日本企業の構造調整と雇用形態の決定要因：企業特性、オフショアリングと産業ロボット

変わりゆく日本的雇用

――どのような問題意識から研究を始めたのですか。

権：働き方改革と技術革新が進んでいる現在において、どのような新しいシステムや雇用形態が必要とされているかを探る目的がありました。

本研究では、2001年から2014年にかけて日本の製造業者が雇用する労働者の種類ごとの詳細なデータを含む事業所レベルのデータセットを使用しています。日本全体の非正規労働者人口は増えていますが、実は製造業に関しては目立った増加がありません。サービス業については非正規雇用者の増加が顕著ですので、サービス業を分析していくことで新たな発見が得られると期待しているものの、今の段階では分析に利用できるデータが少なく、今後の研究課題となりました。

羽田：共同研究者のDestefano氏は研究当時OECD所属でしたが、OECDも以前よりこのテーマには非常に関心を寄せており、米国、欧州、中国、日本の雇用調整を比較したいという考えがありました。他国と違って、大規模解雇やレイオフのようなシステムがない日本についてはどのような特徴があるのか見たいということで、正規雇用者と非正規雇用者の比率などに関する分析を行いました。

――雇用の構造変化や分析対象について、国内外の先行研究との違いを教えてください。

権：注目を集めているテーマですので多くの先行研究がありますが、まだ研究が始まったばかりでもあります。産業用ロボットの効果などについての検証は十分でなく、「ロボットは生産性を上げる」という結論も出ていません。今後研究が進む分野だと思います。

本研究では生産性を専門とする私の立場から、まず最近の潮流である国際化が雇用を破壊するのではないかと予測しました。また技術革新により各企業の生産性の側面でも雇用に影響が出ていることも考えられました。いずれの場合も企業内の個別の理由というよりも、外生的な理由によって各産業の雇用に影響が出ているはずです。労働経済学分野で行っているような企業ごとの細かい雇用調整データを扱うのではなく、そうした大きな観点から分析を行っていました。

生産性以外にも、ロボットやオフショアリングという指標は産業ごとのデータがありますので、産業ごとに見ていくことで雇用形態の調整や新しい技術の導入といった意思決定をする企業の姿とはどういうものかを推察しました。

先行研究の多くはOECDを含めて国、産業レベルのマクロな視点が主流ですが、今後は企業レベルでさらに細かいアンケート調査などしていければよいと考えています。本研究で扱ったデータは小分類、事業所レベルのものなので、他国ではまだ明らかになっていない部分を示すことができたと思います。

羽田：OECDでも各国の比較をしている段階ですが、産業レベルでの経済ショックが雇用に与える影響の分析にとどまっています。企業・事業所レベルのデータを使用して影響分析を行い切れていないのが現状です。

権：オフショアリングについては過去すでに論文が多くあったのですが、ロボット等の技術革新と絡めて同時に研究された例は本研究が初めてだと思います。企業の雇用調整を推計するにあたり、レイオフでの解雇ができない日本では、正規雇用と非正規雇用の比率の変化を利用し、そこから読み取れるのではと予想しました。

実際にデータを見るとその予想どおりで、急速に調整するのではなく、徐々に調整していく動きが確認できました。

――同じ産業内で正規・非正規雇用の比率に大きく差があるのはなぜでしょうか。

権：データが示すとおり、明確に二極化が見られます。機械・自動車などの日本の重要な産業では非正規雇用が少ない、または増加率が低い状況です。いずれも技術の標準化、共有が進んでおらず、暗黙知が重要な意味を持つような業種です。企業の利益に直結するものとして個人のスキルに価値を置き、長期雇用により社員を育成していくことが企業の維持成長に欠かせません。ただし今後も雇用が安定するとは言い切れません。技術革新がさらに進むことで、どうなるかは未知数です。年功序列のような現在の雇用システムを維持するのは難しくなるでしょう。

