※本記事は、2024年5月28日にスタンフォード大学で行われたDaniel Susskind氏による講演「A World Without Work:技術進歩がもたらす労働の未来」の内容を基に作成されています。講演の動画はスタンフォード大学のYouTubeチャンネルでご覧いただけます。Daniel Susskind氏は、ロンドン・キングスカレッジ経済学研究教授、オックスフォード大学AI倫理研究所上級研究員、およびオックスフォード大学経済学部准研究員を務めています。本記事では、講演の内容を要約しております。なお、本記事の内容は原著作者の見解を正確に反映するよう努めていますが、要約や解釈による誤りがある可能性もありますので、正確な情報や文脈については、オリジナルの講演動画をご覧いただくことをお勧めいたします。スタンフォード大学のAIプログラムについての詳細は https://stanford.io/ai でご覧いただけます。また、スタンフォード大学が提供するオンラインコースやプログラムについては https://online.stanford.edu/ をご参照ください。Daniel Susskind氏の研究活動や著作については、公式サイト https://www.danielsusskind.com/ でご確認いただけます。
1. 歴史から見る自動化への不安
1.1. 1890年代の「大馬糞危機」から学ぶ技術革新の教訓
技術進歩による仕事への影響を考える上で、1890年代の「大馬糞危機」は重要な示唆を与えてくれます。当時のロンドンやニューヨークといった大都市では、馬は主要な交通手段として不可欠でした。数百、数千もの馬が、キャブ、荷車、wagon(荷馬車)など、様々な車両を街中で引いていました。
この馬による輸送がもたらした深刻な問題が、馬糞の大量発生でした。ロチェスターのある熱心な衛生担当官は具体的な計算を行い、自分の都市の馬だけでも、1エーカーの土地を約175フィート(ピサの斜塩とほぼ同じ高さ)覆うほどの量の馬糞を生産していると算出しました。当時の人々はこの計算を基に、避けられない馬糞だらけの未来を予測しました。ニューヨークのある評論家は、馬糞の山がすぐに3階建ての窓の高さに達すると予測し、ロンドンのある記者は、20世紀半ばまでに街路が9フィートの馬糞で埋まると予言しました。
1.2. 予期せぬ技術革新による問題解決
政策立案者たちは深刻な対応を迫られました。しかし、馬を街から締め出すことはできませんでした。経済的に極めて重要な存在だったからです。ところが結果として、政策立案者が心配する必要はありませんでした。1870年代に内燃機関が開発され、1880年代には最初の自動車に搭載されました。そしてわずか数十年後、ヘンリー・フォードがModel T(モデルT)を大量市場向けに生産を開始したのです。1912年までに、ニューヨークでは馬よりも自動車の数が多くなり、その5年後には市内最後の馬車鉄道が廃止されました。「馬の寓話」は、この歴史的な転換点を象徴的に物語っています。
1.3. レオンチェフの警告と現代の自動化不安
この技術革新の物語は、1973年にノーベル賞を受賞することになるロシア系アメリカ人経済学者のワシリー・レオンチェフに、重要な洞察を与えました。彼は、新しい技術である内燃機関が、何千年もの間、経済生活で中心的な役割を果たしてきた馬を、いかに周縁に追いやったかに注目したのです。
1980年代初頭の論文で、レオンチェフは現代の経済思想の中で最も物議を醸す主張の1つを展開しました。技術進歩が馬に対して行ったことを、最終的には人間に対しても行うだろうと予測したのです。つまり、車やトラクターが馬にとってそうであったように、ロボットやコンピュータが人間を仕事から排除するだろうと警告しました。
この予測は現代において再び注目を集めています。アメリカでは約30%の労働者が、自分の仕事が生涯のうちにロボットやコンピュータに置き換えられる可能性が高いと考えています。イギリスでも同じ割合の人々が、今後25年以内にそれが起こると予測しています。
しかし歴史を振り返ると、新技術による経済的損害についての不安の多くは的外れでした。過去数百年を見ても、技術進歩が永続的に人々を失業させるという主張を裏付ける証拠はほとんどありません。確かに、労働者は新技術によって置き換えられてきましたが、最終的には大部分が新しい仕事を見つけてきました。
