AI CAREER TYPE · RPES

おもてなしの人

決まった手順を、目の前の人のために身体で届ける

あなたは、決まった手順の中で「人」を見ている人です。同じ作業を同じようにこなしているように見えて、相手ごとに言葉と間合いを変えている。その部分は、AIには手が届きません。画面の中の雑務を手放せば、あなたの時間はもっと人に向けられます。

無風：AIの直接の影響は今のところ小さい

あなたの4つの文字

定型

手順・ルール・テンプレートで大半が決まる

現場

身体を使い、物や人を直接扱う

実行

決まったことを作る・処理する

対人

人を読む・動かす・信頼される

4軸の位置

定型変動

仕事の型：定型 100%

現場デジタル

仕事の場：現場 100%

判断実行

仕事の役：実行 100%

対人単独

仕事の相手：対人 100%

AI代替圧と増幅余地（当サイト推計・0〜100）

AI代替圧

仕事が現在のAIと競合する度合い。定型・デジタル・実行・単独で上がる

増幅余地

AIを使って自分の成果を伸ばせる度合い。デジタル・変動・判断で上がる

位置づけ

追い風転換点無風向かい風

← 代替圧低代替圧高 →

縦軸：増幅余地（上ほど高い）

このタイプについて

手順は決まっていますが、相手は毎回違います。あなたはAIが最も苦手とする「身体を使って人に接する」領域にいます。IMF（2024）や Eloundou ら（2023）の推計でも、この組み合わせは曝露が低い側です。ただし予約・会計・記録・シフトといった周辺のデジタル作業は、あなたの手を離れて先に変わります。

代表的な仕事：接客・販売、飲食サービス、介護職員、受付・案内、客室乗務員、保育補助。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。

「無風」の意味：生成AIは画面の中の仕事を変える技術で、身体と現場が中心のあなたの仕事には直接は届きにくい。日本では人手不足が最も深刻な領域でもあります。ただし予約・記録・発注・報告といった周辺のデジタル作業は先に変わり、長期ではロボティクスも視野に入ります。

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。

看護師・介護職はAIでなくなる？研究が示す100の事実

今週からできる3つの行動

予約管理・日報・シフトなど画面の中の作業をAIに任せ、対人の時間を増やす
「この人だから」と指名される理由を、自分の言葉で3つ書き出して磨く
クレーム対応や安全判断など、現場の「決める」役を引き受ける

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・P・E・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.

身体と現場は、依然として自動化の最も硬いボトルネック

モラベックのパラドックス（1988）のとおり、人間に簡単な知覚・操作ほど機械には難しい。Frey＆Osborne（2013）はこれを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労働ほど曝露は低い。日本では、リクルートワークス研究所が2040年に1,100万人の労働力不足を予測しており、現場の仕事はむしろ不足側です。

出典：Moravec, H.、Frey, C. B., & Osborne, M. A.、Eloundou, T., Manning, S., Mishkin, P., & Rock, D.、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。

実行の技能は差が縮む。新人ほど恩恵が大きく、入口ほど狭くなる

Brynjolfsson ら（2025, QJE）は、5,172人のカスタマーサポート担当でAI支援により生産性が平均15%、新人・低熟練層で34%上がり、熟練者はほぼ変わらなかったと報告しました。一方 Brynjolfsson・Chandar・Chen（2025）は、AI曝露の高い職で22〜25歳の雇用が相対的に13%減ったことを示しています。実行の差が縮むぶん、入口が狭くなる。

出典：Brynjolfsson, E., Li, D., & Raymond, L.、Brynjolfsson, E., Chandar, B., & Chen, R.

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.