2045年問題とは、人工知能が発展を続けて2045年頃に人類全体の知能を超え、そこから先の社会が予測できなくなるとされる仮説です。提唱者は未来学者のレイ・カーツワイルで、2005年の著書『The Singularity Is Near』（邦訳『ポスト・ヒューマン誕生』2007年）で2045年という年を示し、2024年6月の続編『The Singularity Is Nearer』（邦訳『シンギュラリティはより近く 人類がAIと融合するとき』NHK出版、2024年11月）でも同じ年を維持しています。ただしこの年号は、一人の未来学者が特定の前提を置いて外挿した数字です。この記事では、その前提が現在どこまで成り立っているのか、AI研究者2,778人を対象にした大規模調査が示した別の答え、雇用予測で必ず引かれる「49％」という数字の出典と原著者自身による再評価、そして日本の制度が2025年以降どこまで動いたかを、一次資料に当たって整理します。
まとめ：2045年問題の要点
先に結論を置きます。2045年問題は「誰がいつと言ったか」と「その根拠がいまも成り立つか」を分けて読むと、必要以上に怖がらずに済みます。
| 論点 | 要点 |
|---|---|
| 仮説の中身 | AIが人類の知能を超え予測が立たなくなる転換点 |
| 提唱者と年 | レイ・カーツワイル、2005年提唱 |
| 置かれた前提 | 収穫加速の法則とムーアの法則 |
| 研究者の集計予測 | タスクは2047年、職業は2116年 |
| 雇用の定番数字 | 野村総研2015年の約49％（技術的な代替可能性） |
| その後の再評価 | 手法の原著者が2024年に前提の一部を見直し |
| 日本の制度 | AI法が2025年9月1日に全面施行 |
| 個人の備え | 年号への賭けではなく職務の組み替え |
2045年問題とは何か：シンギュラリティ仮説の中身
2045年問題は、シンギュラリティ（技術的特異点）と呼ばれる転換点が2045年前後に訪れるという予測を指します。確定した未来ではなく、特定の前提から導かれたシナリオの一つです。用語そのものの成り立ちや思想的背景はシンギュラリティ（技術的特異点）とは何かを解説した記事で詳しく扱っているため、ここでは2045年という年の妥当性に絞ります。
「特異点」という言葉が持ち込まれた背景
特異点はもともと数学や物理学の用語で、それまで使ってきた式や法則が意味を失う点を指します。ブラックホールの中心のように、外側から立てた予測が内側では通用しなくなる場所です。技術の文脈にこの語を持ち込んだのは、AIが人間を超えた後の社会について「現在の延長線上で予測を立てること自体ができなくなる」と主張するためでした。したがってシンギュラリティは「AIが人間より賢くなる」という性能の話にとどまらず、「予測という営みが成立しなくなる」という認識論の話を含みます。この点を落とすと、単なる高性能AIの話と区別がつかなくなります。
AGI（汎用人工知能）が前提条件になる理由
シンギュラリティの前提とされるのが、汎用人工知能（AGI：Artificial General Intelligence）の実現です。現在広く使われているAIは、画像認識や文章生成のように領域を限って高い性能を出すもので、その外側の課題には対応できません。カーツワイルの筋書きでは、AIが自分より優れたAIを設計できるようになった段階で改良の速度が人間の手を離れ、そこから先が指数関数的に加速します。この自己改良のループが回るには、特定領域の性能ではなく、人間と同等の柔軟さが必要になるという理屈です。さらにその先、あらゆる領域で人間を大きく上回る知能はスーパーインテリジェンス（超知能）と呼ばれ、シンギュラリティ議論の到達点として扱われます。定義や歴史的背景はスーパーインテリジェンスをエンジニア向けに整理した記事にまとめました。
プレ・シンギュラリティという中間段階
