{"content_id":"ucbc1pmlc9","slug":"agentic-ai-jobless-growth-white-collar-employment-risk","locale":"ja","schema_type":"Report","category":"report","category_name":"レポート","title":"エージェンティックAIと雇用なき成長：ホワイトカラー雇用危機の事実とシナリオ","summary":"エージェンティックAIは事務職の一部の業務を自動化し、新規採用を減らす可能性があるが、AIにさらされる業務の割合を解雇率と解釈してはならない。大量失業と金融危機は起こり得るリスクシナリオであり、確定した未来ではない。雇用の質・所得・債務のデータを併せて見る必要がある。","author":{"name":"Injoys 編集部","url":"https://injoys.com/ko/about"},"key_points":["AIにさらされる職種や業務の割合は、実際に失われる雇用の割合と同じではない。","事務職の30～40%が数年以内に不要になるという主張を裏付ける、確立された実証的根拠はない。","米国の住宅ローン残高がGDPの12倍だという主張は、公式統計の規模と一致せず、債務残高と年間GDPを単純に比較することにも限界がある。","AIの影響は、既存従業員の即時解雇よりも、初級職・インターン・補助業務の採用減少として先に表れる可能性がある。","失業率だけでは、労働時間の減少、不完全雇用、所得の停滞、プラットフォーム労働の不安定性を十分に把握できない。"],"content_markdown":"エージェンティックAIとは、人間が設定した目標を複数の段階に分け、ツールとデータを使って一定範囲の業務を実行するAIシステムである。この技術はホワイトカラーの反復作業を減らし得るが、直ちに大規模な解雇と金融危機が発生するという結論は、まだ実証されていない。\n\n重要なのは、**技術的に自動化できるタスク**、**企業が実際に自動化するタスク**、**消滅する職務**、**経済全体の雇用変化**を区別することである。この区別をせずにタスクのエクスポージャー率を解雇率に置き換えると、リスクを誇張したり誤って診断したりすることになる。\n\n## エージェンティックAIとは何か\n\n一般的な対話型AIが質問への回答や草案の作成に重点を置くのに対し、エージェンティックAIは目標を達成するため、次のようなプロセスを連続して実行するよう設計されている。\n\n1. 目標を細かな作業に分解する。\n2. 必要な情報とツールを選択する。\n3. 検索、文書作成、コード実行、システム入力などの行動を実行する。\n4. 結果を確認し、次の段階を修正する。\n5. 定められた終了条件に達するまで作業を繰り返す。\n\n企業では、顧客からの問い合わせの分類、報告書の草案作成、営業資料の整理、ソフトウェアテスト、日程調整、データ入力などに適用できる。しかし、権限管理、個人情報保護、エラーの波及、監査可能性、法的責任の問題があるため、完全な無人運用が常に経済的または安全であるとは限らない。\n\n## タスクの自動化と雇用の代替は異なる\n\n職務は複数のタスクの集合である。AIが資料検索や文書要約を担っても、人間は顧客の説得、最終承認、例外処理、責任を伴う判断を引き続き行うことができる。反対に、自動化可能なタスクが職務の中核であり、企業が業務プロセスまで再設計する場合、人員削減につながる可能性がある。\n\n| 概念 | 意味 | 正しい解釈 |\n|---|---|---|\n| AIエクスポージャー | AIが職務の一部のタスクに影響を及ぼす可能性 | 解雇が確定したという意味ではない |\n| 自動化 | 人間が行っていたタスクをシステムが直接実行 | コスト、精度、規制上の条件を満たして初めて実際に導入 |\n| 補完 | AIが人間の生産性や業務範囲を拡大 | 同じ人数でより多くの成果物を生み出せる |\n| 職務代替 | 当該職務への労働需要が実質的に減少 | 組織再編と採用・解雇の決定を伴う |\n| 雇用の純効果 | 消滅した雇用と新たに生まれた雇用の差 | 産業、職業、地域、期間によって異なる |\n\nIMFは、世界の雇用の約40%がAIの影響を受ける可能性があり、先進国ではエクスポージャーがさらに高いと分析した。これは影響を受ける可能性についての推計値であり、該当する割合の労働者が失職するという予測ではない。影響を受ける業務の一部では、AIが労働を補完し、生産性と賃金を高める可能性もある。\n\nILOの職業別分析も、事務・書記職の生成AIへのエクスポージャーが相対的に高いとみている。ただし、一般的には職務全体が消滅するより、業務内容が変化する可能性のほうが高いと評価している。\n\n## 検証が必要な代表的主張\n\n### ホワイトカラー業務の30～50%は無意味なクリックだという主張\n\nホワイトカラー業務に反復入力、報告、承認手続きが多いという事実と、その業務がすべて無用だという判断は別である。統制、記録保存、規制遵守のように、直接的な成果物を生み出さなくても必要な手続きがあるためだ。\n\n特定のStanford研究がホワイトカラー業務全体の30～50%を無意味なクリックと定義したという主張は、論文のタイトル、調査対象、測定方法が示されなければ検証が難しい。リモートワーク期間中も企業が運営されていたという事実も、ホワイトカラー全体の同じ割合が不要だという証拠にはならない。\n\n### 3～5年以内にホワイトカラーの30～40%が解雇されるという主張\n\n現在の主要な研究は、AIへのエクスポージャー、タスクの自動化可能性、または企業の採用計画を推計している。こうした数値を実際の解雇率に直接置き換えることはできない。導入コスト、エラー率、規制、賃金、顧客の選好、労働契約、新たな需要が実際の雇用結果を変えるためである。\n\nWorld Economic Forumの2025年の雇用主調査は、2030年までに構造的変化によって1億7000万件の雇用が生まれ、9200万件が代替され得るとの回答を集計した。これは参加企業の見通しを総合したシナリオであり、確定した予測でも、AIだけの効果でもない。\n\n### 有名大学の卒業生の半数が就職できないという主張\n\n特定の大学や学位課程の卒業生の半数が就職できなかったという結論を出すには、統一された調査基準が必要である。就職率は調査時点、回答率、起業・進学を含めるかどうか、求職を諦めた人の扱いによって大きく異なる。公式の就職報告書や母集団を確認できない数値を、労働市場全体の証拠として用いることは難しい。\n\n## 新規採用が先に減少し得る理由\n\nAI導入の初期段階では、既存の従業員を解雇するより、欠員が生じても補充しない、または初級職の採用を減らすほうが企業にとって容易である。インターン、研究補助、資料調査、基本的なコーディング、文書レビューのように、デジタル情報処理の多い入門タスクは特に影響を受ける可能性がある。\n\nこの変化には長期的な問題がある。初級業務は単純な生産活動であると同時に、新入社員が業界知識と判断力を学ぶ訓練過程でもある。企業が入門タスクだけを自動化し、人材育成の仕組みを再構築しなければ、後に熟練した中堅人材が不足する可能性がある。\n\nただし、インターンと研究補助の業務がすでにすべてAIに代替されたと一般化できる根拠はない。組織や分野によってAIの利用水準、セキュリティ上の制約、検証コストは大きく異なる。\n\n## AI投資が雇用なき成長を生み出し得る経路\n\nデータセンター、半導体、電力網、ソフトウェアへの投資は、建設と設備投資を増やし、GDPに寄与し得る。AIが既存労働者の生産性を高めれば、同じ労働時間でより多くの成果を生産することもできる。\n\nしかし、GDPの増加が大多数の家計の所得増加を自動的に保証するわけではない。AIインフラと知的財産の所有が一部の企業と投資家に集中し、労働需要が十分に増えなければ、資本所得と労働所得の格差が拡大する可能性がある。