パーフェクトヒューマン日記「社会人の教養がすべて身につくメディア」

社会人の教養がすべて身につきます。パーフェクトヒューマンを目指しましょう!

教育の理想「フィクサーによる日本の教育改革本16 第21章」

どうも、パーフェクトヒューマン志願者武信です。

 

前回の記事は以下です。文字数14572

 

教育の理想「第21章「人工知能時代においての教育や進路の考察」」

 

目次。

1 「2020年人工知能時代 僕たちの幸せな働き方」からの引用・まとめ。

2 「人口知能時代を生き抜く子どもの育て方」からの引用・まとめ

3 「シンギュラリティ・ビジネス」からの引用・まとめ。

4 「坂本真樹と考える人工知能時代の就職活動」からの引用・まとめ。

5 「テクノロジーがすべてを塗り替える産業地図」からの引用・まとめ。

6 

 

 

1 「2020年人工知能時代 僕たちの幸せな働き方」からの引用・まとめ。

この章では人工知能時代においての教育や進路(職選び)について論じます。

 

本来なら序盤で人工知能を考えなければいけなかったのですがこの本を書いたのが2015年ごろであり、その頃人工知能の着想がなかったので後回しになりました。

 

人工知能に負けない職選びについては「2020年人工知能時代 僕たちの幸せな働き方」で書かれています。以下、引用・まとめをします。

 

まず「問いを立てて仕組み化させていく」非構造的「仕組み化された中で大量に実施する」構造的の縦軸と「感性的、身体的、直感的」「論理的、分析的、統計的」の横軸の4象限を作ります。

 

1 「非構造的」と「感性的、身体的、直感的」は飛んだ発想のイノベーター

2 「構造的」と「感性的、身体的、直感的」は人が好き・場に安心感のモデレーター

3 「非構造的」と「論理的、分析的、統計的」は仮説を立てるコミュニケーター

4 「構造的」と「論理的、分析的、統計的」はAIに代替されやすいオペレーター

 

1と2の「感性的、身体的、直感的」の軸はいわゆる「人間っぽい能力」です。

 

3と4の「論理的、分析的、統計的」の軸はいわゆる「エクセルっぽい能力」です。

 

1と3の「非構造的」の軸はまだ仕組み化されていないことに対して問いを立てて仕組み化させていく能力です。

 

2と4の「構造的」の軸はいわゆるマニュアル化されている仕事です。

 

4つの象限のうち、AI(人工知能)が得意なのは4です。

 

論理的に分析し、大量の情報から統計的に考え、高速回転で何度も実施するのはコンピューターやロボットが得意とします。

 

コンピューターは「疲れない」「飽きない」のでこれらの動作が得意です。

 

第 章で述べた通り、創造力や予測力は人間に優位がある分野です。

 

1の「飛んだ発想のイノベーター」は感性・直感が豊かでかつ問いを立てるのが得意な人であり、既成概念にとらわれず、自分の感覚や発想で新しい価値観を生み出す仕事ができる人です。

 

僕の本で主張してきたイノベーターと似ている概念といえます。

 

僕の本では創造力だけでなく、人を動かすコミュ力まで含めましたが。起業家人材ですからね。

 

2の「人が好き・場の安心感のモデレーター」は人の感情を察し、相手に働きかける「ホスピタリティ」を使う人たちです。

 

人間には身体性(痛いや喜びで身体が熱くなるなど)があるからこそ感情を持つことができるとも言えます。

 

コンピューターにセンサーをつけることで人間の身体性(感覚やセンサー)と似たような構造にし、感情を持たせようという動きもあるようですが今のところ未知数です。

 

3の仮説を立てるコミュニケーターはAIに代替されにくいといえます。

 

なぜなら、AIがどれだけ高速で大量の分析をしても「何のために分析するのか」を考えるのは人間の仕事だからです。

 

また、分析結果に対して意思決定するのも人間の仕事です。(教師なし学習がありますし、意思決定にまで踏み込んだAIが将来、絶対にできないとは言い切れませんが)

 

具体的な職種で考えてみましょう。
1  営業・接客系、2 製造系、3 技術系、4 事務・管理系で見ていきます。

1  営業・接客系

 

高度なコンサルティングの営業・販売の仕事は変革シナリオ通りにいけば、114万人の従業員増加と予測されており、「低付加価値の営業・販売」の仕事は変革シナリオ通りにいけば68万人の従業員減少と予測されています。

