9月12日、PCMagが「Why AI Isn't Taking Your Job Anytime Soon (History Proves It)」と題した記事を公開した。電化には約40年、パソコンには約20年——歴史が繰り返してきた「技術普及と生産性向上のタイムラグ」を根拠に、「AIが近い将来に雇用を大規模に奪う」という予測に疑義を呈する論考だ。
技術普及と生産性向上の間には長いタイムラグがある
この議論の核心は、歴史が繰り返してきたパターンにある。
- 電化（Electrification）：工場への電力普及から生産性向上が統計に現れるまで約40年を要した
- パソコン：1970年代半ばの登場から生産性統計への反映まで約20年。ノーベル経済学賞受賞者のRobert Solowは「コンピュータ時代は至るところで見られるが、生産性統計だけには現れない」と皮肉った。この現象は「生産性パラドックス（Productivity Paradox）」として知られる
- ATM：1970年代に「銀行窓口係を代替する」と言われたが、支店開設コストの低下により窓口係の数は実際には2010年頃まで増加し続けた
いずれのケースも、技術そのものの普及と、それが経済全体の生産性に反映されるまでの間には、長い時間差が存在した。AIが同じパターンを辿るとすれば、「近い将来に雇用を奪う」という予測は時期尚早だという論拠になる。
生産性統計にAIの効果は現れていない
マクロな数字も、その前提を揺るがしている。
米労働統計局（BLS）のデータによれば、直近の米国労働生産性の伸びは長期平均の**2.1%**を下回る水準にとどまっており、インターネットやERPが普及した2000年代初頭の水準にも遠く及ばない。
個別企業の「特定タスクで50%効率化」といった事例報告は存在するが、それはビジネスプロセス全体の話でも、組織全体の話でもない。経済全体で見ると、生産性の底上げはまだ統計に表れていない。
AIリーダーたちも予測を修正しつつある
OpenAIのSam Altmanは2021年に「AIが到来すれば成長は極めて急速になる」と主張し、AnthropicのDario Amodeiは2024年末のエッセイで「年率10〜20%のGDP成長も可能かもしれない」と述べていた。
しかし最近、Altman自身がこう発言している。
「いくつかの点で私は間違っていたと思う。特にスピードについて。経済には強大な慣性がある。人々は同じことをし続け、同じ企業から買い続け、同じツールを使い続けようとする。この驚くべき技術があっても、社会と経済の適応はもっとゆっくりとしたものになる」
— Sam Altman
ソフトウェア開発でも構造は同じ
AIが最も影響を与えた分野として広く認められるソフトウェア開発においても、同様の構造がある。GitHub Copilot、Cursor、Claude Code、Codexといったツールはコード生成を高速化したが、プロの現場ではそのコードのレビュー・テスト・統合・デプロイが依然として必要だ。ジュニアエンジニアを削減した企業がある一方で、コードレビューを担うシニアエンジニアの需要が増しているという声も現場からは聞こえてくる。
AIの権威であるGeoffrey Hintonが「放射線科医の育成を今すぐ止めるべきだ」と発言したのは約10年前だが、現実には放射線科医の需要は今も高く、人間とAIの組み合わせが最善という評価が定着している。Hinton自身も現在はその見解に同意している。
それでも懸念が残る点
雇用が消えないとしても、楽観的にはなれない理由がある。AIが賃金上昇を抑制しているという証拠は存在する。データセンター建設ラッシュが落ち着けば、その反動として雇用喪失が現れる可能性もある。
また、「コロナ禍に採用しすぎた人員の整理」や「厳しい事業環境への対処」をAIのせいにしている企業も少なくないという指摘も鋭い。
本質的な変化に必要なのはプロセスの再設計
記事の結論として強調されているのは、テクノロジーの導入だけでは生産性は変わらないという点だ。AIをチャットボットとして使ったり、個別タスクを自動化するだけでは不十分で、ビジネスの主要プロセスを根本から見直し、AIを最大限活用できる形に再設計することが求められる。
将来的にはソフトウェアエージェントが多くのビジネスプロセスを担う形になる可能性がある。反復的な作業は減り、より創造的な仕事が増えるかもしれない——その一部はまだ想像すらできないものを含めて。ただしその移行を「できるだけ痛みの少ないものにする」責任は、AIプロバイダーではなく私たち自身にある。
詳細はWhy AI Isn't Taking Your Job Anytime Soon (History Proves It)を参照していただきたい。