\n\n| GDPは成長するが景況感は弱まる経路 | 確認すべき指標 |\n|---|---|\n| 資本集約的なAI投資は増加するが常用雇用は少ない | 設備投資、産業別就業者、建設後の運営人員 |\n| 生産性向上の利益が賃金より利益に多く配分される | 労働分配率、実質賃金、企業利益 |\n| 高賃金の専門家はAIの補完効果を受け、中間職は縮小する | 職業別賃金と求人、賃金分位別の変化 |\n| 初級職の減少で若者の労働市場参入が遅れる | 若年雇用率、初就職までの期間、インターン・新卒求人 |\n| 地域別のデータセンター投資が特定地域に集中する | 地域別投資、電力コスト、税収と雇用効果 |\n\n特定企業のデータセンター計画や投資発表額は、実際の執行額と区別しなければならない。また、総事業費を国のGDPと比較する際には、複数年にわたる支出なのか、輸入設備がどの程度含まれているのか、二重計上があるのかを確認する必要がある。\n\n## 失業率が捉えられない可能性のある変化\n\n米国労働統計局の家計調査では、調査基準週に賃金や利益を得るため1時間以上働いた人を就業者に分類する。無給の家族従業者は、米国の基準では家族経営の事業で15時間以上働いて初めて就業者に分類される。したがって、無給で少しでも働けば全員が就業者になるという説明は正確ではない。\n\n失業者とは、単に職業がない人ではない。米国の基準では、職がなく、就業可能で、直近4週間に積極的に求職した人でなければならない。求職を諦めると、失業者ではなく非労働力人口に移る可能性がある。\n\nギグワーカーが就業者として集計されること自体は、統計上の誤りではない。問題は、失業率だけでは労働の量と質を判断できない点にある。次の指標も併せて見る必要がある。\n\n- 労働力参加率と就業率\n- 週当たり労働時間と非自発的パートタイム労働\n- 広義の労働未活用指標であるU-6\n- 複数就業者と自営業者の割合\n- 実質時給と世帯所得\n- 求職を諦めた人と長期失業者\n- 雇用保険、有給休暇、退職給付など社会的保護の適用範囲\n\n## 消費低迷と債務危機はどのようにつながるのか\n\nAIによって高所得のホワイトカラー失業者が大幅に増えれば、消費と債務返済に影響を及ぼし得る。しかし、金融危機にまで発展するには、複数の条件が同時に満たされなければならない。\n\n1. 雇用へのショックが十分に大きく、長期間続く。\n2. 失業者の現金性資産と失業給付が不足する。\n3. 延滞が住宅ローン、自動車ローン、クレジットカードなどに拡大する。\n4. 住宅価格の下落によって担保余力が減少する。\n5. 金融機関の損失吸収能力と融資供給が弱まる。\n6. 財政・金融政策がショックを緩和できない。\n\n2008年の金融危機は、単なる失業増加だけで発生したわけではない。緩い融資審査基準、住宅価格の下落、複雑な証券化商品、金融機関のレバレッジと短期資金への依存が複合的に作用した。今後、AIに起因する雇用ショックが発生しても、その展開過程が2008年とまったく同じだと断定することはできない。\n\n### 米国の住宅ローン市場がGDPの12倍だという主張は事実か\n\n公式統計の規模と一致しない。New York Fedの資料では、2024年第4四半期における米国家計の住宅ローン残高は約12兆6000億ドルであり、BEAが集計した同年の米国の名目GDPは約29兆ドル規模だった。住宅ローン残高は年間GDPの12倍ではなく、半分未満の水準だった。\n\nより根本的には、住宅ローンは特定時点の債務残高であるストックであり、GDPは一定期間に生産された付加価値であるフローである。両数値はリスクの規模を大まかに比較する際に使用できるが、同じ種類の指標のように解釈してはならない。金融の安定性を判断するには、延滞率、借り手の信用力、担保掛目、住宅価格、銀行の自己資本比率を併せて見る必要がある。\n\n## 連邦準備制度の対応能力はあらかじめ断定できない\n\n連邦準備制度は法律で付与された権限の下で金融政策を実施するが、政治的圧力と制度的独立性を巡る議論は続く可能性がある。特定の年に危機が発生し、中央銀行が適切に対応できないという主張は、経済見通しを超えて政治的・制度的な仮定を含むシナリオである。\n\nまた、危機対応は政策金利と量的緩和だけで構成されるものではない。流動性供給、金融機関の監督、預金保護、財政支援、失業セーフティネットが併せて機能する。政策の効果は、その時点のインフレ、政府債務、金融機関の健全性によって異なる。\n\n## リスクを判断する早期警戒指標\n\nAIが実際に雇用なき成長を深刻化させているかは、次の指標の同時変化を通じて判断することが望ましい。\n\n| 分野 | 早期警戒指標 | リスクシグナルの例 |\n|---|---|---|\n| 採用 | 新卒・インターン求人、採用率、欠員率 | 総雇用は維持される一方、入門職の採用が継続的に減少 |\n| 雇用の質 | 労働時間、非自発的パートタイム、U-6 | 就業者数とは対照的に労働時間・所得が低下 |\n| 生産性の配分 | 生産性、実質賃金、労働分配率 | 生産性は上昇するが中位賃金は停滞 |\n| 家計財務 | クレジットカード・自動車ローン・住宅ローンの延滞率 | 複数のローンで延滞が同時に増加 |\n| 企業行動 | AI投資、人件費、職務別人員 | AI支出の増加とホワイトカラーの人員削減が同時進行 |\n| 若者の参入 | 若年雇用率、初就職までの期間 | 卒業後の未就業期間が構造的に長期化 |\n\n1、2件の解雇発表やAI投資計画だけで、マクロ経済の方向性を確定すべきではない。産業別雇用データ、企業財務、家計信用、賃金、労働時間を併せて追跡する必要がある。\n\n## 企業と政策が準備できる対応\n\n### 企業\n\n- 職務全体ではなく、タスク単位で自動化の効果とエラーコストを評価する。\n- AIによってなくなった入門タスクに代わる教育・徒弟プログラムを設計する。\n- 従業員削減以外にも、労働時間の短縮、社内配置転換、生産性向上による利益の共有を検討する。\n- 高リスク業務には人間による承認、ログ記録、異議申立ての手続きを設ける。\n\n### 政府と教育機関\n\n- 失業率以外に、労働時間、所得、不完全就業、プラットフォーム労働を迅速に測定する。\n- 移行期の所得支援と再教育を実際の採用需要に結び付ける。\n- 若者がキャリアを始められるよう、有給の徒弟制度・インターンと現場訓練を拡大する。\n- AIインフラ投資による生産性向上の利益と、電力・地域コストの配分を評価する。\n- 雇用保険と社会保険が短期・複数・プラットフォーム労働者も包摂するよう制度を点検する。\n\n## 結論\n\nエージェンティックAIがホワイトカラーと若者の雇用を圧迫し、生産性向上の利益を資本所有者に集中させるリスクは、現実的な政策課題である。特に新規採用の減少は、大規模な解雇より先に現れながら、将来の熟練人材の形成を損なう可能性がある。\n\nしかし、ホワイトカラーの30～40%が間もなく消滅する、あるいは米国の住宅ローン市場がGDPの12倍であるといった主張は、根拠と単位を検証する必要がある。AIへのエクスポージャーは失業率ではなく、GDP成長が雇用・賃金・消費の結果を自動的に決めるわけでもない。必要なのは断定的な終末論ではなく、タスクの変化、採用、労働時間、所得分配、延滞データを結び付けた継続的な観察である。","content_html":"\u003cp\u003eエージェンティックAIとは、人間が設定した目標を複数の段階に分け、ツールとデータを使って一定範囲の業務を実行するAIシステムである。この技術はホワイトカラーの反復作業を減らし得るが、直ちに大規模な解雇と金融危機が発生するという結論は、まだ実証されていない。\u003c/p\u003e\n\u003cp\u003e重要なのは、\u003cstrong\u003e技術的に自動化できるタスク\u003c/strong\u003e、\u003cstrong\u003e企業が実際に自動化するタスク\u003c/strong\u003e、\u003cstrong\u003e消滅する職務\u003c/strong\u003e、\u003cstrong\u003e経済全体の雇用変化\u003c/strong\u003eを区別することである。