Who becomes replaceable? Generative AI and the discursive stratification of work

人工知能が仕事の世界を変えつつあるという話を聞くとき、その会話はしばしば技術的な監査のように感じられる。私たちは、どの仕事が機械によって行われ、どの仕事が行えないのかを問い、その答えを仕事自体の固定された特性として扱う。しかし、この物語にはもう一つの層が存在する。それはコードや工場の中で起こるのではなく、ニュースや公の場での会話の中で起こるものである。機械が人間に取って代わる前に、人々はまず、その置き換えが可能であり、必要であり、あるいは望ましいものであるということに同意しなければならない。この合意は言語を通じて構築される。ニュースメディアが、ある仕事を「リスクにさらされている」と表現するとき、彼らは単に未来を予測しているのではない。彼らは、維持される側の人々と、切り捨てられる側の人々へと労働者を分類しているのである。この言葉による分類のプロセスこそが、研究者が「言説的階層化（discursive stratification）」と呼ぶものである。これは、実際のレイオフが発生するずっと前から、社会が誰を変化に対して脆弱とし、誰を安全とするかをどのように決定しているのかを理解するための方法である。

韓国科学技術院（KAIST）の研究者であるハナ・キムによる新しい研究は、生成AIの時代において、この分類がまさにどのように行われているのかを調査している。この研究は、特定の転換点、すなわち2022年後半のChatGPTのリリースに焦点を当てている。著者は、AIと仕事に関するニュースメディアの語り口が、この瞬間を境に変化したのか、そしてより重要なことに、その変化が同じ職業内であっても異なるタイプの労働者を異なる扱いをしているのかを知りたかった。この研究は、人々が実際に職を失ったかどうかを見るものではない。代わりに、約50万件のニュース記事のテキストを検証し、公的なナラティブ（語り）がどのように変化したかを見るのである。核心となる問いは単純である。ニュースが「ある仕事がAIに取って代わられている」と言うとき、その文章における「誰」とは誰なのか、ということである。

これに答えるため、研究者は2010年から2026年までの膨大なニュースの記述を集め、弁護士、医師、ライター、デベロッパーといった特定の職業への言及に焦点を当てた。チームは、人間による専門家の訓練を受けたコンピュータプログラムを使用し、これらの記述を読み取り、4つの明確なカテゴリーに分類した。第一のカテゴリーは「中立」であり、仕事については言及されているがAIとは結びつけられていないもの。第二は「拡張（augmentation）」であり、AIが労働者の仕事をより良くするためのツールとして記述されているもの。第三は「タスクの自動化（task automation）」であり、仕事の特定の部分は機械によって引き継がれると言われているが、仕事自体は残っているもの。そして第四の最も深刻なカテゴリーは「置換（replacement）」であり、仕事そのものが不要になっている、あるいは労働者が排除されることが示唆されているものである。

分析の結果、ChatGPTの登場後、AIが仕事に与える影響を議論するニュース報道の総量は増加した。しかし、この増加の仕方は一様ではなかった。「置換」の物語が増えたのは、すべての仕事が突然より危険になったからではない。むしろ、ニュースは以前とは異なる一連の職業に注目し始めたのである。報道は、ライターやコーダーのように、すでにリスクが高いと議論されていた仕事へとシフトした一方で、他の職業への相対的な注目度は低下した。これは、ニュースにおける全体的な危機の感覚が、あらゆる職業に対するナラティブの急激な硬化によってではなく、どの仕事がスポットライトを浴びているかという変化によって駆動されたことを意味している。

しかし、最も重要な発見は、どの仕事が議論されているかではなく、その中の人々がどのように記述されているかにある。研究は、ジュニアワーカー（キャリアの初期段階にある人々、しばしばエントリーレベルや研修生と呼ばれる）と、シニアワーカー（経験豊富なリーダーや責任者）の違いを詳しく調べた。結果は、鋭く拡大する隔たりを示した。2022年以降、AIの影響を論じる際に、ニュース記事はジュニアワーカーに言及する可能性が大幅に高まった。実際、ジュニアワーカーとシニアワーカーがAIによる変化の対象としてどの程度頻繁に言及されるかの差は、20パーセントポイントも広がったのである。

