Pew ResearchのAI雇用調査、AIの可能性を上回る世界的な不安を示す
Pew Researchは37か国にまたがる顕著な対立を記録した。人々は、人工知能が生み出す仕事よりも多くの仕事を奪うと予想している。Pew ResearchのAI雇用調査では、調査対象37か国のうち34か国でこの見方が確認された。懸念は雇用にとどまらず、所得格差や、AIが全体として生活を改善するかどうかにも及んでいる。
この国際調査では、2026年2月8日から5月13日にかけて36か国の成人42,151人に質問した。Pewは米国でも別途8,607人の成人を調査し、対象は合計37か国となった。この結果は、急速な自動化に関する近年の警告が公的議論を一段と強める前に得られたものだ。
これは、なじみのない技術に対する不安を切り取っただけの新たなスナップショットではない。AI企業は自社システムを、人間の能力を拡張し、新たな経済機会を生む生産性向上ツールとして提示している。一方で人々は、企業が効率性の利益を得る一方、労働者が置き換えられるリスクを引き受けるという、異なる結果の配分を見ている。
この隔たりこそが中心的な問題だ。人々はAIの有用性を認めながらも、その利益が自分たちに届くとは信じられない。企業と政府がこの懸念に対処しない限り、技術導入は社会的な正当性を得る速度を上回って進み得る。
世界のAI調査が実際に変えたこと
この調査は、自動化への散発的な不安を測定可能な国際的パターンへと変えた。
最も重要な結果は、地理的な広がりにある。調査対象37か国のうち34か国で、回答者はAIが雇用を純減させると予想した。純減とは、この技術によって新たに生まれる雇用よりも、失われる職が多くなることを意味する。
この一致が重要なのは、調査対象国の労働市場が大きく異なるためだ。賃金水準、社会保障、産業構造、デジタル技術への接触度は同一ではない。それでも、人々の期待する方向性は驚くほど一貫している。
調査の報道は、AIが日常生活を改善するか、また所得格差にどのような影響を及ぼすかも検討している。これらの問いは、雇用不安を、利益を誰が支配するのかというより広い懸念につなげている。
AI導入が大規模な失業を生まなくても、こうした不安は行動に影響し得る。労働者は将来が不確実だと考える職業を避けるかもしれない。学生は、影響を受けやすい業務に関連する学位を見直す可能性がある。人員配置への影響を説明せずにシステムを導入する場合、管理職は抵抗に直面し得る。
この結果は、親しみやすさに関する一般的な前提も複雑にする。AIへの認知が高まっても、必ずしも信頼が増すわけではない。人々は、生成AIが文章作成、コーディング、分析、画像、カスタマーサービスで何をできるかを理解するにつれ、しばしば懸念を強める。
その反応は、単純な技術恐怖とは異なる。回答者は、目に見える経済的な提案を評価している。企業は人間の仕事の一部を担うシステムを利用できるが、労働者には、そこで生じるコスト削減への自動的な権利はない。
この調査は公表の数か月前に実施された。そのため、調査後に続いたすべての警告、製品発表、雇用に関する発表を捉えているわけではない。この時期性は結果の重要性を弱めるどころか、むしろ高めている。直近の公的議論の波が訪れる前から、不安はすでに広がっていた。
この調査は、34か国で雇用が純減することを立証するものではない。測定しているのは雇用結果ではなく期待だ。それでも期待は、信頼、購買行動、キャリア選択、労使交渉、政治的圧力に影響を与える。
標本構成は慎重に説明する必要がある。国際調査の対象は36か国の成人42,151人だった。別途実施された米国の標本には成人8,607人が含まれた。調査概要は、37か国にわたる結果を報じる際に、これらの構成要素を明記している。
この区別により、二つの誤解を防げる。この調査は、37か国全体で42,151人だけに聞き取りを行ったわけではない。また、すべての国の人口を完全に同一の抽出プロセスで測定したわけでもない。
Pewの調査結果は、AIをめぐる議論を変える。なぜなら、信頼性に関する問題の規模を示したからだ。業界が説得しようとしている相手は、もはや懐疑的な専門家や労働擁護者だけではない。AIをすでに雇用減少と結び付けている国際的な市民に向き合っている。
Pew ResearchのAI雇用調査が描く信頼の欠如
人々がより懸念しているのは、AIが機能するかどうかではなく、機能した際に誰が利益を得るのかという点だ。