2045年の手前に置かれる段階が、プレ・シンギュラリティ（前特異点）です。これは日本の齊藤元章氏が『エクサスケールの衝撃』（PHP研究所、2014年12月）および『プレ・シンギュラリティ 人工知能とスパコンによる社会的特異点が迫る』（PHP研究所、2017年）で提示した概念で、AIそのものが人間を超える前に、スーパーコンピュータの処理能力向上によって社会の仕組みが先に変わる時点を指し、「社会的特異点」とも呼ばれます。時期としては2030年頃が挙げられてきました。カーツワイルの2045年とは提唱者も根拠も別であり、両者を地続きの公式スケジュールのように並べる説明は正確ではありません。
なぜ「2045年」なのか：カーツワイルが置いた2つの前提
2045年という年に理論的な必然性があるわけではありません。カーツワイルが2つの経験則を未来へ外挿した結果として出てきた数字です。前提を確認すれば、この年号をどこまで信じてよいかが判断できます。
収穫加速の法則とムーアの法則という2つの土台
収穫加速の法則（Law of Accelerating Returns）はカーツワイル自身が提唱した考え方で、技術の進歩が一定速度ではなく加速度的に速くなるとするものです。ある技術の進展が次の技術を早め、それがさらに次を早めるという連鎖を想定します。この加速を数値で裏づける材料として使われたのが、半導体上のトランジスタ数が一定期間で倍増するというムーアの法則でした。よく引かれる「18か月で倍増」という版については補足が要ります。ムーア自身は1965年の論文では年1回、1975年には2年ごとと述べており、18か月という数字はインテルの同僚デビッド・ハウスによるものとされます。
この計算能力の伸びを外挿した先に置かれたのが2045年です。カーツワイルは『The Singularity Is Near』で、2045年には1000ドル分の計算能力がおよそ10の26乗回毎秒に達し、その年に生み出される非生物的知能が現在の全人類の知能を合わせたものの10億倍になると述べています。人間の脳1個分に相当する計算能力が同程度の価格で手に入る時期はもっと手前に置かれており、2045年はそこから桁を重ねた先の年として設定されました。
2026年時点のムーアの法則の実勢
微細化そのものは止まっていません。TSMCは2nm世代のN2プロセスについて、2025年第4四半期に計画どおり量産を開始したと自社の技術ページで公表しており、業界初の第1世代ナノシートトランジスタを採用したと説明しています。同社のロードマップでは、N2Pと比べて8〜10％の速度向上または15〜20％の消費電力削減が見込まれるA16が続き、その先に1.4nm世代が置かれています。ただし性能向上の中身は、かつてのように微細化だけで得られるものではなく、トランジスタ構造の変更や実装技術の組み合わせに移りました。
ここで注意したいのは、演算能力が伸びることと知能が生まれることは別の主張だという点です。カーツワイルの外挿はハードウェアの性能曲線を土台にしていますが、その計算資源が汎用的な知能に変換される保証は、法則としては示されていません。2045年という年号の弱点はここにあります。
AI研究者2,778人の回答：2047年と2116年という2つの答え
カーツワイル個人の予測に対して、AI研究者に直接尋ねた大規模調査があります。AI Impactsのカーチャ・グレースらによる「Thousands of AI Authors on the Future of AI」で、NeurIPS、ICML、ICLR、AAAI、IJCAI、JMLRという主要6会場に前年に査読論文を発表した研究者2,778人を、2023年秋に調査したものです。プレプリントは2024年1月に公開され、査読誌Journal of Artificial Intelligence Research（JAIR）に2025年10月に掲載されました。回答は、聞き方によって答えが70年近く変わるという、この論点の本質を突いた結果になっています。
「全タスク」は2047年、「全職業」は2116年
調査は「AIがあらゆる活動で人間を上回る時期」を2通りの聞き方で尋ねています。ひとつはHLMI（High-Level Machine Intelligence）で、原文では「支援なしの機械が、あらゆるタスクを人間の労働者より優れた形で、かつ安価に遂行できるようになったとき」と定義され、陪審員として受け入れられることのように人間であること自体が本質的に有利になる側面は除外すると明記されています。もうひとつはFAOL（Full Automation of Labor）で、「すべての職業が完全に自動化可能になったとき」と定義されます。集計結果は次のとおりです。
