Goldman Sachs、インドのAIによる雇用リスクは低いと指摘、ただしサービス業は依然として脆弱

Goldman Sachsによれば、インドは事務作業やテクノロジーを活用したサービスに明確なリスクがあるにもかかわらず、富裕国に比べてAIによる雇用喪失が広範に及ぶ可能性は低いという。同行のインド担当チーフエコノミスト、サンタヌ・セングプタ氏は、労働リスクに関する報告書によると、8月14日にこの見解を示した。この結論は、生成AIがインドの巨大な労働力全体から急速に雇用を奪うとの予測に疑問を投げかける。

もっとも、この安心材料となる見出しには重要な留保がある。インドの低いエクスポージャーは、AIシステムの能力向上に対する免疫ではなく、労働市場の構造を反映したものだ。農業、建設、製造業、その他の身体的作業を伴う職種には、ソフトウェアで自動化することが依然として難しい日常業務に従事する数百万人がいる。

圧力は別の領域に集中している。定型的な事務作業、ビジネスプロセスサービス、通信、金融サービス、メディア、一部の専門職には、ソフトウェアが実行できる業務がより多く含まれる。これらの部門は、テクノロジーおよびビジネスサービスの主要輸出国としてのインドの地位も支えている。

ここに中心的な緊張関係がある。国全体では脆弱性が低いように見える一方、国際的に重要なサービス経済の一部は、技術の影響圏に近接している。したがってインドのAI雇用をめぐる状況は、大量失業と途切れない成長との単純な対立ではなく、不均一な移行の問題である。

Goldmanの予測は大量代替ではなく変革を示す

同行の中心的な主張は、AIはインドで消滅させる雇用よりも、変化させる雇用の方が多いというものだ。

7月下旬に公表されたGoldman Sachsの分析では、生成AIはインドの非農業部門の労働力が担う業務の9%から17%を実行できると推定された。この範囲は、AIが支援または自動化できる作業を示すタスク・エクスポージャーを測定したものだ。同じ割合の労働者が職を失うという予測を意味するものではない。

この区別は重要である。職種には多様な業務が束ねられているためだ。例えば金融アナリストは、AIを使って文書を要約しつつも、判断、顧客とのコミュニケーション、規制上の意思決定には引き続き責任を負う可能性がある。教師は教材をより速く作成できるようになる一方、教室運営や生徒の評価をモデルに委ねるわけではない。

Goldmanは、非農業部門の雇用の42%から48%について、直接的な代替よりもAI支援を受ける可能性が高いと推定した。詳細な雇用分析によると、8%から12%は代替リスクにあるとした。残りは、報告書の前提のもとでは比較的限定的な直接影響にとどまる見込みだ。

これらの推定は、セングプタ氏のより広い主張を裏付ける。インドでは、先進国に比べて、高度に影響を受けやすいオフィス職に従事する労働者の比率が小さい。大規模な農業労働力も、現在の生成AIが主に言語、画像、データ、ソフトウェアを通じて機能するため、国全体のエクスポージャー率を引き下げている。

Goldmanは、AIの導入により、インドの年間労働生産性成長率が10年間で約0.4ポイント押し上げられると見込む。推定範囲は、将来のシステムがどこまで高性能になるかなどに応じて、0.1から0.8ポイントとなる。これらの増加は予測であり、観測済みの成果ではない。

労働者が既存の作業をより速く完了し、より多くの成果を生み出したり、より高付加価値の責任へ移ったりすれば、生産性は上昇しうる。しかし雇用主は、人員削減によって効率向上の利益を得ることもできる。同じ技術が、ある組織では労働者を補完し、別の組織では類似の職位を置き換える可能性がある。

導入コストがその判断を左右する。企業はモデルを社内データに接続し、ワークフローを再設計し、出力を検証し、セキュリティを管理し、説明責任を割り当てなければならない。単一の作業を完了するデモンストレーションが、そのまま信頼できる本番システムになるわけではない。