この区別をせずにタスクのエクスポージャー率を解雇率に置き換えると、リスクを誇張したり誤って診断したりすることになる。\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#%E3%82%A8%E3%83%BC%E3%82%B8%E3%82%A7%E3%83%B3%E3%83%86%E3%82%A3%E3%83%83%E3%82%AFai%E3%81%A8%E3%81%AF%E4%BD%95%E3%81%8B\" class=\"anchor\" id=\"エージェンティックaiとは何か\"\u003e\u003c/a\u003eエージェンティックAIとは何か\u003c/h2\u003e\n\u003cp\u003e一般的な対話型AIが質問への回答や草案の作成に重点を置くのに対し、エージェンティックAIは目標を達成するため、次のようなプロセスを連続して実行するよう設計されている。\u003c/p\u003e\n\u003col\u003e\n\u003cli\u003e目標を細かな作業に分解する。\u003c/li\u003e\n\u003cli\u003e必要な情報とツールを選択する。\u003c/li\u003e\n\u003cli\u003e検索、文書作成、コード実行、システム入力などの行動を実行する。\u003c/li\u003e\n\u003cli\u003e結果を確認し、次の段階を修正する。\u003c/li\u003e\n\u003cli\u003e定められた終了条件に達するまで作業を繰り返す。\u003c/li\u003e\n\u003c/ol\u003e\n\u003cp\u003e企業では、顧客からの問い合わせの分類、報告書の草案作成、営業資料の整理、ソフトウェアテスト、日程調整、データ入力などに適用できる。しかし、権限管理、個人情報保護、エラーの波及、監査可能性、法的責任の問題があるため、完全な無人運用が常に経済的または安全であるとは限らない。\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#%E3%82%BF%E3%82%B9%E3%82%AF%E3%81%AE%E8%87%AA%E5%8B%95%E5%8C%96%E3%81%A8%E9%9B%87%E7%94%A8%E3%81%AE%E4%BB%A3%E6%9B%BF%E3%81%AF%E7%95%B0%E3%81%AA%E3%82%8B\" class=\"anchor\" id=\"タスクの自動化と雇用の代替は異なる\"\u003e\u003c/a\u003eタスクの自動化と雇用の代替は異なる\u003c/h2\u003e\n\u003cp\u003e職務は複数のタスクの集合である。AIが資料検索や文書要約を担っても、人間は顧客の説得、最終承認、例外処理、責任を伴う判断を引き続き行うことができる。反対に、自動化可能なタスクが職務の中核であり、企業が業務プロセスまで再設計する場合、人員削減につながる可能性がある。\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003e概念\u003c/th\u003e\n\u003cth\u003e意味\u003c/th\u003e\n\u003cth\u003e正しい解釈\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"概念\"\u003eAIエクスポージャー\u003c/td\u003e\n\u003ctd data-label=\"意味\"\u003eAIが職務の一部のタスクに影響を及ぼす可能性\u003c/td\u003e\n\u003ctd data-label=\"正しい解釈\"\u003e解雇が確定したという意味ではない\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"概念\"\u003e自動化\u003c/td\u003e\n\u003ctd data-label=\"意味\"\u003e人間が行っていたタスクをシステムが直接実行\u003c/td\u003e\n\u003ctd data-label=\"正しい解釈\"\u003eコスト、精度、規制上の条件を満たして初めて実際に導入\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"概念\"\u003e補完\u003c/td\u003e\n\u003ctd data-label=\"意味\"\u003eAIが人間の生産性や業務範囲を拡大\u003c/td\u003e\n\u003ctd data-label=\"正しい解釈\"\u003e同じ人数でより多くの成果物を生み出せる\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"概念\"\u003e職務代替\u003c/td\u003e\n\u003ctd data-label=\"意味\"\u003e当該職務への労働需要が実質的に減少\u003c/td\u003e\n\u003ctd data-label=\"正しい解釈\"\u003e組織再編と採用・解雇の決定を伴う\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"概念\"\u003e雇用の純効果\u003c/td\u003e\n\u003ctd data-label=\"意味\"\u003e消滅した雇用と新たに生まれた雇用の差\u003c/td\u003e\n\u003ctd data-label=\"正しい解釈\"\u003e産業、職業、地域、期間によって異なる\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003eIMFは、世界の雇用の約40%がAIの影響を受ける可能性があり、先進国ではエクスポージャーがさらに高いと分析した。これは影響を受ける可能性についての推計値であり、該当する割合の労働者が失職するという予測ではない。影響を受ける業務の一部では、AIが労働を補完し、生産性と賃金を高める可能性もある。\u003c/p\u003e\n\u003cp\u003eILOの職業別分析も、事務・書記職の生成AIへのエクスポージャーが相対的に高いとみている。ただし、一般的には職務全体が消滅するより、業務内容が変化する可能性のほうが高いと評価している。\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#%E6%A4%9C%E8%A8%BC%E3%81%8C%E5%BF%85%E8%A6%81%E3%81%AA%E4%BB%A3%E8%A1%A8%E7%9A%84%E4%B8%BB%E5%BC%B5\" class=\"anchor\" id=\"検証が必要な代表的主張\"\u003e\u003c/a\u003e検証が必要な代表的主張\u003c/h2\u003e\n\u003ch3\u003e\n\u003ca href=\"#%E3%83%9B%E3%83%AF%E3%82%A4%E3%83%88%E3%82%AB%E3%83%A9%E3%83%BC%E6%A5%AD%E5%8B%99%E3%81%AE3050%E3%81%AF%E7%84%A1%E6%84%8F%E5%91%B3%E3%81%AA%E3%82%AF%E3%83%AA%E3%83%83%E3%82%AF%E3%81%A0%E3%81%A8%E3%81%84%E3%81%86%E4%B8%BB%E5%BC%B5\" class=\"anchor\" id=\"ホワイトカラー業務の3050は無意味なクリックだという主張\"\u003e\u003c/a\u003eホワイトカラー業務の30～50%は無意味なクリックだという主張\u003c/h3\u003e\n\u003cp\u003eホワイトカラー業務に反復入力、報告、承認手続きが多いという事実と、その業務がすべて無用だという判断は別である。