AIで仕事はなくなるのか――日本に必要な「雇用を守る」より先の労働政策
AIの普及で減るのは、直ちに「雇用全体」ではなく、まず定型的な作業と、それを前提に組まれた職務です。人手不足が続く日本では、AIを一律に止めるより、導入前の説明、在職中の訓練、配置転換、利益の還元を一つの制度として整えることが重要になります。
問題は、AIを使うか使わないかではありません。生産性向上の利益を企業だけに残すのか、賃金、労働時間、教育機会として働く人にも戻すのか。ここが政治の責任です。
この記事で分かること
- AIは雇用全体より先に、仕事を構成する個々の作業を変える
- 日本では大企業と中小企業のAI活用格差がすでに大きい
- 労働者が最も不安に感じているのは、失業だけでなく「何が起きるか分からないこと」
- 必要なのは解雇規制の議論だけでなく、説明・訓練・異議申立て・利益還元の仕組み
日本で起きているのは「大量失業」より仕事の組み替え
現時点で、日本の雇用全体がAIによって一方向に縮小すると断定できる材料はありません。むしろ先に進んでいるのは、文書作成、検索、要約、顧客対応、社内照会、データ整理など、職務の一部をAIに移す動きです。
一人の仕事には、機械化しやすい作業と、人の判断が必要な作業が混在しています。経理担当者なら転記や仕訳候補の作成は自動化しやすい一方、例外処理、取引先との確認、最終的な責任まで消えるとは限りません。行政窓口でも、質問への回答案はAIが作れても、生活事情を踏まえた判断や不服申立てへの対応には人が残ります。
したがって、注目すべき変化は三つあります。
- 同じ人数で処理できる業務量が増える
- 新規採用や補助的な職務が絞られる
- 残った職務に、確認責任や対人対応が集中する
三つ目は見落とされがちです。定型作業が減っても、難しい案件だけが人に残れば、仕事の密度や精神的負担は上がり得ます。生産性の数字が改善しても、働きやすさまで自動的に改善するわけではありません。
企業は生産性向上を期待し、労働者は変化の不透明さを恐れている
企業側と労働者側の認識は、完全に対立しているわけではありません。双方ともAIの利便性を認めながら、変化の説明と準備が不足している状態です。
労働政策研究・研修機構（JILPT）の2025年調査では、企業が新技術の導入に期待する効果として、「労働生産性が向上する」が68.1％、「煩雑なタスクから解放される」が68.0％、「人手不足が解消される」が60.5％でした。
一方、正社員が抱く不安では、次の回答が目立ちます。
- どのような影響があるか分からず不安：48.3％
- 仕事内容が変わることに不安：32.6％
- 職場で取り残されることが心配：30.4％
- 仕事が奪われるのではないか：29.5％
- 仕事の進捗管理が強化されることが心配：28.0％
最大の不安は、失業そのものではなく「何が起きるか分からない」ことでした。これは重要です。導入目的、対象業務、評価への利用、配置転換の方針を会社が事前に示せば、少なくとも不透明さから生まれる不安は減らせます。
別のJILPTによる労働者調査では、AI利用後に月間の総残業時間が「減少した」とする回答が「増加した」を上回りました。賃金総額や新しいことを学ぶ機会については、増加したとの回答が減少したとの回答を上回っています。
ただし、これはAIが必ず賃上げをもたらすという意味ではありません。同調査は、企業と労働者のコミュニケーション、学び直し、企業による訓練や資金援助がある場合に、仕事の質の改善効果が高まる可能性も示しています。技術の効果は、導入方法によって変わるということです。
ここがポイント: AIが雇用を奪うかという二択ではなく、誰のどの作業が変わり、訓練と配置転換の費用を誰が負担し、生産性向上の利益をどう分けるかが政策の中心になる。
大企業と中小企業の格差が、雇用格差に変わる
日本で警戒すべきなのは、AIによる一斉失業より、導入できる企業とできない企業の差が賃金や雇用条件の差に転化することです。
令和7年版労働経済白書によると、生成AIを「全社的に活用している」割合は、従業員300人未満の企業で1.3％、5,000人以上の企業で19.0％でした。「一部の組織で活用している」を含めると、5,000人以上の企業では半数を超える一方、300人未満では2割程度です。
中小企業では「導入資金」だけでは足りない
