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ロボティクスで地方の労働力不足を克服する3つの処方箋

技術活用を起点に拓く地域経済の未来(後編)

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
労働力不足が深刻化する地域経済では、前編で述べたようにAIエージェントやAIロボティクスによる労働代替が1つの解決策となりうる。ただし、これらの技術による労働代替効果は職種によって違いがあり、これが地域別の労働需給に影響を及ぼす。後編ではこの点を踏まえ、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るべき取り組みを考察したい。カギとなるのは「技術活用の加速」「職種ミスマッチ解消」「都市人材の活用」である。

職種別の労働代替効果の違いが生みだす地域間の労働需給ミスマッチ

前編コラムの図表7で示したように、AIエージェントやAIロボティクス活用による労働代替効果は職種ごとに異なる。都市と地方で域内従業者の職種構成が異なることから、技術活用による労働需給への影響は地域別に差が生じていくこととなろう。

そこで、①政令市を中心とする経済圏(東京23区を含む)、②中核市を中心とする経済圏、③その他の経済圏に分けて、技術活用後の2040年の労働需給を推計したところ、①では事務職を中心に労働力余剰が生じる一方で、②はほぼ需給均衡、③は不足超過が継続する姿となった(図表1)。この地域別分析から得られる示唆としては、地方(③)の労働力不足は、技術活用を進めたとしても残る一方で、都市(①)では労働余剰が生じる可能性がある、という点が挙げられる。
図表1 技術活用を踏まえた都市・地方別の労働需給率の見通し(MRI推計)
技術活用を踏まえた都市・地方別の労働需給率の見通し(MRI推計)
注:( )内は集計対象とした経済圏の数を示す。政令市を中心とする経済圏は東京23区を含む。単一経済圏に政令市と中核市がともに含まれる場合は、「政令市を中心とする経済圏」として集計し、「中核市を中心とする経済圏」からは除外した。

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

技術の労働補完による賃金上昇率は地方よりも都市が高くなる可能性

こうした地域間の労働需給ミスマッチ解消に向けて、都市の余剰労働力を地方で活用することが1つの解決策に見えるが、地方から都市への人口移動の流れを逆転させることは容易ではない。地方から都市への人口移動の要因の1つとして、都市と地方の所得格差がある。同じ事務職でも、前述の①政令市を中心とする経済圏と③その他の経済圏では、平均賃金に1.2倍の格差がある。

AIエージェントやAIロボティクスなど技術の労働代替効果によって、都市の事務職の労働余剰が発生すれば、地方との賃金格差は縮小すると見られる。しかし、技術の「労働補完効果」も加味すると、都市と地方の所得格差は一定程度残ると考えられる。労働補完効果とは、人間が技術を使いながら業務に取り組むことで、文字通り技術が人間の労働を補完し、より高い生産性を実現する効果である。AIロボティクスの技術活用が労働市場に与える効果にも、労働代替効果だけでなく、労働補完効果があることを踏まえる必要がある。そこで当社では、前編の図表7と同じ枠組みを用いて、人間と機械(AIエージェントやAIロボティクス)が協働することで、人間が単独で遂行する場合に比べてアウトプットの質を高められるか、代表的なタスクごとに判定を行った(図表2)。
図表2 技術活用による労働代替・補完効果が見込まれるタスクの比率(MRI推計)
技術活用による労働代替・補完効果が見込まれるタスクの比率(MRI推計)
注:「労働補完」は「人間とAIエージェントまたはAIロボティクスが協業することで、人間が単独で行うよりもアウトプットの質を高められること」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について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
労働補完効果が期待されるタスクについて、AIロボティクスの活用で一定の生産性上昇が実現すると仮定すると、技術活用による生産性上昇効果は都市の方が高い結果となった。生産性と賃金の伸びを同等と考えると、労働補完効果による賃金上昇率は、職種構成の違いなどを反映し、地方よりも都市の方が高くなる可能性がある(図表3)。つまり、AIロボティクスの普及は、労働需給の側面では都市と地方の賃金格差を縮小する方向に作用する反面、生産性の側面では賃金格差を拡大する方向に作用する。そのため、賃金水準の変化に伴って都市の余剰労働力が地方に移動する市場メカニズムが働くとは限らない。
図表3 技術の労働補完効果による賃金上昇率(MRI推計)
技術の労働補完効果による賃金上昇率(MRI推計)
注:本図表の作成に当たって、技術の普及速度について経済圏による差を設定しておらず、賃金上昇率の差は、技術普及率の差による影響を受けていない。

