※本記事は、Fadwa Saad AlBawardi氏によるAI for Goodワークショップ「From data to decisions: Using AI to boost productivity and fair wages」の内容を基に作成されています。Fadwa Saad AlBawardi氏はFadwa AlBawardi Consulting Officeの創業者兼CEOであり、デジタルトランスフォーメーション分野において23年以上の経験を持ちます。本ワークショップの詳細情報はAI for Good公式サイト（https://aiforgood.itu.int/ ）でご覧いただけます。AI for GoodはITUが主催し、50以上の国連パートナーと連携、スイス政府と共同開催する国際的なプラットフォームであり、AIを活用してグローバルな課題を解決する革新的なアプリケーションの特定、スキルと標準の構築、パートナーシップの推進を行っています。なお、AI for Good グローバルサミット2026への参加登録は https://aiforgood.itu.int/summit26/ にて受け付けています。本記事では、ワークショップの内容を要約しております。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、オリジナルの動画（https://www.youtube.com/watch?v=2dv83g64vSM ）をご覧いただくことをお勧めいたします。
1. オープニング：参加者紹介とワークショップの目的
1-1. ファシリテーター紹介と本日のアジェンダ
Fedo Alardi： 皆さん、こんにちは。私はFedo Alardiと申します。サウジアラビア出身で、現地でデジタルトランスフォーメーションのコンサルティングオフィスを運営しています。経験年数は23年以上で、2003年に米国ボストン大学でコンピュータサイエンスの修士号を取得しました。いわゆるジェネレーションXの一員ですが、本日こうして皆さんとご一緒できることをとても嬉しく思っています。
本ワークショップは、AIが新たな雇用機会の創出と経済的安定の確保にどう貢献できるかを探りながら、同時にオートメーション化が進む現代における諸課題にも正面から向き合うことを目的としています。具体的には、AIがいかにして質の高い仕事とより良い労働環境の実現を後押しできるかを明らかにしていきます。これは今日の世界における非常に重要な問いです。また、多くの組織において賃金の公正性を促進することが、持続可能でインクルーシブな経済成長につながるという視点も、本日の中心的なテーマのひとつです。
本日のアジェンダとしては、まず参加者の皆さんに自己紹介をしていただき、次にサウジアラビアの国家AIエコシステムについてご紹介します。その後、各国のAIエコシステムについても伺いたいと思います。本日は多国籍の参加者が集まっていますので、とても有意義な情報交換になるはずです。そしてAIの変革的な力がもたらすリスクと機会について、世界経済フォーラムや国際労働機関などの統計データを交えながら掘り下げます。最後に、公正な賃金とインクルーシブな成長についてオープンディスカッションを行い、いくつかのグループ演習も実施する予定です。
1-2. 参加者の自己紹介と関心テーマ
Fedo Alardi： それでは、各テーブルから簡単に自己紹介をお願いします。ご自身のバックグラウンドと、本ワークショップに何を期待して参加されたかをお聞かせください。多様な背景を持つ皆さんが集まっていることが、このワークショップをさらに豊かなものにしてくれると確信しています。
K： 私は人事テクノロジー企業を経営しており、企業変革の支援も行っています。また、女性のキャリア推進にも取り組んでいます。
参加者（デジタル営業技術）： 私はデジタル分野の営業技術に携わっています。テクノロジーの世界において女性がどのように公平に扱われるべきかについて、より深く学びたいと思って参加しました。
Elsa： 私はあるネットワーク組織のコミュニケーション・ディレクターを務めています。農業サプライチェーンの持続可能性向上に取り組んでおり、特に小規模農家や農業労働者がいかにして生活賃金を得られるかという問題に関心を持っています。
York： 私が所属するFoundationでは、企業の責任ある情報開示を促す二つのイニシアティブを展開しています。一つは労働問題に関するもの、もう一つはAIガバナンスに関するネットワーク型の調査で、持続可能性と労働力の問題を扱っています。AIが労働力に与える影響に強い関心を持っています。
参加者（グローバル企業ソーシャルインパクト担当）： 私は鉱業から金属生産までを手がけるグローバル企業でソーシャルインパクト・ディレクターを務めています。社会面でのAI活用に強い関心があります。
参加者（韓国・デジタルトランスフォーメーション担当）： 私は組織のデジタルトランスフォーメーションチームで働いています。変革とはいつも機会とリスクが表裏一体ですが、私の役割はその機会の側を社内に訴えることです。本日は、韓国の同僚たちをさらに説得するための知見を得られればと思っています。
参加者（スウェーデン）： スウェーデンから参加しています。生産性とデジタルトランスフォーメーションの戦略について学びに来ました。
参加者（イノベーション・AIリード）： 私は国際機関でイノベーション・AIリードを担っています。AIが組織に与える影響、特に生産性や社会的インパクトをどのように組織の中に組み込んでいくかに関心があります。現在は様々な実験も進めており、今後のコラボレーションにもオープンです。
参加者（地方政府支援・データマネージャー）： 私はTeamsight Solutionsに所属し、地方政府やサプライチェーン内の恵まれないコミュニティを支援しています。またMacArthur Foundationが育成する非営利組織でデータ・インサイトマネージャーも務めており、裕福な個人や家族のオフィスとプロジェクトをつなぐ活動をしています。AIを活用して寄付申請プロセスを簡略化し、申請者が繰り返し情報を入力しなくて済むような仕組みづくりを探っています。
参加者（政治財団・研究者）： 私は社会主義政党の政治財団に勤め、AIの影響に関する研究プロジェクトに携わっています。
