方法と出典

このツールでわかること

公表済みの職業単位の指標とタスクごとの助言を組み合わせ、小さく検証できるAIの作業手順を選ぶためのレポートです。失業する確率、削減できる時間、職業がなくなる時期は推定しません。

AIの適用性、タスクの自動化、雇用の変化は別の概念です。AIの支援に適したタスクでも、結果に対する責任は人に残る場合があります。

公表済みのAI適用性指標

MicrosoftのWorking with AI、バージョン1.1のai_applicability_scoreを、元の0～1の尺度で小数第3位まで表示します。観測された活動カバー率、推定されるタスク完了度、影響範囲を組み合わせた指標です。値が大きいほど、この研究方法での適用性が高いことを示し、代替される確率が高いことを意味しません。

研究対象は2024年1～9月の米国の匿名化されたBing Copilot会話です。活動の分類と完了度の評価にはモデルによる分類器を使っています。一般消費者向けアシスタントの利用サンプルであり、すべての労働者、雇用主、専門AIソフトウェア、現在のモデル能力を代表しません。

研究はO*NET 29.0と2018年の詳細なSOCコードを使用しています。公表されたスコアを保持し、O*NET 31.0のタスクで再計算しません。 リポジトリの固定版：550c00c9d1b0

観測された活動カバー率

Microsoftのsoc_metrics.csvにあるcoverage_userを使用します。研究でユーザーの目的に関する会話の割合が0.05%を超えた中間業務活動について、重要度と関連性で重み付けした、その職業内での割合です。百分率にして小数第1位まで表示します。

AIを使う人の割合、1日の業務の自動化率、一覧の各タスクでの利用率ではありません。職業全体のカバー率を個々のタスクに割り当てることはしません。

この版にはAnthropicとILOの指標を含めていません。サンプルと定義がMicrosoftとは異なるため、別途方法を定めずに平均して単一のスコアにするべきではありません。

職種の対応付けと確信度

各レポートにはO*NET 31.0の職業と研究のSOCコードを明示しています。両コードが各出典に存在することをインポート時に検証します。名称と職務範囲を照合し、名前が似ているだけで自動対応させることはしません。

• 職業分類と直接対応： 職種名が記載された標準職業に対応します。ただし、専門領域や個々の職場では違いがあり得ます。
• より広い職業分類： タスクはO*NETの専門職種に基づき、研究とBLSデータはその上位のSOC分類を対象とします。たとえば、ビジネスインテリジェンスアナリストはデータサイエンティストの分類に含まれます。
• 近い職種を参照： 標準職業が対象職種の一部しかカバーしていません。UXデザイナーはWeb・デジタルインターフェースデザイナー、データエンジニアはデータベースアーキテクト、プロダクトマネージャーはマーケティングマネージャーを参照します。各レポートに限界を記載します。

このラベルは対応付けの適切さを示し、統計的な信頼度ではありません。数値の確信度や架空の信頼区間は示しません。コードが一致しても、研究があなた自身の業務を予測できるとは限りません。

タスク、分類、スキル

各職種には編集で選んだ8つのタスクがあり、O*NET 31.0のタスクIDに対応します。名称を短くし、広いタスクを複数の実務に分ける場合があります。「タスクの出典」で原文を確認できます。職務の網羅的な記述や、すべての業務の順位付けではありません。

非公表扱いでない評価がある場合、O*NETの1～5の尺度でタスクの重要度を表示します。スキル一覧は、基礎・応用スキルから利用可能な重要度が高い5つを選びます。重要度は職業要件を示し、AIへの適性を測るものではありません。

• 部分的な自動化： 入力と受入条件を定めたうえで、限定された下書きや定型手順をAIに任せられる場合があります。結果は人が確認します。
• AIによる支援： AIが選択肢を提案したり中間手順を実行したりし、人が根拠を確認して結果をまとめます。
• 人が主導： 責任、交渉、状況に応じた判断、承認、直接の検証が中心となるタスクです。AIは資料の準備を支援できます。