これは、職種レベルのエクスポージャーが即時の雇用喪失に直接結び付くことがほとんどない理由の一つでもある。企業は通常、職位全体を再編する前にワークフローの一部を自動化する。特に退職者の補充をやめる場合、解雇が目に見える形になる前に採用が弱まることがある。

インドの規模も、全国的な移行の速度を遅らせる。大企業、中小企業、農場、工場、公的機関、インフォーマル雇用主は、それぞれ異なる速度で技術を導入する。コンピューティング、安定した電力、有用なデータ、訓練を受けた管理者へのアクセスには、依然として格差がある。

Goldmanの予測は、圧力点を示す地図として読むのが最も適切だ。どの作業が変化しうるか、どこで生産性が向上する可能性があるかを示している。一方で、雇用主がどの程度の速さでAIを導入するか、またその結果生じる利益をどう分配するかまでは明らかにしていない。

インドの労働構造が緩衝材となる

インドのエクスポージャーが低く見えるのは、労働力の多くが、生成AIでは直接実行できない身体的、農業的、または対人的な仕事に従事しているためだ。

国際通貨基金（IMF）の評価によると、インドの労働力の約43%が農業に従事していた。この雇用構造により、オフィスベースのサービスへさらに移行した経済圏よりも、インドは影響を受けにくい。ソフトウェアは農家に助言できるが、畑での身体的作業の大半を独力で完了することはできない。

IMFは、インドの労働者の26%がAIへのエクスポージャーが高い職種に就いていると推定した。そのうち雇用の14%は、AIへのエクスポージャーが高いものの、AIによって補完される可能性があると分類された。さらに12%は、代替リスクがより大きい、高エクスポージャー職種に位置付けられた。詳細はインドに関する評価に示されている。

これらの数値がGoldmanの範囲と異なるのは、各機関が異なるデータセット、定義、職業分類を用いているためだ。ある推定は労働力全体を対象とする一方、別の推定は非農業雇用や業務シェアを対象にすることがある。この違いは、エクスポージャー統計を正確な解雇予測として扱うべきではない理由を改めて示している。

国際比較研究も、同じ大まかな方向性を示している。先進国では、管理職、専門職、事務職、その他の知識労働者の割合が大きい。これらの職種は、現在のAIシステムが最も効果的に扱う言語および情報処理の作業を用いる。

IMFは、先進国では雇用の約60%がAIにさらされていると推定している。これに対し、新興市場では40%、低所得国では26%とした。エクスポージャーには、生産性向上の機会と雇用代替のリスクの両方が含まれる。

アジアでは、先進国の雇用のおよそ半分が影響を受けやすいのに対し、新興・発展途上国では約4分の1となる。地域比較では、富裕国ほどAIが労働者を補完できる職種を多く有することも示された。したがって、エクスポージャーが高いことは、より大きなリスクとより大きな潜在的利益の両方を生む。

インドの低いエクスポージャーは、深刻な分配上の問題をなお隠しうる。農業従事者は生成AIによる直接的な代替から守られるかもしれないが、低い生産性、不安定な所得、限定的な社会保障には依然として脆弱だ。AIの直接的な影響圏の外にいることは、安定した、あるいは高賃金の仕事を保証しない。

同じ問題は都市部にも見られる。ソフトウェア開発者と配達員はいずれもデジタル経済に参加しているが、そのエクスポージャーは大きく異なる。モデルはコードや文書を作成できる一方、交通の中をオートバイで走行したり、荷物を顧客に直接手渡したりすることはできない。

女性や高学歴労働者は、事務職や専門職に多く就いているため、職業上のエクスポージャーが高い場合が多い。高所得労働者もまた、影響を受けやすい職種に多く見られる。彼らの仕事にはAIによる拡張の余地がより大きい場合もあるが、定型的な要素は依然として自動化されうる。

