文中のマーカーつき太字(末尾に ⓘ)は、クリック(タップ)すると意味の解説がポップアップで開きます。経済の専門用語は、その場で確かめながら読み進められます。
「未経験OKの事務の求人、去年より全然ないんだよ」——箸を止めてこぼしたのは、就活中のユイ(22)だった。
その向かいで、父のミチオ(54・課長)がのんきに笑う。「うちの部署はAIのおかげで、前より大きな仕事を任されてるけどなあ」。
同じ食卓。同じ技術。なのに、親子で明暗が分かれている。
いとこのソウタ(35・会社員)は、どちらにも相づちを打てないまま、雑煮の椀を見つめていた。
——じゃあ、まんなかにいる自分は。どっち側なんだろう。
※この場面と3人は、研究データが示す未来を「自分ごと」として描くための架空の人物です(物語は全3部を通して続きます)。この記事は、この食卓の一言の“答え合わせ”です。
👥 この物語の登場人物(全3部共通)
ユイ22歳・就活生
「未経験OK」の求人が減っていく波の、いちばん前に立つ。はしごの一段目を探している。
ソウタ35歳・中堅会社員
企画職。若手でもベテランでもない“まんなか”の世代。——たぶん、あなたにいちばん近い人。
ミチオ54歳・課長
ユイの父。30年の経験が、AI時代に思わぬ追い風を受けはじめた人。ただし、悩みもある。
UPDATE
この3か月で、変わった数字。
この記事の核だった「若手−6%/ベテラン+9%」は、もとの研究が2026年8月に改訂され、「若手は同年代より19%低い/経験者には同じ差なし」に置き換わりました。差は広がりましたが、同時に「AIが原因とはまだ言えない」という慎重な見方も、公的機関からそろって出ています。
- 19%AIの影響を受けやすい職種の22〜25歳の雇用が、同年代より低い幅(スタンフォード大・2026年6月時点)
- 5.6%米国の大卒新卒(22〜27歳)の失業率(ニューヨーク連銀・2026年4〜6月)
- +2.9万人米国の9月の雇用の増加。失業率は4.2%(米労働統計局・2026年10月2日発表)
- 約21%米国で発表された人員削減のうち「AI」を理由にした割合(Challenger社・2026年1〜9月)
- 8月
若手の差は「19%」へ。もとの研究が改訂された
スタンフォード大学の研究チームが、米国の給与データを2026年6月まで延ばした改訂版を公表しました。AIの影響を受けやすい職種で働く22〜25歳の雇用は、影響を受けにくい職種の同年代より19%低い(同じ測り方で2025年7月は15%)。経験を積んだ層には同じ差が出ていません。減った主因は解雇ではなく採用の減少で、全体の雇用は約6%増えています。
- 5〜8月
ただし「AIのせい」とは、まだ言い切れない
研究チーム自身が「因果の証明ではなく、記述的な指標」と明記しています。欧州中央銀行は5月、ユーロ圏の若者の失業の悪化(2026年1〜3月に15.1%)を「現時点の証拠では生成AIのせいとは言えない」と結論づけました。OECDも、若い大卒者の失業の悪化は生成AIが広まる前から始まっていたと見ている、と伝えられています。
- 10月
米国の雇用は弱め。新卒の失業率は5.6%
10月2日発表の米雇用統計では、9月の雇用の増加は2.9万人、失業率は4.2%でした。ニューヨーク連銀によると、大卒の新卒(22〜27歳)の失業率は約5.6%、学歴に見合わない仕事に就いている人は42%(2026年4〜6月)。入口の厳しさは、数字でも確かめられます。
- 10月
人員削減の「理由」の1位が、AIになった
米国の調査会社Challengerの集計では、2026年1〜9月に発表された人員削減は約57.3万件(前年同期より39%減)。このうち「AI」を理由にしたものが約12万件(約21%)で、理由の1位でした。ただし、これは企業の説明にもとづく分類で、同社自身があいまいな例があると認めています。削減の発表そのものは減っている点もあわせて読む必要があります。
- 6月
AIにお金をかける会社ほど、人が増えた例も
米国の約2万2千社を調べた調査(Ramp Economics LabとRevelio Labs)では、AIへの支出が多い会社は2年で従業員が約10%、入りたての層の人数も約12%増えたと報じられています。「AIが入る=人が減る」の一本調子ではない、という材料です。
- 3月
AI企業の調査でも「失業は増えていない、入口は細い」
Anthropicが3月に公表した調査では、AIの影響を受けやすい職種の人の失業率に、2022年末以降はっきりした上昇は見られませんでした。一方で、22〜25歳がそうした職種に就職を決める割合は、月あたり約14%下がったとしています。