統制、記録保存、規制遵守のように、直接的な成果物を生み出さなくても必要な手続きがあるためだ。\u003c/p\u003e\n\u003cp\u003e特定のStanford研究がホワイトカラー業務全体の30～50%を無意味なクリックと定義したという主張は、論文のタイトル、調査対象、測定方法が示されなければ検証が難しい。リモートワーク期間中も企業が運営されていたという事実も、ホワイトカラー全体の同じ割合が不要だという証拠にはならない。\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#35%E5%B9%B4%E4%BB%A5%E5%86%85%E3%81%AB%E3%83%9B%E3%83%AF%E3%82%A4%E3%83%88%E3%82%AB%E3%83%A9%E3%83%BC%E3%81%AE3040%E3%81%8C%E8%A7%A3%E9%9B%87%E3%81%95%E3%82%8C%E3%82%8B%E3%81%A8%E3%81%84%E3%81%86%E4%B8%BB%E5%BC%B5\" class=\"anchor\" id=\"35年以内にホワイトカラーの3040が解雇されるという主張\"\u003e\u003c/a\u003e3～5年以内にホワイトカラーの30～40%が解雇されるという主張\u003c/h3\u003e\n\u003cp\u003e現在の主要な研究は、AIへのエクスポージャー、タスクの自動化可能性、または企業の採用計画を推計している。こうした数値を実際の解雇率に直接置き換えることはできない。導入コスト、エラー率、規制、賃金、顧客の選好、労働契約、新たな需要が実際の雇用結果を変えるためである。\u003c/p\u003e\n\u003cp\u003eWorld Economic Forumの2025年の雇用主調査は、2030年までに構造的変化によって1億7000万件の雇用が生まれ、9200万件が代替され得るとの回答を集計した。これは参加企業の見通しを総合したシナリオであり、確定した予測でも、AIだけの効果でもない。\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#%E6%9C%89%E5%90%8D%E5%A4%A7%E5%AD%A6%E3%81%AE%E5%8D%92%E6%A5%AD%E7%94%9F%E3%81%AE%E5%8D%8A%E6%95%B0%E3%81%8C%E5%B0%B1%E8%81%B7%E3%81%A7%E3%81%8D%E3%81%AA%E3%81%84%E3%81%A8%E3%81%84%E3%81%86%E4%B8%BB%E5%BC%B5\" class=\"anchor\" id=\"有名大学の卒業生の半数が就職できないという主張\"\u003e\u003c/a\u003e有名大学の卒業生の半数が就職できないという主張\u003c/h3\u003e\n\u003cp\u003e特定の大学や学位課程の卒業生の半数が就職できなかったという結論を出すには、統一された調査基準が必要である。就職率は調査時点、回答率、起業・進学を含めるかどうか、求職を諦めた人の扱いによって大きく異なる。公式の就職報告書や母集団を確認できない数値を、労働市場全体の証拠として用いることは難しい。\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#%E6%96%B0%E8%A6%8F%E6%8E%A1%E7%94%A8%E3%81%8C%E5%85%88%E3%81%AB%E6%B8%9B%E5%B0%91%E3%81%97%E5%BE%97%E3%82%8B%E7%90%86%E7%94%B1\" class=\"anchor\" id=\"新規採用が先に減少し得る理由\"\u003e\u003c/a\u003e新規採用が先に減少し得る理由\u003c/h2\u003e\n\u003cp\u003eAI導入の初期段階では、既存の従業員を解雇するより、欠員が生じても補充しない、または初級職の採用を減らすほうが企業にとって容易である。インターン、研究補助、資料調査、基本的なコーディング、文書レビューのように、デジタル情報処理の多い入門タスクは特に影響を受ける可能性がある。\u003c/p\u003e\n\u003cp\u003eこの変化には長期的な問題がある。初級業務は単純な生産活動であると同時に、新入社員が業界知識と判断力を学ぶ訓練過程でもある。企業が入門タスクだけを自動化し、人材育成の仕組みを再構築しなければ、後に熟練した中堅人材が不足する可能性がある。\u003c/p\u003e\n\u003cp\u003eただし、インターンと研究補助の業務がすでにすべてAIに代替されたと一般化できる根拠はない。組織や分野によってAIの利用水準、セキュリティ上の制約、検証コストは大きく異なる。\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#ai%E6%8A%95%E8%B3%87%E3%81%8C%E9%9B%87%E7%94%A8%E3%81%AA%E3%81%8D%E6%88%90%E9%95%B7%E3%82%92%E7%94%9F%E3%81%BF%E5%87%BA%E3%81%97%E5%BE%97%E3%82%8B%E7%B5%8C%E8%B7%AF\" class=\"anchor\" id=\"ai投資が雇用なき成長を生み出し得る経路\"\u003e\u003c/a\u003eAI投資が雇用なき成長を生み出し得る経路\u003c/h2\u003e\n\u003cp\u003eデータセンター、半導体、電力網、ソフトウェアへの投資は、建設と設備投資を増やし、GDPに寄与し得る。AIが既存労働者の生産性を高めれば、同じ労働時間でより多くの成果を生産することもできる。\u003c/p\u003e\n\u003cp\u003eしかし、GDPの増加が大多数の家計の所得増加を自動的に保証するわけではない。AIインフラと知的財産の所有が一部の企業と投資家に集中し、労働需要が十分に増えなければ、資本所得と労働所得の格差が拡大する可能性がある。\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eGDPは成長するが景況感は弱まる経路\u003c/th\u003e\n\u003cth\u003e確認すべき指標\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"GDPは成長するが景況感は弱まる経路\"\u003e資本集約的なAI投資は増加するが常用雇用は少ない\u003c/td\u003e\n\u003ctd data-label=\"確認すべき指標\"\u003e設備投資、産業別就業者、建設後の運営人員\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"GDPは成長するが景況感は弱まる経路\"\u003e生産性向上の利益が賃金より利益に多く配分される\u003c/td\u003e\n\u003ctd data-label=\"確認すべき指標\"\u003e労働分配率、実質賃金、企業利益\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"GDPは成長するが景況感は弱まる経路\"\u003e高賃金の専門家はAIの補完効果を受け、中間職は縮小する\u003c/td\u003e\n\u003ctd data-label=\"確認すべき指標\"\u003e職業別賃金と求人、賃金分位別の変化\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"GDPは成長するが景況感は弱まる経路\"\u003e初級職の減少で若者の労働市場参入が遅れる\u003c/td\u003e\n\u003ctd data-label=\"確認すべき指標\"\u003e若年雇用率、初就職までの期間、インターン・新卒求人\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"GDPは成長するが景況感は弱まる経路\"\u003e地域別のデータセンター投資が特定地域に集中する\u003c/td\u003e\n\u003ctd data-label=\"確認すべき指標\"\u003e地域別投資、電力コスト、税収と雇用効果\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003e特定企業のデータセンター計画や投資発表額は、実際の執行額と区別しなければならない。