Steve Hanke、大規模なAI雇用破壊の予測に異議

Steve Hankeは、経営者や研究者が自動化によってホワイトカラー職が失われると繰り返し警告するなか、大規模なAIによる雇用破壊の予測に異議を唱えた。Google Newsで取り上げられたこの経済学者の主張は、AIが業務を遂行できるかどうかから、企業がAIを中心に職務全体を採算が取れる形で再編できるかどうかへと議論の焦点を移している。

この違いは重要だ。モデルはメールの下書き、会議の要約、ソフトウェアコードの生成ができても、最終成果に責任を負う従業員を置き換えるとは限らない。大半の仕事は、定型業務に加え、判断、説明責任、身体的活動、人間関係、そしてソフトウェアが確実には利用できない知識を組み合わせている。

Hankeの見解は、一部のテクノロジー業界リーダーによる、はるかに悲観的な予測と対照をなす。Anthropic CEOのDario Amodeiは、AIが多くの初級ホワイトカラー職をなくす可能性があると警告しており、労働研究者も若年層の労働者への初期的な圧力を指摘している。もはや争点は、AIが仕事を変えるかどうかではない。業務の自動化が大量失業へと転じるかどうかだ。

Steve HankeがAI雇用について実際に主張していること

Hankeの論点は、AIが雇用にまったく影響しないという主張ではなく、経済が適応するという議論として捉えるのが最も適切だ。

Hanke interviewによれば、Johns Hopkins Universityの経済学者であるHankeは、AIが大規模な雇用破壊者になるとは予想していない。この立場は、モデル能力の向上が恒久的な失業へと直結するという単純な因果関係を退けるものだ。

その連鎖に欠けている要素は需要である。技術によって何かを生産するコストが下がれば、顧客はしばしばそれをより多く購入する。企業は生産量を拡大し、サービスを改善し、新製品を投入し、あるいは従来はコストが高すぎた業務へ従業員を振り向けられる。

生産性とは、一定量の労働から労働者がどれだけの成果を生み出すかを示す指標だ。AIが生産性を高めれば、企業はより少ない労働時間で同じ成果を生み出せる。また、その時間を使って顧客を増やし、品質を改善し、別の市場へ進出することもできる。

最終的な雇用への影響は、どちらの反応が優勢になるかに左右される。企業が生産量を一定に保つ場合、コスト削減は労働需要を減らす。低コストによって十分な追加需要が生まれる場合、事業拡大は需要を増やす。

だからこそ、デモ動画だけで雇用をめぐる議論に決着をつけることはできない。モデルが一つの課題を完了したとしても、顧客がどう反応するか、企業がどれほど速く導入するか、その後にどのような新しい仕事が生まれるかは示されない。

組織の動きは、モデル開発者よりも遅い。企業はAIを信頼できるデータに接続し、レビュー手順を定め、従業員を教育し、セキュリティを管理し、誤りへの責任を割り当てなければならない。こうした制約が、技術的能力と経済的に有用な自動化を分けている。

カスタマーサポートのモデルは分かりやすい例だ。返信案の提示やポリシー文言の検索によって、担当者一人がより多くの会話を処理できるようになる。それでも企業には、例外対応、怒った顧客のなだめ、返金の承認、結果への責任の引き受けを担う人が必要だ。

同じパターンはソフトウェア開発にも見られる。コーディング支援ツールは関数やテストを生成できるが、エンジニアは何を構築するかを決め、依存関係を確認し、顧客データを保護し、導入後もシステムを維持しなければならない。コード生成が速くなることで、レビューや統合作業がむしろ増える可能性さえある。

こうしたことは、雇用が安定したままであることを保証しない。ソフトウェアが十分な業務を吸収し、需要が伸びなければ、企業は職を削減できる。より強い主張は限定的だ。業務レベルの自動化が、職業レベルでの消滅を自動的に生むわけではない。

この考え方は、技術変化の長い歴史に沿っている。機械化は特定の活動に必要な労働を減らす一方、補完的な役割、より大きな市場、そしてまったく新しい産業を生み出してきた。それでも移行は、特定の労働者、地域、年齢層に損害を与えた。

この区別は、楽観論が無頓着さへ変わるのを防ぐ。経済が大量失業を回避しても、何百万人もの人々が解雇、交渉力の低下、困難なキャリア変更を経験する可能性がある。経済全体の回復力は、すべての労働者を守るものではない。

