Loading article…
人工知能が労働者に与える影響には、労働者の安全と健康を向上させるための応用と、管理しなければならない潜在的な危険性の両方が含まれる。また、生産性の追跡にも利用される。
潜在的な応用例の一つは、AIを用いて、ストレス、過労、筋骨格系の損傷のリスクを伴う危険な状況から人間を排除することで、危険を排除することです。 予測分析は、疲労、反復性ストレス障害、有害物質への曝露など、危険につながる可能性のある状況を特定し、早期介入につなげるためにも使用できます。また、反復作業を自動化したり、仮想現実を用いて安全トレーニングプログラムを強化したり、ヒヤリハットを検出して報告したりすることで、職場の安全衛生ワークフローを効率化することも可能です。
職場でAIを使用すると、新たな危険が生じる可能性もあります。これは、機械学習技術による予測不可能な動作や意思決定の不可解さ、あるいはサイバーセキュリティや情報プライバシーの問題から生じる可能性があります。AIの危険の多くは、作業組織の変化を引き起こす可能性があるため、心理社会的なものです。これには、監視の増加によるマイクロマネジメント、意図的または無意識的に望ましくない人間の偏見を模倣するアルゴリズム、機械エラーの責任を人間のオペレーターに押し付けるといったことが含まれます。AIはまた、人間とロボットの衝突、制御インターフェースや人間と機械の相互作用による人間工学的リスクといった物理的な危険にもつながる可能性があります。危険対策には、サイバーセキュリティと情報プライバシー対策、データ使用に関する従業員とのコミュニケーションと透明性、協働ロボットの制限などが含まれます。
職場の安全衛生の観点から言えば、特定のタスクに合わせて調整された「弱い」または「狭い」AIのみが関連性があり、現在使用されている、あるいは近い将来使用されると予想される事例は数多く存在する。
特定のデジタル技術は雇用喪失につながると予測されています。2020年代以降、最新のロボット技術の導入により雇用は純増しています。しかし、多くの企業は、自動化、つまりロボットの導入が将来的に雇用喪失につながると予想しています。これは特に中央ヨーロッパと東ヨーロッパの企業に当てはまります。[ 1 ] [ 2 ] [ 3 ]プラットフォームやビッグデータなどの他のデジタル技術は、雇用に対してより中立的な影響を与えると予測されています。[ 1 ] [ 3 ] 2023年から多数の技術労働者が解雇されました。[ 4 ]このような人員削減の多くは人工知能に起因するとされています。[ 5 ] [ 6 ]
トークンマキシング（またはトークンマキシング）は、特に人工知能（AI）ベースのサービスを利用している人々の職場での生産性を追跡するために使用される指標です。AIサービスは、問題を解決するためにAIサービスが費やした労力の単位を表すトークンごとに料金を請求します。トークンの消費は生産性に等しいと考える人もおり、従業員の作業を監視するための指標として使用できます。[ 7 ] [ 8 ] [ 9 ] [ 10 ] [ 11 ] [ 12 ] [ 13 ] [ 14 ]
支持者たちは、トークンの使用量が多いほど生産性が高く、強力なAIサービスの利用率も高いと考えている。これはまた、トークンを十分に消費していない人は生産性が低く、強力なAIサービスを十分に活用していない可能性があることを示唆している。この考えは、生産性の向上を予測するためにトークンの使用量を増やすことを奨励する環境につながる可能性がある。[ 7 ] [ 8 ] [ 9 ] [ 10 ] [ 11 ] [ 12 ]
トークン最大化を指標とすることに批判的な人々は、慎重な従業員は職場での優位性を得るために、経営陣が増やしたい指標を最大化しようとすると主張している。たとえば、できるだけ多くのトークンを消費するようにプレッシャーをかけられているテクノロジー業界のエンジニアは、トークン消費を最大化するために、複数のAIエージェントを並行して実行したり、より長い入力プロンプトを入力したり、タスクを自動化したりするかもしれない。経営陣にとって、このトークン使用量の増加は潜在的な生産性を示しているかもしれないが、実際には、トークンコストの増加、従業員の燃え尽き症候群、または実際にはより肥大化した低品質のコードの作成につながる可能性がある。別の主張としては、AIサービス企業はトークン消費へのこのような重点から利益を得る可能性があり、積極的にこの傾向を奨励しているというものがある。[ 7 ] [ 8 ] [ 9 ] [ 10 ] [ 11 ] [ 12 ] [ 15 ]