この歴史的事実の背景には、技術進歩が持つ2つの力が存在します。1つは人間の仕事を代替する力、もう1つは人間の仕事を補完する力です。機械は確かに特定の作業で人間の代わりとなりましたが、同時に、まだ自動化されていない作業における人間への需要を増加させました。私たちの先祖は、この2つの力の関係性を正しく理解できず、有益な補完効果を無視するか、有害な代替効果によって圧倒されると想像してしまいました。そのため、残存する人間の仕事への需要を繰り返し過小評価することになったのです。
2. テクノロジーの進化と仕事への影響
2.1. テクノロジーの能力と限界:タスクの侵食(Task Encroachment)
私たちは日々、これまで人間だけが実行できると考えられていたタスクや活動をシステムや機械が担うようになっていく様子を目にしています。医療診断、自動車の運転、法律文書の作成、建築設計、音楽の作曲、ニュース記事の執筆など、機械の能力は着実に拡大しています。
現時点で、機械は確かに過去よりも多くのことができるようになっていますが、まだすべてを実行できるわけではありません。つまり、有害な代替効果にはまだ限界が存在するのです。しかし重要な問題は、機械ができることとできないことの境界が不明確で、常に変化し続けているという点です。
多くの研究者や専門家が、様々なアプローチで機械の能力の新しい限界を見極めようと試みています。その代表的な手法の一つは、自動化が困難な特定の能力を特定しようとするものです。例えば、新しい技術は社会的知性を必要とするタスク、特に対面でのコミュニケーションや共感的なサポートを必要とする作業の遂行に苦心することが指摘されています。実際、データによると、1980年から2012年の期間において、高度な人間同士の相互作用を必要とする職種は、米国の労働力の約12%増加しています。
もう一つの手法は、個々のタスクに焦点を当て、そのタスクや活動が機械にとって扱いやすいか否かを判断する特徴を検討するアプローチです。例えば、目標を定義しやすく、その目標が達成されたかどうかの判断が容易で、システムが学習するためのデータが豊富にあるタスクは、自動化できる可能性が高いと考えられます。猫の識別はその典型例です。「これは猫か?」という単純な目標設定、判断の容易さ、そしてインターネット上に存在する約65億枚という驚くべき数の猫の写真による豊富な学習データ、これらの要素が自動化を可能にしています。
しかし、これらのアプローチで機械の限界を定義しようとしても、得られた結論はすぐに陳腐化してしまいます。この状況は、スコットランドのフォース橋の塗装作業員が直面する問題に似ています。橋が長すぎるため、一端の塗装を終えて反対側に到達する頃には、最初に塗った部分の塗料が剥がれ始めてしまうのです。今日の機械の能力について合理的な説明を構築しようとしても、完成する頃には既に見直しが必要になってしまう可能性が高いのです。
そのため、私は研究において特定の限界を見出そうとする欲求を抑え、より深い傾向を観察することを重視しています。この観点から見えてくるのは、将来機械が何をできるようになるかを正確に予測することは困難であっても、現在よりも多くのことができるようになることは確実だという事実です。時間の経過とともに、機械は徐々に、しかし確実に、現在は人間だけが行えるタスクや活動を担えるようになっていくでしょう。
私はこの一般的な傾向を「タスクの侵食」(Task Encroachment)と呼んでいます。人間が仕事で使う3つの主要な能力、すなわち物理的な世界に関わる手作業的能力、思考や推論に基づく認知的能力、感情に関わる情動的能力のいずれにおいても、機械は徐々にではありますが、確実により多くのタスクや活動を担えるようになっているのです。
なお、私の研究で紹介している事例は網羅的なものではなく、印象的な例の一部が含まれていない可能性もあります。また、数年後には一部の事例が古びて見えるかもしれません。企業が主張する内容も、必ずしもそのまま受け入れるべきではありません。時として、マーケティング担当者が誇張した主張を展開することもあります。私にとって最も極端な例は、クリスマスの時期に誰かが「人工知能搭載の歯ブラシ」を勧めてきたことです。歯を磨くためにどれほどの知能が必要なのか疑問ですが、重要なのは個々の誇張や欠落に注目しすぎると、より大きな全体像を見失う可能性があるという点です。つまり、これらの機械が、かつては人間の豊かな能力を必要としていたタスクや活動に、徐々にではありますが、確実に進出しているという事実です。
