PRODUCER AGENT 無料で始める
Methodology · v1.2

方法論と出典

この診断が何を根拠にし、何を計算し、何を知らないか。すべてをここに書きます。再現できない主張はしない、というのが唯一のルールです。

1. 問いの立て方

「AIで消える職業」を列挙する方法は、Frey＆Osborne（2013）が米国雇用の47%を高リスクとした一方、同じ問いを「職業の中のタスク構成」で見直した Arntz ら（2016）がOECD平均で9%と算出したように、方法で結論が5倍変わります。差の原因は、仕事が「タスクの束」であり、束の中の一部が自動化されても仕事全体は再編されて残ることです（Acemoglu＆Restrepo 2019 の「置換効果」と「復権効果」）。

したがって本診断は職業名を入力させず、タスクの性質を決める要因を直接たずねます。要因の選択は、1980年代以降の労働経済学と、2023年以降の生成AIの実証研究が一貫して用いてきた区分に従いました。

2. 4つの軸と理論的根拠

軸1　仕事の型：定型（R）↔ 変動（V）

Autor・Levy・Murnane（2003）は、仕事を「ルールとして完全に書き下せる定型タスク」と「暗黙知や判断を要する非定型タスク」に分け、コンピュータは前者を代替し後者を補完すると示した。生成AIはこの境界を非定型側へ押し広げたが、境界そのものは残っている。

軸2　仕事の場：現場（P）↔ デジタル（D）

「人間に簡単なことほど機械には難しい」というモラベックのパラドックス（1988）は、現在も最も頑健な観察のひとつ。Frey＆Osborne（2013）は「知覚と操作」を自動化の第一のボトルネックとし、Eloundou ら（2023）の生成AI曝露の推計でも、身体を使う職ほど曝露が低い。

軸3　仕事の役：判断（J）↔ 実行（E）

Dell'Acqua ら（2023）は、AIの能力に「ギザギザの最前線」があり、その内側では人の成果が大きく上がる一方、外側では誤りが19ポイント増えることを示した。どこが最前線かを見極め、結果に責任を持つのは人。Autor（2024）は、AIが「専門家の判断」を拡張する道具になりうると論じた。

軸4　仕事の相手：対人（S）↔ 単独（I）

Deming（2017）は、1980〜2012年の米国で社会的スキルを多く要する職の雇用シェアが約12ポイント増えたことを示した。Frey＆Osborne の第三のボトルネック「社会的知性」でもある。生成AIは文章を作れるが、信頼関係と合意形成はまだ人の側にある。

3. 項目設計

各軸6項目、計24項目。7件法（まさにそう／そう思う／ややそう思う／どちらとも／やや違う／違う／全く違う）。各軸の半数（3項目）は逆転項目とし、「はい」と答えやすい黙従傾向の影響を相殺しています。項目は特定の職業を連想させないよう、行動と状況の記述に限定しました。

#軸方向項目
01仕事の型R私の仕事の大半は、手順書やテンプレートどおりに進めれば完了する
02仕事の場D（逆転）私の仕事の成果は、ほぼすべて画面の中（文書・データ・コード・デザイン）に残る
03仕事の役J最終的に「これで行く」と決めるのは、私だ
04仕事の相手S相手の表情や場の空気を読んで、言い方や進め方を変えることが仕事の核だ
05仕事の型V（逆転）毎日、前日とは違う問題に向き合っている
06仕事の場P仕事をするには、特定の場所に自分の身体がなければならない
07仕事の役E（逆転）私の仕事は、誰かが決めたことを形にすることが中心だ
08仕事の相手I（逆転）1日のうち、誰とも話さずに集中して作業する時間が長い
09仕事の型R自分の仕事のやり方は、新人向けのマニュアルに書き切ることができる
10仕事の場D（逆転）1日の労働時間の大半を、PCかスマホの操作に使っている
11仕事の役J仕事で失敗が起きたとき、責任を問われるのは私だ
12仕事の相手S顧客や関係者は「会社」ではなく「私」を信頼して仕事を頼んでくる
13仕事の型V（逆転）想定外の事態が起きて、その場で対応を考えることが週に何度もある
14仕事の場P手や身体を使って、物や人を直接扱う作業が仕事の中心だ
15仕事の役E（逆転）自分が作ったものは、上司や依頼者の確認を経てから世に出る
16仕事の相手I（逆転）私の仕事の価値は、人間関係よりも成果物の出来で決まる
17仕事の型R仕事の成果物は、毎回ほぼ同じ形式になる
18仕事の場D（逆転）完全在宅になっても、仕事の質はほとんど変わらない
19仕事の役J情報が足りない中でも、判断を下さなければならないことが多い
20仕事の相手S利害の違う複数の人をまとめたり、交渉したりすることが多い
21仕事の型V（逆転）「正解が一つに決まらない」仕事が多い
22仕事の場P現場の空気・音・匂い・手触りなど、五感で状況を判断することが多い
23仕事の役E（逆転）仕事の時間の大半は「選ぶ・評価する」より「作る・処理する」ことに使っている
24仕事の相手I（逆転）人とのやりとりは、仕事の中では付随的なものだ

