少子化时代被追问的“教育加速”——如何用有限的人口培养高端人才

我们面临的一大课题是少子化。

从出生人数的变化可以看出，其减少之剧烈。

• 1985年：约143万人
• 1995年：约119万人
• 2005年：约106万人
• 2015年：约101万人
• 2025年：约70.6万人（厚生劳动省 人口动态统计速报值）

这一变化被认为会对大学等教育机构的存续、社会保障制度的维持、地方社会的可持续性等多个方面产生影响，这些议题正在被热烈讨论。

其中一个议题是：由于少子化，在今后的20年里，向产业界输送人才的管道将急剧变细。

目前，以蓝领为主的劳动力短缺作为眼前的课题正在不断扩大，但看一看今后的人口结构，不难想象，这种人手不足将蔓延到白领，进而蔓延到高端人才。

如果这类人才的供给减少，国内企业无法从国内招到足够多具备从事高附加值工作能力的人，那么日本整体就很难创造出高附加值的产品和服务，产业和经济的维持也将岌岌可危。

现在这一点还没有清晰地显现出来，但我想，今后随着这种供给不足越来越明显，产业界对教育界提出“提高高端人才供给量”的要求，恐怕会越来越强烈。

考虑到作为基数的儿童很少，这实际上就变成了“提高向高端人才的转化率”的要求。这相当困难，但我觉得，我们不得不认真思考这一问题的时刻正在临近。

当然，教育并不只是为产业和劳动而存在的。它还有培养教养和公民素养、实现个人自我价值等多种目的。在充分认识到这些的前提下，为了让讨论更清晰，本文有意只聚焦于教育的一个重要侧面——“培养产业人才”。

简易测算：如果需要“30万名高端人才”

为了维持日本的经济水平，需要每年持续培养出一定数量能够从事高附加值产业的人才。

这里所说的“高端人才”，并不是指拥有特定学位的人，而是指具备如下能力（competency）的人才：设定并解决复杂问题的能力、构想并落地新价值的能力、整合高度专业知识并做出判断的能力。请把他们理解为能够活跃在IT与软件、先进制造、研究开发、金融、医疗与生物技术等领域的人才。

这里假定这一人数为每年30万人左右。这是根据目前大学每年入学者约63万人、硕士课程升学者约7万人这一结构中，实际进入高附加值领域的人数推算出的概数，只是一个假设值。

（※这一测算终究只是“概念模型”。实际上，除了出生人数之外，劳动参与率、来自移民和留学生的就业、老年人延长就业等也是重要的变量，要进行精细的分析，需要按队列（出生年份群体）做流量与存量分析。另外还需要注意，“高端人才”的定义和所需数量，会随产业结构的变化以及AI带来的生产率提升而变动。）

如果以出生人数为基数做一个简化，就会浮现出如下的“转化率”。

• 2005年出生的一代（出生人数约106万人）：30万人 ÷ 106万人 ≒ 约28%
• 2025年出生的一代（出生人数约70万人）：30万人 ÷ 70万人 ≒ 约43%

也就是说，要持续确保同样的“30万人”，就意味着必须在20年内把转化率从28%提高到43%。

这个数字是粗略的估计，但它表明，可能存在这样一种结构性压力：“既然基数在减少，要维持同样的社会功能，就不得不提高教育、培养的效率”。

当然，除了“通过教育增加人数”之外，也理所当然存在其他杠杆，比如扩大接收移民和外国劳动者、提高人均劳动生产率（包括通过AI和自动化提高效率）、产业结构本身的转型等。然而，即便把这些举措组合起来，提高教育的转化率仍然是重要支柱之一，这一点不会改变。

同时推进的社会变化

仅仅是少子化就已是难题，而与此同时，以下变化也在推进。

具有代表性的变化有以下3个。

1. 产业高度化导致教育期间延长
2. 包括AI在内的技术变化带来的“高端职业化”压力
3. 教育期间延长造成的少子化恶性循环

（a）产业高度化导致教育期间延长

技术越高度化，掌握专业知识所需的教育期间就越有变长的倾向。

硕士学位逐渐成为标准的领域在增加，如果将来有更多的人需要相当于博士课程的训练，那么正式进入劳动力市场的时间可能会推迟到27岁左右。

（b）包括AI在内的技术变化带来的“高端职业化”压力

有一种观点认为，AI会取代中等水平的工作（这种影响因产业和职种而有所不同）。假如这一方向不断推进，人类应当从事的工作将向更高端的方向集中，“更高的教育水平”就会成为获得好工作的条件。

伴随劳动力短缺而普及的工业机器人和自动化，也会把由人承担的工作推向更上层的判断、设计与整合，成为提高所需学习水平的压力。

（c）教育期间延长造成的少子化恶性循环

教育期间的延长，有可能使少子化本身进一步恶化。进入劳动力市场的时间一旦推迟，获得经济稳定的时间就会往后移，结婚、生育的年龄也随之升高。结果，可生育的时期实际上缩短，出生人数受到向下的压力，从而产生恶性循环。

（当然，少子化的原因不只是教育期间。住房成本、育儿支援不足、价值观多样化、就业不稳定等，多种因素交织在一起。）

“只靠一部分人赚钱的国家”可持续吗

通过再技能培训（重新学习）让现有劳动者转向高附加值产业，也是重要的手段。然而，在劳动力紧张、有机会获得工资的环境下，能够放弃这种机会成本而下决心长期重新学习的人是有限的。像北欧国家那样把完善的职业培训与收入保障相结合的制度设计也值得参考，但要从日本现行制度过渡过去，想必需要相当长的时间。

