※本記事は、World Economic Forum年次総会2026(ダボス会議2026)のセッション「Corporate Ladders, AI Reshuffled」の内容を基に作成されています。セッションの動画は https://www.youtube.com/watch?v=NCwEw7pI7JY でご覧いただけます。本記事では、セッションの内容を要約しております。なお、本記事の内容は登壇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、オリジナルの動画をご覧いただくことをお勧めいたします。
登壇者は以下の通りです。モデレーターはCNBC TV18マネジング・エディターのShereen Bhan氏。パネリストは、アラブ首長国連邦教育大臣のSarah bint Yousif Al Amiri氏、ロンドン・スクール・オブ・エコノミクス経済学特別教授のChristopher Pissarides氏、DeepLearning.AI創設者のAndrew Ng氏、Cornerstone on DemandのCEOであるHimanshu Palsule氏の4名です。
World Economic Forumは、公民連携のための国際機関であり、政治・ビジネス・文化などの各分野のリーダーが集い、グローバル・地域・産業のアジェンダを形成することを目的としています。第56回年次総会には、100を超える政府、主要な国際機関、1,000社のフォーラム・パートナー企業、市民社会リーダー、専門家、若者代表、社会起業家、報道機関が参加しました。World Economic Forumのウェブサイトはこちらよりご覧いただけます。► http://www.weforum.org/
1. セッション概要と問題提起
1-1. モデレーター開会の辞:AIと雇用をめぐる期待と不安
Shireen Bhan: 皆さん、ダボスで開催されているWorld Economic Forumの年次総会へようこそ。私はCNBC TV18のマネジング・エディターを務めるShireen Bhanです。本日は「Corporate Ladders, AI Reshuffled」と題したセッションに、これほど多くの方々にご参加いただき、大変光栄です。「Reshuffled(再編)」という言葉は、ダボス2026という文脈において、今まさに新たな意味を帯びつつあります。Trump大統領の到着が待たれる中、この言葉がどのような意味を持つことになるのか、目が離せない状況です。
さて、本題に入りましょう。AIが雇用市場に対して近い将来、中期的、そして長期的にどのような影響をもたらすのか――この問いに対する不安は、ダボス全体に色濃く漂っています。World Economic Forumが発表したジョブズ・レポートによれば、一定の混乱は避けられないものの、雇用全体としては純増になると予測されています。しかし同時に、エントリーレベルの仕事に壊滅的な打撃が及ぶとも言われる一方で、依然として深刻な人手不足に悩む分野が存在するという皮肉な現実もあります。医療分野だけを見ても、WEFの報告書はおよそ1,100万人ものスキルギャップを指摘しています。つまり、必要な医療ニーズを満たすための人材が、世界で1,100万人も不足しているのです。
今夜のセッションでは、企業は何をすべきか、現在何をしているのか、そしてそれは十分なのか、エントリーレベルの労働者はどうなるのか、ソフトウェアエンジニアはまだ必要なのか、それともコードはすべて大規模言語モデルや生成AIが書くようになるのか――こうした問いを自由闊達な対話の中で掘り下げていきたいと思います。
1-2. パネリスト紹介
Shireen Bhan: 本日のパネリストをご紹介します。まず、アラブ首長国連邦の教育大臣を務めるSarah Bint Yousuf Al Amiriさん。次に、ロンドン・スクール・オブ・エコノミクスの経済学特別教授、Christopher Pissaridesさん。そしてDeepLearning.AIの創設者、Andrew Ngさん。最後に、Cornerstone on DemandのCEO、Himanshu Palsuleさんです。それでは早速、議論を始めましょう。
2. AIは雇用をどう変えるか――誇張と現実
2-1. エントリーレベル雇用の実態:スキルミスマッチとパンデミック期過剰採用の影響
Shireen Bhan: Andrewさん、多くのメディアが「壊滅的な混乱」と報じていますが、エントリーレベルの雇用はどうなるのでしょうか。ホワイトカラーの大量解雇が起きると見ていますか?
Andrew Ng: エントリーレベルの求人は確かに存在しています。むしろ多くの企業が、適切なAIスキルを持ったエントリーレベルの人材をどれだけ探しても見つからないという状況に直面しています。残念ながら、高等教育機関が多くの新卒者を2026年以降の仕事ではなく、2022年以前の仕事に向けて育てているという問題があると感じています。コーディングの分野ではすでにその現象が顕著に表れています。私はAIを使いこなせないエンジニアをもう採用することはありません。AIツールはソフトウェア開発の領域で急速に進化しているからです。コーディングは、他の分野にも同様の変化が波及していく先触れだと思っています。学術カリキュラムを早急に見直し、学生が即戦力として通用するための教育を提供することに強い危機感を覚えています。
Shireen Bhan: Christopherさん、「誇張か現実か」という点で、これだけ多くのメディアがAIによる雇用喪失を大々的に報じていますが、Andrewさんが指摘したようにパンデミック期の過剰採用が影響している部分も大きいのではないでしょうか。今日、テック企業のCEOたちと話をされていましたが、エントリーレベルの雇用についてどのような話を聞きましたか?