また、総事業費を国のGDPと比較する際には、複数年にわたる支出なのか、輸入設備がどの程度含まれているのか、二重計上があるのかを確認する必要がある。\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#%E5%A4%B1%E6%A5%AD%E7%8E%87%E3%81%8C%E6%8D%89%E3%81%88%E3%82%89%E3%82%8C%E3%81%AA%E3%81%84%E5%8F%AF%E8%83%BD%E6%80%A7%E3%81%AE%E3%81%82%E3%82%8B%E5%A4%89%E5%8C%96\" class=\"anchor\" id=\"失業率が捉えられない可能性のある変化\"\u003e\u003c/a\u003e失業率が捉えられない可能性のある変化\u003c/h2\u003e\n\u003cp\u003e米国労働統計局の家計調査では、調査基準週に賃金や利益を得るため1時間以上働いた人を就業者に分類する。無給の家族従業者は、米国の基準では家族経営の事業で15時間以上働いて初めて就業者に分類される。したがって、無給で少しでも働けば全員が就業者になるという説明は正確ではない。\u003c/p\u003e\n\u003cp\u003e失業者とは、単に職業がない人ではない。米国の基準では、職がなく、就業可能で、直近4週間に積極的に求職した人でなければならない。求職を諦めると、失業者ではなく非労働力人口に移る可能性がある。\u003c/p\u003e\n\u003cp\u003eギグワーカーが就業者として集計されること自体は、統計上の誤りではない。問題は、失業率だけでは労働の量と質を判断できない点にある。次の指標も併せて見る必要がある。\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003e労働力参加率と就業率\u003c/li\u003e\n\u003cli\u003e週当たり労働時間と非自発的パートタイム労働\u003c/li\u003e\n\u003cli\u003e広義の労働未活用指標であるU-6\u003c/li\u003e\n\u003cli\u003e複数就業者と自営業者の割合\u003c/li\u003e\n\u003cli\u003e実質時給と世帯所得\u003c/li\u003e\n\u003cli\u003e求職を諦めた人と長期失業者\u003c/li\u003e\n\u003cli\u003e雇用保険、有給休暇、退職給付など社会的保護の適用範囲\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch2\u003e\n\u003ca href=\"#%E6%B6%88%E8%B2%BB%E4%BD%8E%E8%BF%B7%E3%81%A8%E5%82%B5%E5%8B%99%E5%8D%B1%E6%A9%9F%E3%81%AF%E3%81%A9%E3%81%AE%E3%82%88%E3%81%86%E3%81%AB%E3%81%A4%E3%81%AA%E3%81%8C%E3%82%8B%E3%81%AE%E3%81%8B\" class=\"anchor\" id=\"消費低迷と債務危機はどのようにつながるのか\"\u003e\u003c/a\u003e消費低迷と債務危機はどのようにつながるのか\u003c/h2\u003e\n\u003cp\u003eAIによって高所得のホワイトカラー失業者が大幅に増えれば、消費と債務返済に影響を及ぼし得る。しかし、金融危機にまで発展するには、複数の条件が同時に満たされなければならない。\u003c/p\u003e\n\u003col\u003e\n\u003cli\u003e雇用へのショックが十分に大きく、長期間続く。\u003c/li\u003e\n\u003cli\u003e失業者の現金性資産と失業給付が不足する。\u003c/li\u003e\n\u003cli\u003e延滞が住宅ローン、自動車ローン、クレジットカードなどに拡大する。\u003c/li\u003e\n\u003cli\u003e住宅価格の下落によって担保余力が減少する。\u003c/li\u003e\n\u003cli\u003e金融機関の損失吸収能力と融資供給が弱まる。\u003c/li\u003e\n\u003cli\u003e財政・金融政策がショックを緩和できない。\u003c/li\u003e\n\u003c/ol\u003e\n\u003cp\u003e2008年の金融危機は、単なる失業増加だけで発生したわけではない。緩い融資審査基準、住宅価格の下落、複雑な証券化商品、金融機関のレバレッジと短期資金への依存が複合的に作用した。今後、AIに起因する雇用ショックが発生しても、その展開過程が2008年とまったく同じだと断定することはできない。\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#%E7%B1%B3%E5%9B%BD%E3%81%AE%E4%BD%8F%E5%AE%85%E3%83%AD%E3%83%BC%E3%83%B3%E5%B8%82%E5%A0%B4%E3%81%8Cgdp%E3%81%AE12%E5%80%8D%E3%81%A0%E3%81%A8%E3%81%84%E3%81%86%E4%B8%BB%E5%BC%B5%E3%81%AF%E4%BA%8B%E5%AE%9F%E3%81%8B\" class=\"anchor\" id=\"米国の住宅ローン市場がgdpの12倍だという主張は事実か\"\u003e\u003c/a\u003e米国の住宅ローン市場がGDPの12倍だという主張は事実か\u003c/h3\u003e\n\u003cp\u003e公式統計の規模と一致しない。New York Fedの資料では、2024年第4四半期における米国家計の住宅ローン残高は約12兆6000億ドルであり、BEAが集計した同年の米国の名目GDPは約29兆ドル規模だった。住宅ローン残高は年間GDPの12倍ではなく、半分未満の水準だった。\u003c/p\u003e\n\u003cp\u003eより根本的には、住宅ローンは特定時点の債務残高であるストックであり、GDPは一定期間に生産された付加価値であるフローである。両数値はリスクの規模を大まかに比較する際に使用できるが、同じ種類の指標のように解釈してはならない。金融の安定性を判断するには、延滞率、借り手の信用力、担保掛目、住宅価格、銀行の自己資本比率を併せて見る必要がある。\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#%E9%80%A3%E9%82%A6%E6%BA%96%E5%82%99%E5%88%B6%E5%BA%A6%E3%81%AE%E5%AF%BE%E5%BF%9C%E8%83%BD%E5%8A%9B%E3%81%AF%E3%81%82%E3%82%89%E3%81%8B%E3%81%98%E3%82%81%E6%96%AD%E5%AE%9A%E3%81%A7%E3%81%8D%E3%81%AA%E3%81%84\" class=\"anchor\" id=\"連邦準備制度の対応能力はあらかじめ断定できない\"\u003e\u003c/a\u003e連邦準備制度の対応能力はあらかじめ断定できない\u003c/h2\u003e\n\u003cp\u003e連邦準備制度は法律で付与された権限の下で金融政策を実施するが、政治的圧力と制度的独立性を巡る議論は続く可能性がある。