一部の開発者は、この慣行を公に提唱している。1年間で500億トークンを使用したと語る開発者のシグリッド・ジン氏 は、トークンの消費を最大化することがAIの価値を理解する最良の方法であると主張し、投資収益を得るために家賃と同じくらいの金額をAIの使用に費やすよう他の人に助言している。[ 16 ]
AI の健康と安全に関するあらゆるアプリケーションが採用されるためには、管理者と従業員の両方の受け入れが必要です。[ 17 ] 例えば、従業員の受け入れは、情報プライバシーに関する懸念[18]や、不十分な透明性やトレーニングから生じる可能性のある新しいテクノロジーに対する信頼と受容の欠如によって低下する可能性があります。 [ 19 ] : 26–28、43–45あるいは、管理者は、AI ベースのシステムを導入する際に、従業員の安全と健康の向上よりも経済生産性の 向上を重視する可能性があります。 [ 20 ]
AIは、労働者をリスクを伴う状況から遠ざけることができる作業範囲を拡大する可能性がある。[ 21 ] ある意味で、従来の自動化は労働者の身体機能をロボットに置き換えることができるが、AIは実質的に労働者の脳機能をコンピュータに置き換える。回避できる危険には、ストレス、過労、筋骨格系の損傷、退屈などがある。[ 22 ]： 5-7
これにより、影響を受ける職種の範囲が、医療、金融、情報技術などのホワイトカラーやサービス業にまで拡大する可能性がある。 [ 23 ]
機械学習は、従業員の行動を予測して、採用や業績評価などの経営上の意思決定を支援するために、人材分析に使用されます。これらは、従業員の健康を改善するためにも使用できます。分析は、オンライン活動、通信の監視、位置追跡、ビデオインタビューの音声分析やボディランゲージ分析などの入力に基づいている場合があります。たとえば、感情分析を使用して疲労を検出し、過労を防ぐことができます。[ 22 ]： 3-7意思決定支援システムは、たとえば産業災害を防止したり、災害対応をより効率的にしたりするために使用できる同様の能力を持っています。[ 24 ]
手作業による資材運搬作業者の場合、予測分析と人工知能を使用して筋骨格系の損傷を軽減できる可能性があります。従来のガイドラインは統計的平均に基づいており、人体計測的に典型的な人間を対象としています。ウェアラブルセンサーからの大量のデータの分析により、人間工学的リスクと疲労管理のリアルタイムで個別化された計算、および特定の職務に関連するリスクのより良い分析が可能になります。[ 18 ]
ウェアラブルセンサーは、定期的なエリアテストや呼吸ゾーンテストよりも、有害物質への曝露に対する早期介入を可能にする可能性もある。さらに、生成される大規模なデータセットは、職場の健康監視、リスク評価、および研究を改善する可能性がある。[ 24 ]
AIは、職場の安全衛生ワークフローをより効率的にするためにも使用されています。一例として、散文形式で提出され、標準化されたコードを手動で割り当てる必要がある労災補償請求のコーディングがあります。このタスクをより速く、より安価に、より少ないエラーで実行するために、AIが研究されています。[ 25 ] [ 26 ]
AIには、特定の危険性を生じさせる可能性のあるいくつかの広範な側面がある。リスクは、AIの存在そのものよりも、その実装方法に依存する。[ 22 ]： 2-3
機械学習などのサブシンボリックAIを使用するシステムは、予測不可能な動作をしたり、意思決定の理解が困難になったりする傾向があります。これは、AIのトレーニングデータセットに含まれていない状況に遭遇した場合に特に顕著であり、構造化されていない環境では悪化します。望ましくない動作は、システムの認識（ソフトウェア内部またはセンサーの劣化によるもの）、知識表現と推論の欠陥、またはソフトウェアのバグからも発生する可能性があります。[ 19 ] : 14-18 また、ユーザーが要件の異なる2つの問題に同じアルゴリズムを適用するなど、不適切なトレーニングからも発生する可能性があります。[ 22 ] : 12-13 設計段階で適用される機械学習は、実行時に適用される機械学習とは異なる影響を及ぼす可能性があります。シンボリックAIを使用するシステムは、予測不可能な動作を起こしにくい傾向があります。[ 19 ] : 14-18