4. 採点式

回答 r ∈ {1,…,7}（1＝まさにそう、7＝全く違う）を v = (4 − r) / 3 ∈ [−1, 1] に変換し、逆転項目は符号を反転します。軸スコア xk は6項目の平均（−1〜+1）。xk ≥ 0 なら第1文字（R・P・J・S）、負なら第2文字（V・D・E・I）。表示する百分率は 50 + 50·|xk| で、その文字側への偏りの強さです。

AI代替圧（0〜100）：代替側の文字に重みをかけた加重和。
代替圧 = 25·R̂ + 35·D̂ + 20·Ê + 20·Î　（各 ̂ は該当文字側への偏り (1 ± xk)/2 ∈ [0,1]）

増幅余地（0〜100）：増幅側の文字に重みをかけた加重和。
増幅余地 = 40·D̂ + 30·V̂ + 30·Ĵ

重みの根拠

重みは文献の方向性に合うように置いた著者の判断であり、回帰係数のような推定値ではありません。感度分析として、重みのうち1つを±10動かすと、16タイプのうち7タイプ（RPES・RPJI・VPEI・RDES・RDEI・VDES・VDJI。標準値が境界の50に近い45・55・40に乗るもの）で象限名が入れ替わります。象限名は連続量を4つに区切った便宜的なラベルであり、頑健な情報は代替圧・増幅余地の数値そのものと、各軸の位置です。象限名だけで判断しないでください。

16タイプの標準値（各軸を純粋に±1としたとき）

コード名前代替圧増幅余地象限
RPESおもてなしの人450無風
RPEI手の職人650向かい風
RPJS現場の指揮者2530無風
RPJI現場の目4530無風
RDES窓口の顔8040向かい風
RDEI書庫の番人10040向かい風
RDJS門の守り手6070転換点
RDJI検査官8070転換点
VPES寄り添う人2030無風
VPEI手で解く人4030無風
VPJS束ねる人060追い風
VPJI見立てる人2060追い風
VDES橋を架ける人5570転換点
VDEI孤高の作り手7570転換点
VDJS舵を取る人35100追い風
VDJI読み解く人55100転換点

5. 限界と、していないこと

6. プライバシー

採点はすべて閲覧者のブラウザ内で行い、回答・結果をサーバーに送信しません。結果ページのURLにスコアが含まれるのは、共有先で同じ結果を表示するためです。アクセス解析（GA4）は閲覧ページとタイプ名を記録しますが、回答内容は記録しません。

