AIに奪われるのは、職業ではなく「作業」のほうだった

アメリカの仕事のうち、自動化される危険が高いのは47%。別の研究チームが同じアメリカを測り直すと、9%でした。

対象の国は同じで、技術の見立ても大きくは変えていません。違ったのは、何を1単位として数えたかです。

「仕事の半分がAIに奪われる」という話は、2010年代の半ばから何度も繰り返されてきました。日本でも「労働人口の49%」という数字が広く知られています。

この数字がどんな測り方から出てきたのかを知ると、AIと仕事の関係の見え方がかなり変わります。そして、楽観していいという話にもなりません。

「47%」は、職業を丸ごと数えた数字だった

元になったのは、オックスフォード大学のカール・フレイ氏とマイケル・オズボーン氏が2013年に発表した研究です。アメリカの702の職業について、コンピューターに置き換えられる確率を見積もりました。

手順はこうです。まず機械学習の研究者がワークショップで、70の職業を「自動化できる」「できない」に分類しました。その判断を手がかりにモデルを作り、残りの632の職業の確率を推定します。確率が70%を超える職業を「高リスク」とし、そこで働く人の割合を出します。それが47%でした。時期は「10年か20年のうちに」という幅のある書き方です。

2015年には、オズボーン氏らが野村総合研究所と組んで、日本の601の職業に同じ考え方を当てはめました。その結果が「10〜20年後、日本の労働人口の約49%が、技術的には人工知能やロボットで代替できる職業に就いている」という試算です。

この方法には、大きな前提が1つあります。同じ職業名の人は、みな同じ作業をしているとみなすことです。

たとえば「経理事務」に98%という確率が付けば、経理事務で働く人は全員が98%の側に数えられます。数字の分かりやすさと引き換えに、職場ごとの仕事の中身の違いは消えてしまいます。

作業の単位で測り直すと、9%になった

2016年、ドイツの研究機関ZEWのメラニー・アーンツ氏らは、OECDのワーキングペーパーでこの問題を扱いました。使ったのは、OECDの国際成人力調査（PIAAC）です。働く人一人ひとりに、仕事の中で何をどのくらいしているかを尋ねた調査です。

21か国で測ると、高リスクの仕事は平均9%でした。アメリカも9%で、フレイ氏らの47%とは5倍の開きがあります。

差が出る理由は、論文に挙がっている例を見ると分かりやすいです。

フレイ氏らの推計で、簿記や会計の事務職は自動化の確率が98%でした。ところが別の調査では、この職業でグループでの作業も対面のやり取りもせずに仕事をしている人は24%しかいません。小売の販売員は92%とされました。同じ条件に当てはまる人は、わずか4%です。

職業名だけ見れば機械に置き換わりそうでも、実際の仕事には人と話す、一緒に段取りを組むといった作業が混ざっています。そこが残る限り、職業ごと消えることにはなりにくい。

ただし、アーンツ氏ら自身も、9%という数字を「その分だけ職が減る」とは読まないよう注意しています。新しい技術の導入には時間がかかり、働く人は担当する作業を変えて適応し、新しい仕事も生まれるからです。

生成AIの研究も、作業の単位で測っている

OpenAIとペンシルベニア大学の研究者らは2023年、「GPTs are GPTs」という論文を公開しました（翌年『Science』誌に掲載）。アメリカの職業を作業に分け、大規模言語モデルを使うと所要時間が大きく縮む作業かどうかを判定しています。

結果は、働き手の約80%で、作業の少なくとも10%が影響を受けうるというものでした。作業の半分以上が影響を受けうる人は約19%です。

影響は多くの人の仕事に少しずつ入り込む形で、職業ごと消えるという描き方とはかなり違います。しかも賃金の高い仕事ほど影響を受けやすい傾向がありました。AI研究者の今井翔太さんが『生成AIで世界はこう変わる』で、高い賃金の知的労働ほど影響を受けやすいと書いているのは、この研究が根拠の1つです。

ここで注意したいのは、論文の「影響」が置き換えと手助けを区別していない点です。作業が速くなるのか、作業ごと人が要らなくなるのかは、この数字からは分かりません。

国際労働機関（ILO）が2025年に出した推計も、同じ考え方です。約3万の作業について生成AIへの曝露を見積もり、世界の働き手の4人に1人が、生成AIの影響を受けうる職業に就いていると報告しました。もっとも影響の強い区分に入るのは、世界の雇用の3.3%です。