AI の使用は、AI を使用しないプラットフォームと比較してサイバーセキュリティのリスクを高めます[ 19 ] : 17また、収集されたデータに関する情報プライバシーの懸念は、労働者にとって危険となる可能性があります[ 18 ] 。
心理社会的ハザードとは、物理的な物質や物体から生じるのではなく、仕事の設計、組織、管理方法、あるいはその経済的および社会的文脈から生じるものです。これらは、職業性燃え尽き症候群、不安障害、うつ病などの精神医学的および心理的結果を引き起こすだけでなく、心血管疾患や筋骨格系の損傷などの身体的な傷害や病気を引き起こすこともあります。[ 27 ] AIのハザードの多くは、さまざまな組織的要因間の複雑性や相互作用の増加という点で、仕事の組織に変化をもたらす可能性があるため、心理社会的な性質を持っています。しかし、心理社会的リスクは、高度な製造システムの設計者によって見過ごされることがよくあります。[ 20 ]
エイノラとホレヴァは、さまざまな組織グループがAI技術をどのように認識し、相互作用するかを探求しています。[ 28 ]彼らの研究は、AIの統合の成功は人間の主体性と文脈的理解に依存することを示しています。彼らは盲目的な技術楽観主義に警鐘を鳴らし、AIの使用を特定の職場のエコシステムに合わせて調整することの重要性を強調しています。この視点は、包括的な設計と透明性のある実装戦略の必要性を改めて強調しています。[ 29 ]
職場におけるAIツールの使用は、AIツールによる人間の知能の拡張を強調するために、「拡張知能」と定義する方がより正確かもしれません。これにより、さまざまな状況で人間の能力とAIの能力のどちらを優先すべきかという文脈的な選択が行われる際に、人間とAIの行動の特定の組み合わせが決定的に重要になります。[ 30 ]状況によっては、AIツールへの過度の依存が一部の職業のスキル低下につながる可能性があります。[ 24 ]
AIが従来の同僚との協力やメンターシップの代替となると、対人スキル開発やチームベースの学習の機会が減少するリスクがある。[ 31 ]
監視の強化はマイクロマネジメントにつながり、ひいてはストレスや不安を引き起こす可能性がある。[ 32 ]監視され ているという認識もストレスにつながる可能性がある。これらへの対策としては、労働者グループとの協議、広範なテスト、導入されたバイアスへの注意などが挙げられる。 ウェアラブルセンサー、活動量計、拡張現実も、組立ライン労働者とギグワーカーの両方にとって、マイクロマネジメントによるストレスにつながる可能性がある。ギグワーカーは、正規労働者のような法的保護や権利も欠いている。[ 22 ]： 2-10
ニューウェルとマラベリは、AIは権力構造と従業員の自律性を変化させるため、その社会的および組織的影響についてより繊細な理解が必要であると主張している。[ 33 ]
また、人々がロボットのペースに合わせて働くことを強いられたり、非標準的な時間帯にロボットの稼働状況を監視したりするリスクもある。[ 22 ]： 5-7
2025年のプレプリント論文は、AIチャットボットMicrosoft Copilotとのユーザーのやり取りに基づいて、著者がAIの機能と高い重複があると主張する40の仕事を特定した。[ 34 ]一部のメディアはこの論文を利用して、仕事が時代遅れになるという報道を行った。この論文に対する批判は、AIの現在のパフォーマンスを増強するために、典型的な職場活動を誤って表現しているという指摘である。歴史家のクリス・キャンベルは、「この報告書の方法は、意図的であるか否かにかかわらず、高度で人間的な分析スキルを必要とする仕事から、知識の保持と提供のみを任務とする仕事へと歴史家のスキルを低下させている。この欠陥のある基準の下では、歴史家が高いAI適用性スコアを持っていることは不思議ではない」と主張した。[ 35 ]
過去の決定に基づいて訓練されたアルゴリズムは、例えば過去の差別的な採用や解雇慣行など、望ましくない人間の偏見を模倣する可能性がある。 経営陣と従業員間の情報非対称性は、従業員が意思決定の根拠となるデータやアルゴリズムにアクセスできない場合、ストレスにつながる可能性がある。[ 22 ]： 3-5
意図せず差別的な特徴を持つモデルを構築することに加えて、相関変数を介して密かに差別をもたらすような指標を設計することによって、意図的な差別が発生する可能性がある。[ 22 ]： 12-13
複雑な人間と機械の相互作用において、事故分析のアプローチの中には、個々の人間のオペレーターに責任を押し付けることで、技術システムとその開発者を保護するように偏っているものがあるかもしれない。[ 24 ]