 

サービス系の仕事では人が直接対話する業務は179万人の増加、AIやロボットで対応できる業務は51万人の減少と予測されています。

 

コールセンタースタッフの例でいえばスタッフは顧客の要望を聞き、対応するべき事例をマニュアルから調べて対応しますがこの調べるという仕事をAIがやってくれるようになります。

 

これにより、きめ細やかな人間的な対応・接客をできるようになります。

 

また、AIに学習させて蓄積させたデータを使いこなせるようになれば営業・接客系の人の仕事の幅は広がります。

 

従来のCRM(顧客情報管理)をさらに進化させるのです。

 

データロボット(DataRobot)という気軽にデータサイエンティスト系のデータ分析ができるサービスも出てきました。

 

データロボットを使いこなすには「何を予測したいのか、知りたいのか」という仮説を立てる力が必要です。

 

2  製造系

 

現状放置シナリオで262万人の減少、テクノロジーを活用した変革シナリオでは297万人の減少と予測されています。

 

この本でも述べてきました第4次産業革命が起きています。製造業はその変革の波に飲み込まれます。

 

事例としては「作業用双腕ロボットBaxter(バクスター)」があります。

 

バクスター ロボット」でググればわかりやすい記事や動画を見ることができるでしょう。

 

バクスターの値段は1台400万円です。格安です。詳しくは本に譲ります。

 

3  技術系。(研究開発部門ならびに機械・電気・ITなどエンジニア全般)

 

変革シナリオではIT業務の従業員数は45万人の増加です。テクノロジーを活用した新たな製品・サービスを生み出す技術者は変革シナリオでは96万人の増加が予測されています。

エンジニアはマインドフルネスが必要だと考えられています。Googleでは社員に最も人気のある研修の1つです。

 

ガラパゴス エンジニア 瞑想」で検索するとエンジニアの瞑想の勉強会が見れるようです。

 

エンジニアが仮説を立てるのに役立つ手法として「クリエイティブシンキング(水平思考)とデザイン思考」があります。詳しくは本で。

 

4  事務・管理系。(バックオフィス)

 

どのシナリオでも従業員数は減少すると予測されています。変革シナリオでは143万人の減少が予測されており、厳しい未来です。

 

事務・管理系の仕事は「ミスをしない」が前提でありますが「ミスをしない」はAIの方が得意です。

 

なぜなら、AIは「疲れない・飽きない」からです。

 

「書類作成」と「書類チェック」はAIに代替させたい仕事だそうです。

 

経理業務では「マネーフォワード」「freee」というサービスがあります。

 

請求書を自動で作成してくれる「Misoca」というサービスも出てきました。

 

「バックオフィス 効率化 クラウドで検索すると多くの最新サービスが出てくるでしょう。

 

管理部門は売上がなくてコストだけが発生する部署、いわゆるコストセンタと呼ばれていましたがAIを活用すれば利益を生み出す部署、いわゆるプロフィットセンターになりえます。

 

理由は人工知能時代では「業務の中で収集できたデータから学習させた予測モデル」が価値を生むようになることからいえます。

 

例として「退職率の予測モデル」は退職者に悩む同業他社に売り込める価値があります。

 

社内の管理しなければいけない面倒なデータが宝の山となりえるのです。

 

2 「人口知能時代を生き抜く子どもの育て方」からの引用・まとめ

次に「人口知能時代を生き抜く子どもの育て方」からの引用・まとめをします。

 

人工知能時代には「STEM」教育が必要だと言われます。

 

Science(サイエンス)、Technology(テクノロジー)、Engineering(エンジニアリング)、Mathematics(数学)の4つのワードの頭文字をとったものです。

 

人工知能に使われるのではなく使う側に回るために必要な学問(理系全般か、狭義ではハイテク産業で求められる知識やスキル全般)ですね。

 

サイエンスは科学であり、物事の原理原則を解明する学問です。

 

「どんな条件のときに火がつくのだろう?」という問いを持ち、その答えを見つけるために様々な分析や実験をします。

 

次に、エンジニアリングは工学であり、サイエンスによって解明した原理原則を用いて再現可能性が高く、なおかつ人間がコントロールしやすい状態を作り出す学問です。

 

「好きなときに火がつけられる仕組みを作ろう」といったようにそこには必ず目的が存在します。

 

そしてテクノロジーはエンジニアリングの集大成として生まれる結果を指します。マッチやライター、ロケットエンジンなどが該当します。P56~58.