対して食品や繊維などでは、生産ライン、ノウハウ共有が容易で、すでに自動化されている工程も多くあります。非正規雇用や派遣の人員、外国人労働者でもすぐに同じアウトプットを出せることが特徴です。こうした業種はグローバル化や低コスト化の競争が雇用調整を加速させています。

製造業における雇用の変化を追う

――研究手法、ポイントをお聞かせください。

羽田：DP（ディスカッション・ペーパー）のTable3以降、多くの推計で用いられる、比較的シンプルな方法で大きく分けて2種類の実証分析を行っています。1つは、正規雇用・非正規雇用数のバランスと、各雇用形態での従業員数の2種類のデータをメインに使用しました。そこから企業の生産性や、一般的な労働需要関数を考慮して分析を行っていました。さらに産業レベルでのオフショア、産業ロボットなどの外的要因が雇用に与える影響も観察しました。

もう1つのアプローチとして、日本企業で雇用者が前年比10％の大規模な動きがあったかどうかも確認したところ、かなり該当する事業所がありました。こちらもOLS推計をしています。また、データは2001年から2014年のものを使用し、パネル化しています。

ロボット導入とオフショアリングの影響

――研究の代表的な結果はどのようなものでしたか。

権：まずオフショア、ロボットストックが雇用者数に与える影響についてですが、当初の予想ではロボットを多く導入するほど雇用者は減ると想定していました。しかし意外にもロボットを多く導入している産業に属する事業所や企業のほうが正規労働者を増やしていることが確認できました。誰でもできる仕事はロボットに任せ、技術の管理を含め複雑性を持つ仕事をするための正規雇用者の需要が増えたと解釈できます。正規労働者はより上位の複雑な仕事にシフトした可能性もあり、全要素生産性が向上、つまりポジティブな結果につながったといえます。

またオフショアリングについては、グローバル競争の圧力のかかる産業に属している事業所ほど非正規雇用を増やしているという傾向がありました。

続いて雇用を対前年比10％以上減らした企業からの考察ですが、まず生産性が高く競争力のある事業所は雇用を減らしません。そうでない事業所は、生産性を高めなければ雇用を維持できないということが明確になりました。大きな雇用調整をした事業所は、生産性が十分高まっていないといえます。またオフショアリングについては、グローバル競争の圧力のかかる企業ほど非正規雇用を増やしているという傾向がありました。

なお使用したデータが産業レベルなので「ロボット使用度の高い産業に属する事業所はどうか」という観測にとどまります。オフショアリングが活発な産業に属する事業所はレイオフ確率が減るようです。グローバル化の影響は通常急激には出ず、徐々に構成を変えていくのですが、今後急激にカットする可能性は残ります。ロボットを多く使用する産業の事業所は正規を増やす可能性は低く、非正規は増えます。

ロボットに関してはベースラインの結果と整合性がありますが、オフショアリングについては現時点では予想と違う結果が出ています。

――パート労働者と派遣労働者をどう区別しているのでしょうか。

権：2007年に製造業への派遣期間が原則1年、最長3年に延長されていますが、これを原因とした大幅な増加はありません。派遣の割合は、各企業の組合の影響力の強弱によっても異なるところです。派遣労働者は派遣会社に登録されていること自体がスキルの証明になるため、非正規で雇う人よりもスキルがある、もしくはあると見なされるとことが予想できます。

ロボット導入によって派遣雇用者数は有意に変動することはありませんでした。一方でパートタイマーは減っており、よりロボットに取って代わられやすい傾向にあることが分かります。

――生産性の高い事業所が非正規雇用者を多く雇用し、雇用調整も多い。その要因は何でしょうか。

権：これは為替が要因です。日本の中小企業に比べて、大企業、大手のほうが景気の変動の影響を受けやすく非正規を増やしています。国際競争力を高めるために、2008年の金融危機にも入っているのでダイレクトに影響が出たのではと見ています。非正規を増やしてコスト減を図るという戦略です。生産性の高い企業がレイオフしたように見えるのはそういった背景によるものです。