したがってHankeの介入は、問いそのものを変える。モデルが人間の仕事をこなせるかではなく、企業が職を削減しているのか、採用計画を変えているのか、生産量を拡大しているのか、あるいは職務を再設計しているのかを問うべきだ。

こうした結果には労働市場の証拠が必要となる。能力ベンチマークだけでは、それを示せない。

Google Newsでの議論が職業全体ではなく業務に関するものである理由

Hankeを支持する最も強い証拠は、AIへの曝露とAIによる完全な代替を区別している。

International Labour OrganizationとポーランドのNASKによる2025年の調査では、世界の4人に1人の仕事が生成AIに何らかの形で曝露していることが示された。しかし研究者らは、代替よりも変革が起こる可能性が高いと結論づけた。

ILO jobs indexは、AIの影響を受けるすべての仕事を同程度に自動化可能とみなすのではなく、職業内の業務を評価している。この手法は、職場におけるリスクをより有用に描き出す。

仕事とは複数の活動の束である。事務職の従業員は、会議の予定調整、文書の作成、例外的な依頼の解釈、機密情報の保護、複数の人の調整などを担うかもしれない。生成AIは、こうした活動の一部を他より容易に処理できる。

曝露は、AIが関連業務を支援または実行できるかを測るものだ。雇用主が技術を導入すること、それが確実に機能すること、あるいは職務全体が消えることを証明するものではない。

ILOの研究者らは、現在の生成AI能力に基づいて業務に自動化スコアを付与した。その結果、大半の職業には依然として人間の関与を必要とする活動が含まれることが分かった。言語モデルはテキストベースで構造化された業務を数多く処理できるため、事務作業は特に曝露度が高いままである。

性別と地域もリスクに影響する。高所得国では、ILOは女性の雇用の約10%が、最も高い自動化可能性を持つ職業に属しているとした。男性の同等の割合は3.5%だった。

この差は労働者の技術力の差ではなく、職業の集中を反映している。多くの先進国では、女性が事務・管理職に占める割合が高い。こうした職種には、現在のモデルが再現できる業務がより多く含まれている。

この知見は、安心感を与える見出しを複雑にする。AIは、経済全体の失業を引き起こさなくても、不均衡な損害をもたらし得る。特定の人口集団を多く雇用する職業に、集中的な圧力をかけることができるからだ。

変革は、職業を消滅させずに人員を減らす場合もある。従来20人を必要とした部門が、AIを使って15人で運営できるようになるかもしれない。職種名は残るが、採用は減り、業務量は変化する。

初級レベルの雇用にも別の脆弱性がある。若手労働者はしばしば、調査、下書き作成、書式設定、文書化、基礎分析からキャリアを始める。こうした業務は、上級の責任を担うために必要な文脈を学ぶ助けとなる。

AIがこれらの業務を吸収すれば、雇用主は人材育成の問題に直面する。今日の若手採用を減らすことはできるが、その判断は後に経験豊富な労働者の供給源を弱める可能性がある。

企業は、初期キャリアの役割をなくすのではなく再設計することで対応するかもしれない。若手アナリストは、データの収集に費やす時間を減らし、仮定の検証、関係者への聞き取り、調査結果の説明により多くの時間を使えるようになる。

こうした再設計には、意図的な管理が必要だ。AIサブスクリプションが利用可能になっただけで起こることではない。

労働者には、意思決定の背景となる情報へのアクセスも必要だ。パーソナルナレッジシステムは、AIによって日常の責任が変化するなかでも、会議の文脈、文書、過去の業務を保持する助けになる。検索可能なAI knowledge baseは、雇用主がどの業務を自動化すべきかを決めることなく、その継続性を支援する。

業務という枠組みは、Hankeの主張に最も強い根拠を与える。大半の仕事には、一つのモデルが完全に吸収するには多すぎる多様性、暗黙知、説明責任が含まれている。

しかしこの枠組みは、圧力が最初に到来する場所も示している。定型的なデジタル業務はより速い自動化に直面する一方、人間中心の活動や身体的活動は依然として置き換えにくい。

したがって、この議論に接したGoogle Newsの読者は、「雇用への曝露」を慎重に扱うべきだ。それはAIとの接点を示すものであり、解雇通知を保証するものではない。結果は、雇用主が残る仕事をどのように再編するかに左右される。

