2026年6月25日、米メディアのAxiosとBusiness Insiderは、OpenAI FoundationやAnthropic、Amazon、Microsoftなどが支える新団体「Raise Us」が始動したと報じました。テーマはシンプルで、AIが広がる時代に働く人の移行をどう支えるかです。AIの話題では「便利になる」「仕事が奪われる」という二極化した見出しが先に立ちがちですが、今回のニュースの要点はそこではありません。企業、州政府、教育機関、慈善団体がまとまって、雇用の変化に備える仕組みを試し、うまくいく型を作ろうとしている点にあります。
この動きが注目されるのは、生成AIの議論が「すごい新機能」から「仕事の流れをどう変えるのか」へ明確に移ってきたからです。とくに2026年に入ってからは、AIモデルの性能や資金調達の話と並んで、ホワイトカラー業務の再設計、教育の更新、社内ルール、監督責任といった論点が前面に出てきました。Raise Usは、そうした不安や期待を抽象論のままにせず、州単位の実証や雇用政策の設計に落とし込もうとする試みとして読むと分かりやすくなります。
日本の読者にとっても、このニュースは米国の内政ニュースとして切り離してよい話ではありません。日本企業でも、すでに議事録作成、資料下書き、コード補助、社内検索、顧客対応の一部などでAI導入が進んでいます。変化は一気に全職種へ来るわけではありませんが、どの業務が自動化されやすく、どの業務に人の判断が残りやすいのかを見直す必要は確実に高まっています。Raise Usは、その見直しを個人の根性論ではなく、制度と実務の両面で支えるべきだと示したニュースです。
この記事では、2026年6月25日に何が報じられたのかを整理したうえで、Raise Usが何を目指すのか、なぜ今この話が出てきたのか、働く人や企業は何を読み取るべきか、そして期待しすぎないための注意点までを順に見ていきます。
2026年6月25日に報じられた内容
まず事実関係を整理します。Axiosの2026年6月25日付記事によると、元米商務長官のジーナ・レモンド氏と元インディアナ州知事のエリック・ホルコム氏が、新団体Raise Usを立ち上げました。Axiosは、この取り組みがAnthropicとOpenAI Foundationの支援を受ける総額5億ドル規模の開始段階にあり、最終的には10億ドル規模を目指していると報じています。支援企業にはAmazon、IBM、Microsoft、Bank of America、Eli Lillyなども含まれるとされ、州政府や教育関係者、慈善団体とも連携する構図です。
Business Insiderの同日報道では、Raise Usは「AIによる雇用の変化に備える国家的な基盤づくり」を狙う非営利組織として紹介されています。記事では、OpenAI Foundation、Anthropic、Amazon、Microsoftがアンカーパートナーとして参加し、すでに5億ドルを確保していると説明されました。特に重要なのは、州知事に助言する全国的なプラットフォームをつくるという位置づけです。つまり、単発の職業訓練イベントではなく、州の制度設計や地域の雇用政策まで含めて扱う構想だということです。
初期の連携先として報じられたのは、アーカンソー州、コネチカット州、メリーランド州、ユタ州の4州でした。Business Insiderによると、アーカンソー州では学生や求職者を学び直しと雇用主の経路につなぐAI活用のキャリアナビゲーション基盤「Arkansas LAUNCH」を立ち上げる計画が挙がっています。メリーランド州では、高校卒業直後の若者向けに、医療や教育などの分野でのサービスイヤー拡大が紹介されました。Axiosではさらに、賃金保険、解雇ではなく再訓練を選ぶ企業へのインセンティブ、AIを使ったキャリアコーチング、短期資格プログラムなどの政策実験を各州で試す構想が触れられています。
ここで見えてくるのは、Raise Usが単に「AIを学ぼう」と呼びかける団体ではないという点です。対象は個人のスキル習得だけではなく、企業の再訓練行動、州政府の制度、教育機関のつなぎ込み、地域ごとの労働市場の違いまで含まれています。AIニュースとして見ると地味に映るかもしれませんが、実際にはかなり踏み込んだ話です。
