まず3つの異なる問いから始める
AIと雇用をめぐる議論は、3つの尺度を互換可能なものとして扱うと混乱する。曝露とは、ある技術がその職業のいくつかのタスクを遂行しうるかどうかを問うものである。観測された効果とは、雇用、労働時間、賃金、採用、あるいは仕事の質が実際に変化したかどうかを問う。予測とは、能力、普及、需要、規制、そしてより広い経済についての前提のもとで何が起こりうるかを見積もるものである。ある仕事は、消えることなく高度に曝露されうる。たとえば表計算ソフトは会計業務を変容させたが、同時に一部の会計業務への需要を増やした。
2025年時点で得られる最も強力なグローバルな曝露推計は、国際労働機関(ILO)とポーランドのNASK研究所によるものだった。両者のタスク単位の指数は、世界の雇用の約25%が何らかの生成AI曝露を持つと分類し、そのうち最高曝露カテゴリーに入るのはわずか3.3%だった。著者らは、ほとんどの職業が自動化可能なタスクとそうでないタスクを組み合わせて構成しているため、完全な置き換えよりも変容の方が起こりやすいと結論づけた。曝露は高所得国、および女性においてより高かったが、これは主に事務職の分布が偏っているためである。これらはモデルによる推計であり、すでに失われた仕事の数え上げではない(ILO–NASK、2025年5月)。
実際に観測されてきたこと
2026年9月時点で、生成AIが引き起こした経済全体規模の大量失業を示す証拠は確立していない。普及は相当に進んでいるが不均一であり、公式の雇用統計は明確な「AI起因」というカテゴリーを識別していない。企業は、金利、過剰採用、アウトソーシング、あるいは通常の再編を理由に人員を削減しながら、同時にAIを理由として挙げることもある。したがって発表された人員削減は、AI曝露の異なる類似した労働者や企業を比較した研究よりも、因果関係の証拠としては弱い。
より確からしい短期的なパターンは、職務内および採用パイプライン内での再配分である。実地実験では、カスタマーサポートや文章作成といった限定的なタスクにおいて生産性の向上が見られ、しばしば経験の浅い労働者でより大きな効果が確認されている。しかしそれは、ある職業全体で同じ効果が生じることを意味しない。出力が速くなることは、人員を減らすことも、需要を増やすことも、品質を高めることも、あるいは単に仕事の量を増やすこともありうる。スタンフォードの2026年AIインデックスは、労働市場への効果は不均一であり、一部の曝露された職業や若年労働者の採用パイプラインに集中していると報告しているが、この証拠はまだ発展途上であり、一世代がまるごと置き換えられた証拠ではない(スタンフォードHAI、2026年)。
事務系タスクは依然として最も曝露度の高いものの一つであるが、曝露はプログラミング、分析、金融といったデジタル化された専門職の領域にも広がっている。物理的な現場に人が存在するからといって、その仕事が恒久的に安全というわけではない。それは単に、今日のテキストと画面ベースのシステムが、ロボティクスなしにできることを制限しているに過ぎない——このギャップについては、本マニュアルのヒューマノイドロボティクスの現状のページで直接取り上げている。免許を要する判断や対人的な信頼も代替を遅らせうるが、それでも各種機関は、こうした役割の周辺にある準備作業、トリアージ、文書作成、モニタリングを自動化しうる。
見出しの予測を修正する
世界経済フォーラムの『雇用の未来レポート2025』は、2030年までに1億7,000万件の雇用が創出され、9,200万件が置き換えられ、差し引き7,800万件の純増になると推計した。この数字は5つのマクロトレンドを合わせたものをカバーしている:技術変化、地経学的分断、グリーン移行、人口動態の変化、そして経済的不確実性である。これはAI単独によって創出・破壊される雇用の推計ではない。同レポートの雇用主予測の内訳では、AIと情報処理技術は1,100万件の雇用創出と900万件の置き換えに関連づけられていた。この手法は1,000社を超える大企業への調査とILOの雇用データを組み合わせたものであり、したがって世界規模で投影された雇用主の予測を表すのであって、測定された結果ではない(WEF、2025年1月)。WEFは雇用主主導の組織であり、その調査を解釈する際、読者はこの視点を念頭に置くべきである。
