SANTISMM Labs · AI & Work

AIの影響を最も受ける職業

AIに何ができるか vs 実際に何をしているか — 22の職業グループにおける、2026年6月時点の実世界のギャップ。

2026年6月時点のデータAnthropic Economic Index · Eloundou et al. · ILO · OECD · IMF

「AIの影響を最も受ける仕事」について厳密に議論するには、3つの要素を区別する必要があります。すなわち、モデルが技術的に実行可能な職業タスクの割合（理論的ケイパビリティ）、現在その業務で実際にAIがどの程度使用されているか（観測されたカバー率）、および雇用と賃金に対する純効果です。このページでは、Anthropicによる22のSOC職業グループのレーダーチャートを再現・拡張し、ポテンシャルと実態の間の大きな体系的ギャップ、そしてより広範な証拠が示すその意味について解説します。

カテゴリーにホバーまたはタップすると、数値が表示されます。

Anthropicが正確な観測値を公表したのは、最も影響を受ける7つのグループ（および派生した「建築・エンジニアリング」）のみです。残りのグループは、文献の定性的な帯域に基づく透明性の高い推定値であり、白抜きのマーカーで表示され、「推定」のフラグが立てられています。

職群別ランキング

SOC（標準職業分類）の22の大分類。AIが実行可能なこと（理論値）、現在実際に実行していること（観測値）、またはその間のギャップでソートできます。

ソート順

#	グループ	理論値	観測値	ギャップ	メカニズム
1	コンピュータ・数学	94.3%	35.8%	58.5%	補完と高速化
2	オフィス・事務管理	90%	34.3%	55.7%	タスクの代替
3	ビジネス・財務	94.3%	28.4%	65.9%	補完と高速化
4	販売・営業	62%	26.9%	35.1%	タスクの代替
5	法務	89%	20.4%	68.6%	タスクの代替
6	アート・メディア	83.7%	19.2%	64.5%	タスクの代替
7	教育・図書館	61.7%	18.2%	43.5%	潜在的なポテンシャル
8	経営・管理	91.3%	9%*	82.3%	潜在的なポテンシャル
9	ライフサイエンス・社会科学	77%	6%*	71%	潜在的なポテンシャル
10	社会サービス	50.5%	5%*	45.5%	潜在的なポテンシャル
11	医療従事者	59.9%	5%*	54.9%	潜在的なポテンシャル
12	建築・エンジニアリング	84.8%	4.2%	80.6%	潜在的なポテンシャル
13	製造・生産	19%	2%*	17%	LLMに対する耐性
14	医療支援	28.5%	1.5%*	27%	LLMに対する耐性
15	保安サービス	31.6%	1.5%*	30.1%	LLMに対する耐性
16	設置・修理	18.4%	1.5%*	16.9%	LLMに対する耐性
17	運輸・交通	12.1%	1.5%*	10.6%	LLMに対する耐性
18	飲食・接客	16.9%	1%*	15.9%	LLMに対する耐性
19	パーソナルケア	18.2%	1%*	17.2%	LLMに対する耐性
20	施設・造園管理	3.9%	0.5%*	3.4%	LLMに対する耐性
21	農業	15.7%	0.5%*	15.2%	LLMに対する耐性
22	建設	16.9%	0.5%*	16.4%	LLMに対する耐性

* 推定観測値（公式発表ではありません）。「ギャップ」は理論値から観測値を引いたパーセンテージポイントであり、AIがカバーできる範囲と現在実際にカバーしている範囲の間の余地を示します。

最も影響（露出）を受けている個別の職業

観測されたカバー率（実際のClaudeの使用状況）による。コンピュータプログラマーが74.5%でトップです。

1コンピュータプログラマー
74.5%
2カスタマーサービス担当者
70.1%
3データ入力キーヤー
67.1%
4医療記録専門員
66.7%
5市場調査・マーケティングアナリスト
64.8%
6卸売・製造業営業担当者
62.8%
7財務・投資アナリスト
57.2%
8ソフトウェアQAアナリスト・テスター
51.9%
9情報セキュリティアナリスト
48.6%
10コンピュータユーザーサポートスペシャリスト
46.8%

もう一方の極端な例：労働者の約30%は、観測されたカバー率が事実上ゼロです。これには、料理人、オートバイ整備士、ライフガード、バーテンダー、皿洗い、更衣室係などが含まれます。

拡張（Augmentation）対自動化（Automation）

AIが単に使用可能かどうかだけでなく、実際の会話でどのように使用されているか。

57%

43%

拡張自動化

Anthropic Economic Index (2025)。自動化（「指示的」）の割合は時間の経過とともに上昇しており、Claude.aiでは27%（2024年12月）から39%（2025年8月）へ、エンタープライズAPIでは約77%に達しています。

影響（露出）は可能性であり、運命ではない

青と赤の曲線のギャップ（多くの場合50〜70ポイント）は、雇用の代替が差し迫っていないことを意味します。今日の使用の大部分は拡張であり、影響を受ける労働者の失業率に明確な上昇はまだ見られません。注目すべき数値は、赤の曲線が青の曲線に向かって上昇するかどうかです。

