AI導入は米国の若年層雇用13%減少と関連：研究

 (cnbc.com)
1 ポイント 投稿者 GN⁺ 2025-08-30 | 1件のコメント | WhatsAppで共有
  • AI導入が米国の若年層の雇用市場に直接的な影響を及ぼしている
  • 研究によると、AIの普及により若年労働者の雇用率が13%低下する現象が確認された
  • AI技術は単純な自動化作業を超えて複雑な業務まで代替している
  • これにより新規参入者と若い労働者の就業機会が減少している
  • 政策および産業界の対応戦略の必要性が急速に高まっている

AI導入と米国の若年層雇用市場の変化

最近のStanfordの研究結果によると、生成AIの拡大が米国内の若年層の雇用に明確な影響を与えていることが明らかになった

  • AI導入企業では、25歳以下の若年労働者の採用が約13%減少する現象が分析された
  • この研究は、高度な自動化システムが単純な事務職だけでなく、より高水準の認知や判断に基づく業務まで代替している点を指摘している
  • 結果として、若い求職者の労働市場への参入機会が減少し、社会的・経済的な不安定要因として作用しうる
  • 単に生産性の向上だけに焦点を当てた場合、不平等構造が深刻化する懸念が提起されている
  • 専門家は、産業および政策レベルでの能動的な対応と、若年層を対象とする再教育・スキル強化プログラム準備の重要性を一層強調している

若年層の雇用減少と社会的波及

  • AI技術が単純な反復作業だけでなく、多様な事務職業務まで代替することで、若年雇用への打撃が現実のものとなっている
  • 企業は効率性の強化とコスト削減のため、AIソリューションを継続的に導入する傾向にある
  • これにより、初任層の労働者やキャリア初期段階の人材の参入がさらに難しくなる現象が加速している
  • 社会全体として雇用の再配分および教育制度の再設計の必要性が浮上している

産業界と政策対応の方向性

  • AI導入による若年層向けの雇用ショック緩和のためには、政府と業界の共同努力が不可欠である
  • 現場に即した再教育プログラムと新技術の導入に適応できる環境整備が核心的な代替案である
  • 中長期的には労働市場の構造調整と透明なアルゴリズム利用ガイドラインの策定が求められる
  • 企業は社会的責任の一環として、若年層を対象にした職務転換支援政策と連携する動きが広がっている

関連記事

1件のコメント

 
GN⁺ 2025-08-30
Hacker Newsの意見

  • 現実の会計業界ではAI導入はほとんど進んでいない。かなり複雑なエンタープライズ Copilot、ディープリサーチ、MS Office統合など最新ツールは揃っているが、実際には日々グローバルニュースの要約を出す程度にしか使っていない。実務の会計に適用しようとするとAIが的外れな答えを出して非常に危険で、単純な数字比較ですら信頼できない結果が頻繁に出るため、そもそも結果自体を信用して使えない。まるでプログラミングで == 演算子が20%のランダムエラーを出すようなもので、信用してビジネスには使えない

    • 個人的にクレジットカード明細を検査させようと、複数の言語モデルを6か月にわたって試したことがある。自作の家計簿アプリとカード明細を比較して異常を見つけてくれることを期待したが、実際には一度も問題を正しく見つけられなかった。むしろ「Starbucksの決済履歴がある」と誤って指摘したり、的外れな称賛をしただけだった。扱うデータは40件ほどと少なく、間違っても実害がない状況ですら、モデルは実際には正確に見つけられなかった。こういうものに依存する企業は信頼できないという結論だ

    • Dan Toomeyの面白い会計関連動画を見ると、会計がどれほど重要で、実際にはそれほど華やかな分野ではないことが分かる。金融業界では「会計士は真面目なナード」と見られがちだ。私自身も会計に愛着があり、前職では監査データセットも扱ったことがある。会計士が語る耳の痛い話を誰もあまり聞きたがらないが、実際には絶対に欠かせない存在だ。Enron事件も監査コストが理由で発覚した事例のように、会計データはビジネスの中核になり得る。いずれプログラミングをやめたらCPAに挑戦するかもしれない

    • 会計におけるAIの性能は非常に期待外れで、むしろ計算機ツールと組み合わせてこそ、数学的な作業にある程度使える

    • 多くの人が「AIがすべての税務を勝手に処理してくれるTax AIソフトウェア」を夢見ているが、現実にはAIを高度なテキスト検索機として使う程度にすぎないと思う。LLM（Large Language Model）は四則演算や単純計算すらまともにできない