 

最後の数学は以上の3つ(サイエンス、エンジニアリング、テクノロジー)で共通して使われるツールです。プログラミング(エンジニアリングに該当)をする際にも数学の知識は必須です。

 

小学生や幼稚園児に人気のゲーム「マインクラフト」はSTEM教育に効果的なようです。

 

このゲームの特徴は「大自然のなかに放り込まれたキャラクターが木を伐採(ばっさい)したり、地面を掘ったりしながら材料を集め、それを元に装備や建築資材などを作り、自分の基地や農場、牧場、敵を倒すためのトラップなどを作ることできる」というものです。

 

終わりのないゲームです。小学生や幼稚園児はマインクラフトの実況動画にはまっているそうです。P110、111。

 

STEM教育で重要なのは言語の幅を広げることです。

 

Internet World Statsの2016年6月の調査では言語別のインターネットユーザー数で一番多いのが英語ユーザーで全体の26.3%。次いで中国語(20.8%)、スペイン語(7.7%)、アラビア語(4.7%)、ポルトガル語(4.3%)と続き、日本語3.2%です。

 

つまりすべての言語が高い精度で自動翻訳されるようになれば日本人のアクセス可能な情報がいまの31倍になります。以上、ここまで。P116。

 

とりあえず、英語を勉強しておけばリサーチの幅が広がるでしょう。日本語だけの情報網ではSTEM教育においては不安が残りますね。

 

子どもが「将来就きたい職業」は人口知能時代も存在するのか?というコラムが本書には書かれていますので興味ある方は一読するといいでしょう。

 

男の子 1位 スポーツ選手 2位 研究者 3位 エンジニア 4位 ゲームクリエイター 5位 医師 6位 教員 7位 建築家 8位 会社員 9位 宇宙飛行士 10位 鉄道・運輸関係。

 

女の子 1位 保育士 2位 教員 3位 看護師 4位 薬剤師 5位 動物園・遊園地 5位 デザイナー 7位 医師 7位 ケーキ屋・パン屋 9位 漫画家・イラストレーター 10位 マスコミ関係。

 

その他ランキング外。警察官、消防士、弁護士・検事・裁判官、公務員、大工、芸能人・歌手、花屋。

 

これらの職業に著者が分析を書いてくれています。

 

著者は2045年シンギュラリティ(技術的特異点)が起きるのを信じており、それの根拠にムーアの法則(半導体の集積密度は18~24か月で2倍にある)を挙げています。

 

シンギュラリティとはムーアの法則がこのまま続けば2045年の時点で1000ドルのコンピュータに搭載されるCPUのトランジスタの数は人間ひとりの脳細胞の数の100億倍になり、全人類が束になっても1つのCPUに勝てなくなるという現象であり、予測です。P152。

 

しかし、ムーアの法則は実は2017年6月に否定されたという記事が出ました。

 

もしかしたらシンギュラリティは起こらないか、2045年よりは遅れることになるかもしれません。

 

また、ムーアの法則以外にもシンギュラリティが訪れる根拠はあるようです。

 

著者は究極の予想ではロボットなどにより自動化が進んでいくと究極のデフレが起こるとみているようです。

 

1つのプロダクト(生産物)の生産、流通の過程で人間がほとんど関与しなくなればコストが下がるので低価格化が起こるからです。

 

家の建築では実際に2017年にロシアのモスクワで3Dプリンターによって一戸建ての家が建てられ、建築にかかった時間は24時間であり、コストはわずか115万円だったそうです。

 

これが建築の自動化によるコスト削減と低価格化への方向性ということになります。P186.

 

著者によれば次のような仕事が残るといいます。

1 自動化のしようがない仕事。スポーツ選手など。

2 自動化の仕組みを作る側。技術者、研究者、商品・サービス開発者など。

3 その人が生み出すことに価値がある仕事。アーティスト、陶芸家など。

4 人間同士ではないと成り立たない仕事。医師、看護師、介護士、コーチなど。

 

さらに今後、残っていく仕事の共通項は「世のため人のため」という発想に基づいた仕事だといいます。企業のCSVは典型例です。P198、199.