中小企業に補助金を出してAIサービスを契約させても、業務が整理されていなければ効果は出ません。必要なのは、現場の仕事を分解し、どこを自動化し、どこに人を残すかを決める支援です。
政策支援は、少なくとも次の費用を対象にする必要があります。
- 導入前の業務分析やデータ整理
- 従業員への基礎教育と職種別訓練
- 情報漏えい、誤回答、著作権侵害を防ぐ運用設計
- 導入後の労働時間、ミス、顧客満足度の検証
- 配置転換を受ける人の就業時間内での訓練
白書も、中小企業では自社の課題自体が明確になっていない場合があり、国や自治体による課題明確化の支援が必要だとしています。AI政策を設備投資だけで終わらせず、産業政策と労働政策を組み合わせる理由がここにあります。
地方では外部人材への依存も課題になる
地域の中小企業や自治体には、AI導入を設計し、出力を検証できる人材が限られます。大都市の事業者に丸投げすれば、契約内容、業務データ、ノウハウが社外に集中しかねません。
商工会議所、地域金融機関、職業訓練機関、自治体が共同で専門人材を確保し、複数の企業で共有する仕組みが現実的です。特定の製品を売る事業者だけでなく、導入効果と労働条件を中立的に点検できる役割が要ります。
政府のAI戦略に足りない「職場の手続き」
日本のAI政策には国家レベルの枠組みができましたが、個々の職場で労働者をどう守るかは、なお具体化の余地があります。
2025年成立の「人工知能関連技術の研究開発及び活用の推進に関する法律」は、AI戦略本部と人工知能基本計画などを定めました。さらに政府は、2026年7月14日に第II期の人工知能基本計画を閣議決定しています。
この計画は「信頼できるAI」を掲げ、行政、産業、暮らし、危機管理の仕組みをAI前提で変える方向を示しました。しかし、推進計画があることと、職場で労働者の権利が守られることは同じではありません。
導入前に知らせるべき事項
AIが採用、配置、評価、契約更新、勤務管理に使われる場合、労働者にとっては単なる業務ソフトの変更ではありません。収入や雇用継続に関わる判断の仕組みが変わります。
企業には、少なくとも次の事項を説明させるべきです。
- AIを使う目的と対象業務
- AIの出力を誰が確認し、最終決定するのか
- 人事評価や配置、契約更新に利用するか
- どのような従業員データを収集するか
- 誤った判定を受けた際の訂正・異議申立て方法
- 導入によって職務や必要人数が変わる場合の訓練・配置転換方針
厚生労働省のAI・メタバース関係調査も、AIによる労務管理・雇用管理の実態と課題を調べています。今後は調査にとどめず、採用や人事評価など高い影響を持つ用途について、労使協議と説明の標準を示す段階です。
人が最終確認するだけでは十分ではない
「最終判断は人間が行う」と定めても、その担当者がAIの判定を追認するだけなら保護になりません。判断理由を確認でき、別の資料に基づいて覆す権限と時間が必要です。
特に注意すべき用途は次のとおりです。
- 採用候補者の順位付け
- 勤務態度や生産性の点数化
- シフト、配属、昇進候補の決定
- 退職勧奨や契約更新対象者の抽出
- 通話、キー入力、位置情報などを使う監視
企業秘密を理由にモデルの全構造を開示する必要はありません。ただし、不利益を受けた本人に、利用データ、主な判断要素、訂正窓口を示せない制度は公正とはいえません。
リスキリングを自己責任にしない四つの条件
AI時代の学び直しは必要ですが、「各自で勉強してください」では、時間と費用を負担できる人だけが有利になります。
経済産業省は2025年5月に公表したデジタル人材育成の報告書で、スキルを身につけても処遇に反映されにくく、学習意欲が高まりにくい日本の課題を挙げました。スキル情報を可視化し、継続的な学びとキャリア形成につなげる方向は妥当です。
ただし、制度が機能するには四つの条件があります。
- 訓練時間を労働時間として扱う
会社のAI導入に必要な研修を、無給の自己学習にしてはなりません。勤務時間内の受講を原則にする必要があります。
- 訓練後の仕事と処遇を示す
何を学べば、どの職務に移れ、賃金がどうなるのかを明確にします。資格取得だけを目標にすると、学習と採用が結びつきません。
- 非正規雇用者も対象にする
定型業務の比率が高い人ほどAIの影響を受けやすい一方、企業研修から外れやすいという逆転が起こり得ます。契約形態にかかわらず、現在の仕事に必要な訓練へ参加できる仕組みが必要です。
- 転職前ではなく在職中に支援する
