AIと雇用：失業率と若年層の新規就業で異なる結果が出ました

AIにできる業務と実際の雇用変化はどうつながるのか

Anthropicは2026年3月5日に、AIの労働市場への影響に関する報告書を発表しました。業務ごとにAIが使えるかどうかを評価した既存研究に、実際のClaude利用記録を組み合わせ、その指標と米国の雇用変化を比較しています。

私はこの報告書を読みながら、測定方法が興味深いと感じました。ところが韓国国内でこの研究を紹介する記事の中には、「プログラマー74.5%」のような数字をそのまま雇用代替リスクとして説明しているものがありました。解雇が心配ならAIを学ぶべきだという話につながっているのも残念でした。74.5%が何の比率なのかをまず確認しなければ、この研究を正しく読むことはできません。

実際のClaude利用記録を業務ごとに結びつけた

報告書は3種類の資料を使用しています。米国O*NETの職業別業務リスト、Eloundouほかの研究チームによる理論的AIエクスポージャー、そしてAnthropic Economic IndexのClaude利用データです。

Eloundouの研究は、AIを使用すれば一定水準の品質を維持しながら業務時間を半分以上削減できるかを評価しています。LLMのみで可能な場合と、追加のソフトウェアが必要な場合を区別しています。この評価だけでは、企業が該当業務にAIを導入しているかどうかまではわかりません。

Anthropicはここに、実際のClaudeとの会話から観察された業務と利用方式を加えました。自動化に分類された利用には全体の重みを、人がAIと協働する利用には半分の重みを与えています。最後に、各業務が該当職業の労働時間に占める割合を反映して「観測されたエクスポージャー」を算出しました。APIを使ったという理由だけで人がまったく関与していないとみなす指標ではありません。

この方式で算出したコンピューター・数学系職種の観測エクスポージャーは33%でした。同じ職種の理論的エクスポージャー94%よりもかなり低い数値です。技術的に可能だと評価された業務のすべてが、実際の利用データでも観察されるわけではないということです。ただし、この2つの数字はコンピューター・数学系職種に関する結果です。経済全体のAI導入率として読んではいけません。

プログラマー74.5%は解雇・代替された人の比率ではない

コンピュータープログラマーの観測エクスポージャーは74.5%でした。先ほどの33%は複数の職業をまとめたコンピューター・数学系職種の数値であり、74.5%はその中にあるプログラマーという個別の職業の数値です。

74.5%には、業務ごとの理論的な遂行可能性、Claudeで観察された利用方式、業務時間の割合がまとめて含まれています。**プログラマー100人のうち74.5人が代替されたという意味でも、企業がプログラミング業務の74.5%を自動化したという調査結果でもありません。**実際の利用記録を使って職業ごとのAIエクスポージャーの度合いを比較するために作られた指標です。

Claudeのデータのみを使用したという限界もあります。ChatGPTやGemini、Copilotでどのような業務が行われているかは、この分析には含まれていません。Claudeを選んだユーザーの特性も結果に影響を与える可能性があります。この数値に他サービスのシェアを単純に足して、AI利用量全体を推定することはできません。

失業率では明確な差を確認できなかった

研究チームは、米国人口現況調査（CPS）の雇用データを使い、AIエクスポージャー上位25%の職種と観測エクスポージャーがない職種を比較しました。両グループの失業率格差がChatGPT登場の前後でどれほど変化したかを分析したものです。

格差の変化は約プラス0.20%ポイントで、統計的に有意ではありませんでした。この分析では、AIエクスポージャーが高い職種の失業率がより大きく上昇したという明確な証拠は得られなかったことになります。これをすべての職業・国においてAIの雇用への影響がないという結論にまで広げることはできません。

研究チームは、現在のデータで識別できる効果の大きさはおおむね1%ポイント程度だと説明しています。実際にはより小さな変化が存在していても、今回の分析では明確に表れない可能性があるという限界です。

22〜25歳が新しい仕事を始める比率は減少した

私は報告書後半の若年層分析のほうにより注目しました。22〜25歳が前月にはなかった新しい仕事を始めた比率を見た部分です。初就職だけでなく転職も含まれるため、これをそのまま「新卒採用率」と呼んでしまうと意味が狭まります。

観測エクスポージャーがない職種では、新しい仕事を始める比率は月2%前後で維持されていました。一方、エクスポージャーが高い職種では2024年ごろから低下する様子が見られました。研究チームが比較グループと2022年基準を反映して推定した減少幅は約14%です。これは14%ポイントではなく相対的な減少率であり、統計的有意性も境界線上にあります。26歳以上では同様の減少パターンは確認されませんでした。

Stanfordのデジタル経済研究所がADPの給与データを使って分析した結果も併せて見る価値があります。研究チームの2026年2月の説明によると、AIエクスポージャーが高い職業の22〜25歳の雇用は、2025年10月までに比較グループと比べて約16%減少しました。ただし、この研究が測定した雇用人数と、Anthropicが測定した新規就業開始比率は異なる指標です。