Christopher Pissarides: Andrewに先を越されてしまいましたが、まったく同じことを言おうとしていました。ダボスのお祭りに水を差したくはないのですが、労働市場を丁寧に見ていくと、Andrewが言った40%というのは、若い人たちを含むエントリーレベルの労働者のおよそ半数がAIをまったく必要としない仕事に就いているということです。医療・介護、ホスピタリティ、小売といった分野です。これらは通常、大学卒業者ではありませんが、だからといって教育への投資が無駄というわけではありません。残りの大多数については、AIを使うことになるとしても、仕事そのものが脅かされるわけではありません。企業がAIに投資し、その人たちがAIスキルを活用することで、より速く、より高品質な成果を出せるようになる――つまり生産性が上がるという話です。大学教育でのAI活用が恩恵をもたらすのはこの層です。実際、LSEでもAnthropicなどと話し合いを進めています。問題になるのは、仕事のほぼ全体をAIが代替できてしまうごく一部の職種です。法律や会計といった「専門職」がその典型です。これらの職業構造は主に19世紀の英国でつくられたもので、当時の教育水準に合わせて設計されたものです。パブリックスクールを出てオックスフォードやケンブリッジに進み、クラシックな教育を受けた後、法律や会計の見習い期間を経てパートナーになるという構造です。まさに生成AIと大規模言語モデルが最も得意とする領域がここで、正直言って、これらの専門職は一発食らってしかるべきタイミングだと思っています。19世紀の英国的な教育・職業構造の中にいつまでもいられるわけがありません。
2-2. AIが代替できる職種・できない職種の区分けと社会的責任
Andrew Ng: 多くの仕事においては、AIが担えるのはタスク全体の30〜40%程度です。残りの60〜70%は依然として人間が必要です。ただし、「AIを使いこなせる人が、使いこなせない人の仕事を奪う」という現象は確実に起きます。AIそのものが人を代替するのではなく、AIを活用できる人がそうでない人を置き換えていくということです。一方で、ごく一部の仕事については、AIが90〜100%を担えてしまうものもあります。翻訳者、声優、コールセンターのオペレーターはその代表例です。そうした人たちに対しては、社会として、また企業として道徳的な責任があると私は考えています。仕事がなくなったからといって、その人たちを路頭に迷わせていい理由にはなりません。教育と再訓練の仕組みをしっかり整えていく必要があります。
Himanshu Palsule: 私たちが生きているこの時代の最大の皮肉は、AIを最も実装できる能力を持つ世代、つまり今まさに育っている若い世代を置き去りにしたまま、より難しいはずの中間管理職やシニアマネジメントの再スキルに時間とリソースを費やしているという点だと思います。若い人たちが入社してきた際に、自律的で反復的な業務に就かせることは大きな誤りだと考えています。そうした仕事は遅かれ早かれAIに置き換えられるからです。私が注目しているのは、判断力、意思決定能力、文脈を読む力といったスキルです。たとえば、新入りの財務アナリストや法務アナリストが入社した際に、AIツールのアウトプットを精査・評価する役割を担わせる、AIと競い合うのではなく、AIの出力を監督する側に回らせるという発想の転換が必要です。これからの若い世代に必要なのは「T字型モデル」だと思っています。横軸の広がりとしてAIをそれなりに使いこなす能力を持ち、縦軸の深みとして特定のドメインを極める。その専門性こそが、代替されない価値になります。
Shireen Bhan: ユヴァル・ハラリも今日の別のセッションで、「言葉、言語、数字を扱うあらゆる仕事は混乱にさらされる」と発言していました。AIエージェントが扱える情報の総量は、私たち人間が太刀打ちできるレベルをはるかに超えているからです。弁護士が過去の判例をすべて読み込む作業、財務アナリストが複雑なモデルを理解する作業、医療従事者が薬の有効性や疾患に関する知識を積み上げる作業――そのすべてが対象になるということです。
Christopher Pissarides: ハラリとHimanshuの両方に同意します。ただ、意見が分かれるとすれば、AIを使わない仕事は「言葉の仕事」ではないという点です。看護師のスキルは、言葉を上手くまとめることではありません。共感力が必要であり、ケアを受ける相手を理解する力が必要です。ハラリも述べているように、AIに感情があるという証拠はまったくありません。医療の現場で必要なのは特別な感情を持つことであって、言語処理ではありません。仮にAIがそこに到達したとしても、現在の看護師世代はもうその職にはいないでしょう。孫の世代の話になります。ホスピタリティも同様です。素晴らしいエスプレッソを出してくれるスタッフのスキルは、言葉ではありません。顧客を理解し、歓迎する姿勢そのものです。受付にAIエージェントを置いたホテルと、本当に感じの良いスタッフがいる隣のホテル、どちらを選びますか?
Andrew Ng: さらに付け加えると、画像もその対象に含まれます。医療の診断分野でも、視覚的な情報処理という点でAIが大きな影響を与えます。
3. 教育改革:UAEのK–12 AIリテラシー義務化の取り組み
3-1. 世界初の公立学校AI必修化——背景・目的・カリキュラム設計
Shireen Bhan: Ministerさん、Andrewさんが指摘した問題、つまり教育システムが現実の雇用市場に追いついていないという課題に対して、UAEはまさに正面から取り組んでいますね。K–12全体でAIをカリキュラムに組み込んでいると伺っています。
Sarah Al Amiri: そうです。まず高等教育について話してから、K–12の話に移りましょう。高等教育においては、各大学がAIと必要なツールセットを学生に提供できるよう、いくつかの大学と連携して取り組みを始めています。現時点では基礎的なAIリテラシーの提供から始めていますが、今後は各学生が専攻している分野・学位レベルに応じた内容へと深化させていく必要があります。市場に存在するツールとその急速な進化に、専攻ごとにしっかり対応できるカリキュラム設計が求められています。