2.2. 人工知能の第一波:法律分野での具体的な挑戦(1980年代)
私が語る人工知能の歴史は、第一波となる1980年代から始まります。この時期、私の父は法律分野における人工知能の博士課程研究をオックスフォードで行っていました。約40年前、父は既に法的問題を解決できるシステムの構築に取り組んでいたのです。
1986年に英国で非常に複雑な「潜在的損害法(Latent Damage Act)」が制定されました。当時、この特定の法律について世界で最も詳しい専門家は、フィリップ・キャッパーという人物で、彼は私の父が博士課程で学んでいたオックスフォード法科大学院の学部長でした。フィリップは状況を「これは馬鹿げている。この法律が自分に適用されるかどうかを知りたい人は誰でも、私のところに来なければならない」と評価しました。そこで彼は父に「一緒に力を合わせて、私の専門知識に基づいたシステムを作り、人々が私に直接相談しなくても利用できるようにしよう」と提案したのです。
1986年から1988年にかけて、彼らは世界初の商用化された法律分野のAIシステムの開発に取り組みました。当時としては画期的なホーム画面デザインを持つシステムを開発し(父は今でもそれが1980年代には格好良いデザインだったと主張していますが、私は完全には納得していません)、このシステムはフロッピーディスクの形で公開されました。当時のフロッピーディスクは、文字通りまだ「フロッピー(柔らかい)」でした。
システムの本質は、巨大な決定木の構築でした。利用者はyes/noの質問に答えることで、父と同僚たちがコンピュータサイエンス研究室で手作業で丹念に作り上げた、何百万もの分岐を持つ木構造を進んでいく仕組みでした。
これは法律分野に限った話ではなく、当時のAI研究全般で同様のアプローチが取られていました。初期のAI研究者たちの大半は、特定のタスクを実行する機械を作るには、人間がそのタスクをどのように実行しているかを観察し、それを模倣する必要があると考えていました。そのアプローチは、主に3つの方向性で追求されました:人間の脳の実際の構造を複製しようとするもの、より心理学的なアプローチで人間の思考や推論のプロセスを複製しようとするもの、そして人間が従っているように見える規則を抽出しようとするものです。しかし、これらすべての取り組みにおいて、人間の行動が何らかの形で機械の行動のテンプレートとして使用されていました。
しかし、人間を模倣するというこのアプローチは最終的には成功しませんでした。1980年代初期の楽観主義と熱意にもかかわらず、人工知能の分野では本質的な進歩はほとんど見られませんでした。1980年代が終わり1990年代に入ると、研究への関心や資金は枯渇し、「AIの冬」として知られる時期が始まり、多くの期待を集めた人工知能の第一波は失敗に終わったのです。
3. 現代のAIと雇用への影響
3.1. ディープブルーから学ぶAIの誤解(AI Fallacy):実践的勝利と思考の革新
AIの歴史における重要な転換点は1997年に訪れました。当時の世界チェスチャンピオン、ガリー・カスパロフがIBMのシステム「ディープブルー」に敗北したのです。
この出来事の重要性を理解するために、仮に1980年代に私の父や同僚たち—当時のAIについて最も開放的で野心的な考えを持っていた研究者たち—に「このようなことが可能になると思いますか?」と尋ねていたら、彼らは断固として「不可能だ」と答えたはずです。
その理由は重要です。彼らは第一波AIの思考様式に縛られていたからです。人間の専門家を超えるシステムを構築する唯一の方法は、その専門家に問題をどのように解決するのかを説明してもらい、その人間の説明をシステムが従うべき指示や規則の集合として捉えることだと考えていました。
しかし、そこには大きな問題がありました。カスパロフを例に取ると、彼に「なぜそれほどチェスが上手いのですか?」と尋ねても、いくつかの巧みな序盤の手や終盤の戦略は教えてくれるかもしれません(チェスファンの方々はご存知の通り、彼の著書やオンラインチュートリアルにはそうした内容が含まれています)。しかし最終的には、「本能的な反応」「直感」「判断力」「創造性」といった言葉を口にすることになるでしょう。つまり「なぜ私がこれほどチェスが上手いのか、正確に説明することはできない」というのです。