若年の大卒者には別の懸念がある。初級職には、文書作成、調査、スケジューリング、テスト、基本的な分析が含まれることが多い。これらの作業は新人に経験を与えるが、生成AIツールの能力にも適している。

企業は、こうした機会を減らすために既存の従業員を解雇する必要はない。経験豊富な労働者がAI支援によってより多くの成果を出せるため、採用する新人の規模を小さく維持できる。このパターンは、すぐには大量失業として現れなくても、キャリアの入口に影響を及ぼすだろう。

したがって、インドの緩衝材は実在するものの、不完全である。国全体の雇用に占める影響を受けやすい職種の割合は小さいが、その部分には戦略産業や中間層への一般的な進路が含まれている。全国平均では、この集中を捉えきれない。

サービス産業の中核がリスクに最も近い

インドで最も影響を受けやすい労働者は、同国をアウトソーシングされたビジネス業務の世界的拠点へと押し上げたサービス分野に集中している。

定型的なIT活用ビジネスプロセスは、その業務が反復的でデジタル上で表現できるため、より大きな代替リスクに直面している。一般的な例として、標準化されたサポート対応、文書処理、基本的なレポーティング、文字起こし、データ入力、ルールベースの品質チェックが挙げられる。

事務支援職も同様の圧力にさらされている。生成AIは、文書の下書き、文書の分類、情報抽出、要約作成、定型的な質問への回答を行える。ビジネスソフトウェアに接続されたシステムは、人の関与を限定したままアプリケーション間で情報を移動させることもできる。

こうした能力がすべての職務をなくすわけではない。モデルは依然として事実誤認を起こし、例外的なケースを誤って処理し、説明責任の取り扱いに苦戦する。組織には、ワークフローを定義し、機微な出力を確認し、例外を解決し、顧客とコミュニケーションを取る人材が必要だ。

しかし、職位の数と構成は変わりうる。有効なシステムを備えた1人の従業員が、以前は複数人を必要とした作業を完了できる可能性がある。雇用主はその後、データ、セキュリティ、ワークフロー設計、モデル評価の専門家を増やす一方で、若手の採用を減らすかもしれない。

サービス業がインドの成長モデルの中心にあるため、同国はこの移行に大きくさらされている。Goldman Sachsは、同国のIT・ビジネスサービス産業を約2,500億ドル規模の部門と説明している。また、2024年のサービス輸出額は約3,870億ドルに達したと報告した。

グローバル・ケイパビリティ・センターは、このつながりをさらに深める。これらの拠点により、多国籍企業はエンジニアリング、財務、分析、カスタマーサポート、その他の機能をインドに置くことができる。Goldmanはこうしたセンターを1,700超と数え、2030年に向けたさらなる拡大を予測した。

企業はモデルを実際の業務に統合するチームを必要とするため、これらのセンターはAI関連の仕事を生み出しうる。従業員は評価手法を開発し、システムを専門分野に適応させ、データアクセスを管理し、規制順守を監視できる。英語を話すテクノロジー人材の大きな層を持つインドは、こうした活動の強固な基盤を備えている。

同時に、これらのセンターは既存の業務を標準化・自動化することもできる。多国籍企業は、集中化された業務で検証した後、複数の拠点に一つのシステムを展開できる。高付加価値の技術職が拡大しても、効率向上は反復的なサービスへの需要を減少させる可能性がある。

これは、高度化とコモディティ化の間の競争を生み出す。インドは、エンジニアリング、研究、モデル導入、複雑なコンサルティングへと軸足を移せる。一方で顧客は、AIを使ってより定型的な業務を社内で処理できるようになり、人件費の差による優位性は弱まる可能性がある。

保護主義は、さらに別の複雑さを加える。国境を越えるデータ、モデル、デジタルサービスへの制限は、インドのチームによる海外顧客支援を制約し得る。ルールの分断はコンプライアンスコストを押し上げ、市場ごとにシステムを分断する要因にもなる。