特定の年に危機が発生し、中央銀行が適切に対応できないという主張は、経済見通しを超えて政治的・制度的な仮定を含むシナリオである。\u003c/p\u003e\n\u003cp\u003eまた、危機対応は政策金利と量的緩和だけで構成されるものではない。流動性供給、金融機関の監督、預金保護、財政支援、失業セーフティネットが併せて機能する。政策の効果は、その時点のインフレ、政府債務、金融機関の健全性によって異なる。\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#%E3%83%AA%E3%82%B9%E3%82%AF%E3%82%92%E5%88%A4%E6%96%AD%E3%81%99%E3%82%8B%E6%97%A9%E6%9C%9F%E8%AD%A6%E6%88%92%E6%8C%87%E6%A8%99\" class=\"anchor\" id=\"リスクを判断する早期警戒指標\"\u003e\u003c/a\u003eリスクを判断する早期警戒指標\u003c/h2\u003e\n\u003cp\u003eAIが実際に雇用なき成長を深刻化させているかは、次の指標の同時変化を通じて判断することが望ましい。\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003e分野\u003c/th\u003e\n\u003cth\u003e早期警戒指標\u003c/th\u003e\n\u003cth\u003eリスクシグナルの例\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"分野\"\u003e採用\u003c/td\u003e\n\u003ctd data-label=\"早期警戒指標\"\u003e新卒・インターン求人、採用率、欠員率\u003c/td\u003e\n\u003ctd data-label=\"リスクシグナルの例\"\u003e総雇用は維持される一方、入門職の採用が継続的に減少\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"分野\"\u003e雇用の質\u003c/td\u003e\n\u003ctd data-label=\"早期警戒指標\"\u003e労働時間、非自発的パートタイム、U-6\u003c/td\u003e\n\u003ctd data-label=\"リスクシグナルの例\"\u003e就業者数とは対照的に労働時間・所得が低下\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"分野\"\u003e生産性の配分\u003c/td\u003e\n\u003ctd data-label=\"早期警戒指標\"\u003e生産性、実質賃金、労働分配率\u003c/td\u003e\n\u003ctd data-label=\"リスクシグナルの例\"\u003e生産性は上昇するが中位賃金は停滞\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"分野\"\u003e家計財務\u003c/td\u003e\n\u003ctd data-label=\"早期警戒指標\"\u003eクレジットカード・自動車ローン・住宅ローンの延滞率\u003c/td\u003e\n\u003ctd data-label=\"リスクシグナルの例\"\u003e複数のローンで延滞が同時に増加\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"分野\"\u003e企業行動\u003c/td\u003e\n\u003ctd data-label=\"早期警戒指標\"\u003eAI投資、人件費、職務別人員\u003c/td\u003e\n\u003ctd data-label=\"リスクシグナルの例\"\u003eAI支出の増加とホワイトカラーの人員削減が同時進行\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"分野\"\u003e若者の参入\u003c/td\u003e\n\u003ctd data-label=\"早期警戒指標\"\u003e若年雇用率、初就職までの期間\u003c/td\u003e\n\u003ctd data-label=\"リスクシグナルの例\"\u003e卒業後の未就業期間が構造的に長期化\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003e1、2件の解雇発表やAI投資計画だけで、マクロ経済の方向性を確定すべきではない。産業別雇用データ、企業財務、家計信用、賃金、労働時間を併せて追跡する必要がある。\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#%E4%BC%81%E6%A5%AD%E3%81%A8%E6%94%BF%E7%AD%96%E3%81%8C%E6%BA%96%E5%82%99%E3%81%A7%E3%81%8D%E3%82%8B%E5%AF%BE%E5%BF%9C\" class=\"anchor\" id=\"企業と政策が準備できる対応\"\u003e\u003c/a\u003e企業と政策が準備できる対応\u003c/h2\u003e\n\u003ch3\u003e\n\u003ca href=\"#%E4%BC%81%E6%A5%AD\" class=\"anchor\" id=\"企業\"\u003e\u003c/a\u003e企業\u003c/h3\u003e\n\u003cul\u003e\n\u003cli\u003e職務全体ではなく、タスク単位で自動化の効果とエラーコストを評価する。\u003c/li\u003e\n\u003cli\u003eAIによってなくなった入門タスクに代わる教育・徒弟プログラムを設計する。\u003c/li\u003e\n\u003cli\u003e従業員削減以外にも、労働時間の短縮、社内配置転換、生産性向上による利益の共有を検討する。\u003c/li\u003e\n\u003cli\u003e高リスク業務には人間による承認、ログ記録、異議申立ての手続きを設ける。\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch3\u003e\n\u003ca href=\"#%E6%94%BF%E5%BA%9C%E3%81%A8%E6%95%99%E8%82%B2%E6%A9%9F%E9%96%A2\" class=\"anchor\" id=\"政府と教育機関\"\u003e\u003c/a\u003e政府と教育機関\u003c/h3\u003e\n\u003cul\u003e\n\u003cli\u003e失業率以外に、労働時間、所得、不完全就業、プラットフォーム労働を迅速に測定する。\u003c/li\u003e\n\u003cli\u003e移行期の所得支援と再教育を実際の採用需要に結び付ける。\u003c/li\u003e\n\u003cli\u003e若者がキャリアを始められるよう、有給の徒弟制度・インターンと現場訓練を拡大する。\u003c/li\u003e\n\u003cli\u003eAIインフラ投資による生産性向上の利益と、電力・地域コストの配分を評価する。\u003c/li\u003e\n\u003cli\u003e雇用保険と社会保険が短期・複数・プラットフォーム労働者も包摂するよう制度を点検する。