michiaki_yogata – XOR for Mac & Windows:リアルタイムPDF比較ビューワ

AIが示す日本の少子化の原因

2024年の出生率が1.15と発表されました。数でいくと68万人。政府予想よりも15年早まったのだそうな。

人口は必ずしも国の豊かさには比例しないものの、急な減少は社会の安定を脅かすので、少子化ペースを少しでも緩めたいところです。

そこでまたChatGPTに少子化の原因を訊いてみました。

AIのイメージ

日本の少子化の主な原因は、複数の社会的・経済的・文化的要因が複雑に絡み合っています。以下に代表的な原因をカテゴリごとに整理します。


🔹 1. 結婚率の低下・晩婚化

  • 日本では「結婚=出産」という価値観が強く、未婚者が子どもを持つケースが少ない

  • 晩婚化が進行し、結果的に出産可能な年齢が短くなる。

  • 生涯未婚率(50歳時点で一度も結婚していない人の割合)は増加傾向。


🔹 2. 経済的不安・不安定な雇用

  • 若者の非正規雇用や低賃金が増加し、将来への不安から結婚や出産をためらう。

  • 教育費や住宅費、保育費など、子育てコストの高さが重い負担。


🔹 3. 子育て支援の不足

  • 保育園不足、待機児童問題、病児保育の課題など。

  • 働きながら子育てをするインフラが完全に整っていない

  • 地域差が大きく、「子育てしやすい場所」が限られている。


🔹 4. 長時間労働とワークライフバランスの悪さ

  • 特に男性の育児参加が難しく、女性に育児負担が偏る

  • 共働きでも家事・育児の分担が進まず、負担感が重い。

  • 長時間労働文化が、家庭生活との両立を妨げる。


🔹 5. 都市部への人口集中(東京一極集中)

  • 先ほど述べた通り、都市部では生活コスト・住環境・育児支援がネックになりやすい。

  • 地方では若者の流出により、出産世代そのものが減少。


🔹 6. 社会的価値観の変化

  • 「結婚しない自由」や「子どもを持たない人生」が以前より選択肢として受け入れられるように。

  • 子どもにかける理想や期待が高くなり、「完璧な育児」を目指す傾向がプレッシャーに。


🔹 7. 女性の高学歴化・キャリア志向の強まり

  • 教育・キャリア形成に時間がかかるため、出産・育児との両立が困難に

  • 出産後の復職やキャリア維持が難しい現状が、出産意欲の低下に繋がる。


✅ 補足:統計で見る少子化の現状(2024年時点)

  • 合計特殊出生率:1.20(過去最低)

  • 結婚の平均初婚年齢:男性 31歳、女性 29歳前後

  • 生涯未婚率(2020年国勢調査):男性 28%、女性 17%


🔍 要約

日本の少子化は、「結婚しにくい」「出産・育児しにくい」「子どもを持つメリットが感じにくい」という構造的問題の結果です。単一の原因ではなく、社会全体の仕組みと価値観の変化に起因しています。