これが、私の父や同僚たちがこのような成果は達成できないと考えた理由でした。人間が自分のタスクの遂行方法を明確に説明できないのであれば、機械が従うべき指示の集合をどのように作成すればよいのか、まったく見当がつかなかったのです。
彼らが見落としていたのは、その後の数十年で起こる処理能力の驚異的な成長でした。1850年から1950年の間、計算能力はほとんど変化がありませんでした。1950年以降、一見すると直線的な増加に見えますが、実際にはY軸が対数軸での表示であり、各段階は計算能力の10倍の増加を示しています。つまり、処理能力は爆発的に成長していたのです。
ガリー・カスパロフがディープブルーと対戦した時点で—これは25年以上前のことですが—ディープブルーは既に1秒間に3億3000万手を計算できました。対してカスパロフは1手につき最大で110手程度しか頭の中で検討できませんでした。彼は純粋な処理能力とデータ保存能力によって完全に圧倒されたのです。
そして、これが最も重要な点ですが、カスパロフがチェスの腕前の秘訣を説明できなかったことは、まったく問題にはなりませんでした。システムは根本的に異なる方法でタスクを実行し、カスパロフの思考プロセスや推論を模倣する必要はなかったのです。このディープブルーの成功は、実践的な勝利であると同時に、イデオロギー的な勝利でもありました。
3.2. 判断力の再定義:不確実性への対処としての判断力
専門家たち—医師、弁護士、会計士、建築家—と話をすると、彼らは「ダニエル、あなたは私の仕事を理解していない。私の仕事には判断力が必要なのだ。そして判断力は機械には決してできないものだ」と主張します。
しかし、これらの技術発展を踏まえると、「機械は判断力を持つことができるか」という問い自体が適切ではありません。実際、2つのより重要な問いを考える必要があります。
第一の問いは「判断力は何の問題に対する解決策なのか」です。なぜ人々は医師や弁護士、会計士、建築家などを訪ね、「あなたの判断が必要です」と言うのでしょうか。その答えは「不確実性」にあります。事実が不明確で、情報が曖昧で、何をすべきか分からない時、人々は同胞である人間に、経験に基づく判断でこの不確実性を理解する手助けを求めるのです。
したがって、本当に問うべき興味深い問いは、「機械は判断力を持てるか」ではなく、「機械は人間よりも上手く不確実性に対処できるか」です。この問いへの答えは、明らかに「できる」です。それこそが機械が得意とすることなのです。機械は私たち人間よりもはるかに大きなデータを扱うことができ、私たち人間だけでは決して知覚できないような方法でそのデータを理解することができます。
顕著な例が、近年開発された医療診断システムです。スタンフォードで開発されたシステムは、ほくろが癌性かどうかを一流の皮膚科医と同等の精度で判定できます。このシステムは人間の医師の判断を模倣しようとはしていません。実際、医学について何も理解していません。代わりに、14万件以上の過去の症例のデータベースを持ち、パターン認識アルゴリズムを実行して、これらの症例と問題となっているほくろの写真との類似性を探しているのです。つまり、再び人間とは全く異なる方法でタスクを実行しているのです。
最も重要な点は、人間の医師が医療診断をどのように行うのかを説明するのに苦労するかもしれないという事実が、もはや重要ではないということです。人間が非常に繊細で複雑なことをどのように行うのかを説明できないという事実は、多くの人々が過去に考えていたほど、自動化の障壁とはならないのです。
3.3. 思考なき成功:AIの実用的アプローチの具体例
第二波の人工知能の実践的な例として、まずスタンフォードで開発された皮膚がん診断システムが挙げられます。このシステムは、一流の皮膚科医と同等の精度でほくろが癌性かどうかを判定することができます。重要なのはその動作方法です。このシステムは人間の医師の診断プロセスを模倣しようとせず、実際に医学について何も理解していません。代わりに、14万件の過去の症例データベースを保有し、パターン認識アルゴリズムを実行して、それらの症例と問題のほくろの写真との類似性を探すのです。これは人間とは完全に異なる方法でのタスク遂行の典型例です。