K–12については、UAEは世界初の公立学校システムとして、K–12全体のAIリテラシーをすべての生徒に義務化しました。現在、28万人以上の生徒が、少なくとも2週間に1度の頻度でAIリテラシーの授業を受けています。このカリキュラムの核心にあるのは、AIをどう使うか、いつ使うか、どのツールを選ぶか、そして自分の学習を前進させるためにどう活用するかを生徒自身が理解できるようにすることです。
また、教育者向けにも新たな研修を設けており、既存のAIツールを使って日々の業務を効率化し、より効果的に仕事をこなせるようにするための訓練を実施しています。
この取り組みを始めた背景には、ソーシャルメディアへの反省があります。生徒たちはソーシャルメディアを長年にわたって使い続けてきましたが、適切な使い方や倫理的なガイドラインを誰も教えてきませんでした。その結果、生徒たちの人格形成や社会的な幸福感、他者との関係性に悪影響が生じたことは広く知られています。AIについても同様のことが、生徒たちの認知能力の発達に起きてしまうかもしれないという危機感がありました。だからこそ、AIの正しい使い方を教えるカリキュラムを設計することが急務だったのです。
カリキュラムの中には、批判的思考も自然な形で組み込まれています。授業の進め方はこうです。たとえばプロンプトエンジニアリングを題材に、生徒が「第一次世界大戦」についてAIに情報を求めるとします。さまざまなプロンプトを試しながら、教師はどのプロンプトがより良い結果をもたらしたか、どの情報が偏りなく正確だったかについて、批判的思考の観点から生徒と対話します。これはまた、教育システム全体に必要な変革の一端でもあります。知識や情報を一方的に与えて暗記させる時代は終わりました。今の時代、情報は世の中に溢れています。その中から何が本当に関連性があるのかを選び取る力、歪められたり偏ったりしている情報を見抜く力、そして複数の情報や知識を統合して適切なアウトカムを導き出す力こそが、生徒たちに求められているのです。
Andrew Ng: K–12はAI教育を始めるのに最適なタイミングだと思います。エントリーレベル以降の雇用に対するAIの破壊的影響については、誇張が現実を上回っている部分があると感じています。過去1〜2年のレイオフの多くは、私の見る限りではAIの影響というより、パンデミック期の過剰採用によるものが大きい。しかし将来を見据えたとき、大学がK–12の取り組みを受け継いで、学生に必要なスキルを提供できなければ、スキルギャップはさらに広がるばかりです。
3-2. 教育段階別アプローチと「学び方を学ぶ」力の育成
Shireen Bhan: 日本から参加されている登壇者の方から、各教育段階、つまり小学校・中学校・高校・大学それぞれにおいて、どのレベルと深さのAI教育が適切なのか、また初等教育から大学まで継続的かつ体系的に進化するAI教育をどのように設計すべきかについて質問をいただいています。Sarahさん、Andrewさん、いかがでしょうか。
Sarah Al Amiri: 具体的にどう発展させるべきかについての完全な答えは持っていません。AIカリキュラムはその性質上「生きたカリキュラム」であり、状況の変化に合わせて常に変容し続けなければならないものです。ただ、段階ごとの基本的な方向性はお伝えできます。
幼稚園児に対しては、「AI」という言葉は使いません。「ロボット」と呼んでいます。ロボットはいろんなことをしてくれるけれど、使うときには大人の監督が必要だということを理解させます。少し成長した子どもたちには、AIが実際にどう機能しているのかをごく簡単に説明します。ここで教えるのは機械学習の概念です。AIは与えられた情報をもとに判断を形成するという仕組みを、「青リンゴと赤リンゴ」を使った分類の例で説明します。一種類の情報しか与えられていなかったら、赤リンゴはリンゴと判断できるか?という問いかけです。
中学・高校の段階になると、批判的思考の要素を本格的に組み込んでいきます。AIの出力は自分の倫理観や価値観と一致しているか、与えたプロンプムは十分な深さの回答を引き出せているか、どのような文脈でAIを使うべきか、逆にどこから先は自分で努力すべきであってAIに頼るのは剽窃になるのか。そうした問いを生徒たちが自ら考えられるように育てていきます。
そして教育者自身も、各段階に応じた内容に触れ直す必要があります。教育システムに求められる再考は非常に多岐にわたります。
Shireen Bhan: 専門知識の水準という点で興味深いですね。AIを効果的に使いこなすためには、最低限の知識の土台が必要だという点は皆さんが共通して指摘されています。
Sarah Al Amiri: その通りです。私たちが注力しているのは、生徒たちがしっかりとした知識の核を持ち、その上にスキルを積み上げていくという設計です。批判的思考、そして適応力と回復力、この三つが組み合わさることで、学び・学び直す能力が自然と育まれます。これは、今の教育の枠組みを根本から変えていく長期的な変革です。多くの要素が絡み合い、時間もかかります。しかし、今の教育が生み出すアウトカムから、私たちが本当に必要とするアウトカムへと移行するためには、この変革を避けて通ることはできません。
Himanshu Palsule: Ministerのモデルは、すべての学校が追うべきモデルだと思います。若い人たちが職場に入ってくるとき、私たちは彼らがデジタルネイティブとして生まれ育ったという事実をもっと信頼すべきです。AI教育をK–12から受けてきた世代が入社してくるのであれば、彼らを採用し、オンボーディングし、育成していく環境そのものも、根本的にリセットする必要があります。教育だけでなく、採用・研修・仕事の設計まで含めた抜本的な見直しが求められています。
4. 高等教育・産学連携の課題と「全員がコードを書く時代」論
4-1. 大学教育の遅れと産学連携による実務経験の必要性
Shireen Bhan: Andrewさん、産学連携のあり方と、スキルギャップへの対応策についてお聞きしたいと思います。大学教育が現実の雇用市場に追いついていないという問題は、どう解決すればよいのでしょうか。
Andrew Ng: AI技術がまだ急速に進化している以上、将来必要とされるスキルが今の時点で明確にわかるわけではありません。それでも、学び続ける力、まだ見えていない未来のスキルを自ら習得し続ける能力こそが、今育てるべき最も根本的な素養だと思っています。ただ、それと同時に、今すでに明確に見えてきているスキルが一つあります。それについては少し後でお話しします。