参加者（大臣）： 私はCIT大臣です。本日は聴講に参りました。（笑）
Fedo Alardi： 皆さん、ありがとうございます。実に多様なバックグラウンドをお持ちの方々が集まっていますね。これがこのワークショップをより価値あるものにしてくれると思います。それでは早速、本題に入っていきましょう。
2. サウジアラビアのAIエコシステムとデジタル経済戦略
2-1. ビジョン2030とAI国家戦略の全体像
Fedo Alardi： それでは、サウジアラビアの国家AIエコシステムについてご紹介します。サウジアラビアはAIイノベーションの主要拠点となることを戦略的目標に掲げており、これは「ビジョン2030」と完全に連動しています。ビジョン2030とは、石油依存からの経済多角化と技術革新の促進を柱とする国家長期戦略です。AIはその中核的な推進力として位置づけられています。
主要な取り組みとしてまず挙げられるのが、SADA（サウジデータ・AI庁）です。これはAIインフラと応用の開発を国家レベルで主導する機関であり、国内のAI政策を統括する司令塔的な役割を担っています。また、スマートシティの建設も積極的に進めており、NEOMや「THE LINE」はその代表例です。これらのプロジェクトでは、持続可能性・モビリティ・都市計画の全領域にわたってAIをインフラに組み込む設計思想が採用されています。さらに、政府サービスのスマート化も進んでいます。医療・教育・行政サービスをインテリジェントなシステムで効率化するスマート政府インフラが整備されており、市民サービスの質的向上が図られています。
こうした戦略の推進にあたっては、データサイエンスや機械学習をはじめとする技術分野での新たな雇用創出が期待されると同時に、AIの恩恵が広くインクルーシブに、かつ倫理的に行き渡るよう、サウジアラビア独自のAIガバナンス方針も策定されています。スキルギャップの解消とイノベーションの促進を支援する専門機関も複数存在しており、国全体でAI推進体制を構築しています。
2-2. 国家AIエコシステムの8構成要素
Fedo Alardi： 次に、サウジアラビアのAIエコシステム全体を構成する8つの要素についてご説明します。このダイアグラムは国内でも非常に重要なスライドのひとつで、異なるステークホルダーがどのように連携してAIとイノベーションを発展させているかを一望できるものです。各要素は互いに有機的につながっています。
第一の要素は「リーダーシップと規制」です。ここにはSADAや通信省、NDMO（国家データ管理局）、サイバーセキュリティ関連機関などが含まれており、国家AI戦略の方向性を定める司令塔として機能しています。
第二の要素は「研究・スキル・人材育成」です。大学やアカデミーなどの教育機関がここに属し、AI人材の養成とスキル開発を担っています。
第三の要素は「産業AI・スタートアップ」です。HelmやAutonomousWe、STC Solutionsといった企業が含まれており、AIの実用化と産業応用を牽引しています。
第四の要素は「新興技術」です。中小企業（SME）の支援に特化した機関が含まれており、スタートアップエコシステムの裾野を広げる役割を果たしています。
第五の要素は「グローバル技術パートナーシップと戦略的提携」です。Microsoft、IBM、Oracleなどとの国際的なパートナーシップがここに位置づけられており、世界水準の技術導入を可能にしています。
第六の要素は「国家イニシアティブとイベント」です。展示会・カンファレンス・サミットを企画・運営する機関群がここに含まれます。皆さんもご存知のLEAPをはじめ、世界中から参加者を集める大規模なAI関連イベントがサウジアラビアで開催されています。
第七の要素は「資金調達と資本支援」です。Mudenや各種ベンチャーキャピタル（SVC）、投資計画機関がここに属し、AI関連事業への投資とその計画立案を担っています。
第八の要素は「コミュニティ支援とエコシステム連携」です。ステークホルダーとイノベーターをつなぐ役割を果たす機関群であり、エコシステム全体のネットワーキングと協働を促進しています。
この8要素が相互に連携することで、サウジアラビアのAIエコシステムは国家戦略として一体的に機能しています。このダイアグラムこそが、国全体としてAIをいかに体系的にマッピングし、推進しているかを示す最も重要な資料のひとつです。
2-3. デジタル経済におけるデータとAI戦略の不可分性
Fedo Alardi： 続いて、AIエコシステムをデジタル経済全体の文脈に位置づけてお話しします。デジタル経済には主に四つの構成要素があります。一つ目は「主要な定義トレンドと新興技術」であり、5G・将来の6G・クラウド・IoT・AIといったテクノロジーがここに含まれます。二つ目は「主要な実現要素」であり、データがその中心に置かれます。三つ目は「新しいビジネスモデル」であり、フィンテック・デジタルガバメント・eコマースなどが該当します。
ここで特に強調したいのが、データとAI戦略の不可分性です。AIに関しては非常に野心的なビジョンを持つ組織が多く、独自のAIインフラやエコシステムの構築を目指していますが、有効なデータ管理・データガバナンス・データ戦略なくして、成功するAI戦略は決して実現できません。私はこの点を常に繰り返しお伝えしています。AIの話をする前に、まずデータの話をしなければならない。これは現場での経験から得た、非常に重要な認識です。
その実例として、私がサウジアラビアで関わったCOVID-19に関する国家プロジェクトをご紹介します。このプロジェクトでは、複数の機関が連携し、今後数か月のサウジアラビア国内のCOVID感染者数と、それに対応するICUベッドの稼働率を予測するという大規模な取り組みでした。私はそこでデータ品質チームの責任者を務めました。データを用いてAIによる正確な分析・予測を行うためには、正確であること、完全であること、十分な量があること、という複数の品質要件を同時に満たさなければならず、これは非常に困難な作業です。このプロジェクトには約7〜8か月を費やしましたが、最終的に得られた予測は実際の政策判断に役立てられました。このプロジェクトが特に誇らしいのは、予測の対象が首都や大都市に限定されず、遠隔地の病院を含むサウジアラビア全土の医療施設を網羅していた点です。国家規模でデータ品質を担保し、AIによる予測を地方まで届けたこの経験は、データとAI戦略の統合がいかに重要かを身をもって示すものでした。