Raise Usは何を解決しようとしているのか
Raise Usの本質は、「AIの性能向上そのもの」ではなく、「AIによって変わる仕事の移行コスト」に焦点を当てていることにあります。AIが強いのは、一定の型がある情報処理、要約、下書き、検索補助、定型応答、比較表作成、コードのたたき台作りなどです。こうした業務は、従来は若手社員や事務系職種、補助的な専門職が担当していた部分と重なります。もし企業がAI導入による効率化だけを先に進めれば、入門的な仕事が細って育成経路が弱くなったり、職種間で期待される役割が一気に変わったりする可能性があります。
Axiosの記事で注目されたのは、Raise Usが「企業が人員削減ではなく再訓練を選ぶよう促す制度」を試そうとしている点でした。これは極めて実務的な論点です。AIによって作業時間が減ったとき、企業は余剰をそのまま削減に回すのか、それとも人を別の役割へ移すのかで、労働市場への影響は大きく変わります。再訓練は言葉にすると前向きですが、現場では教育費、受講時間、評価制度、上司の理解、受け皿となる新業務の有無など、多くの条件がそろわないと機能しません。Raise Usは、その難しい移行を政策と実証で支えようとしているわけです。
また、AIを使ったキャリアコーチングという構想も興味深いポイントです。履歴書や職務経歴書の自動添削だけでなく、現在の業務から近いスキルに接続し、どの資格や研修が有効かを可視化する仕組みが想定されていると読めます。もっとも、ここで重要なのは、AIが万能の進路指導役になるということではありません。AIが提示できるのは選択肢の整理や情報の圧縮までであり、最終的に本人の事情、地域の雇用、賃金、通勤、家庭責任、会社の方針などを踏まえた判断は人間側に残ります。Raise Usが本当に意味を持つのは、AIを「判断の代行者」ではなく「移行を支える補助ツール」として位置づけられたときです。
さらに、Raise Usが州政府と組む構図には大きな意味があります。AI導入の影響は地域によって大きく異なります。都市部のオフィス集積地と、製造業や物流の比重が高い地域では、AIによる影響の出方が違います。大企業の本社人材と、地方の中小企業の管理部門でも必要な支援は異なります。全国一律のきれいな答えを先に出すより、州単位で試し、何が効いたのかを見てから広げる発想は理にかなっています。
なぜ今、AI企業が雇用移行を語るのか
このニュースが大きく見えるのは、AI企業自身が「自分たちの技術が労働市場を揺らす可能性」を正面から扱わざるを得なくなっているからです。2025年から2026年にかけて、AI企業の幹部発言では雇用への影響をめぐるトーンに揺れがありました。Business Insiderは、Anthropicのダリオ・アモデイCEOがエントリーレベルのホワイトカラー職に大きな影響が出る可能性を公に警告してきた一方で、OpenAIのサム・アルトマンCEOは、想定よりその影響が早くは出ていないという見方も示したと報じています。
このズレは、どちらかが完全に正しくどちらかが誤り、という単純な話ではありません。AIの影響は、モデル性能だけで決まるわけではないからです。現場のシステム接続、権限管理、品質確認、業法対応、社内教育、顧客とのコミュニケーション、既存の人事制度など、実装には多くの摩擦があります。たとえAIが技術的には可能でも、現実の職場で即座に人を置き換えるとは限りません。一方で、下書きや補助業務から静かに役割が変わり、採用数や育成経路に後から効いてくることは十分にありえます。Raise Usの設計思想は、この「急には全部変わらないが、静かに構造が変わる」という前提と相性がよいといえます。
また、AI企業にとっても、社会的な信頼を保ちながら普及を進めるには、雇用面の説明責任が重くなっています。これまでのテクノロジー普及では、「新技術は最終的に雇用を増やす」と総論で語られがちでした。しかし生成AIは、文章、分析、事務、ソフトウェア開発、サポートなど、オフィスワークの中核に触れやすい点が従来と異なります。だからこそ、単なる普及キャンペーンではなく、再訓練、資格、キャリア支援、賃金の谷への対応といった、より重たい論点に踏み込まざるを得なくなっています。