この違いは決定的に重要だ。ある技術は、高性能で広く利用され、経済的価値があっても、不人気であり得る。社会的信頼は、そのコストと利益がどのように分配されるかに左右される。
AI開発企業は生産性を強調する。生産性は、生産量や賃金の増加を支え得るからだ。しかし、その連鎖には技術だけでは決められない複数の判断が含まれる。企業は、節約分を賃上げ、労働時間短縮、新規採用、値下げ、利益率拡大のどれに充てるかを決める。
そのため、労働者は組織上の選択を通じてAIを経験する。アシスタントの利用を求められた従業員は、より良い仕事に充てる時間を得るかもしれない。別の従業員は、経営陣が自動化で不足分を補えると考え、退職した同僚の仕事量を引き継ぐかもしれない。
両方の状況は同じ企業内で起こり得る。そのため、AIが仕事を改善するという広範な約束は評価しにくい。実際の結果は、人員配置方針、職務設計、研修、経営上のインセンティブに左右される。
所得格差に関する問いは、この分配の問題を捉えている。高所得の労働者がAIを活用して自身の価値を高める一方、定型業務の労働者が代替に直面すれば、この技術は既存の格差を拡大し得る。モデル、コンピューティング基盤、データ、流通網の所有は、その隔たりをさらに深める可能性がある。
国際通貨基金は、AIが世界の雇用のほぼ40%に影響を及ぼす可能性があると推計した。労働市場分析によれば、先進国ではその影響範囲は約60%に上昇する。影響を受けることは、対象となるすべての仕事が消えることを意味しない。
影響を受ける仕事の一部は、生産性を高められる。他方で、業務、労働時間、交渉力、あるいは初級職の機会を失う仕事もある。雇用への影響と雇用喪失の区別は不可欠だが、それでリスクがなくなるわけではない。
Pew ResearchのAI雇用調査は、人々が現在この不確実性をどのように判断しているかを測定している。大半の国で、回答者は負の雇用効果が優勢になると予想している。業界の楽観的な語りは、彼らを別の見方へと説得できていない。
理由の一つは、利益が抽象的に見える一方、コストは個人的に感じられることだ。生産性向上は経済全体の概念である。採用の取り消し、フリーランス契約の縮小、自動化されたサポート窓口は、特定の個人に直ちに影響する。
もう一つの理由はコントロールにある。労働者が、自身の業績評価、業務配分、人員配置の判断に使われるシステムを選べることはほとんどない。導入が協議なしに進めば、有用なツールであっても疑念を生み得る。
知識労働者も関連する課題に直面している。AIは調査や下書きを加速できるが、証拠をチャット、文書、アプリケーションに分断する可能性もある。検索可能なナレッジベースを維持することは、自動化ワークフローが増える際に情報源と意思決定を保全する助けとなる。
しかし、個人の整理を改善しても雇用問題は解決しない。労働者は、あらゆる構造変化を個人で補うことはできない。信頼の欠如は、個人の適応力だけでなく、制度的な約束に関わる問題だ。
雇用主は、どの業務が変わるのか、生産性をどう測定するのか、節約された時間が人員数を変えるのかを説明する必要がある。政府には、研修、所得支援、競争、労働者保護について信頼できる計画が必要だ。
こうした詳細がなければ、人々は機会についての約束と、労働コストを削減する明白なインセンティブを同時に目にする。彼らの懐疑はイノベーションの拒絶ではない。不完全な経済的取り決めへの反応である。
AIの生産性に関する約束と職務設計の現実
主な争点は、AIを労働者の能力拡張として使うのか、労働力削減への道筋として使うのかにある。
能力拡張とは、技術が人の既存業務を支援したり、より価値の高い仕事を担えるようにしたりすることだ。代替とは、ソフトウェアが十分な業務を遂行するため、雇用主が必要とする人数が減ることを指す。大半の導入には両方の要素が含まれる。
カスタマーサービスのアシスタントは、人間が難しい案件を確認する間に回答案を作成できる。これは業務レベルでの能力拡張だ。同じチームが新規採用なしに2倍の顧客を処理するようになれば、その組織は将来の労働需要をソフトウェアで代替したことになる。
この二つ目の影響は見落とされやすい。雇用圧力は、必ずしも劇的な一斉解雇によって現れるわけではない。採用の鈍化、欠員の放置、新卒採用枠の縮小、独立した労働者への契約減少という形で現れることがある。
初級職には特に注意を払うべきだ。若手従業員は、調査、要約、文書化、テスト、基本的な制作業務から仕事を始めることが多い。生成AIは、こうした業務の一部を迅速に実行できる。