3. AIの変革的な力：雇用・生産性・不平等をめぐる機会とリスク
3-1. AIによる生産性向上と新雇用創出の可能性
Fedo Alardi： ここで少し皆さんに質問してみましょう。「AIと雇用」と聞いたとき、最初に頭に浮かぶキーワードは何ですか？
参加者： 「機会」ではないでしょうか。
別の参加者： 「アップスキリング」だと思います。
別の参加者： 市場の要件が絶えず変化しているという意味で、「変化の必要性」を感じます。
別の参加者： 「トランジション（移行）」という言葉が浮かびました。
Fedo Alardi： どれも本質を突いたキーワードですね。まさに私たちが今日議論したいことと完全に一致しています。ではまず、AIが持つ変革的な力と、それが生み出す機会について整理しましょう。
AIが生産性を向上させるチャネルとして、まず反復的・定型的な業務の自動化が挙げられます。生成AIの登場により、以前であれば時間をかけて調査しなければならなかった情報がワンクリックで手に入るようになりました。これにより、人間の労働者は退屈で単調な作業から解放され、品質に集中できるようになります。また、AIを活用した予測分析は、データが正確であれば意思決定者が正しい判断を下すうえで大きな助けとなります。
新たな雇用創出の観点では、AIはこれまで存在しなかったタイプの雇用を生み出す可能性を持っています。特にインクルーシブな政策と組み合わせることで、サービスへのアクセス改善や包括的な成長を支援できます。具体的な例として、AIを活用した遠隔医療プラットフォームは、遠隔地や医療サービスが行き届いていないコミュニティへの医療アクセスを大幅に改善し、医療スタッフをリモートで支援することができます。農業分野では、AIを活用した精密農業が小規模農家の収益向上やコスト削減を後押しし、データ分析やドローン操縦といった新たな役割を農業の現場にもたらします。AIを搭載したロボットが土壌の状態を検査し、作物の病気を悪化する前に検知することも可能になります。このように、AIが機会をもたらす側面は決して小さくありません。
3-2. 雇用喪失・社会的不平等の拡大リスクと影響を受けるセクター
Fedo Alardi： 一方で、AIは深刻な課題も突きつけています。雇用の喪失という問題はその最たるものです。ある大手企業は倉庫業務において人間の労働者を60万台ものロボットに置き換えており、これは雇用構造の根本的な変容を意味します。
特に雇用喪失のリスクが高いセクターを具体的に挙げると、製造業・組立ラインの作業員、レジ係や在庫管理担当者などの小売業、トラック運転手や配送クーリエなどの輸送・物流業が含まれます。配送業務はすでにドローンへの置き換えが進みつつあります。コールセンターのオペレーターをはじめとするカスタマーサービス業務はチャットボットに代替されており、データ入力や受付業務といった一般事務・管理業務も例外ではありません。金融・銀行分野でも変化が起きており、農業における収穫作業や農作物の摘み取りもロボットが担いつつあります。さらに見落とされがちなのがメディアとコンテンツ制作の分野です。コンテンツモデレーターは既にAIツールに完全に置き換えられつつあり、創造性の領域でさえロボットやAIツールが侵食しています。これらのセクターと職種が特にリスクにさらされているのは、AIと自動化技術が人間よりも効率的に反復的・定型的な業務をこなせるからにほかなりません。
不平等の拡大という観点でも深刻な問題があります。AIによる自動化は定型業務を不均衡なかたちで代替するため、低所得かつ教育水準が低い立場の労働者が特に大きな打撃を受けます。国際的な報告書によれば、実際に置き換えられているのは低所得の労働者が多いという現実があります。AIが熟練労働者や技術・訓練へのアクセスを持つ人々を優遇する構造は、社会経済的グループ間の格差を拡大させ、最終的には周縁化されたコミュニティをさらに追い詰め、全体的な不平等を深刻化させます。AIの変革に熱狂するあまり、人間への影響、とりわけ低所得者層への打撃を見過ごしてしまうケースが非常に多いと、私は強く感じています。
3-3. SDGs・ILOの人間中心原則との整合とAI活用24分野の概観
Fedo Alardi： こうした機会とリスクのバランスを考えるうえで重要な参照軸となるのが、国連の持続可能な開発目標（SDGs）です。本日の焦点は主にSDG8「働きがいも経済成長も」ですが、SDG9「産業・技術革新・社会基盤」およびSDG10「不平等をなくそう」とも密接に関連しています。
国際労働機関（ILO）の「仕事の未来」に関する原則との整合という観点では、人間中心のアプローチが核心に置かれています。技術変革に対して人間中心の姿勢を推進するイニシアティブを支持することが、「AIフォー・グッド」というサミットの精神とも一致しています。すべての人にとっての適切な労働の実現、不平等の解消、そして技術的進歩の恩恵がすべての人に行き渡る持続可能な労働環境の確保——これらがILOの掲げる理念であり、私たちが目指すべき方向性です。
AIが活用できる分野については、24のセクターにわたる応用事例を示したダイアグラムがあります。私が講演の場で好んで使うスライドのひとつです。ヘルスケアを例にとると、自律型手術ロボット、疾患の自動識別・診断、個別化治療、創薬、X線・CTスキャン・データ入力などの定型業務の自動化、バーチャルドクターや外科医の支援、そして感染症アウトブレイクの予測といった用途が含まれます。農業では前述のとおり精密農業が、製造業では品質管理や予知保全が、教育では個別最適化された学習支援がそれぞれ挙げられます。これら24分野を俯瞰すると、AIが人間社会のほぼあらゆる領域に変革をもたらしうることがわかります。重要なのは、その変革が機会として機能するか、リスクとして顕在化するかは、それを活用する人間と社会の選択にかかっているという点です。
4. 演習①：AIと雇用をめぐるディベート（楽観派 vs. 慎重派）
4-1. 楽観派の主張：生産性・新雇用・データ資産化の可能性