7. 文献

  1. Autor, D. H., Levy, F., & Murnane, R. J. (2003). The Skill Content of Recent Technological Change: An Empirical Exploration. Quarterly Journal of Economics, 118(4), 1279–1333. https://doi.org/10.1162/003355303322552801
  2. Frey, C. B., & Osborne, M. A. (2013/2017). The Future of Employment: How Susceptible Are Jobs to Computerisation? Oxford Martin School working paper; Technological Forecasting and Social Change, 114, 254–280. 米国雇用の47%が高リスク。 https://doi.org/10.1016/j.techfore.2016.08.019
  3. Arntz, M., Gregory, T., & Zierahn, U. (2016). The Risk of Automation for Jobs in OECD Countries: A Comparative Analysis. OECD Social, Employment and Migration Working Papers No. 189. OECD21か国平均で9%。 https://doi.org/10.1787/5jlz9h56dvq7-en
  4. Moravec, H. (1988). Mind Children: The Future of Robot and Human Intelligence. Harvard University Press. https://www.hup.harvard.edu/books/9780674576187
  5. Eloundou, T., Manning, S., Mishkin, P., & Rock, D. (2023). GPTs are GPTs: An Early Look at the Labor Market Impact Potential of Large Language Models. arXiv:2303.10130（Science 384(6702), 2024 に掲載）。 https://arxiv.org/abs/2303.10130
  6. Brynjolfsson, E., Li, D., & Raymond, L. (2025). Generative AI at Work. Quarterly Journal of Economics, 140(2), 889–942（NBER WP 31161, 2023）。 https://doi.org/10.1093/qje/qjae044
  7. Noy, S., & Zhang, W. (2023). Experimental evidence on the productivity effects of generative artificial intelligence. Science, 381(6654), 187–192. https://doi.org/10.1126/science.adh2586
  8. Dell'Acqua, F., McFowland, E., Mollick, E. R., et al. (2023). Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of AI on Knowledge Worker Productivity and Quality. Harvard Business School Working Paper 24-013. https://www.hbs.edu/faculty/Pages/item.aspx?num=64700
  9. Acemoglu, D. (2024/2025). The Simple Macroeconomics of AI. NBER Working Paper 32487; Economic Policy, 40(121), 13–58. 著者は2024年ノーベル経済学賞受賞。 https://www.nber.org/papers/w32487
  10. Acemoglu, D., & Restrepo, P. (2019). Automation and New Tasks: How Technology Displaces and Reinstates Labor. Journal of Economic Perspectives, 33(2), 3–30. https://doi.org/10.1257/jep.33.2.3
  11. Cazzaniga, M., et al. (2024). Gen-AI: Artificial Intelligence and the Future of Work. IMF Staff Discussion Note SDN/2024/001. 世界の雇用の約40%、先進国の約60%が曝露。 https://www.imf.org/en/Publications/Staff-Discussion-Notes/Issues/2024/01/14/Gen-AI-Artificial-Intelligence-and-the-Future-of-Work-542379
  12. Humlum, A., & Vestergaard, E. (2025). Large Language Models, Small Labor Market Effects. NBER Working Paper 33777 / BFI Working Paper 2025-56. https://www.nber.org/papers/w33777
  13. Brynjolfsson, E., Chandar, B., & Chen, R. (2025). Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence. Stanford Digital Economy Lab. https://digitaleconomy.stanford.edu/publications/canaries-in-the-coal-mine/
  14. Deming, D. J. (2017). The Growing Importance of Social Skills in the Labor Market. Quarterly Journal of Economics, 132(4), 1593–1640. https://doi.org/10.1093/qje/qjx022
  15. Autor, D. (2024). Applying AI to Rebuild Middle Class Jobs. NBER Working Paper 32140. https://www.nber.org/papers/w32140
  16. Handa, K., et al. (2025). Which Economic Tasks are Performed with AI? Evidence from Millions of Claude Conversations（Anthropic Economic Index）。 https://www.anthropic.com/economic-index
  17. 野村総合研究所（2015）。日本の労働人口の49%が人工知能やロボット等で代替可能に（オックスフォード大学 Osborne・Frey との共同研究、2015年12月2日発表）。 https://www.nri.com/jp/news/newsrelease/lst/2015/cc/1202_1
  18. リクルートワークス研究所（2023）。未来予測2040 労働供給制約社会がやってくる。2040年に1,100万人の労働供給不足。 https://www.works-i.com/research/report/item/forecast2040.pdf
