こんにちは、５０代オッサンtrrymtorrsonです。
前回、AIの普及で「逆に増える仕事」の例として、「膨大な規模のデータセンターの建設と維持、運営が必要となる」ということについて書いてみました。
これは、先日OpenAI社が発表した提言書をもとにしています。
ここで言われているのは、AIの爆発的な普及に備え、人間中心の社会を維持していくために何が必要か？ということでした。
言い換えれば、AIの爆発的な普及によって、新たに必要となる仕事が増えるであろう、ということが盛りだくさんに書いてあったわけです。
「AIに仕事を奪われる」
「生成AIから仕事を奪われないように、生成AIを使いこなすスキルを身に付ける」
こういった、薄っぺらい話ではありません。
「人間中心＝労働者中心」について、この論文で次のように書いてあります。
労働者の視点。AI移行において労働者が発言できるようにし、仕事をより良く安全にするための正式な形で経営陣と協力できる仕組みを含めます。
労働者は、仕事が実際にどのように行われているか、そしてAIが成果を改善できる箇所について深く理解しています。
AIが職場でどのように使用されるべきかを理解するうえで、労働者は重要な存在となり、技術的変化が生産性の向上だけでなく、より良い仕事と強く安全な職場につながることを保証します。
危険で反復的、管理的、または過酷な作業を排除して従業員がより価値の高い仕事に集中できるようにすることで、仕事の質を向上させるAIの導入を労働者が優先できるようにします。
同時に、負担の増加、裁量権の縮小、公正なスケジュールや給与の侵害など、仕事の質を損なう可能性のある有害なAI利用には明確な制限を設けます。
「労使でAI導入を共同設計できる仕組み」
「現場での運用・監視・是正の仕組み」
これは最近言われるようになった、いわゆる「AIガバナンス」の領域に関することです。
このことについて、生成AIを使ってネット上の見解をまとめてみました。
ーーーーーーーーーーーーーーー
AIの導入で「仕事をより良く、より安全にする」ために重要なのは、AIを入れる前に現場の人が意見を言える場を一時的なヒアリングではなく制度として用意し、その意見が実際の導入判断や運用ルールに反映され続ける状態を作ることです。
AIは効率化の道具として強力ですが、使い方を誤ると監視や評価の自動化、業務の過密化などを通じて仕事の質を下げかねません。だからこそ、最初から「何のためにAIを使い、何のためには使わないのか」を労使で合意し、その合意を守るためのガバナンスを整える必要があります。企業がAIのリスクに適切に対処しつつ、信頼性や透明性、倫理性を確保する枠組みとしてAIガバナンスを構築することが不可欠だ、という整理は多くの実務解説でも共通しています。
具体的には、まず部門横断の「AIガバナンス委員会」や「AI倫理委員会」のような常設の会議体を作り、そこに現場の労働者代表（可能なら労組や職種代表）を正式メンバーとして参加させます。
ポイントは、単に参加させるだけでなく、その委員会が「導入前の審査」「試験導入の許可」「運用中の見直し」「問題が起きたときの停止や是正」といった意思決定に関与できるよう、役割と責任を明確にすることです。
AIはIT部門だけでは完結せず、法務・コンプライアンス、人事、現場部門などが関わるため、縦割りを越えた体制が有効だとされています。また、誰が何に責任を持つかを整理するためにRACIのような考え方で責任分担を可視化するアプローチも紹介されています。
RACIとは、プロジェクトや業務の各タスクについて「誰が実行し、誰が最終責任を持ち、誰に相談し、誰へ報告するかをR（Responsible）A（Accountable）C（Consulted）I（Informed）の4区分で整理する責任分担の枠組みです。(asana.com)
次に、「労働者がAI導入の優先順位を付けられる」状態を作ります。これは、現場の作業を分解して、危険・反復・事務負担・疲弊を生んでいる工程を洗い出し、AIでまず減らすべき仕事を決めるということです。
ここで重要なのは、生産性だけでなく、仕事の質（安全、負荷、裁量、学習機会など）が改善するかどうかを導入目的に入れることです。AIガバナンスの意義は単なるリスク管理にとどまらず、継続的改善により品質や有用性を高め、組織の信頼を確保する点にもある、という説明と整合します。