 

ちなみに僕は3の領域は怪しいと思っています。

 

記事の執筆、作曲、小説など芸術方面にも人工知能が進出するのではないか?と思っているのです。

 

価値や完成度を最終判断するのは人間の感性かもしれませんが作る過程はコンピュータができてしまうのではないか?と。

 

そうなると作る人が要らなくなります。とはいえ文章系はまだまだ難しいでしょうが。

 

著者は世界初のAI先生、要するに人工知能型教材「Qubena」を開発しており、サービス展開中です。

 

成果としては200時間かかっていた中学1年生の数学が32時間で終わるというものです。詳しくは本書をお読みください。

 

2 自動化の仕組みを作る側。技術者、研究者、商品・サービス開発者などでは、起業家も入るのかなと思います。

 

「楽しく未来を生き抜く「3つの力」の伸ばし方 戦略子育て」によれば、今後、激増する職業は起業家だそうです。

 

以下、P36から引用します。

 

起業家の数は世界中でここ10年、劇的に増えています。昔より格段に、ヒトモノカネが集めやすくなり、売るのも簡単になったからです。

 

その「起業家人口」を国ごとに見ると、本家アメリカが人口の7%2300万人、日本は3%350万人です。

 

一方、中国は人口の9%が起業家で、その数はなんと1億2000万人に上るというのです。そう、起業家こそが「将来増加する職業」の本命なのです。以上、ここまで。

 

また、企業の成功率はアイデア段階から株式市場に上場する(IPO)まででいっても100万分の6とかだそうです。P39。

 

3 「シンギュラリティ・ビジネス」からの引用・まとめ。

シンギュラリティについては「シンギュラリティ・ビジネス」という本に詳しいです。以下、引用・まとめです。

 

シンギュラリティ大学の創業ディレクターであり、起業家でもあるサリム・イスマイルが提示する今後、求められる新しい組織を「エクスポネンシャル・オーガナイゼーション(ExO=飛躍型組織)」と名付けています。

 

エクスポネンシャルな組織とは「従業員数や規模と比べてケタ違いに大きな影響力や成果を挙げる組織」です。

 

UberAirbnb数十人~数百人程度の規模で世界の数十億人に影響を与え、時価総額数千億円に達することから該当します。

 

このExOの特徴として「MTP」(Massive Transformative Purpose)、日本語訳は「野心的な変革目標」があります。

 

世界や人類を変革しようという野心に満ち溢れた目標、グーグルでいえば「世界中の情報を整理する」が挙げられます。

 

ExOの性質は人間の脳に見立てた図として、MTPの下、右脳に「SCALE」、左脳に「IDEAS」を配置して表せます。

 

「SCALE」のSは「Staff on Demand」(オンデマンド型の人材調達)、Cは「Community&Crowd」(コミュニティとクラウド(群衆))、Aは「Algorithms」(アルゴリズム)、Lは「Leveraged Assets」(外部資産活用)、Eは「Engagement」(エンゲージメント)です。

 

「IDEAS」のIは「Interfaces」(インターフェース)、Dは「Dashboards」(ダッシュボード)、Eは「Experimentation」(実験(仮説検証))、Aは「Autonomy」(自律型組織)、Sは「Social」(ソーシャル技術)です。

 

詳しくはP120~126を読んでください。

 

ExOの「SCALE」と「IDEAS」の10項目の達成度を採点するスコアリングシートが実在し、そのシートに基づいてフォーチュン100の企業を採点したら、スコアのランキングと時価総額ランキングがほぼ一致する結果が出ました

 

なので、米国の企業ではこの10項目を重要視しているようです。

 

ExOは「飛躍型組織」ですので常に変化し続けますがそれへの反発は当然あります。そこで別動隊を組織の外に置く工夫をしています。

 

この本によればこのままソーラーパネルがエクスポネンシャルに進化していくと太陽光発電によるエネルギーの価格はほぼゼロになるといいます。

 

太陽光エネルギーを得る思想には第三段階まであるのですがそれはP72、73をお読みください。

 

太陽光発電ですべて賄えるようになると化石燃料を使う必要がなくなり、二酸化炭素排出による地球温暖化が解決します

 

さらに水不足も解決します。なぜなら海水の淡水化プラントを無限の電力でタダで使えるようになればいくらでも安価で水を供給できるようになるからです。

 