コンサルティング会社の推計はしばしば「技術的に自動化可能な時間数」を測定する。それらはシナリオ計画には有用でも、失業の予測ではない。実際の導入は、信頼性、ワークフローの再設計、法的責任、統合コスト、労働交渉、顧客の選好、そして自動化によってサービスが十分に安くなり需要が拡大するかどうかに左右される。あるモデルがデモンストレーションで一覧化されたタスクの60%をこなせたとしても、それは労働者の有給業務の60%を必ずしも自動化したことにはならない。
AGIへの移行が変えうるもの
以上はすべて現在の生成AIに関するものである。AGIによる労働への影響は予測にすぎない。なぜなら、AGIが存在すると確立するような合意された試験は存在しないからだ。新しい領域を確実に学習し、長期にわたって計画を立て、ツールを操作し、ワークフローを改善できるシステムは、はるかに広範な認知労働をさらすことになるかもしれない。ロボティクスも安価で信頼できるものになれば、身体労働もそれに続くかもしれない。逆に、規制、所有構造、人間の選好、補完的な需要は、はるかに強力なシステムのもとでも仕事を維持し、あるいは新たに生み出しうる。
鍵となる不確実性は能力だけではなく、利益の分配のあり方である。急速な生産性の成長は、資本の所有者がリターンの大半を獲得すれば、労働所得の低下と共存しうる。逆に、制度が利益を分配するのであれば、それはより高い賃金、より短い労働時間、公共サービス、あるいは社会的配当の原資となりうる。したがって「仕事は残るのか」という問いは、誰がシステムを所有し、誰が交渉力を持ち、誰が移行コストを負担し、そして各世帯が所得と主体性を保持できるのかを問うことに比べれば、不完全な問いである。
不平等な曝露と二次的な効果
移行はめったに一様ではない。管理系の業務拠点は、建設業やケア労働が優勢な地域よりも先に影響を受けるかもしれない。新人が専門家へと成長する経路を弱めながら、上級職が存続する一方でエントリーレベルのタスクが縮小することもありうる。障害を持つ労働者は貴重な支援を得る一方で、自動化されたスクリーニングや監視にも直面しうる。低所得国は専門知識へのアクセスを得る一方で、地域経済が依存するアウトソーシングされたサービス業務を失うかもしれない。
測定はまた、仕事の質を見落とす。AIは単調作業を取り除くことができる一方、監視、アルゴリズムによる目標設定、そして常時稼働への期待を通じて仕事を強化することもできる。安定した雇用者数は、賃金の圧縮、労働時間の減少、自律性の低下、あるいは正規雇用から不安定な業務委託への移行を覆い隠しうる。逆に、それは新たなアクセシビリティや起業機会という便益を覆い隠すこともある。責任あるダッシュボードは、解雇だけでなく、採用、賃金、労働時間、求人、タスクの内容、労働者による統制、そして分配を追跡すべきである。
家計にとっての実践的な読み方
単一の予測をもとに、取り返しのつかないキャリアの決断を下してはならない。曝露を、デューデリジェンスを行うための促しとして扱うこと。
- 対人関係、説明責任、そして職種名には表れない物理的な文脈作業を含め、自分が対価を得ているタスクを列挙する。
- 現在のツールを実際のタスクで試し、その信頼性、監督にかかる負担、失敗した場合のコストを記録する。
- 経営陣の発言だけでなく、雇用主の採用、調達、ワークフローの変化を注視する。
- 判断力、専門知識、顧客からの信頼、そしてAIを活用した生産性についての持ち運び可能な実績を築く。
- 可能な場合は、一つの雇用主または狭いタスクの束への家計の集中を減らす。
2026年9月時点で正直な結論は、「何も起きていない」でも「ほとんどの仕事がまもなく消える」でもない。現在の証拠は、相当なタスク曝露、不均一な普及、限定された環境での生産性向上、そして一部の採用チャネルにおける初期の混乱を示している。純雇用に関する大きな主張は依然として予測にとどまる。AGI規模の置き換えはもっともらしいシナリオであるが、その規模はモデルの能力と同じくらい、導入のされ方と政治経済のありように左右される。