エコノミックインサイト

MRIエコノミックレビュー人材日本

AIロボティクス活用を地域の労働力不足克服の突破口に

技術活用を起点に拓く地域経済の未来(前編)

タグから探す

2026年01月13日

政策・経済センター森重彰浩

堂本健太

田中康就

人材
日本経済の構造的課題は、需要不足から供給不足へと重心が移りつつある。背景にあるのは労働力不足であり、とりわけ地方ではその深刻さが際立つ。2040年には地方の労働不足率は最大で30%にも達することが見込まれ、その負の影響がますます顕著になっていく可能性が高い。こうした構造的な人手不足に対する打開策として期待されるのが、AIエージェントやAIロボティクスの活用だ。今回のコラムでは、前後編にわたって、地域経済の課題解決策としての技術活用の可能性について多面的に検証していく。前編では、当社独自の地域労働需給モデルを用いて地域経済の構造的課題を整理した上で、技術活用の可能性と実装に向けた課題を明らかにする。

地域経済の課題は需要不足ではなく供給不足

日本経済は需要不足から供給不足に潮目が変化しつつある。供給不足の主因は労働力不足だ。日本銀行が推計する労働需給ギャップによると、2010年代後半以降、コロナ禍の期間を除いて労働力不足の状態にある(図表1)。
図表1 労働需給ギャップ
労働需給ギャップ
注:2025年は1-6月時点。

出所:日本銀行「需給ギャップと潜在成長率」を基に三菱総合研究所作成
当社ではこうした労働力不足の実態把握について解像度を上げる観点から、地域別×職種別の有効求人数と有効求職者数のデータに基づき、経済圏別の労働需給を推計した※1。これによると、(有効求人数-有効求職者数)/就業者数で計算される労働不足率は、総じて地方ほど高い傾向にあるほか、地方の中でも不足感にばらつきが大きいことが見てとれる(図表2)。日本海沿岸地域や九州や四国の一部では労働不足率が2%を超える一方、北海道や東北、中部などでは地方でも労働不足率が比較的低い水準にある。
図表2 経済圏別の労働不足率(2024年度、MRI推計)
経済圏別の労働不足率(2024年度、MRI推計)
注:都道府県別の労働局が公表する職業別の有効求職者数、有効求人数の2024年度のデータを集計。

出所:総務省「経済センサス」、「就業構造基本調査」、国立社会保障・人口問題研究所「日本の地域別将来推計人口(令和5年推計)」、各都道府県労働局「求人・求職状況」を基に三菱総合研究所作成

地方の労働不足率は2040年に平均20%近くへ、深刻地域で30%にも

地方の労働力不足は中長期的に一段と深刻化する可能性が高い。政令市・中核市を含まない地方の経済圏では、当社の推計では、2040年にかけて労働不足率は成り行きで20%近くまで上昇すると見られる(図表3)。
図表3 地方の経済圏における労働不足率の予測(MRI推計)
地方の経済圏における労働不足率の予測(MRI推計)
注:シャドーは地方の経済圏(120経済圏)の中での労働不足率のばらつきを示す。下限は不足率が3番目に小さい経済圏、上限は不足率が3番目に大きい経済圏を表す。

出所:総務省「経済センサス」、「就業構造基本調査」、国立社会保障・人口問題研究所「日本の地域別将来推計人口(令和5年推計)」、各都道府県労働局「求人・求職状況」を基に三菱総合研究所作成
なお、成り行きの労働需給について推計方法の詳細は後編巻末の補足解説に記載しているが、概要は以下の通りである。労働供給側は国立社会保障・人口問題研究所(社人研)の地域別将来人口推計(令和5年推計)で公表されている市町村別の20-64歳人口の変化をもとに、労働参加率が現状から不変と仮定して推計した。また、労働需要側は、市町村別の総人口の変化(社人研予測)と都道府県別の1人当たり実質GDPの伸び(三菱総合研究所(MRI)推計)、都道府県別の労働生産性の伸び(MRI推計)を用いて将来の労働需要を推計した。

また、労働の需要と供給は、本来はいずれか少ない方に調整され一致するはずのものであるが、ここでは労働需要について、上記の推計方法を用いて潜在的な労働需要を推計している。つまり、このコラムでの労働需給とは、潜在的な労働需要と供給との差を計測したものである。

これを見ると、将来の労働需給は2040年にかけて、地方経済圏の中でも地域により大きな差が出る。労働不足率が低い地域は2040年時点でも10%程度にとどまる一方、高い地域では30%程度に達する。労働不足率が高い経済圏では、主な働き手となる20-64歳人口は2040年にかけておおむね半減するのに対し、65歳以上人口の減少幅は相対的に小さく、15%程度の減少となる見通しである。健康的な高齢者は年々増加しており、65歳以上でも働き手となる高齢者は今後さらに増加するが、それでも限界はあり、労働力不足が深刻なものとなる可能性が高い。

