Oliver WymanのAI雇用安定性調査、インドの労働者は保護のためなら賃金を削減する用意
Oliver WymanのAI雇用安定性調査によると、就業中のインド人回答者の79%は、AIに代替されない保護のためなら賃金を手放す意向を示した。
回答者は、その保証のためなら給与の少なくとも10%を手放すと答えた。報告書によれば、世界全体で同じ意向を示した就業中の回答者は47%にとどまった。
この差は、インドの結果を抽象的なAI不安の単なる指標以上のものにしている。労働者は、仕事や私生活でAIを急速に導入する一方、雇用の安定に具体的な金銭的価値を与えている。
中心にある対立は、雇用主が期待する生産性と、労働者が自ら負担すると考える雇用リスクの間にある。Oliver WymanはAIが能力余力を生み出すと説明するが、従業員は企業がその一部をチームの縮小に転換すると予想している。
この予想は、実際の雇用代替を測定したものではまだない。公式データにレイオフが現れる前から、導入、定着、ガバナンス、人員計画を左右し得る信頼の問題を示す証拠だ。
Oliver WymanのAI雇用安定性調査、恐怖に価格を付ける
インドの回答者は単にAIへの不安を口にしたのではなく、代替から守られるためなら仮定上の賃金カットを受け入れる人が多数を占めた。
この結果は、Oliver Wyman Forum Global Voices Surveyのインドに焦点を当てた分析に基づく。同組織は、より広範なAI reality checkを2026年10月15日に発表した。
調査には15市場で収集された25,000件超の回答が含まれた。調査は2026年4月と8月の2回に分けて実施された。
Oliver Wymanはまた、2026 CEO Agendaの調査で得た415人の最高経営責任者からの回答も使用した。これらの経営者の回答は、投資、組織変革、AIのリターンに関する幅広い分析に活用された。
注目すべき結果は、インドの就業中回答者に関するものだ。79%は、AIが自分たちを決して代替しないという保証のためなら、給与の少なくとも10%を手放すと答えた。
比較対象となる世界全体の割合は47%だった。全市場では、AIで人を代替しないと約束する雇用主のもとで働くため、回答者の68%が給与の一部を手放す意向を示した。
これらの質問は、交渉された雇用契約ではなく、仮定上の選択を示している。調査に参加した人が、低い給与と法的に執行可能な雇用保証を組み合わせた実際の提示を受けたとは限らない。
それでも、この基準は結果を異例なほど具体的なものにしている。10%の減額を受け入れる回答者は、技術変化への軽い懸念ではなく、相当なコストを認識していることを示している。
報告書はさらに、AIがチームの成果を2倍にした場合に従業員が何が起きると考えるかも尋ねた。労働者は、望ましい結果ではチーム縮小を最下位に置いた一方、予想される結果では首位に置いた。
この逆転は、より深い問題を明らかにしている。従業員は生産性向上の言葉を聞きながらも、多くはそれを、雇用主が最終的にはより少ない人数で済むようになるという警告として解釈している。
Oliver Wymanは、この緊張を、労働者は自分たちが排除されると考える未来を受け入れない、という表現で要約している。調査は、この考えがすでに従業員の報酬と安定性の評価に影響していることを示唆する。
インドの数値は文脈の中で捉える必要がある。公開報告書は世界全体の回答数と対象市場を示しているが、その公開要約にはインドの正確なサブサンプル数は記載されていない。
また、AI関連の代替から恒久的な保護を法的または財務的に提供できる雇用主がどれほどいるかも示していない。この結果は、保証の実現可能性ではなく、仮定上の保証のもとでの選好を測定している。
こうした限界があっても、比較には意味がある。インドの回答者は、より広い国際サンプルよりも著しく強い雇用保護への需要を示した。
この反応は、生活の他の側面でAIに高い熱意を示す結果と並んで現れた。したがって、技術全般への反対として片付けることはできない。
インドのAIによる雇用代替への不安は急速な導入と共存する
インドの結果で際立つのは、恐怖がAI導入に取って代わるのではなく、それと並行して高まっていることだ。
同じ調査によると、インドの回答者の59%は、新しい製品やサービスを探す際、まずAIに相談すると答えた。世界全体の比較値は33%だった。
インドの回答者の10人に6人は、AIの推薦が友人、親族、ソーシャルメディア、オンラインレビューからの助言と矛盾する場合、AIの推薦に従うと答えた。世界全体の割合は32%だった。