Goldmanは、先行する評価において、貿易制限がインドのAI主導型サービス輸出に及ぼす影響は限定的だと論じてきた。それでも同社は、データ・ローカライゼーション、規制の乖離、地政学的緊張をリスクとして挙げている。こうした圧力は、どのモデルの技術的能力の範囲外にある。

AIスキルへの需要は、前向きな兆候の一つだ。インドの求人広告に基づく研究では、2016年以降、AI関連の能力を求める求人が急増したことが記録されている。また、AI導入が補完的な非AI職種への需要を支え得ることも示された。

ただし、求人広告が示すのは雇用主の意向であり、実際に採用が完了した人数ではない。オンライン求人は、正規雇用のホワイトカラー雇用主を過大に反映する傾向もある。需要がどこへ向かっているかは示すものの、インドの労働市場全体を把握するには限界がある。

予想されるのは、サービス業の消滅ではない。顧客が価値あるものと見なす対象の変化だ。定型的な成果物は作りやすくなる一方で、業界知識、信頼できる実行力、独自データ、責任の所在がより重要になる。

インドのサービス提供企業は、労働時間ではなく成果を売るよう求められる。ソフトウェアによって各タスクに必要な時間が短縮されると、主に人員数に基づく請求モデルは正当化しにくくなる。企業は、自社チームが判断、統合、測定可能な事業成果を提供できることを示さなければならない。

労働者も個人として同じ変化に直面する。汎用チャットボットの使い方を知っているだけでは、持続的な優位性にはならない。従業員には、専門領域の知識に加え、重要な場面でAI生成の成果物を検証、改善、活用する能力が必要だ。

この移行はより良い雇用を生み出し得るが、自動的に進むわけではない。リスキリング施策は、訓練を実際の雇用主のニーズにつなげる必要がある。そうでなければ、労働者は汎用的な資格を得る一方、企業は専門職の欠員を埋められずに苦しみ続ける。

低い曝露度は、低い経済リスクを意味しない

インドは大規模な直接的雇用喪失を回避できても、AIが初級職採用、サービス輸出、賃金上昇を弱めれば打撃を受け得る。

第一の不確実性は、タスクと雇用の間にある隔たりだ。曝露度に関する研究は、職業をモデルが実行できる活動へと分解する。だが、そうした活動が職務再設計、採用の鈍化、アウトソーシングの変更、人員削減を正当化するかどうかは、雇用主が判断する。

その判断は信頼性に左右される。統制されたテストで成功するモデルでも、入力が曖昧になったり顧客の行動が予測不能になったりすると失敗することがある。医療、銀行、法律、行政サービスでの誤りには重大な結果が伴い、無制限の自動化を阻む。

規制は人による監督を維持できる一方で、仕事がどこで行われるかを変えることもある。企業は承認済みシステムを集約しつつ、地域チームを縮小するかもしれない。あるいは、コンプライアンス要件が監査、文書化、リスク管理、セキュリティにおける新たな仕事を生み出す可能性もある。

国際労働機関は、曝露が雇用喪失と同義ではないと強調している。同機関の世界指数では、4件に1件の雇用が生成AIに何らかの曝露を持つことが示された。職業別曝露指数によれば、完全な代替よりも変革が起こる可能性が高い。

変革であっても痛みを伴い得る。従業員は雇用を維持していても、交渉力、自律性、昇進機会を失うことがある。企業がAIシステムで成果を測定し、標準化されたプロセスを徹底するようになれば、デジタル監視が強まる可能性もある。

初級レベルの雇用には、特に注意を払う必要がある。若手はしばしば、初稿作成、基礎調査、簡単なコード作成、会議メモ、文書レビューを担う。こうした業務を自動化すれば、人々が従来専門職を学んできた仕事そのものが失われかねない。