Christopher Pissarides: 大学が改革すべきことは明らかです。ただ、私自身はもはや自分の大学を改革する力を持っていないのですが(笑)。基本的な方向性として、大学は学生にさまざまなスキルの組み合わせを提供する必要があります。たとえば英国では3年間の学部教育が標準ですが、それを4年に延ばし、産業界との連携の中で使う形にすることも一つの選択肢です。インターンシップでも、見習い制度でも、呼び方は何でも構いません。要は、大学が産業界から「今どんなスキルが必要か」を学び、それを教育に反映させる仕組みです。そうすれば、学生は卒業時に学位だけでなく、実務経験も持てるようになります。
今、若い卒業生から最もよく聞く不満が「どこも経験を求めるのに、経験を積む機会を与えてくれない」というものです。経験がなければ採用されない、でも採用されなければ経験が積めない。この悪循環を断ち切るためにも、大学在学中に実務経験を積める仕組みをつくることが急務です。
プログラミング教育についても、私はまったく同じ考えです。英国ではすべての子どもがフランス語を学ぶことを義務付けられていますが、大人になってフランス語を実際に使う人や、AIの翻訳と同じくらい上手く訳せる人がいったいどれだけいるでしょうか。ラテン語も必修です。私の息子が通っている英国の学校では、ラテン語もプログラミングも両方やっています。やや進歩的な学校ですが。それでも、フランス語やラテン語を学ぶことの本当の意義は、将来その言語を流暢に話せるようになることではなく、外国語に触れたとき、あるいは職場でAIに直面したときにパニックにならない耐性を身につけることにあります。プログラミングを学ぶことで、AIに対する根拠ある親しみが生まれる。それが改革の出発点だと思っています。
さらに、一度職場に入ってしまえば、新しい技術が次々と登場するたびに、その人のヒューマンキャピタルは常に更新・拡張されていきます。これは歴史的に見ても繰り返されてきたことです。19世紀後半、馬で荷物を運んでいた人々に「内燃機関で動く乗り物が登場したから馬をやめて車に乗り換えなさい」と言われたとき、それは今私たちがAIに直面している変化よりもはるかに大きな衝撃だったはずです。それでも10年から20年のうちに馬は姿を消し、道路は車で溢れるようになりました。
Himanshu Palsule: 私の息子は認知科学の学位を取って、今は行動モデルを構築する研究室で働いています。コーディングを正式に学んだことはなかったのですが、ChatGPTを使ってコードを生成し、そのコードを自分で精査して実装しています。彼はコンピュータサイエンスのエンジニアなのか、ソフトウェアコーダーなのか、それとも認知科学者なのか。「全員がコードを書く」という概念は、必ずしも複雑なアルゴリズム的構造コードを自分で書くということではありません。今やどんな分野にいても、コーディングの世界に入り込んで貢献できる時代になったということです。この変化が雇用の形を変えていくのだと私は確信しています。そして人々がそれを受け入れ始めれば、どの職種にいても、従来の意味でのコーダーでなくても、コーディングを通じて貢献できるようになります。
4-2. アンドリュー・ング「全員コーディング論」——シリコンバレーの現場事例と生産性格差
Shireen Bhan: Andrewさん、ダボス2026における大きな提言として「全員がコードを書くべきだ」とおっしゃっています。これは議論を呼びそうな主張ですが、詳しくお聞きかせください。
Andrew Ng: AIの技術がまだ進化中であり、将来必要とされるスキルが今の段階では判然としない中で、一つだけすでに明確に見えているスキルがあります。それが「コーディング」です。今シリコンバレーで起きていることを見れば、ソフトウェアエンジニアだけでなく、マーケター、HR担当者、財務アナリストといった職種においても、コードを書ける人とそうでない人との間に、目に見えて大きな生産性の差が生まれています。そしてその差は拡大し続けています。
具体的に話しましょう。私のチームで最も優秀な採用担当者は、履歴書を手作業で読みません。履歴書をスクリーニングするためのコードを自分で書いています。マーケターが新しいキャンペーンやウェブサイトを立ち上げたいとき、エンジニアに依頼して順番を待つ必要がありません。マーケター自身がアプリやウェブサイトをつくります。私のCFOはもはや、ルーティンの財務処理のために何時間もドキュメントをクリックし続けることはしていません。彼女のチームが自らコードを書いて財務処理を自動化しているからです。大勢のベンダーを回ってどこに大金を払うか検討する必要もなくなりました。シリコンバレーでは私のビジネスだけでなく、多くの企業において、AIを使ってカスタムソフトウェアをつくれる人と、そうでない人との間に、ソフトウェアエンジニアに限らない形で、顕著かつ拡大し続ける生産性格差が生まれているのをはっきりと目にしています。2年後に私が間違っていたと皆さんに怒鳴り込まれるかもしれませんが、このトレンドは広がっていくと確信しています。
Shireen Bhan: つまり、全員がコードを書くべきだというのがAndrewさんのダボス2026での処方箋ということですね。
Andrew Ng: そうです。ただし「昔ながらのやり方で」という意味ではありません。手でコードを書く必要はない。AIにやらせればいい。重要なのは、AIを使ってコードを生成し、それを理解し、活用できる能力を持つことです。
Shireen Bhan: 比較優位論の観点から疑問を呈していた香港在住のグローバル・シェーパーの方が、全員がコーダーになろうとしたとき、比較優位はどこに残るのかと問いかけていましたね。
Andrew Ng: コーディングのスキルというのは非常に奥が深いものです。私のチームで最も生産性が高いのは、コーディングの経験が10年・20年あり、かつAIも使いこなしている人たちです。その一段下に位置するのが、AIを使いこなしている新卒の人たちです。そして興味深いことに、その下にいるのが、10年の経験はあるけれどAIをまだ積極的に取り入れていない人たちです。私のチームでは、AIを本当に使いこなしている新卒者を、なぜかAIをまだ2022年以前のやり方で使っているフルスタック開発者よりも優先して採用した事例が実際にあります。そして最も生産性が低く、私が絶対に採用しないのは、AIも知らない新卒者です。マーケターがコーディングの達人と同じレベルに達することはありません。10年・20年の深い経験は依然として大きな差をもたらします。全員がコードを書くといっても、全員が同じレベルになるという意味ではなく、コーディングという行為への参加障壁が劇的に下がったということです。
