メールは数秒で下書きできる。会議の内容は自動で整理され、問い合わせへの回答案も画面に現れる。それなのに、職場では今日も「人が足りない」という声が上がる。

この光景は、必ずしもAIの失敗を意味しない。仕事の一部を速く処理できることと、必要な人材が必要な場所にそろうことは、別の問題だからだ。

2026年9月14日、ドイツの金融情報サイトAktiencheckが掲載したdts通信の記事は、労働市場・職業研究所（IAB）の経済学者エンツォ・ウェーバー氏の見解を伝えた。記事によれば、同氏はドイツ紙Rheinische Postに対し、デジタル化だけで労働力不足を消し去ることはできないとの趣旨を述べている。

ただし、AIによる改善の可能性を否定した発言ではない。ウェーバー氏は、生産性や業務プロセス、豊かさの向上にAIが役立つと認めている。そのうえで、人材を育て、働く機会を広げる政策を技術だけで代替することはできないと指摘した。

この発言を出発点に研究と公開コメントを読み解くと、見えてくるのは「AIか、人か」という二者択一ではない。省力化で生まれた余力を、誰が、何に使うのかという問題である。

「作業が減る」と「人材不足がなくなる」の距離

一つの仕事には、性質の異なる作業が混ざっている。文章を作る、記録を残す、相手の事情を聞く、現場を確認する、例外に対応する。AIが得意な部分だけを切り出しても、仕事全体の必要人数は決まらない。

例えば、ある設備点検の仕事を考えてみよう。報告書の下書きが速くなれば、担当者の負担は軽くなる。しかし、現場まで移動する時間、設備を実際に調べる時間、異常の原因を確かめる時間まで、同じ割合で短縮できるとは限らない。これは特定企業の事例ではなく、作業と職業を分けて考えるための例だ。

さらに、削減できた時間が細切れなら、勤務体制を組み直す必要がある。一日に何度も生まれる数分の余裕は、休憩や丁寧な確認には使えても、そのまま別の現場を担当できる一人分の人員になるわけではない。

ここで有効なのが、「どの職業が消えるか」だけでなく、「どの作業が変わるか」という視点である。

国際労働機関（ILO）などが2025年に公表した研究では、世界の労働者の約4人に1人が、生成AIの影響をある程度受け得る職業に就いていると推計された。ただし、これは4人に1人が失業するという予測ではない。仕事を構成する作業には人の関与が残るため、研究は全面的な置き換えより、仕事の変化が中心になる可能性を示している。

「AIで処理できる作業がある」という情報を、「その仕事を担う人が不要になる」という結論に飛躍させないことが、議論の出発点になる。

生産性向上の証拠はある。だが、万能ではない

AIが現場の能力を高めることを示す研究もある。

エリック・ブリニョルフソン氏らによる論文「Generative AI at Work」の2025年刊行版は、顧客サポート担当者5,172人のデータを分析した。生成AIによる支援を利用できるようになると、1時間当たりの問題解決件数で測った生産性が、平均15％向上したという。

効果には個人差があり、経験の浅い担当者や技能水準が低い担当者で改善が大きかった。一方、経験豊富で高技能の担当者に同じ大きさの効果が出たわけではない。

この結果は、人材不足を考えるうえで示唆的だ。AIには、人を丸ごと置き換える以外に、仕事を覚える過程を支え、より多くの人が業務を担えるようにする使い道がある。

ただし、研究対象は一企業の顧客対応であり、あらゆる職場で15％の改善が起きると保証するものではない。著者らも、経済全体の雇用や賃金への影響を明らかにする研究ではないと説明している。

AIの成果を測る際には、利用回数や文章の生成速度だけを見ても足りない。確認・修正を含めた所要時間、解決できた問題の数、対応品質まで見る必要がある。この点は研究結果を職場に応用する際の、本稿の提案である。

下書きが速くても修正に時間がかかれば、余力は小さくなる。逆に、新人がつまずく場面で適切な助言を得られれば、本人と指導役の双方を助けられる。導入することより、どこで役立てるかが問われる。

効率化で、仕事そのものが増える可能性

人手不足が残る理由には、需要の変化もある。

仮に、ある企業がAIによって同じ時間で従来より多くの仕事を処理できるようになったとする。その企業は、余った時間を減員や労働時間短縮に使うかもしれない。しかし、新しい顧客を獲得する、これまで断っていた依頼を受ける、別のサービスを始めるという選択もできる。