Fedo Alardi： それでは最初の演習に入ります。参加者を二つのグループに分けていただき、一方は「楽観的なステークホルダー」として、AIによる雇用創出とインクルーシブな成長の可能性を強調する立場をとっていただきます。もう一方は「慎重なステークホルダー」として、雇用喪失と格差拡大のリスクを指摘する立場をとっていただきます。できれば実際にご自身の職場や組織で経験した具体的な事例を交えた議論にしていただきたいと思います。15分間で議論を整理したうえで、各グループの代表者にディベートをしていただきます。
楽観派代表： 私たちのグループは、AIが原則として非常に多くの優れたことを実現できるという点で一致しました。多くのタスクにおいて、AIは人間よりもはるかに効率的に機能します。例えばセキュリティガードの仕事を考えてみてください。AIであれば24時間体制で勤務でき、見落としもなく、ミスもなく、たばこ休憩も昼食休憩も必要なく、抗議活動もしません。雇用主にとってはまさに朗報と言えるでしょう。
また、データ資産化という観点でも非常に興味深い動きがあります。現在オープンソースコミュニティや一部のコンソーシアムでは、データを資産として捉えるフレームワークの実験が始まっています。大規模言語モデルやAIを動かすためにはデータが不可欠ですが、役割が置き換えられた労働者に対して、AIの学習に貢献したことへの長期的な利益を還元できないかという問いが生まれています。現職の労働者がAIの訓練を手伝い、そのデータ生成を通じて何らかの長期的な恩恵を受け取るインセンティブ構造を設計できるかどうか——この経済モデルが完全に成立するかどうかについては私自身まだ確信が持てませんが、民間セクターやオープンソースコミュニティの中で活発に試みられているのは事実です。将来的な価値創出が、モノの生産ではなく能力の生産に移行していくという意味で、エコシステムの中で最も注目している動きのひとつです。
4-2. 慎重派の主張：格差拡大・知的能力の低下・社会保護の空洞化
慎重派代表： 私たちのグループでは、AIが雇用に与えるネガティブな側面を中心に議論しました。まず最も深刻な問題として、低・中所得国において人口の大部分が非熟練労働に依存しているという現実があります。AIによって雇用が失われた場合、ほとんどの国には十分な社会保障制度が存在しないため、収入を失った人々の生活が直ちに脅かされます。企業はAIの活用によって労働コストが低下し、利益を拡大できますが、その恩恵は雇用を失った人々には一切還元されていません。富は企業に集中する一方で、労働者への分配がない——これが最大の懸念です。
また、知的能力の低下という問題も議論になりました。私たちはAIを使うことで多くのことを考えなくなり、学ばなくなります。新しい世代の知的能力への影響が非常に心配です。若い世代だけでなく、中堅のキャリアを持つ人々も突然雇用を失い、場合によっては永続的に職場に戻れなくなるリスクがあります。
さらに、社会保護の必要性が低下しつつあるという逆説的な問題も指摘されました。自動化が進んだ工場や産業では、もはや社会保護が機能する対象者自体が減少しており、社会全体の保護機能が空洞化しつつあります。加えて、いわゆる発展途上国では、海外で働く自国民からの送金に経済が依存している国が少なくありませんが、それらの国々が送金の減少によって財政的に追い詰められるリスクも無視できません。
そして今回のAIの変革が過去の産業革命と根本的に異なる点として、その速度が挙げられます。かつての産業革命では変化に適応する時間がある程度ありましたが、今回はその速度が指数関数的であり、これまでに経験したことのないほど急激です。この速さが、変化への対応をより困難にしています。
4-3. 討議から生まれた気づき：現行政策の限界とデータポイズニングの脅威
Fedo Alardi： 非常に示唆に富んだ議論をありがとうございます。これらの課題に対して、現行の政策は有効に機能しているのでしょうか、それともまだ大きなギャップがあるのでしょうか？
参加者（企業AI担当）： EUのAI法は現在存在するものの中では最も厳格な規制の一つですが、例えば第4条にあるAIリテラシーに関する条項は非常に小さな扱いで、内容も曖昧です。数か月前に欧州委員会がQ&Aを公開しましたが、「従業員を教育する必要がある」という方向性は示されているものの、何をどのように教育すべきかについての具体的なガイドラインはほとんどありません。私自身が社内でAI導入を担当していますが、多くの人がChatGPTを見てすべてのAIがそれだと思っており、AIが何であるかを正確に理解している人は少ないのが現実です。政策には依然として大きなギャップがあります。
参加者（AIリード）： 企業でのAI導入プログラムについて補足させてください。生成AIが生産性を向上させると期待する声は多いですが、実際には使い方を知らなければ生産性は上がりません。企業や中小企業でAI導入を進める際には、まずセキュリティインフラの整備から始め、社内の好奇心旺盛な人たちが試みたケーススタディを共有しながら、マーケティングや営業、プロダクト部門から草の根的に広げていくアプローチが効果的です。生成AIはまだ基本的にはMVP（最小限の実用製品）の段階にあり、私たちが自らの手でそのMVPを管理・運用しているのが実態です。完璧に機能する完成品を期待するのではなく、現在地を正確に把握したうえで段階的に活用していくことが重要です。
参加者（楽観派）： 「第一波・第二波」という観点も重要です。最初の波では、バイアスや誤りなどさまざまな問題が表面化します。しかし第二世代では、その失敗から学んだ改善が反映されます。産業革命のときも同様でした。当時の人々は機械を全部壊してしまおうと言っていましたが、今私たちはどこにいるか——その恩恵のうえに生きています。適切な教育プログラムとスキルアップを通じて、正しい方法でAI導入を進めることができれば、同様の好転が期待できます。
参加者（データ政策研究者）： 炭素税のアナロジーも検討に値します。炭素を出しすぎた事業者に課税するように、AIで過剰な利益を得た事業者に税を課し、その財源を公共のオープンデータ整備や公共AIの開発に活用するという発想です。デジタル空間は現代において物理的な空間と同様に重要なインフラであり、政府が公共空間の清掃業者を税収で雇うのと同じように、公共データを整備・クリーニングする人材を育成・雇用することができます。特に若い世代を訓練してオープンデータの品質維持を担わせることで、公共AIが正確なデータのうえで機能できる環境を整えることができます。
