米国の公式統計に、AIの利用記録が入りました。ClaudeとMicrosoft Copilotのものです。
① 事実
米労働統計局が、831の職業をAIへの近さで4段階に分けました
米労働統計局（BLS＝米国の雇用や物価を調べて公表する政府機関）が2026年8月27日、新しい分類を公表しました。831の職業を、AIへの「曝露度」で4段階に分けたものです。
曝露度（exposure）とは、その職業の仕事の中身が、AIにできることとどれだけ重なるかの度合いです。段階は下から Low・Moderate・High・Very high の4つ。2025〜35年の雇用予測を補うものとして出されました。
5つの指標のうち2つは、ClaudeとCopilotの利用データです
分類には、外部の5つの研究が使われています。
3つは理論の指標です。職業の仕事内容とAIの能力を突き合わせて点数を付けたもので、うち2つはGPT-4とGPT-3.5 Turboに判定させています。 残る1つは、人間の調査回答者に「10種類のAIの用途が、その職業に必要な能力と関係するか」を訊いたものです。
残る2つが、実際の利用データです。
Anthropicの指標は、Claude.aiの会話と、AnthropicのAPIの通信を使っています。APIは、他社のソフトウェアからプログラムで呼び出す口です。仕事に関わる利用だけを含め、AIが人の代わりに済ませる用途が、人を補助する用途より多いタスクに、高い重みを付けています。
Microsoftの指標は、Copilotの利用データを職業の作業活動に対応づけたものです。AIがその作業をどれだけ担ったか、成功率も織り込んでいます。
BLSは「仕事で使ったかは直接見ていない」と書いています
BLSは、この2つの指標についてはっきり書いています。
その職業の労働者が、仕事でAIを使ったかどうかを、直接観察しているわけではない。
見ているのは、AIとの会話がどの職業のどんな作業に当たるかです。会話の相手が何の仕事をしている人かは、分かりません。
いちばん近い区分は206職業、5,321万人でした
集計した結果です。ファイルを開いて831行を数えました。
| 区分 | 職業数 | 2025年の雇用 | 構成比 |
|---|---|---|---|
| Low | 213 | 3,027万人 | 17.8% |
| Moderate | 206 | 4,465万人 | 26.2% |
| High | 206 | 4,214万人 | 24.8% |
| Very high | 206 | 5,321万人 | 31.3% |
いちばんAIに近いとされた区分が、人数では最大です。 働いている人の3割がここに入ります。
「最高経営責任者」は、いちばん近い区分に入っています
Very high に入っている職業を、雇用の多い順に見ます。
- 小売販売員 400万人／カスタマーサービス 267万人／一般事務 260万人／秘書・事務補助 189万人
- ソフトウェア開発者 172万人／会計士・監査人 160万人／簿記・会計事務 153万人
- 経営コンサルタント 108万人／プロジェクト管理 109万人
管理職も入っています。Chief executives（最高経営責任者）は Very high。 情報システム管理者、財務管理者、マーケティング管理者も同じ区分です。統括管理者は High でした。
Very high の206職業のうち、141は雇用が増える予測です
同じ区分の中で、予測は分かれています。
減るほう＝一般事務 −6.0%、秘書 −6.0%、簿記 −5.6%、カスタマーサービス −5.3%。
増えるほう＝情報システム管理者 +15.8%、ソフトウェア開発者 +10.2%、経営コンサルタント +10.1%、財務管理者 +9.7%、最高経営責任者 +3.2%。
Very high の206職業のうち、雇用が増える予測が141、減る予測が60です。
BLSは「雇用の増減の予測ではない」を、7つ並べています
分類ページには、限界の節があります。そこに並んでいるものです。
- 曝露度の区分は、雇用の増減の予測ではない
- 「High」「Very high」だからといって、雇用が減るとは限らない
- 「Low」だからといって、AIの影響を受けないとも、将来の技術変化から安全とも限らない
- 賃金の予測ではない
- AIが導入される確率の推定ではない
- 労働者が置き換わることの推定ではない
- 生産性の予測ではない
加えて、区分は他の職業と比べた相対的なもので、絶対的な高低を意味しない、とも書いています。自動化と補強の区別もしていません。
測り方の限界も書かれています。理論の3指標が前提にしているAIの能力は、2023年半ばまでのものです。 実際の利用データのほうは、特定のモデルを早くから使った人に偏る可能性がある、とあります。
831職業×5指標＝4,155通りのうち、実際に観測できたのは3,944通り。211は他の指標から推定して埋めています（75職業が該当）。
② 構造
民間企業しか持っていないデータが、公式統計の入力になりました
ここまで、米国の政府機関が出した分類を見てきました。整理します。
この分類の半分は、民間企業のログでできています。 Claude.aiの会話とAPIの通信、そしてCopilotの利用。どちらも、その会社しか持っていないデータです。
政府が自前で集めたものではありません。企業の研究者が論文にした指標を、BLSが採用した形です。Anthropicの論文もMicrosoftの論文も、著者の所属がそのまま企業名になっています。
企業のログが統計に入れたのは、O*NETという共通の枠があったからです
O*NET（米労働省が持つ職業データベース。どの職業がどんな作業でできているかを分解してある）は、職業を作業の単位まで分けてあります。AIとの会話をその作業に当てはめると、職業ごとの点数になります。
⇒ 会話ログそのものは統計になりません。既にある職業の枠に載せて、初めて統計の入力になります。
本紙は前号で、Atlassianが自社のデータ層に文脈を溜めている話を書きました。あちらは、集めたものを自社の中で使う形です。今回は、集めたものが外に出て国の統計の一部になりました。
BLSの5つの指標のうち4つは、AIの出力かAIの利用記録です
BLSの分類が見ているのは、AIの側の記録です。人がどう働いたかではありません。
BLS自身が「その職業の人が仕事で使ったかは直接見ていない」と書いています。分かるのは、会話の内容がある職業の作業に似ているところまでです。
理論の指標2つは、GPT-4とGPT-3.5 Turboが判定しています。AIにできる仕事かどうかを、AIが採点した形です。
⇒ 5つのうち、人間に訊いたのは1つだけです。
同じ Very high に、一般事務（−6.0%）とソフトウェア開発者（+10.2%）が並んでいます
Very high の206職業のうち、141は雇用が増える予測でした。
BLSが7つも「これではない」を並べたのは、この点だと読めます。曝露度は、AIとの重なりを測ったものです。仕事が無くなるかどうかは、そこからは出てきません。
