[13-3] AIの影響を受けるのはこんな人です！年齢・性別・教育水準・国家の産業構造などの事実データを元に私たち個人と仕事とAIについての政府レポート読み解き【AIで変わる労働市場編3】 | 政治経済情勢活用ラジオ[PESU]

▼本日の番組チャプター▼

(00:00) 世界経済の潮流　2024年I　AIで変わる労働市場 / 労働者の属性（教育水準、性別、年齢）別にみたAIによる補完と代替

⁠⁠https://www5.cao.go.jp/j-j/sekai_chouryuu/sh24-01/index-pdf.html⁠⁠

(01:11) 事務補助員の大半はAIに代替される可能性

(01:45) イギリス・ブラジル・インドの産業構造を比べて、専門サービスや農林水産の従事者の違いは？マクロの経済構造データについて

(03:22) 経済構造が先進国で働く労働者のほうがAIから受ける影響は大きい

(03:58) 【★重要】AIに代替される労働者は、AIに代替される労働職に就く傾向にある。事実データとして労働者は別の職種やスキルが必要な職種には移行しない

(05:44) 差別区別ではなく、現状データとして、現在女性が就いている職業ほどAIに代替される可能性が高いという事実

(06:12) 【★重要】教育水準が高い人ほど、AIから得られる便益が多いよ、と直接的に提示

(06:42) 【★重要】性別や教育水準にはAIの影響に傾向は見られるが、年齢にはそのような傾向は見られず、国家ごとにも傾向はなかった

(07:50) 政府資料の役割は「事実の提示」であることに重要な役割を持っており、そのような事実から推論ができることは教育水準が高い人の特徴であり、AIによって便益を受けやすいことにつながるか？

(09:36) 政府資料は変数の多い事象に対して非常に注意深くセンシティブに表現してくる。その中でもここまで直接的な表現をしている内閣府のAI資料は読み応えがある

※政治経済情勢は刻一刻と変化していますが、この放送は【2025年7月6日】時点で収録した内容です。ご了承下さい※

■政治経済情勢活用会とは？

設立趣意：私たちが目指すこと (note)

→ ⁠⁠⁠⁠⁠⁠⁠https://note.com/pesu1759/n/nf02fcb099e48⁠⁠⁠⁠⁠⁠⁠

政治経済情勢活用ラジオは、毎日6時間以上国内・海外のニュースや経済レポート情報を見ている野村さんと、インタビューワーの飯田が、政治経済情勢を経営活動に活用できないかを目指して情報を読み解いていく試みの番組です。

普段から政治や経済のニュース新聞等を複数読んで精査する時間のない経営層やビジネスパーソンを対象に、時代や環境の流れをお伝えします。

■政治経済情勢活用ラジオ[PESUニュース]

Spotify・Apple Podcast・Amazon music・Pockets Castで配信中。「政治経済」で検索

X(旧：Twitter）はじめました。#PESUや番組名で検索。

■注意事項

株価の上下や為替の上下、個別の業界や個別の企業などといった投資情報を取り上げているのではまったくなく、日本や海外の政治経済の環境が自分の会社や人生に与える影響を知ったうえで選択できるようになることを目指します。放送中のいかなる表現においても将来を断定するものではなく、あくまで私たちが想定した仮説に過ぎません。

サマリー

このエピソードでは、AIが労働市場に与える影響について年齢、性別、教育水準、産業構造などのデータを基に考察しています。特に、職業によるAIの代替や補完の影響を分析し、先進国と新興国の違いを明らかにしています。また、政府レポートを分析し、AIの影響を受ける人々の年齢、性別、教育水準、国家の産業構造に関するデータを紹介しています。リスキリングと教育の重要性についても言及され、今後の労働市場における変化を予測する難しさが示されています。