提供コストが下がれば、これまで利用できなかった人にもサービスが届く可能性がある。そうなれば、一件当たりの仕事は軽くなっても、扱う件数は増える。

これは必ず起こる結果ではないが、「生産性が上がれば、その分だけ人手が余る」という計算が社会全体では成立しない場合があることを説明している。

IABなどが2025年11月に公表したドイツのAIシナリオ分析でも、雇用の総量と中身は分けて捉えられている。一定の前提のもとでAI活用が進む場合、今後15年間に約160万の雇用が、新設または消失という形で構造変化の影響を受ける一方、雇用総数は基準となる将来経路と比べておおむね同程度になるとされた。

約160万という数字は、その人数が純減するという意味ではない。また、実際に起きた結果でもなく、AIの導入などに関する仮定を置いた試算である。

この研究から読み取れるのは、総数が大きく変わらなくても、仕事の場所と内容は動き得るということだ。ある分野で人員が余ることと、別の分野で採用難が続くことは、同時に起こり得る。

余った人が、そのまま不足する職場に移れるわけではない

人材不足を、単純な人数の足し算と引き算で解決することは難しい。

例えば、事務作業の効率化で勤務時間に余裕ができた人が、翌日から設備の修理を担当できるわけではない。新しい仕事には知識と経験が必要であり、働く場所や時間、本人の希望も関係する。

このため、AI導入と人材育成を別々に進めると、効率化できた部署と、人が必要な部署の間に溝が残る可能性がある。

本稿の考察として重視したいのは、「移れる仕事があるか」に加えて、「移る過程を支えられるか」という問いだ。研修中の時間を確保できるか。習熟するまで評価をどう扱うか。育児や家庭の事情と両立できる配置になっているか。こうした条件が整わなければ、求人と求職者が存在しても、両者は結びつかない。

元記事でウェーバー氏が挙げたのも、人が能力を発揮できる条件だった。女性や移住者の職業上の発展機会をよりよく生かし、高齢の従業員には、負担を強める形ではなく、展望を持って働き続けられる環境を整える必要があるとしている。

その指摘を実務に置き換えるなら、AI導入の予算と同時に、研修の時間や指導体制、柔軟な勤務の仕組みを考えることになる。技術を入れてから「使える人がいない」と気づくのでは遅い。

SNSに見える期待と問い――「何を任せ、どんな仕事を残すのか」

SNSの反応はどうか。今回確認できた公開情報の範囲では、9月14日の当該記事に対する直接のコメントを十分に確認できなかった。そこで、以下ではウェーバー氏が約2年前にLinkedInへ投稿した、AIと仕事を扱う番組の紹介に寄せられた関連コメントを取り上げる。今回の報道への反応ではなく、同じテーマに関する過去の議論である。内容は日本語で要約した。

Christian Mueller氏は、AIが、とりわけ研究や教育で人間の可能性を広げると肯定的に捉えていた。Nicole Koeck-Maier氏も、退屈な反復作業をAIに任せ、人間の創造的な力をより生かせるという期待を示している。

一方、Antoinette Weibel氏が問うたのは、AIによって仕事がどう変わるかだった。人は機械の世話をするだけになるのか、それとも、より意味があり人間にふさわしい活動に取り組めるのか。その選択を左右するのはAIそのものではなく、企業と、必要な規制を担う国家だという趣旨を述べている。

これらは限られた投稿への個別の意見であり、SNS全体の世論や賛否の比率を表すものではない。それでも、人々の関心が「仕事を奪われるか」だけにとどまらず、AI導入後にどんな仕事が残るのかにも向いていることが分かる。

この論点を現場に当てはめると、同じ省力化にも異なる使い道が見えてくる。空いた時間を顧客への丁寧な対応や研修に使えば、仕事の質を高められる可能性がある。一方、処理件数の目標だけを引き上げれば、働き手の忙しさは変わらないかもしれない。これは投稿を踏まえた本稿の考察である。

AIで豊かになっても、休みが自動で増えるわけではない

人手不足の議論は、労働時間の問題にもつながっている。

元記事によると、ウェーバー氏は、AIが普及すれば人々の働く時間が自動的に減るという見方にも慎重だ。生産性向上が豊かさにつながり、そのうえで収入の減少を受け入れて労働時間を短くする選択はあり得る。しかし、全員に当然そうした変化が訪れるとは考えていない。