另外，也许可以构建一种即使转化率维持现状也能勉强运转的产业。比如，只有少数获得高端职位的人拿到高收入，其余多数人成为低收入者，但通过妥善的再分配来维持——诸如此类。然而我担心，这样极端两极分化的社会结构，会使社会越来越不稳定。

为了保持整个社会的稳定与可持续，理想的状态应当是：不只是少数精英，而是尽可能多的人能够接触到尽可能多的“好工作”。（这里所说的“好工作”，是一个不仅包括工资，还包括稳定性、成长机会、尊严和社会参与的概念。）

这样想来，被追问的终究还是整体教育质量的提升吧。

摆在教育面前的两个课题

（1）教育质量的提升——提高转化率

既然基数在缩小，就需要把教育产出的成果送到更多人手中。把转化率从28%提高到43%，这样的变化不是“稍微改善一点”就来得及的。而且还必须在20年这一时间跨度内实现。

重要的是，如前所述，这应当不是进一步拉高上层，而是整体托底——保障学习机会，并构建让更多人达到较高水平的机制。

（2）提前达成——不以牺牲理解为代价的高密度学习

为了打破少子化的恶性循环，提高年轻一代人生规划的自由度，我认为如果可能，最好也能使教育期间本身趋于合理。比如，过去要到27岁左右才能获得的专业能力，能否提前几年？

“提前”并不是单纯地填鸭式赶进度。它是指在维持达成目标的前提下，通过对课程的根本性重新设计、对所学内容的精选、对利用技术的学习过程的革新，在不牺牲理解的前提下提高学习的密度和效率。

当然，提前未必总是可行，也会有不应提前的领域。但我认为，不把教育期间的长度当作既定前提，而是将其作为检验的对象，这件事本身是有意义的。

两种途径：“学习的加速”与“达成目标的重新定义”

为了在有限的时间里培养出更多的高端人才，需要改变学习过程本身。这方面的途径大致可以分为两种。

（1）利用AI加速学习过程

AI有夺走工作的一面，但视使用方式不同，它也可能成为大幅加速学习的工具。尤其是在以下3个领域，可望取得成效。

• 个性化优化：诊断每位学习者的薄弱环节，提供最合适的练习
• 元认知支持：支持制定学习计划、反思、分析错误原因等“学习如何学习”的过程
• 实时性：配合学习者的节奏给予反馈和提示，让高速的学习循环转起来
• 项目陪跑：在处理实践性课题时，承担教练的角色，如梳理需求、设计评审、找出风险等

正如将棋软件的出现改变了棋手的学习方式、大幅提高了竞技水平，AI教育工具也有可能改变学习路径本身，缩短达成目标所需的时间。仅仅这一两年，善于运用AI的人的产出质量就已明显改变。以文献和资料为核心的学习支持工具也在逐渐达到实用水平，在教育领域正式应用的手感已经出现。

不过，像将棋AI那样在规则明确的封闭世界里取得的成果，能否原样应用于整个教育，需要慎重考虑。

（2）以AI为前提重新定义“达成目标”

更重要的是，在AI普及的社会里，人类需要从零开始记忆、掌握的知识范围会发生变化。传统型的教育目标与以善用AI为前提的教育目标，应当会有些许不同。

正如计算器的普及改变了数学教育的面貌，以AI的存在为前提，重新定义“人类应当抵达的学习终点”。我认为，这将有助于使教育期间趋于合理，并加速人才的输出。

比如，如果过去的目标是“博士课程毕业水平”，那么以AI为前提的新目标，也许就是在20岁出头时掌握假设检验能力、文献整合能力、实验与实现的执行力、研究伦理的判断力——也就是支撑研究水平的高度认知工作的执行能力的核心能力（competency）。目标并不是学位本身，而是追求一种能够达成与之相当的成果（产出物和实践能力）的教育设计。

“学习过程的加速”与“达成目标的重新定义”这两者是车之两轮。 只做其中一个，恐怕无法达到20年后所要求的转化率。

正因如此，现在就开始探索

利用AI提高学习效率，并非一开始就有正确答案。试错是不可或缺的。

然而，假如我们设定目标为“到2045年，建立起能够稳定培养出在20岁出头就拥有接近传统博士课程毕业者水平的研究执行能力的人才的教育体系”，那么剩下的时间只有20年。倒推起来，节奏可能是：在这5年里把方案的大框架假设化，在剩下的15年里反复验证、落地。

另外，在教育中正式引入AI时，必须不遗漏个人数据的处理和评价等若干重要议题，因此也需要深化这方面的讨论。

关于教育的加速，即使把教育学的见解、认知科学的成果以及最前沿的AI技术全部动员起来，也不知道能否达到所追求的目标。然而，如果不去尝试，答案就永远不会显现；而如果未能达成，20至30年后的日本社会就可能面临相当严峻的局面——既然如此，那么从现在起

尤其是我所负责的创业者精神（entrepreneurship）教育，由于与社会很近，我认为是这一课题会相当早出现的领域。在商业创业的现场，使用AI已经成为前提，如果课程内容不随之跟进改变，就有可能教出“在现场用不上的知识和技能”（即便商业创业知识的传授并不等于创业者精神教育）。

因此，在4月开始的课程中，我想一边以自己的方式实践这种利用AI的教育变革——学习的加速与达成目标的重新定义——一边探寻答案。同时兼顾达成度（基于能力的评价）、达成所需的时间，以及是否因家庭背景而产生成果偏差的公平性等视角，试着先从自己的实践中找到这20年里应当实现的教育变革的开端——这就是我最近的问题意识。