  19. The Nobel Prize (2024). 経済学賞：Acemoglu, Johnson, Robinson。物理学賞：Hopfield, Hinton。化学賞：Baker, Hassabis, Jumper。 https://www.nobelprize.org/all-nobel-prizes-2024/
  20. Nedelkoska, L., & Quintini, G. (2018). Automation, skills use and training. OECD Social, Employment and Migration Working Papers No. 202. https://doi.org/10.1787/2e2f4eea-en
  21. McKinsey Global Institute (2017). A future that works: Automation, employment, and productivity. コンサルティング会社の推計。 https://www.mckinsey.com/featured-insights/digital-disruption/harnessing-automation-for-a-future-that-works
  22. McKinsey Global Institute (2017). Jobs lost, jobs gained: Workforce transitions in a time of automation. コンサルティング会社の推計。 https://www.mckinsey.com/featured-insights/future-of-work/jobs-lost-jobs-gained-what-the-future-of-work-will-mean-for-jobs-skills-and-wages
  23. Brynjolfsson, E., Mitchell, T., & Rock, D. (2018). What Can Machines Learn, and What Does It Mean for Occupations and the Economy? AEA Papers and Proceedings, 108, 43–47. https://doi.org/10.1257/pandp.20181019
  24. Webb, M. (2020). The Impact of Artificial Intelligence on the Labor Market. SSRN Working Paper 3482150. https://ssrn.com/abstract=3482150
  25. Bessen, J. (2015). Toil and Technology. Finance & Development, 52(1), IMF. https://www.imf.org/external/pubs/ft/fandd/2015/03/bessen.htm
  26. Felten, E., Raj, M., & Seamans, R. (2023). How will Language Modelers like ChatGPT Affect Occupations and Industries? arXiv:2303.01157. https://arxiv.org/abs/2303.01157
  27. Briggs, J., & Kodnani, D. (2023). The Potentially Large Effects of Artificial Intelligence on Economic Growth. Goldman Sachs Global Economics Analyst. 投資銀行の推計。 https://www.goldmansachs.com/intelligence/pages/generative-ai-could-raise-global-gdp-by-7-percent.html
  28. Gmyrek, P., Berg, J., & Bescond, D. (2023). Generative AI and jobs: A global analysis of potential effects on job quantity and quality. ILO Working Paper 96. https://www.ilo.org/publications/generative-ai-and-jobs-global-analysis-potential-effects-job-quantity-and
  29. Kochhar, R. (2023). Which U.S. Workers Are More Exposed to AI on Their Jobs? Pew Research Center. https://www.pewresearch.org/social-trends/2023/07/26/which-u-s-workers-are-more-exposed-to-ai-on-their-jobs/
  30. Kinder, M., Briggs, X. de S., Muro, M., & Liu, S. (2024). Generative AI, the American worker, and the future of work. Brookings Institution. https://www.brookings.edu/articles/generative-ai-the-american-worker-and-the-future-of-work/
  31. Tomlinson, K., Jaffe, S., Wang, W., Counts, S., & Suri, S. (2025). Working with AI: Measuring the Applicability of Generative AI to Occupations. Microsoft Research / arXiv:2507.07935. 事業者の研究。 https://arxiv.org/abs/2507.07935
  32. リクルートワークス研究所（2023）。未来予測2040 労働供給制約社会がやってくる（労働需給シミュレーション）。 https://www.works-i.com/research/works-report/item/forecast2040.pdf
  33. 経済産業省（2019）。IT人材需給に関する調査（委託先：みずほ情報総研）。 https://www.meti.go.jp/policy/it_policy/jinzai/houkokusyo.pdf
  34. 総務省（2025）。令和7年版 情報通信白書 第Ⅰ部第1章第2節。 https://www.soumu.go.jp/johotsusintokei/whitepaper/ja/r07/html/nd112210.html
  35. 総務省（2024）。令和6年版 情報通信白書 第Ⅰ部第5章。 https://www.soumu.go.jp/johotsusintokei/whitepaper/ja/r06/html/nd151120.html
  36. 帝国データバンク（2024）。生成AIの活用に関する企業アンケート（全国4,705社、2024年6〜7月）。 https://prtimes.jp/main/html/rd/p/000000909.000043465.html
  37. 労働政策研究・研修機構（2025）。調査シリーズNo.256 AIの職場導入による働き方への影響等に関する調査。 https://www.jil.go.jp/institute/research/2025/256.html
  38. 日本生産性本部（2026）。第19回 働く人の意識調査（2026年7月）。 https://cdn.kyodonewsprwire.jp/prwfile/release/M106914/202607293336/_prw_PR1fl_TV9ow1sX.pdf