- 4月
日本でも、新卒採用を「減らす」が「増やす」を上回った
共同通信が4月に伝えた主要111社へのアンケートでは、2027年度入社の新卒採用を「減らす」と答えた会社が23%で、「増やす」の16%を5年ぶりに上回りました。理由の最多は「デジタル対応を通じた省人化」(16%)と報じられています。
| 項目 | 6月の記事では | 10月のいまは |
|---|---|---|
| 若手の雇用 | およそ6%減少(研究の2025年版の値) | 同年代より19%低い(2026年6月時点) |
| 経験者の雇用 | およそ9%増加 | 職種による同じような差は出ていない |
| 原因の書き方 | AIが基礎作業を代替したから、と断定気味 | 研究者自身が「因果ではない」。原因は未確定 |
| 新しい仕事の割合 | いまの雇用のおよそ8割 | 2018年の雇用のおよそ6割が、1940年に無かった仕事 |
| 慎重派の試算 | 10年でGDPを約1〜1.6%押し上げ | 10年でTFPを最大0.66%(論文の要旨の値) |
で、どう読めばいい?「若手の入口が細っている」という方向は、3か月前よりはっきりしました。けれども、それを「AIのせい」と決めつける材料は、まだそろっていません。景気や金利の影響も重なっています。見出しの数字ひとつで判断せず、「誰が・いつ・何を測ったか」を確かめながら読むのが、いちばん確かな読み方です。
出典と確認日(タップで開く)
- Stanford Digital Economy Lab — Canaries in the Coal Mine?(改訂版)(2026年8月)
- 欧州中央銀行 — Economic Bulletin Focus(若者の雇用とAI)(2026年5月)
- OECD — Young people, labour markets and AI(2026年8月)
- 米労働統計局 — Employment Situation(2026年9月分)(2026年10月2日)
- ニューヨーク連銀 — The Labor Market for Recent College Graduates(2026年4〜6月のデータ)
- Challenger, Gray & Christmas — Challenger Report September 2026(2026年10月1日)
- CPA Practice Advisor — Ramp Economics Lab × Revelio Labs の調査の紹介記事(2026年7月7日)
- Anthropic — Labor market impacts of AI(2026年3月5日)
- 共同通信配信(秋田魁新報)— 主要111社の新卒採用アンケート(2026年4月)
- NBER — Acemoglu「The Simple Macroeconomics of AI」(2024年5月)/NBER — Autor ほか「New Frontiers」(2022年8月)
2026年10月7日に確認しました。数字は各発表の時点のものです。
00🧭 この記事の読み方
AIと雇用の話は、「の半分が消える」という刺激的な予測と、「結局なくならない」という楽観論の間で揺れがちです。どちらも、断定はできません。AIの進化ペースは、誰にも読めないからです。そこでこの記事は、あおりにも楽観にも寄らず、事実と見通しを分けて淡々と整理します。
読み方の目印:検証できる根拠は 研究データ、当サイトの解釈・将来像は 見通し。各章末の紫の囲み「 起こりうる未来」は、その数字が暮らしにどう降りてくるかを、冒頭の食卓にいたユイ・ソウタ・ミチオの物語として描いた想像(フィクション)です。
※ 特定の企業・職業を持ち上げも見下しもせず、不安をあおって何かを売る記事でもありません。全3部構成=第1部「現実編」(いま起きていること)/第2部「衝撃編」(AGIが来たら)/第3部「生存編」(どう生き残るか)。数値・情勢は2026年10月時点。
01🧩 「仕事が丸ごと消える」は、たぶん誤解 — 職業は“業務の束”
まずは、いちばん大事な見取り図から。経済学がAIを分析するときの“定番の道具”を知ると、「奪われる/奪われない」の二択がほぐれます。
いまの経済学でAIの影響を測るときの主流が、です。考え方はシンプルです。職業とは、いくつもの「業務(タスク)」が集まった“束”だと捉えます。だからAIが奪う(あるいは助ける)のは、職業まるごとではなく、束の中の個々のタスクです。ここがポイントになります。
たとえば、ひとつの仕事を分解してみると?