| 問い | 10％の確率で到達 | 50％の確率で到達 | 2022年調査の50％ | 回答者数 |
|---|---|---|---|---|
| HLMI（あらゆるタスク） | 2027年 | 2047年 | 2060年 | 1,714人 |
| FAOL（あらゆる職業） | 2037年 | 2116年 | 2164年 | 774人 |
この2047年と2116年は、回答の中央値ではなく集計予測です。個々の回答者の累積分布を平均した分布が50％に達する年を指します。HLMIの2047年は、わずか1年前の2022年調査より13年早まりました。2045年という年号に近い数字が、カーツワイルとは独立の集計からも出てきたことになります。なお両方の問いには「実現可能性であって普及ではない」という限定が付き、さらにHLMIの問いにだけ「人類の科学活動が大きな中断なく続くと仮定する」という条件が前置されています。社会実装の時期を答えたものではありません。
約70年の差をめぐる論争
タスクとして尋ねた集団は2047年、職業として尋ねた集団は2116年と答えました。両者は同一調査の中で別々に割り当てられた回答者で、論文はこの差を「HLMIの50％予測の平均とFAOLの50％予測の平均のあいだには約70年の差がある」と記述しています。
注意したいのは、この差の原因を論文が特定していないことです。原文は「このギャップを何が説明するのかは分からない」と明記しています。HLMIは「あらゆるタスク」を問うため、論理的にはHLMIの達成がFAOLの達成を含意するか、少なくとも近い状態を示唆するはずだ、というのが論文の立場です。それでも2016年、2022年、2023年の3回の調査で一貫して60年以上の差が現れました。論文が挙げる原因の候補は、聞き方による枠組み効果、HLMIにだけ前置される「科学活動が中断なく続く」という仮定、そしてFAOLでは先に4つの具体的な職業について考えさせてから全職業を尋ねる設問順序です。したがって「2045年に仕事がなくなる」という語り方は、どちらの数字を根拠にしても調査の読み方として粗いことになります。専門家の集団に尋ねても、質問の言い換えだけで答えが70年動く。それがこの調査から読み取れる、年号そのものより確かな事実です。
研究者自身が示したリスク認識
時期の予測とは別に、この調査は結果の良し悪しについても尋ねています。超人的なAIから良い結果が生まれる可能性のほうが高いと答えたのは68.3％でした。ただしその楽観側の回答者のうち48％が、人類絶滅のような極端に悪い結果に5％以上の確率を置いています。全体では37.8％から51.4％の回答者が、高度なAIが人類絶滅と同程度に悪い結果につながる確率を10％以上と見積もりました。半数超が「相当の」または「極度の」懸念が正当だと答えた項目には、誤情報の拡散、権威主義的な人口管理、格差の悪化が含まれます。専門家の多数派は悲観論者ではなく、良い結果を見込みながら無視できない下振れを併記している、というのが実像です。
シンギュラリティ予測の年表：誰がいつと言っているか
年号だけを並べると近い数字に見えますが、出典によって「何が起きる年か」がそもそも違います。比較するときは定義の列まで見てください。
| 年 | 出典 | その年に何が起きるとされるか |
|---|---|---|
| 2029年 | カーツワイル（2005年、2024年で維持） | AIがチューリングテストを通過 |
| 2030年頃 | 齊藤元章（2014年） | プレ・シンギュラリティ（社会的特異点） |
| 2037年 | グレースら（2023年調査） | 全職業の自動化が可能になる確率が10％ |
| 2045年 | カーツワイル（2005年、2024年で維持） | シンギュラリティ到来 |