失職後の職業訓練だけでは遅れます。職務の縮小が予想された時点で、企業が配置転換計画を作り、公的支援を接続する方が、所得の断絶を抑えられます。
生産性向上の利益を誰に戻すのか
AI導入の評価は、導入件数ではなく、付加価値が賃金、労働時間、雇用機会にどう反映されたかで行うべきです。
企業が同じ売上を短い時間で達成できても、仕事量だけが増えれば労働者の便益は乏しいままです。反対に、残業削減、賃上げ、週休の拡大、教育時間の確保につながれば、AIへの納得は得やすくなります。
考えられる還元方法は一つではありません。
- 付加価値の増加に応じた賃金・一時金への反映
- 業務短縮分を使った所定労働時間の短縮
- 就業時間内の学習枠の設定
- 人手不足部門への配置転換と負担軽減
- 労使協議で決めた導入効果の定期開示
政府の補助事業にも条件を付けられます。単なるアカウント購入ではなく、訓練計画、雇用への影響評価、情報管理、労使への説明を採択要件にすれば、公費が「人減らしだけを目的とした導入」に流れるのを抑えられます。
一方で、すべての企業に同じ重い手続きを課せば、小規模事業者の導入を妨げます。顧客対応の下書きと、採用・解雇を左右するAIを同じ規制で扱うべきではありません。用途の影響度に応じて義務を段階化する必要があります。
雇用維持だけを目標にすると産業競争力を失う
労働者保護は、現在のすべての職務をそのまま残すことではありません。非効率な作業を固定すれば、企業の競争力が落ち、長期的には事業そのものと雇用を失います。
日本は生産年齢人口が減少し、医療、介護、物流、建設、行政などで担い手不足が続いています。AIが記録、照会、予定調整、文書作成を軽くできれば、人を対人支援や現場判断へ振り向けられます。これは生活サービスを維持するうえで国益に直結します。
同時に、AIサービス、計算資源、クラウド基盤を海外に大きく依存すれば、料金改定、サービス停止、機密情報の国外移転が国内の仕事を左右します。労働政策だけでは解けない問題です。
必要になるのは、次の組み合わせです。
- 海外サービスも活用して生産性を早く高める
- 機密性の高い業務では国内基盤や選択可能性を確保する
- 複数サービスへ移行できるデータ形式と契約条件を整える
- AIを使う人だけでなく、検証・監査できる人材を育てる
AIを拒めば競争力を失い、無条件で依存すれば技術、データ、交渉力を失う。この間に現実的な政策線を引く必要があります。
今後の焦点は「人数」より職務・賃金・移動のデータ
AIと雇用の議論には、職場単位の実態データが不足しています。JILPTは2026年7月、全国2万5,000社の企業・団体を対象に、AI導入が仕事の成果、労働環境、配置転換、従業員数、スキル需要、研修に与える影響を調べる企業調査を実施しています。
この調査で見るべきなのは、単純な「AI導入企業の人数が増えたか減ったか」だけではありません。
- 削減されたのは正規、非正規、外部委託のどこか
- 採用抑制、自然減、解雇のどの経路で人数が変わったか
- 配置転換後の賃金と労働時間はどうなったか
- 若年層の入口となる職務が消えていないか
- AIを使える人と使えない人の賃金差が広がったか
- 中小企業と大企業で効果にどの程度の差があるか
特に、新卒や未経験者が基礎を学んできた補助業務が自動化される影響は重要です。入口の仕事を減らすなら、企業はOJTに代わる育成経路を用意しなければ、数年後に経験者が不足します。
まとめ――守るべきは作業ではなく、移行できる生活基盤
事実として、AI活用は企業規模によって大きな差があり、労働者には失業だけでなく、仕事内容や監視、変化の不透明さへの不安があります。一方、適切な対話と訓練を伴う導入には、残業削減や学習機会の増加につながる可能性も確認されています。
政策の目標を、現在ある作業の永久保存に置くべきではありません。守るべきなのは、働く人が収入を大きく失わず、新しい職務へ移れる条件です。
今後の具体的な注目点は次の四つです。
- 採用・評価・配置にAIを使う際の説明と異議申立てが制度化されるか
- 在職中の訓練費用と時間を企業・政府・本人でどう分担するか
- AI導入の利益が賃金や労働時間に還元されたかを測れるか
- 2026年の企業調査で、配置転換と従業員数の実態がどこまで明らかになるか
AI導入の速度だけを競う段階から、職場の移行手続きを整える段階へ進めるか。次に問われるのは、導入企業数ではなく、AIで仕事が変わった人が、その後も働き続けられたかです。