研究データ どんな職業も、細かいタスクの集合
「資料をつくる」「文章を書く」「数字を集計する」「相手と調整する」「最後に判断して責任を負う」——どんな職業も、こうした大小さまざまなタスクの集まりです。AIが得意なのは、このうち下書き・要約・整形・定型処理の部分。スライドの素案や文章のたたき台なら、いまのAIは数秒でこなします。
見通し 代替されるタスクと、補完されるタスク
ここで効くのがという見方です。AIに取って代わられるタスクもあれば、AIで自分の力が底上げされるタスクもあります。代替されるタスクが束の大半を占める職業は縮みやすく、補完されるタスクが多い職業は、むしろ一人あたりの価値が上がります。だから「AIが進む=仕事が消える」とは、単純には言えません。
職業=タスクの束(どこが代替され、どこが残るか)
🧩 大事なのは「職業」より「タスク」の解像度。同じ職名でも、束のどこをAIが担うかで、追い風にも逆風にもなります。※論点を単純化した当サイト作成の概念図です。
奪われるのは「職業」ではなく、
束の中の「タスク」。
肩書きは同じ。なのに、中身が入れ替わる
肩書きは去年と同じでも、中身は7割が入れ替わっている——ソウタに起きたことは、特別な職種の話ではありません。ふつうの事務やデスクワークにも、同じ朝が降りてくるかもしれません。
→ だから、いま:自分の仕事を5つの「タスク」に書き出し、どれがAIに代替されそうか、どれは補完で伸ばせそうかを、印をつけて確かめてみましょう。——すぐ下に、記入欄を用意しました。
あなたの「束」を、ほどいてみる
ソウタの朝は、他人事でしょうか。あなたの仕事をタスク5つに分けて、下の欄にそのまま入力してください(例:「会議の議事録をまとめる」「顧客に提案する」)。「束を診断する」を押すと、10個の評価がその場で表示されます。
※入力内容はお使いの画面の中だけで判定され、どこにも送信・保存されません。キーワードによる簡易判定(目安)であり、厳密な適性診断ではありません。
「代替されやすい」が多くても、落ち込む必要はありません。どこが残るかが見えた人から、備えは始まります。残った側をどう鍛えるか——その答えは第3部で回収します。
02🏭 歴史のクセ — 短期の痛みと、長期の“新しい仕事”
「新しい技術は仕事を奪う」——この不安は、今に始まったものではありません。では、過去の技術革新で実際に何が起きたのか。データを見てみます。
2026.10 更新研究データ よく引かれるのが、過去80年ほどのアメリカの雇用の分析です(オーターらの研究)。これによると、2018年時点の雇用のおよそ6割が、1940年にはまだ存在しなかった種類の仕事だったと報告されています。技術は古い仕事を消す一方で、新しい仕事を大量に作ってきたのです。
なら、AIでも「差し引きゼロ」で済むのか? そう単純でもない。
研究データ 長期では、失業は増え続けてこなかった
電力、自動車、コンピューター、インターネット——どれも登場時は「仕事が消える」と怖れられました。しかし長い目で見ると、消えた仕事の裏で新しい職業(プログラマー、Web制作、データ分析…)が次々に生まれ、失業が一方的に増え続けた証拠は乏しいとされます。技術が生む新しい需要が、人を吸収してきたのです。
見通し ただし今回は「知的労働」に踏み込んだ
過去の機械化は、おもに肉体労働や定型作業が相手でした。今回のが違うのは、文章を書く・絵を描く・コードを書く・考えをまとめるといった“知的労働”そのものに入り込んだ点です。しかも、普及が桁違いに速い。長い目では新しい仕事が生まれそうですが、短期では“移り変わりの痛み”が出やすい——歴史は同じには繰り返さないが、韻は踏む、ということです。
「いつの話か」で答えが変わる
AIと雇用の議論がかみ合わないのは、たいてい時間軸がそろっていないからです。短期では、消える仕事と生まれる仕事の間に“すき間”ができ、一時的に失業が増えることがあります。一方長期では、新しい仕事に人が移っていく。だから問題は「失業が増えるか否か」よりも、その移り変わりを、どれだけ滑らかにできるかに移ります。
まだ辞書にない仕事に、ユイは応募した