| 2047年 | グレースら（2023年調査） | 全タスクで人間を上回る確率が50％ |
| 2116年 | グレースら（2023年調査） | 全職業の自動化が可能になる確率が50％ |
2025年から2035年という別の窓を持つ予測もあります。野村総合研究所が2015年に示した「10〜20年後」という時間軸で、これは次章で扱います。
AIが人間を超えた先に起きること
シンギュラリティ論が主張しているのは、性能が上がることではなく、その先を予測する手段が失われることです。AIが自分より優れたAIを設計し始めれば、改良の周期は人間が検証できる速度を離れます。そうなると、次に何が起きるかを人間が事前に評価できなくなり、社会制度や安全対策を先回りして設計することも難しくなるでしょう。医療や材料開発の加速といった恩恵と、制御を失うリスクは、どちらも同じ「予測できなさ」から出てくる裏表の帰結です。
「到来しない」とする反論
シンギュラリティを否定する立場も有力です。論拠は主に3つあります。第一に、計算能力の増大が知能の獲得に直結する保証がないこと。第二に、現在の大規模言語モデルの性能向上が、学習データと計算量の拡大に強く依存しており、その資源が有限であることです。フレイとオズボーンは2024年の論考で、大規模言語モデルが消費してきたデータはすでに膨大で、学習データを何桁も増やすことは現実的でないと指摘し、AI生成物が大量に流通することでウェブ自体が学習データ源として劣化する可能性にも触れています。第三に、幻覚（ハルシネーション）のように、規模の拡大では解けていない問題が残っていることです。
私見を言えば、2045年という特定の年を当てにして計画を立てるのは合理的ではありません。当たる根拠が薄いだけでなく、外れたときに「まだ大丈夫だった」という誤った安心に転びやすいためです。年号ではなく、次章で見る雇用側の変化のほうが、はるかに手前で実務に影響します。
仕事は奪われるのか：49％という数字の出典と、その後の再評価
日本語の解説で最も引用される数字が「日本の労働人口の約49％」です。この数字は実在しますが、意味を取り違えたまま引かれていることが少なくありません。出典に戻ります。
野村総合研究所の49％が実際に測ったもの
出典は野村総合研究所が2015年12月2日に公表したニュースリリースです。オックスフォード大学のマイケル A. オズボーン准教授およびカール・ベネディクト・フレイ博士との共同研究で、労働政策研究・研修機構が2012年に公表した「職務構造に関する研究」の601種類の職業を対象に、代替確率を試算しました。リリースの表現は「10〜20年後に、日本の労働人口の約49％が就いている職業において、それらに代替することが可能」であり、見出しにも本文にも「技術的には」という限定が付いています。
数字の作り方まで見るとさらに正確になります。リリースの注記によれば、49％は「従事する一人の業務全てを、高い確率（66％以上）でコンピューターが代わりに遂行できる」と判定された職種の就業者数が、就業者数全体に占める割合です。そして注記は、これがあくまで技術的な代替可能性であり、実際に代替されるかどうかは労働需給を含めた社会環境要因の影響も大きいと想定されるが、本試算ではそれらの社会環境要因を考慮していない、と自ら明記しています。業務の一部分だけが置き換わる可能性についても検討していません。なお同時に示された英国35％、米国47％はNRIの試算ではなく、注記のとおり米国はフレイ・オズボーンの2013年論文から、英国は両氏とデロイトトーマツコンサルティングによる2014年の報告から引用された値です。
そしてこの試算が置いた前提が、いま最も見落とされています。リリースは、抽象的な概念を整理・創出する知識が要求される職業、他者との協調や理解、説得、ネゴシエーション、サービス志向性が求められる職業は代替が難しい傾向にある、と明記していました。芸術、歴史学・考古学、哲学・神学などが例として挙げられています。
手法の原著者による2024年の再評価