Himanshu Palsule: もう一点加えさせてください。コンピュータサイエンスの卒業生の多くが、MetaやAmazon、Googleといった大手テック企業への就職を待ち続け、その結果として何ヶ月、場合によっては何年もかけて同じポジションが戻ってくるのを待っている現実があります。一方でその同じタイミングに、HR部門、財務部門、営業部門がAIスキルを持つ人材を血眼になって探しています。私たちが実際にそれを体験しています。CHROに対して「リクルーターはもう要らない、採用プロセス全体をエージェントとボットで行いたい」と伝えると、誰かがそれをコーディングしなければなりません。ところが外に探しに行っても、大手テックの次のポジションを待ち続けているコンピュータサイエンスの卒業生たちが見つかるだけです。このリセットが一度起きれば、スキルと雇用の世界はもっと均等な競技場になっていくと思います。大手テック以外の世界にも目を向ける、そのメンタリティとマインドセットのリセットが、今職場に入ろうとしている人たちにも求められています。
5. 企業のAI戦略:ボトムアップ型改善の限界とワークフロー再設計
5-1. 「千の花を咲かせる」戦略の限界とトップダウン視点の必要性
Shireen Bhan: Andrewさん、企業のリーダーたちはデジタル労働と人間の労働が共存する世界において、人員配置や労働力管理の課題にどう向き合っているのでしょうか。CEOたちはどのようなジレンマを抱えていると感じていますか。
Andrew Ng: 「デジタル労働」という言葉には少し違和感を覚えます。私自身がエージェンティックAIという概念を早い段階から提唱してきた立場ですが、AIソフトウェアは人間とはあまりにも異なる存在であり、食事や水や有給休暇が必要な存在に例えるのは適切ではないと思っています。
CEOたちが抱えている課題として最も大きいのは二つあります。一つ目は、人材のアップスキリングです。テクノロジーそのものではなく、テクノロジーを実装する人々を引き連れていくことが変革を生む原動力です。実際、私のいとこのFurrishはスキル測定に関する多くの仕事をしており、スキルギャップを特定してそれを埋めるための学習内容を見つけることを支援しています。
二つ目の課題が、今日ダボスで多くのCEOたちと話している中心的なテーマです。多くの企業がこれまで「千の花を咲かせる」式のボトムアップ・イノベーションを採用してきました。しかし概ね、それは小さな改善の積み重ねに終わっており、ビジネスを根本から変えるような変革には至っていません。ボトムアップ型イノベーションの問題点は何かというと、ビジネスの中で価値を生み出すために必要な一連のタスク全体を見渡したとき、ボトムアップのアイデアの多くが5つのステップのうちの1つだけを効率化する「ポイントソリューション」になってしまうことです。その結果として5〜10%の効率向上は得られますが、それはビジネスを変革するものではありません。本当の変革が生まれるのは、ボトムアップのイノベーションがトップダウンの広い視野と出会い、ワークフロー全体をゼロから再設計したときです。それこそが実際のビジネス成長を生み出しています。今週ダボスでCEOたちと話していると、彼らの関心はまさにこのボトムアップのポイントソリューションを超えて、ビジネスプロセスの全体的な再設計へと向かっています。これがAIの持つ成長ポテンシャルを本当の意味で実現していくことになると思っています。
Shireen Bhan: ただ現実には、私がダボスで話している人たちの多くは、まだボトムアップの段階にとどまっています。効率化や最適化の話がほとんどで、真の変革にはまだ至っていない。企業や政府が人材育成や組織構造を考える上でまだ時間はあるのでしょうか?
Andrew Ng: まだ時間はあります。率直に言って、このワークフローの再設計は本当に難しい作業です。
5-2. ローン審査の事例に見る、部分自動化と全工程再設計の違い
Andrew Ng: 少し前から存在する事例で説明しましょう。ローンの審査プロセスを考えてみてください。価値を生み出すためには複数のステップが必要です。事前審査、デューデリジェンス、ローンの実行、そして融資後の管理まで、一連の工程があります。ここで「AIを使って事前審査を自動化しよう」という発想になれば、確かに便利にはなります。しかし、5つのステップのうち1つを少し効率化するだけでは、コスト削減の効果は限定的です。
ところが、一部の企業が気づいたのは、この事前審査のステップをAIで自動化できるとしたら、そこから全体を再発想できるということです。コスト削減ではなく、まったく新しいプロダクトをつくれる。「審査結果を1週間ではなく10分でお返しします」という、質的に異なるサービスの提供が可能になります。これはコスト削減とは本質的に異なるビジネス成長の話です。しかしそれを実現するには、1つのピースを自動化するのではなく、価値を生み出すために必要なすべてのステップを俯瞰して、全体をゼロから再設計するという広い視点が不可欠です。
実際、私はAISpireの友人とともに、ある大規模な組織から送られてきた約300件のプロジェクトアイデアを精査し、どれが戦略的価値を生み出せるかを仕分けする作業をしました。この作業は本当に難しく、知的に非常に深いものでした。コスト削減ではなく真の成長機会を生み出せるプロジェクトを見極めるには、まだかなりの時間がかかると思います。
Himanshu Palsule: 重要な補足をさせてください。スキル不足は非常にリアルな問題であり、かつてないほどの自動化の加速によって拍車がかかっています。複雑な透析機器が使いこなせる看護師がいないために機器が稼働せず放置されています。私たちの顧客の中には航空機を製造しているメーカーがあるのですが、新しいアビオニクスに対応できる整備士がいません。データフローについてはダボスでも長年議論してきて、データ主権やデータガバナンスに関する法律まで整備されましたが、スキルについても同じ真剣さで取り組まなければなりません。ナイジェリアにいるコーダーや、リヤドにいるアナリストが、あなたが今採用した社員よりも優れたスキルを持っているかもしれない。そのギャップを素早く埋める方法を見つけなければなりません。スキルの分断は、自動化やAIが進むにつれてさらに広がり続けます。私がグローバル企業として懸念しているのは、今週ダボスでどのような方向性が打ち出されるかによっては、この問題をさらに悪化させる可能性があるということです。各国が自国に引きこもるような方向に向かえば、地理的に不均等に使われるAIが生まれてしまいます。それが私の最大の懸念です。私たちは全社員の半数が米国外にいるグローバル企業ですが、グローバルなスキリングについて真剣に考え始める必要があります。ドバイのAbu El Guerreraファウンデーションのような組織が、企業とともにこの議論の場に出てくることが必要です。