本当の争点は雇用破壊か雇用再設計か

Hankeの楽観的な見方が成り立つのは、企業が生産性向上をすべて人員削減の目標として扱うのではなく、仕事を拡大するために活用する場合に限られる。

企業は中立的な環境でAIを導入するわけではない。経営者はコスト削減、利益率の維持、高価な技術投資が収益を生むことの投資家への証明という圧力にさらされている。新市場を開拓するよりも、職を削減する方が早く目に見える成果を示せる。

このインセンティブは、雇用破壊の議論を強める。AIが職業全体を自動化できない場合でも、企業は部分的な自動化と業務の集約を組み合わせられる。すると、残る従業員がシステムで処理できない業務を引き受けることになる。

もう一つの選択肢は雇用再設計だ。雇用主は責任を異なる形で分担し、レビューの役割を新設し、サービス提供能力を拡大し、AI支援プロセスを監督できるよう労働者を訓練する。この道筋は、生産量を高めながら雇用を維持できる。

どちらの結果も技術から自動的に生じるわけではない。経営戦略、顧客需要、労働供給、規制、競争圧力が結果を形作る。

World Economic Forumのjobs forecastは、この二つの方向性を示している。同機関の2025年報告書は、2030年までに世界で1億7,000万の新たな役割が生まれ、9,200万の役割が置き換えられると予測した。これは7,800万の職の純増となる。

これらの数字は、AIだけでなく複数の構造的要因を対象としている。人口動態の変化、エネルギー移行、経済状況、より広範なデジタル導入はいずれも予測に影響する。

それでも、この推計は中心的な対立を捉えている。大規模な置き換えと雇用の純増は同時に起こり得る。職を失う労働者が、新しい職に求められる地域、経験、技能を必ずしも備えているとは限らない。

職を失った事務アシスタントが、すぐにAIエンジニアになるわけではない。訓練には時間、収入、機会、そして直接的な経験のない人を採用する意思のある雇用主が必要だ。

地理的条件も別のミスマッチを生む。新たなデータセンター、エネルギー、技術関連の職は、自動化を経験するオフィスとは異なる地域に現れる可能性がある。国全体の雇用が増えても、特定の地域社会は安定した仕事を失うかもしれない。

総数と同じくらい時期も重要だ。企業が迅速に職を削減する一方で、新産業の採用が遅ければ、労働者は数年にわたる失業や収入減を経験し得る。2030年に好ましい結果となっても、2027年の苦痛を伴う移行が消えるわけではない。

雇用形態も重要です。予測可能な勤務時間のない新たな契約職は、必ずしも給与所得者としての安定を代替するものではありません。雇用数だけを数えていては、賃金、福利厚生、交渉力の変化を見落としかねません。

Hankeの主張は、マクロ経済の観点で最も強い説得力を持ちます。新技術は一般に生産コストを下げ、投資を促し、補完的な需要を生み出します。経済は、自動化を待つ固定的な業務の集合体ではありません。

その弱点は分配の水準で現れます。市場は新たな機会を生み出しても、調整コストを負担した同じ労働者にその機会が届くとは限りません。

この緊張関係があるため、モデル開発者よりも企業への圧力が強まります。AI研究所は能力を示せますが、その能力が労働者を支援するのか、それとも代替するのかを決めるのは雇用主です。

投資家は宣伝文句ではなく、事業運営の指標を見るべきです。従業員1人当たりの売上高は、労働者の生産性が向上したためにも、人員を削減したためにも、あるいはその両方によっても上昇し得ます。

顧客もこの均衡に影響を与えます。コスト低下がサービス改善や価格低下につながれば、需要は拡大し得ます。企業がサービス品質を下げながら節約分をすべて抱え込むなら、生産性向上は同じ経済的反応を生み出しません。

したがって最も重要な争点は、人間の知能と機械の知能の対決ではありません。拡大か、収奪かです。

拡大とは、AIを用いてより多くの価値を生み、満たされていない需要に応え、補完的な仕事を創出することです。収奪とは、組織の目標を変えないまま、主として人件費を削減するためにAIを使うことです。

Hankeの予測は、代替による影響を相殺できるほど頻繁に拡大が勝ることに依存しています。今後数四半期で、企業行動がこの前提を支えるかどうかが明らかになるでしょう。