分類、説明、練習、ツールの対応付けはAI IDE Listの編集上の助言です。O*NET、Microsoft、BLSが公表・承認した分類ではなく、実証済みの自動化推定でもありません。実行時の言語モデルでスコアを生成することもありません。

個別調整の仕組み

「自分の業務ではない」は重み0、「ときどき」「定期的」「頻繁に」はそれぞれ1、2、3です。初期値はすべて2です。分類の割合は、その分類の選択済みタスクの重み合計を全選択タスクの重み合計で割ったものです。表示する割合は個別に丸めます。

頻度で重み付けしたタスク構成であり、労働時間や削減時間ではありません。タスクが未選択なら計画は空になります。公表済みの職業指標やBLS予測は変わりません。

練習は頻度の高いタスクを優先し、異なるスキル領域から最大3つを表示します。同じ頻度なら、支援・部分自動化のタスクを人が主導するタスクより先にします。ツールは選択した支援対象タスクの能力要件に合わせます。試すための提案であり、その職種に最適という根拠ではありません。

雇用予測と地域

BLS表1.2の2025～2035年の米国雇用変化率を使用します。明示したSOCの対応関係で結び、各レポートにBLSの職業分類を記載します。経済・人口など多くの要因を含む予測であり、AIの因果効果を測るものではありません。

この版は英国の予測や「英国のSTEM職に対するAIの影響」のスコアを提供しません。英国向けにはONS SOC 2020の対応付けと英国の根拠が必要です。米国の指標を他国の予測として示すべきではありません。

ツールの提案とプライバシー

ツールは既存のAI IDE Listにある公開済み・利用中の英語記事へ、モデルはサイト内のモデル一覧へリンクします。未公開・提供終了のツールは除外します。提案はタスクの能力要件と頻度に基づき、有料掲載や研究スコアによる順位付けは行いません。

タスクの選択はこのブラウザに保存され、レポートでリセットできます。共有リンクには職種と頻度コードが含まれ、受け取った人が同じ選択を再現できます。氏名、履歴書、職務記述書、アカウントは求めません。

分析への同意がある場合、既知の職種を開く、タスクを調整する、レポートをコピーする、ツールを開くといった操作を記録します。検索文や個別タスクの頻度はイベントに含めません。

帰属表示とライセンス

• O*NET 31.0

  米国O*NET開発センター、米国労働省雇用訓練局。タスク名は編集して使用し、作業上の助言はAI IDE Listが作成しています。

  CC BY 4.0

• Working with AI、v1.1

  Kiran Tomlinson、Sonia Jaffe、Will Wang、Scott Counts、Siddharth Suri。Working with AI: Measuring the Applicability of Generative AI to Occupations。NeurIPS 2026（刊行予定）。公表済みのスコアを再計算せず保持しています。

  CC BY 4.0

• BLS雇用予測、2025～2035年

  米国労働統計局の表1.2。対象職種の成長率は2026年10月25日に公式表から転記しました。

  米国政府データ

これらの出典の利用は、AI IDE Listへの支持を意味しません。O*NETは米国労働省雇用訓練局の商標です。

データの版と更新

英語・簡体字中国語・日本語版は同じデータを使用します。翻訳によって職業コード、タスクID、研究指標、頻度の重みは変わりません。照合のため、O*NETのタスク文と公式職業名は英語の原文を残しています。

2026年10月25日 — バージョン1.0.0。 英語版の初回公開：20職種のレポート、160のタスク対応、O*NET 31.0、Microsoft v1.1、BLSの2025～2035年予測。

出典の固定版と明示的な対応表はアプリとともに版管理します。更新時は職業コード、タスクID、非公表フラグ、予測期間、編集上の助言を再確認します。既存レポートの出典を告知なく別の版に置き換えません。

対応付けや記述に誤りがあれば、職種・タスク・出典を添えてご連絡ください。 訂正を送る