過去がそうだったように、消える仕事の裏でいまは想像もつかない新しい仕事が生まれる可能性は十分にあります。怖いのは「仕事が消えること」よりも、古い仕事から新しい仕事へ移る“すき間”でつまずくこと。ユイが立っているのは、まさにそのすき間の縁です。
→ だから、いま:「いまある職業」で将来を考えるよりも、無くなりにくい力(判断・対人・編集・学び続ける力)を軸に考えてみましょう。
03📊 経済学の二つの見立て — AIは経済を“どれだけ”伸ばすか
では、AIは経済全体をどれだけ豊かにするのか。ここで、トップクラスの経済学者の見立てが、くっきり二つに割れます。同じAIを見ているのに、なぜここまで違うのか。
論点は「AIは経済成長をどれだけ押し上げるか」。一方は「思ったほどではない」と冷静に見る慎重派、もう一方は「大きく伸ばす」と見る楽観派です。どちらも著名な経済学者が、まじめな計算の末に出した数字です。
A.「そこそこの技術」論(慎重派)
2026.10 更新いまのAIは、結局「これまで人間がやっていたことを置き換えているだけ」で、新しい価値は生んでいない。だから経済を大きくは伸ばさない、という見方です。代表的な試算(アセモグル氏の論文)では、今後10年でTFP(全要素生産性=人手や設備を増やさず、やり方の工夫だけで伸びた分)の押し上げは最大0.66%。AIが苦手な「難しい業務」を織り込むと0.53%未満まで下がります(=年あたりにすると、ごくわずか)。AIはにすぎない、と表現します。
B. 大きく伸びる論(楽観派)
2026.10 更新過去の電力やインターネットと同じくらいのインパクトをAIが持つなら、経済は大きく伸びる、という見方です。試算(アギオン氏らの2024年の研究)では、今後10年ほどが毎年1%前後(およそ0.8〜1.3ポイント)上がり続ける。ものさしが違うので単純には比べられませんが、年あたりに直すと慎重派とは桁がひとつ違う規模感です。この数字は過去の技術革命(電力・IT)との類推で出したもの。同じ研究がタスクベースの式で計算した値は年0.07〜1.24ポイント(中央値0.68)と幅が広かったと伝えられており、前提の置き方しだいで結論はここまで開きます。
10年で生産性をどれだけ押し上げる?(試算の比較)
📊 同じAIでも、見立てで桁がひとつ違う。専門家でも答えが割れるほど、未来は不確実だということ自体が、ひとつの“事実”です。※公開研究の試算をもとに当サイトが単純化した比較図です。
二つの見立てに共通する“抜け落ち”
面白いのは、慎重派も楽観派もある一点を計算に入れていないことです。それが——「AIが、もっと創造的に使われたらどうなるか」。AIをただの“置き換え”ではなく、新しいアイデアや発見を生む相棒として使えれば、成長はさらに加速しうる。両者が口をそろえるのは、カギは技術そのものより「人間がAIをどう使うか」だという点です。AIは、振れば勝てる魔法の杖ではありません。
同じ努力で、ふたつに分かれる手取り
分かれ目は、本人の努力だけではありません。職場がAIを「人件費の削減」だけに使ったか、「新しい売り物」を生むのに使ったか。後者を選べた組織と個人に、果実が多く回ります。
→ だから、いま:自分の職場がAIを“コスト削減”だけに使っていないか観察し、AIで生む「新しい価値」を一つ提案してみましょう。
04⚙️ 現場の現実① — 「速く書ける」のに、「速く出せない」
理屈はここまで。ここからは“現場で測ったデータ”です。AIで仕事は本当に速くなったのか。約5,000人の開発者を対象にした大規模実験の結果と、その先に残る宿題を見ます。
2026.10 更新研究データ 学術誌 Management Science に掲載された研究では、3つの企業(マイクロソフト、アクセンチュア、米大手企業1社)の現場で、合わせて4,867人のソフトウェア開発者を、AI支援コーディングを「使えるグループ」と「使えないグループ」にランダムに分けるにかけました。実社会で効果を測る、信頼性の高いやり方です。結果は明快でした——AIを使えるグループは、1週間あたりに完了したタスクの数が約26%多かったと報告されています。伸びは、経験の浅い開発者ほど大きめでした。
では、その分だけ製品が速く世に出たのか?