  39. パーソル総合研究所（2026）。生成AIとはたらき方に関する実態調査。民間調査。 https://rc.persol-group.co.jp/thinktank/data/generative-ai/
  40. PwC Japan（2025）。生成AIに関する実態調査2025春 5カ国比較。事業者調査。 https://www.pwc.com/jp/ja/knowledge/thoughtleadership/generative-ai-survey2025.html
  41. Ipsos (2025). Ipsos AI Monitor 2025（30か国23,216人、2025年3〜4月）。 https://www.ipsos.com/sites/default/files/ct/news/documents/2025-06/Ipsos%20Press%20Release_Ipsos%20AI%20Monitor%202025_240625.pdf
  42. 国立社会保障・人口問題研究所（2023）。日本の将来推計人口（令和5年推計）。 https://www.ipss.go.jp/pp-zenkoku/j/zenkoku2023/pp2023_gaiyou.pdf
  43. 経済産業省（2026）。2040年の就業構造推計（厚生労働省会議提出資料）。 https://www.mhlw.go.jp/content/11801000/001645034.pdf
  44. 厚生労働省（2024）。令和6年版 労働経済の分析（労働経済白書）概要。 https://www.mhlw.go.jp/content/12602000/001299623.pdf
  45. 労働政策研究・研修機構（2026）。ビジネス・レーバー・トレンド 2026年7月号 統計（厚生労働省 職業安定業務統計の集計）。 https://www.jil.go.jp/kokunai/blt/backnumber/2026/07/toukei_01.html
  46. Peng, S., Kalliamvakou, E., Cihon, P., & Demirer, M. (2023). The Impact of AI on Developer Productivity: Evidence from GitHub Copilot. arXiv:2302.06590. 査読前。 https://arxiv.org/abs/2302.06590
  47. METR (2025). Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity. 査読なしの研究報告。 https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/
  48. Cui, Z., Demirer, M., Jaffe, S., Musolff, L., Peng, S., & Salz, T. (2025). The Effects of Generative AI on High-Skilled Work: Evidence from Three Field Experiments with Software Developers. Management Science（SSRN 4945566）。 https://papers.ssrn.com/abstract=4945566
  49. Dell'Acqua, F., Ayoubi, C., Lifshitz, H., Sadun, R., Mollick, E., Mollick, L., et al. (2025). The Cybernetic Teammate: A Field Experiment on Generative AI Reshaping Teamwork and Expertise. NBER Working Paper 33641. https://www.nber.org/papers/w33641
  50. Doshi, A. R., & Hauser, O. P. (2024). Generative AI enhances individual creativity but reduces the collective diversity of novel content. Science Advances, 10(28). https://doi.org/10.1126/sciadv.adn5290
  51. Otis, N., Clarke, R., Delecourt, S., Holtz, D., & Koning, R. (2024). The Uneven Impact of Generative AI on Entrepreneurial Performance. NBER/HBS working paper. https://conference.nber.org/conf_papers/f194654.pdf
  52. Jaffe, S., et al. (2024). Generative AI in Real-World Workplaces. Microsoft Technical Report MSR-TR-2024-29. 事業者による報告・査読なし。 https://www.microsoft.com/en-us/research/publication/generative-ai-in-real-world-workplaces/
  53. Challapally, A., et al. / MIT NANDA (2025). The GenAI Divide: State of AI in Business 2025（v0.1 予備報告・査読なし）。 https://mlq.ai/media/quarterly_decks/v0.1_State_of_AI_in_Business_2025_Report.pdf
  54. Toner-Rodgers, A. (2024). Artificial Intelligence, Scientific Discovery, and Product Innovation. arXiv:2412.17866（撤回済み）。MIT経済学部声明（2025-05-16）。 https://economics.mit.edu/news/assuring-accurate-research-record
  55. Hui, X., Reshef, O., & Zhou, L. (2024). The Short-Term Effects of Generative AI on Employment: Evidence from an Online Labor Market. Organization Science（CESifo WP 10601）。 https://doi.org/10.1287/orsc.2023.18441
  56. Demirci, O., Hannane, J., & Zhu, X. (2025). Who Is AI Replacing? The Impact of Generative AI on Online Freelancing Platforms. Management Science. https://doi.org/10.1287/mnsc.2024.05420
  57. Gimbel, M., Kinder, M., Kendall, J., & Lee, J. (2025). Evaluating the Impact of AI on the Labor Market: Current State of Affairs. Yale Budget Lab / Brookings. https://budgetlab.yale.edu/research/evaluating-impact-ai-labor-market-current-state-affairs
  58. Abel, J. R., Bram, J., Deitz, R., & Krishna, R. (2025). Are Businesses Laying Off Workers Due to AI? Liberty Street Economics, Federal Reserve Bank of New York. https://libertystreeteconomics.newyorkfed.org/2025/09/are-businesses-laying-off-workers-due-to-ai/
