AIは理論上、みなさんの仕事の94%を代替できるそうです。でも実際に使われているのは33%だけ。この61ポイントの差は、いったい何を意味するのでしょうか？AnthropicがClaudeの利用データ数百万件を分析して出した答えが、なかなか興味深いんです。
これは何?
2026年3月5日、Anthropicの経済学者Maxim MassenkoffとPeter McCroryが「Labor market impacts of AI: A new measure and early evidence」という論文を発表しました。 核心は「観測露出度（Observed Exposure）」という新しい指標です。従来の研究が「AIが理論的に何をできるか」だけを見ていたとすれば、この研究はClaudeの実際の利用データを米国職業データベース（O*NET）と組み合わせて、理論と現実のギャップを初めて定量化しました。
方法論はかなり精巧です。まずEloundouら（2023）の「GPTs are GPTs」論文から各職業タスクの理論的AI露出度（betaスコア）を取得し、その上にAnthropic Economic Indexの実際のClaude利用パターンを重ね合わせます。 ここでは自動化（augmentationではなくautomation）目的と業務関連の使用に高いウェイトを置きました。つまり、ChatGPTでレシピを聞くのはカウントせず、実際に業務でAIを使うケースだけを抽出したわけです。
その結果は衝撃的です。Claude利用の68%は「完全露出」タスク（beta=1.0）、29%は「部分露出」タスク、わずか3%のみが「非露出」タスクに該当しました。 AIにできることに集中的に使われているということです。問題は、その「できること」と「実際にやっていること」の間の溝です。
重要な区別：理論 vs 現実
理論的露出度（Theoretical Exposure） = AIが技術的に実行可能なタスクの割合
観測露出度（Observed Exposure） = 実際のClaude利用データから確認されたタスクの割合
この2つの差が、この研究の核心的な発見です。ギャップが大きいほど「まだAIが手をつけていない領域」が大きいということでもあり、同時に「採用の障壁が高い」ということでもあります。
何が変わるのか?
発見1. 94% vs 33% — 能力と現実のギャップ
最も目を引く数字です。コンピュータ・数学系職種でのAIの理論的タスクカバー率は94%ですが、実際のClaude利用ベースのカバー率は33%にすぎません。 事務・管理職種も理論的には90%ですが、実際にはその一部しかカバーされていません。61ポイントにも上るこのギャップの原因として、研究チームは4つを挙げています — モデルの限界、法的制約、追加ソフトウェア統合の必要性、そしてAIの出力に対する人間によるレビューの必要性。
発見2. 職業別「観測露出度」ランキング
研究が算出した実際のAI露出度ランキングを見ると、理論的な予測とはかなり違う姿が見えてきます。
| 職業 | 観測露出度 | 理論的露出度 | 差 |
|---|---|---|---|
| コンピュータプログラマー | 74.5% | 94% | 19.5%p |
| カスタマーサービス担当者 | 70.1% | ~90% | ~20%p |
| データ入力専門家 | 67.1% | ~85% | ~18%p |
| コンピュータ・数学系職種平均 | 33% | 94% | 61%p |
| シェフ、整備士、バーテンダーなど | 0% | ~5% | ~5%p |
プログラマーが74.5%で1位です。 カスタマーサービス（70.1%）、データ入力（67.1%）が続きます。一方、全労働者の約30%はAI露出度が0%です — シェフ、バイク整備士、ライフガード、バーテンダーといった現場系職種がそれに当たります。
発見3. AIに最も露出している人たちのプロフィール
ここが少し意外な点です。AI露出度上位25%の職種に就く労働者は、下位グループと比べて：
収入が47%高く、大学院学位保有率が3.9倍（17.4% vs 4.5%）、女性比率が16ポイント高いんです。AIが低賃金の単純労働ではなく、高学歴・高収入のホワイトカラーを正面から狙っているということです。
発見4. 大規模な失業はまだない — でも若年採用にシグナルが出ている
研究チームの結論は慎重です。ChatGPTリリース（2022年12月）以降、AI高露出職種での失業率の体系的な増加は観測されていません。 ただし22〜25歳の若年層では話が違います。AI高露出職種の若者の求職率（job finding rate）が14%低下しました。 研究チームはこの数値を「かろうじて統計的に有意な水準」と認めつつも、注目すべき初期シグナルと見ています。
Dallas Fedの別の研究もこれを裏付けています。AI露出上位10%の産業では2022年以降、雇用全体が1%減少し、特にコンピュータシステム設計分野では5%減少しました。一方、同分野の賃金は16.7%上昇 — 全国平均7.5%の2倍以上です。 読み解くと、経験者はより高く評価され、新人は入り口が狭くなる構造になっています。
発見5. 「ホワイトカラー大不況」シナリオ
論文で最も注目されたくだりです。研究チームは2007〜2009年の大不況（Great Recession）時に米国の失業率が5%から10%へと倍増したことを挙げながら、AI高露出職種で同様のことが起きる可能性を警告しました — 失業率が3%から6%へと倍増するシナリオです。 Fortuneはこれを「ホワイトカラー大不況（Great Recession for white-collar workers）」と命名しました。
「私たちのフレームワークでは、この規模の変化は十分に検出可能なはずだ。まだそのようなことは起きていないが、それは監視をやめる理由にはならない。」
— Massenkoff & McCrory, Anthropic 研究チーム
「まだ起きていない」は「起きない」ではありません
BLS（米国労働統計局）の独立予測と照合した結果、AI観測露出度が10ポイント高くなるごとにBLSの成長率予測が0.6ポイントずつ低下する相関関係が確認されました。 政府の予測データも同じ方向を指しているということです。
始め方のポイント
この研究の示唆するところは明確です。AIの理論的能力はすでに大半のホワイトカラー業務をカバーしていますが、実際の活用には時間と条件が必要です。その時間に何をすべきでしょうか？
- まず自分の職業の「観測露出度」を確認する
Anthropicが公開したデータセットがHugging Faceに上がっています。 自分の職業のどのタスクがすでにAIでカバーされているか、どのタスクがまだされていないかを確認してみてください。「74.5%がカバーされるプログラマー」であっても、残りの25.5%があなたの核心的な価値かもしれません。 - AIにできない25%に投資する
研究が示す採用障壁 — 法的制約、人間によるレビューの必要性、複雑な判断 — まさにここが人間の価値が残る領域です。 コーディングであればアーキテクチャ設計とビジネスロジックの判断、カスタマーサービスであれば感情対応とエスカレーション判断に集中してみましょう。 - AIを「ツール」ではなく「同僚」として使う練習をする
Dallas Fedのデータが示すように、AI高露出分野では経験者の賃金はむしろ16.7%上昇しています。 AIをうまく活用できる経験者はますます価値が高まっています。単にChatGPTに聞く程度を超えて、ワークフローにAIを体系的に組み込んでみてください。 - 22〜25歳なら、参入戦略を見直す
若年採用の減少は「AIによる解雇」ではなく、「AIのせいで新規採用をしない」という構造です。 ポートフォリオにAI活用スキルを明記し、自動化できないドメイン専門性をアピールしてみてください。 - 6ヶ月ごとに再評価する
この研究の最も重要なメッセージ：94%の理論的能力が33%にとどまっているのは、技術的な限界ではなく採用速度の問題です。 法的フレームワークの整備、ソフトウェア統合ツールの発展、組織変革が進めば、その33%は急速に上昇する可能性があります。METRのデータによれば、AIが完了できるタスクの複雑度は7ヶ月ごとに2倍ずつ増加しています。