6. グローバルなスキル分断・地政学リスクと政府の責任
6-1. 脱グローバル化・内向き政策がスキル格差と技術普及に与える影響
Shireen Bhan: AIの雇用への影響を、それが起きている経済的文脈から切り離して考えることはできません。地政学的リスク、地経学的対立、地経学的分断、そしてこれまで私たちが知ってきたグローバル化からの後退が同時進行しています。AIに加えてこれらの構造的変化が重なることで、労働市場のあり方が根本から変わる局面に差し掛かっているのではないでしょうか。Christopherさん、いかがでしょうか。
Christopher Pissarides: 私たちが今直面している状況は、本当に異例です。グローバル化の衝撃と地政学の悪化という二つの大きな力が同時に働いているからです。企業は今、「どうやって生産するか、どんなスキルが必要か」という問いに加えて、「どこで生産するか、どのサプライチェーンを使うか」という問いにも同時に答えなければならなくなっています。これは企業にとって非常に難しいバランスを求められる状況です。もちろん、各社が「自国に引きこもる」という方向に向かえば、生産性にとっても世界経済の成長にとっても好ましくありません。少し前にマクロン大統領の講演があったのをご存知でしょうか。彼はヨーロッパが一つにまとまり、さらに統合を深め、単一市場・単一資本市場を実現すべきだと強く訴えていました。それはまさに「東からも西からも、ヨーロッパの周辺で何が起きているかを見れば、ヨーロッパ域外を信頼できるか」という問いへの答えとして出てきた主張です。非常に難しい問題です。
しかし労働者の立場から見れば、Ministerが言っていたことを実践し続ける限り、決して負けることはありません。将来にわたって学び続ける力を身につけること。学校で特定のスキルを習得し、その後少しだけ訓練を受けて、あとはずっとそのスキルで仕事をし続けられると思うのは、もはや通用しない幻想です。
Himanshu Palsule: 私が最も懸念しているのは、各国が内向きに引きこもる方向に向かう中で、地理的に不均等な形でAIが使われる世界が生まれることです。ナイジェリアにいる優秀なコーダーや、リヤドにいる優れたアナリストの存在が見えなくなり、地元で採用した社員よりも高いスキルを持つ人材にアクセスできなくなる。グローバルなスキリングの議論を真剣に進めなければ、スキルの分断はAIと自動化が進むにつれてさらに深刻になっていきます。人材の国際的な移動のしやすさという観点では、今の世界の政策の方向性はますます内向きになっており、それは別の議論ではあるものの、AI時代のスキル格差と密接に絡み合っている問題です。
6-2. 政府の道徳的責任——職業訓練・社会的セーフティネット・教育設計
Shireen Bhan: Andrewさんが言う「道徳的責任」という言葉に戻りたいと思います。Ministerさん、政府の立場から、AIによる混乱で特定のセクターに置き去りにされた人々に対して、政府はどのような義務を負っているとお考えですか。雇用が十分なペースで生まれていないとすれば、政府の役割はどうあるべきでしょうか。
Sarah Al Amiri: 政府の責任はスキリングにあります。UAEではCOVID後に、社会の中の特定の人々を対象としたスキリングプログラムを立ち上げ、民間セクターの新しい仕事に就けるよう支援しています。民間セクターに対しても、新たな雇用機会を開いてもらうよう働きかけています。政府が費用を負担して人々を再スキリングする仕組みです。
ただ、私の担当するK–12教育というポートフォリオの観点からも、もう一つ重要な点があります。政府はまた、将来にわたって内発的に再スキリングできる労働力を育てなければなりません。学び・学び直し・学んだことを手放す力、そして継続的な学習。これは何十年もの間、教育のアウトカムとして掲げられてきた目標ですが、今こそそれを最優先事項にしなければなりません。そうしなければ、政府は将来にわたって永遠に再スキリングの費用を払い続けることになります。この能力が労働力の中に内発的に組み込まれていなければ、再スキリングのコストはどんどん膨らんでいくだけです。
Andrew Ng: AIに対する社会の信頼を構築することも、政府の重要な責任だと思っています。約2週間前、私のチームがシリコンバレーの中心部にあるMountain View のコーヒーショップオーナーに話を聞きました。そのオーナーは、私たちのチームにAIの代表者が来ていると知るや、体を震わせながら、AIが自分のアーティスト仲間の生活を壊していることに対して怒りをぶつけてきました。ほとんど怒鳴るような状態でした。ここダボスでは私たちは皆AIに対して非常にポジティブで、ビジネス価値や未来を見ています。しかし多くの人が過小評価しているのは、私たちの業界がどれだけ不信感を持たれ、時には憎まれているかという現実です。一つ良いニュースがあるとすれば、Edelman社が行った調査で、AIについて学べば学ぶほど、不信感が薄れて好意的な評価に変わるという結果が出ています。AIに対する社会的な受け入れを獲得し、社会を前に進める本当の変革を解き放つためにも、教育と政策の両輪が非常に重要だと思っています。
Christopher Pissarides: 大学改革という観点でも、産業界と連携してカリキュラムを組み直し、学生が在学中に実務経験を積める仕組みをつくることが、政府・大学・企業の三者が取り組むべき共通の課題です。英国では3年間の学部課程が標準ですが、それを4年に延ばしてインターンシップや見習い制度を組み込む形にすれば、卒業時に学位と実務経験の両方を持てるようになります。「経験がなければ採用されない、採用されなければ経験が積めない」というこの悪循環を断ち切るためにも、大学在学中に経験を積む機会を制度として整備することが政府と大学に求められています。