報告書の結論ははっきりしています。ほとんどの職業は人の手が要る作業を含むので、生成AIの影響としてもっとも起こりやすいのは職業の変容だ、というものです。

組み替えは、人数と入口を変える

スタンフォード大学のエリック・ブリニョルフソン氏らは、アメリカ最大手の給与計算会社ADPの給与データで、生成AI以降の雇用を追いました。2026年8月の改訂版では、経済全体で職が大きく失われている証拠は見つかっていません。

ところが、AIの影響を受けやすい職業で働く22〜25歳に絞ると、雇用は影響の小さい職業の同年代と比べて19%低い水準にありました。経験を積んだ働き手には、同じような差は見られません。若い人だけです。

差の多くは、解雇より採用の減少から生じていました。しかも、AIが人の作業を肩代わりする使われ方の職業に偏っています。この研究では、調整は基本給より人数の側で起きていました。著者らは結果を因果の推定とはせず、早い段階の兆しと位置づけています。

ここから読み取れるのは、職業は残ったまま、中の作業が入れ替わるという変化の形です。たとえば、新人が最初に任されていた調べものや下書きをAIが引き受ければ、職業名は同じでも、新人を何人採るかの判断が変わります。

アーンツ氏らも2016年の時点で、調整の負担は学歴や技能の低い働き手に偏りやすいと書いていました。作業の組み替えは、職がなくなるかどうかより先に、誰が仕事に入りにくくなるか、所得の格差がどう広がるかとして表れる可能性があります。

では、人の側には何が残るのか。シグマクシスの『AIエージェント革命』は、ルーティンの作業が置き換わったあとに人へ残るのは、どの作業をするかの選定、作業のリスクの把握、結果への説明責任といった判断だと整理しています。

自分の仕事を、作業の一覧で見直す

誤解：自分の職業が「消える仕事」に入っているかを調べる → 職業単位の推計は、あなたの職場での仕事の中身を知りません。同じ職業名でも、作業の組み合わせ次第で影響は大きく変わります。

正しいアプローチ：先週やった作業を10個書き出し、3つに分ける → 5分でできます。分け方は次のとおりです。

AIで下書きまで済む作業

調べもの、要約、定型文の作成など

AIの出力に人の確認が要る作業

数字の検算、事実の裏取り、社外に出す文面の最終チェックなど

人が担う作業

どの作業をやるかの選定、リスクの見極め、相手と向き合う説明や交渉など

たとえば1つ目が半分を超えていたら、その時間が縮んだあとに何を担うかを、いまのうちに決めておく必要があります。

誤解：新人の仕事をAIに回せば、そのまま効率化になる → 新人が下書きや調べもので覚えていたことは、別の形で覚える必要が出てきます。たとえば、AIの出力を新人に検証させ、どこが危ういかを先輩と一緒に見直す時間を、育成の作業として予定に入れておきます。

おわりに

「何%の職業が消えるか」という問いは、職業を1単位にした時点で答えの形が決まっていました。

測る単位を作業に下ろすと、見えてくるのは、自分の仕事の中のどの作業が入れ替わり、空いたところに何が入るかという問いです。次に「仕事の半分がAIに奪われる」という見出しを見たら、それが何を1単位として数えた数字なのかを確かめてみてください。

---

この記事で参考にした本

『AIエージェント革命 「知能」を雇う時代へ』シグマクシス → 作業がAIに移ったあと、人に残るのは作業の選定、リスクの把握、説明責任という判断だという整理

『生成AIで世界はこう変わる』今井翔太 → 生成AIは、賃金の高い知的労働ほど影響を受けやすいという研究の読み方

---

合わせて読みたい

『オードリー・タン デジタルとAIの未来を語る』オードリー・タン｜AIが奪うのではなく、人間が使いこなす AIを人の仕事を肩代わりして補う道具として捉え、判断の責任は人に残るとする本です。作業の組み替えを、使う側の視点から考えたいときに合います。

「AIで楽になる」と思っている人が、一番危ない AIが大量に出力するほど、人の確認や判断の負担は重くなるという話です。本記事で「人に残る作業」とした部分が、現場でどう重くなるかが分かります。

AIが同じでも、成果がバラつく組織の盲点 同じAIを使っても成果に差が出るのは、評価基準を言葉にしているかどうかだという記事です。リスクの見極めや結果の確認を、チームの仕組みにするときの参考になります。