Axiosが紹介したGoogleやMeta、Autodeskの別系統の人材支援策も、この流れの一部として読むと分かりやすいです。近年のAI関連投資では、データセンター建設を支える技能職や周辺職種への関心が高まっていました。Raise Usがそれと違うのは、より広いホワイトカラーや一般的な労働市場の変化に照準を合わせている点です。つまり「AIを支える仕事を増やす」だけでなく、「AIによって変わる既存の仕事をどうつなぐか」を前面に出しているわけです。
働く人にとって何が実務的な論点になるのか
このニュースを読むときに大事なのは、「米国で大きな基金ができたら日本の自分にも直接利益がある」と受け取らないことです。一方で、「遠い国の話だから無関係」と片づけるのも早すぎます。実務的に見るべき論点は、次のように整理できます。
まず1つ目は、自分の仕事の中で、AIに置き換わる工程と、AIで逆に重要性が増す工程を分けて考えることです。たとえば、文章のたたき台、会議の要約、表の整形、競合比較の初稿作り、問い合わせ分類などはAIが得意です。しかし、最終判断、顧客との関係構築、例外対応、責任を持つ承認、部門間調整、曖昧な前提条件のすり合わせなどは、人の関与が残りやすい領域です。Raise Usが示すメッセージは、「AIに勝てる職種を探す」よりも、「自分の業務の中でどの工程を強めるべきか」を見直すほうが現実的だということです。
2つ目は、学び直しの単位を大きくしすぎないことです。AI時代の再教育と聞くと、すぐに大きな資格取得や転職準備を連想しがちですが、実際にはもっと細かい単位のアップデートが効く場合があります。たとえば、社内文書の扱い方、プロンプトの設計ではなく出力検証の方法、AIが出した下書きを会議資料に直す手順、機密情報を含むかどうかの見分け、業務フローのどこで人の承認を挟むかなどです。Raise Usが短期資格や政策実験を含めているのは、こうした小さな橋渡しの重要性を示しています。
3つ目は、会社側の設計を見ることです。個人がいくら学んでも、会社がAI導入を「単なる人件費削減の手段」としてしか扱わないなら、移行は荒くなります。逆に、AI導入と同時に役割再定義、教育、評価、責任範囲の見直しが行われる会社では、変化は比較的滑らかです。Raise Usが企業への再訓練インセンティブを重視しているのは、雇用移行の質が企業側の設計に強く左右されるからです。日本の読者にとっても、AIツールの有無より、導入方針と運用設計の有無を見たほうが実態に近づきます。
企業にとっての意味は「導入」より「移行設計」
Raise Usのニュースは、企業向けにも重要な示唆があります。AI導入は、もはやツール選定だけの話ではありません。どの職種のどの業務を変えるのか、変えたあと誰が責任を持つのか、若手育成の入口をどう維持するのか、誤りやバイアスが出たとき誰が止めるのか、といった移行設計が中心課題になります。
企業の現場でよく起きるのは、AIで削減できる工数だけが先に見え、削った後の仕事の設計が追いつかないことです。たとえば、若手が最初に担当していた資料の下調べやドラフト作成をAIに任せた結果、経験を積む入口が細くなるケースがあります。効率化だけ見れば正しく見えても、数年後に中堅層の育成が弱くなるなら、組織としては別のコストが発生します。Raise Usが職業訓練と雇用の橋渡しを政策課題として扱うのは、この中長期のギャップを無視しないためです。
また、AI導入に伴う社内ルールの整備も重要です。入力してよい情報の範囲、生成結果の検証責任、顧客説明の要否、ログ保存、著作権や利用規約の確認、社外公開物への利用基準などは、導入後に慌てて作ると現場が混乱しやすくなります。Raise Usが広い連携体制を前提にしているのは、AIの雇用問題が教育政策だけでは完結せず、企業統治やコンプライアンスとも重なるからです。
注意したいリスクと限界
