AIと雇用

「AIと雇用」というテーマでは、AIによって仕事がなくなるのか、新しい仕事が生まれるのか、既存の仕事がどう変わるのかが議論されます。

ニュースでは「○％の仕事がAIの影響を受ける」「○億人の仕事が自動化される可能性」といった大きな数字が出やすい分野です。

しかし、ここで最も重要なのは、AIにさらされる仕事と、AIによって消える仕事は同じではないということです。

AIの雇用影響を正しく読むには、job、occupation、task、exposure、automation、augmentationという異なる概念を分ける必要があります。

仕事は一つのタスクではない

一つの職業は、複数のタスクの組み合わせでできています。

たとえば経理担当者の仕事には、

• 請求書の入力
• 数字の照合
• 例外処理
• 顧客や他部署との確認
• 会計ルールの判断
• レポート作成
• 説明や監査対応

などがあります。

生成AIや自動化ソフトが、このうち文章作成やデータ整理の一部を高速化できても、職業全体が即座に不要になるとは限りません。

逆に、中心的なタスクの多くが自動化され、企業がその仕事を人へ割り当てる必要がなくなれば、雇用人数が減る可能性があります。

したがって、AIと雇用では「その職業がAIに置き換わるか」より、どのタスクが変わり、その結果として職業の構成や人員需要がどう変わるかを見る方が正確です。

Exposureは「失業確率」ではない

AI雇用研究で頻出する言葉がexposureです。

これは一般に、ある職業のタスクがAIの能力によって影響を受ける可能性の程度を示します。

高いexposureは、「AIがその仕事に関係しやすい」という意味です。

しかし、高いexposureから「その仕事がなくなる」と直接結論づけることはできません。

AIがタスクへ影響する場合でも、

• 人間の作業を置き換える
• 人間の作業を速くする
• 人がAIを監督する仕事へ変わる
• 新しいサービス需要を生む
• 品質確認や顧客対応など別タスクの比重が増える

といった複数の経路があります。

exposureは技術的な接点の大きさを示す指標で、雇用の最終結果そのものではありません。

AutomationとAugmentation

AIと雇用では、automationとaugmentationを分けると理解しやすくなります。

Automationは、人が行っていたタスクをAIやソフトウェアが代替する方向です。

Augmentationは、人の仕事をAIが補助し、人がより速く、より多く、あるいは別の質で仕事をできるようにする方向です。

たとえば翻訳AIが、人間の翻訳者を必要としない短文翻訳を増やすならautomationの側面があります。

一方、翻訳者がAIの初稿を使い、専門用語、文脈、品質、責任を確認しながら大量の文書を処理するならaugmentationの側面があります。

同じ技術でも、企業の導入方法、顧客の需要、品質要求、法規制、労働コストによって結果は変わります。

ILOの「4人に1人」をどう読むか

ILOとNASKは2025年、約3万のタスクを使って生成AIへの職業exposureを再評価しました。

その結果、世界の労働者のおよそ4人に1人が、何らかの程度で生成AIにexposedな職業にいると推計されました。

しかしILOは、この数字を「4人に1人の仕事が消える」とは解釈していません。

人間の入力が引き続き必要な仕事が多いため、全体としてはredundancyよりtransformation、つまり仕事の変化が起きる可能性の方が大きいとしています。

さらに、最も高いexposure区分に入るのは世界の雇用の3.3％とされ、すべてのexposureを同じ強さで扱っていません。

このように、見出しの「25％」だけを読むと、研究が実際に示していることより強い結論になってしまいます。

どの仕事が影響を受けやすいのか

ILOの2025年評価では、事務職のexposureが引き続き高いとされています。

生成AIは、文章、表、定型情報、文書処理など、デジタル化された情報を扱うタスクで能力を発揮しやすいためです。

また、画像・音声・動画など生成AIの能力が広がるにつれて、一部の専門職・技術職のexposureも高まっています。

ここで注意したいのは、「高技能職なら安全」「肉体労働なら影響なし」という単純な区分ではないことです。

現在の生成AIは、物理的作業よりもデジタル情報処理へ直接作用しやすいため、従来の自動化とは異なる職種分布を持ちます。

性別や国によって影響は同じではない

AIの雇用影響は均等ではありません。

ILOの分析では、高所得国ほど生成AIにexposedな職業の比率が高く、女性のexposureも男性より高い傾向があります。これは、事務職などexposureの高い職種に女性が多いことと関係します。