すると組織は人材パイプラインの問題に直面する。経験豊富な従業員は依然必要だが、育成する初心者は減る可能性がある。意図的な徒弟制度がなければ、企業は今日のコストを削減する一方で、将来のシニア人材不足を生み出しかねない。

第二の不確実性は、生産性向上がどのように分配されるかに関わる。Goldmanが予測する利益は、労働者一人当たりの追加的な生産量を示す。従業員がより高い賃金を得るのか、企業がより大きな利益率を得るのか、顧客の支払額が下がるのか、あるいは労働時間が減るのかまでは決めない。

競争的な市場では、コスト低下や新サービスを通じて恩恵が広がり得る。集中した市場では、より少数の企業がより多くの価値を保持できる。希少なスキルを持つ労働者は高い報酬を得られる一方、標準化された職務の従業員は交渉力を失いやすい。

第三の不確実性は、インフラにある。高度なモデルには、コンピューティング能力、安定した電力、ネットワーク接続、安全なデータシステム、熟練した導入チームが必要だ。Goldmanは、電力、水、データセンター、コンピューティング資源を必要な投資として挙げている。

インドは、IndiaAI Missionの下での公的取り組みを含め、AIインフラを拡充している。しかし、インフラは大手テクノロジー企業だけに届けばよいわけではない。生産性向上を経済全体に広げるには、中小企業も手頃な利用環境と実践的な支援を必要とする。

第四の不確実性は、インドが基盤技術をより多く生み出せるかどうかだ。同国は導入とエンジニアリングサービスに強みを持つが、高度なチップや基盤モデル研究での存在感は依然として相対的に低い。海外プラットフォームへの強い依存は、経済的価値の一部を国外へ流出させる可能性がある。

Goldmanは以前、インドのAI分野が2027年までに230万件超の求人を生み出し得ると推計した。また、利用可能な人材プールは約120万人に達するとの予測も引用している。この差は潜在的な需要を示すが、訓練プログラムが実際の職務に合致することを保証するものではない。

企業は技術知識と業界知識の組み合わせを求めることが多い。銀行には、モデルと金融統制の双方を理解する人材が必要だ。製造業者には、AIの出力を物理的な運用や安全要件と結び付けられるエンジニアが必要となる。

汎用的な訓練だけでは、すべてのミスマッチを解消できない。労働者には、関連するデータ、ツール、ワークフローを用いて実践する機会が必要だ。雇用主にも、従来の学位より速く変化するスキルを評価するための信頼できる手法が必要になる。

ナレッジワーカーは、意思決定を記録し、専門領域の知見を深め、過去の仕事を確実に検索できる仕組みを構築することで準備できる。検索可能なパーソナルナレッジベースは、特にAIがレビューすべき下書きや情報を増やす状況で、このプロセスを支えられる。

それでも、個人の準備は労働政策の代替にはならない。政府と雇用主は、移行支援、教育、訓練へのアクセスを改善しなければならない。労働者が単独で、インフラ不足、弱い社会保障、職業全体での需要減少を解決することはできない。

慎重な結論として、集計ベースの曝露度が低いことはインドに時間を与える。しかし、その時間を有効に使う責務を取り除くものではない。不十分な準備は、管理可能な移行を局所的な苦難へと変えかねない。

Goldmanの見立てが成り立つかを示す3つのシグナル

次の段階は、AIの能力に関する見出し向けの主張ではなく、採用、サービス需要、実測された生産性によって評価すべきだ。

第一のシグナルは、ITサービス、ビジネスプロセス業務、金融、メディア、専門サービスにおける初級職の採用だ。新卒採用は、企業が既存チームを強化しているのか、それともキャリアの梯子の最下段をなくしているのかを早期に示す。

若手向け求人の持続的な減少は、Goldmanの予測に対する安心材料となる解釈を弱める。それは、大規模なレイオフではなく、求人が存在しないことによる雇用喪失を示すことになる。新たなAI関連の責務とともに採用が安定または拡大すれば、能力補完の見方を支持する。

