スキルは、AIが生産性と成長に与える影響を左右する鍵となる。本ブログでは、スキルギャップがAI導入をどう遅らせているか、AIが雇用主の求めるスキルをどう変えているか、そしてなぜ研修こそが、AIが企業と労働者の双方により良い成果をもたらすための鍵であるかを考察する。
AIはしばしばブレイクスルー、アルゴリズム、投資額の観点で語られる。しかし、AIが職場を変革し続ける中で、経済がこの変化から恩恵を受けられるかどうかを決める要因は、テクノロジーそのものではなく、それを使う人々のスキルかもしれない。
最新のエビデンスは、スキル不足がどこでAI活用を阻んでいるか、AIが雇用主の求めるスキルをどう変えているか、そしてなぜ研修が、AIが生産性を高めつつ労働者にもより良い成果をもたらすための最も重要な手段となっているかを明らかにしている。
多くの企業、特に中小企業（SME）は、適切なスキルを持つ人材の不足によりAI活用が制約されていると報告している。AI未導入の製造業・金融業の雇用主のうち約40%がスキルを主な理由として挙げ、生成AIを未使用のSMEの半数以上も同様である。AI関連スキルが労働力全体で開発されなければ、恩恵を享受できるのは、体制の整った少数の企業だけとなる。
研修をより広く利用可能にすること——特に中小企業や、学ぶ機会の少ない労働者（例：低スキル労働者）にとって——が、AIへの移行が既存の格差を深めることを防ぐために不可欠となる。
AI利用企業の割合（国別・企業規模別、%）
| 国 | 250人以上 | 10〜49人 |
|---|---|---|
| フィンランド | 70.4 | 20.0 |
| ベルギー | 66.3 | 20.7 |
| デンマーク | 63.4 | 23.5 |
| 韓国 | 63.3 | 27.4 |
| スロベニア | 59.7 | 19.3 |
| スウェーデン | 56.3 | 22.1 |
| オランダ | 54.1 | 20.0 |
| ノルウェー | 53.3 | 18.4 |
| アイルランド | 50.8 | 11.8 |
| オーストリア | 49.9 | 17.8 |
| ドイツ | 48.2 | 16.9 |
| ルクセンブルク | 45.6 | 21.1 |
| スペイン | 44.0 | 8.6 |
| ポルトガル | 41.9 | 6.7 |
| チェコ | 40.5 | 8.7 |
| エストニア | 39.0 | 12.1 |
| ラトビア | 33.3 | 7.2 |
| ポーランド | 33.0 | 3.9 |
| フランス | 32.7 | 8.5 |
| イタリア | 32.5 | 6.9 |
| リトアニア | 31.2 | 6.5 |
| スロバキア | 29.1 | 8.8 |
| スイス | 29.0 | 9.0 |
| ニュージーランド | 28.0 | 7.7 |
| カナダ | 25.8 | 7.5 |
| ギリシャ | 24.3 | 8.2 |
| ハンガリー | 23.5 | 6.5 |
| トルコ | 22.3 | 3.5 |
| 日本 | 21.7 | 2.2 |
| コロンビア | 21.0 | 4.3 |
| アメリカ | 16.1 | 5.0 |
| イギリス | 11.5 | 3.7 |
| オーストラリア | 11.0 | 3.1 |
| イスラエル | 10.9 | 3.2 |
出典: Generative AI and the SME Workforce（OECD）
多くの企業は必要なスキルを持つ労働者の確保に苦労している。実際、SMEの約5社に2社が過去2年間に人手不足に直面し、3分の1がスタッフのスキルや経験の不足を報告している。生成AIはこれらのギャップを埋める役割を果たしている：スキルギャップを経験したSMEの約40%が生成AIがその補填に役立っていると回答し、4分の1が人手不足の補填に役立っていると回答した。つまりAIは新たなスキル需要を生み出すだけでなく、既存の人材不足への対処も支援している。
より多くの雇用主がAIを導入する中で、多くが高スキル労働者への需要が増大していると報告している。例えば製造業と金融業では、AI導入済みの雇用主の半数以上が、高学歴労働者の必要性が高まったと回答した。これは、AIに最も曝露される職種で雇用成長が最も速いという広範なエビデンスとも整合する。これらの職種では、AIは従業員の仕事を代替するのではなく補完する傾向があり、より高次のスキルへの需要を増大させる。
政策立案者への含意は明確だ：高スキル人材の強固なパイプライン構築に投資する国こそが、AI導入を生産性向上と経済成長に転換するのに最も有利な立場に立つ。