  59. Federal Reserve Bank of Dallas (2026). Young workers' employment drops in occupations with high AI exposure. https://www.dallasfed.org/research/economics/2026/0106
  60. U.S. Bureau of Labor Statistics (2025). Occupational Outlook Handbook: Computer Programmers. https://www.bls.gov/ooh/computer-and-information-technology/computer-programmers.htm
  61. Challenger, Gray & Christmas (2026). 2025 Year-End Challenger Report. https://www.challengergray.com/?p=27592
  62. SignalFire (2025). State of Talent Report 2025. VC企業の独自データ・査読なし。 https://www.signalfire.com/blog/signalfire-state-of-talent-report-2025
  63. Goldman Sachs Research (2025). How will AI affect the global workforce? https://www.goldmansachs.com/insights/articles/how-will-ai-affect-the-global-workforce.html
  64. Burning Glass Institute (2025). No Country for Young Grads: The Structural Forces That Are Reshaping Entry-Level Employment. https://www.burningglassinstitute.org/research/no-country-for-young-grads
  65. McKinsey Global Institute (2023). The economic potential of generative AI: The next productivity frontier. コンサルティング会社の推計。 https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/the-economic-potential-of-generative-ai-the-next-productivity-frontier
  66. Autor, D., Chin, C., Salomons, A., & Seegmiller, B. (2024). New Frontiers: The Origins and Content of New Work, 1940–2018. Quarterly Journal of Economics, 139(3). https://doi.org/10.1093/qje/qjae008
  67. Acemoglu, D., & Restrepo, P. (2020). Robots and Jobs: Evidence from US Labor Markets. Journal of Political Economy, 128(6). https://doi.org/10.1086/705716
  68. Acemoglu, D., & Restrepo, P. (2022). Tasks, Automation, and the Rise in U.S. Wage Inequality. Econometrica, 90(5). https://doi.org/10.3982/ECTA19815
  69. David, P. A. (1990). The Dynamo and the Computer: An Historical Perspective on the Modern Productivity Paradox. American Economic Review, 80(2). https://www.jstor.org/stable/2006600
  70. Brynjolfsson, E., Rock, D., & Syverson, C. (2021). The Productivity J-Curve: How Intangibles Complement General Purpose Technologies. American Economic Journal: Macroeconomics, 13(1). https://www.nber.org/papers/w25148
  71. PwC (2025). Global AI Jobs Barometer. 約10億件の求人広告の分析。コンサルティング会社の報告。 https://www.pwc.com/gx/en/issues/artificial-intelligence/ai-jobs-barometer.html
  72. Lightcast (2025). Beyond the Buzz: Making Sense of AI Skills Demand（2025年7月23日）。求人データ事業者の報告。 https://lightcast.io/resources/blog/beyond-the-buzz-press-release-2025-07-23
  73. Anthropic (2025). Anthropic Economic Index report: Uneven geographic and enterprise AI adoption（2025年9月）。事業者自身のデータ。 https://www.anthropic.com/research/anthropic-economic-index-september-2025-report
  74. Chatterji, A., Cunningham, T., Deming, D., Hitzig, Z., Ong, C., Shan, C., & Wadman, K. (2025). How People Use ChatGPT. NBER Working Paper 34255. OpenAI社員を含む著者による。 https://www.nber.org/papers/w34255
  75. Bick, A., Blandin, A., & Deming, D. (2024). The Rapid Adoption of Generative AI. NBER Working Paper 32966. https://www.nber.org/papers/w32966
  76. Bick, A., Blandin, A., & Deming, D. (2025). The Impact of Generative AI on Work Productivity. Federal Reserve Bank of St. Louis, On the Economy. https://www.stlouisfed.org/on-the-economy/2025/feb/impact-generative-ai-work-productivity
  77. Pew Research Center (2025). U.S. Workers Are More Worried Than Hopeful About Future AI Use in the Workplace（2025年2月25日）。 https://www.pewresearch.org/social-trends/2025/02/25/u-s-workers-are-more-worried-than-hopeful-about-future-ai-use-in-the-workplace/