企業は、若手により複雑な責任を与えることもできる。一方で、経験豊富な従業員がより多くを生み出せるため、初心者の採用を減らすこともあり得る。前者は人材を育てるが、後者は将来の専門家を生むパイプラインを弱めかねない。
国際労働機関は、生成AIへの曝露を、職業全体が自動的に消滅する問題ではなく、主に変革の問題として捉えている。世界雇用指数は、現行システムが実行できる業務に基づいて職業を評価している。
AIが職業を置き換えるかを問うより、業務レベルの分析の方が優れた枠組みを提供する。職業は、異なる知識、説明責任、人間関係、身体的行為を必要とする活動の組み合わせである。現在のシステムが、その完全な一式を引き受けることはまれだ。
それでも部分的な自動化は雇用を再編し得る。ソフトウェアが意味のある割合の業務を担えば、雇用主は残る仕事を中心に職務を再設計できる。また、各従業員により多くの自動化出力を監督させることで、業務負荷を強めることもできる。
この環境では品質管理が中心的な課題となる。生成AIは、自信ありげな誤り、不完全な推論、脆弱なコード、根拠のない主張を生み出し得る。最初の出力を機械が作成した場合でも、最終的な責任は人間のレビュアーに残る。
その責任にはコストが伴う。労働者は、失敗を見抜き、証拠を保存し、いつ自動化を信頼すべきでないかを判断できるだけの理解を持たなければならない。作成時に節約された時間の一部は、検証時に再び必要になる可能性がある。
生産性の測定では、この隠れた労働が見落とされることがある。企業は、修正時間や後工程のエラーを測定せずに、下書きの高速化を数えるかもしれない。顧客が、例外的な問題を解決できる担当者になかなかたどり着けない一方で、処理時間の短縮を称賛することもあり得る。
経済協力開発機構（OECD）も、影響を受けることと即時の代替を区別している。同機関の雇用見通しは、雇用水準に加え、自動化が仕事の質、スキル、交渉力にどう影響するかを検討した。
こうした側面は、社会に広がる不安を説明する一助となる。人々が気にしているのは、単に何らかの仕事があるかどうかだけではない。賃金、安定性、自律性、昇進の機会、そして評価制度が自分たちを公正に扱うかどうかも重要だ。
AIを楽観視する見方には、なお妥当性がある。新たなツールは煩雑な事務作業を減らし、専門知識へのアクセスを広げ、かつてはより大きな予算を必要としたプロジェクトに小規模なチームでも挑戦できるようにする。新しい製品や職業が生まれる可能性もある。
ただし、こうした利益が分配の問題を解決するわけではない。企業は、その価値を労働者と分かち合わずに生産性を高めることができる。業界は成長しても、産出量当たりの雇用人数を減らすことがある。
調査で示された悲観的な見方は、雇用主に対し、観察可能な意思決定を通じて「補完」が実現していることを示すよう求めている。研修予算、社内異動、賃金上昇、安定した採用は、人間の可能性に関する一般論よりも強い証拠となる。
数字だけではまだ分からないこと
この調査は強い期待を捉えているが、AIが雇用にもたらす最終的な収支を決めるものではない。
世論調査が測るのは、特定の時点における人々の認識だ。技術能力を予測したり、将来の雇用創出を算出したりするものではない。回答者はまた、多様なシステムを含み得る広義の「AI」という言葉を解釈している。
ある人はチャットボットを思い浮かべるかもしれないし、自動運転車、産業用ロボット、推薦アルゴリズム、職場監視を想像する人もいる。それぞれの技術が仕事に与える影響は異なる。必要な規制や導入コストも異なる。
国別比較には、さらに不確実性が加わる。回答者は、雇用保護、教育制度、人口構成、主要産業が異なる経済圏で暮らしている。「雇用喪失」の意味も、こうした条件によって変わり得る。
調査の実施時期は、その後の展開より前でもある。注目を集める人員削減、安全上の失敗、生産性向上、新たな規制を受けて、意見は変化し得る。単一の結果を恒久的なものとみなすより、同じ質問を時系列で繰り返す方が有益だ。
したがって、Pew ResearchのAI雇用調査は信頼の指標として読むべきだ。現在、大半の国の人々が雇用への純影響をマイナスと予想していることを示している。ただし、その影響がすでに起きたことを証明するものではない。
労働統計の変化も、製品導入より遅い。企業は数週間でAIを導入できる一方、公式の職業データが変化を明らかにするには数カ月から数年を要することがある。景気循環も因果関係の特定を難しくする。