さらに81%は、AIエージェントがより適した選択肢を見つけた場合、ブランド変更を検討すると回答した。世界全体では60%が同じ意向を示した。
インドの回答者の72%は、確認せずにAIエージェントに自分のための支出を任せると答えた。対応する世界全体の結果は49%だった。
これらの結果は、消費者の意思決定ツールとしてAIに対する非常に高い信頼を描き出している。同時に、雇用に関する結果を、技術への不慣れとして退けにくくしている。
人々はAIシステムに製品選びを任せながら、同じ技術に関する雇用主の計画を信頼しないことがある。消費者としての導入と職場への信頼は別個の判断だ。
買い物客は悪い推薦を退け、サービスを変更し、購入を見送ることができる。しかし従業員は通常、職務再設計、人員配置の判断、評価指標、自動化目標に対する統制がより限定される。
調査では、インドで毎日AIを利用する人の79%が、職場で自分のAI能力を控えめに見せていたことも判明した。世界全体の結果は62%だった。
この行動は一見矛盾して見える。労働者はAIスキルがキャリアを向上させると聞くことが多いが、雇用主が求めるそのスキルをあえて広く示さない人もいる。
考えられる説明の一つは、防衛的な行動だ。従業員は、より速いAI支援ワークフローを明かせば、仕事量の増加、より高い目標、または必要な同僚が減る証拠につながると懸念するかもしれない。
Oliver Wymanの世界的な調査結果は、すべての回答者に対する説明を証明するものではないが、この懸念を裏付けている。職場でAIを利用する人のうち、AIで節約された時間の配分に関する全社基準があると答えたのは8%にすぎなかった。
さらに54%は、その時間をどう使うかは個人が決める、または明示的な決定が存在しないと答えた。生産性は可視化されるが、その恩恵と帰属は不明確なままだ。
この不確実性は、労働者が改善を非公開にすることを促し得る。数時間を節約した人は、経営陣に職務を再定義させるよりも、その時間を静かに使うかもしれない。
この力学は測定も弱め得る。経営幹部は従業員がAIを利用していることを把握していても、分散した時間節約を売上、サービス品質、運営コストに結び付けられない可能性がある。
Oliver Wyman Forumの最高経営責任者であるJohn Romeoは、企業の財務結果を通じてこの問題を説明した。AIは能力余力を生み出すが、その能力をどう使うかを決めなければならないのはリーダーだと彼は論じた。
労働者にとって、未解決の問いはより個人的だ。新たな能力余力はより良い仕事の余地を生むのか、それともより少ないポジションを正当化する理由になるのか。
賃金を安定と交換する意向は、この問いへの一つの答えを示している。多くの回答者は、AI主導の生産性に伴う不確かな上振れよりも、明確な雇用への約束を重視している。
生産性向上の約束はチーム縮小の予想と衝突する
雇用主はAIを能力拡張として提示する一方、多くの労働者はその成果が人員削減を支えると予想している。
能力拡張とは、役割をなくすのではなく、技術を使って人の能力を広げることを意味する。代替とは、業務、責任、または職務全体を人から自動化システムへ移すことを指す。
ほとんどの職場導入には両方が含まれる。AIアシスタントは下書き時間を短縮しつつ、判断、説明責任、顧客関係を従業員に残すことができる。
企業が生産性について語るとき、このバランスは政治的に重要になる。割合で示される改善は投資家には魅力的に映るが、労働者はすぐに、誰がその恩恵を受けるのかを問う。
従業員は、短い労働時間、より高い報酬、より良い業務、顧客に割く時間の増加を得るかもしれない。一方、雇用主は成果への期待を引き上げ、採用を抑制し、役割を廃止するかもしれない。
Oliver Wymanは、望ましい結果と予想される結果の間に大きな差があることを見いだした。従業員は、成果が2倍になった場合の使い道を選ぶ際、人員削減を最下位に置いた。
しかし雇用主の反応を予測する際には、チーム縮小を首位に置いた。望まれる結果と予想される結果のこの差が、本稿の主要な対立である。
それは管理職にも圧力をかける。リーダーは、雇用への影響を意図的に曖昧にしたまま、従業員にオープンな実験を求めることはできない。
明確なコミュニケーションだけで問題は解決しない。労働者は企業の言葉を、採用判断、再編計画、業務量の変化、昇進機会と比較するだろう。
調査では、経営陣が明確なAIの目標を定め、進捗を伝えていると考えたホワイトカラーの経営幹部は37%にとどまった。非管理職で同意したのはわずか11%だった。
この隔たりは、従業員と上級リーダーが同じプログラムを異なる形で経験していることを示唆する。経営幹部はポートフォリオ、予算、パイロット、戦略目標を見る。
