「AIで仕事は消えるのか？ ― ゴールドマン・サックスが描く“短期の痛みと長期の得”」

2025年8月、ゴールドマン・サックスは、AIと雇用の最新分析を公表。「短期の痛み、長期の得」という結論だ。マクロの数字だけでなく、「誰が、いつ、どの仕事で影響を受けるのか」を具体化しつつ、私たち個人と企業が取るべき手を示す。ここでは、eWeekの解説記事と一次資料、OECD/ILO/WEF、MITほかの知見を束ね、“雇用ショックを越えて生産性ブーストを獲る”ための現実的プレイブックに落とし込む。

1. ショックは「一時的」。鍵は採用減の時期をどう越えるか

ゴールドマン・サックス（以下GS）の要点は4つ。

• 生産性： 生成AIの本格導入で労働生産性は約15%上がる。

• 失業率： 移行期には、失業率が一時的に0.5ポイント上振れ（導入が前倒しなら影響大の可能性）。ただし、2年程度で解消するのが歴史的パターン。

• 代替リスク： 6–7%の米国雇用がAIで置き換わり得る（仮定次第で3–14%）。一方、現行ユースケースをフル適用しても2.5%に留まる。まだ“全自動”ではない。

• 導入率： 直近の米調査で実運用の生成AI利用は約9.3%。影響が広範になっていない理由でもある。

eWeekも「短期的な打撃は限定的で、やがて生産性上昇が雇用を押し上げる」というGSの立場を整理。懸念論と楽観論の中間に立つ冷静な読みだ。

2. 誰が当面「痛む」のか：若手×定型タスクが要注意

GSは、「20–30代のテック寄り職種で失業が先行」と観測。プログラマー、会計、法務・総務アシスタント、カスタマーサポートなど、反復度が高く、AIの“やり直しコスト”が比較的許容されるタスクが多い職域ほど近因的に影響が出やすい。逆に、航空管制官、放射線科医、薬剤師、経営層といった高リスク意思決定・対人価値・複雑身体性が絡む職は代替リスクが低い。

直近の独立研究もこのトーンを補強する。米テック若手の雇用縮小に関するスタンフォード系の分析が相次ぎ、22–25歳のソフトウェア職で就業者が約2割減と報じられた。これは“賃金より雇用に効く”AIショックの特徴を示唆する。

3. それでも「雇用の崖」にはならない理由

3-1. 技術導入の歴史は、“雇用の再配置”だった

1940年に存在しなかった職が、現在の米雇用の約6割を占めるという歴史事実。テクノロジーは職を消す一方で、新産業・新職を生み、総雇用を押し上げてきた。AIも同じ軌跡を辿る可能性が高い。

3-2. まだ「導入率」が低い

実運用9.3%は、波及の余白が大きい証左だ。AIの生産性ブーストが企業収益や需要増を呼び、結果として雇用の吸収余地を広げる余地が大きい。

3-3. 国際機関の見立ても「ネット雇用はプラス寄り」

• WEF：2025年版では、テクノロジー潮流で9,200万職が置換される一方、より大きい創出が見込まれネット増を試算。職の質・スキル移行が前提。

• ILO：2025年アップデートは自動化スコアの中央値が0.29と「完全置換」よりタスク単位の置換を示す。設計・品質・対人タスクは残る。

• OECD：AIは生産性や安全性、仕事の質を高め得る一方、導入はまだ低位で、政策対応（技能移行・保護）が鍵と整理。

4. いま現場で起きていること：“仕事”ではなく“タスク”が置換される

AIは職全体でなく、職を構成するタスクを侵食する。すでにコールセンターや事務系では単位時間あたりの処理量が15%前後向上した事例が複数報告され、下位スキル帯ほど効果が大という逆転も観測されている。“平均を底上げする”のが生成AIの初期像だ。

一方、テスト・レビュー・文書作成などの補助タスクはAI化が速い。若手のOJT機会が減る副作用も見えてきた。ここを制度と設計で補わなければ、“中長期の熟達人材の不足”を招く。 

5. 企業のためのプレイブック：「採用凍結」の先で勝つために

5-1. 業務分解→再設計

• ジョブ記述をタスク分解し、①自動化（AI/ワークフロー化）、②補完（人×AIの協働）、③人依存（判断/責任/対人）の3レイヤに再配置。

• KPIは、「処理数」だけでなく「一次品質/再作業率/顧客NPS」まで追う（AI化の質を測る）。

5-2. 若手の育成設計をAI時代用に更新

• “観察して盗む”OJTの代替として、生成AIの思考過程ログやレビューAIを教材化。

• ペア開発を人×AI×先輩の三者編成に。“レビューは人が最終責任”を明文化。

5-3. 再教育投資の即効薬

• プロンプト/エージェント運用は全職種の必須ITリテラシに。

• 低コード×RPA×LLMで“内製オートメーション”を現場主導に。IT部門は設計・監督に回る。

• 右脳系（企画・編集）×左脳系（データ・検証）の“融合スキル”を評価制度に反映。
  国際機関の勧告も、技能移行（reskilling/upskilling）の政策・企業責任を強調している。

5-4. 採用は「役職」ではなく「成果物」で競う

GSは、「肩書きではなくアウトカムで競争」を示唆。“AIで何を出せるか”をポートフォリオで提示させる。候補者×生成AIの実地課題で評価し、現場配属までの学習曲線も見積もる。

6. 個人のためのプレイブック：“置換されにくい自分”の作り方（90日）

1. タスク棚卸し（週1×4週）
   自分の仕事を、15–30分粒度で分解し、AIで置換可能/補完/人依存の3色で塗る。補完領域を爆速化し、人依存の意思決定・対人・責任に時間を再配分。GSの高/低リスク職の特徴に照らして調整。 

2. 「二刀流」スキル（30日集中）

• ドキュメント→要約→意思決定資料化を毎日AIと練習。

• 品質検証（根拠リンク、反例検討、AB比較）の習慣化。MIT等の研究は“AI＋検証文化”が生産性を押し上げると示す。

1. アウトカムの見える化（30日）
   ・成果物テンプレ（設計→実装→検証→再発見）を用意し、AI併用の手順・時間短縮・品質指標をGit/Notionで公開。

2. コミュニティ検証（継続）
   ・自分の“AI作法”を批判に晒す場を持つ。賛同だけのタイムラインは危険。

7. まとめ：「短期の痛み」を“学習トルク”に変えて、先に行く

• 当面の痛点：若手×定型タスクで採用減・配置転換が起きやすい。

• 中期の姿：生産性＋新職創出で雇用は再配置。2年のズレを教育設計で埋める。

• 勝ち筋：業務分解→補完設計→検証文化→成果物評価。

• 合い言葉：“役職ではなくアウトカム”で戦おう。