日本のAI導入は31％、恩恵と失職不安を分ける条件

2026年2月1日時点で、有償契約または自社開発のAIを導入していた日本の調査対象事業所は31％だった。常用労働者30人以上の民営事業所を対象とする 厚生労働省の労働経済動向調査 では、導入事業所の78％が何らかの効果を認め、効果があった事業所の91％が作業負担の軽減や作業効率の改善を挙げた。

ただし、企業が感じる効率化と、労働者が抱く雇用不安は同じ指標ではない。OECDの日本労働市場分析 によれば、日本のAI利用者全体では今後10年間の雇用創出への期待が失職不安を上回る一方、年収200万円未満の層と非正規雇用では失職不安が上回る。恩恵と不安を分けるのは導入の有無だけでなく、現在の職務、雇用条件、学習機会、導入時の協議である。

31％が示す範囲を取り違えない

31％は「日本企業すべて」や「働く人のうちAIを使う人」の割合ではない。対象は指定された産業に属し、常用労働者を30人以上雇用する全国の民営事業所であり、個人が独自に使うAIや無料サービスの試用は導入に含まれない。調査時点の正式な職場導入を測った数字である。

規模差も大きい。従業員1000人以上の事業所では導入が48％、30～99人では16％で、規模が小さいほど未導入が多かった。したがって企業規模は、AIの影響を肯定的に見るか以前に、職場で正式な利用機会を得られるかを左右する条件になっている。

導入後の「効果」も雇用増を意味しない。効果があった事業所が挙げたのは、作業効率や負担、品質、労働時間などの変化である。企業側の成果を読むときは、雇用者数、処遇、職務の継続可能性とは切り離す必要がある。

企業の効果と労働者の安心は別に測る

事業所にとって定型作業が短時間になれば、導入は成功と評価され得る。しかし、その作業を担当してきた人に別の役割や訓練がなければ、本人には職務縮小として映る。同じ効率化が、組織には恩恵、労働者には将来不安となる可能性がある。

仕事への影響を見る際は、少なくとも雇用者数、既存タスク、新しいタスク、労働時間、必要な技能を分けたい。作業の一部が自動化されても職全体が直ちになくなるとは限らず、反対に、雇用が維持されても検証作業や例外処理が増えて仕事の密度が高まる場合がある。

労働者側の評価には現在と将来の時間差もある。AIによって目の前の業務が楽になったという実感と、数年後に自分の職務が残るかという予想は両立する。現在の改善だけを根拠に雇用不安を否定することも、将来不安だけから現時点の業務効果を否定することもできない。

恩恵と失職不安を分ける四つの条件

• 企業規模：小規模な職場ほど正式導入が少なく、利用経験や訓練への入口に差がある。ただし、AIを利用する中小企業の労働者が一律に悲観的という結果ではない。
• 雇用形態：正規雇用のAI利用者では雇用創出への期待が失職不安を上回るが、非正規雇用では逆転する。雇用調整への弱さに加え、反復的な業務を担う時間の長さが不安の背景として考えられている。
• 所得：年収200万円未満のAI利用者では、仕事のパフォーマンスや労働条件を肯定的に評価していても、将来については失職不安が雇用創出期待を上回る。現在の便益が雇用保障に直結していない。
• 職種：管理職と専門職では雇用創出への期待が失職不安を上回る傾向がある一方、機械運転・組立従事者や単純作業職では失職不安が優勢だった。増える職務へ移るための技能や経験を持てるかが差になる。

この比較が示すのは、AIそのものに一つの雇用効果があるのではなく、導入前の立場によって受け止め方が変わることだ。高度な判断業務へ時間を移せる人と、担当する反復業務だけが縮小する人では、同じ自動化でも将来の見通しが異なる。

なお、これらは調査回答の関連を示すもので、所得や雇用形態が不安を直接引き起こしたと証明するものではない。属性ごとの業務内容、訓練へのアクセス、雇用調整のされやすさが重なっている可能性を読むべき結果である。

先に変わるのは職の数よりタスクと技能

日本の労働者2万2000人を対象に2024年5～6月に実施された JILPTの労働者Web調査 では、自身がAIを利用する人は1854人だった。AI利用者については、仕事のパフォーマンスなどに変化があった場合、「改善した」が「悪化した」を上回り、月間残業時間も「減少した」が「増加した」を上回った。

一方、AI利用者は新しいタスクの発生より既存タスクの自動化を多く報告している。現段階では、新しい職を大量に生み出すというより、今ある仕事の構成を組み替える作用のほうが見えやすい。自動化された作業の比率と、その後に追加された判断・確認・説明の仕事を一緒に見る必要がある。

技能についても、AIによって技能が不要になったという評価より、技能を補完したという評価が強い。ただし、求められる能力が変わらないという意味ではない。出力の誤りや偏りを見抜く力、課題を定義する力、例外に対応する判断力、倫理やコンプライアンスを扱う力は、単なる操作方法とは別に必要になる。

研修と導入時の協議が分岐点になる

会社による訓練や自己学習に取り組むAI利用者は、技能要件の大きな変化を予想しながらも、失職より雇用創出を期待する傾向がある。新技術について雇用主から意見を聞かれた利用者にも同様の傾向が見られる。ただし、研修や協議が雇用を増やしたとする因果関係ではなく、準備のある職場ほど労働者が変化を理解しやすいという関連である。

協議で扱うべきなのは、導入の賛否だけではない。どのタスクを自動化するか、誤りの確認を誰が担うか、浮いた時間を何に振り向けるか、仕事量や評価基準をどう変えるかを具体化する必要がある。これが曖昧なままでは、効率化の利益と新たな責任の配分が見えない。

研修の対象をすでにAIを使いやすい正規雇用者や高所得の専門職に限定すれば、調査で確認された不安の偏りは残る。反復業務が縮小する人に就業時間内の学習機会と移行先の職務を用意し、非正規雇用者も協議に含めて初めて、業務改善を雇用の安心へ結び付けられる。

31％は普及の現在地であって、労働者への効果を決める数字ではない。恩恵と失職不安を分けるのは、効率化で生まれた時間、新しい役割、訓練、発言機会が誰に配分されるかである。