ご希望があれば、海外と比較した少子化要因や、日本の具体的な対策(成功例・課題)についてもご紹介できます。

なるほど。

この内「🔹 1. 結婚率の低下・晩婚化」は経済状況が好転しないと向上しないかと。

でも「🔹 2. 経済的不安・不安定な雇用」は確かに大きそう。自分が生きるので精一杯なら結婚や出産に積極的になれない人も多いでしょう。

「🔹 3. 子育て支援の不足」は国や自治体があれこれ頑張ってはみたものの今の状況だから、やらないよりはいいけど焼け石に水。他の要因を改善しないことには。

「🔹 4. 長時間労働とワークライフバランスの悪さ」はどうだろうな。いいことばかりではないにせよ労働時間に対する働き方改革もかなり浸透してきたし。

「🔹 5. 都市部への人口集中(東京一極集中)」は、これこそ最大要因でしょうね。理由は後述。

「🔹 6. 社会的価値観の変化」はどうだろうな。もし経済的な不安が薄れて心に余裕ができれば価値観なんて変わりそうです。

「🔹 7. 女性の高学歴化・キャリア志向の強まり」は、そりゃあるかもしれないけど、子供を持つこととの二律背反ではないだろうに。

こうして見ると、諸悪の根源は「🔹 5. 都市部への人口集中(東京一極集中)」に思えてなりません。それに比べれば他の理由はどれもランクが下がるだろうと。

何しろ東京の出生率は全国最低。中央世帯の豊かさでも住居費や通勤を鑑みるとやはり最低です。東京の出生率が低いのは若い女性が流入するからという分析もあるけど、主に住居の問題で東京が子育てに向いていない点に変わりはないのだし。例えば、東京都心に勤めている都民は多いけど、子供を持つために広い住居に引っ越せば通勤がハードになったり、保育園へのお迎えで働き方に制約が出かねないと。

また、中には故郷の就職難と男尊女卑といった因習を嫌って東京に出た女性もいるやに聞くけど、東京に出たら出たで別の形で疲弊するわけです。

といった具合に、子育てに向かない東京に職が集結していて子育てに向いた地方には職の口が少ないというミスマッチ。

だとすると、少子化のペースを緩めるには東京に集結している企業の一部を地方の中核都市に移転させるのが効果的、というか残された唯一の手段だと思います。東京一極化の是正ですね。その他の要因への対策はどれも実施が難しいか、やったところで効果は乏しいだろうと。

AIが突きつける現実:東京のホワイトカラー大量失業とその深刻な波紋

AIのイメージ

下記はChatGPTに作成させたAIによる近未来予測。

AIが突きつける現実:東京のホワイトカラー大量失業とその深刻な波紋

急速に進化を続ける人工知能(AI)は、ビジネスのあらゆる分野に浸透しつつある。その波は、もはや製造業や物流などのブルーカラー職だけにとどまらず、知的労働を担うホワイトカラー層にも及び始めている。特に、経済・行政・文化の中心であり、日本屈指のホワイトカラー都市でもある東京において、この変化は都市機能そのものを揺るがす可能性をはらんでいる。

東京に押し寄せるAI化の波

東京都内には、大手企業の本社、官公庁、金融機関、法律事務所、IT企業、広告代理店、メディア企業など、知的・事務的労働者が高密度に集中している。これらの業種では、既にAIの活用が進み、従来人手で行ってきた業務の一部が次々に自動化されている。

たとえば──

  • 金融業では、AIが企業分析やレポート作成、与信判断を担い始めている。

  • 法律業界では、契約書のレビューや法令検索をAIが高速かつ正確に行う。

  • メディア・広告業では、文章生成や画像・バナー制作がAIによって代替され始めている。

  • IT・コンサル業では、資料作成や市場分析の一部がAIに置き換えられている。

これまで「安定」「高スキル」とされていたこれらの職種でさえ、AIによって効率化・縮小される可能性が高まっているのが現実だ。

ホワイトカラー大量失業が東京にもたらす衝撃

もし東京でAIによるホワイトカラーの大量失業が発生すれば、それは単なる雇用問題にとどまらず、都市全体に複合的な打撃を与えることになる。以下はその主な影響予測である。

1. 消費の急減と都市経済の冷え込み

東京のホワイトカラー層は、都市経済を支える重要な消費者層でもある。高所得の彼らが失業すれば、飲食・小売・不動産・教育・旅行などの高付加価値市場が急激に収縮し、サービス業全体に連鎖的な雇用不安を引き起こす。

2. オフィス街の空洞化と不動産市況の悪化

人員削減が進めば、多くの企業が都心の大型オフィスを縮小・撤退し、オフィス空室率は上昇。不動産賃料が下落し、再開発計画や都市インフラ投資も停滞する可能性がある。丸の内、虎ノ門、渋谷といった中心街にも影響が波及する。

