうかに左右される。
第一のシグナルは、Apollo Goがサービス中断後に拡大または再開した際に何が起こるかだ。車両台数だけでは雇用の問題に答えられない。研究者は、同じ地区における乗車回数、ドライバーの所得、労働時間、乗客料金を比較すべきである。
自動運転のカバー範囲が拡大しても人間の所得が安定すれば、最も強い雇用代替の主張は弱まる。それは新たな需要、市場のセグメンテーション、あるいは成功した政策的制限を示している可能性がある。
ロボタクシーの活動に正比例してドライバーの所得が下がるなら、武漢の事例は単なる逸話ではなくなる。それは労働者から自動運転車両群への測定可能な移転を示すだろう。
第二のシグナルは、中国の雇用対策の設計だ。再訓練を求める一般的な呼びかけだけでは不十分である。重要な詳細には、適格性、資金、賃金支援、雇用主の義務、ギグワーカーの利用可能性が含まれる。
信頼できる政策は、移行の全過程で人々を支えるものとなる。研修修了率、その後の就業状況、研修後の所得を報告するはずだ。受講登録数を数えるだけでは、成功を示す証拠はほとんど得られない。
標準的な雇用契約の枠外で働く人々には、特に注意を払うべきだ。運転手、配達員、映像制作者、翻訳者、その他のフリーランサーは、解雇統計に現れないまま収入を失う可能性がある。彼らを除外すれば、報告されている影響の多くが隠れてしまう。
強力な執行は、中国が掲げる共同富裕の約束を支えることになる。弱い、あるいは象徴的な施策にとどまれば、導入は即時なのに保護は理想論のままという、この根本的なねじれを強めるだけだ。
3つ目のシグナルは、影響を受けやすい職種における企業の採用行動である。雇用主は、AIが人員計画、新卒・若手採用、契約人材への支出、チーム規模を変えたかどうかを開示すべきだ。こうした判断を捉えるには、総失業率の変化は遅すぎる。
初級レベルの仕事は注意深く監視する必要がある。若手社員は、文脈や判断力を学びながら、日常的な業務を担うことが多い。AIがその仕事を吸収すれば、企業は将来のシニア専門職を育てる経路を弱めかねない。
企業は経験豊富な監督者を維持しつつ、初心者の採用を減らすかもしれない。その構造は短期的には効率的に見えるが、後に人材の空白を生む。また、自動化以前にキャリアを始めた人々へ機会を集中させることにもなる。
職務の再設計は、より建設的なシグナルとなる。雇用主は、モデルの利用を検証、顧客対応、領域別トレーニングと組み合わせることで、若手の役割を維持できる。このアプローチは、生産性を人員削減ではなく、より良い仕事のための余力として捉えるものだ。
中国から得られる証拠は、すべての職種に単一の答えを示してはいない。だが、より切迫した結論を支持している。AIによる雇用の代替を検知する方法として、総失業率が上昇するのを待つのは不十分だ。
労働者たちはすでに、運賃収入の減少、報酬単価の低下、チームの縮小、求人の減少を語っている。適応に成功している人もいる一方で、人間に残された領域が狭まっていると感じる人もいる。
次のGoogle Newsの見出しは、この3つのシグナルに照らして評価すべきだ。自律型サービスは労働者の収入を減らしているか。雇用保護は契約人材にも届いているか。企業は今もキャリアの梯子を築いているか。
読者は自らの組織でも、同じテストを適用できる。自動化されている業務を特定し、収入や採用に何が起きているかを追跡し、移行リスクを誰が負うのかを問うべきだ。AIが仕事に与える影響は、避けられない進歩をうたうスローガンではなく、こうした具体的な選択によって決まる。
