【DL輪読会】AI and the Economy: Exposure, Usage, and Labor-Market Effects

AI and the Economy: Exposure, Usage, and Labor-Market DEEP LEARNING JP Effects [DL Papers] Presenter: Sayaka Yamashita, Matsuo Lab M2 http://deeplearning.jp/

• http://deeplearning.jp/

背景：なぜ「AI が経済のどこで使われているか」を測るのか AI で「できる」仕事は広いと予測されてきたが、実際の利用と雇用への影響は別に測らないと分からない 予測は広い、実測はまだ一部 • LLM で所要時間を半分以上減らせるタスクを数えると、米国の働き手の約 80% がタスクの 10% 以上で影 響を受けうる [1] • 実際の会話ログでは、タスクの 25% 以上で AI が使われている職業は約 36% [4] A 曝露 ↓ 影響の測り方はまだ定まっていない • 米国の給与データでは、曝露の高い職業の若手（22〜25 歳）だけ雇用が相対的に 19% 少ない [11] • 一方、デンマークの行政データでは賃金・労働時間への影響はほぼ見られない [10] 技術的にできるか B 利用 日本でも同じ問いがある 実際に使われているか ↓ • 仕事で Claude を使う人は有職者の 1.5%、ChatGPT は 14.2%（GLOCOM 2025, n=14,160）。 AI 会社のデータが日本の利用をどこまで代表するかは未確認 C 影響 雇用・賃金は変わったか 3つは別のデータで測られ、指標でつながっている（p.3） 80% 36% −19% 1.5% タスクの 10% 以上が LLM に曝露する米国 の働き手 [1] タスクの 25% 以上で利用が観測された職業 [4] 高曝露の職業の 22〜25 歳の雇用（相対 ） [11] 仕事で Claude を使う日本の有職者（ GLOCOM 2025） 2

研究領域 何を測るか 何で測るか どの単位か できるか（曝露）／使われているか（利用）／変わった か（影響） 専門家・LLM の採点／会話ログ・サーベイ／給与・行政 データ・実験 タスク（O*NET）／職業／人・企業。単位がずれると比 べにくい ↓ 領域 問い データ 単位 扱う論文 A 曝露 技術的にできるか O*NET タスクの採点（人・GPT-4）、能力ベンチマーク、専 門家の作業との比較 タスク → 職業 GPTs are GPTs [1]、Felten+ [2]、GDPval [3] B 利用 実際に使われているか 会話ログ（Claude・Copilot・ChatGPT）、全国サーベイ 会話 → タスク、人 Handa+ [4]、Tomlinson+ [5]、Chatterji+ [6]、Bick+ [7] C 影響 雇用・賃金・生産性は変わった か 企業内の導入実験、給与・行政データ、失業保険データ 人、企業、職業 × 年齢 Brynjolfsson+ [8]、Peng+ [9]、Humlum & Vestergaard [10]、Canaries [11]、Chen+ (2025) [12] Appendix 日本では何が分かっているか 国内サーベイ（GLOCOM・NIRA・総務省） 人 Japan AI Index との関係 3

A 曝露：技術的にできるか この部で扱う論文：GPTs are GPTs [1]、Felten+ [2]、GDPval [3] 「AI でこなせる仕事はどれだけあるか」を、能力の側から推定する • 注目点：何をもって「できる」とするか（所要時間が半分になる／AI の能力と職業の能力の対応／専門家の成果物と比べて同等以上か） • 採点者：人の専門家、LLM 自身、実際の業界の専門家による盲検比較 • いずれも「導入されるか」は見ていない → B の実測と比べる 4