3. 都市構造の変化と格差拡大

収入を失った人々は高額な都心の家賃を支払えなくなり、郊外や地方への移住を余儀なくされる。一方で、AIスキルを持つ一部の高度人材だけが高収入を維持し、都市内の経済格差と社会的分断が広がっていく。

4. 社会不安と政治的混乱

雇用の喪失は家庭の崩壊、教育格差、メンタルヘルスの悪化、ホームレス増加など、さまざまな社会問題を引き起こす。これが制度や政府への不信につながり、政治的不安定やポピュリズムの台頭すら招きかねない。

対応の鍵は「再スキル」と「都市の再設計」

この危機を回避・緩和するためには、東京という都市が一丸となってAI時代に対応できる仕組みを整えることが不可欠である。

  • 再スキル(リスキリング)教育の都市インフラ化
    都内の大学、専門学校、企業、自治体が連携し、AI時代に通用するスキルを労働者に再教育する仕組みを整備する必要がある。

  • 生活支援と転職支援の強化
    中高年層や非デジタル層に向けた職業訓練や生活支援制度の拡充が不可欠となる。

  • スタートアップ・AI関連産業の育成
    新たな雇用の受け皿として、AI開発・活用企業への支援と人材流動の促進を進めるべきである。

  • 都市の機能再編と暮らしの再定義
    「働く場所」としての東京から、「生きる場所」としての東京へ。働き方・暮らし方の価値観自体を転換する取り組みが求められている。

結語:AIと共に再構築される東京

AIは恐れるべき敵ではなく、正しく活用すれば都市の可能性を広げる強力なパートナーでもある。東京という巨大都市がこの変革に適応できるかどうかは、個人、企業、そして行政がいかに迅速に行動できるかにかかっている。

ホワイトカラーの大量失業は未来の話ではなく、すでに現実の兆しを見せている。東京はその最前線に立たされているのだ。


必要であれば、これをPDFレポート形式やスライド構成に展開することも可能です。ご希望があればお知らせください。

だそうな。まあ、順当な予想です。AI活用は東京に限った話ではないけど、東京にはホワイトカラーの数が圧倒的に多いのだから影響も大きくなります。

だけども今や猫も杓子もAI、AI、AI。まあ、個人の選択としては「AIに取って代わられないためにAIを活用する人材になろう」と考えるのも当然だけど、そのポジションにも競争が働くし、そうやってAIの活用を促進させるほど、AIへの置き換えが進んで失業者が増えて…。

私は東京に差し迫った危機は「介護破綻(一極集中の副作用)」と「食糧難(物流網が細れば食料が十分に届かなくなる)」だと予想していたけど、それらは高齢者が元気だったりベテラントラックドライバーの頑張り次第では遅らせられるので、近頃ではAI化の波の方が早く到来するかもしれないと思うようになりました。

ChatGPTの苦手な分野

出遅れ感はあるけど私も最近ChatGPTを試しています。

先日受講した『初心者から始めるChatGPT徹底解説WEBセミナー』では、講師の七里氏が「ホワイトカラーの仕事はもうすぐAIに取って代わられてなくなる」などと言っておられました。

まあそれは大袈裟なポジショントークで、実際にはケースバイケース。上手く使えば便利でも、なかなか有効に使えない場面も多いでしょう。

差し当たり私の関心事は「ChatGPTに、修正の前と後のPDFの違いを洗い出せるのか?」です。AIがXORの代替になり得るなら私のビジネスはあがったりだなと。

そこで、いつもの魚類図鑑風サンプルPDF(下図。画像のクリックでダウンロード可)をChatGPTに読み込ませて「両方のPDFの違いを教えて」と入力してみました。

比較用サンプルPDF(修正前) 比較用サンプルPDF(修正前)
比較用サンプルPDF(修正後) 比較用サンプルPDF(修正後)