アルゴリズム管理（AM）ツール使用マネージャーが回答した、スキルの重要度変化（%）
| スキル | より重要になった | 重要性が低下した |
|---|---|---|
| データの利用・解釈能力 | 66.0 | 2.6 |
| デジタルスキル | 58.6 | 2.7 |
| 問題解決スキル | 55.4 | 4.7 |
| 一般的なマネジメントスキル | 50.0 | 4.1 |
| 紛争解決スキル | 39.1 | 7.0 |
| コミュニケーションスキル | 35.7 | 9.4 |
| 共感力 | 26.9 | 14.8 |
| 傾聴力 | 26.4 | 10.2 |
注: アルゴリズム管理とは、AIを含む技術ツールを用いて、従来は人間のマネージャーが行っていた業務を全面的または部分的に自動化すること。
出典: Algorithmic Management in the Workplace（OECD）
AIスキルと聞くと、コーディング、アルゴリズム、データサイエンティストを思い浮かべがちだ。しかし実際には、プログラミングやモデル開発といった高度なAI専門スキルを必要とする労働者はごくわずか（1%未満）にすぎない。AIが重要性を高めているのは、むしろデジタルスキル、そしてデータを使い、分析し、解釈する能力である。
加えて、マネジメントスキルや、問題解決力、創造性、イノベーションといったヒューマンスキルも引き続き不可欠であり、労働者がAIを実際の業務に効果的に適用する助けとなる。これらのスキル需要がどう進化するかを追跡し続けることが、教育・研修・スキル政策を形成し、労働者がAIを自信を持って責任ある形で使えるようにするために極めて重要となる。
生成AIによりスキルの重要度がどう変化したか（SME回答、%）
| スキル | より重要になった | 重要性が低下した |
|---|---|---|
| データ分析・解釈 | 46.4 | 13.0 |
| 創造性・イノベーション | 41.9 | 13.5 |
| プログラミング・コーディング | 39.0 | 15.8 |
| コミュニケーション・協働 | 35.8 | 13.8 |
| 事務・管理 | 34.0 | 16.1 |
| 批判的思考・問題解決 | 33.5 | 18.2 |
| 顧客対応・営業 | 31.1 | 15.9 |
出典: Generative AI and the SME workforce（OECD）
共感力、コミュニケーション、チームワークといった社会的・感情的スキルは、多くの仕事で引き続き不可欠である。しかし、ヨーロッパの一部では、AIが職場でより広く使われるにつれて、特定の社会的スキルへの需要が低下する兆候がある。例えばドイツ、フランス、イタリア、スペインでは、マネージャーがアルゴリズム管理ツールによって共感力の必要性が減った（20%）と感じる割合が、増えた（12%）と感じる割合を上回っている。
これは重要で、おそらく不快な問いを提起する：AIは仕事の段階的な「非人間化」に寄与しているのだろうか？
確固たる結論を出すにはまだ早く、こうした兆候は慎重に解釈すべきである。とはいえ、生産性やスキルへの影響だけでなく、仕事の人間的側面——仕事の質、社会的交流、ウェルビーイング——がどう再形成されるかを監視する必要性を浮き彫りにしている。
変化するスキルニーズに直面して、大半の雇用主は手をこまねいてはいない。多くの企業が既存の労働力の再教育・スキルアップに投資しており、AIを使用する労働者の半数以上が雇用主負担の研修を受けていると報告している。
この投資は成果を上げている。研修を受けた労働者は、より良い業務パフォーマンスや労働条件の改善といったポジティブな成果を報告する割合がはるかに高い。 これは、研修がビジネスの生産性と労働者のウェルビーイングの双方を改善するための最も効果的な手段の一つであることを裏付けている。スキル投資を怠れば、AI導入はまだらになり、企業間の格差が拡大し、労働者にとってより悪い結果をもたらす。
将来どのスキルが正確に必要になるか、そしてそれをどう最善に育成するかについて、まだ答えの出ていない問いはある。しかし一つの点はすでに明らかだ：適切なスキルなくして、AIは生産性を高め、仕事の質を改善し、経済成長を支えるという約束を果たすことはできない。
つまり政策的な取り組みは、以下に焦点を当てるべきである：
スキル政策を正しく設計することが、AI導入をより速くするだけでなく、より公正で持続可能なものにするために不可欠となる。
AIと仕事について詳しくはOECD AI and Work。