しかし、違いは言及される頻度だけにとどまらなかった。ジュニアワーカーがAIの文脈で言及されるとき、その物語は圧倒的に「置き換え可能」であるという枠組みで語られる傾向があった。分析によると、ジュニアワーカーについて語られたニュース記事のうち、約半分がその役割が完全に消滅すると記述しており、AIによって助けられると記述しているものは極めて少なかった。対照的に、同じ時期にシニアワーカーが言及された場合、ナラティブはほぼ逆であった。彼らはAIが判断力や生産性を高めるためのツールとして機能するという「拡張」の文脈で語られる可能性がはるかに高かった。ニュースは、シニアワーカーが排除されることを示唆することは稀であり、むしろ彼らが新しいテクノロジーを操る側になることを示唆していたのである。

このパターンは、研究者が他の説明を排除しようと試みた場合でも維持された。彼らは、ジュニアの仕事がより定型的または反復的であるために自動化されやすいという、一般的な理由によるものかどうかを確認した。データによれば、定型的な仕事が自動化の対象として議論されやすいのは事実であったが、ジュニアとシニアの間の特定の格差は、それとは別の現象であった。それはタスクの種類によるものではなく、キャリアの段階によるものであった。また、研究者は、コンピュータプログラムが「ジュニア」や「シニア」という言葉をショートカットとして反応しているだけではないかを確認するため、これらの特定の言葉を隠して分析を再実行したが、パターンは全く同じであった。コンピュータはラベルではなく、ストーリーの文脈に反応していたのである。

確信を得るために、研究者は、注意深くマッチングされた小規模なニュースのセットを読み取る人間の専門家を招き入れた。彼らは、同じ職業、同じ年のジュニアワーカーに関するニュース記事と、シニアワーカーに関するニュース記事をペアにし、どちらがどちらであるかを知らない状態で、人間に分類させた。人間の読者は、驚くほどの明快さでこのパターンを確認した。二つのストーリーが異なっていたケースの大部分において、ジュニアワーカーに関するストーリーは「置換」に関するものと分類され、シニアワーカーに関するストーリーは「拡張」に関するものと分類された。人間の合意は非常に強力であり、これが偶然に起こる統計的な確率は実質的にゼロであった。

この研究は、生成AIの到来が、仕事の技術的な景観を変えただけでなく、誰が不可欠であり、誰が使い捨て可能であると見なされるかという社会的地図を塗り替えたことを示唆している。ナラティブは、多くの職業におけるエントリーレベルのポジションを自動化の主要な標的として扱う一方で、経験豊富なプロフェッショナルを新しいツールのマスターとして維持するようにシフトした。これは極めて重要な区別である。なぜなら、エントリーレベルの仕事は単なる低コストの労働力ではなく、新しいプロフェッショナルが専門家としてのスキル、判断力、習慣を学ぶための訓練の場でもあるからである。もし公的な言説がこれらの初期の役割を使い捨て可能なものとして扱うならば、人々が将来のシニアワーカーになるための道そのものを断ち切ってしまうリスクがある。

この研究は、これらのニュース記事が直接的な失業の原因であると主張しているわけでも、雇用主がこれらのニュースに基づいて即座に行動していると言っているわけでもない。むしろ、社会が仕事の未来をどのように想像しているかという、強力なシフトを特定しているのである。ジュニアの役割を「置換可能」なものとして、シニアの役割を「拡張可能」なものとして一貫して枠付けることで、公的な会話は脆弱性の階層を作り出している。言葉を通じて、AIの未来は経験者に属するものであり、初心者は置き換えられるべき存在であると決定しているのである。この言説的階層化は、経済的な変化が起こる前に発生し、キャリアの階段の下にいる人々にとって学習と成長の機会が狭まり、上の立場にいる人々には新たな力が与えられる未来への舞台を整えている。研究は、AIが仕事に与える影響を理解するには、機械に何ができるかだけでなく、私たちが誰を「置き換え可能」だと想像することを許容しているのかを見ることが重要であると結論づけている。