結果はこちら。

両方のPDF「FrogfishWorld-1_CMYK.pdf」と「FrogfishWorld-2_CMYK.pdf」の違いを比較したところ、以下のような主な差異が見つかりました:


1. 著者情報の詳細

  • 1版(FrogfishWorld-1):

    • 著者表記: 「ヨガタ ミチアキ」

    • コメント: 「原稿依頼中」とだけ記載。

  • 2版(FrogfishWorld-2):

    • 著者表記: 「よがた みちあき」

    • 詳細なプロフィールが追加。

      • 出身地、生年

      • 経歴(Cカード取得年、フォトコン入賞歴)

      • 好きな被写体・海

      • 使用機材(Nikon D7000等)


2. 目次の違い

  • 1版:

    • 「ガマアンコウ」が「データ」セクションに含まれていない。

    • データの項目はページ23から。

  • 2版:

    • 「ガマアンコウ」がバリエーションに含まれページ23に登場。

    • 「データ」項目はページ24から始まる。

    • 新たに「INDEX(索引)」がページ31に追加されている。


3. 誤字修正

  • 「金環」 → 「金環」に変更(ページ18)

    • 2版ではDTP側による調整で変更された旨が欄外に注記あり。


4. 細かな文章の調整

  • 一部のページで撮影地表記が変更:

    • 例:ページ4「撮影地:レンべ」→「撮影地:アンボン」など。

  • 句読点や文体の微調整も一部見られるが、全体構成や写真は基本的に同じ。


5. ファイル末尾のデータ表記

  • 1版:

    • 最後に「FREE」と記載。

  • 2版:

    • 「¥0」と記載されており、日本語環境に合わせた表記。


必要であれば、レイアウト・画像・フォントなどのデザイン面の違いも精査できます。ご希望ですか?

結論を先に言うと、これダメですね。最初にChatGPT自身が「主な差異が見つかりました」と言っている通り、抜粋されています。当然ながらすべての箇所を洗い出してくれないと変更箇所の確認にはなりません。

例えば、表紙には「TLOPICAL」→「TROPICAL」というスペルミスの修正があるけど、検出してくれていません。同じく著者名「Michiaki Yogata」→「YOGATA Michiaki」の表記変更も。

また「1. 著者情報の詳細」として検出してくれている違いはP.2のものだけど「P.2」とは書かれていません。内容も微妙に間違っていたり、不足があります。

それ以降のページでも、あれこれ見落としや不完全さがみられます。

最後に「必要であれば、レイアウト・画像・フォントなどのデザイン面の違いも精査できます。ご希望ですか?」とあるので「レイアウト・画像・フォントなどのデザイン面の違いも精査して」とオーダーしても、別の要約を出してきます。

せめて検出もれを防げないかと「両方のPDFの違いをすべて教えて」と入れても、ピックアップされる項目に変更はあれど、すべては洗い出してくれません。

よって現段階のChatGPTは画像とテキストがレイアウトされた文書PDFの差分検出には到底使えないようです。そう言えば、セミナー講師の七里氏も「AIは編集や校正が苦手」などと言っておられました。

そう、新旧PDFの差分確認は編集・校正業務の作業の一部。まだまだAIで代替できる段階ではなく、XORの需要もすぐさま無くなることはないでしょう。とりあえず安心です。

でも、これが約款のようなテキストオンリーのPDFであればかなりの精度でチェックしてくれそう。とはいえ、それって昔ながらのdiffでもできたよな。

ChatGPTは癖がすごい

出遅れ感はあるけど私も最近ChatGPTを試しています。

今回は以前に書いた『47都道府県のこどもの数』を調べさせました。

まず「子供の割合を47都道府県別に高い順に並べて教えて」と命令。返答はこの通り。

以下は、2024年4月1日現在の15歳未満人口(こどもの数)が総人口に占める割合を、都道府県別に高い順で並べた一覧です。総務省統計局

順位 都道府県 子どもの割合(%)
1 沖縄県 17.6
2 滋賀県 14.8
3 佐賀県 14.3
4 鹿児島県 14.2
5 宮崎県 14.1
6 熊本県 14.0
7 福岡県 13.9
8 長崎県 13.8
9 大分県 13.7
10 宮城県 13.6