その前提を、手法の原著者自身が見直しています。フレイとオズボーンは2024年の論考「Generative AI and the Future of Work: A Reappraisal」で、2013年当時は「大きな飛躍がない限り、創造性と社会的知性を要する仕事、および非定型の手作業は人間労働者にとって安全地帯であり続ける」と確信していたと述べ、ジャーナリスト、科学者、ソフトウェアエンジニア、アートディレクター、建築家を自動化リスクの低い職業として分類していたと明かしました。大規模言語モデルと画像生成モデルの登場は、まさにその安全地帯とされた領域に及んでいます。日本語の記事が2015年のリリースから引き継いできた「創造性と協調性があれば安全」という整理は、この時点で前提が揺らぎました。
ただし彼らの結論は「だから大量失業が来る」ではありません。同論考は、学習データの制約、合成データによる劣化リスク、ハルシネーションの残存を挙げ、既存モデルの規模拡大だけでは自動化の対象範囲は大きくは広がらないとしています。結論部の表現は、AIは今後も驚きをもたらし多くの仕事が自動化されていくと予想しつつ、大きなブレークスルーがない限り、2013年の論文で指摘したボトルネックが当面は自動化の可能性を制約し続けると見る、というものです。安全地帯の線引きは変わったが、自動化の総量が跳ね上がるとは見ていない。この二段構えを片方だけ切り取ると、どちらの方向にも誤読になります。
AIに奪われにくい仕事の見極め方
職業名のリストで安心する使い方は、もう機能しません。2015年のリスト上位が2024年に見直されたことがその証拠です。なお同リリースの参考資料には、代替可能性が高い100種と低い100種の職業が実名で挙げられています。ただしこれは2015年時点の技術的な代替可能性であり、低リスク側の線引きこそ原著者が見直した部分なので、そのまま安全リストとして読むことはできません。
実務的には、職業単位ではなくタスク単位で考えるほうが精度が出ます。前章のFAOLの議論がそのまま使えます。ひとつの職業が丸ごと消えるのは、その職業に含まれるすべてのタスクを機械が引き受けられたときだけです。したがって自分の仕事のうち、責任の引き受け、利害の調整、前例のない状況での判断、身体を使う非定型作業といった、機械に渡しにくいタスクがどれだけの比率を占めるかが実質的な指標になります。逆に、定型的な情報処理と文書生成に時間の大半を使っている職務は、職業名が何であれ組み替えの圧力を受けるでしょう。
失われる側だけでなく、生まれる側もあります。実際、AIの学習データを整備する職種、モデルの出力を検証・評価する職種、AIを既存業務に組み込む設計を担う職種は、2015年の601職業リストには存在しませんでした。ただし新職種が失われる雇用と同数生まれる保証はなく、必要なスキルの分布も入れ替わります。新しい職業名を待つより、いま担当している業務のうち検証と判断の比重を上げるほうが確実です。
日本の制度はどこまで進んだか：AI法と人工知能基本計画
2045年問題の解説では「法整備が追いついていない」と書かれることが多いのですが、日本については2025年以降に状況が変わりました。ここは古い記述が残りやすい箇所です。
2025年6月4日、人工知能関連技術の研究開発及び活用の推進に関する法律（AI法。AI推進法とも呼ばれます。令和七年法律第五十三号）が公布され、一部が施行されました。全面施行は2025年9月1日で、これに合わせて人工知能戦略本部の設置規定が動き出しています。同本部の組織は同法第二十一条が定め、第二十二条は「本部の長は、人工知能戦略本部長とし、内閣総理大臣をもって充てる」と規定します。専門調査会の設置など運営面は人工知能戦略本部令（令和七年政令第二百八十一号）で補われました。第1回会合は2025年9月12日に開催されています。
法律にもとづく計画も策定済みです。最初の「人工知能基本計画 〜『信頼できるＡＩ』による『日本再起』〜」が令和7年12月23日に閣議決定され、続く第Ⅱ期の「人工知能基本計画 〜日本ＡＸ、より強く、より豊かに〜」が令和8年7月14日に閣議決定されました。日本のAI法は違反への制裁を中心に据えた規制法ではなく、研究開発と活用の推進を基本理念に置いた法律です。事業者が実務で参照する具体的な指針は別途整理されており、その内容はAI事業者ガイドライン（第1.2版）の10の共通指針と3主体の責務を解説した記事にまとめています。2045年を待つまでもなく、AIを扱う企業が従うべき枠組みはすでに存在する、というのが現在地です。