個人貢献者は、特定のワークフローに新しいツールが入ってくるのを見る。また、未補充の欠員、消える初級業務、変化する成果への期待も目にする。
中間管理職は、こうした視点の間にある難しい位置を占める。上級計画が答えていないかもしれない質問に対応しながら、新しいシステムを実装しなければならない。
研修の経路も変化している。中間管理職以上のホワイトカラー回答者の74%は、かつて若手従業員の訓練に使われていた業務をAIが担っていると答えた。
インドでは、ホワイトカラー管理職の45%が、若手従業員が以前学んでいた業務の多くをAIが実行していると答えた。世界全体の比較値は25%だった。
この変化は、より静かな形の代替を生み出す。企業は既存の人員を維持しながら、新たな労働者が経験を得る経路を弱める可能性がある。
初級レベルの業務には、下書き、調査、文書化、分析、定型的な顧客支援が含まれることが多い。これらの業務は、後により判断を要する責任を担うために必要な文脈を提供できる。
AIがそれらを吸収するなら、企業には代替となる研修モデルが必要だ。そうでなければ、現在の専門性を維持する一方で、将来の専門家や管理職を生み出すパイプラインを縮小するリスクがある。
より広範な報告書では、毎日AIを利用する人の80%が、管理職から学ぶのと少なくとも同程度にAIから学んだと回答した。47%はAIからより多くを学んだと答えた。
この結果は、労働者が不安を抱えながらも技術を導入し続ける理由を示している。AIは有用な指導者であると同時に、潜在的な代替者としても機能し得る。
したがって、緊張関係は人間対機械ではない。雇用主による能力拡張の約束と、労働者による人員削減の予想との間にある。
AI職場不安は現実だが、代替の証拠はなお入り混じっている
給与を犠牲にする意向は認識されたリスクを測るものであり、AIがなくした雇用の数を示すものではない。
調査回答は、労働市場の結果より先に動くことがある。また、報道、雇用主のメッセージ、個人のAI利用、より広い経済的不確実性を反映することもある。
Stanfordの研究者による最近の雇用喪失に関する研究は、重要な対照材料を提供している。同研究は米国における労働者の認識、AI導入、求人、レイオフを検証した。
研究者らは、2026年上半期までに米国の労働者の30%から40%が生成AIを利用していたと推定した。平均的な労働者は、2年以内にAIによって職を失う確率を20%と認識していた。
しかし、この調査では、AIの影響をより受けやすい職種において、求人件数やレイオフに統計的に有意な反応は見られなかった。これらの指標では、恐怖が観測可能な雇用代替を先行していた。
研究者らは、利用の強度が高まるほど懸念も増すことを明らかにした。プログラミングを含む中核的な職務機能にAIを適用する人々の間でも、懸念はより強かった。
このパターンは、インドでの調査結果に見られる矛盾と似ている。技術への理解が深まるほど、その有用性が明らかになる一方、代替される可能性も想像しやすくなる。
Boston Fedの調査も、個人の懸念と業界全体で予想される混乱を区別している。
同機関の労働者調査では、2025年末時点でAIによって自分の仕事を失うことを恐れていた人は10%をわずかに上回った。この割合は、1年前の5%からほぼ倍増していた。
一方で、60%は自分の業界全体でAI関連のレイオフや雇用減少が起きると予想していた。労働者は混乱を起こり得るものと捉えつつ、自身の立場は比較的安全だと考えることが多い。
同じ調査は、AIが個別のタスクを置き換えても、職業全体をなくすとは限らないことを示した。テクノロジーが仕事の一部を担うことで、従業員の生産性が高まる可能性がある。
このタスク単位の見方は、現在の雇用データと労働者の不安が乖離し得る理由の説明に役立つ。職業そのものは維持されても、必要な人員、キャリアの階段、日々の責務は変化し得る。
Oliver Wymanの調査結果も、非常に強い表現を伴う仮定上の保証に依拠している。代替されない恒久的な保護は、通常の雇用契約では取り除けない不確実性を排除する。
したがって、回答者はより広い意味での予測可能性を評価している可能性がある。回答には、レイオフ、スキルの陳腐化、昇進の停滞、目標水準の上昇、望まない役割変更への不安が含まれている可能性がある。
それでも、提示された条件には最低10%の給与削減が求められるため、正確な文言は重要である。この結果は、多くのインド人回答者にとって不確実性が高い心理的コストを伴うことを示している。
これは、79%が直ちに失職すると予想していることを示すものではない。また、条件を確認した後に実際の契約を受け入れることを示すものでもない。
国際比較にも同様の慎重さが必要である。給与、労働保護、家計の貯蓄、インフォーマル雇用、キャリアの流動性は、市場ごとに大きく異なる。