\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch2\u003e\n\u003ca href=\"#%E7%B5%90%E8%AB%96\" class=\"anchor\" id=\"結論\"\u003e\u003c/a\u003e結論\u003c/h2\u003e\n\u003cp\u003eエージェンティックAIがホワイトカラーと若者の雇用を圧迫し、生産性向上の利益を資本所有者に集中させるリスクは、現実的な政策課題である。特に新規採用の減少は、大規模な解雇より先に現れながら、将来の熟練人材の形成を損なう可能性がある。\u003c/p\u003e\n\u003cp\u003eしかし、ホワイトカラーの30～40%が間もなく消滅する、あるいは米国の住宅ローン市場がGDPの12倍であるといった主張は、根拠と単位を検証する必要がある。AIへのエクスポージャーは失業率ではなく、GDP成長が雇用・賃金・消費の結果を自動的に決めるわけでもない。必要なのは断定的な終末論ではなく、タスクの変化、採用、労働時間、所得分配、延滞データを結び付けた継続的な観察である。\u003c/p\u003e\n","tags":["労働市場","エージェント型AI","ホワイトカラー雇用","雇用なき成長","米国経済"],"faqs":[{"question":"エージェンティックAIと一般的な生成AIは何が違うのですか？","answer":"一般的な生成AIが主に質問に答えたりコンテンツを生成したりするのに対し、エージェンティックAIは目標をタスクに分解し、ツールを使用して結果を確認するという複数の段階を実行する。ただし、実行権限、エラー処理、人間による監督の範囲はシステムごとに異なる。"},{"question":"AIの影響にさらされる雇用の割合は、予想解雇率なのですか？","answer":"違う。影響にさらされるとは、AIが職務の一部のタスクに影響を及ぼす可能性を意味する。AIが人を補完する場合もあり、コスト・規制・エラーの問題によって自動化されない場合もあるため、その割合を解雇率と解釈してはならない。"},{"question":"ホワイトカラー労働者の30～40%が3～5年以内に不要になるという予測は確定的なものですか？","answer":"その割合と期間を確定的に裏付ける、合意の得られた実証的根拠はない。実際の雇用の変化は、技術性能だけでなく、賃金、導入コスト、規制、景気、新たな需要、企業の組織再設計に左右される。"},{"question":"AIはなぜ既存の従業員よりも新規採用に先に影響を及ぼす可能性があるのですか？","answer":"企業にとっては、既存の従業員を解雇するよりも、欠員を補充しなかったり、反復的な入門レベルのタスクを担う人材の採用を減らしたりするほうが容易だ。資料調査、基本的な文書作成、単純なコーディングが自動化されれば、インターン・補助職の需要が先に減少する可能性があるが、すべての業種ですでに代替されたという意味ではない。"},{"question":"週に1時間だけ働いても、米国では就業者に分類されますか？","answer":"米国の家計調査では、基準週に賃金や利益を得るために1時間以上働けば、就業者に分類されることがある。しかし、無給の家族従業者は、米国の基準では家族経営の事業で15時間以上働く必要があり、詳細な基準は国ごとの統計制度によって異なる場合がある。"},{"question":"ギグワークが増えると、失業率は虚偽の統計になるのですか？","answer":"ギグワーカーを就業者に分類すること自体は誤りではない。ただし、失業率だけを見ると、短い労働時間、低所得、非自発的なパートタイム労働が見えにくくなる可能性があるため、就業率、U-6、労働時間、実質所得、社会保険の適用率も併せて見る必要がある。"},{"question":"米国の住宅ローン市場はGDPの12倍なのですか？","answer":"公式統計と一致しない。2024年第4四半期における米国家計の住宅ローン残高は約12兆6000億ドルで、同年の名目GDPは約29兆ドル規模だった。また、住宅ローンは特定時点の残高であり、GDPは年間の生産フローであるため、単純な倍率比較にも注意が必要だ。"},{"question":"AIによる失業が2008年のような金融危機を引き起こす可能性はありますか？","answer":"考えられるリスク経路の一つだが、自動的に生じる結果ではない。広範かつ長期的な失業、ローンの延滞、住宅価格の下落、金融機関の損失、信用収縮が同時に現れて初めて、危機が増幅する可能性がある。"},{"question":"GDPが成長しても、個人の生活水準が悪化する可能性はありますか？","answer":"あり得る。資本集約的な投資がGDPと生産性を高めても、利益が資本所得に集中し、雇用・賃金中央値が停滞すれば、多くの家計が実感する生活水準は改善しない可能性がある。"},{"question":"AIによる雇用への衝撃を最初に示す指標は何ですか？","answer":"新卒・インターンの求人情報、企業の採用率と欠員率、週当たり労働時間、非自発的なパートタイム労働、職業別賃金、若年層の就業率を併せて見る必要がある。金融リスクは、クレジットカード・自動車ローン・住宅ローンの延滞率が同時に上昇しているかどうかで確認できる。"}],"sources":[{"url":"https://www.imf.org/en/Blogs/Articles/2024/01/14/ai-will-transform-the-global-economy-lets-make-sure-it-benefits-humanity","title":"IMF：AIは世界経済を変革する","type":"data_point"},{"url":"https://www.ilo.org/publications/generative-ai-and-jobs-refined-global-index-occupational-exposure","title":"ILO：生成AIと雇用—職業別エクスポージャーの精緻化された世界指数","type":"source"},{"url":"https://www.bls.gov/cps/definitions.htm","title":"U.S. Bureau of Labor Statistics：労働力統計の定義","type":"source"},{"url":"https://www.newyorkfed.org/microeconomics/hhdc","title":"Federal Reserve Bank of New York：家計債務と信用","type":"data_point"},{"url":"https://www.bea.gov/data/gdp/gross-domestic-product","title":"U.S. Bureau of Economic Analysis：国内総生産","type":"data_point"},{"url":"https://www.weforum.org/publications/the-future-of-jobs-report-2025/","title":"World Economic Forum：仕事の未来レポート2025","type":"source"},{"url":"https://aiindex.stanford.edu/report/","title":"Stanford University：AIインデックスレポート","type":"source"},{"url":"https://www.oecd.org/en/publications/oecd-employment-outlook-2023_08785bba-en.html","title":"OECD雇用見通し2023：人工知能と労働市場","type":"source"}],"images":[{"id":318,"url":"https://injoys.com/rails/active_storage/blobs/proxy/eyJfcmFpbHMiOnsiZGF0YSI6MzU4MCwicHVyIjoiYmxvYl9pZCJ9fQ==--16d3897bc038e84945ac4f128915b4b9fbc21299/ai-6058d820.webp","is_representative":true,"generation_method":"ai_image","license":"ai_generated","mime_type":"image/webp","translations":{"ko":{"alt":"AI 