Fedo Alardi： 大変興味深い提案ですね。ここで一つ補足させてください。オープンデータの文脈で非常に重要なリスクとして、データポイズニングがあります。これは単なる理論的なリスクではなく、現実にアルゴリズムの結果を歪めている実際の問題です。データポイズニングとは、クリーンなデータセットにハッカーが意図的に誤った・不正確なレコードを挿入することで、分析結果や予測を歪める攻撃です。意思決定者は正しい方向を向いていると思いながら、実際にはまったく異なる現実に基づいた判断を下してしまうことになります。外れ値の検出によってある程度は発見できますが、ビッグデータの場合は非常に見つけにくく、特に悪意ある攻撃者が巧妙に手を加えている場合には検出が極めて困難です。プロンプトインジェクションもこのデータポイズニングの一形態として理解できます。オープンデータを推進する際には、このリスクへの対応を同時に設計することが不可欠です。
5. 統計データから見るAIと雇用の展望および公正賃金への活用
5-1. WEF・ILO統計：職種別リスク分布と純雇用変化の予測
Fedo Alardi： ここからは、具体的な統計データをもとにAIと雇用の展望を整理していきます。まず世界経済フォーラム（WEF）の「Future of Jobs Report 2025」から見ていきましょう。このレポートによれば、新たな雇用の創出は現在の総雇用の14%に相当する、約1億7000万件に達すると予測されています。一方で、技術的自動化・AI・生成AIをはじめとする関連要因によって、現在の雇用の8%にあたる約9200万件の雇用が失われる見込みです。差し引きすると、総雇用の7%にあたる約7800万件の純増となります。数字だけ見れば雇用は全体として増えるように見えますが、失われる雇用と創出される雇用が必ずしも同じ人々に対応しているわけではない点が問題の核心です。
続いてILOの最新報告書（2025年5月20日付）を見ると、AIは雇用を完全に消滅させるよりも、むしろ雇用の性質を変容させる可能性が高いとされています。雇用全体の2.3%、約7500万件が生成AI技術への高い露出度により自動化のリスクにさらされており、さらに4件に1件の割合の雇用が生成AIによって大きく変容すると推計されています。
このILOレポートには、職種ごとのAI露出度を示した詳細なデータが含まれています。レポートでは職種を色分けして分類しており、赤色で示された職種が最も高いリスクにさらされているものです。例えばコンタクトセンターの販売員は、AIに置き換えられる可能性が最も高い職種の一つとして赤色に分類されています。黄色はAIへの露出が中程度の職種を示しており、研修・人材育成の専門職などが該当します。青色は比較的安全な職種であり、例えば航空管制官はその代表例です。AIによる誤作動が重大な危険や事故に直結するため、置き換えのリスクが非常に低いと判断されています。
ここで非常に重要な観点を一つ付け加えたいと思います。AIの活用には二つの層があります。第一層は「評価と予測」の層であり、AIはビッグデータを高速で分析し、パターンを抽出してさまざまな予測を行います。この層においてはAIは非常に有効に機能します。しかし第二層は「判断」の層です。AIが出した結果が正確かどうかを評価し、最終的な判断を下す——この層は現時点ではまだ人間が担う必要があります。AIはいまだ自分自身の出力を適切に判断する能力を持っていないからです。この判断の層こそが、人間が引き続き価値を発揮できる領域であり、自動化の波の中でも人間の役割が不可欠である根拠でもあります。
参加者（研究者）： 少し確認させてください。先ほど主に低熟練労働者が影響を受けるとおっしゃっていましたが、ホワイトカラー労働者にも大きな影響があるという研究もあると思います。その点はいかがでしょうか。
Fedo Alardi： おっしゃるとおりです。ホワイトカラーへのAIの影響に関する研究も実際に進んでいます。ご関心があれば、ワークショップ後に関連する研究へのリンクをお送りすることができます。ただ、率直に申し上げると、現時点では研究が積み重ねられている一方で、具体的な解決策の提示にはまだ至っていません。バイアスの問題、不平等の問題、雇用の置き換えの問題、ジェンダー不平等の問題——これらの課題に対して、実際に責任を持って解決に動くことができる機関がどこなのかが、いまだ明確でないのが現状です。研究は積み重ねられています。しかし、そこから先の行動をどう担保するかが、私たちが向き合うべき最大の問いだと思っています。
5-2. AIによる賃金格差分析・政策立案支援の可能性と説明責任の課題
Fedo Alardi： では、AIを公正な賃金の実現と格差是正のためにどう活用できるかという観点に移りましょう。まず、セクターや地域をまたいだ賃金データの分析にAIは大きな威力を発揮します。例えば、ある国の特定セクターにおける男女別・セクター別・地域別の賃金データを収集し、AIで分析することで、現在の賃金格差のパターンと将来予測を可視化することができます。こうした分析をもとに、どの集団がどの程度の格差にさらされているかを特定し、政策的な介入の優先順位を決めることが可能になります。これは、関心のある方がぜひ取り組んでみる価値のある、非常に高い社会的価値を持つプロジェクトになり得ます。
AIを活用した賃金交渉支援ツールは、公正な賃金交渉を支援し、労働基準の遵守状況をモニタリングするうえでも有用です。データさえ揃っていれば、AIはパターンの認識と格差の特定において非常に優れた能力を発揮します。政策立案者が賃金格差を抱える特定の地域や集団を正確に把握し、より効果的な政策を打つための示唆を得ることができます。
また、AIを活用した賃金格差分析は、政策立案者がより公平な賃金政策を設計し、公正な所得分配と社会的安定に貢献するうえでの強力な手段となります。例えば生成AIを活用した賃金格差分析ツールを設計することで、特定のセクターや地域の賃金の現状把握と将来予測が可能になり、対象を絞った政策介入の設計に直接役立てることができます。
