30秒サマリ

ILOとポーランドのNASK研究所が2025年5月に発表した職業露出指数の改訂版。2,861タスク・52,558データポイントの人間評価をベースに、世界雇用の24〜25%が生成AI（GenAI）に何らかの形で露出すると推計。ただし「完全自動化（代替）」に達する雇用は3.3%のみ。残り20%超は「変容（transformation）」——つまり一部タスクが変化しながら職そのものは残る。性別格差が顕著で、女性の4.7%対男性の2.4%が最高露出カテゴリに該当。高所得国ほど露出割合が高く（34%）、低所得国は11%にとどまる。

レポートの概要・方法論

前作（WP096, 2023年）からの改善点

2023年版は「自動化（automation）か補完（augmentation）か」の二項対立で職業を分類していた。2025年版はこれを捨て、4段階の連続スペクトラム（グラジェント: Gradient）に置き換えた。

主な改善点：

  • タスクDB（データベース）を数百件 → 29,753件（ポーランド職業分類全体）に拡大
  • 代表サンプル2,861タスクを選定、各タスクに対して平均18.4件の人間評価を収集
  • 合計52,558データポイント（人間評価）を蓄積
  • 1,640人の実務従事者（ISCO-08（国際標準職業分類）の各1桁グループを網羅）がタスクを評価
  • デルファイ法（Delphi method：専門家が匿名で反復的に合意を形成する手法）を用いた専門家パネルで検証
  • GPT-4o・Geminiによるアルゴリズム予測と人間評価を統合
  • ISCO-08分類システム全体（約500職業）に外挿

4段階グラジェント（露出レベル）の定義

  • Gradient 1（周辺露出）: GenAIが補助的な周辺タスクに影響する程度。職の核心は変化なし
  • Gradient 2（部分露出）: 一部の中核タスクが影響を受ける。職の構造は維持
  • Gradient 3（重大露出）: 複数の中核タスクが代替・変容の対象。職の再設計が必要
  • Gradient 4（最高露出）: 実質的な中核タスクの大部分がGenAIと直接競合。完全代替リスクが最も高い

主要な発見（数値付き）

全体露出

  • 世界雇用の24〜25%が何らかの露出（Gradient 1〜4の合計）
  • うち最高露出カテゴリ（Gradient 4）= 世界雇用の3.3%
  • 高所得国: 34%が露出 / 低所得国: 11%が露出

性別差

  • Gradient 4（最高露出）の女性: 4.7% / 男性: 2.4%（約2倍の格差）
  • 高所得国に限ると女性: 9.6% / 男性: 3.5%（約3倍の格差）
  • 女性全体の露出（Gradient 1〜4）: 27.6% / 男性: 21.1%

この格差の原因は職業的性別隔離（occupational sex segregation）。女性が事務・行政・顧客対応職に集中しており、これらが最も自動化親和的なテキスト処理タスクを多く含む。

露出上位職種（Gradient 4に集中）

最高露出:

  • データ入力担当者（data entry clerks）
  • 給与・簿記事務員（payroll and bookkeeping clerks）
  • タイピスト（typists）
  • 行政秘書・一般事務職

2023年から露出増加（専門職への拡大）:

  • 金融アナリスト・投資顧問
  • ウェブ開発者・アプリケーションプログラマー
  • データベース管理者・マルチメディア開発者
  • マーケティング専門家

2023年版との変化

欧州（ポーランド調査基点）での数値変化:

  • 女性の高自動化露出: 7.8%（2023年）→ 9.7%（2025年）
  • 男性: 2.9%（2023年）→ 3.5%（2025年）

多くのルーチン（反復的）タスクスコアが「下方修正」された。実務使用者のフィードバックが反映され、「人間の監視が依然必要」と判明したタスクが格下げされた結果。一方で専門職のスコアは上昇。

「完全代替」vs「職務変容」の分類

なぜ変容が多数派なのか

ILOが「置き換えより変容」と結論する根拠は3点:

1. 職業は異種タスクのバンドル（束）

どの職業もGradient 4タスクだけで構成されることはほぼない。法務専門家を例にとると、契約書審査（高露出）は自動化されうるが、法廷弁論・顧客交渉（低露出）は残る。「職業まるごと消える」ケースは例外的。

2. 人間監視の継続的必要性

ChatGPTがメール作成・会議設定を補助できても、ニュアンスが必要な文脈では人間の確認が不可欠。実務フィードバックにより、当初「完全自動化可能」と見られていたタスクの多くが格下げされた。

3. 導入障壁の現実

インフラ不足・デジタルスキル不足・制度的抵抗・コスト障壁が、技術的可能性と実際の普及を乖離させている。ポーランド調査では、AI導入計画のない企業が約50%。AI使用ガイダンスを受けていない労働者が3分の2以上。

どのタスクが「残る」か

AIに置き換えられないタスクの共通特徴:

  • 物理的・身体的な動作が必要なもの
  • 感情的知性・共感・人間関係を必要とするもの
  • 文脈依存の判断・倫理的裁量が必要なもの
  • 創造性の中でも「目的設定」「価値判断」に関わるもの

一方、AIに委譲されやすいタスク:

  • テキスト処理・文書作成・翻訳
  • ルールベースの分類・データ入力
  • 情報検索・要約・レポート生成
  • コード生成・デバッグ・ドキュメント化

AIと人間の役割分担への示唆

著者Gmyrek氏の核心的発言: 「主な変化は技術的というより組織的だ。AIを誰とどう話し合いながら導入するかが成果を左右する」

この発言は重要な論点を指す。露出指数が高くても、実際に「変容」か「代替」かを決めるのは技術ではなく経営判断・労使関係・政策設計だという認識。

役割分担の現実的モデル:

  • AIが担う: 情報処理・パターン認識・文書生成・コード補完
  • 人間が担う: 目的設定・倫理判断・関係構築・文脈解釈・例外処理
  • 協働ゾーン: 品質検証・創造的方向付け・複雑な意思決定

生産性向上の鍵は「労働節約の追求」ではなく「人間の専門知識とAI能力の補完性をいかに設計するか」にある——これがレポートの結論的メッセージ。

批判・限界

方法論的限界:

  • ポーランドの職業分類を起点としているため、文化・制度的文脈が異なる国への外挿に誤差が生じる
  • タスクの自己申告評価（worker survey）は認知バイアスを含む可能性
  • AI能力の急速な進化（特に2024〜2025年のモデル改善）に対し、調査設計が追いつかない恐れ

データ上の限界:

  • 低所得国・非公式労働市場のデータが薄い
  • ISCO-08への外挿により、職種内部の不均質性が平滑化される
  • 地域・セクター内のばらつきが集計で見えなくなる

概念的限界:

  • 「露出（exposure）= 影響（impact）」ではない。ベストケースシナリオの推計にすぎない
  • 採用コスト・組織慣性・雇用契約など非技術的要因が捨象されている
  • GenAI普及速度の前提が楽観的すぎる可能性

次の問い

  1. Gradient 4職種の労働者は実際に何を学べばいいのか: スキル転換の具体的経路が本レポートでは薄い。リスキリング（reskilling: 新しいスキルの習得）の成功事例と失敗事例の分析が必要。
  1. 日本はどこに位置するか: 高所得国かつホワイトカラー比率が高い日本は34%露出圏に入るが、業務のデジタル化水準・年功序列制・非正規雇用構造がどう影響するか。
  1. 「変容」は本当に良いことか: 職務が変容しても、賃金・労働条件・自律性が下がれば「質の劣化」になる。露出指数は職の質（job quality）を捉えていない。
  1. 2027年版ではどう変わるか: GPT-5・Claude 4・Gemini Ultraなど次世代モデルの能力が折り込まれると、Gradient 3〜4の範囲は拡大するか。あるいはさらなる下方修正があるか。
  1. 非公式経済・自営業者への影響: 正規雇用を前提とした指数では、フリーランス・ギグワーカー・途上国の非公式労働への影響が見えない。

参考文献

  • Gmyrek, P. et al. (2025). *Generative AI and Jobs: A Refined Global Index of Occupational Exposure*. ILO Working Paper No. 140. International Labour Organization. https://www.ilo.org/publications/generative-ai-and-jobs-refined-global-index-occupational-exposure
  • ILO (2025). *Generative AI and Jobs: A 2025 Update* [Research Brief]. https://www.ilo.org/publications/generative-ai-and-jobs-2025-update
  • ILO Press Release (2025-05-20). *One in four jobs at risk of being transformed by GenAI, new ILO–NASK Global Index shows*. https://www.ilo.org/resource/news/one-four-jobs-risk-being-transformed-genai-new-ilo-nask-global-index-shows
  • ILO (2025). *Generative AI at work: What it means for jobs in Europe and beyond*. https://www.ilo.org/resource/article/generative-ai-work-what-it-means-jobs-europe-and-beyond
  • The People Space (2025). *What ILO's Global Index tells us about GenAI and jobs*. https://www.thepeoplespace.com/insights/ideas/what-ilos-global-index-tells-us-about-genai-and-jobs

用語集

  • ISCO-08: 国際標準職業分類2008年版。職業を技能レベルと専門分野で体系化したILOの国際基準
  • グラジェント（Gradient）: 「傾き・段階」。本レポートでの露出レベルの段階を指す
  • デルファイ法: 専門家が匿名で独立して評価→集約→再評価を繰り返し合意形成する手法
  • 外挿（extrapolation）: サンプルデータから全体を推定すること
  • 職業的性別隔離（occupational sex segregation）: 男女が異なる職種に集中する現象
  • リスキリング（reskilling）: 新しいスキルを一から習得すること。アップスキリング（既存スキルの高度化）と区別
  • 非公式労働市場: 法的保護・社会保険が適用されない雇用形態。途上国に多い