研究データ コードを“書く”量は、たしかに増えた
2026.10 更新この実験で増えたのは、完了したタスクの数——つまり「書く」側の成果です。「書く」というタスクに限れば、AIの効果は本物と言えます。ただし、この実験が測ったのは「書く」ところまで。製品がその分だけ速く世に出たかどうかは、この数字からは分かりません。ここから先は、当サイトの見通しです。
見通し でも「出荷」は、同じだけ伸びるとは限らない
コードを書いた“あと”には、レビュー(中身が正しいか人が確認)・品質チェック・顧客の声の反映・リリース手続きが続きます。そこはまだ人間の担当です。だから書く速さが上がっても、最終的に世に出る量(出荷)が同じだけ増えるとは限りません。つまりいまは、人間そのものが“”になりやすい、というわけです。
「書く」は速くなったが、「出荷」で詰まる
⚙️ 速いのは“前半”だけ。AIが書く速度を上げるほど、「人が確認して責任を持つ」工程の重みが、相対的に増していきます。※研究の論点を単純化した当サイト作成の概念図です。
これは、企業の現場感覚とも一致します。「コードを書く人」の仕事が、「AIが書いたコードを評価し、採用するか決める人」の仕事へと、中身が変わり始めているのです。書く人を束ねるリーダーのような役回りへ——次の章で見る“格差”は、まさにここから生まれます。
AIが10倍つくる職場で、増えたのは「見極める」仕事
これは、多くの職場で起こりうる光景です。AIが前半を肩代わりするほど、「正しいかを判断し、責任を持つ」あなたの一票の重みが増していきます。負担にも価値にもなる——どちらに転ぶかは、その力を磨いているか次第です。
→ だから、いま:「良し悪しを見抜く自分の基準」を、言葉にしておきましょう。レビューと最終判断こそ、これからの武器です。
05📉 現場の現実② — 若手の入口が細り、経験者は踏みとどまる
前章の「中身が変わる」は、雇用の数字にどう表れているのか。アメリカの大規模な給与データが、年齢によるはっきりとした“差”を示しました。ただし、読み方には注意が要ります。
2026.10 更新研究データ 毎月の給与支払いをまとめた大規模な給与データ(米国の給与計算大手ADPの記録、約350〜500万人分)で、2026年6月までを追ったスタンフォード大学の研究があります(2026年8月の改訂版)。そこで浮かび上がったのが、AIの影響を受けやすい職種(カスタマーサポート、ソフトウェア開発など)における、年齢によるくっきりとした差でした。なお、全体の雇用は2022年11月から2026年6月までに約6%増えており、広い範囲で雇用が失われたわけではありません。
▼ 若手(22〜25歳)
AIにさらされやすい職種で働く、にあたる22〜25歳の雇用は、さらされにくい職種の同年代より19%低い水準でした(2026年6月時点。同じ測り方で2025年7月は15%)。2022年11月からの増減で見ると、さらされやすい職種は約11%減、さらされにくい職種は約10%増。減った主な理由は解雇ではなく、新しく採る人数が減ったことです。
▲ 経験者・ベテラン
経験を積んだ年長の層には、同じような差は出ていません。AIが人の仕事を「補完」する形で使われる職種では、雇用は横ばい〜増加(とくに経験者)でした。AIの出力が正しいかを見抜く経験や勘()が、AIと補完的に働けるスキルとして効いている——という解釈と、つじつまが合います。
同じ22〜25歳でも、職種で逆方向(2022年11月→2026年6月の雇用)
📉 “差”は、若手の入口に集中している。減っているのは、AIの影響を受けやすい職種の若手の雇用。経験者には同じ差が出ていません。ただし、これは「AIが原因」と証明した図ではありません。※スタンフォード大学の研究(2026年8月改訂版)の報告値をもとに、当サイトが単純化した図です。
ただし「AIのせい」とは、まだ言い切れない