そして、水が無限になると食糧問題が解決します

 

食用の食物を工場でどんどん生産できるようになるからです。その際、食物の生成には二酸化炭素が不可欠なので二酸化炭素が逆に必要になるとのことです。

 

次に、健康問題が解決され、あらゆる病気が治療可能になるといいます。

 

個人の遺伝子解析、遺伝子情報によってがんの早期発見が可能になり、がん研究も進み、がんの予防も可能となるでしょう。

 

他の論点では「人間がAIロボットなどにより働かなくてよくなったらベーシックインカム構想だ」人間の生存の意味などがあります。

 

ここまでの長期的目線での視野で運営しているのがシンギュラリティ大学であり米国なのです。日本企業も参考にすべきでしょう。

 

4 「坂本真樹と考える人工知能時代の就職活動」からの引用・まとめ。

ここからは「坂本真樹と考える人工知能時代の就職活動」という本を参考にし、引用・まとめをします。

 

この本では人工知能にかわられてしまう仕事として以下を挙げています。

 

1  ユーザーにサービスを提供する仕事

 

コールセンターや電話販売。

窓口・受付。

 

2  情報を扱う仕事

 

調査・データ解析。

 

調査やデータ解析の仕事をしている会社としてコンサルティングシンクタンク・リサーチの企業があり、具体名として野村総合研究所三菱総合研究所みずほ情報総研日本総合研究所大和総研グループ、三菱UFLリサーチ&コンサルティングアクセンチュアなどの大企業があります。

 

人工知能が得意なインターネットリサーチ系の大企業でモニター数が10万人以上でモニターの品質管理への取り組みがウェブ上で公開されている優良企業の具体名として、ミクシィ・リサーチ、ゲイン、マクロミルインテージ楽天リサーチ、クロスマーケティングNTTコムオンライン・マーケティング・ソリューションなどたくさんあります。

 

金融・証券・保険。

 

3  正確さが求められる仕事

 

輸送・物流。

 

著者は自動運転車の実用は遠い未来ではないと思っているようですが僕は懐疑的です。

スポーツ審判。

 

人口知能にはすぐにはかわらない仕事

1  身体を通して行う仕事

 

外科医・歯科医。

エステティシャン。

料理人・調理師・栄養士。

 

2  クリエイティブな仕事

 

振付師や画家。

小説家や作曲・作詞。

 

作曲に関しては僕は懐疑的です。小説家と作詞はまだ人工知能には難しいと思います。

 

しかし、作詞は小説に比べたらパターンが少ないので可能性としては人工知能ができてしまうかもと思います。

 

3  人の心を気遣う仕事

 

心理療法士やカウンセラー。

小学校教師。

心理学者。

 

4  判断と責任が伴う仕事

 

大学教授。

責任者や監督者。

 

「危機管理責任者」「消防・防災の監督者」「企業の経営者・管理職」などですね。

 

第2章では人工知能社会の就職と転職の成功術も書かれています。

 

1 理工系出身者の場合

 

基礎研究、応用研究・技術開発、機械・電子機器設計、品質・生産管理・メンテナンス、SE職、技術営業職 などの説明が詳しく書かれています。

 

2 文系出身者の場合

 

一般企業に入社して就く職種は主に、総務、人事、経理、営業、企画、広報などになります。

 

文系が理系より優れている点は英語ができる人が多い点コミュ力にあるそうです。それらを活かしましょうという提案です。

 

3 転職者の場合

 

人気の5つの業界で人工知能はこうして使われています。

 

金融業界、旅行業界、広告業界、音楽業界、食品業界の事例が詳しく書かれています。

 

後半は人工知能開発者になるには?などの事例が書かれています。より詳しい内容は本書をお読みください。

 

5 「テクノロジーがすべてを塗り替える産業地図」からの引用・まとめ。

ここからは「テクノロジーがすべてを塗り替える産業地図」という本から引用・まとめをします。

 

産業別就業者数を書きます。

 

日本の就業者全体では過去10年間に公務員も含めて223万人増加しており、2018年3月時点での就業者数は6400万人を超えます。

 

では国内の主な「産業別の就業者数」を書いていきます。(2018年3月時点)

 