    • LLMは算術を直接やるのは苦手なので、それ自体に計算させるべきではない。ほとんどのモデルでは、コードを書いて実行し、その結果で演算させるほうがはるかに良い

  • 米国の会計業界はインド、フィリピン、東欧などへオフショアリング（海外アウトソーシング）されつつある。しかも米国内では会計士資格取得条件を緩和しようとする動きが強まっている（Big 4のパートナーが人材難解消のために推進している）。その結果、監視品質の低下や不正確な財務諸表の問題なども懸念される

    • 米国のプログラマーたちがリモートワークを擁護しているのは興味深い。本気で自分たちが世界で一番賢いと信じているのだろうか。リモートで働くだけなら、その仕事をより安い国の人が担えない理由はない

    • 主要なオフショアリング先の労働環境レポートを見ると状況は非常に悪い。実のところ今のAIやLLMなどは「アウトソーシング対象だった単純反復業務」と性質が似ている。以前はインドに送っていた仕事を、最近ではAnthropicのデータセンターに渡してしまう傾向もある

    • こうしたオフショアリングの原因がAIなのかは疑問だ。言語、文化、知識のギャップは海外に仕事を出すうえで大きな障壁だが、AIにはそうした問題を解決する潜在力がある

    • インドの有名工科大学卒業生でさえ採用難に直面しているという記事もあるが、AIによるオフショアリングが主因だという主張は説得力に欠ける

  • この1年、ジュニア（初級）職がひっそりと消えつつある。解雇される人はそれほど多くないのに、そもそも入門の機会を与える採用自体がなくなっている。社会の入口で学べる機会そのものが消えたことが本当の問題だ

    • 実際のところ、ジュニア職がそれほど多かった時代もない。私の経験では、大学生がインターン後にフルタイムへ転換できなければ、その後は就職に大きく苦労していた。企業は実際にはほぼミッド級/シニア級だけを採用し、ジュニアはインターン出身か社内転換、あるいは縁故中心だ

    • この現象はAIよりも、低金利時代の後の景気悪化、各社の売上/利益圧力、コスト削減など構造的要因の影響が大きい。ジュニアは普通6〜8か月は生産性の期待値が低く、シニアのメンタリングリソースも必要なので、費用対効果が弱い。私のチームのリソースも逼迫していて追加採用すら難しい。今ジュニアとして就職するなら、伸びている技術キーワードに集中するか、低年収の中小企業から始めてステップアップするしかない

    • この現象が不況のせいなのかAIのせいなのかを見分けるのは常に難しい。既存人材が高すぎればジュニアでも使うだろうが、最近はベテランですら低賃金で求職しているので、わざわざジュニアを採る理由がない

    • 厳しくなったとはいえ、なお米国の若者には機会がある。悲観する必要まではなく、最近の若い世代がTikTokやゲームにのめり込んでいる影響も大きい

  • 企業はAIを名目に人を解雇しているが、実際に代替されている職種が何かと考えると、これといって思い浮かばない

    • うちの会社にもLLMに置き換えられそうな同僚が何人かいる。実際、彼らが犯すミスよりAIの幻覚（誤答）のほうが少ないと感じる。むしろLLM導入で人員5人を1人相当にまで効率化できるかもしれない

    • 動画やグラフィックデザイナー職では、GenAIツールの活用が広がっている。以前はインハウス社員やフリーランスで処理していた仕事を、今ではAIを使って自力で解決する流れだ

    • AIが従業員を1対1で置き換えなくても、生産性向上だけで人員削減の理由になる。開発者が50%効率的になるなら、算術的には下位33%を削っても同じ結果になる

    • ブロックチェーンブームとは違って、AIには確かな生産性向上の事例がある。たとえばコピーライターチームを半減させてもチームの生産性を維持できる。私のビジネスではコピーライター業務の大半を自動化し、高付加価値業務に集中させてより多くの顧客を管理できるようになった。100人のジュニアコピーライターを大幅に削減するのも容易だろう

    • AIによる初期の雇用減少は、個々の従業員の生産性向上から生じ、その結果、より少ないチーム規模でも同じ仕事をこなせるようになるためだ

  • 多くの組織はAIで仕事の生産性を引き上げるよりも、人員そのものを減らす戦略を選んでいる。これは生産性を高めて余った利益を分けるのではなく、限られた収益構造を維持するためだ。Stanfordの論文は、組織がレント抽出の発想で生産人員を単なる資産ではなくコストとして認識し、実際には生産能力を削りながらまで非効率な構造を維持していることを示している。今後どうなるのか気になる

    • 自動化で多くの人手が不要になれば、戦争もドローンや自動兵器に置き換わり、革命が起きる理由も減って、民主主義が不要になるかもしれない。結局、多くの人のために高価な医療、食料、水などをもう提供しなくてもよい未来が来る可能性がある