エビデンスが実際に示していること

能力（Capability）は導入（Adoption）ではない。

ナレッジワークは理論上の能力で80〜94%を記録していますが、観測されたカバー率はその一部にすぎません（コンピュータ・数学：94%対36%）。データガバナンス、レガシーシステム、法的責任、そしてHuman-in-the-loop（人間によるレビュー）が、「できる」から「実行する」への移行を遅らせています。

今回はホワイトカラーの仕事である。

過去の自動化の波とは異なり、今回の影響は高給で高学歴のオフィスワークに集中しています。Anthropicの調査で最も影響を受けている上位4分の1の層は、所得が約47%高く、女性である確率が16ポイント高くなっています。これは事務職や管理職における職業分離が要因です。

現時点では、依然として拡張が主流である。

実際の使用は拡張が約57%に対し、自動化が約43%ですが、自動化の割合は上昇しています。同じタスクでも、人間が効率化（加速）することも、モデルに委任することもできます。現在、バランスは依然として効率化に傾いています。

若年層採用という炭鉱のカナリアに注目せよ。

全体的な失業への明確な影響は現れていませんが、影響を受ける職業における22〜25歳の月間就職率は、ChatGPTの登場後に約14%低下しました。これは最も強力な早期警戒シグナルであり、独立した研究でも同様の結果が示されています。

代替（Substitution）対再構成（Reconfiguration）。

事務、データ入力、一次サポートは、直接的なタスク代替に直面しています。ソフトウェア、分析、財務、法務は、大部分が再構成（全面的な置き換えではなく、コパイロットやタスク委任）されており、エントリーレベルのポジションが圧迫されています。

収束は仮説である。

Anthropicは、観測された使用が理論上の能力に向かって上昇すると予想していますが、これは導入に関する仮定であり、実証的な知見ではありません。多くの職業において、このギャップはソフトウェアよりもはるかに長く続く可能性があります。

マクロな全体像

主要な機関による代表的な予測値。これらは不確実性の高いモデル化されたシナリオであり、実現した結果ではありません。

80% / 19%

影響を受けるタスク（米国労働力）

米国の労働者の約80%は、タスクの10%以上にLLMの影響を受ける可能性があり、約19%は50%以上に影響を受ける可能性があります。

OpenAI · UPenn (2023)

≈3億

世界全体で影響を受けるフルタイム雇用

生成AIは、フルタイム換算（FTE）で3億人分の雇用を自動化にさらす可能性があり、世界のGDPを最大約7%押し上げる可能性があります。

Goldman Sachs (2023)

40% / 60%

影響を受ける雇用（世界全体 / 先進国）

世界全体の雇用の約40%がAIの影響を受けます。先進国では約60%、低所得国では26%です。

IMF (2024)

+7,800万（純増）

2030年までの純新規雇用創出

2030年までに1億7,000万の雇用が創出され、9,200万の雇用が代替される見込みで、これは労働市場の22%の構造的転換を意味します。

WEF (2025)

+13兆ドル

2030年までの年間GDPへの影響

2030年までに米国の労働時間の最大約29.5%が自動化可能になる可能性があり、米国で約1,200万人の職業移行が発生します。

McKinsey (2023–24)

4人に1人

一定の影響を受ける労働者

世界全体の労働者の4人に1人が、生成AIの影響を一定程度受ける職業に従事しています。最も影響を受けるカテゴリは3.3%で、女性に偏っています。

ILO (2025)

情報源や手法（タスクの評価基準、能力指数、利用ログなど）が異なるため、これらの数値は直接比較することはできず、シナリオとして解釈されるべきです。

手法と情報源

このレーダーチャートは、Anthropicの『Labor Market Impacts of AI: A New Measure and Early Evidence』（Massenkoff & McCrory、2026年3月）の図2を再現したものです。青い曲線は、Eloundouらによる『GPTs are GPTs』（2023/2024年）の理論的ケイパビリティβを示しています。赤い曲線は、米国のO*NETデータベースにある約800の職業と約17,000のタスクにマッピングされた、実際のClaude.aiおよびAPIの数百万件の会話から構築された、Anthropicの観測カバレッジ指標を示しています。

理論的βは全22グループで確認されています。Anthropicが正確な観測値を公表したのは、最も影響を受ける7つのグループのみです。建築・エンジニアリング（Architecture & Engineering）は、公表されている約5%の観測値/理論値比率から算出されています。残りのグループについては、OECD、ILO、IMF、WEF、McKinseyの文献で報告されている定性的な範囲に基づいた透明性の高い推定値を使用しており、これらは『推定値』と明確に表記され、公式な数値としては提示されていません。

観測指標はClaudeのデータのみに基づいているため、実際の影響を過小評価している可能性があります（ChatGPT、Gemini、Copilot、および組み込みツールが除外されているため）。一方、理論的βは2023年初頭の能力を反映しており、今日の最先端技術を過小評価している可能性があります。異なる手法間で結果が一致しないのは設計上の仕様です。影響とは潜在的な可能性であり、雇用の代替そのものではありません。

主な情報源

公開されている研究からSANTISMMが作成。数値は四捨五入されており、推定値にはフラグが付けられています。影響度はタスクの潜在的な重複を測定するものであり、実際の失業を示すものではありません。すべての信頼できる情報源が、全面的な代替ではなく変革を強調しています。