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)」を基に三菱総合研究所作成

地方の労働力不足解消に必要な3つの取り組み

技術活用により見込まれる都市と地方の労働需給ミスマッチ(労働代替効果)と、都市と地方の所得格差拡大(労働補完効果)に鑑みると、地方の労働力不足解消に向けては、次の3つの取り組みが必要になると考える。①地方での技術活用の加速、②技術活用によって生じる職種間のミスマッチ解消、③地方における都市の人材の活用、である。

①地方での技術活用の加速

前編の図表8で想定した通り、地方での技術普及速度は都市よりも遅れる可能性が高い。しかしながら、地方における技術実装のボトルネックとなっている構造問題に対応すれば、都市並みには至らないまでも、普及スピードを速めることは可能だと考えられる。

第1に、技術活用を推進する人材の育成が必要となる。技術実装を進めるためには、技術の汎用化や低価格化はもちろんのこと、技術を使う人材の育成も重要になる。経済産業省などでは、DX活用に必要なスキルを定義した「デジタルスキル標準」を策定し※1、多様なステークホルダーを巻き込んで人材育成を進めている。これを拡張する形で、AIロボティクス活用に必要なスキルの定義と、その習得に向けた企業・自治体・教育機関などの連携が重要になる。また、デジタル技術は人材育成にも力を発揮する。例えば、若手の従業員が仮想空間(デジタルツイン)上で反復訓練を行うことで、安全かつ短期間でスキルを獲得するプログラムが企業に導入されつつある。こういった技術は、地方での人材育成にも大いに寄与するだろう。

第2に、中小零細企業の経営資源の最適化も重要となる。経営者の高齢化が進み、将来の事業継続の見通しが定まらない状況では、新たな技術活用に投資する判断は下しにくい。事業承継によって中長期の時間軸での投資判断を促すべきである。また、経営基盤が脆弱な小規模企業単独で、ロボティクス実装などの大規模な投資を行うハードルは高い。そこで、企業間の連携や統合を通じて、投資余力を強める方向性も求められる。例えば事業承継支援について、各地で事業承継予定者を対象に、経験者の知見共有のほか、中小企業庁主催の「アトツギ甲子園※2」のような事業承継者同士の研鑽や交流の場が拡大している。事業承継を目的としたものを含めて、中小企業によるM&Aも増加している。M&Aはデジタル人材の集中的な育成や技術継承の効率化にも資するだろう。これらにおいて、自治体や公的機関、地域金融機関、地元の経営者団体などが重要な役割を担っており、地域一丸の取り組みを一段と進める必要がある。

以上の2つは地方サイドでの取り組みだが、技術を供給する側の視点として、第3に、都市から地方への段階的なビジネス展開が有効である。例えば、外食チェーンなどで活躍する配膳ロボットは2020年代前半から普及が進んだが、地域別では人件費が高く、売上規模の大きい都市の店舗にまず導入され、その後、地方の店舗でも導入が進んだ。都市を中心に配膳ロボット市場が拡大し製品の価格が下がるとともに、地方の賃金上昇定着により配膳ロボットへの投資で抑制できる賃金コストが大きくなってきたことで、地方での普及に弾みがついたと考えられる。こうした技術を地方に浸透させるのは民間企業であり、いきなり地方に展開するのは難しいケースも多い。需要が集中し、かつ投資の費用対効果も大きい都市で収益基盤を築いた上で地方に展開していくことが、現実的な道筋となろう。