10%の賃金削減がもたらす家計への影響は、どこでも同じではない。雇用保障の約束の信頼性も、法制度によって一様ではない。
公開資料には、インド固有の割合に対する誤差範囲も示されていない。読者はこの数字を精密な予測ではなく、強い意識のシグナルとして捉えるべきだ。
それでも、独立した研究は懸念の方向性を裏付けている。複数の市場で、労働者はAIが雇用を減らす、あるいは業界の構造を変えると考える傾向を強めている。
未解決の問題は速度である。入手可能な証拠は、急速なタスク導入、不安の高まり、ワークフローの変化を示しているが、経済全体で直ちに雇用が消滅することを裏付ける証拠は少ない。
ガバナンスの問題が導入を信頼の試練に変える
この調査は、雇用不安を第二の問題、すなわち従業員によるAI導入の速度が組織のガバナンス整備を上回っていることと結び付けている。
インドの職場でAIを利用する人の73%は、機密性の高い会社情報をAIツールに入力したと回答した。世界全体との比較では50%だった。
機密情報には、社内文書、顧客の詳細、戦略資料、独自データなどが含まれ得る。公開された要約では、各回答者が具体的にどの情報を入力したかは明記されていない。
また、インドの回答者の62%は、AIが生成した不正確な情報が前年中に実際の問題を引き起こしたと回答した。世界全体では46%が同様の経験を報告した。
これらの数値は、従業員がAIを遠くから眺めているだけではないことを示している。不確かなルールや既知の信頼性の問題があるにもかかわらず、多くの人が重要なワークフローでAIを利用している。
幅広い調査報告では、承認済みのAIにアクセスでき、明確なガバナンスがあり、日常的なソフトウェアに統合されている場合、報告される生産性がより高かった。こうした条件下では、利用者の88%が生産性の向上を報告した。
こうした条件がほとんど整っていない場合、向上を報告したのは52%だった。ガバナンスは、単に導入を制約するのではなく、導入を支えるものとみられた。
ただし、ルールは逆効果にもなり得る。組織の方針が厳しすぎると考えた従業員の63%は、未承認のAIツールを利用していた。
従業員がアプローチを適切だと考えた場合の割合は38%だった。過度な制約は需要を減らすことなく、活動を承認済みシステムの外へ押し出す可能性がある。
これは難しい経営課題を生む。組織には安全策が必要だが、その安全策はそもそも労働者がAIを使う理由に対応していなければならない。
雇用不安はコンプライアンスを複雑にする。透明性が自らの立場を脅かしたり、業務量を増やしたりすると考える場合、従業員は効果的なワークフローの開示を避けるかもしれない。
その結果、企業は生産性向上とデータリスクの両方を把握できなくなる可能性がある。公式のAIプログラムが一つの物語を語る一方、非公式な利用が別の現実を生み出す。
したがって、信頼は業務上のインフラとなる。労働者には、節約された時間、業績評価、データの取り扱い、自らの役割の将来について、信頼できる答えが必要だ。
AIが従業員を支援するという一般的な声明だけでは不十分である。チームには、どのタスクを自動化でき、どの判断を人間の管理下に残すかを定めるルールが必要だ。
また、不正確な出力に対するエスカレーション経路も必要である。エラーが顧客、規制対象の判断、独自情報に影響する場合、人によるレビューは実質的なものでなければならない。
企業は、生産性向上の利益をどのように共有するかを定義すべきである。選択肢には、サービス改善、滞留案件の削減、新製品、研修時間、より管理しやすい業務負荷が含まれる。
こうした選択は雇用を保証するものではない。しかし、AIプログラムにコスト削減以外の目的があるかどうかを、従業員が判断できるようにする。
労働者にも一定の主体性はある。personal knowledge systemを構築することで、ツールや役割が変化しても、文脈、意思決定、専門性を保持できる。
ただし、この実践によって雇用主から責任を移すべきではない。組織は導入、業績管理システム、人員配置、職場データへのアクセスを管理している。
インドの調査結果は、導入がこうした制度上の選択を上回った場合に何が起きるかを示している。従業員はAIを幅広く利用する一方で、その結果から自らを守るための保護に価値を付けている。
雇用主と労働者が次に注視すべきこと
次の段階は、導入統計だけではなく、人員配置の決定、キャリア開発、実行可能な労働力への約束を通じて評価されることになる。
最初のシグナルは、大手雇用主がAIによって生まれた余力に関する明確な方針を公表するかどうかである。こうした方針では、より少ない時間で同じ仕事を完了できるようになった場合に何が起きるかを説明すべきだ。