採用の構成は、総数と同じくらい重要だ。雇用主は一般職の採用を減らす一方で、サイバーセキュリティ、データエンジニアリング、モデル評価、業界固有の専門知識を持つ労働者をより多く求めるかもしれない。この変化は、変革が起きるという見通しを裏付ける一方、緊急の訓練課題を生み出す。

第二のシグナルは、インドのテクノロジーおよびビジネスサービス輸出の実績だ。売上高、契約規模、顧客維持率、大手プロバイダー全体での採用は、AIが需要を拡大しているのか、労働集約的なアウトソーシングを減らしているのかを明らかにし得る。

複雑なエンジニアリングやAI統合業務の成長は、インドの立場を強める。高付加価値の契約で補われないまま定型処理への需要が落ちれば、全国雇用平均によって隠されていた脆弱性が露呈する。

投資家は、企業が生産性をどのように説明しているかも検討すべきだ。プロバイダーは、より価値の高いサービスへ移行した、反復作業を自動化した、あるいは人員を削減したために、労働者一人当たりの成果が増えたと報告できる。これらの経路は、従業員と長期的な競争力にまったく異なる影響を与える。

第三のシグナルは、統制されたデモンストレーションの外で測定される生産性だ。Goldmanのベースライン予測は、10年間で年平均約0.4ポイントの押し上げを見込む。実際の利益は、最終的には生産量、納期、サービス品質、事業創出に表れるはずだ。

広範な導入を伴わない生産性向上は、より弱い裏付けにとどまる。少数の大企業は大幅な効率化を達成できる一方で、中小企業は取り残される可能性がある。この結果は、経済全体を変革することなく集中を強めかねない。

賃金上昇の証拠があれば、主張はより強固になる。労働者の生産性が向上しても報酬が横ばいなら、恩恵は労働側に届いていない。生産量と雇用に伴って賃金も上昇すれば、能力補完という見方の説得力は増す。

政策立案者は、性別、教育、職業、地域による差異を注視すべきだ。全国失業率が安定していても、事務業務の集積地や新卒者の間では深刻な混乱が同時に起こり得る。きめ細かな労働データは、単一の見出し数字よりも早くそうした影響を明らかにする。

議論では、一時的な調整と構造的な変化も分けて考えるべきだ。雇用主は新システムを試す間は採用を停止し、需要が伸びれば再開する可能性がある。曝露の高い職務全体で数年にわたる減少が続けば、より深い再編を示すことになる。

Goldmanの主張には妥当性がある。なぜならインドでは、現在の生成AIが直接実行できない仕事に非常に多くの人々が従事しているからだ。農業、建設、製造、運輸、個人向けサービスは、統計上の大きな緩衝材となる。

しかし、インドの経済的な志向は、既存の雇用を守ることだけに依存しているわけではない。同国は、より高い生産性、より強いサービス輸出、賃金の改善、若い労働力にとってのより良い機会を望んでいる。成功のためには、曝露の高い分野が定型的な職務の縮小より速く、価値ある新たな仕事を生み出す必要がある。

したがって最も有用な問いは、AIがインドのすべての雇用を奪うかどうかではない。AIはすべての職業に等しく影響するわけではなく、曝露が自動的に失業へ転じるわけでもない。より鋭い問いは、企業が自動化を、より狭い人件費削減の追求ではなく、拡大へと転換できるかどうかだ。

今後数カ月は、大学新卒者の採用、高付加価値サービス契約、生産性を示す指標を併せて注視すべきだ。3つすべてが改善すれば、Goldmanの低リスク寄りの見通しは一段と信頼できるものになる。採用と輸出が弱まる一方で効率性が上昇した場合、インドが表面的には守られているように見えても、その背後にはより困難な移行局面が隠れていることになる。