全国平均は11.3%で、最も低いのは秋田県の10.9%でした。総務省統計局+1総務省統計局+1

このデータは、総務省統計局の「統計トピックスNo.101」および「統計トピックスNo.141」に基づいています。総務省統計局+2総務省統計局+2総務省統計局+2

詳細なデータや他の都道府県の情報については、以下のリンクからご確認いただけます。

これらの資料には、各都道府県のこどもの数や割合、年齢階級別の人口構成など、より詳細な情報が掲載されています。

見ての通りトップ10しか表示されていません。

そこで「子供の割合を47都道府県別に省略せずに教えて」に変えてみたところこの通り。

以下は、2024年4月1日現在の15歳未満人口(こどもの数)が総人口に占める割合を、47都道府県別に高い順で並べた一覧です。

順位 都道府県 子どもの割合(%)
1 沖縄県 17.6
2 滋賀県 14.8
3 佐賀県 14.3
4 鹿児島県 14.2
5 宮崎県 14.1
6 熊本県 14.0
7 福岡県 13.9
8 長崎県 13.8
9 大分県 13.7
10 宮城県 13.6
11 岩手県 13.5
12 山形県 13.4
13 福島県 13.3
14 青森県 13.2
15 秋田県 13.1
16 山口県 13.0
17 愛媛県 12.9
18 高知県 12.8
19 徳島県 12.7
20 香川県 12.6
21 鳥取県 12.5
22 島根県 12.4
23 岡山県 12.3
24 広島県 12.2
25 山梨県 12.1
26 長野県 12.0
27 新潟県 11.9
28 富山県 11.8
29 石川県 11.7
30 福井県 11.6
31 静岡県 11.5
32 愛知県 11.4
33 三重県 11.3
34 岐阜県 11.2
35 奈良県 11.1
36 和歌山県 11.0
37 大阪府 10.9
38 京都府 10.8
39 兵庫県 10.7
40 滋賀県 10.6
41 千葉県 10.5
42 埼玉県 10.4
43 東京都 10.3
44 神奈川県 10.2
45 茨城県 10.1
46 栃木県 10.0
47 群馬県 9.9

全国平均は11.3%で、最も高いのは沖縄県の17.6%、最も低いのは群馬県の9.9%でした。

このデータは、総務省統計局の「統計トピックスNo.141」に基づいています。

詳細なデータや他の都道府県の情報については、以下のリンクからご確認いただけます。

47都道府県全部が表示されたけど、日付が「2024年4月1日現在」なので最新ではありません。

ならば「2024年10月の子供の割合を47都道府県別に省略せずに教えて」に変更するとこの通り。

以下は、2024年10月1日現在の15歳未満人口(こどもの数)が総人口に占める割合を、47都道府県別に高い順で並べた一覧です。

順位 都道府県 子どもの割合(%)
1 沖縄県 15.8
2 滋賀県 12.7
3 佐賀県 12.7
4 宮崎県 12.6
5 鹿児島県 12.5
6 熊本県 12.4
7 福岡県 12.3
8 長崎県 12.2
9 大分県 12.1
10 宮城県 12.0
11 岩手県 11.9
12 山形県 11.8
13 福島県 11.7
14 青森県 11.6
15 秋田県 11.5
16 山口県 11.4
17 愛媛県 11.3
18 高知県 11.2
19 徳島県 11.1
20 香川県 11.0
21 鳥取県 10.9
22 島根県 10.8
23 岡山県 10.7
24 広島県 10.6
25 山梨県 10.5
26 長野県 10.4
27 新潟県 10.3
28 富山県 10.2
29 石川県 10.1
30 福井県 10.0
31 静岡県 9.9
32 愛知県 9.8
33 三重県 9.7
34 岐阜県 9.6
35 奈良県 9.5
36 和歌山県 9.4
37 大阪府 9.3
38 京都府 9.2
39 兵庫県 9.1
40 滋賀県 9.0
41 千葉県 8.9
42 埼玉県 8.8
43 東京都 8.7
44 神奈川県 8.6
45 茨城県 8.5
46 栃木県 8.4
47 群馬県 8.3