労働力不足は地方の物価上昇の一因。都市と地方の物価差は縮小へ

地方での労働力不足の深刻化は、物価上昇の一因にもなっている。2010年代半ばまでは東京や大阪など都市の物価水準が相対的に高く、地方ほど物価水準が低い傾向にあったが、状況は大きく変化している(図表4)。

総務省「小売物価統計調査」によると、全国平均を100とした場合の地域別の物価水準指数(2024年)は、関東が101.6と相対的に高いことには変わりはないが、北海道はそれを上回る101.9、沖縄も100.2となっている。物価水準自体は近年上昇しているが、この指数は全国平均の物価水準を100として相対化した指数であり、物価が上昇する中でも都市と地方の物価差は縮小傾向にあることを示している。この背景には、物価上昇率が高まっているエネルギーや食料品の消費ウエートが地方ほど高い影響もあるが、インバウンド需要が盛んな北海道や沖縄を中心に、労働力の不足が物価上昇の一因となっている面もある。
図表4 消費者物価の地域差指数
消費者物価の地域差指数
出所:総務省「小売物価統計調査(構造編)」を基に三菱総合研究所作成

物価上昇に対し所得が伸びにくい地方の構造的要因

地方の物価上昇に対して所得も上昇していれば実質的な生活水準は維持できるが、都市と地方の所得格差はむしろ拡大している(図表5)。物価上昇に対して所得が伸びにくい構造的要因が地方にはある。
図表5 納税義務者数1人当たり課税対象所得
納税義務者数1人当たり課税対象所得
注:課税対象所得額には勤労所得、年金所得のほか、土地の売却収入、金融所得等も含む。

出所:総務省「市町村税課税状況等の調」を基に三菱総合研究所作成
第1に、地方は高齢化率が相対的に高いことなどから、所得に占める年金の割合が高い。政令市や中核市を含まない地方の経済圏では、全所得者(勤労所得者+年金所得者)に占める年金所得者の割合は4割弱に達している(図表6)。政令市を中心とする経済圏の同比率は3割程度である。年金所得者の1人当たり所得水準は勤労所得者に比べて低いことから、年金所得者比率の上昇は平均所得を引き下げる要因となる。また、年金支給額は物価上昇率などに応じて改定されるが、その際に参照される物価上昇率は全国平均である。そのため、地方の物価上昇率が全国平均を上回る状況では、地方の実質的な(地域別の物価上昇分を差し引いた)年金所得の伸びは相対的に抑制される。
図表6 地方経済圏の所得構造(2023年、政令市・中核市以外の地方経済圏)
地方経済圏の所得構造(2023年、政令市・中核市以外の地方経済圏)
出所:総務省「経済センサス」、「就業構造基本調査」、厚生労働省「市区町村別年金給付状況」などを基に三菱総合研究所作成
第2に、人口減や高齢化が深刻な地方では、高い賃金を提示しても人手が確保できず倒産や廃業に至るケースが増加している。東京商工リサーチ※2によると、2024年度の地域別の倒産件数は、都市よりも地方の伸びが高くなっており、求人難や従業員退職、人件費高騰などに起因する「人手不足」倒産の増加が背景にある。労働力確保のために一段と高い賃金を提示する選択肢もあるが、それに見合う販売価格の引き上げが地方では難しいケースも多い。地方では賃金と物価の好循環がままならない状況にある。

労働力不足克服の突破口として期待されるAIロボティクス

今後ますます深刻化が予想される地方の労働力不足について、緩和の方向性として外国人労働者の活用は選択肢の1つである。しかし、外国人労働者にとっては賃金水準を考えると、地方よりも都市、日本よりもほかの先進国の方が魅力的であり、日本の地方で外国人労働者を十分に確保できるとは限らない。また、外国人の大幅な受け入れ拡大には、長期的な視野に立って多文化共生に向けた社会システムの見直しを進めていく必要がある。

これに加え、AIエージェントやAIロボティクスなど、人間の仕事を代替しうる技術の活用は有望な選択肢である。AIエージェントとは、人からの指示を必要な作業へ自律的に分解して実行し、複雑な問題を柔軟かつ賢く解決できるAIである。ビジネスでは、カスタマーサービスや営業、社内の経費精算・各種事務手続きなどの円滑な遂行を支援する※3。また、AIロボティクスとは、高度なAIを搭載したロボット技術を指す言葉であり、AIとロボットが組み合わさることで、生産やサービスなどフィジカルな要素が必要になるタスクでも、人間の代わりに自律的に遂行することが可能となる。