もう一つの重要な例は、IBMの別のシステム、Watsonです。2011年、Watsonはアメリカのクイズ番組「Jeopardy!」に出場し、2名の人間チャンピオンを打ち負かしました。興味深いことに、Watsonの勝利の翌日、Wall Street Journalに著名な哲学者ジョン・サールが「Watsonは自分がJeopardy!で勝ったことを知らない」という素晴らしい記事を寄稿しました。
この指摘は完全に正しいものでした。Watsonは興奮の叫び声を上げることもなく、両親に電話をかけて素晴らしい成果を報告することもなく、いわゆるパブでの祝杯を上げることもありませんでした。このシステムは人間の出場者たちの思考方法や推論の仕方を模倣しようとはしていませんでした。しかし、それは全く問題ではありませんでした。なぜなら、そのような人間的な特性がなくとも、Watsonは人間の出場者たちを凌駕することができたからです。
私の研究では、これらのシステムを「思考しない高性能マシン」と呼んでいます。これこそが第二波の人工知能の本質を表しています。これらのシステムや機械は、処理能力、データ保存能力、アルゴリズム設計における目覚ましい進歩を活用し、人間が行う場合には非常に繊細な能力を必要とするタスクを、根本的に異なる方法で実行しています。その結果として、私たちが判断力や創造性、あるいは共感といった繊細な能力を必要とするために自動化は不可能だと考えていた広範な活動が、実際には実現可能であることが明らかになってきているのです。
4. 将来の労働市場における3つの課題
4.1. 摩擦的技術的失業:労働者のスキルミスマッチ
私の見解では、現在から今後5年から10年における課題は、技術進歩によって仕事が完全になくなることではありません。むしろ、仕事は存在するものの、様々な理由で人々がその仕事に就けない状況が生じることです。これは労働市場における摩擦的技術的失業の課題として捉えることができます。
これを理解するために、先に述べた2つの力を再び考える必要があります。今後10年程度の期間では、ほとんどすべての経済において、労働者を置き換える有害な代替効果は、他の場所での労働需要を高める有益な補完効果によって相殺されると考えられます。しかし、問題は、新たに創出される仕事の多くが、労働者にとって手の届かない場所に存在することです。
その第一の理由が「スキルのミスマッチ」です。これは、技術によって置き換えられた労働者が、技術進歩によって新たに創出された仕事に必要なスキルを持っていないという問題です。これは摩擦的技術的失業の最も一般的な形態であり、多くの人々にとって馴染みのある課題となっています。
4.2. 場所のミスマッチ:地理的制約の持続する重要性
第二の課題は、「場所のミスマッチ」です。これは、技術によって置き換えられた労働者が、新たな仕事が創出される場所に居住していないという問題です。
インターネットの初期には、場所に関する懸念は重要ではなくなるだろうと考えられていた時期がありました。人々は「距離の死」(death of distance)を語り、「世界は平坦になる」(the world is flat)と主張しました。
しかし、現実は異なる展開を見せています。今日、仕事を探す上で、あなたが住んでいる場所は、かつてないほど重要な要素となっているのです。テクノロジーは、場所の制約を解消するどころか、その重要性をさらに高める方向に作用しているのです。
4.3. アイデンティティのミスマッチ:ジェンダーと職業の課題
第三の課題は、私たちが最も議論を避けがちな「アイデンティティのミスマッチ」です。これは、技術によって置き換えられた労働者が、特定の種類の仕事に根ざしたアイデンティティを持っており、そのアイデンティティを守るために失業状態に留まることを選択するという問題です。
この現象の具体例として、新しい技術によって従来の製造業の職を失ったアメリカの成人男性の事例が挙げられます。一部の分析では、これらの男性は「ピンクカラー」の仕事—これは残念な呼び方ですが—に就くくらいなら、むしろ仕事をしないことを選ぶと指摘されています。
「ピンクカラー」という用語が使用される背景には、自動化が最も困難で、将来的に雇用成長が予想される職種の多くが、不釣り合いなほど女性によって担われているという現実があります。実際の数字を見ると、アメリカでは就学前教育・幼稚園教諭の97.7%が女性であり、看護師の92.2%、ソーシャルワーカーの82.5%が女性です。