同氏は、豊かさが増せば期待や生活水準、要求も変わると指摘する。

ここから考えるべきなのは、技術が生み出す余力と、その配分を決める仕組みの違いだ。AIが一時間を節約しても、その一時間が休暇になるか、追加の仕事になるかは、ソフトウェアだけでは決まらない。

例えば、生産性が上がった企業には、賃金を上げる、価格を下げる、サービスを充実させる、投資を増やす、労働時間を短くするなど、複数の選択肢がある。どれを優先するかには、経営判断や職場での合意が関わる。

したがって、「AI導入に成功した」という評価にも、何を目標にしたのかという説明が必要になる。売上が増えたことと、従業員の負担が減ったことは、別々に確かめなければならない。

問うべきは「何人減らせるか」だけではない

この議論を日本の職場に引き寄せる際にも、ドイツの試算をそのまま当てはめることはできない。職業構成や雇用慣行が異なるからだ。ただし、作業の効率化と人材確保を分けて考える視点は、企業の規模や国を問わず検討できる。

本稿から提案したいのは、AI導入の前後で三つの問いを持つことだ。

第一に、何が本当の障害なのか。文章作成に時間がかかるのか、確認待ちが長いのか、現場を担当できる人が少ないのか。障害を特定せずにツールを増やしても、仕事全体の流れは改善しないことがある。

第二に、誰の能力が広がるのか。熟練者が一段と速く働けるようになるのか、新人が早く業務を覚えられるのか、これまで時間の制約で参加できなかった人が仕事を担えるようになるのか。期待する効果によって、必要な支援は変わる。

第三に、浮いた時間を何に使うのか。採用難を補う、残業を減らす、顧客対応を改善する、次の人材を育てる。使い道を決めて初めて、効率化は具体的な成果になる。

AIは人材不足への対策を後押しできる。だが、誰を育て、どんな条件で働いてもらい、得られた余力をどう分けるかという判断まで引き受けてはくれない。

画面の中で作業が終わる速さと、現場で人が働き続けられる条件。その両方を整えてこそ、AIの進歩は職場の改善につながる。

出典URL

1. Aktiencheck／dts Nachrichtenagentur「Ökonom: KI löst Fachkräftemangel nicht」（2026年9月14日）。ウェーバー氏の人材不足、労働時間、女性・移住者・高齢従業員の就業機会に関する発言を確認。
   https://www.aktiencheck.de/news/Artikel-Oekonom_KI_loest_Fachkraeftemangel_nicht-20090389

2. ILO「Generative AI and Jobs: A Refined Global Index of Occupational Exposure」（2025年5月20日）。世界の労働者の約4人に1人が生成AIの影響を受け得る職業に就くという推計、および職業全体の消失と作業の変化を区別する議論の根拠。
   https://www.ilo.org/publications/generative-ai-and-jobs-refined-global-index-occupational-exposure

3. Erik Brynjolfsson、Danielle Li、Lindsey Raymond「Generative AI at Work」（The Quarterly Journal of Economics、2025年刊行版）。顧客サポート担当者5,172人、平均15％の生産性向上、経験等による効果の違い、単一企業の結果を経済全体の雇用へ一般化できないという限界の根拠。著者公開PDFを参照。
   https://danielle.li/assets/docs/GenerativeAIatWork.pdf

4. IAB「Künstliche Intelligenz könnte das BIP-Wachstum in den nächsten 15 Jahren um jährlich 0,8 Prozentpunkte erhöhen」（2025年11月19日）。約160万の雇用の新設・消失と、基準シナリオに対して雇用総数がおおむね安定するという、条件付きの将来分析の根拠。
   https://iab.de/presseinfo/kuenstliche-intelligenz-koennte-das-bip-wachstum-in-den-naechsten-15-jahren-um-jaehrlich-08-prozentpunkte-erhoehen/

5. Enzo Weber氏のLinkedIn投稿「Nimmt uns KI die Arbeit weg?」。AIと仕事を扱う番組の紹介、およびChristian Mueller氏、Nicole Koeck-Maier氏、Antoinette Weibel氏による公開コメントの確認先。ページの表示は「2年前」。2026年9月14日の元記事への直接反応ではなく、関連テーマの過去の議論として使用した。
   https://de.linkedin.com/posts/enzo-weber_ki-arbeit-k%C3%BCnstlicheintelligenz-activity-7208388393196515328-VzFO