1位 製造業1081万人。 (10年前と比べて)5%減少で済んでいるが56万人減少

2位 卸売業/小売業1053万人。(10年前と比べて)3%減少で済んでいるが38万人の減少

3位 医療/福祉799万人。(10年前と比べて)204万人も増加

4位 建設業501万人。(10年前と比べて)44万人の減少

5位 サービス業(他に分類されないもの)。455万人

6位 宿泊業/飲食サービス業417万人。(10年前と比べて)48万人増加

7位 運輸業/郵便業337万人

8位 教育/学習支援業312万人

9位 公務(他に分類されるものを除く)。233万人

10位 学術研究/専門・技術サービス業235万人

11位 生活関連サービス業/娯楽業232万人

12位 情報通信業225万人

13位 農業/林業204万人

14位 金融業/保険業167万人

15位 不動産業/物品賃貸業133万人

16位 複業サービス事業58万人

 

製造業の就業者数の内訳データは以下です。

 

1位 食料品製造業116万人

2位 輸送用機器器具製造業108万人自動車が一番目立ちます。

3位 金属製品製造業78万人

4位 生産用機械器具製造業60万人

5位 電機機械器具製造業54万人

6位 電子部品・デバイス・電子回路製造業51万人

7位 化学工業48万人

以下、17個続く。

 

卸売業/小売帳の内訳は以下です。

 

1位 卸売業289万人。基本的にBtoBで法人顧客向け業務なのでなじみが薄いでしょう。

2位 飲食料品小売業240万人食品スーパーやコンビニなどです。

3位 その他の小売業 214万人

以下、3個続く。

 

医療/福祉の内訳は以下です。

 

1位 医療業350万人

2位 社会保険社会福祉・介護事業343万人

3位 保険衛生11万人

 

さて、ロボット・AIなどの新たなテクノロジーによって代替される可能性がある産業は以下のような特徴があるかと思います。

 

1 成長市場で人手が足りない産業運輸業、福祉。

2 就業者数が多い産業。製造業、卸売業、小売業。

3 平均給与が高い産業。金融業、保険業

4 平均給与が低く、人手を集めにくい産業。農業、林業

 

対人でサービスを行う「サービス業」(定義は一人ひとりのニーズが異なる生身の人間を相手にする作業)や「学術研究/専門・技術サービス業/教育/学習支援業」は最後までテクノロジーに代替されにくいと思われます。

 

とはいつつも研究もAIの活躍する領域は拡大していくでしょうし、個人向けにサービスを提供してきた教育サービスも有能な教員がコンテンツを全国に一斉配信する環境になりつつあります。

 

したがって個人のコミュニケーション能力や特技を磨き続けないと付加価値を維持できません。P184~186。

 

テクノロジーによって仕事が奪われる産業を見抜くのに、それぞれの就業者数と平均給与をかけた「雇用市場規模」を手がかりにして見ていきましょう。

 

第1位。製造業の53兆円

第2位。卸売業/小売業の38兆円

第3位。医療/福祉の31兆円

第4位。学術研究/専門・技術サービス業/教育/学習支援業の27兆円

第5位。建設業の24兆円

 

これらのランキングや数字は「テクノロジーが活用され、ロボットやAIなどで代替されれば失われる仕事の規模」であり「企業が設備投資をし、人間に代替する手段を見つけたのなら削減できる費用」とも言えます。

 

つまり人間を代替するテクノロジー保有し、それを活用して事業機会を見出す企業や現在は多くの雇用を抱えていますが人件費を削減したい経営者がいるとすれば「雇用市場規模が大きい産業順に労働者がテクノロジーによって代替される可能性が高い」ということを意味します。

 

製造業はロボット活用やファクトリーオートメーション(FA。工場の自動化)が過去、進められてきてましたが現在の市場規模を考えるとまだ自動化を進める余地が大きいといえます。

 

士業と呼ばれる専門家も代替されるのでしょうか?