AIの影響の概要

マクロノニュースを日常に落とし込む政治経済情勢活用ラジオ、前回からの続きです。

では続きでございます。今までは職業を見てきたんですけども、これから労働者を向いていきますと、

一緒に違いなんやねんっていうのを分かりやすくしてくれるためにですね、なんとまとめがついてるんですね。

そうなんです、はい。

では18ページからの第2節に入っていくんですが、そのまんま読ませていただきます。

第1節では、AIは職業を代替するとともに保管し得ること。

意思決定の重要性等が高い職業は、AIの保管により便影響を受ける可能性が高いこと。

先進国はAIの影響をより大きく受ける可能性が高いことを確認した。

はい。

ありがたいねまとめ。

それではより具体的には、AIの影響を特に受けやすいのはどのような労働者だろうか。

本節では労働者が従事する職業に応じたAIの影響の違いをより詳細に確認するとともに、

労働者の属性、教育水準、性別、年齢に応じて、AIによる職業の保管や代替の度合いがどの程度異なるのかについて確認を行う。

つまり労働者側から見た視点になりますよ。

はい、その通りでございます。

国ごとの産業構造の違い

もうその直下なんですけれども、

事務補助員の大半はAIに代替される可能性と、もう既に書かれてありまして、

ベベンって感じですね。

どういった職業がね、要するに就業者の割合が、

国ごとによって違うわけよね。

そうですね。

そう、国ごとの違いを見ていくと、

どういう影響を与えるのかっていうところが、

見えてくるんじゃないかなっていうところを、

これ、ここから見ていきますよっていうお話をしているわけです。

はい。

もう早速ね、1の2の1の図っていうところが、

まあ20ページからずっと続いてるんですけれども、

その国の労働者のっていう観点で見てるじゃないですか、

この資料としては。

僕ね、やっぱね、経済構造を見ちゃうんですよね。

ほう。

そう。

例えば、管理職が多いですよ、専門職が多いですよっていう英国とかは、

そういう産業が発達してるんですね。

サービス業だったり、専門サービス業とか、

IT金融だとか、そっちの方が多いんですねっていうような。

で、例えば本社を英国に置いて、

全世界中に事業展開しているから、

本社機能だけ英国に置いてるって、

おそらく管理職、専門職、サービスとか、

事務補助員に入ってくると思うんですよ。

でも、ブラジルを見ると、

やっぱり英国と比べると、管理職、専門職の低いよねっていうところが明らかに出ていて、

逆にサービス業、農林従事者とかですよね。

あと漁業とかね。

そう、とか単純作業の従事者、明らかに多いんですよね。

で、じゃあインドは?ってなると、

農林漁業従事者と単純作業の従事者、もう桁違い。

もうこれで6割ぐらいあるもんね。

だから、インドの産業構造って、

まあこれ2024年時点だから、

おそらくデータとしては2022とか2023なんで、

もう2、3年経ってるから、

これ通りではないっていうのは、もちろん前提の上なんですけどね。

産業構造がそうなんだなっていうところはやっぱり買いまみえる。

女性と教育水準の影響

面白い資料になっております。

なんせ見やすいこの図。

はい。

もうこの図だけで楽しめる。

高影響保管か、高影響代替か、低影響かっていうところが、

割合でもうめちゃくちゃね。

色と面積でよくわかる。

もうパッと見たい、視覚的にわかるっていうところが。

作った人えらい。

これ要するに、経済構造が先進国じゃない国々の方が、

労働者に対する影響が小さい。

そうだね。

そう、ダイレクトに書いている。

じゃあ日本どうでしょっていうところ。

この資料にはね、ちょっとね、

ダイレクトに図にしては書いてないんだけど。

そうなんです。

なぜないんでしょうね。

なんでないんでしょうねっていうところなんですよね。

入れればいいのにね。

そう、入れればいいのに。

推測されるのは、やっぱこの3国で言うと、

おそらくは英国に近いだろうから。

その例として持ってきてるだろうからね。

おそらくねっていうところはあるかな。

P26なんですけど、

AIに代替される職業からの転職先も

AIに代替される職業である可能性っていうところ。

そう、この文章ね、

一見何言ってるか全くわからんのよね。

はい。

でもこれはね、僕がいつも言う、

循環っていうところをすごく言い表してくれてるから。

簡単に言うとね、

ある職業がAIに代替されるとするでしょ。

で、その人たちはおそらくマクロで見たら

違う職業だったり

違う会社に転職することになると。

その先も

AIに代替される可能性があるよって言ってるわけですね。

この資料をまとめて書いてることは、

AIが保管してる職業の人たちは

引き続きAIが保管してる職業に転職すると。

AIの代替される職業の人たちも

AIを代替する職業に転職すると。

AIに代替されたから

保管性が高い職業に転職するようなことは

あまりないという分析結果や

ミクロデータからわかってるし、

大卒労働者の移行の実態としての

検証がわかったって書いてると。

結局みんなスキルを

向上させたり変化させたりすることって

労働者っていうのはできないよって書いてる。

結構ストレートに書いておられますよね。

すごいことが書いてるよね。

衝撃的というか

政府としてはやっぱり

難しい問題なんだろうなってすごい思う。