同時に、「AIを使ってはいけない、または厳しく制限する使い方」を先に決めて、社内規程やガイドラインとして明文化します。例えば、AIが人事評価や処遇、シフト、賃金などに直接影響する領域は、誤りや偏りが起きたときのダメージが大きく、現場の自律性や公正さを損なうリスクが高いので、AIだけで決めない（最終判断は人間が行う、説明できることを要件にする、異議申立てを可能にする）といった上限設定が必要になります。企業がAIを「正しく、安全に、効果的に」使うために、ライフサイクル全体でルール・体制・プロセスを整備するのがAIガバナンスだ、という定義に沿う動きです。
さらに、導入前には「影響評価」を行い、現場の実態に即してリスクを点検できるチェックリストと運用プロセスを整えます。特に、規定を作るだけでは実効性が出にくいため、現場部門や関係部門と密接に連携しながら、チェックリストや運用プロセスを試行錯誤で改善していく“アジャイルなガバナンス”が重要だと指摘されています。
小規模パイロットの場を用意して、問題点を早く発見し、規定や運用へ素早く反映することも有効だとされています。このとき、AIの出力やシステム挙動を定期的にテストし、問題を検出して継続監視・改善できる体制を整える、という発想が実務上の要点になります。
運用に入った後も、「導入して終わり」にしないことが肝心です。AI利用はインシデントや新しいリスクが増え得るため、透明性・説明可能性・追跡可能性を意識し、教育・リテラシー向上、モニタリングや監査を含めて適正利用を担保していく必要がある、という考え方が示されています。
現場の人が「AIのせいで働きにくくなった」「安全が悪化した」「不公平になった」と感じたときに、きちんと申し立て、検証し、必要なら運用を止めて直すルートがあることが、労働者の声を実効性あるものにします。
最後に、AI移行期に労働者の不安を減らし、より良い仕事へつなげるには、教育やスキル移行をセットで設計する必要があります。ガバナンスを現場に根付かせるには全従業員向けのリテラシー教育が重要で、専門人材の育成も含めた計画的な取り組みが求められる、という点もAIガバナンスの実務論で強調されています。つまり、AIで減った作業時間を「単にノルマ増」に使うのではなく、より付加価値の高い業務、教育、安全活動、改善活動に振り向けることを会社として約束し、その約束を測定指標で確認することが、提言の趣旨を現場で実現する近道になります。
要するに必要な行動は、労働者が参加する常設のガバナンス体制を作り、現場に沿ったチェックリストとプロセスで導入前後を継続的に点検・改善し、AIの有害な使い方には明確な上限を設け、教育と異議申立ての仕組みまで含めて「安全で仕事の質を上げるAI導入」を運用として回し続けることです。
参照した主なソース：
AIリスクから企業を守るには 実践的なAIガバナンスの方法 | NRI Digital Consulting Edge | 野村総合研究所(NRI)
【要点整理】AIガバナンスの組織構築ガイド｜体制づくりから事例まで解説 | 株式会社AX
ーーーーーーーーーーーーーーー
最近、「AIガバナンス」ということが言われるようになってきました。
これがまさに、上に書かれているようなことになります。
AIの普及で「逆に増える仕事」の一例が、この「AIガバナンス」です。
まあ、「いちいちごもっとも」な感じはしますが、今の段階で上のような「AIガバナンス」やろうと思ったら、物凄い徒労に終わるような。
まだまともにAIが現場に本格投入されていないのに、委員会のような会議体を運営するようになったら、会議体を回すことが目的になって、余計な仕事が増えて、手段が目的化するみたいな。
これは避けなければなりません。
結局、何のためにAIを導入するのかがあいまいになり、「AI導入とかせずに、今まで通り仕事したほうがマシじゃん」となるでしょう。
冒頭にあるように、まずは「危険で反復的、管理的、または過酷な作業を排除」することが最優先となるべきです。
まずは、危険で過酷な重労働を全部自動化してから考えればいいことです。
本日の記事は以上です。