このように、地方の供給力引上げに向けては、AIロボティクスなど労働代替効果のある技術の最大活用とともに、人的資本の強化、新陳代謝の促進による経営資源の最適化など多面的な取り組みが必要になる。

②技術活用によって生じる職種間のミスマッチ解消

技術活用を加速したとしても、前述の通り、職種によって労働代替効果には差がある。そのため、労働代替効果が大きい職種では労働余剰に転じ、小さい職種では不足が継続するという職種間のミスマッチは生じる(図表4、縦方向)。地方の供給力不足解消には、技術活用とともに職種間のミスマッチ解消が重要になる。
図表4 技術活用を踏まえた経済圏別の労働需給率(2040年時点、MRI推計)
技術活用を踏まえた経済圏別の労働需給率(2040年時点、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
職種間のミスマッチ解消に向けては、当社の【提言】スキル可視化で開く日本の労働市場(政策提言 2023年9月13日)の内容を参照されたい。端的にまとめると、労働市場の硬直性の背景には情報の不足があるとする。働き手が保有するスキル、企業が求める人材像、必要なスキルを習得するために学ぶべき内容、スキルの獲得で期待できる報酬などの情報が、そもそも具体化されていなかったり、個別では具体化されていても社内外・労使が共有できるものではなかったりする。企業や働き手が共有できるスキルの共通体系をベースに、労働需要と供給の中身を可視化していく取り組みが重要になる。

③地方における都市の人材の活用

都市と地方の所得格差もあり、地方から都市への人口移動の逆転は前述の通り容易ではないが、技術の進展により、都市に居住しながら地方で働くという選択肢も生まれつつある。例えば、ホワイトカラーの職種を中心にリモートでの業務遂行が可能な分野は広がってきており、AIエージェントの浸透などによってその範囲は一段と拡大すると予想される。地方で相対的に割合の大きいフィジカルな職種(対人サービスやモノの生産・輸送など)を、遠隔地から遂行することが可能になれば、都市の人材により地方の労働力不足を一定程度緩和できる。

その代表例がテレイグジスタンスの技術であり、遠隔地から機械操作、接客応対などが技術的に可能になりつつある。ただし、こうした技術が地方の企業まで浸透するには相応の時間が必要だろう。課題は設備投資に見合う効果が得られるかどうかだ。前述の配膳ロボットの地方への普及プロセスと同様、テレイグジスタンスの技術についても、都市での普及による投資コストの低下と地方の賃金上昇が、普及を後押しする要因となるだろう。

また、地域内でこうした人材を育成することは重要だが、地域で育ち都市・海外で活躍する人材の中に、こうした技術活用を推進できる人材がいるケースも多い。こうした人材の力も活用して、地域の技術活用を加速させるためのコミュニティを形成していくこと(地域アルムナイ※3等)なども有効な取り組みとなる。

中長期的には地方から都市への人口流出に一定の変化が生まれる可能性

地方から都市への人口移動の逆転は見込み難いが、AIエージェントやAIロボティクスの活用が進むことで、中長期的には人口移動に一定の変化が生まれる可能性がある。

このコラムの分析のベースとなっている人口動態は、国立社会保障・人口問題研究所の「日本の地域別将来推計人口(令和5年推計)」に基づいている。2040年にかけて外国人の純流入を織り込んだ上で、地方から都市への人口流出の結果として、地方人口が減少することを想定している(図表5)。この推計は、人口の地域間移動について過去の傾向が続くことを前提としているが、仮に技術活用の影響を考慮すると、図表4で示したように、政令市を中心とする経済圏では労働余剰の発生が見込まれ、都市の雇用吸収力が低下する可能性がある。
図表5 国立社会保障・人口問題研究所が想定する2040年にかけての社会増減
国立社会保障・人口問題研究所が想定する2040年にかけての社会増減
注:2040年の封鎖人口(自然増減のみ)に対する2040年の推計人口(自然増減+社会増減)の比率