7. 聴衆との質疑応答
7-1. 比較優位論・未来の仕事のかたち・大手テック就職待機問題
Shireen Bhan: 会場からの質問を受け付けましょう。香港を拠点に活動されているグローバル・シェーパーの方からご質問をどうぞ。
Derby Chukwudi(香港在住グローバル・シェーパー): ありがとうございます。二点お聞きしたいです。まず、経済学の比較優位の概念という観点から、全員がコーダーになろうとした場合、自分が得意なことや強みを持つ領域に集中するという比較優位の発揮はどこに残るのでしょうか。次に、大手テックの仕事がなくなりエントリーレベルの仕事も変わっていく中で、未来の仕事はどのような形になるのでしょうか。クリエイター経済という概念が語られていますが、それはさまざまな段階や業界にわたるキャリアを支えられるほど持続可能なものなのでしょうか。
Andrew Ng: 比較優位について言えば、コーディングスキルというのは非常に奥深いものです。私のチームで最も生産性が高いのは、10年・20年のコーディング経験があり、かつAIも使いこなしている人たちです。その一段下が、AIを本当に使いこなしている新卒者です。そして興味深いことに、その下に位置するのが、10年の経験はあるけれどAIをまだ積極的に取り入れていない人たちです。私のチームでは、AIを真に使いこなしている新卒者を、2022年以前のやり方でまだコーディングしているフルスタック開発者よりも優先して採用した事例が実際にあります。そして最も生産性が低く、私が採用しないのはAIも知らない新卒者です。マーケターが10年・20年の経験を持つ開発者と同じレベルになることはありません。深い専門性と経験は依然として大きな差をもたらします。「全員がコードを書く」というのは全員が同じレベルになるという意味ではなく、コーディングという行為への参加障壁が劇的に下がったということです。
Himanshu Palsule: 大手テック就職問題について補足させてください。コンピュータサイエンスの卒業生の多くが、MetaやAmazon、Googleといった大手テック企業への就職を待ち続け、何ヶ月、場合によっては何年も同じポジションが戻ってくるのを待ち続けています。一方でその同じタイミングに、HR部門、財務部門、営業部門がAIスキルを持つ人材を血眼で探しています。私たちのCHROに「リクルーターはもう要らない、採用プロセス全体をエージェントとボットで行いたい」と伝えると、誰かがそれをコーディングしなければなりませんが、外に探しに行っても大手テックの次のポジションを待ち続けている卒業生たちしか見つかりません。このリセットが一度起きれば、スキルと雇用の世界はより均等になっていくと思います。大手テック以外の世界にも目を向けるというメンタリティとマインドセットのリセットが、今職場に入ろうとしている人たちにも求められています。
7-2. 初等〜高等教育段階ごとのAI教育深度設計
Shireen Bhan: 日本でジェンダーギャップの解消と政策提言に取り組まれているWaffleの創設者の方から質問です。
Waffleファウンダー(日本): 各教育段階、小学校・中学校・高校・大学それぞれにおいて、AI教育に求められる適切なレベルと深さはどう考えればよいでしょうか。また、初等教育から大学まで体系的かつ継続的に発展するAI教育はどのように設計されるべきでしょうか。SarahさんとAndrewさんにお聞きしたいです。
Sarah Al Amiri: 各段階がどう発展すべきかについての完全な答えは持っていません。私たちのAIカリキュラムは「生きたカリキュラム」であり、状況の変化に合わせて常に変容し続けなければならないものです。ただ、段階ごとの基本的な方向性はお伝えできます。幼稚園児に対しては「AI」という言葉を使わず「ロボット」と呼んでいます。ロボットはいろんなことをしてくれるけれど、大人の監督が必要だということを理解させます。少し成長した段階では、AIが実際にどう機能しているかをごく簡単に説明します。ここで教えるのは機械学習の概念です。AIは与えられた情報をもとに判断を形成するという仕組みを、青リンゴと赤リンゴを使った分類の例で説明します。一種類の情報しか与えられていなかった場合、赤リンゴはリンゴと判断できるかという問いかけです。中学・高校の段階では批判的思考の要素を本格的に組み込んでいきます。AIの出力は自分の倫理観や価値観と一致しているか、与えたプロンプトは十分な深さの回答を引き出せているか、どのような文脈でAIを使うべきか、逆にどこから先は自分で努力すべきでありAIに頼るのは剽窃になるのかを生徒たちが自ら考えられるよう育てていきます。そして教育者自身も各段階に応じた内容を学び直す必要があります。
Andrew Ng: K–12はAI教育を始める絶好のタイミングです。将来に向けて、学び続ける力こそが最も根本的な素養だと思っています。
7-3. エージェンティックAI時代の人的資本ポリシーと「消えゆくスキル」への対処
Shireen Bhan: AIが職場にもたらす変化という観点から、採用・キャリア形成・人材定着といった人的資本政策はどう変わるべきでしょうか。会場からご質問をどうぞ。
質問者: 人的資本政策はこれまで基本的に人間を対象として設計されてきましたが、今やAIの時代です。人間とロボットやエージェンティックAIが共存する環境において、採用・キャリア形成・人材定着に関する人的資本政策はどのように進化すべきとお考えでしょうか。
Christopher Pissarides: エージェンティックAIは今のところ雇用を生み出しています。アシスタントを持つようなもので、生産性が上がり、企業は拡大し、それに伴って採用も増える。現時点では人的資本政策に大きな改革が必要だとは見ていません。重要なのは今は教育です。どれだけAIを教えるか、プログラミングを教えるかという点に尽きます。プログラミングについては、英国で全員がフランス語を学ぶように、全員が学ぶべきだと完全に同意します。英国の子どもたちがフランス語を使いこなすようになるわけでも、AIが翻訳するほど上手く訳せるようになるわけでもありませんが、それでも学ぶ意義があります。ラテン語だって学んでいます。目的は流暢さではなく、外国語に直面したときにパニックにならない耐性を持つことです。同じように、AIやプログラミングを学んだ学生は、職場でAIに直面したときに怖じ気づかず、むしろ親しみを持って向き合えるようになります。それが改革の本質です。一度職場に入れば、新しい技術が次々と登場するたびに人的資本は常に更新・拡張されていきます。これは歴史的にも繰り返されてきたことです。