当社では、今後実装が進むと見られるAIエージェントやAIロボティクスについて、技術活用による労働力不足緩和効果の推計を行った※4。具体的には、現在人間が行っているタスクをAIやロボットが遂行した場合に、アウトプットの品質を落とさずに所要時間を半分以下に減らすことが可能かを判定した。米国の職業情報データベースO*NET が定義する2,000強の詳細ワークアクティビティ(Detailed Work Activities: DWA)を分析対象のタスクとし、米国の職業分類と日本の職業分類を紐づけることで、日本の職業別タスクの労働代替効果を推計した。

分析結果を図表7に示す。AIエージェントの労働代替効果は事務職や販売職に集中しており、サービス職や生産職などでの労働代替効果は限定的となっている(図表7左)。一方で、高度な知的判断の可能なAIを搭載したロボットが登場し、介護領域で身体介助などを担えるようになると、技術による労働代替の範囲は広がる。サービス職や生産職などフィジカルな職種でも一定程度、労働力不足緩和が進むと期待できる(図表7右)。
図表7 技術活用によって労働代替効果が見込まれるタスクの比率(MRI推計)
技術活用によって労働代替効果が見込まれるタスクの比率(MRI推計)
注:「労働代替」は「AIエージェントまたはAIロボティクスの活用によって、アウトプットの品質を落とさずに所要時間を半分以下にできる」と定義。法律的・倫理的観点などからAIエージェントまたはAIロボティクスが行うべきではないタスクは判定対象外としている。なお、判定はOpenAI社のGPT-4oを用いて実施した。

出所:米国O*NETデータ、総務省「国勢調査」、「労働力調査」などを基に三菱総合研究所作成

技術活用による労働力不足解消へ、残る2つの死角

技術活用が進まなかった場合の成り行きでの労働力不足に、図表7の労働代替効果を当てはめた結果が図表8左である。日本全体では、AIエージェントとAIロボティクスの技術活用により、2035年頃に労働力不足は計算上ほぼ解消されることになる。
図表8 技術活用による労働力不足緩和効果(MRI推計)
技術活用による労働力不足緩和効果(MRI推計)
出所:総務省「経済センサス」、「就業構造基本調査」、国立社会保障・人口問題研究所「日本の地域別将来推計人口(令和5年推計)」、各都道府県労働局「求人・求職状況」を基に三菱総合研究所作成
ただし、労働力不足が現実的に解消されるかを検証する上では、次の2つの視点も欠かせない。第1に、職種間の労働需給ミスマッチである。労働需給の先行きを職種別に見ると、不足が残る生産職やサービス職、労働余剰に転じる事務職や専門・技術職などに分かれる。これは前述のように、社会実装が先行するAIエージェントによる労働代替効果が、事務職などを中心に現れることが背景にある。

第2に、技術実装スピードの地域差である。地方では、人材や資金制約、費用対効果の問題から、都市に比べて技術の実装が遅れることが予想される。それを踏まえて、上記推計では技術の普及曲線を次のように仮定した(図表8右)。政令市では、AIエージェントは足元から2030年代後半にかけて普及、AIロボティクスは2030年代前半から普及が始まり、2040年時点では50%程度の普及率を想定した。また、その他経済圏(政令市や中核市を含まない経済圏)の普及率は、DX(デジタルトランスフォーメーション)に関する地域別の普及率調査※5などを参考に、政令市の70%とした。結果として、労働力不足の解消には地域差が生じ、地方の労働力不足の解消は都市に比べて遅れることになる。

このように技術活用は労働力不足克服の突破口となりうるが、後編の結論を先取りすると、労働代替効果は都市への影響が大きく、地方の労働力不足は技術活用のみでは解消しない。後編では、地方の労働力不足解消に向けて、技術活用と合わせて進めていくべき取り組みについて考えていきたい。

※1:経済圏は隣り合う複数の市区町村を統合して設定しており、全国物価統計調査の県内のブロックに準拠。推計方法は後編巻末の補足解説を参照。

※2:東京商工リサーチ「全国企業倒産状況 2024年(令和6年)の全国企業倒産1万6件」
https://www.tsr-net.co.jp/news/status/detail/1200857_1610.html(閲覧日:2025年9月3日)

※3:時代は生成AIからAIエージェントへ(MRIオピニオン 2024年12月号)

※4:OpenAI 社とペンシルバニア大学が共同執筆した論文(Eloundou, Manning, Mishkin and Rock (2023),“GPTs are GPTs: An Early Look at the Labor Market Impact Potential of LLMs”)の方法論を踏襲した。

※5:株式会社情報通信総合研究所「デジタル・トランスフォーメーションによる経済へのインパクトに関する調査研究の請負 報告書」P44 
https://www.soumu.go.jp/johotsusintokei/linkdata/r03_02_houkoku.pdf(閲覧日:2025年9月10日)