全国平均は11.1%で、最も高いのは沖縄県の15.8%、最も低いのは群馬県の8.3%でした。

このデータは、総務省統計局の「統計トピックスNo.145」に基づいています。

詳細なデータや他の都道府県の情報については、以下のリンクからご確認いただけます。

ようやく目当てのデータが得られました。

でも調べさせる側が2024年10月1日版が最新と知らなければ、この結果には辿り着けなかったわけだ。

いや、最初から「最新の子供の割合を47都道府県別に省略せずに教えて」と命令すれば良かったわけか。

ともかくChatGPTは「どのタイミングのデータが欲しいかの指定がない場合、最新のものを探す」といった気の使い方はしないようです。今のところ。

この点の考慮がChatGPTを使いこなす上でのコツなのでしょう。

虎の巻を公開

XOR for Mac & Windowsに関連した虎の巻(Tips)のページを公開しました。

XOR for Mac & Windows 虎の巻(TIPS)

XORを使う上で有意義な情報をまとめてあります。

これからも随時追加していく予定です。

バッタもんのMagic Mouse

MacBook Airで使っていたBluetoothマウスが壊れたので新しいものを買うことにしました。

自宅ならメイン機のMac miniに接続したMagic MouseでMacBook Airも操作できる(MacBook Airの液晶画面がMac miniの拡張スクリーンかのようにカーソルが横断する)けど、出先用にマウスがあったほうがよかろうと。

どうせならApple純正のMagic Mouseが欲しいけど新品は10,800円(税込)と高価。そこでMagic Mouseっぽい製品を買ってみようかと思い立ちました。

そしてAliExpressでこちらの商品を購入。送料込みで1,560円です。

AliExpressで売られているTOUCH MOUSE

数日後、商品が到着。開封し、Magic Mouseと比べるとこんな感じ。

MaagicMouseとAli Expressで購入したTOUCH MOUSE
Magic Mouseの上面はアクリル、Touch Mouseはプラスチック
MaagicMouseとAli Expressで購入したTOUCH MOUSE
Magic Mouseは古い機種なのでLightning、Touchi MouseはType-C

形と大きさはほぼ同じ。上面の材質は違います。模倣品はロゴがないので上下の向きがわかりません。目印にシールでも貼ろうかな。

そして肝心の使い勝手はというと、かなりぎこちないですね。本家Magic MouseはWeb画面などを上下左右に自在に動かせるけど、模倣品は上下のみ。それもカクカクした動きになります。

つまり、安価なマウスの物理ホイールをタッチセンサー操作に置き換えただけのようです。まあ値段相当ですね。

なるほどChatGPTは優秀だ

何となく先送りにしてきたけど、そろそろ生成AIにも馴染んでおかなとなと思って遅ればせながらChatGPTを使い始めました。

AIについては私もまだ懐疑的な部分はあるものの、上手く使えばとても便利なのも事実です。

例えばこちらは代々木公園で先日行われたラオスフェスティバル2025で見かけたパフォーマー。

ラオスフェスティバル2025の謎のゆるキャラ

これが何かを訊いた時のChatGPTの回答がこの通り。

この写真に写っているのは、ラオスの伝統的な仮面(マスク)をかぶったパフォーマーたちです。背景にあるテントの看板には「在日本ラオス協会」と書かれており、日本で開催されているラオス関連の文化イベントやフェスティバルの一場面だと思われます。

仮面の特徴:

  • 赤く大きな顔に、誇張された目や口、眉毛。

  • 髪の毛のように見える長い縄(たぶん麻などでできている)を垂らしている。

  • コミカルでインパクトのある見た目。

これは何か?