この状況は、労働市場における深刻なミスマッチを示しています。技術の進歩によって最も保護され、成長が期待される職種と、置き換えられた労働者のアイデンティティや職業観との間に、大きな隔たりが存在しているのです。
5. 構造的技術的失業への対応
5.1. 技術進歩の方向転換の可能性と限界:環境問題からの教訓
21世紀後半を見据えると、私たちは第二の種類の技術的失業、つまり単純に仕事が十分に存在しない構造的技術的失業に直面する可能性があります。これは、摩擦的技術的失業とは異なる、より不快な考えです。
この課題に対して、近年では技術進歩の方向性を変えようとする対応が増えています。この考え方の最も明確な表明は、アセモグル(Acemoglu)の最近の著作に見られます。彼は「過剰な自動化」が進行していることを認めつつも、望むならば現在の道筋を避け、異なる方向に進むことができると主張しています。
このアプローチの重要な点は、政治家や政策立案者が技術進歩について語る際の従来の比喩を覆すことです。これまでは、技術進歩を列車に例えてきました。アクセルを踏んで加速し、より多くの技術進歩を得るか、ブレーキを踏んで減速し、より少ない技術進歩を得るかの選択しかないという考え方です。進行方向は線路によって固定されており、社会はその線路に沿って進むしかないという発想でした。
しかし、アセモグルの提案する技術進歩の方向性を変えるという考えは、これが間違いだと指摘します。より適切な比喩は航海のようなものです。政策立案者は大海原に浮かぶ船のように、帆を上げて速度を上げることも、下げて速度を落とすこともできます。しかし、それだけでなく、望む方向に舵を切ることもできるのです。この比喩は、より解放的です。技術進歩の量を増やすか減らすかという狭い選択肢だけでなく、技術進歩の性質や種類を変えることができるのです。
この考え方の実例として環境問題における経験が挙げられます。環境の場合、自動化と同様に、有害な技術(汚染物質を排出し、二酸化炭素を放出する技術)が存在する一方で、クリーンな技術という別の選択肢があります。過去30-40年にわたり、私たちは税制や補助金、法規制、社会規範や慣習を通じて、クリーンな技術の開発を奨励してきました。
しかし、この取り組みは十分な成功を収めていません。世界の気温上昇を見ると、過去8年間は地球の歴史上最も暑い8年間を記録しています。2030年までにメートルトンあたり約100ドルの炭素税を導入することで温度上昇を抑制できると分かっていながら、その実現には至っていません。
このため、気候変動への対応は、技術進歩の方向性を変える緩和策だけでなく、より温暖な地球での生活への適応策も含めざるを得なくなっています。同様の教訓がAIと構造的技術的失業の課題にも当てはまります。技術進歩の方向性を形作ることは可能であり重要ですが、その実現には大きな政治的・技術的な困難が伴います。気候変動への40年間の取り組みから学べるように、AIが仕事に与える影響への対応も、緩和策だけでなく適応策も必要となるでしょう。
5.2. 分配のための大きな国家:新しい国家の役割
私は、より少ない仕事しか存在しない世界に対応するためには、国家がより大きな役割を果たす必要があると考えています。ここで重要なのは、私が想定している「大きな国家」は、生産における大きな国家ではないということです。つまり、中央政府のオフィスに座る官僚たちが経済活動を指揮・統制するような形態—私たちは20世紀にそれを試みましたが、うまくいきませんでした—ではありません。
代わりに、私が提案するのは、分配における大きな国家です。これは、従来の所得分配の方法である「仕事に対する支払い」が過去ほど効果的でなくなった場合に、社会における所得分配においてより大きな役割を果たす国家の形を意味します。
5.3. ベーシックインカムの問題点:定義と社会的連帯
ベーシックインカムについて、私はいくつかの重要な問題点を指摘したいと思います。
第一の問題は、「基本(basic)」の定義に関するものです。左派と右派は、原則的にベーシックインカムのメリットには同意してきました。しかし、彼らが考える「基本」の意味は大きく異なります。右派がベーシックインカムを支持する理由は、税制の簡素化を約束するからであり、彼らが考える「基本」とは、誰も落ちることのない最低限のレベルを意味します。一方、左派は人々が人生で本当に繁栄することを可能にする、はるかに野心的な「基本」のレベルを支持しています。