景気後退期に雇用主が人員を削減した場合、AIは原因の一つかもしれないし、補助的なツールかもしれない。あるいは都合のよい説明にすぎない可能性もある。産出量が増える一方で採用が鈍化するなら、自動化は解雇の数字に表れずとも影響しているかもしれない。
新たな雇用創出を測ることも同様に難しい。AIは、モデル評価、安全対策、データ運用、統合、コンプライアンス、専門サービスへの需要を生み出し得る。日々の業務内容が大きく変化しても、従来と同じ職種名のままである職位もあるだろう。
歴史的な比較がもたらす手がかりには限界がある。過去の技術は特定の業務をなくす一方で、産業を生み出し、生産性を向上させた。しかし、痛みを伴う移行を引き起こし、特定の地域社会を弱体化させ、利益を不均等に分配したこともある。
AIは、多数の業界にまたがる認知的な業務を対象にする点で、過去の多くのツールとは異なる。同じ基盤モデルが、プログラマー、マーケター、弁護士、アナリスト、サポート担当者を支援できる。ソフトウェアとして配布できるため、こうした能力は急速に広がり得る。
それでも、能力が導入を意味するわけではない。組織はデータ制約、統合コスト、法的リスク、セキュリティ要件、信頼性の問題に直面する。多くのデモは、複雑な業務システムの内部よりも、統制された環境で良く機能する。
この調査では、異なる政策の下で回答者が何を受け入れるかも分からない。雇用主が再訓練を保証し、賃金を守り、生産性向上の利益を分かち合うなら、人々はAIをより前向きに見るかもしれない。不透明な自動意思決定を経験すれば、より懐疑的になる可能性もある。
仕事以外の生活に関する不確実性もある。AIは医療研究、アクセシビリティ、教育、翻訳を支援できる一方、詐欺、監視、誤情報のリスクももたらす。回答者はある用途を評価しながら、別の用途を拒むことができる。
こうした組み合わせは、単純な分類が誤解を招くことを意味する。雇用破壊を予想する人が、必ずしも反AIとは限らない。その人はAIを日常的に使いながら、その経済的な影響に対する保護を求めているかもしれない。
懐疑的な解釈も、どちらの方向にも行き過ぎるべきではない。社会の恐れは、大規模な失業が不可避であることを示すものではない。業界の楽観論も、職を失った人々がより良い仕事へ円滑に移ることを保証するものではない。
証拠は、具体的なシステムを実際の人員配置、賃金、産出量、仕事の質に結び付けなければならない。そうした証拠が蓄積されるまでは、自信に満ちた予測よりも透明な報告の方が有用だ。
雇用主と政府はいま、立証責任を負っている
この調査は、労働者だけでは移行を設計できない以上、導入を管理する組織に圧力をかけている。
AI企業は、最も目に見えるコミュニケーション上の課題に直面している。彼らはしばしばモデルをアシスタントや協働者として説明する。しかし顧客がそうした製品を購入する理由の一つは、コスト削減と産出量向上を約束するからだ。
この商業的な論理が、雇用喪失を不可避にするわけではない。ただし、社会への発信では直接語られることの少ないインセンティブを生み出す。一つのチームでより多くの仕事をこなせるようになれば、経営陣は産出量を拡大するのか、それとも労働需要を減らすのかを決めなければならない。
雇用主は、その決定を明確にできる。導入目標を公表し、影響を受ける業務を特定し、労働者と協議し、自動化が人員配置をどう変えるかを報告できる。実験的なプロジェクトと、雇用判断に使われるシステムを分けることもできる。
管理職は、人間によるレビューも守る必要がある。十分な時間や権限を与えずに従業員へAI出力の承認を求めることは、統制のない責任を生み出す。その仕組みでは、経営陣が生産性向上の成果を得る一方で、リスクが下層へ転嫁される。
研修にも同様の精度が必要だ。プロンプトに関する短い講座では、初級レベルの業務が失われつつある職業に備えることはできない。効果的な研修は、組織が実際に維持する予定の職務へ労働者をつなげなければならない。
政府には別の責任がある。人員削減、採用抑制、業務再編を区別できる、迅速な労働データが必要だ。また、雇用喪失が緊急事態になる前に適用できる政策も必要となる。
AIインフラは高価で集中しているため、競争政策も重要だ。少数の企業がモデル、クラウド容量、流通を支配すれば、生産性向上の利益は最も資本力のある企業に蓄積し得る。