AIを搭載したロボット、特に協働ロボット（コボット）からは、人間とロボットの衝突という形で物理的な危険が生じる可能性があります。コボットは人間と近接して動作するように設計されているため[ 36 ] 、従来の産業用ロボットで広く用いられているフェンスやその他の障壁を用いてロボットを隔離するという一般的な危険制御は不可能です。 自動搬送車はコボットの一種であり、2019年現在、倉庫や工場でフォークリフトやパレットジャッキとして広く使用されています[ 19 ]： 5、29-30 。コボットの場合、センサーの誤動作や予期せぬ作業環境条件によってロボットの挙動が 予測不能になり、結果として人間とロボットの衝突につながる可能性があります[ 22 ]： 5-7
自動運転車は、AI搭載ロボットのもう一つの例です。さらに、制御インターフェースの人間工学や人間と機械の相互作用は、危険を引き起こす可能性があります。[ 20 ]
AIは、他の計算技術と同様に、ソフトウェアの侵害や侵入を防ぐためのサイバーセキュリティ対策[ 19 ] : 17と情報プライバシー対策[ 18 ]を必要とします。 データ使用に関する従業員とのコミュニケーションと透明性は、セキュリティとプライバシーの問題から生じる心理社会的ハザードを制御する手段となります[ 18 ] 。雇用主がスポンサーとなる従業員監視プログラムの提案されているベストプラクティスには、検証済みのセンサー技術のみを使用すること、従業員の自発的な参加を確保すること、職場外でのデータ収集を中止すること、すべてのデータ使用を開示すること、安全なデータストレージを確保することなどが含まれます[ 24 ] 。
AI対応センサーを搭載した産業用協働ロボットについて、国際標準化機構（ISO）は、(a)安全関連の監視付き停止制御、(b)協働ロボットの手動誘導、(c)速度および分離監視制御、(d)電力および力の制限を推奨している。ネットワーク接続されたAI対応協働ロボットは、互いに安全性の向上策を共有できる可能性がある。[ 24 ]人間の監視は、AIに対するもう一つの一般的な危険制御策である。[ 22 ] : 12–13
AI から生じるアプリケーションとハザードの両方は、労働安全衛生リスク管理の既存のフレームワークの一部として考えることができます。すべてのハザードと同様に、リスクの特定は設計段階で行うのが最も効果的でコストも最小限に抑えられます。[ 20 ]
職場の健康監視、つまり労働者の健康データの収集と分析は、労働データが集計された形で報告されることが多く、異なる種類の仕事の内訳が提供されず、仕事のスキル内容ではなく賃金や雇用率などの経済データに重点が置かれているため、AI にとって困難です。スキル内容の代理指標には、教育要件や、定型的か非定型的か、認知的か肉体的かといった分類が含まれます。しかし、これらは、AI から明確な影響を受ける特定の職業を区別するにはまだ十分具体的ではない可能性があります。米国労働省の職業情報ネットワークは、スキルの詳細な分類体系を持つデータベースの一例です。さらに、データは多くの場合、国レベルで報告されますが、特に都市部と農村部では地理的なばらつきが大きくなります。[ 23 ]
職場におけるAIシステムは、プライバシー、公平性、人間の尊厳、透明性に関する倫理的な懸念を引き起こします。OECDによると、これらのリスクは、強固なガバナンスフレームワークと説明責任メカニズムを通じて対処する必要があります。AIの倫理的な導入には、データ使用、アルゴリズムの説明可能性、差別や監視に対する保護措置に関する明確なポリシーが必要です。[ 37 ]
2019年現在ISOは、職場におけるマネージャー向けの企業指標を表示する情報ディスプレイであるメトリクスとダッシュボードの使用に関する標準を開発していました。この標準には、データの収集と、それを見やすく有用な方法で表示するためのガイドラインが含まれる予定です。[ 22 ] : 11 [ 38 ] [ 39 ]
欧州連合では、一般データ保護規則（GDPR）は消費者データを対象としていますが、職場におけるデータ収集にも適用されます。労働者を含むデータ主体は、「自動処理のみに基づく決定の対象とならない権利」を有します。その他の関連するEU指令には、機械指令（2006/42/EC）、無線機器指令（2014/53/EU）、および一般製品安全指令（2001/95/EC）があります。[ 22 ]： 10、12～13