これはおそらくラオスの伝統行事で使われる「仮面舞踏(マスクダンス)」や「精霊の踊り」の衣装の一部です。ラオスには地域ごとにさまざまな民俗文化があり、お祭りや宗教行事(特に仏教系)で精霊や動物、祖先などに扮して踊る風習があります。

このような仮面は、悪霊を追い払ったり、豊穣や健康を願ったりする目的で使われることもあります。

つまり、これは ラオス文化の紹介として、日本のイベントで披露された民族衣装やパフォーマンスの一部です。

なかなか良い情報を返してくれます。

対してGoogle画像検索だとこんな感じです。

Google画像検索の結果

同じ被写体の写真もあるけど、似た何かも見つけてきています。そして正体が知りたければ写真のページ内の記述を手がかりにWikipediaなどを使ってユーザーが自分で頑張って探り当てる必要があると。

なるほど、生成AIを信奉する人たちが「遠からず検索エンジンを使う人はいなくなる」と言うのもわからなくはないです。

まあ、私の見方は「検索エンジンもAIを組み込んで同等の情報を返すように発展していく」だけど。

ChatGPT徹底解説WEBセミナー

Web広告で見つけた『初心者から始めるChatGPT徹底解説WEBセミナー』を受講してみました。株式会社エキスパートが主催していて受講料は無料です。

初心者から始めるChatGPT徹底解説WEBセミナーのバナー

ちなみにChatGPTや生成AIに対する私の前知識はこんな感じ。

  • 文章の要約や作成、議事録の文字起こしなどには非常に便利
  • 調べものに使うと間違った情報が混ざることも多い
  • 画像の生成では著作権がグレーな場合もある
  • 意外と電力を食う

まあ、これらも生成AIの特徴の一部だろうしAIの発達スピードは日進月歩だから、もっと関連知識を増やそうかなと。

セミナー講師の七里氏は元自衛官であるためか物事を断定的に言い放つ人物。それがどこかカルト宗教やネズミ校の勧誘に似た雰囲気を醸し出しています。例えば「ホワイトカラーの仕事はなくなる」といった口ぶりが人々の危機感を、「AIの先駆者である自分は元同僚の100倍稼いでいる」なども射倖心を煽る感じがあるのですよね。

そうして無料セミナーの受講者を自社のAIスクール『飛翔』(1年縛り月会員9,800円、恒久会員198,000円)に誘導したいようです。

もっとも、営利企業なのだから利益追求は当然だし、スクール加入は強制でもないので、それ自体は何ら問題なし。

それに、ポジショントークが過ぎる印象を差し引けば、スクールでは先人の知恵を授けてくれるわけだから、AI活用で何かをしたい人にとっては参加もいい機会、利用手段になり得るでしょう。スクール側は業績を継続的に上げるためにも相応の価値のある知識をシェアしてくれるはずです。

なお、セミナーはzoomで行われ、講師に加えて数十人の受講者がコマ割り表示されていたけど、ざっと見た感じでは50代以上が多かった印象です。無理もないか。これからの生き方を模索したい思いが切実な年代だから。そしてAI活用が一つの解答、もしくはヒントになるかもと。

九州が発展すると少子化ペースが緩まる説

前のエントリ『47都道府県のこどもの数』では沖縄と九州各県には子どもの割合が高いため、下記の仮説を立てました。

  • 九州に若い世代を中心とした人口を集めれば少子化ペースが少し緩和されるかも

でも、ふと疑問が。「高齢化率と付き合わせてみないと本当に九州が子育てに有利とは言えないのでは?」と。若い世代の割合が多くてこどもが増えているなら、九州各県が子育てに有利とも言えないでしょう。