네트워크가 문서·일정·파일·업무를 연결하고 직장인들이 일하거나 줄 서 있는 일러스트","caption":"에이전틱 AI의 업무 자동화와 변화하는 화이트칼라 고용 환경을 함께 보여준다.","description":null},"en":{"alt":"AI network linking documents, calendars, files and tasks as office workers work and queue","caption":"The illustration connects agentic AI automation with a changing white-collar employment landscape.","description":null},"ja":{"alt":"AIネットワークが文書や予定、ファイル、業務をつなぎ、働く人々と列に並ぶ人々を描いた図","caption":"エージェント型AIによる業務自動化と変化するホワイトカラー雇用を表している。","description":null},"es":{"alt":"Red de IA que conecta documentos, calendarios, archivos y tareas junto a oficinistas trabajando y en fila","caption":"La ilustración vincula la automatización con IA agéntica y los cambios en el empleo de oficina.","description":null},"id":{"alt":"Jaringan AI menghubungkan dokumen, kalender, berkas, dan tugas saat pekerja kantor bekerja dan mengantre","caption":"Ilustrasi ini mengaitkan otomatisasi AI agentik dengan perubahan lapangan kerja kerah putih.","description":null},"pt":{"alt":"Rede de IA conecta documentos, calendários, arquivos e tarefas enquanto profissionais trabalham e aguardam na fila","caption":"A ilustração relaciona a automação por IA agêntica às mudanças no emprego de colarinho branco.","description":null},"zh-hant":{"alt":"AI網路連結文件、行事曆、檔案與工作流程，辦公人員工作或排隊等候","caption":"插圖呈現代理式AI的工作自動化，以及白領就業環境的變化。","description":null}}},{"id":319,"url":"https://injoys.com/rails/active_storage/blobs/proxy/eyJfcmFpbHMiOnsiZGF0YSI6MzU4NiwicHVyIjoiYmxvYl9pZCJ9fQ==--9acef6a590f4ae78f983572771cd45ae78c9301d/ai-da57d97d.webp","is_representative":false,"generation_method":"ai_image","license":"ai_generated","mime_type":"image/webp","translations":{"ko":{"alt":"AI 서버와 상승 화살표, 빈 의자와 모래시계, 자산과 상반된 미래를 잇는 갈림길 삽화","caption":"AI 성장과 일자리 감소가 가계의 경제적 안정에 미칠 상반된 미래를 보여준다.","description":null},"en":{"alt":"Forked paths with AI servers, a rising arrow, empty chairs, an hourglass, assets, and contrasting futures","caption":"The illustration contrasts AI-driven growth with job loss and diverging household security.","description":null},"ja":{"alt":"AIサーバーと上向き矢印、空席、砂時計、資産、対照的な未来へ続く分岐路","caption":"AI主導の成長と雇用減少が家計の安定を左右する二つの未来を描いている。","description":null},"es":{"alt":"Caminos con servidores de IA, flecha ascendente, sillas vacías, reloj de arena, activos y futuros opuestos","caption":"La ilustración contrapone el crecimiento por IA con la pérdida de empleo y la seguridad familiar.","description":null},"id":{"alt":"Jalur bercabang dengan server AI, panah naik, kursi kosong, jam pasir, aset, dan dua masa depan","caption":"Ilustrasi ini membandingkan pertumbuhan berbasis AI dengan hilangnya pekerjaan dan keamanan rumah tangga.","description":null},"pt":{"alt":"Caminhos com servidores de IA, seta ascendente, cadeiras vazias, ampulheta, ativos e futuros opostos","caption":"A ilustração contrapõe o crescimento impulsionado por IA à perda de empregos e à segurança familiar.","description":null},"zh-hant":{"alt":"AI伺服器、上升箭頭、空椅、沙漏、資產與兩種未來組成的分岔道路","caption":"插畫對比AI驅動的成長、職位流失與家庭經濟安全的不同走向。","description":null}}}],"published_at":"2026-07-28T03:03:51+09:00","updated_at":"2026-07-28T03:03:51+09:00","license":"cc_by","translation_status":"reviewed","available_locales":["ko","en","ja","es"],"data_locales":["ko","en","ja","es","id","pt","zh-hant"],"url":"https://injoys.com/ja/articles/agentic-ai-jobless-growth-white-collar-employment-risk"}