私の最も大きな懸念は、普遍性、つまり無条件で支給されるという特徴です。多くの人々にとって、これがベーシックインカムを定義する特徴ですが、私はこれが最も問題のある特徴だと考えています。その理由は、今日の社会的連帯が、人々が仕事を通じて経済的重荷を担い、税金を払うという感覚から生まれているからです。もし人々が働いていない場合、仕事を探すことが期待されます(働ける場合)。
ベーシックインカムの問題は、この社会的連帯の感覚を損なうことです。一部の人々が何も見返りを提供することなく、集団の資源から恩恵を受けることになるからです。つまり、ベーシックインカムは分配的正義の問題—社会における所得の公平な分配—をうまく解決するかもしれませんが、貢献的正義の問題—人々に集団の資源に貢献する機会を与え、最も重要なことですが、他者からその貢献を認められること—を無視しているのです。
そのため、もしベーシックインカムのような制度を導入するのであれば、何らかの条件付けが必要です。ただし、その条件は有給の仕事に就くことではありません。人々には、経済的ではない何らかの社会的に価値のある方法で、集団の資源に貢献する機会が与えられる必要があるのです。
6. 「仕事のない世界」における3つの課題
6.1. 経済的課題:所得分配のメカニズム転換
より少ない仕事しか存在しない世界で直面する第一の大きな問題は、不平等の問題です。今日、労働市場は社会における所得分配の主要な方法となっています。ほとんどの人にとって、仕事は主要な、もしくは唯一の収入源です。
そこで根本的な問題が生じます。従来のように、人々の仕事に対して支払いを行うという方法で所得を分配することが以前ほど効果的でなくなった時、社会の中で物質的な繁栄をどのように分かち合えばよいのでしょうか。
私の研究では、この課題に対処する唯一の方法は国家を通じてであると結論付けています。これは「大きな国家」を必要としますが、それは生産における大きな国家ではありません。中央政府のオフィスに座る人々が経済活動を指揮・統制しようとする形態—私たちは20世紀にそれを試みましたが、うまくいきませんでした—ではないのです。
それよりも、私たちが必要としているのは分配における大きな国家です。つまり、人々の仕事への支払いという従来の方法が過去ほど効果的でなくなった場合に、社会における所得分配においてより大きな役割を果たす国家の形を考える必要があるのです。
6.2. テクノロジー企業の新しい権力:経済的権力から政治的権力へ
第二の大きな課題は権力の問題です。将来、私たちの生活は、これらの技術を開発する少数の大手テクノロジー企業によって支配される可能性が高まっています。
興味深いのは、これらのテクノロジー企業が持つ権力の性質が、時代とともに変化してきていることです。20世紀には、大企業の経済的権力が主な懸念事項でした。市場の集中や略奪的価格設定などの問題に注目が集まり、経済的権力の集中を特定し、必要に応じて介入する手段も確立されていました。
しかし、21世紀において私たちは、大企業の経済的権力よりも、むしろその政治的権力、特に自由や民主主義、社会正義への影響により懸念を抱くようになっています。
具体例を見てみましょう。今日のテクノロジーは私たちの自由を次のように制限しています:
- オンラインマーケットの売り手は特定の商品の広告を禁止されることがあります
- 暗号通貨保有者はウォレットのキーを忘れることで資産を失う可能性があります
- 電動自転車の利用者は緊急時であっても一定速度以上で走ることができないよう制限されています
また、テクノロジーは社会正義に関する重要な判断も行っています:
- どの応募者が仕事を得られるか
- どの市民が社会住宅を割り当てられるか
- どの借り手が融資を受けられるか
- どの受刑者が仮釈放されるか
さらに、テクノロジーは私たちの民主主義の形を作り変えています:
- 検索エンジンがオンラインで私たちが受け取る情報を選別し形作ります
- メディアプラットフォームは私たちが参加する会話を選別します
- ソーシャルネットワークは誰の声が増幅され、誰の声が抑制されるかを決定します
これらの自由、社会正義、民主主義への影響に関する問題は、20世紀に大企業の経済的権力が私たちの懸念の中心であったように、21世紀における私たちの主要な懸念となるでしょう。
6.3. 意味と目的の問題:パンデミックから学んだ「有意義な失業」の課題