 

士業は税理士7.7万人行政書士4.7万人、弁護士3.9万人公認会計士3.0万人司法書士2.2万人弁理士1.1万人です。

 

弁護士の平均所得は716万円(弁護士登録1年目から15年目までの15期分)であり、917万円(弁護士登録から6年目から15年目までの10期分)です。

 

仮に弁護士の平均所得を716万円だとすると、雇用市場規模は約2800億円、平均所得を917万円としても3600億円の規模であり、上記の数十兆円という規模と比べたら大きくありません。

 

「資格や職を手にするのにあれほど時間をかけて苦労したのに」というイメージを想起させますが製造業や卸売業/小売業と比較すると関与する人数は多くないといえます。

 

本当に社会にインパクトがあるのは卸売業や小売業・製造業での自動化です

 

小売業や運輸業や物流業は自動運転によって産業の構造が変わっていきます

 

2016年に稼働している産業ロボットは182万台であり、2020年には300万台に拡大すると見られています。

 

産業ロボットの需要が最も大きいのは自動車産業、電気機器産業、金属産業という順です。

産業ロボットだけでなく物流や防衛、農業、医療向けのサービスロボットも成長するようで2018年から2020年までに毎年20から25%のスピードで台数が増え、3年間累計で40万台も増える見通しだそうです。P220、221、225、226、227。

 

さて「小売業や運輸業や物流業は自動運転によって産業の構造が変わっていきます」と書きましたが具体的な姿は以下に書くとおりです。

 

AmazonPrime若者の外出率の低下により、Eコマースの需要が増え、リアル店舗が苦戦しています。

 

トヨタのハードウェアの開発から製造、プラットフォームの運用まで関わる構想を「モビリティサービス・プラットフォーム(MSPF)」と呼んでいます。

 

トヨタのプラットフォームにはライドシェア・カーシェア・レンタカー・タクシーなどの移動サービスとともにリテール(小売)・宿泊・飲食・ロジスティクス(物流)などもサービス事業者に公開される想定のようです。P119~125、P140。

 

1989年から2016年にかけてタクシー・ハイヤーの輸送人員は右肩下がりで減って1989年に33億人を輸送していたのに対し、2016年は約15億人です。(56%の減少です)

 

しかしタクシーの車両数は1989年に約26万台だったものが2016年に23万台に減少した程度です。

 

タクシー業界は再編が進んでいないのです。

 

業界首位の第一交通産業グループの2071年6月末時点のタクシー認可台数は8482台であり、全体のわずか4%という比率です。

 

業界第2位の日本交通グループは2017年5月末時点でタクシーが5424台(うち連結会社3429台および業務提携会社1955台の合計)となっています。

 

全国のタクシー事業者は2014年3月末時点で法人タクシーが6456社、個人タクシーが3万8112事業者、合計4万4568事業者です。

 

運転手は法人タクシーは31万8942名であり、個人タクシーは1台につき1人とすれば3万8112名で両者の合計35万7054名となります。

 

営業収益は1兆6753億円でタクシー市場自体は決して小さくないですがプレーヤーの数が多すぎるために全体で効率よく運営されているかは疑問です。

 

輸送人員が大きく減少している一方で、タクシー全体の台数が減少していないということは、1台当たりの稼働率が大きく下がっていることを意味します。

 

2018年2月に中国の自動車配車サービスである滴滴出行(DiDi)とソフトバンクが日本のタクシー事業者向けサービスにおいて協業すると発表しました。

 

また、2017年10月に第一交通産業がDiDiと連携するという報道や、2018年2月にウーバーテクノロジーズと連携を協議しているという報道がありました。

 

配車アプリと大手タクシー会社を中心に連携が進みそうです。

 

輸送人員が半減していてタクシーの台数が微減ということは極論ですがタクシーの台数が半分になっても利用者は困らないとも言えそうです。

 

ということはタクシー運転手の雇用が奪われることになります。

 

タクシーのドライバー数を約35万人と試算しましたがタクシーの配車運用がうまくいけば結果的に数万人から十数万人という雇用が失われる可能性があります。P146~151。

 

自動運転車がタクシー業界を飲み込んだら35万人程度の失業になるかもしれません。

 

ちなみに自動運転は人手不足の物流業界にとってどういう意味を持つのでしょうか?