ここまで読むと、Raise Usは前向きで大きな一歩に見えます。ただし、過度に期待しないために押さえておきたい限界もあります。
1. お金の大きさだけで成果は決まらない
5億ドル、将来的には10億ドル規模という数字は目を引きます。しかし、予算規模が大きいことと、現場で実際に役立つことは同じではありません。雇用移行は、受講者数や研修本数よりも、その後に賃金、就業継続、職務内容、地域の雇用機会がどう変わったかで評価する必要があります。Raise Usが本当に意味を持つかどうかは、数年かけて実証の中身が見えてから判断すべきです。
2. 再訓練は万能ではない
再訓練や学び直しは重要ですが、すべての人に同じように機能するわけではありません。家計の事情、働きながら学ぶ時間、地域の求人、年齢、過去の経験、デジタルへの慣れなどで結果は大きく変わります。だからこそ、Raise Usが賃金保険や短時間補償のような制度面にも触れているのは理にかなっています。学ぶだけで移行できるとは限らないため、所得の谷をどう埋めるかが現実には大きな論点になります。
3. AI企業が支援することへの見方は分かれる
AIによる雇用変化を生み出す側の企業が、その対策を支援する構図には当然ながら複雑さがあります。善意だけではなく、社会的受容を保つ意図や政策形成への関与という見方も成り立ちます。Axiosは、Raise Usの政策ラボ部分には企業資金を入れないと報じました。これは利害関係への警戒を意識した設計とも読めますが、それでも完全に論争がなくなるわけではありません。企業支援があるから安心、という受け止め方は避けるべきです。
4. 効果が見えるまで時間がかかる
AIモデルの改善は月単位で起きますが、雇用政策や教育制度の効果測定は年単位です。この時間差は大きな問題です。技術の変化が先に進み、支援制度が追いつく頃には現場の課題が別の形に変わっている可能性があります。Raise Usが複数州で実証を始めるのは妥当ですが、短期的に「これで解決」と見なせる段階ではありません。
日本の読者が今見るべき確認ポイント
このニュースを日本で読むなら、次の4点を確認しておくと実務に落とし込みやすくなります。
- 自分の業務でAIが先に入りそうなのはどの工程か。作成、要約、検索、分類、比較、問い合わせ対応など、工程単位で見る。
- その工程が減ったとき、自分の価値はどこへ移るのか。承認、説明、例外処理、調整、対人関係、責任の所在に注目する。
- 会社にAI利用ルールと再教育の設計があるか。便利さの話だけで終わっていないかを見る。
- 学び直しを大きな決断にしすぎず、今の業務の延長線で必要な更新を小さく積む。
Raise Usが示しているのは、AI時代の雇用問題は「AIを使うか使わないか」の二択ではなく、「どう移るか」「誰が支えるか」「移る間の不安定さをどう減らすか」という設計問題だということです。日本でも同じ構図はすでに始まっています。派手な未来予測より、現場の工程、社内ルール、学び直しの単位を具体的に見るほうが、結果的にAIニュースを正しく使えます。
まとめ
2026年6月25日に報じられたRaise Usの始動は、AIニュースの焦点が性能競争から雇用移行の設計へ移っていることを示す象徴的な出来事でした。OpenAI FoundationやAnthropic、Amazon、Microsoftなどが関わり、州政府と組んで再訓練や賃金保険、キャリア支援、短期資格といった現実的な政策実験を進めようとしている点に、このニュースの重みがあります。
一方で、巨額の基金ができたからといって、AIによる雇用変化にすぐ答えが出るわけではありません。重要なのは、AIが仕事をなくすかどうかを大ざっぱに論じることではなく、どの工程が変わり、どの役割に人の判断が残り、企業や制度がその移行をどう支えるかを細かく見ることです。Raise Usは、その見方を読者に促すニュースとして受け止めるのがもっとも実用的です。
AIの普及は今後も続きます。だからこそ必要なのは、過度な楽観でも過度な悲観でもなく、工程を見て、ルールを見て、学び直しの優先順位を決める姿勢です。Raise Usのニュースは、まさにその姿勢を持てるかどうかを問いかける材料になっています。