    • 論文では「AIが人間労働を増強するより自動化する職種で雇用減少が集中的に現れる」と示している。レントシーキングや経済的近視眼性の根拠は直接には示されていない。結局、企業にとってはコストの低いAIで人間を置き換えるのが得だ。残した人員で追加の収益機会が必然的に生まれると見る根拠もない

    • AIがビジネスソフトウェアの導入/統合コストを大きく下げて、熟練職人（例: ベテラン設備工）が自ら会社を所有・運営できるようになってほしい。AI時代には、PEのようにマーケティングや会計部門をアウトソースする必要が減ると思う

    • 将来は封建制のようになるかもしれない

    • 労働を価値創出資産ではなくコストと見るのが現実に合わないわけではない。企業が本当に望むのは、労働力が会社の価値提案（顧客が対価を払う理由）と整合していることだ。従業員が自分勝手に意味があると思う仕事をしても、顧客が金を払わなければ維持費が増えるだけだ。人を合わせ、動機づけ、コミュニケーションを取るのはどれも難しく、企業は実際に必然的に必要なときにだけ雇用を作る

  • 私のようにAIを「インターン」と呼んで使う人が増えており、実際にインターン（ジュニア相当）ポジションはもう不要だという空気が強い

    • シニアが去った後に残る人材が、既存プロジェクトや慣行を知らない新しいシニアに置き換わるとき、どんなリスクがあるのか気になる

    • インターンの本来の目的を誤解しているように思う

    • もともとインターンシップは、従来の採用では見つけにくい人材を見いだすための最も信頼できる方法だ。インターンが不要になる未来に、本当に良い新規人材が供給されなくてもよいのか。40年後に既存人材が全員引退したら、残る仕事は誰に任せるのか疑問だ

  • 街に出るたび、AIに置き換えられていない職業がものすごく多いことに驚く。たとえばレジ係も、いまだに自分の手で商品を会計し、現金を受け取り、お釣りを整理している。これほどの自動化がなぜまだ難しいのか不思議だ

    • AIではなくオフショアリングでも試されたことがある。関連記事参照

    • レジ係の仕事は、AIなしでも人員を最小化しセルフレジ導入で代替されることが多い

    • 日本の711はレジ担当者はいるが、現金/釣り銭処理は機械が行う。ただ最近は犯罪（万引き）問題でセルフレジをむしろ減らし、監視人員を増やす流れでもある

    • レジ自動化で最も難しいのは会計ではなく盗難を防ぐことだ

  • 金利上昇や関税圧力などが投資減少、雇用減少につながっているのに、何でもAIのせいにする空気がある

    • 実際にStanford論文は、さまざまな集団別にデータを比較し、AIへの露出が大きい（リスクの高い）職種の22〜25歳の人材で雇用が有意に減少したと報告している

    • とりわけAI導入産業でのみこうした現象が目立ち、主に初級人材だけが減っているのを見ると、金利や関税といった要因だけでは説明が不十分だ。論文著者がこうした経済条件を知らないはずはないと思う

    • 投資が増えれば「AIが効率を高めるから良い」というメッセージ、投資が減っても「AIが人を置き換える」というナラティブが都合よく働く。コンピュータが何かをうまくやれば「それはAIのおかげ」で、うまくできなければ「もっとAIが必要だ」という受け取られ方になる

    • 中央から何でもAIのせいにしろと指示しているわけでもないのに、なぜ誰もが明らかな別要因を無視してAIにだけ責任を負わせているのか不思議だ

    • AIへの恐怖を煽ることは、労働者が長期的に不利な雇用条件や報酬に順応するのに役立つと思う。逆に景気が良くなって改善を期待させると、短期的には分配要求が強まる可能性があるためだ

  • 私の部門にはIT人材が1000人いるが、米国生まれの人材は5〜10%もいない。米国人は熱心に働かず少数派なので、ますます離れていく雰囲気だ

  • AIが顧客サービス、会計、ソフトウェア開発職を代替するという話があるが、実際にはサービス品質が良くなったというより、むしろ悪化している。カスタマーサポートは20年前のチャットボットから進歩した感じがなく、会計は相変わらず人手不足でAIの成果も悪い。開発分野ではコード生産の障壁は下がったが、その場しのぎの技術的負債と、所有者不在の（誰も理解できない）コードが指数関数的に増え、後に深刻な結果を招く可能性がある

    • 「AIの低い参入障壁によって、誰もがPoCやデモコードを量産する一方、管理されないまま実サービスに入るコードが増えているのが懸念だ。AIをツールとして経験豊富なエンジニアがうまく使えば大きな助けになるが、多くの組織は結局、技術的負債と複雑性に苦しむことになるだろう。うまい話はないということを身をもって学ぶはずだ」