 

宅配便(トラック)の市場シェアはヤマト運輸が提供する「宅配便」47%であり、次いで佐川急便の「飛脚宅配便」31%日本郵便ゆうパック16%であり、上位3社で94%を占めます。

 

佐川急便の持ち株会社であるSGホールディングスの「デリバリー事業」の従業員数は2017年12月20日時点で約3万6000人です。またそれ以外に臨時雇用者数として1万6000人程度いて、単純合算だと約5万人規模です。

 

ヤマトホールディングス6万人です。

 

自動運転が実現されてセールスドライバーの仕事もなくならかったと仮にしたら、セールスドライバの仕事は運転ではなく配達に集中するようになるでしょう。P156、157。以上、ここまで。

 

6 「AI後進国」からの引用・まとめ。

 

「AI後進国」という本から、引用・まとめをします。

 

まず、ディープラーニング・ビジネスの分野において、「さっさとやればいいもの「プロトタイプ開発」「研究が必要なもの」「議論が必要なもの(戦略論)」を縦軸の取り、横軸には「認識系技術」「運動系技術」「言語処理系技術(意味理解が伴わないもの)」「言語処理系技術(意味理解が伴うもの)」を取り、図にしたのがP26、27に載っています。

 

ディープラーニングを実用化しようと考え中の人には役立つ図です。詳しくは本を。

 

また、日本企業が強かった製造(ロボット、自動車、建設機械)や農業、医療・介護、物流、人事など、よりリアルな産業領域でAI活用によるデジタル革命によって競争力を高まることができるのか?は大きなテーマでしょう。

 

藤巻氏はこれに対して以下のように主張しています。

 

「すごく危ないと思う。なぜかと言うと、日本はソフトウェアが弱いから。データ分析やAIというのは最終的にはソフトウェアとして動作するものだ。この点が心配。分散計算のテクノロジーHadoopやSparkとかは全部北米」と明確に指摘しています。

 

システム分野の学術カンファレンスなどでは、日本人の発表は機械学習のそれよりも少ないといいます。

 

「データ分析はアルゴリズム1個があれば価値が出るという領域ではなく、もう総合工学のようになってきている」といいます。

 

下のハードウェアからその上に乗っかるプラットフォームがあって、その上にはマシンラーニングがソフトウェアとして実現されており、それを実行するインターフェースの技術があるという具合で、総合工学のようになっています。

 

こうして全体を見るとマシンラーニング以外の領域についても、日本は非常に遅れているというのです。

 

また、「クラウドやIoTなどのプラットフォームを押さえられてしまっているのも、世界と戦うという意味では結構厳しいです。

 

どんなにいいアルゴリズムを持っていても、アルゴリズムを作れる人はどんどん増えているので、本当に価格競争になっていくといいます。

 

しかし、藤巻氏の目指す特徴量を自動設計する技術を確立することで、グローバルナンバーワンシェアを獲得しようとしています。

 

データ分析の領域は「マーケットが変わる瞬間が来ており、挽回できるチャンス」だといいます。P69~72。

 

アクセンチュアによると、AIは16業界で企業収益はに大きなインパクトを与えるといいます。

 

2035年時点におけるAIシナリオの将来配当金(企業などの営利団体が、株主や社員、組合員などに配当する金額の総額)の増加率は、教育で84%、宿泊・飲食で74%、建設で71%、卸売・小売で59%、ヘルスケア(医療)で55%、農林水産で53%、福祉サービス(介護など)で46%、運輸・倉庫で44%と軒並み高いです。

 

製造でも、機械がAIによって知能化されます。誤動作やダウンタイムが減り、常に高い利益率を確保できるようになり、2035年には39%の増収が可能と予測されています。以上、ここまで。

 

AIの活用で日本は後進国ですが、挽回できる分野があるのと、AIをフル活用すれば配当金の増加がかなり見込まれるということが分かりましたね。(あくまで予測ですが)

 

 

執筆中。

 

僕の本は参考文献からかなりアイデアを借りました。参考文献を掲載したり、引用元を示したりしたのは著者に敬意を示したためです。ちなみに引用は多少、内容ではなく文体や形式や長さを変えていることはご承知ください。

 

本作品の全部または一部を無断で複製、転載、配信、送信、ホームページ上に転載することを禁止します。また、本作品の内容を無断で改変、改ざん等を行なうことも禁止します。有償・無償にかかわらず本作品を第三者に譲渡することもしないでください。

 

参考・引用文献。

 

「2020年 人工知能時代 僕たちの幸せな働き方」


「人工知能時代を生き抜く子どもの育て方」

 

「楽しく未来を生き抜く「3つの力」の伸ばし方 戦略子育て」

 

「シンギュラリティ・ビジネス」

 

「坂本真樹と考える人工知能時代の就職活動」

 

「テクノロジーがすべてを塗り替える産業地図」

 

「AI後進国」