一方、低所得国では技術的exposureが低くても、インフラやAIアクセスの不足によってaugmentationの利益を得にくい可能性があります。

つまりAIと雇用の問題は、「誰の仕事が消えるか」だけでなく、誰が生産性向上の利益を得て、誰が移行コストを負担するかという分配の問題でもあります。

Productivityが上がれば雇用も増えるのか

AI導入研究では、特定タスクで生産性が上がる実験結果が多く報告されています。

しかし、生産性向上から雇用増加・減少を直接推論することはできません。

生産性が上がると、一人あたりの必要作業時間が減るため、人員を減らせる場合があります。

一方、価格低下や品質向上で需要が増え、企業が事業を拡大すれば、雇用が増える場合もあります。

さらに、新しいタスクや職種が生まれることもあります。

したがって、個人の生産性実験と、企業・産業・国全体の雇用統計は別レベルの証拠です。

「仕事がなくなる」という予測は何を前提にしているか

AI雇用予測の数字を読むときは、最低でも次の点を確認します。

第一に、対象は「現在のAI能力」か「将来の能力」か。

第二に、技術的にできることを測っているのか、実際の企業導入を測っているのか。

第三に、occupation全体かtask単位か。

第四に、augmentationを含むexposureなのか、完全代替だけを推計しているのか。

第五に、何年までの予測か。

これらが違えば、同じ「AIで影響を受ける仕事」という見出しでも数字は大きく変わります。

雇用以外に「仕事の質」も見る

AIの影響は雇用者数だけではありません。

同じ人数が働き続けても、

• 仕事の裁量が減る
• 監視が強まる
• 作業速度が上がる
• AI確認の責任が増える
• 反復作業が減る
• 高度な判断へ集中できる
• 必要技能が変わる

といった変化が起こります。

したがって、AIと雇用を「失業率」だけで評価すると、実際の働き方の変化を見落とします。

具体例：カスタマーサポート

生成AIが顧客問い合わせへの返信案を作るとします。

一人の担当者が以前より多くの問い合わせを処理できれば、augmentationです。

その結果、企業が同じ問い合わせ量を少人数で処理するなら雇用削減の圧力が生じます。

しかし応答速度が上がりサービス需要が増えたり、担当者が複雑な相談へ移ったりすれば、仕事の構成が変わるだけかもしれません。

さらにAIの誤回答を確認する品質管理タスクが増える可能性もあります。

「AIが返信を書ける」という技術能力だけでは、最終的な雇用人数は決まりません。

元の文脈へ戻ったときの確認ポイント

AIと雇用のニュースで大きな数字を見たら、次を確認してください。

• 数えているのはjobs、workers、occupations、tasksのどれか。
• exposureか、automation probabilityか、実際のjob lossか。
• augmentationを含むか。
• 対象技術は生成AIだけか、AI全般か。
• 現在の実績か、将来推計か。
• 予測期間は何年か。
• 高所得国・低所得国、男女、職種の差を分けているか。
• 雇用数だけでなくjob qualityを扱っているか。
• 新規需要や新しいタスクの発生を考慮しているか。

AIと雇用の議論で最も避けたいのは、「AIがその仕事の一部をできる」ことを「その仕事をする人が不要になる」ことへ一気に飛躍させることです。

AIの影響は、タスク、自動化、補完、組織設計、需要、制度、技能移行が組み合わさって決まります。

「AIで仕事が増える／減る」は企業の選択でも変わる

同じAI能力があっても、企業が何を目的に導入するかで雇用への影響は変わります。

コスト削減を最優先し、AIで代替可能になった時間を人員削減へ直結させる企業もあります。反対に、同じ時間短縮を新規顧客対応、品質改善、研究開発へ回し、事業拡大へ使う企業もあります。

また、労働組合や従業員との協議、職業訓練、配置転換の仕組み、失業時の社会保障などによって、同じ技術変化でも人への影響は大きく変わります。

この意味で「AIが雇用を決める」という表現も単純化です。AIは可能性と制約を変えますが、実際の雇用結果には経営判断、市場需要、制度、労使関係、教育訓練が関与します。

求人件数の変化だけでも結論は出せない

ある職種の求人が減ったとしても、それだけでAIが原因とは限りません。景気、金利、企業再編、業界需要、アウトソーシングなど複数の要因があります。

逆にAI関連求人が増えていても、社会全体の雇用が純増したことを意味しません。

因果関係を議論するには、AI導入前後の比較、導入企業と非導入企業の比較、タスク構成の変化、賃金や労働時間など複数の証拠が必要です。ニュースで単一の統計だけが示されている場合は、その数字が「AIの影響」を直接測っているのかを確認してください。

関連するAI用語

• Algorithmic Management（G388）
• リスキリング（G390）
• AI Literacy（G385）

注・出典

本文の主な参照資料です。^[1][2][3]

1. ILO, “Generative AI and jobs: A 2025 update”: https://www.ilo.org/publications/generative-ai-and-jobs-2025-update ↩
2. ILO, “Generative AI and Jobs: A Refined Global Index of Occupational Exposure”: https://www.ilo.org/publications/generative-ai-and-jobs-refined-global-index-occupational-exposure ↩
3. ILO, “AI and jobs. A review of theory, estimates, and evidence” (2025): https://researchrepository.ilo.org/esploro/outputs/workingPaper/AI-and-jobs-A-review-of/995673255402676 ↩

AI協働制作について

本記事は、著者が独自に設計した指示、参照資料、出典確認規則、著作権確認および監査工程を組み込んだChatGPT等の生成AIを、情報収集の補助、資料整理、構成検討、草稿作成、文章校正および監査補助に使用して制作しました。記事の対象範囲、情報源の採否、構成、解釈および最終表現は著者が判断し、最終稿を承認しています。著者は、本記事の正確性、独自性、引用、著作権処理および公開内容について責任を負います。制作工程の詳細は「AI協働制作方針」をご覧くださいAI協働制作方針をご覧ください。