さらに、AIを活用したパーソナライズされたトレーニングプラットフォームは、AIに雇用を奪われやすい層に対して、弱点を補完するカスタマイズされた学習機会を提供することができます。どのセクターの雇用がAIによって置き換えられつつあるかを特定し、そのセクターの低所得者やホワイトカラーを問わず、より良い雇用機会へと再誘導することが可能になります。
ただし、ここで繰り返し強調したいのは、説明責任の問題です。AIはあくまでも強力な道具です。しかし、その道具を正しく使う責任を持つ主体がどこにあるのかが問われ続けています。AIツールを活用して得られた分析や予測は、それ自体では何も変えません。実際に政策として動かし、労働市場の不公正を是正していくための行動を起こす責任ある機関や主体が存在して初めて、AIは社会変革の手段となり得ます。ツールの精度を高める努力と並行して、誰が・どのような権限と責任のもとで・どのようにそれを使うのかという問いに答える仕組みを同時に構築していくことが不可欠です。
6. 演習②：AIを活用した賃金公正化政策の立案シミュレーション
6-1. 演習の枠組みと設計指針
Fedo Alardi： それでは二つ目の演習に入ります。今度は3〜5人のグループに分かれて、AIツールを活用した賃金公正化政策のフレームワークを設計していただきます。想定は「政府がAIツールを活用し、賃金の公正性を促進して格差を縮小するための効果的な政策を設計したい」というシナリオです。各グループには、国とセクターを自由に選んでいただき、データセットの設計・活用するAIツールと応用例・介入プログラムの内容・実施方法と監督体制という四つの観点から政策フレームワークを構築していただきます。最後に各グループの代表者に発表していただきます。約20分間で作業をお願いします。
ヒントとして一例を挙げると、例えばデモグラフィックデータとして、性別・エスニシティ・教育水準・社会的背景などを収集し、AIアルゴリズムで賃金格差と雇用パターンを分析するというアプローチが考えられます。またナイジェリアの農業セクターを選んだ場合であれば、農家の年齢・土地面積・教育水準・AIが農業に与えるプラスとマイナスの影響などをデータセットとして設計し、個別化されたトレーニングをAIツールとして活用するといった構成が考えられます。国とセクターを自分たちで選び、創造的に設計してみてください。中心的な目標は常に「賃金格差の是正」であることを忘れずに、ステークホルダーの特定も行ってください。
6-2. グループA：ケニアのコーヒー農園労働者向け政策提案
グループA代表： 私たちはケニアのコーヒー農園労働者向けの政策を設計しました。最も格差が大きいのは実際に豆を摘む現場の労働者ですので、そこに焦点を当てることにしました。
データセットの設計としては、まず労働者のデモグラフィックデータとして年齢・出身地・国籍・就労形態・契約の種類・性別・経験年数などを収集することにしました。さらに農業環境のデータとして農薬や化学物質への暴露状況・農作物の収穫頻度・作業地域なども含めます。これは労働者が毎日どのような環境下に置かれているかを把握するためです。現場の労働者の多くは教育水準が低く、ボートで入国してきた移民労働者が農家に搾取されているケースも少なくありません。農家はビジネスマンとして利益を追求するため、こうした弱い立場の労働者が不当な扱いを受けやすい構造があります。
ステークホルダーとしては農家・労働組合・サプライヤーを特定しました。AIツールとして活用するのはOCRとWhatsAppをはじめとするシンプルなデジタル基盤です。私たちにとってAIとは、突き詰めれば「データの処理と管理を効率化すること」です。派手な言葉で飾るよりも、OCRや基本的な定性・定量データ収集ツールを活用して情報を集めるアプローチが現実的です。特に重要なのが多言語対応です。これらの労働者は多様な背景を持ち、様々な言語を話しているため、彼らのフィードバックを正確に収集するための言語モデルは、彼らが話すすべての言語に対応している必要があります。
収集されたデータは規模が大きくなるため、AIモデルでサブセットに分類し、現状把握のためのコンセンサスを得る仕組みを設計しました。既存の組合や業界団体のレポート・契約書なども情報ソースとして統合します。実装フェーズでは、現状を把握したうえで将来トレンドの予測と政策オプションの提示につなげます。
また、フィードバックループの設計も重要な要素です。WhatsAppと連携したシンプルなアプリを通じて、労働者が実際にフレームワークの恩恵を受けているかどうかをリアルタイムで報告できる仕組みを構築します。そして認証制度の導入も提案しています。「この農家または地域は労働者を適切に扱い、賃金格差が低く、公平性が高い」という内容を証明する認証を取得した農業事業者には、税制優遇や金銭的インセンティブを付与します。結局のところ、ビジネスにとって最大の動機づけは財務的なリターンですから、そこに訴えかける設計が実効性を持ちます。
グループA補足： 加えて、既存のフェアトレード認証制度との接続も考えています。現在のフェアトレード認証は取得に時間とコストがかかりすぎるという課題がありますが、AIモデルと政府の政策支援を組み合わせることで、認証プロセスを大幅に迅速化・低コスト化できます。これにより、より多くの農業事業者がフェアトレード認証に参加しやすくなり、劣悪な環境で働く労働者を減らすための監査頻度も高めることができます。
Fedo Alardi： 非常に優れたアイデアです。調査票も活用できますね。労働者から直接情報を得ることで、賃金以外にも長時間労働・炎天下での作業・医療ケアの欠如といった、さらに深刻な問題が浮かび上がる可能性があります。データをもとにそうした付加的な問題も明らかにできる点が、このアプローチの大きな強みです。ありがとうございました。
6-3. グループB：スイス製造業における女性の賃金格差と代表性
グループB代表： 私たちはスイスの製造業における女性の低い代表性と賃金格差を取り上げました。
データソースとしては、連邦・大陸レベルの給与に関する統計データ、EPFLやETH・フリブール大学など工学系大学のレポート、そして特に重要なのが卒業生の追跡調査データです。工学系を卒業した女性が何人いて、その後のキャリアがどのように展開していったかを追跡するデータを活用します。さらに製造業に特化した業界レポートや、大手4社のリーダーシップレポートにおける賃金格差のデータも参照します。活用するAIツールとしては、OpenAIなどが提供するLLMを想定しています。