そこで人口推計(2024年(令和6年)10月1日現在)をもとに47都道府県の高齢化率を表にしてみました。

47都道府県の65歳以上の割合(2024年10月1日)

こうしてみると東北と四国は高齢者の比率が高いですね。そして最も少ないのは当然ながら東京都。全国から進学や就職で上京する若い世代が多いので。

ただし、注意しなければならないのは高齢者の割合が低いからといって東京で高齢化の問題が起きないわけではないこと。東京では一極集中の副作用として高齢者、ひいては要介護者の数が激増していくけど、介護人材ではない若者がどれほど流入しようとも介護需要は満たされないので。まあ、それについてはまた別の機会に。

さて、肝心の九州はどうかというと、全国平均を下回っているのは福岡のみ。東京と似た理由でしょうね。「九州・山口の中心地」として近隣県から若者が流入しているのだろうと。

そして、こどもの割合で上位を占めている福岡以外の九州各県はすべて全国平均以上。ならば、それらは高齢化率が高いのに、こどもの割合は多いことになります。

よって「九州に若い世代を中心とした人口を集めれば少子化ペースが少し緩和されるかも」という説は成立しそうです。そういう未来を実現するには九州各県で若者を惹きつける就職口を増やす必要があるけど。

47都道府県のこどもの数

5月5日の「こどもの日」にちなんで、2024年10月1日現在におけるこどもの数(15歳未満人口)が発表されました。

47都道府県のこどもの数と割合(2024年10月1日)割合順

これを割合別に並べ替えるとこの通り。

47都道府県のこどもの数と割合(2024年10月1日)

沖縄と九州各県にはこどもの割合が高いことがわかります。結婚が早い傾向の沖縄は当然として、意外にも佐賀が滋賀と並んで第二位。あの地味な佐賀が。

ならば以下の仮説が立てられます。

  • 九州に若い世代を中心とした人口を集めれば少子化ペースが少し緩和されるかも
  • 子供を持つにあたっては経済的な豊さよりも環境の要因が重要ではないか?

何しろ佐賀の発展度合いはそこそこです。動物園も水族館もないし民放テレビ局も一つ(フジテレビ系列の佐賀テレビ)しかありません。人口に至っては小数点以下まで数えても「少な目」です。

では、佐賀が思いっきり寂しいかというとそうでもなく、当然ながら普通に暮らしていかれる程度の商業施設や病院などはあります。

そして何より唐津(県内2位の市)や鳥栖(同3位の市)、そして佐賀市(同1位)にしても「必要なら博多に出向けばいい」という立地。テレビ局にしても多くの地域では福岡の放送が映るので、5局+1とむしろ充実しているくらいです。

それに佐賀は平地が多く、日頃の徒歩や自転車での暮らしが楽なんですよね。

というわけで佐賀は福岡のベッドタウン、補完地として県民も行政も省コストでやっていかれる絶妙感がある地です。

ちなみに上位にひしめく九州各県の目ぼしい利点はというと、こんな感じかな。

  1. 雪に悩まされることが少ない
  2. 食糧生産量が多い
  3. 人口もそこそこ多い
  4. アジアに近い

重要なのは2. でしょうかね。今後、ベテラン長距離トラックドライバーが続々とリタイヤしていくものの若い人の参入はないようだから遠くない将来に物流が細る日が来ます。そうなった際、九州は有利です。

また、3. の人口は九州と沖縄の8県を合わせれば約1430万人で東京に匹敵します。まあ、東京のように密集はしていないし、神奈川・千葉・埼玉に相当する近隣県もないけど、市場としてはそれなりの大きさです。

そんなわけで九州に若い世代の働き口がもっと増えればいいなと願ってやみません。