――企業は今後、正規雇用者を増やす見込みがありますか。

権：社内に技術力を蓄積している、独自の技術を持つ企業は正規雇用者を増やすでしょう。一方で、そうでない企業において正規雇用者を増やすことは困難だと考えます。ただロボットやAIに代替されるなど、技術革新が破壊する業務もありますが、新しい技術を使いこなすための仕事も発生します。標準化しにくいスキルが今後さらに重要視され、企業として守っていくことが今後の雇用の安定にもつながるといえます。

人材への投資が鍵となる

――どのような政策的インプリケーションがありますか。

権：日本が強みを持つ産業・企業は、日本の正規雇用システムを維持できています。全産業を同じように守ることはできないので、平均的な対応ではなく産業や仕事に応じて資源配分が必要になりますが、その判断をするための指標ができたと思います。また働き方改革とも関連して、単純に非正規を増やすのではなく、スキルのある人を守る制度と新しいインセンティブシステムを分けて議論していきたいです。

羽田：社内教育の話ですが、配置転換、非正規から正規雇用への移行を目指すときのトレーニングについて支援すると、良い流れができるのではないでしょうか。ロボットに代替されにくい人材を育てる社会を目指すのが理想です。

――正規雇用は今後、減るのでしょうか。

権：ロボットとの競争に負けてしまう人は必ず出てきます。非正規雇用が増加し、格差も発生するでしょう。先行研究でも強調してきたことですが、新しい技術に代替されにくいスキルを持たない人はやはりそうなります。また正規雇用の立場であってもスキルが低ければ代替されてしまいます。さらにグローバルに目を向けると、米中の貿易摩擦の影響で貿易費用がかさんで国内生産が求められる場合、先進国内での非正規が増え、結果として途上国が苦しむことになります。

容易な対策として非正規を増やしては、社会的には停滞のおそれがあります。学校教育の在り方とも連携しつつ、正規に転換する機会を作っていく必要があります。

日本の労働者全体に目を向けると、やはり減少の傾向にあります。人口自体が減少しているので、当然の流れといえます。生産力を向上させるためには、人口が多く競争が激しかった時代とは別のアプローチが必要です。ロボット、AIに代替されない人材を育てる必要があります。

日本の教育は今、私的負担が多いです。企業もなかなか時間とお金をかけられてはいませんから、政府が日本の中小企業や人材に対する教育、福祉の予算を重視することが大事です。現在は企業をまるで福祉事業のように救済するような施策、制度が目立ちますが、施設、企業ではなく人に対しての投資をすることが重要と考えます。

――今後の展望をお聞かせください。

権：今後サービス業についても研究を行う予定です。製造業よりも急激な変化が観測できるものと見込んでいます。オズボーンらによっても指摘されているマッサージやセラピスト、介護、ケア業務はロボットに代替されにくい分野ではありますが、対個人サービスの雇用規模は少ないので、全体的に見て運輸業への影響がサービス業全体への影響として現れてくると思われます。

また、外の与件との因果関係の実証は今後考えていきたい点です。今後も日本の雇用システムを維持できるか否か、また人材育成は重要な政策課題です。若者の早期離職など企業教育の不足の解決策も求めての分析が必要だと思います。雇用の安定と生産性向上に向けた政策提言も視野に入れて労働経済学者と組んで研究してみたい分野です。

長期的には、日本の教育が生産性、雇用に与える効果も観察していきたいと思います。

羽田：輸入が雇用に与える影響について、都道府県、市区町村レベルで公表データを用いて分析を進める予定です。都道府県別の輸入を考慮した先行研究はまだ少ない状況です。また、今回は雇用者の人数で分析を行いましたが、ギグワーク、労働分配率に関する研究に発展させたいとも考えています。貿易との兼ね合いなど、日本の労働分配率の低下が何によってもたらされているのか因果関係を見ていきます。

注：図1は2001年と2014年における正規雇用者数に対する派遣労働者数の割合を示しており、色が濃くなるほどシェアが高くなることを意味している。

資料：工業統計調査の数値を使用して筆者作成