節約分を成長、サービス品質、業務負荷の軽減へ振り向ける方針は、自動的な人員削減への期待を弱めるだろう。沈黙はその期待を強める。
二つ目のシグナルは、初級レベルの採用と研修である。Oliver Wymanの結果は、AIがすでにジュニア従業員の育成に伝統的に使われてきたタスクを実行していることを示している。
雇用主は、見習い制度、レビュー、監督下での業務、昇進がどのように変わるかを開示すべきである。研修パイプラインの縮小は、雇用代替への懸念をより具体的なものにするだろう。
一方で、再設計されたパイプラインは、代替ではなく補完の方向を示す可能性がある。ジュニア従業員はAI出力を監督し、より早い段階で顧客と関わり、判断が重視されるタスクで体系的な実践経験を得られるかもしれない。
三つ目のシグナルは、発表されたレイオフと測定された労働市場の変化との差である。企業の声明は通常、再編の理由を複数挙げるため、AIの寄与を切り分けることは難しい。
研究者には、職種別の採用、求人、賃金、離職に関するデータが必要になる。職務内容が変わっても職種名は安定し得るため、タスクへの露出が重要である。
Stanfordの調査結果は現在、米国で広範な即時の雇用代替が起きているという主張を弱めている。AIへの露出が大きい職種で需要が低下する将来の証拠は、インドで捉えられた労働者の懸念を強めるだろう。
逆に、タスクの構成が変化する一方で採用が安定していれば、再編という解釈を支持することになる。AIは予測された規模で雇用をなくすことなく、仕事を大きく変えるだろう。
労働者は、企業がAIの習熟度をどう報いるかも注視すべきである。より高いスキルが、より良い報酬や昇進を伴わずに高い目標だけを生むなら、従業員は有用な実践を隠し続けるだろう。
AIの習熟がより強い流動性とより良い業務配分につながるなら、オープンであることはより合理的になる。インセンティブ設計は、導入が非公式なままか、組織的な知識となるかを左右する。
雇用保障の約束も精査に値する。AIで人を置き換えないという包括的な誓約は安心感を与えるように聞こえるが、いくつかの未解決の問題を隠している可能性がある。
その約束は、契約社員、欠員、外部委託の役割まで対象にするのか。レイオフを防ぐのか、それともAIを理由として挙げることだけを禁じるのか。
特定の職務、社内のどこかでの雇用、あるいは再研修の一定期間だけを保護するのか。詳細によって、労働者が本当の保護を受けられるかが決まる。
政府や労働組織も、この議論に加わる可能性がある。すべての職務記述書を固定しようとせずに、協議、透明性、研修、影響評価を求めることができる。
こうした介入には独自のトレードオフもある。過度に硬直したルールは有益な導入を遅らせる可能性があり、弱いルールは従業員が自ら生み出していない不確実性を背負うことになる。
インドは、テクノロジーを活用し、世界向けに提供される仕事を数多く含むサービス経済を持つため、特に重要な役割を担う。これらの役割はAIの恩恵を受ける一方で、タスク単位の自動化に直面し得る。
Oliver WymanのAI雇用保障に関する結果は、この二重の露出を捉えている。回答者はAIを幅広く使う用意があるように見える一方、導入によって自らが不要になることはないという保証を多くの人が求めている。
雇用主は今、生産性に関する主張を信頼できる労働力計画へ転換する必要がある。それは、節約された時間の行方を公表し、研修経路を守り、人員数以外の成果を測定することを意味する。
労働者も同様に具体的な質問をすべきである。どのタスクが変わるのか、誰が自動化された出力をレビューするのか、業績目標はどう変わるのか、役割が縮小する人々には何が起きるのか。
79%という数字は、インドの労働者の5人に4人が職を失うという予測として読むべきではない。これは、認識されている交渉力に関する警告として読むべきだ。
従業員は、収入の意味ある割合を支払ってでも、安心を得る価値があると考えている。その信念は、雇用代替が現れる前から、定着率や職場での行動に影響を与え得る。
決定的な試金石は、次の調査でより高い割合が示されるかどうかではない。雇用主が、AIによって生まれた余力を、その余力を生み出す人々にとって有益かつ可視的なものにできるかどうかである。
人員が減る一方で生産量が増えるなら、調査の背後にある恐怖は先見の明があったように見えるだろう。企業がキャリアを守り、研修を再構築するなら、給与を差し出す意向は後退するかもしれない。
現時点では、あらゆる職場AIの提案は一つの実務的な質問に答えるべきである。テクノロジーによってチームの生産性が高まったとき、従業員は何を得るのか。
