あなたの4つの文字
このタイプについて
判定そのものはAIが下書きできます。残るのは「例外を認めるか」「断りをどう伝えるか」「責任を誰が取るか」。ルールが決まっているほどAIは強く、ルールの外側で人が要ります。
代表的な仕事：審査・与信、人事・労務、コンプライアンス、調達・購買、行政の窓口判断、既存顧客の法人営業。同じ職業でも人によって位置は違います。職業名は参考です。
「転換点」の意味：置き換え圧も、AIで増幅できる余地も高い。つまり同じ職種の中で「AIを使う人」と「使わない人」の差が最も開く位置です。Brynjolfsson らの実験で新人の生産性が34%上がったのも、Dell'Acqua らで最前線の外側の誤りが増えたのも、この位置の職種でした。
職業別に、研究データで読む
このタイプに多い職業について、その職業に固有の研究と統計から、変わる業務と残る業務を分解した記事です。
今週からできる3つの行動
- AIに一次判定をさせ、自分はその根拠を検証する
- 断る理由・例外を認める理由を言語化して、組織の基準にする
- 関係者への説明と合意形成に時間を振り直す
共通する原則はひとつです。AIが得意な部分を先に手渡し、自分の時間を「判断」と「人」に寄せる。Brynjolfsson らの実験でも、Dell'Acqua らの実験でも、成果が伸びたのはAIに任せる部分と自分で持つ部分を分けられた人でした。
研究は、あなたの仕事について何を観察してきたか
あなたの4つの文字（R・D・J・S）それぞれについて、一次文献が示していることです。
4つの研究知見を読む
定型タスクは、ルールとして書き下せるからこそ代替される
Autor・Levy・Murnane（2003）は、コンピュータが代替するのは「手順を完全に特定できる定型タスク」だと示しました。ただし Arntz ら（2016）が職業ではなくタスク単位で見直すと、OECD平均で高リスクの仕事は9%に下がります。仕事は「タスクの束」なので、定型部分が自動化されても仕事全体は形を変えて残るのが普通です。
出典：Autor, D. H., Levy, F., & Murnane, R. J.、Arntz, M., Gregory, T., & Zierahn, U.
画面の中の仕事は曝露が高い。ただし曝露と失業は別の話
Eloundou ら（2023）は、米国労働者の約80%がタスクの10%以上に、約19%がタスクの50%以上に生成AIの影響を受けうると推計しました。一方 Humlum＆Vestergaard（2025）がデンマークの2万5,000人を追うと、賃金・労働時間への影響は統計的にゼロで、節約できた時間は平均2.8%でした。曝露が高いことと、仕事が消えることは、少なくとも今は別の話です。
出典：Eloundou, T., Manning, S., Mishkin, P., & Rock, D.、Humlum, A., & Vestergaard, E.
判断と責任は人に残り、その価値はAIの普及とともに上がる
Dell'Acqua ら（2023）では、AIの能力の外側にあるタスクで、AIを使った人の正答率が19ポイント下がりました。どこまでAIを信じるかを決める人が要ります。Acemoglu（2024）は、AIの生産性効果を10年で最大0.66%と試算し、効果の大きさは「何を自動化するか」の判断で決まると論じました。
出典：Dell'Acqua, F., McFowland, E., Mollick, E. R., et al.、Acemoglu, D.
対人の仕事は、技術が進むほど価値が上がってきた
Deming（2017, QJE）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ました。Frey＆Osborne（2013）は「社会的知性」を第三のボトルネックに挙げています。Anthropic Economic Index（2025）の実利用データでも、AI利用の57%は人の作業を補う「増幅」で、43%が「自動化」でした。
出典：Deming, D. J.、Frey, C. B., & Osborne, M. A.、Handa, K., et al.
1文字違いの隣のタイプ
仕事の担当を半歩ずらすと、位置はここへ動きます。
代替圧・増幅余地の計算式と重みの根拠、文献一覧は方法論ページにあります。診断バージョン 1.2。