出所: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)」を基に三菱総合研究所作成
技術活用による労働代替効果を踏まえると、東京に限らず、仙台、名古屋、大阪、福岡といった地域ブロックの中心的な経済圏は、周辺の経済圏に比べて労働余剰感が強まる傾向にある※4(図表6)。東京と地方の関係のみならず、各地の政令市・中核市とその他市町村の関係においても、これまでのような雇用を求めて人口流出する傾向に中長期的に変化が生まれる可能性がある。リモート技術が普及すれば、地方に住みながら都市で働くという選択肢も増えるだろう。
図表6 技術活用を踏まえた経済圏別の労働需給率(2040年時点、MRI推計)
技術活用を踏まえた経済圏別の労働需給率(2040年時点、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

まとめ 技術活用を起点に地域経済の未来を拓くため、試される知恵と意志

このコラムでは、AIエージェントやAIロボティクスなどの技術活用が、地域経済が直面する成長の天井(労働力不足による供給制約)にどのような影響をもたらすか、独自の地域労働需給モデルを用いて検証した。結論としては、技術による労働代替は、地方の労働需要を抑制する(労働生産性を高める)効果があり、地方の労働力不足緩和に一定の効果が期待できることが示された。

ただし、技術活用で地方の労働力不足が全て解決されるわけではない。職種間の労働需給ミスマッチは残るほか、技術導入スピードや地域別の職業構成の違いなどにより地域間のミスマッチも生じる。地方の供給力不足を解消するために、技術活用は一丁目一番地ではあるが、同時に、人的資本の強化、新陳代謝の促進などを通じた技術実装の加速、技術活用によって生じる職種間のミスマッチ解消、地方における都市人材の活用、など多面的な取り組みが必要になる。

人類は歴史上多くの画期的技術を開発し、そのたびに社会の大きな変革を経験してきた。古くは水車の開発が水汲み・脱穀など農業の効率化に寄与したといわれ、産業革命以降の機械化、現代におけるコンピューターの普及によりそれまで人力に依存していたタスクの多くが自動化された。今回焦点を当てたAIロボティクス技術も、これらと同等以上のインパクトを社会に及ぼすポテンシャルを有するが、これまでの技術との違いは、世界の人口減少局面での普及が見込まれる点にある。一般に技術による労働代替は失業増加のリスクをはらむが、人口減少が予想される地域経済にとってはむしろ再生の切り札となりうる。もちろん技術は全てを解決する「銀の弾丸※5」ではなく、地方が直面する課題に向き合う取り組みは欠かせない。地域経済の未来を切り拓いていく知恵と意志がわれわれには試されているのではないだろうか。

【補足解説】経済圏別の労働需給推計モデルの概要

今回の推計モデルでは、市町村単位の推計をベースとし経済圏ごとに合計して表示している。経済圏については、平成19年全国物価統計調査の県内のブロックに準拠している※6。

1.現状の労働過不足について地域別×職種別に推計

<労働供給の推計>

市町村別の職業別従業者数の算出
市町村別の職業別従業者数は公的統計では網羅されておらず、次の通り推計した。

(1)市町村別の従業者数(全職業計)を集計(総務省「経済センサス活動調査 令和3年度」)
(2)都道府県合計と人口30万人以上の都市について、職業別の有業者数を集計(総務省「就業構造基本調査 2022年」)
(3)人口30万人未満の市町村の職業別の有業者数について、各都道府県合計と人口30万人以上の都市の差から算出
(4)(1)の市町村別の従業者数を、(2)と(3)による職業別有業者数のシェアを用いて按分

<労働需給率(需給ギャップ)の推計>

市町村別の(有効求人数-有効求職者数)÷就業者数から労働需給率を職業別に算出
(1)都道府県別の労働局の公表統計、2024年度の有効求人数と有効求職者数を職業別に集計(基本は月次の公表のため、12カ月分を取得して平均値を算出)。ただし、当該データが取得できない一部の労働局分については、隣接都道府県の数値で補完
(2)総務省「就業構造基本調査」より都道府県別×職業別の就業者数を集計
(3)(1)と(2)から都道府県別の労働需給率を算出
(4)前項で算出した市町村別×職業別の従業者数に、労働需給率を乗じて市町村別の労働過不足数を算出(労働需給率は都道府県の数値しかないため、県内の市町村には一律で当てはめ)

