このページが扱うこと、扱わないこと
置き換えをめぐる問いは、通常、数え上げとして問われる:AIはいくつの仕事を奪うのか?それは重要な問いであり、労働移動と経済的置き換えがそれを扱っている。このページは異なる問いを立てる:残った仕事には何が起こるのか?労働者は給料を維持しながら、スケジュール、ペース、判断の裁量、そしてその仕事を価値あるものにしていた尊厳への統制を失うことがありうる。
ここで説明されるメカニズム——アルゴリズムによる管理——は観測され、文書化され、現実のものである。今日のギグエコノミーと倉庫における知見を経済全体に投影することは、測定ではなく議論である。このページはどちらがどちらかを明示する。
メカニズム:アルゴリズムによる管理
ケロッグ、バレンタイン、クリスティンによる広く引用される総説は、アルゴリズムによる管理を、タスクの割り当て、業績のモニタリング、成果の評価、そして労働者の懲戒あるいは報償という管理機能を遂行するソフトウェアとして定義している(Kellogg, Valentine & Christin, “Algorithms at Work: The New Contested Terrain of Control,” Academy of Management Annals, 2020年)。彼らはそのツールキットを6つのメカニズム——推奨、記録、評定、置換、報償、そして懲戒——に整理し、この争われた領域が新しいものではないことを指摘する。雇用主は常により少ない対価でより多くの努力を引き出そうとしてきた。変わったのは、それを行うシステムの粒度、速度、そして非対称性である。
実践においてこれが意味するのは:あなたが子どもを学校に通わせていることを知る管理職ではなく、需要予測によって設定されるシフト;キーストローク、スキャン、あるいはタスクごとの秒数から計算される生産性スコア;業績評価として扱われる顧客の星評価;そして、時にはループに人間がまったく介在せず、指標が閾値を下回ったときに自動的に発動する解雇である。労働者はこれを、常に見張っていて、交渉の余地がなく、異議を申し立てる相手がいない——なぜならそこには誰もいないから——上司として経験する。
進行方向
AIが日常的な認知労働を吸収するにつれて、人間に残された仕事は2つの箱に分類される。一つ目は、機械がまだできない仕事である:予測不能な物理的環境における熟練の技能、複雑な人間の交渉、真の創造的判断である。二つ目は、人間が保持され続けなければならない仕事である——法律、責任のルール、あるいは顧客の選好が、システムがほとんど他のすべてをこなせる場合でさえ、その連鎖のどこかに人間を要求するためである。
質が最も速く悪化するのは、この二つ目の箱においてである。もし人間が要件を満たすためだけに存在しているなら、雇用主のインセンティブは、その存在をできる限り安く、統制されたものにすることである:台本化された裁量、監視された遵守、そして余裕のなさである。労働者は、機械の出力に押される人間の承認印になる——結果に責任を負いながら、それを形づくる権限を剥奪されている。患者1人あたり12秒でAIのトリアージを「検証」することを求められる看護師は、拡張されているのではない。それは聴診器を持った責任のバッファーである。
証拠が示すこと、示さないこと
最も強力な証拠は、アルゴリズムによる管理がすでに全面化している現場から得られている。ギグプラットフォームでは、研究者たちは、評価システムと不透明な非アクティブ化ルールが、誰が何を理由に決定しているのかについての情報を労働者に与えることなく、リスクを彼らに転嫁する仕組みを文書化してきた(Rosenblat & Stark、2016年)。倉庫では、タスクごとの秒数にまで及ぶモニタリングの粒度の細かさが、ジャーナリズムと擁護団体の報告において、負傷率の上昇と離職率の上昇に関連づけられているが、査読を経た因果関係の推定は依然として薄い。国際労働機関(ILO)による生成AIのグローバル分析は、自動化への曝露は雇用喪失と同じではなく、質の次元——タスクの強度、自律性、そしてスキル活用の機会——は雇用者数とは独立に動くと明言している(ILO、2023年)。