Himanshu Palsule: 重要な指摘を加えさせてください。これまでの人的資本政策はすべて静的で逐次的なものでした。社員を雇い、昇進させ、一連のイベントが順序立てて起きる。仕事のアウトプットは常に「人間の時間×効率×生産性」で定義されてきました。私たちは100年かけて効率と生産性を改善してきましたが、今初めて「人間」という要素に「エージェント」が加わろうとしています。そうなれば、これまでのすべてのポリシーを見直さなければなりません。変化は直線的には進まず、はるかに大きな混乱が伴います。今日のダボスでも複数のスピーカーがこの点に触れていました。Cornerstoneでは、このピープルグラフは非常にダイナミックであるべきだと考えており、それが世界中の組織に大きなプレッシャーをかけています。
Shireen Bhan: 最後にもう一問だけ受け付けましょう。
Kan(OreraファウンダーCEO): 私たちのスキルセットを見ると、一部のスキルは「耐久性のあるスキル」であり長く使えるものです。Pissaridesさんがおっしゃったように、コーディングは今や耐久性のあるスキルになりつつあると思います。しかし他のスキルは「消えゆくスキル」であり、半減期が非常に短く、半年後にはもう価値がなくなってしまうものもあります。皆さんは個人としてどのようにその変化に追いつき、6ヶ月後にはなくなってしまうかもしれない消えゆくスキルをどう習得しているのでしょうか。
Himanshu Palsule: Pissaridesさんの言葉を繰り返すことになってしまいますが(笑)、「学ぶ技術」を習得することです。自分がどのように学ぶかを理解していれば、何を学ぶべきかが変わっても対応できます。今の不確実性の幅は非常に広く、次にどんな仕事が生まれるかわからないだけでなく、その仕事がどんなアウトカムを生み出すかさえわからない状態です。だからこそ、学生にそれを教えることは非常に難しい。教えやすいのはむしろ「学び方」であり、専門分野の規律と、これまで語られてきたソフトスキルの総体です。
Christopher Pissarides: 私は今や、自分の専門外のことを聞かれたら「それは私に聞かないでください」と答える勇気を持っています(笑)。何でも答えようとして真剣に受け止めてもらえなくなるより、知らないことを正直に認めることの方が大切です。何でも知っている振りをして答えを出そうとすれば、誰にも真剣に聞いてもらえなくなります。
Andrew Ng: 私はDeepLearning.AIを運営しており、世界最大規模のAIトレーニングプラットフォームであり、Courseraの会長も務めています。自分たちが作ったコースを実際に自分で受講することで、最新の知識の最前線についていくようにしています。自分で作ったものを自分で食べる、いわゆる「ドッグフーディング」です。
8. クロージング:不確実性の中で「学び方を学ぶ」
8-1. 各パネリストの提言まとめとモデレーター閉会の辞
Sarah Al Amiri: AIの効果的な活用には、最低限の知識の土台が不可欠です。私たちが注力しているのは、生徒たちがしっかりとした知識の核を持ち、その上にスキルを積み上げていくという設計です。批判的思考、適応力、回復力——この三つが組み合わさることで、学び・学び直す能力が自然と育まれます。これは今の教育の枠組みを根本から変えていく長期的な変革であり、多くの要素が絡み合い、時間もかかります。しかし今の教育が生み出すアウトカムから、私たちが本当に必要とするアウトカムへと移行するためには、避けて通ることのできない道です。
Christopher Pissarides: 学ぶ技術を身につけること——これに尽きます。学校で特定のスキルを習得し、その後わずかな訓練を受けて、あとはずっとそのスキルで仕事をし続けられるという時代はもう終わりました。大学はさまざまなスキルの組み合わせを学生に提供し、産業界との連携を通じた実務経験の機会を在学中に確保する必要があります。そして一度職場に入れば、新しい技術が次々と登場するたびに人的資本は常に更新・拡張されていきます。これは歴史的に繰り返されてきたことです。内燃機関の登場で馬が姿を消したように、大きな変化は必ず乗り越えられてきました。
Andrew Ng: 私が最も強調したいのは、AIを使いこなせる人がそうでない人を置き換えていくという現実です。コーディングはその最前線にあります。シリコンバレーではすでに、AIを活用してカスタムソフトウェアをつくれる人とそうでない人との間に、ソフトウェアエンジニアに限らない形で、顕著かつ拡大し続ける生産性格差が生まれています。全員がコードを書く時代とは、全員が同じレベルになるという意味ではなく、コーディングという行為への参加障壁が劇的に下がったということです。AIに対する社会的な信頼を築くためにも、教育と政策の両輪が重要です。AIについて学べば学ぶほど不信感が薄れるというデータもあります。
Himanshu Palsule: これまでの人的資本政策はすべて静的で逐次的なものでした。仕事のアウトプットは常に「人間の時間×効率×生産性」で定義されてきましたが、今初めて「人間」という要素に「エージェント」が加わろうとしています。すべてのポリシーを見直す必要があり、変化は直線的には進まず、はるかに大きな混乱が伴います。私たちが生きているこの時代の最大の皮肉は、AIを最も実装できる能力を持つ世代を置き去りにしたまま、より難しいはずの中間管理職やシニアマネジメントの再スキルに時間とリソースを費やしているという点です。若い世代が職場に入ってきたとき、彼らをAIと競わせるのではなく、AIのアウトプットを監督・評価する側に立たせる発想の転換が必要です。
Shireen Bhan: 今夜のパネルの皆さん、本当にありがとうございました。これはまだ続いていく議論です。答えがすべて出たわけではありませんし、これからも多くの問いが生まれ続けるでしょう。またダボスで続きを話し合える機会があることを願っています。ご視聴いただいた皆さんにも感謝申し上げます。