第三の課題は、意味と目的の問題です。この点を説明するために、私はあるユダヤ人の母親と息子のジョークを紹介したいと思います。息子が海で泳いでいて、明らかに苦しんで水中に沈んでいきます。岸辺に立っている母親は「助けて!私の息子が溺れています。彼は医者なのです!」と叫びます。
このジョークが的確に示しているのは、多くの人にとって仕事は単なる収入源ではなく、意味や方向性、充実感、目的の源でもあるという事実です。もしそうだとすれば、自動化がもたらす課題は、単に労働市場を空洞化させて人々の収入を失わせることだけでなく、人々の意味や目的、充実感の感覚も空洞化させてしまう可能性があるということです。
私の著書『A World Without Work(仕事のない世界)』は2020年1月に出版され、その2か月後の3月に英国でパンデミックが本格化しました。本の題名は「仕事のない世界」でしたが、ロボットが人々の仕事を奪うのではなく、ウイルスが人々の仕事に対する需要を急激に減少させるという形で、私たちは実際に仕事のない世界を経験することになりました。
この時期、私たちは基本所得のような制度を経験しました。英国ではScheme(給付金制度)が、米国では小切手の形で支給が行われました。しかし、意味と目的の観点から特に興味深かったのは、強制的な余暇の中で人々が意味と目的を見出そうとした必死の奮闘でした。
英国では、DIY店がペンキを売り切れ、フェンス用の木材が手に入らなくなりました。さらに、国内で酵母が不足するほど、多くの人々がパン作りを始めました。これは一面では面白い現象ですが、より深刻な問題も示唆していました。それは、私たちの社会は「有給雇用」が何を意味するかについては良く理解していますが、「有意義な失業」が何を意味するのかについては、まだ十分な理解を持っていないという現実です。
7. 未来への展望
7.1. 経済問題解決への楽観論:技術進歩と経済的豊かさ
私は楽観的な見方で締めくくりたいと思います。実際、楽観主義は私の研究の通奏低音となっています。その理由は単純です。今後数十年の間に、技術進歩は、これまで人類を支配してきた経済問題を解決する可能性が高いからです。
経済をパイに例えると、伝統的な課題は、そのパイを誰もが生きていけるほど大きくすることでした。紀元1世紀頃の世界の経済的パイを平等に分割したとすれば、ほとんどの人々はわずか数百ドル程度しか得られず、ほぼ全員が貧困線上か、その周辺で生活していました。その後1000年が経過しても、状況はほとんど変わりませんでした。
しかし、過去300年の間に、経済成長は爆発的に加速しました。この成長は技術進歩によって推進され、世界中の経済的パイは劇的に拡大しました。今日の世界のGDPを人口で割った値、つまり個々の取り分の価値は、既に11,000-12,000ドルに達しています。私たちは、何世紀にもわたって人類を悩ませてきた経済問題の解決に、かつてないほど近づいているのです。
皮肉なことに、技術的失業という問題は、このような成功の症状といえます。21世紀において、技術進歩は一つの問題—パイを誰もが生きていけるほど大きくする—を解決しますが、同時に三つの新しい問題を生み出します。それは既に述べた不平等の問題(従来の方法で所得を分配できなくなった場合、どのように分配するか)、大手テクノロジー企業の政治的権力の問題、そして意味と目的の問題です。
7.2. 新たな課題への対応:より魅力的な問題群への転換
21世紀の技術進歩は、古い経済問題を解決する一方で、三つの新しい問題を私たちに突きつけることになります。
第一の問題は分配の課題です。もはや従来のように仕事への支払いを通じた所得分配に依存できなくなった時、社会の繁栄をどのように分かち合うかという問題です。
第二の問題は、大手テクノロジー企業の政治的権力です。特に、これらの企業が自由、社会正義、民主主義に与える影響が大きな課題となります。
第三の問題は、有給の仕事が減少する世界における意味と目的の提供です。
これらの課題にどのように対応するかについては、明らかに大きな意見の相違が生じるでしょう。繁栄の分かち合い方、大手テクノロジー企業の政治的権力の抑制方法、より少ない有給労働の世界での意味の提供方法について、様々な議論が必要です。
しかし、私の最終的な見解では、これらの問題は、何世紀にもわたって私たちの先祖を悩ませてきた問題—経済的パイを誰もが生きていけるほど大きくすること—と比べれば、はるかに魅力的な課題だと考えています。