楽観的なAI雇用論が解決していないこと

雇用の黙示録を回避できたとしても、賃金の低下、求人の減少、キャリアを始める人々にとってより厳しい市場を防げるわけではありません。

雇用は労働市場の健全性を測る一つの指標にすぎません。労働者は雇用を維持していても、昇給が小さくなったり、責任が増えたり、仕事の評価方法に対する統制を失ったりする可能性があります。

近年の研究は、こうした目立たない影響にますます焦点を当てています。企業は、生産性向上の利益の大半を、報酬や労働時間の短縮として分配するのではなく、利益率の上昇という形で取り込むことができます。

賃金への圧力は特に見つけにくいものです。雇用主が、AIによって従業員の交渉力が低下したと公表することはほとんどありません。変化は、昇給の鈍化、提示額の縮小、競合する求人の減少として現れます。

採用凍結も同様の測定上の問題を生みます。企業は、AIによるレイオフと表現せずに、自然減によって規模を縮小できます。既存の従業員は残りますが、退職者は補充されません。

このパターンは新卒者にとって重要です。彼らは雇用の継続ではなく、新たな求人に依存しています。失業率という表面的な指標が安定していても、初級職市場は悪化し得ます。

したがってHankeへの重要な反論は、雇用総数だけでなく、分配とタイミングに関わります。AIは大規模な雇用喪失を起こさなくても、労働者から所有者へ所得を移転させる可能性があります。

また、監視を強化する可能性もあります。成果を記録し、やり取りを採点し、人員配置の判断を推奨するソフトウェアは、誰かを置き換えなくても労働者の自律性を弱め得ます。

品質リスクも別の制約を加えます。生成AIシステムは、ときに自信に満ちた表現で誤った情報を出力します。誤りが金銭、健康、法的権利、セキュリティ、公共の安全に影響する領域では、人間によるレビューが不可欠です。

レビュー業務にもコストはかかります。従業員は、誤りを認識し、不確かな出力を調査し、最終判断を記録できるだけ、その主題を理解していなければなりません。生成が高速化すれば、検証を要する資料の流れが増える可能性があります。

責任も容易には自動化できません。モデルは法的責任を負うことも、組織の意図について証言することも、損なわれた顧客関係を修復することもできません。企業は依然として、重要な判断の背後に責任を負う人を必要とします。

ILOの職場分析は、技術の影響が導入の選択に左右されることを強調しています。社会的対話、研修、労働者保護は、変革が雇用の質を高めるかどうかに影響します。

こうした安全策は、市場の適応だけで良い結果がもたらされるという考えに疑問を投げかけます。労働者の交渉力には差があり、企業は計画中の自動化について従業員より多くの情報を持っています。

中小企業には別の制約があります。高性能なAIツールを利用できても、専任のセキュリティチーム、整備された社内データ、大規模な評価に割く時間を持たない企業は少なくありません。統制されたテストで技術が優れた性能を示しても、導入は浅い段階にとどまるかもしれません。

大企業は資本と専門人材を持つため、一部の領域ではより速く動けます。しかし、レガシーシステム、調達ルール、規制上の義務が、企業規模での導入を遅らせる可能性があります。

こうした違いにより、国全体に関する予測は不確実になります。AI導入が、すべての企業と職種で同じ速度で進むことはありません。

モデルの信頼性も急速に変わり得ます。推論能力の向上、運用コストの低下、より強力なエージェントシステムによって、より深い自動化が経済的に可能になるかもしれません。現在のタスク境界は恒久的なものではありません。

慎重な結論は、Hankeが誤っているということではありません。彼の立場は、大規模な純雇用破壊という一つの結果を扱っている一方で、労働者はいくつもの別の形の圧力を経験する、ということです。

最ももっともらしい短期シナリオは、生産性向上に選択的なレイオフ、採用削減、大幅な職務再設計、不均一な賃金への影響が組み合わさるものです。この組み合わせは失業危機ほど劇的には見えませんが、それでも注目を要します。

Google Newsの報道は、この複雑さを対立する見出しに平板化しがちです。一方はAIが仕事をなくすと主張し、他方は繁栄を生んだ過去の技術を引き合いに出します。

どちらの枠組みも、実務上の中間領域を見落としています。雇用主は個別のワークフローを自動化し、新たなボトルネックを発見し、人員配置を調整し、その過程を繰り返します。労働市場への影響は、一つの決定的な出来事ではなく、数千の意思決定を通じて蓄積していくでしょう。