<労働需要の推計>

労働需要は、労働供給×(1+労働需給率)より算出。

2.成り行きでの2040年の労働需給

<労働供給の推計>

2022年の労働供給をベースに、市町村別の20‐64歳人口(国立社会保障・人口問題研究所「将来の人口推計(令和5年推計)」)の伸びを用いて市町村別×職業別の従業者数を延伸。

<労働需要の推計>

2022年の労働需要(労働供給×(1+労働需給率))をベースに、①市町村別の総人口(国立社会保障・人口問題研究所「将来の人口推計(令和5年推計)」)の伸び、②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)予測)を乗じたものから、③都道府県別の労働生産性の伸び(MRI推計)で除して、市町村別の労働需要全体を推計。職業別の労働需要については、職業構成が変わらないと仮定して、市町村別×職業別の労働需要を推計。

<労働需給率の推計>

労働需給率は、(労働需要-労働供給)÷労働供給より算出。

3.技術活用による2040年の労働需給

<労働代替効果>

前編の図表7で示した労働代替効果のあるタスクについて、就業者の労働投入時間が50%になるという前提の下で推計。技術の普及率は前編の図表8の右に示した通りであり、時間の経過とともに普及率が高まると想定した。

例えば、労働代替効果のあるタスクの割合が30%の職業について、2030年時点の普及率が40%の場合、2030年時点の労働代替率は、30%(労働代替タスク割合)×40%(普及率)×50%(労働時間減少率)=6%分、労働需要が減少する想定となる。

4.市町村別・職業別の平均賃金

就業構造基本調査によると、都道府県合計と人口30万人以上の都市について、職業別・所得階級別の有業者数のデータが公表されている(2022年)。各所得階級の中央値と各所得階級の有業者数から、職業別の平均賃金を算出。さらに、本統計から得られない人口30万人以下の市区町村の職業別・産業別の有業者数については、都道府県合計と人口30万人以上の都市の差から算出。

5.年金受給者数・平均受給額

厚生労働省「市区町村別年金給付状況(令和5年3月末現在)」を基に、受給権者数と年金総額を市町村別に算出。1人当たりの平均受給額は、市町村別の年金総額÷受給権者数より算出。

※1:デジタルスキル標準
https://www.meti.go.jp/policy/it_policy/jinzai/skill_standard/main.html(閲覧日:2025年9月26日)

※2:アトツギ甲子園とは、中小企業の事業承継予定者を対象として、中小企業庁が主催するビジネスプランコンテスト。単なる事業承継ではなく、新しいアイデアや技術を取り入れて、自社の経営資源を活かした新規事業・革新的な挑戦を応援するのが狙い。

※3:アルムナイとは、卒業生や同窓生を表す言葉であり、一般的には企業のOBなどを表す。地域アルムナイは、今はその地域には居住していないが、過去その地域に何らかの形でかかわりのあった人を表す言葉。

※4:もっとも、本分析では2040年にかけて生まれる新たな産業・職業の影響は考慮できていない。こうした雇用が都市を中心に生まれる場合には、都市の雇用吸収力が中長期的にも低下しにくい可能性はある。

※5:西洋の民話において、銀の弾丸は狼人間や魔女、吸血鬼に対して有効な唯一の武器と考えられていた。そこから派生して、現代の英語圏では困難な問題に対する特効薬のような解決策を意味する慣用句となっている。

※6:全国物価統計調査<調査市町村一覧>
https://view.officeapps.live.com/op/view.aspx?src=https%3A%2F%2Fwww.stat.go.jp%2Fdata%2Fzenbutu%2F2007%2Fzuhyou%2Fsichoson.xls&wdOrigin=BROWSELINK(閲覧日:2025年9月26日)