この研究をした人たち自身が、これは因果(原因と結果)の証明ではなく、記述的な早期指標——いわば“炭鉱のカナリア”だと明記しています。学歴の違いをそろえると差は弱まり、ずれの一部はコロナ前から始まっていて、国の調査よりこの給与データのほうが差が大きく出る、とも書いています。欧州中央銀行(2026年5月)も、ユーロ圏の若者の失業の悪化を「現時点の証拠では生成AIのせいとは言えない」と結論づけました。OECD(経済協力開発機構)も、若い大卒者の失業の悪化は生成AIが広まる前から始まっていたと見ている、と伝えられています。言えるのは、AIの影響を受けやすい職種で若手の採用が細っているところまで。原因は、まだ確定していません。
いちばんの難題 — “はしご”の一段目が細る
ここに、見過ごせないジレンマがあります。ベテランの価値は「AIの出力を判断できる経験」にある。では、その経験はどこで積むのか。 若手が任されていた基礎作業(経験の“一段目”)をAIが担うようになると、若手がベテランに育つ“はしご”そのものが消えかねません。これは個人の努力だけでは解けない、社会全体の問題です。その答えは、第3部の「サバイバル術」で正面から考えます。
AIに勝つ・負けるではない。
「AIの答えを、見抜ける側」に回れるか。
ユイは落ち、ミチオは任される
若手が経験を積む“入口の一段目”をAIが奪うと、この光景はもう他人事ではありません。あなたや、あなたの子・甥姪が「はしごの一段目」に立っているなら、ここはいちばん切実な話です。ユイの物語の続き——彼女がどう巻き返すか——は、第3部で。
→ だから、いま:若手なら「AIの答えを評価できる経験」を意図的に取りに行く。育てる側なら、効率を少し犠牲にしてもあえて経験の場を残す。
FAQ❓ よくある質問(第1部)
第1部でよく出てくる疑問を、本文からまとめました。AGIが来たらどうなるかは第2部、具体的な生き残り方は第3部で扱います。
AIで仕事は丸ごとなくなるの?
多くの経済学者は「職業が丸ごと消える」より「職業を構成する業務(タスク)の一部が置き換わる」と見ています。下書きや集計はAIが代われても、判断・調整・責任は人間に残りやすい。代替されるタスクが多い仕事ほど縮みやすく、補完される仕事は逆に価値が上がることもあります。→ 01 消えるのは“業務”
過去の技術と今回のAIは何が違う?
電力やインターネットでも消える仕事はありましたが、長期では新しい仕事が生まれ、失業が増え続けたわけではありません。違うのは、生成AIが文章・コードなど“知的労働”に踏み込んだ点と、普及の速さです。長期は楽観できても、短期は移り変わりの痛みが出やすい、という整理です。→ 02 歴史のクセ
AIで誰の生産性がいちばん上がる?
3つの企業の現場で行われた、合わせて4,867人の開発者を対象にした実験では、AIを使えるグループのほうが、週あたりに完了したタスクの数が約26%多く、とくに経験の浅い若手の伸びが大きかったと報告されています(学術誌 Management Science に掲載)。基礎作業をAIが肩代わりするほど、経験の浅い人の底上げ効果が大きく出るためと考えられます。→ 04 速くなるが出荷は
なぜ若手の雇用だけが細っているの?
米国の給与データ(2026年6月まで)を分析したスタンフォード大学の研究(2026年8月の改訂版)では、AIの影響を受けやすい職種で働く22〜25歳の雇用が、影響を受けにくい職種の同年代より19%低く、経験を積んだ年長の層には同じような差が出ていない、と報告されています。若手の基礎作業は置き換えやすく、経験は「AIの出力を判断する」補完スキルになる、という解釈と合います。ただし研究者自身は「因果の証明ではなく、記述的な早期指標」としており、欧州中央銀行(2026年5月)も若者の失業の悪化を現時点の証拠ではAIのせいとは言えないとしています。原因はまだ確定していません。→ 05 若手の入口が細る
※ 本ページ(第1部)は、労働経済学・マクロ経済学の公開研究や各国の公的統計・大規模実験のレポートを横断的に調べ、要点を整理した内容を土台に、AIで仕事はどう変わるのかをAI探検隊が中立的に再構成した解説記事です。 本文中の数値は出典となる研究の前提に依存し、今後の検証で変わりえます。見通しは当サイトの解釈であり、事実の保証ではありません。特定の投資・転職・進路を推奨するものではありません。情勢は2026年10月時点の概況です。