キャリア初期の労働者が最も大きなリスクを負う

最大の差し迫った脅威は、すべてのオフィス職が消えることではありません。キャリアラダーの最初の一段が失われることです。

初級レベルの業務は、予測可能なデジタル作業を含むため、自動化しやすく見えがちです。若手従業員は文書を要約し、最初の草案を作成し、基本的な調査を行い、記録を更新し、定型的なコードを書きます。

こうした業務は研修の役割も果たします。労働者は組織内の用語、顧客の期待、よくあるミス、経験豊富な同僚の判断に触れることができます。

学習プロセスを置き換えずに業務だけを取り除けば、隠れたコストが生じます。企業は今日の時間を節約できますが、明日のシニア職に備えた人材の層を薄くします。

マネージャーは、AI出力のレビューが同じ成長をもたらすと考えることはできません。効果的なレビューには、正しい答えに何が含まれるべきかというメンタルモデルが必要です。初心者は、仕事を自ら生み出すことを通じても、そのモデルを構築します。

これは経験のパラドックスを生みます。雇用主はAIを監督できる労働者を求めますが、労働者がそれを信頼性高く判断するには、先に実務経験が必要です。

組織には、この問題に対処する方法がいくつかあります。体系化されたローテーションを維持し、従業員に自動化された出力の説明を求め、若手人材を顧客対応や部門横断の業務に配置できます。

生産量そのものではなく、学習を測定することもできます。モデルが最初の版を下書きする場合でも、従業員はエラーを記録し、情報源の質を改善し、最終的な提言を擁護できます。

こうした実践には投資が必要です。目先の節約だけに注力する企業は、代替となる研修制度を構築する前に、若手採用を減らす可能性が高いでしょう。

リスクは専門サービスを超えて広がります。カスタマーサポート、マーケティング、会計、ソフトウェア開発、法務オペレーションはいずれも、労働者を定型業務から判断力を要する責任へと移行させる人材パイプラインに依存しています。

徒弟制度モデルが過去の技術革新を乗り越えてきたのは、業界が依然として経験豊富な人材を必要とするためです。AIは、企業が初期段階への投資を怠りながら、後期段階が継続することを期待する可能性を高めます。

教育機関も圧力に直面しています。モデルが汎用的なエッセイや基本的なコードを即座に生成できる時代には、学生にそれらを作らせるだけでは価値が下がります。プログラムは、検証、専門知識、問題設定、責任ある意思決定を重視する必要があります。

この転換は、基礎技能を捨てる口実にすべきではありません。支援なしに文章を書いたり、計算したり、コードを書いたりすることを学ばない学生は、高度な誤りを見抜くのに苦労するかもしれません。

すでに組織の内部にいる労働者には優位性があります。彼らは、新規応募者が簡単には示せない社内プロセス、人間関係、例外事項を理解しています。そのためAI導入は既存人材を守る一方で、参入経路を狭める可能性があります。

この結果は、大規模な雇用破壊としては現れません。ある世代がキャリアを始める機会をより少なく得る形で現れるでしょう。

影響は後に賃金と流動性にも及ぶかもしれません。経験の浅い労働者を育成する雇用主が減れば、候補者はより少ない求人を争うことになります。企業はより多くの経験を求めながら、報酬を低く抑えられます。

Hankeの歴史的な議論には、なお楽観する理由があります。新しい産業や責任が、別の参入経路を生み出す可能性があるからです。AI評価、データスチュワードシップ、ワークフロー設計、コンプライアンス、顧客導入には、いずれも人間の労働が必要です。

しかし、こうした役割の多くには、かつて自動化に直面している仕事を通じて身につけていたスキルが求められます。雇用主は、市場が経験豊富な候補者を供給すると想定するのではなく、橋渡しを構築しなければなりません。

ここで職務再設計の議論は、最も厳しい検証を受けます。再設計とは、一人のシニア従業員にAIシステムを与え、若手チームをなくすことではありません。

持続可能なモデルは、人々がどのように参入し、学び、成長するかを説明しなければなりません。そのパイプラインがなければ、今日の生産性向上が明日の能力不足を生む可能性があります。