2045年問題への備え方：個人と企業
備えの中身は、シンギュラリティが来るかどうかで変わりません。ここまで見たとおり、実務に効いてくるのは2045年ではなく、すでに始まっている職務の組み替えだからです。
個人については、まず自分の職務を工程に分解し、生成AIに渡せる工程と渡せない工程を実際に切り分けてみることが出発点になります。渡せる工程が多いと分かった場合に必要なのは職種の乗り換えではなく、空いた時間を判断や調整に振り向ける形での職務の再設計です。そのうえで不足するスキルを補う進め方はAI・IoT時代のリスキリングの具体的なメリットや取り組み事例で扱っています。合わせて、過去に成功した手順をいったん手放す作業も要るでしょう。この観点はアンラーニングの意味と現代ビジネスにおける重要性として整理しました。
企業については、AI導入の可否を検討する段階はすでに過ぎています。優先順位を付けるなら、第一に自社の業務のうちAIに渡した工程の品質を誰がどう検証するかという体制、第二に入力してよいデータの線引き、第三に従業員の職務再設計です。逆に、優先度を下げてよいものも明確でしょう。2045年に何が起きるかを前提にした長期計画は、根拠となる年号自体が一人の外挿である以上、投資判断の土台になりません。10年先の年号ではなく、いま社内で起きている工程の変化に人と予算を寄せるべきです。
よくある質問
シンギュラリティ（技術的特異点）とは何ですか？
AIが人間の知能を超え、その先の社会の変化を人間が予測できなくなるとされる転換点を指します。もともと数学や物理学で、既存の法則が通用しなくなる点を意味する言葉です。明確に合意された定義や到達判定の基準はなく、論者によって想定する内容が異なります。
AIが人間を超えるのはいつですか？
カーツワイルは2045年としています。一方、主要なAI国際会議に論文を出した研究者2,778人を対象とした2023年秋の調査では、支援なしの機械があらゆるタスクで人間より優れかつ安価になる時期について、集計予測が50％に達する年は2047年でした。ただしこれは実現可能性についての回答で普及の時期ではなく、しかも人類の科学活動が大きな中断なく続くことを前提にした数字です。同じ調査で「すべての職業が自動化可能になる時期」を尋ねた集団は2116年と答えており、聞き方によって約70年動きます。
AIが人間を超えるとどうなりますか？
シンギュラリティ論の主張は、AIがAI自身を改良し始めることで改良の速度が人間の検証できる範囲を離れ、その先に何が起きるかを事前に評価できなくなる、というものです。医療や材料開発の加速といった恩恵と、制御を失うリスクは同じ「予測できなさ」から生じます。なお、こうしたシナリオが成立しないとする反論も有力で、計算能力の増大が知能に直結する保証がないこと、学習データと計算資源が有限であることが論拠として挙げられます。
AIに奪われにくい仕事は何ですか？
職業名で判断する方法は精度が落ちています。野村総合研究所が2015年に代替されにくいとした「創造性、協調性が必要な業務」の一部は、手法の原著者であるフレイとオズボーン自身が2024年の論考で見直しの対象としており、ジャーナリストやアートディレクターが当時は低リスクに分類されていたと明かしました。実務的には、責任の引き受け、利害の調整、前例のない状況での判断、身体を使う非定型作業といったタスクが自分の職務にどれだけ含まれるかで見るほうが確かです。
プレ・シンギュラリティとは何ですか？
齊藤元章氏が『エクサスケールの衝撃』（PHP研究所、2014年12月）などで示した概念で、AIが人間の知能を超える前に、スーパーコンピュータの処理能力向上によって社会の仕組みが先に変わる時点を指し、社会的特異点とも呼ばれます。時期としては2030年頃が挙げられてきました。カーツワイルの2045年とは提唱者も根拠も異なるため、ひとつの連続した予定表として読むことはできません。