  78. Gallup (2025). AI Use at Work Has Nearly Doubled in Two Years（2025年6月15日）。 https://www.gallup.com/workplace/691643/work-doubles-two-years.aspx
  79. Microsoft & LinkedIn (2024). 2024 Work Trend Index Annual Report: AI at Work Is Here. Now Comes the Hard Part. 事業者調査。 https://www.microsoft.com/en-us/worklab/work-trend-index/ai-at-work-is-here-now-comes-the-hard-part
  80. Stanford HAI (2025). The 2025 AI Index Report. https://hai.stanford.edu/ai-index/2025-ai-index-report
  81. Eurostat (2025). Use of AI in enterprises 2024（2025年1月23日）。 https://ec.europa.eu/eurostat/web/products-eurostat-news/w/ddn-20250123-3
  82. Federal Reserve Board (2026). Monitoring AI Adoption in the U.S. Economy. FEDS Notes（2026年4月3日）。米国勢調査局 Business Trends and Outlook Survey にもとづく。 https://www.federalreserve.gov/econres/notes/feds-notes/monitoring-ai-adoption-in-the-u-s-economy-20260403.html
  83. Humlum, A., & Vestergaard, E. (2025). The unequal adoption of ChatGPT exacerbates existing inequalities among workers. PNAS, 122(1), e2414972121. https://doi.org/10.1073/pnas.2414972121
  84. Budzyń, K., et al. (2025). Endoscopist deskilling risk after exposure to artificial intelligence in colonoscopy: a multicentre, observational study. The Lancet Gastroenterology & Hepatology, 10(10), 896–903. https://doi.org/10.1016/S2468-1253(25)00133-5
  85. Vaccaro, M., Almaatouq, A., & Malone, T. (2024). When combinations of humans and AI are useful: A systematic review and meta-analysis. Nature Human Behaviour, 8, 2293–2303. https://doi.org/10.1038/s41562-024-02024-1
  86. Dell'Acqua, F. (2022). Falling Asleep at the Wheel: Human/AI Collaboration in a Field Experiment on HR Recruiters. Working paper（査読なし）。 https://aiinstitute.hbs.edu/?p=30560
  87. Lee, H.-P., Sarkar, A., Tankelevitch, L., Drosos, I., Rintel, S., Banks, R., & Wilson, N. (2025). The Impact of Generative AI on Critical Thinking. Proc. CHI 2025, ACM. https://doi.org/10.1145/3706598.3713778
  88. Bastani, H., Bastani, O., Sungu, A., Ge, H., Kabakci, Ö., & Mariman, R. (2025). Generative AI without guardrails can harm learning: Evidence from high school mathematics. PNAS, 122(26). https://doi.org/10.1073/pnas.2422633122
  89. Kosmyna, N., et al. (2025). Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task. arXiv:2506.08872（査読前）。 https://arxiv.org/abs/2506.08872
  90. OECD (2023). OECD Employment Outlook 2023: Artificial Intelligence and the Labour Market. OECD Publishing. https://doi.org/10.1787/08785bba-en
  91. World Economic Forum (2025). The Future of Jobs Report 2025. https://www.weforum.org/publications/the-future-of-jobs-report-2025/
  92. Autor, D. H., & Dorn, D. (2013). The Growth of Low-Skill Service Jobs and the Polarization of the US Labor Market. American Economic Review, 103(5), 1553–1597. https://doi.org/10.1257/aer.103.5.1553
  93. Autor, D. H. (2014). Skills, education, and the rise of earnings inequality among the “other 99 percent”. Science, 344(6186), 843–851. https://doi.org/10.1126/science.1251868
  94. Braxton, J. C., & Taska, B. (2023). Technological Change and the Consequences of Job Loss. American Economic Review, 113(2), 279–316. https://doi.org/10.1257/aer.20210182
  95. Alekseeva, L., Azar, J., Giné, M., Samila, S., & Taska, B. (2021). The demand for AI skills in the labor market. Labour Economics, 71, 102002. https://doi.org/10.1016/j.labeco.2021.102002
  96. Humlum, A., & Vestergaard, E. (2024). The Adoption of ChatGPT. IZA Discussion Paper 16992（PNAS 2025 版の元原稿）。 https://docs.iza.org/dp16992.pdf

改訂履歴

診断を始める