私は2022年に、AIの効率を見越してスタッフの予測を調整する会議に出席したことがある。確かに「過剰採用」もあったけど、実際にはそのスタッフの目標はAI以前のものだった。更新された後にレイオフが始まったのは、経営陣がAIやビッグデータのバックグラウンドがない人を欲しくなかったからだよ。

2022年のSWEの落ち込みは私には簡単に説明できるし、これらのアナリストの要因リストには載ってないけど（私は経済の専門家じゃないから、どうやってそれをコントロールするかは分からない）：2017年に特定の税制優遇を2022年に削減する税法が通過したんだ。これは「収入中立」と見なされるためのもので、全体としては大規模な減税だった。この優遇措置は「研究開発」のための控除だった。つまり、2022年にはそのカテゴリーに該当する人を雇うのが実質的にかなり高くつくことになった。日常業務に直接必要ない開発者や、ほとんどの科学者も含まれる。これが大企業に最初に影響を与えたのは、相対的にR&Dの取り組みが多いからだと思う。カスタマーサービスについては、企業が本当にカスタマーサービスを気にしていないからだと思う。自動応答の電話ツリーや、顧客を助ける力のないアウトソーシングのコールセンター、ひどい作りのウェブサイトが何十年も人々をイライラさせてきたけど、企業はそれを改善しようとする気配がない。AIの取り組みについて投資家にアピールするために、この部門の人員をさらに削減するのは安上がりな勝利だし、サービスの質が低下しても問題ない。市場や規制の力が十分に働いていないから、企業が壊すのをやめることは期待できないし、修正することもない。

私も同じことを考えてた。労働市場の弱さがLLMやAIが話題になる前から始まっていたのは明らかだよね。だからこそ、相関関係はあるけど、LLMが若者の雇用市場の弱さの最大の要因ではないと信じる理由がある。もっとありそうでシンプルな説明は、アメリカだけでなく世界的に経済にひびが入っているってこと。若者の雇用はほぼどこでも苦戦している。理由については推測するしかないけど、疑わしい金融・財政政策の選択からの遅延効果、富の格差の拡大、関税、地政学などが確実に影響している。

SWEの数値は2022年の中頃に落ち込んでいて、金利の引き上げとほぼ魔法のように一致してたけど、LLMコパイロットはさらに1年後に導入された。 2022年の後半には、AI支援のコーディングがソフトウェア開発のやり方を変えるだろうってのはかなり明らかだった。あの時、同僚とSWEがアーキテクチャやシステム設計の役割に変わるかもしれないって話をしたのを覚えてる。トランスフォーマーモデルが実装を補完する感じで。私たちのような労働者にとって明らかだったなら、経営陣にもかなり明確だったはず。大規模なレイオフの唯一の理由ではないけど、確かにその理由の強い要因だった。多くの大企業は、これから厳しい時代が来ると賭けていて、事前に負担を軽くしていたんだ。

私の会社は2021年頃から、NLPを基にしたルーティングやタスクのアップグレードを含む複数のコールセンターの近代化プロジェクトを進めていた。

これに加えて言いたいのは、アメリカ本土でカスタマーサービスの電話を受けたのがいつだったか全然思い出せないってこと。好条件の金利を求めてオフショアリングするのが理由なのに、AIのせいにするのは簡単だよね。

うちの会社も2023年からアウトソーシングを強化し始めたよ。AIプロジェクトもいくつか始めたけど、進展はあまりないね。でも、アウトソーシングはかなり進んでる。

その論文では、ZIRPの終了に対する調整を行ったと書かれている。 この調整が十分だったかどうか、経済学の知識が足りなくてわからない。論文を見てみると、彼らは企業cの仕事の数y_{c,q,t}を、時間tと「AI露出クインタイル」qで回帰させることで調整を試みていて、企業/クインタイル(a)、企業/時間(b)、クインタイル/時間(g)の別々のパラメータで制御している。これは式4.1、15ページにあり、ここでは簡略化して説明するね：log(y_{c,q,t}) ~ a_{c,q} + b_{c,t} + g_{q,t} すべての仕事に均等に影響を与える時間依存の効果（例えば、ZIRPの終了やセクション174）はbに吸収されるべきだ。彼らはgを2022年10月とクインタイル1（最もAI露出が少ない）に対して正規化し、各年齢層とクインタイルの結果をプロットしている（図9、20ページ）。若い年齢層のクインタイル3、4、5では、明確な減少が2024年の中頃から始まる。記事に示されているプロットは誤解を招くもので、主にZIRPの影響を反映していると思う。論文の本質は図9にある。この方法の潜在的な欠陥は、ZIRP/セクション174が高いAI露出を持つジュニアポジションに不均等に影響を与えた可能性があることだ。例えば、ソフトウェアエンジニアなど。これはbには考慮されず、gに反映されることになる。ソフトウェアエンジニアやセクション174の対象となる他の従業員を除外してこの分析を繰り返すのは面白いかもしれないね。[0] https://digitaleconomy.stanford.edu/wp-content/uploads/2025/...

コンサルティングをやってるんだけど、常にクライアントを探してるんだ。2022年の11月頃、すごく大きな変化があったよ。見込み客を追い払うのに苦労してたのが、一晩で全く音沙汰がなくなった。主にスタートアップや中小企業と関わってるけど、内部情報を持ってる人や最先端の興味を持ってる人はいない。GPTがコスト削減の機会として、誰の目にも留まってなかったことは確かだよ。何か文化的な変化があったと思うけど、自分の目で見た症状としては、ZIRPの終了（プロジェクトが中止されること）やレイオフの開始（プロジェクトが約24時間以内に埋まること）が大きな要因だったと思う。証拠はないけどね。

本当に企業がDEIの理由でそんなに多くの無資格者を雇っていたと思う？話題が出るたびに、ただの口先だけのサービスや演技だって言う人がほとんどだったよ。会社の公のウェブページにDEIの声明を載せて、実際に何かをしたかのように振る舞うだけ。