誠実さは境界線を要求する:これらの研究は、特定の、厳しく監視された職場を測定している。それを経済全体に拡張することは、類推による議論であって、測定ではない。残った仕事の一部はより良くなるだろう。一部のモニタリングは失敗するか裏目に出るだろう。一部の労働者は、アプリを介した柔軟性を、その代替(しばしば何もないこと)よりも好むだろう。擁護できる主張はより狭く、それでも深刻である:雇用主の意向に反して人間がループの中に保持されている場所ではどこでも、デフォルトの経済的圧力は自律性ではなく統制へと向かう。
3つのシグナルが、ある職場がどちらの方向に動いているかを示す:労働者が自分を評価するために使われるデータを見て異議を唱えられるか、権限を持つ人間がシステムを覆せるか、そしてソフトウェアが最も業績の良かったシフトの様子を学習するにつれて生産性目標が自動的に引き上げられるかどうかである。3つ目が決め手である。労働者が適応するたびにハードルを上げ続けるシステムは、仕事を組織するツールではない。それは搾取のラチェットであり、その上限は判断力ではなく生理機能によって定められている。
補完性という問い
AIが残った役割を拡張するか、それとも劣化させるかは、技術によって決まるのではない。誰が設計を選ぶかによって決まる。看護師が本当に必要な患者と過ごす時間を確保できる同じトリアージモデルは、代わりに彼女のノルマを設定するために使われうる。定型作業を処理して若手開発者がアーキテクチャを学べるようにする同じコーディングアシスタントは、代わりに2人のシニアを雇う代わりに4人のジュニアを監督することを正当化するために使われうる。
| 設計上の選択 | 拡張的な結果 | 劣化的な結果 |
|---|---|---|
| 誰がペースを設定するか | 労働者が順序を統制する | システムがノルマを設定し、労働者がそれについていく |
| 誰がデータを見るか | 労働者が業績フィードバックを得る | 雇用主が監視し、労働者は検査できない |
| 誰が判断を所有するか | AIが助言し、人間が理由とともに決定する | 人間がゴム印を押し、責任は人間に残る |
| 誤りが起きたときに何が起こるか | レビューと再訓練 | 自動的な降格または解雇 |
その決定要因は、技術的なものではなく制度的なものである:交渉力、強制力のある基準、労働者がデータを検査し異議を唱えられるかどうか、そしてアルゴリズムの上位に、それを覆す権限とインセンティブの両方を持つ誰かがいるかどうかである。
一つの非対称性が強調に値する。拡張が約束されるとき、その約束される受益者は労働者である。劣化が起こるとき、その受益者はコストラインである。その不一致は、立証責任が展開する組織の側にあるべきことを意味する:もしあるシステムが真に拡張的であるならば、その設計者は保持された裁量、検査可能なデータ、そして安定した目標を示すことができるはずだ。人間に許された唯一の行動が続行することだけであるとき、「人間は常にループの中にいる」ということは拡張の証拠にはならない。
政策と交渉による対応
仕事の質は、単なる移行支援の問題ではなく、労働基準の問題である。再訓練プログラムは、新しい仕事がアルゴリズムによってペース配分され、評価され、そして解雇される労働者には何の役にも立たない。関連する手段はより古く、より鈍いものである:自分を評価するために使われるデータについての透明性の権利、不利な措置の前の通知と人間による審査、勤務時間外モニタリングへの制限、そしてスケジューリングとペースに下限を設ける部門別の団体交渉である。ILOの労働条件と労働安全衛生に関する諸条約は、確立された背景を提供する——強度と監視を、個別に交渉すべき特典としてではなく、基準の問題として扱うための枠組みである(ILO、職場の安全と健康)。
このいずれも、AIを一意に邪悪なものとして扱うことを要求しない。それが要求するのは、選択肢が雇用数か無かのいずれかしかないという枠組みを拒否することである。質の劣化に直面する労働者は、分配の経済学と権力の集中における置き換えに直面する労働者と同じ問いに直面している:利益は、システムに見張られている人々に流れるのか、それとも、それを所有する人々だけに流れるのか。個人はキャリアと所得の多様化を通じて家計レベルでヘッジできる。だが基準そのものは集団的な闘いであり、2つ目の箱の仕事が標準になる前に行う価値がある。