Steve HankeをめぐるGoogle Newsの議論の後に注目すべきこと

人工汎用知能に関する新たな予測よりも、三つのシグナルの方がHankeの論旨を効果的に検証します。

第一のシグナルは、AIの影響を受けやすい職種における初級レベルの採用です。ジュニアソフトウェア開発者、アナリスト、事務職、マーケター、カスタマーサポート担当者の求人は、雇用主の行動を早期に示します。

全体の事業活動が健全なままであるにもかかわらず、こうした求人が継続的に減少すれば、楽観的な見方は弱まります。企業がAIを使って新規労働者への需要を減らしていることを示唆するためです。

初級レベルの採用が安定または増加すれば、Hankeの立場は強まります。雇用主が仕事の定型部分を自動化しても、依然として人を必要としていることを示すでしょう。

第二のシグナルは、生産性、産出、人員数の関係です。生産性の伸びだけでは、拡大とコスト削減を区別できません。

企業がより高い産出、増加する顧客需要、安定した雇用を報告するなら、AIは補完的な技術により近く見えるでしょう。労働者は、組織がより大きな市場を追求するなかで、より多くを生み出すことになります。

従業員1人当たりの売上高が主として人員減少によって上昇しているなら、その証拠は代替の見方を支持します。投資家は、人員の変化を売上高、サービス量、設備投資と並べて検討すべきです。

第三のシグナルは、影響を強く受ける職種における賃金上昇です。雇用は安定していても、報酬の勢いが失われる可能性があります。

賃金上昇の鈍化は、AIが利用可能なアウトプットの供給を増やした、あるいは従業員の交渉力を弱めたことを示唆する。その結果は、雇用者数だけに基づく成功の定義に疑問を投げかける。

健全な賃金上昇は、生産性向上の恩恵が労働者に届いていることを示す。特に、求人の充足期間短縮や堅調な採用を伴う場合はなおさらだ。それは、AIが希少な人間の専門性を補完するという主張を裏付ける。

政策立案者は、職種、年齢、性別、地域ごとにこうした指標を追跡すべきだ。全国平均は、事務職、卒業直後の若者、限られた雇用主に依存する地域社会に集中する損失を覆い隠しかねない。

研究者はまた、AIの影響を金利、通商政策、人口動態の変化、通常の景気循環から切り分けなければならない。企業は、より広範な財務上の理由で人員を削減しながら、AIを理由として挙げることがある。

逆もまた然りだ。企業は、その判断をAI施策と呼ぶことなく、静かに業務を自動化することができる。信頼できる実像を描くには、研究者は求人情報、給与データ、タスク調査、企業開示を活用する必要がある。

読者は、1か月分のデータを最終判断として扱うべきではない。採用と投資は変動し、組織の変化が表面化するまでには数四半期を要することもある。

より有用な問いは、一貫したパターンが形成されているかどうかだ。AIの影響を受けやすい職種では、比較可能な職種よりも求人が速く減っているのか。生産性向上は需要を拡大しているのか。賃金はその変化に追いついているのか。

Steve Hankeの主張は、単純化された前提に異を唱えるものとして注目に値する。仕事を自動化できることは、動的な経済における最終的な雇用数を決めるものではない。

一方で批判派の見解にも同等の注意を払うべきだ。経済全体の適応は、特定の人々にとって深刻な損失を覆い隠しかねない。純増という結果は、技能、居住地、年齢によって新たな機会へのアクセスを阻まれた人にとって、ほとんど慰めにならない。

現時点で得られている証拠は、AI雇用崩壊への無関心も確信も支持していない。示されているのは、タスクの急速な変化、選別的な置き換え、そして利益を誰が受け取るかをめぐる競争だ。

今後のGoogle News報道が適用すべき基準はここにある。苦労なく豊かさが訪れるという約束も、世界的な失業を予測する主張も受け入れる前に、実際の採用、アウトプット、賃金を見極めるべきだ。

労働者にとって実践的な対応は、単にモデルをどれほど速く使えるかではなく、自らの判断がAI支援による成果をどのように高めるかを記録することだ。雇用主にとっての試金石は、自動化が人々の学習への道筋を維持しながら、より大きな目標を可能にしているかどうかである。

今後の雇用統計と企業開示は、AIが生産をより広く拡大する原動力となるのか、それとも給与支出を削減するためのより限定的な仕組みとなるのかを明らかにするだろう。あなたの職場はいま、どちらの方向を目指しているだろうか。