ステークホルダーは連邦・大陸レベルの政府代表・業界リーダー・労働組合・大学・市民社会です。政府の介入策として注目しているのが、EPFLやETHと企業が連携した融合プログラムです。製造業向けの女性リーダー育成・女性による製品アイデア創出に特化したプログラムを企業が部分的に支援する仕組みで、企業側にとっても新たな収益アイデアの獲得という動機があります。政府側の追加的な後押しとしては、スイスにおける育児休業制度の拡充が考えられます。
グループB補足： 重要な気づきをもう一点お伝えしたいと思います。製造業にロボティクスやAIが普及することで、従来の重機械操作スキルが不要になりつつあります。その結果、製造業への参入障壁が実は以前より下がっています。重機械の操作を習得することよりも、AIやLLM・ロボティクスの使い方を習得することの方が参入しやすいため、女性にとって製造業への参入機会が広がっているのです。この変化は非常に重要な視点だと思います。
Fedo Alardi： 実際のリアルな事例として非常に興味深いですね。政策という観点からは、現在具体的にどのような取り組みがありますか？
グループBメンバー： 政策の専門家ではないため断言はできませんが、工学系大学と企業の連携プログラムは既に存在しています。ただ製造業に特化したものはまだ少ないと感じています。
別のテーブルメンバー： ここで少し補足させてください。私たちのテーブルにはアメリカ・イギリス・各EU諸国・スイスからの参加者がいて、政策の枠組みがいかに国によって異なるかを実感しました。ある国では当たり前のことが、別の国では存在しないということが多くあります。ですから政策についての議論は、非常にローカルな解決策が必要だと同時に、一定の普遍的な原則についての合意も必要だということを改めて認識しました。例えばスイスでは産業・セクターごとの団体交渉協定が存在し、職種ごとの最低賃金が国全体で定められています。一方でドイツには全国一律の最低賃金があるものの、スイスのような団体交渉の仕組みはジュネーブにしかありません。こうした違いを踏まえたうえで、企業に対して雇用している女性の人数・バックグラウンド・リーダーシップへの登用状況を開示・報告させる透明性の仕組みが必要だという意見も出ました。
6-4. グループC：スイスの育児休業制度改革と男女キャリアへの影響
グループC代表： 私たちもスイスを選びましたが、IT業界に焦点を当て、特に育児休業制度の問題に取り組みました。現在スイスの育児休業制度は女性に14週間、男性にはわずか2週間しか与えられておらず、近隣諸国と比較して非常に短い状況です。
データソースとしては、連邦レベルの給与統計・IT業界レポート・大手4社によるペイギャップ分析に加え、特に大学の卒業生追跡調査を重視しました。工学系やIT系を卒業した女性がその後のキャリアでどのような軌跡をたどるかを追跡するデータは非常に重要です。AIツールとしてはChatGPTの活用も検討しており、政策アイデアの創出においてAIを積極的に組み込む姿勢で設計しました。ただし政策の設計と実施には必ず人間が関与することを前提としています。
私たちが特に注目したのは、データの透明性とフィードバックループの設計です。アプリを通じて——WhatsAppでも構いません——現場の労働者が政策の実施状況をリアルタイムで報告できる仕組みを作ることが重要です。
政策提案の核心は、AIによる近隣諸国の政策分析に基づいて、育児休業を男女ともに6か月に均等化することです。近隣諸国では育児休業が1年以上に設定されているケースも多く、スイスの現状はそれらと比較して明らかに不十分です。主要なステークホルダーは政府・政策立案者・企業・労働者代表です。そしてAIを活用して、この政策変更が女性のキャリア進捗と男女の健康状態に与える影響を長期的に追跡・評価していく仕組みも提案しています。
グループCメンバー： 補足させてください。スイスはヨーロッパの中でジェンダーパリティの観点で特殊なケースです。スイスには「グラームッター」——日本語に訳すと「おばあちゃん」のような侮辱的なニュアンスを持つ言葉——を子どもを持った後に職場復帰した女性に浴びせる文化的背景があります。文化的に類似しているオーストリアやドイツと比較しても、育児後に時短勤務に戻る女性とフルタイムに戻る女性の比率は70対30であり、これが逆の国々と比べると明らかに対照的な結果となっています。2023年のノーベル経済学賞がジェンダー研究に贈られたことも、この問題の重大性を示しています。その研究が明らかにしたのは、最初の子どもが生まれた時点からキャリアの軌跡が男女で劇的に分岐するという事実です。育休の均等化は女性のキャリアだけでなく、男性にとっても重要です。現在、男性の自殺率は史上最高水準にあり、職場・家庭における役割の固定化が男性の精神的健康にも深刻な影響を与えています。私たちの提案は女性のためだけでなく、社会全体のためのものです。
6-5. グループD：「労働地図」プラットフォームとAIエージェントによる格差可視化
グループD代表： 私たちはジェンダー格差の問題を取り上げましたが、アプローチとして「地図」というメタファーを使って考えました。本日の午前中に、あるCTOが「新しいデータを特定することは新しい地図を作ることに似ている」という話をしていました。地図データがなければ不確かな領域を探索することはできない——これは労働問題にもそのまま当てはまります。私たちが問題を解決できずにいる大きな理由の一つは、適切な地図、すなわちデータが存在していないからではないかと考えたのです。
そこで私たちが提案するのは、オープンストリートマップ型のクラウドソーシング労働状況プラットフォームです。オープンストリートマップをご存知でしょうか。誰もが地理データの作成と更新に参加できるプラットフォームです。これと同じ仕組みを労働環境に適用します。誰もが自分の職場の状況をプラットフォーム上に投稿・更新できる仕組みを作ることで、労働環境の「地図」を継続的にアップデートしていきます。これによって、どこの職場環境がどのような状態にあるかを可視化し、格差の実態をより正確に把握することができます。