移行していってくださいねとか

スキルアップしてくださいねって

特に厚生労働省さんの方はね

言い張るじゃないですか。

キャリアアップだとか

スキルアッパーだとかで

助成金を出して

教育給付金出してっていうところが

どこまで有効に通用するのか

データとしてはこう出てるんで

工夫していかないといけないですねっていうところを

ちょっと素直に書いて貼るっていう感じ

教育水準性別等々によって

どういう労働者が影響を受けますかっていうのが

この章ですよって言ったとこなんですが

直接女性がついてる職業

現状ね

現状女性がついてる割合の高い職業ほど

影響度が高いって書いてますから

ちょっと素直に書いてるんですよね

もう素直に書いてます

多分おそらく事務員とかが多いからであろう

ということが実際書いてて

そうなんです

それだねっていうところとか

あとは教育水準に関しても

高い人ほど勉強を受けるって書いてるので

結局AIが出たら勉強いらんのちゃんっていうのは

本当にそうなるかどうか全然分かんないんですけど

現状の2020年の政府資料では

いっぱい勉強してきた人の方が

いっぱい得しますよっていうデータが出ます

これがまだ面白い

これ面白いよね

僕らのイメージっていうか

一般的に語られるものとは

AIの影響と統計データ

ちょっと違う未来を想定しておられるんで

もう一つ面白いのは

性別や教育水準ではそういう傾向があったのに

年齢にはないと

ねっ

ねっ

いやこれは面白いよね

各国共通のパターンがないって書いてて

ねっ

本当にデータって面白いというか

予測で喋るの無理だね

いや難しいですねこれは

すごく思いました

国ごとの特徴として論文から引用してるところなんですけど

英国では過去30年間に

大学への進学率が高まったことから

45歳未満の大卒者比率が高い一方と

ブラジルでは女性の労働参加率の上昇により

若年層に相対的に女性が多いことを指摘していると

それが女性が就く職業の傾向っていうところが

どうしてもデータとして出ているっていうところが

ちょっとデータの保管としてありますよっていうところが

書かれているので

別に男女が云々っていうわけではなくて

そうね

もう事実書いてるだけだからね

そういう職務に就いておられる方は

自己研鑽というか

修練というかね

ちょっと積んでいっても面白いんじゃないかとか

積んでいった方がいいかもねぐらいのことを

限界には汲み取れるかな

でもどういう訓練が

この汎用技術で世界が変化した後に必要かとか

全く示唆がないので

何したらいいか全くわからん正直

そうですね

っていうのはそこも明確に書いてないあたりも

事実の提示っていうのが

政府資料の役割だなっていうのは思う

はい

予測推測は書けない

この後に

一応ね

AI活用に向けたリスキリングと教育っていうところは

ちゃんと用意はしてくれてる

あったあった

ただね

一応用意はしてくれてるんですけど

やっぱりさすが政府資料

ちょっと抽象度が高いのよ

あー

うん

だからこれです

とは言わないのよね

まあね

うん

だからちょっと読み解く力っていうのは必要なので

そう考えるとね

さっきのお話に戻ると

教育水準が高いと

資料をやっぱり読みやすい

読み込むことができる

あの

より一段階抽象的な思考をすることができるっていうのは

まあ正直あるのかなというふうには思うので

あのどっちかというと多分ね

あの知識とか

大学で統計学を学んで

統計の知識めっちゃ知ってるんですとか

経済学の知識があるんですとかっていうよりは

経済学の知識を学んだことによって

ちょっと抽象化したこういう想定とか

想像とかできますよってことが

まあちょっと大事ですよみたいなことが

まあ具体的にね

ちょっと見ていきますけれども

次の章には書かれてあると

なんかあの時も言ったと思うんですけど

やっぱ政府資料は

明確に元データがあって

事実として提示できるもの

でそのデータはちゃんと一定の

検証が進んでるものっていうのを提示してくるから

これがそのAIでこう変わるみたいな

その一般の人の意見と

全然背負ってる責任の違い

から出てくるもんなんで

まあこれはこれでやっぱり

大きいマクロデータの面白いところだなというか

見ごたえがそういう意味であります

あとねやっぱね

変数っていうものに対する

あの変わりうること

将来はわからないよねの

なんていうのかな

実感違いやっぱ段違いに違う

確定的に断言できることなんか一つもない

っていう感覚が

政府資料

政府とか

やっぱ日銀はすごいある

まあもう責任問題だからね

そこはねちょっとね

差し引くなのか

加えるなのかは置いといて

そこを文脈として

ちょっと読み取りながら読んでいくと

もっと面白いんじゃないかなというふうに

そこまでいろんな制約がある中でも

リスキリングと教育の重要性

これを我々は今伝えないといけないんです

っていう資料がこれだから

そういう読み方じゃないかな

その中でも

ここまでストレートに言ってあおれますから

っていうところは

かなり関心持ってくださいね感がね

やっぱ読めば読むほど出てくるという感じはあります

じゃあもう一回休憩入れまして

ラストのAI活用に向けたリスクリーニングと教育

第3説通ってっていう感じにしましょうか

はい了解です

政治経済情勢活用ラジオ 次回へ続く