住宅と生産性：より良い住まいを実現する5つの道筋

多くのオーストラリア人にとって、住宅は財政的コミットメントの大部分を占め、雇用、教育、退職に関する重要な人生の決定に影響を与えています。何世代にもわたり、国家の住宅選択は、その都市の経済的成功と生産性を深く形成してきました。歴史的に、安定した手頃な住宅は、安定した労働力を提供することで開発を促進し、進歩を推進してきました。しかし、近年、政策立案者は住宅と生産性の重要なつながりを大きく見過ごしてきましたが、幸いにもこのつながりは現在、政府の経済議論で注目を集めています。

オーストラリアでエスカレートする住宅の購入可能性の危機は、都市経済を積極的に損なっています。多くの都市は法外なほど高価になり、住民がそこに住むこと、働くこと、ビジネスを設立すること、または教育を追求することを躊躇させています。その結果、増え続けるオーストラリア人が都市の周縁部に追いやられ、困難な毎日の通勤に耐えています。同時に、仕事が密集している地域の多くは、維持や修理ができない劣悪な住居に住んでいます。このような質の悪い住宅は、健康状態を悪化させることが知られており、それが必然的に国家の生産性にとって足かせとなっています。

この傾向を逆転させ、住宅を生産性の推進力として活用するためには、いくつかの戦略的転換が必要です。改善すべき主要な分野の1つは、住宅の建設方法にあります。現在のオーストラリアの建設方法は、業界の断片的な性質（元請け業者が数十の下請け業者を管理する）により、非常に非効率的であることで悪名高いです。これはしばしば、特定のサブコントラクターを待って現場が休止したり、進捗が停滞したりするなど、費用のかかる遅延につながります。現代の建設技術を採用することは、住宅供給を革新する道を開きます。これには、プレハブ工法、リサイクル鋼などの代替材料の使用、3Dプリンティング、ロボット技術などの革新的な技術を迅速にテストし、規模を拡大することが含まれます。これらの進歩と並行して標準化を進めることで、建設ワークフローを大幅にスピードアップし、合理化することができます。

建設だけでなく、既存の住宅ストックをより生産的に活用する方法も検討する必要があります。人口が高齢化し、世帯構成が変化するにつれて、伝統的な四半エーカーの土地の理想はもはや現代のニーズと一致しません。過去1世紀でオーストラリアの平均世帯規模は2.5人に半減しましたが、オーストラリアの住宅は現在、平均して世界で最も大きく、ほとんどのヨーロッパやアジア諸国の住宅の2倍の大きさです。より多様なストック、つまりより多くのタウンハウス、アパート、その他の高密度な形態があれば、住宅供給を人口のニーズにより良く適合させることができます。明日の住宅供給の大部分がすでに今日存在することを考えると、老朽化した建物を再利用し、その効率的な利用を増やす、さらには以前のオフィスビルを住居目的で転用することにも計り知れない可能性があります。住宅購入時の印紙税を廃止し、広範な土地税に置き換えるなどの政策変更は、労働移動をさらに促進し、ダウンスケールを奨励し、家族のために大きな家を解放することにつながる可能性があります。

さらに、供給を増やし、生産性を向上させるためには、住宅に対する政府の責任を合理化することが不可欠です。統合された政策を達成するためには、連邦政府と州政府が住宅と都市のポートフォリオを一人の大臣の下に統合し、住宅供給を優先する明確な使命を持つ必要があります。複数の大臣や部署が意図せず互いを妨害するような断片的なアプローチから脱却することが不可欠です。一部の州では、すでにこのような合理化の成功が示されており、例えば南オーストラリア州では、住宅と計画の責任を「スーパー部門」の下に統合しています。

全国的な120万戸の良好な立地の住宅目標は、都心部のみの開発と誤解されるべきではありません。主要な都市中心部以外にも大きな経済的可能性が存在します。オーストラリアの地方地域は近年大幅な成長を経験しており、政府が将来の計画を優先し、必要なインフラを提供すれば、さらに拡大する可能性があります。これにより、数万戸の新しい住宅が解放され、同時に主要都市の住宅市場への圧力が緩和され、より良い電力網やより強力な地域経済といった国家目標に必要な労働力が提供されます。地方での住宅建設の増加は、大都市圏外の生産性を直接向上させるでしょう。

最後に、データと人工知能を通じてイノベーションを取り入れることは、住宅政策を変革することができます。オーストラリアの多様な住宅市場は、都市部、地方、遠隔地で非常に異なる振る舞いをします。AIイノベーションの波は、計画プロセスの合理化の可能性を提供し、高度な機械学習モデルを通じて個人レベルでの住宅行動の正確な予測を生成することができます。これらのモデルはすでに医療分野で疾患リスクスクリーニングのために試行されており、主要な住宅および計算科学の専門家間のパートナーシップを通じて住宅に適用することができます。HomeBuilderやCommonwealth Rent Assistanceのような住宅プログラムは、ターゲットが不適切であると批判されることがよくありました。機械学習モデルは、住宅政策設計において非常に正確なターゲティングを達成するために非常に必要なツールを提供し、長らく待望されていた改善につながります。

住宅の購入可能性危機を解決するための単一の「特効薬」はありません。政策の惰性を克服し、新しい解決策を積極的に試す時が来ています。オーストラリア政府、州および準州、民間部門、そして個々のコミュニティは、パイロットプログラムを実施し、失敗を認め、最も有望なイノベーションを拡大する必要があります。例えば、新しい建設方法は、サプライチェーンがより脆弱な地方地域で最初に開拓され、その後全国的に展開される可能性があります。オーストラリアの生産性レベルが歴史的な低水準に達している今、より広範な住宅システムを理解し、議論し、行動することはこれまで以上に緊急です。労働力や資本投資と同様に、住宅は基本的な経済インフラであり、生産性の低下を逆転させ、長期的な経済成長の見通しを回復するために活用されなければならない巨大で強力なレバーです。