異なる資料から若年労働者の雇用変化を検討する理由が生まれたことは確かです。だからといって、減少分をすべてAIのせいだと断定したわけではありません。Stanfordの研究チームも金利や企業ごとの変化を考慮した分析を提示しつつ、実験を伴わずに得られた結果だけで因果関係を断定することはできないと述べています。

Oswarldの視点

私は、実際の利用データと雇用データを結びつけようとする試みをうれしく感じました。AIにできる業務を並べるだけにとどまらず、どのような利用が観察され、どの集団で雇用変化が現れているのかを見ることができるからです。

同時に、失業率だけで判断するのは難しいとも感じました。新しい仕事を探そうとして進学した人、求職を中断した人、別の職業に移った人の経路は、失業率一つでは説明しきれません。若年層が仕事を始める比率と、その後の経路を併せて見る必要があります。

私がGTM戦略を策定する中で学んだことの一つも、既存顧客と新規顧客の指標を併せて見なければならないという点です。既存顧客が残り続けていても、新規流入が減れば事業の状況は変わり得ます。そのため、この報告書を読むときも、現在雇用されている人数だけでなく、新しく仕事を始める人に目が向きました。

企業は既存従業員を解雇しなくても、採用計画を縮小することができます。AIがそうした判断に影響を与えているのか、それとも他のコストや景気要因のほうが大きいのかを確認するには、新規採用と求職者の動きをさらに見ていく必要があります。私のGTM経験は、この指標に関心を持つきっかけとなった背景であって、AIが採用を減らしたという証拠ではありません。

データを作成した主体と測定範囲も確認する必要があります。AnthropicはAIを販売する企業であり、この報告書は自社サービスで観察できる業務を基にしています。データを公開した点は評価しつつも、他のサービスや独立した雇用データで同じ結果が再現されるかを見る必要があります。

これに関連して、Antonio Casilliの2025年の批判記事も参考になります。この記事は今回のAnthropic報告書ではなく、先に発表されたStanfordの研究を扱っています。職業を業務リストだけで説明できるのか、給与データの外にあるフリーランスや契約労働を見落としていないかを問うています。ただし、こうした可能性を指摘したこと自体が、実際に雇用形態が変化したことの証明にはなりません。

数字と結論の間に説明が必要

今回の報告書は、失業率では明確な差を確認できなかった一方、AIエクスポージャーが高い職種の22〜25歳が新しい仕事を始める比率では減少の兆候を発見しました。この2つの結果は併せて読む必要があります。

私は、不安をあおる数字だけでAI教育の必要性を説得しようとするやり方には物足りなさを感じます。就職を準備する人の助けになるには、どの職業のどの業務が変わるのか、企業の採用方式がどう変化するのかまで説明する必要があります。「ジュニアの終焉」という言葉だけでは、その違いを理解するのは難しいでしょう。

既存の従業員がAIで業務をこなすことで新規人材の採用を減らすという状況は、考えられる説明の一つです。実際にどれほど起きているのかは、さらに確認が必要です。私も次の雇用データを見るときは、解雇された人数だけでなく、若年層の新規就業と職業移動を併せて見ていくつもりです。

参考資料

• Anthropic, Labor market impacts of AI: A new measure and early evidence、2026年3月5日。観測エクスポージャーの算出方法と、失業率・若年層分析を確認できます。
• Stanford, Canaries, Interest Rates, and Timing、2026年2月9日。ADPデータを用いた研究の当時の結果と、因果関係解釈の限界を説明しています。
• Eloundouほか、GPTs are GPTs、Science、2024年。Anthropicが使用した理論的AIエクスポージャー研究です。
• Antonio CasilliによるStanford研究批判、2025年8月29日。
• Anthropic Economic Indexデータ。報告書と共に公開された業務・職業単位の集計データを確認できます。

筆者のアン・グァンソプ（安光涉）は世宗大学校経営学科教授であり、INLEVEL9のリードコンサルタントである。大学では経営データ管理、ビジネスアナリティクスなど統計・データ分析を教える一方、現場ではGTM戦略とAI戦略コンサルティングを率い、技術とビジネスの接点を設計している。AI対話システムの記憶アーキテクチャ（HEMA）研究で学術論文を発表したほか、毎日グローバルなAI論文をキュレーションするDaily Arxivプロジェクトを運営している。高麗大学校技術経営専門大学院修士課程とKMBAを修了した。著書に『思考を委ねる人々：ホモ・ブレインレス』がある。

著者 アン・グァンソプ（Oswarld） は世宗大学校 兼任教授、INLEVEL9 戦略コンサルタントです。経歴、研究、著書、最近の活動は著者紹介で更新しています。 最近の活動 · 2026年7月：HEMA-2: A Consolidation-Aware Tri-Memory Architecture with Multi-Channel Scheduling for Lifelong Conversational AI。