教育政策も重要だ。労働者に必要なのは、単一のインターフェースへの習熟だけでなく、幅広いデジタル判断力である。モデル製品は急速に変化する。検証、領域知識、コミュニケーション、説明責任は、ツールをまたいで価値を保つ。
社会的保護も重要だ。経済が最終的に新たな仕事を生み出すとしても、移行には空白が生じる。人々は将来の職業に関する予測で現在の支出を支払うことはできない。給付と再訓練は、移行期にも機能しなければならない。
労働者の代表性も結果を左右する。従業員は、どの業務が安全に自動化でき、どの業務に文脈が必要かをよく理解していることが多い。彼らを参加させることで、疑念を減らしながら導入の質を高められる。
不平等に対する社会の懸念は、こうした対応を形作るべきだ。移行を国全体の産出量や企業収益だけで評価することはできない。賃金分布、仕事の質、地域への影響、研修へのアクセスも同じ評価に含める必要がある。
企業は、AI導入と雇用の関係を比較可能な指標で報告すべきだ。有用な指標には、求人件数、初級職の採用、契約社員への支出、社内異動、労働時間、従業員一人当たりの産出量が含まれる。
単一の指標で議論に決着はつかない。人数が安定していても、仕事量は増える可能性がある。生産性が上がっても、賃金は停滞し得る。新たな職務が生まれても、アクセスが高度な資格を持つ労働者に限られることがある。
それでも透明性は、主張と結果の隔たりを狭めるだろう。労働者、投資家、政策立案者は、「補完」が約束どおり進んでいるかを評価できるようになる。
Pewの調査結果は、自発的な楽観論だけではもはや不十分であることを示唆している。社会の支持を求める組織は、人々が利益をどう分かち合うのか、そして害をどう管理するのかを示さなければならない。
AIによる雇用喪失への世界的な不安を検証する三つのシグナル
議論の次の段階は、採用データ、労働者の成果、繰り返し行われる世論測定によって決まる。
第一のシグナルは、AIの影響を受けやすい職業における初級職採用だ。新卒向け職種、ジュニアの専門職、定型的なデジタル業務は、代替を早期に検証する場となる。これらの仕事には、生成AIが支援または自動化できる業務が多く含まれる。
産出量が安定したまま採用が持続的に減少すれば、調査の悲観的な解釈を強めることになる。職務内容を再設計したうえで採用が安定すれば、補完の見方を支えることになる。研究者は、影響を受けやすい職種を、似た経済条件に直面する職業と比較すべきだ。
第二のシグナルは、生産性向上の利益が労働者に届くかどうかである。賃金上昇、労働時間の短縮、昇進率、雇用主が負担する研修は、人々が価値を共有しているかを示し得る。産出量の増加だけでは、その問いに答えられない。
AI導入とともに賃金と流動性が向上すれば、社会の信頼には改善する理由がある。産出量が増えても報酬と機会が停滞するなら、不平等への懸念はより強い根拠を得ることになる。
第三のシグナルは、今後の調査結果の方向性だ。Pewの調査は37カ国にわたる幅広い基準線を提供している。比較可能な質問を繰り返せば、直接的な経験が恐れを和らげるのか、それともより具体的なものにするのかを明らかにできる。
意識は行動と併せて読むべきだ。労働者や消費者に実質的な選択肢がほとんどない場合、信頼が低下していても導入は進み得る。したがって、利用統計だけで社会的受容を示すことはできない。
34カ国に見られた傾向は、雇用に関する証拠が別の方向を示すまで重要であり続ける。これは、技術の進歩と社会的正当性が別々の軌道を進んでいるという警告を表している。
開発者は、購入者が説明責任を伴う人間のレビューを中心に設計されたシステムを求めるかどうかを注視すべきだ。企業顧客は、モデル性能と並行して人員配置への影響を検討すべきである。労働者は、導入が自らの役割、評価、昇進にどう影響するのかを問うべきだ。
政策立案者は、宿命論と安易な楽観の両方を避けるべきである。AIによる雇用破壊はあらかじめ決まっているわけではないが、より良い仕事への苦痛のない移行も保証されていない。両方の結果を形作る選択を行うのは組織だ。
Pew ResearchのAI雇用調査は、こうしたシステムを導入するすべての組織に実践的な問いを投げかけている。AIが自分たちの将来を良くしていると、労働者を納得させるのはどのような証拠なのか。そうした証拠を公表し、利益を分かち合い、有害な導入を是正することが、信頼できる答えとなるだろう。こうした行動がなければ、社会はAIを、その最も明白だと受け止められている動機――より少ない人員でより多くの仕事をすること――によって判断し続ける。