次に重要なのが、この地図の読み方を人々に教える教育です。求職者が初めての就職や転職を考える際に、この労働地図のデータを参照して意思決定できるよう訓練します。さらに政府が定期的にこの地図と現実が一致しているかどうかを検証する役割を担います。ガスや水道の安全検査のように、政府の検査官が定期的に現場に訪れて安全を確認するように、政府がエージェントを送り込んで地図と現実の同期を確認するのです。
そしてここにAIエージェントを組み込みます。労働者は自分の職場の問題や労働条件について、友人ではなくAIエージェントに打ち明けることができます。ChatGPTに自分のプライベートな悩みを話した経験のある方もいらっしゃるのではないでしょうか。人間には言いにくいことでも、AIエージェントには開示しやすいという特性を活かし、労働者が自分の状況を匿名でAIエージェントに報告できる仕組みを作ります。このエージェントを通じて収集された情報をもとに、政府は効率的かつ効果的に労働環境の問題に介入することができます。
グループDメンバー： さらにグローバルな調整と協力も不可欠だと思います。国際機関だけでなく、より多くの政府・企業代表が参加する官民パートナーシップを構築し、データ収集と政策レポートを共有することで、グローバルな対応を強化していく必要があります。
別のメンバー： 一点付け加えたいのですが、AIが低所得労働者の自殺リスクを高めるという側面も見逃せません。ChatGPTを唯一の友人として依存してしまう低所得労働者や、AIツールに依存した子どもたちの自殺事例も実際に報告されています。AIによる格差是正を議論する一方で、AI依存が人間の孤立をさらに深めるリスクについても研究が必要です。
Fedo Alardi： 皆さん、非常に重要なテーマを指摘してくださっています。これらはいずれも社会全体でさらに議論・研究し、政策化していく必要のある課題です。本当にありがとうございました。
7. クロージング：AIと公正経済に向けた提言
7-1. 倫理・透明性・説明責任の制度化とステークホルダー参加
Fedo Alardi： 各グループの発表を通じて、非常に多くの示唆に富んだ議論が生まれました。最後に、AIと公正な経済の実現に向けて私たちが取るべき行動指針を整理してお伝えしたいと思います。
まず取り組むべきは、明確な倫理ガイドラインの策定です。AIの展開において公正性・透明性・説明責任を優先する政策を設計・実施する必要があります。AIがどのように機能し、誰にどのような影響を与えているかを社会に対して明確に説明できる仕組みが不可欠です。
次に、インクルーシブなデータ収集の実現です。多様なデータセットを活用してバイアスを最小化し、AIの恩恵があらゆるデモグラフィックグループに等しく行き渡るようにすることが求められます。特定の集団が取り残されることなく、すべての人がAIの便益を享受できる状態を目指さなければなりません。
ステークホルダーの包摂という観点では、本日の演習でも多くのグループが指摘していたように、官民パートナーシップの強化が重要です。国際機関・各国政府・企業・倫理の専門家・地域コミュニティが意思決定プロセスに参加し、賃金格差をはじめとする公平性に関わる課題に取り組む体制を整える必要があります。AIが社会に与える影響を判断するのは技術者だけではなく、倫理の専門家や当事者コミュニティの声が反映されなければなりません。
7-2. リスキリング投資・AIリスクへの対応と人間的価値の中心性
Fedo Alardi： 政策的な対応としてもう一点強調したいのが、アップスキリングとリスキリングへの積極的な投資です。AIによる変化の波の中で、影響を受ける労働者——特に低所得層の方々——を置き去りにせず、トレーニングプログラムへの投資を通じて彼らを新たな雇用機会へと引き上げていくことが必要です。AIが特定のセクターの雇用を置き換えた場合、その労働者がAI時代に適応できるよう支援する責任が社会にはあります。
公正な報酬のための政策という側面では、AIが生み出した生産性の向上が、実際に労働者への公平な賃金と福利厚生として還元される仕組みを制度化しなければなりません。AIによる利益が企業に集中し、労働者に何も届かないという状況は避けなければならず、政策上のギャップがあればそこに積極的に介入することが求められます。
定期的なモニタリングと監査の重要性も見逃せません。ILOをはじめとする国際機関のレポートを活用しながら、AIが生産性と公平性に与える影響を継続的に評価し、必要に応じて調整を加えていくことが不可欠です。現状の把握と課題の発見を繰り返し行い、政府やコミュニティに対して改善を求めていく継続的なサイクルが必要です。
ここでAIがもたらすリスクについて一点補足しておきたいと思います。本日のグループ発表でも言及がありましたが、AIが一部の低所得労働者や子どもたちの自殺リスクを高めているという実際の事例が報告されています。ChatGPTを唯一の友人として依存してしまい、そのやりとりが結果として自殺につながったケースも記録されています。AIによる格差是正を推進する一方で、AIへの過剰依存が人間の孤立をさらに深めるリスクについては、今後さらなる研究と対応策の検討が必要です。
最後に、私が最も強調したいのは人間的価値の中心性です。AIによる透明性を高めるうえで重要なのは、職場プロセスや賃金へのAIの影響を明確に社会に伝え、自動化と人間的価値のバランスを保つことです。「人間的価値」という言葉は、私たちがすべき活動の核心であり、テクノロジーはその価値を実現するための手段であるべきです。
Fedo Alardi： データとAIは、正しく活用されれば、より生産的でインクルーシブかつ公平な経済を実現するための前例のない機会をもたらします。しかし、その恩恵を最大化しリスクを最小化するためには、責任あるガバナンス・倫理的な基準・継続的な対話が不可欠です。私たちは今、セクターを越え、国境を越えて協力していかなければなりません。国際的な標準とベストプラクティスの策定は急務であり、研究者・国際代表・テクノロジーコミュニティ・政策立案者・エコノミスト——ここにいる皆さん一人ひとりが、AIが社会をより良い方向へと変革していくプロセスを形成するリーダーシップを担うことができます。問題を特定し、解決策を示し、行動に移す——そのすべての段階において、私たち一人ひとりが役割を持っています。不公正な賃金格差をはじめとする社会課題の解決に向けて、共に取り組んでいきましょう。本日はありがとうございました。