GPTs are GPTs：働き手の 8 割が LLM の影響を受けうる 米国の働き手の約 80% がタスクの 10% 以上、約 19% が 50% 以上で LLM に曝露 データ O*NET の全タスク（約 1.9 万） 単位 タスク → 職業 指標 所要時間が半分以上減るか 何をする研究か • O*NET のタスクごとに「LLM で同じ品質のまま所要時間が半分以上減るか」を E0/E1/E2 で採点 • 採点者は人（詳細業務活動の単位）と GPT-4（タスク単位）。両者の一致を確認 • E2（LLM の上に作るソフトがあれば速くなる）をどこまで数えるかで α・β・ζ の3指標 結果 • タスクの 50% 以上が曝露する職業（人の採点）：α 2.3%、β 21.6%、ζ 47.3% （Fig.3） • タスク単位の平均（人 / GPT-4）：β 0.31 / 0.35、ζ 0.47 / 0.56（Table 3） • 賃金が高い職業ほど曝露が大きい。Job Zone 4（学士相当）で最大（p.13–14） • β の一致率（人 vs GPT-4）65.6%、相関 0.591（Table 2） 注意点 [1] Fig. 3 より：曝露しているタスクの割合（横軸）が x 以上の職業の割合（縦軸）。赤＝GPT-4、青＝人の採点 • 「できる」の推定であり、導入の時期・速さは予測しない（論文が明記） • 採点者が LLM に詳しく、楽観的に付けている可能性 • 2023 年時点の GPT-4 の能力が前提 • E1：LLM 単体で半分以上速くなる、E2：追加のソフトがあれば速くなる（α=E1、ζ=E1+E2） • e_t：タスク t の値、w_t：中核タスク 2・補助タスク 1 の重み、Exp_o：職業 o の曝露 5 [1] T. Eloundou, S. Manning, P. Mishkin, D. Rock, GPTs are GPTs: Labor Market Impact Potential of LLMs, Science 384, 2024（arXiv:2303.10130）（OpenAI / UPenn）

Felten+ (2023)：言語モデルへの曝露は高賃金のホワイトカラーほど高い 言語モデル曝露の最上位は Telemarketers（1.926）と大学教員群。曝露と賃金は正の相関 データ O*NET 52能力×AI応用の対応行列 単位 職業（SOC）・産業 指標 Language Modeling AIOE 何をする研究か • 既存の AI Occupational Exposure（AIOE, Felten+ 2021）を言語モデル向け に改変 • 10種のAI応用×52能力のクラウドソース関連度行列を O*NET の職業別能力重みで 集計 • 応用の重み α を言語モデリングのみ1、他は0にして職業・産業の曝露を再計算 結果 [2] Fig. 2 より：職業を言語モデル AIOE で20等分したビンごとの平均AIOEと平均年収（2021, BLS）の関係。 • 曝露1位は Telemarketers（1.926）、2位以下は英文学・外国語・歴史など大学 教員（p.6, p.17） • 産業の上位は Legal Services と Securities, Commodity Contracts…（ Table 2, p.15） • 元の AIOE との相関係数は 0.979（p.5, Fig. 1） • BLS 2021 賃金と照合できた 708 職業で、曝露と平均・中央値賃金に強い正の相関 （p.7, Fig. 2–3） • 最下位側は Pressers, Textile（-1.854）、Dancers など身体作業職（p.35） 注意点 • k: 職業、j: O*NET の能力（52種）、i: AI応用（10種） • x_ij: 応用 i と能力 j の関連度（クラウドソース調査） • α_i: 応用の重み。本論文は言語モデリングのみ1、他は0（元論文は全て1） • 曝露は代替か補完かを区別しない指標と著者自身が明記（p.3, p.6） • 賃金との関係はビン散布図のみで、係数や検定統計量は本文に示されていない（発表 者の考察） • 応用と能力の関連度は既存のクラウドソース行列に依存し、実際の利用や性能は測って いない（発表者の考察） 6 [2] Felten, Raj, Seamans, How will Language Modelers like ChatGPT Affect Occupations and Industries?, arXiv:2303.01157, 2023 (Princeton / UPenn / NYU)

GDPval：実務タスクで最良モデルは専門家に迫る 220タスクの専門家ブラインド比較で Claude Opus 4.1 の勝ち+引き分け率は 47.6% データ 44職業・1,320タスク（gold 220） 単位 タスク（成果物） 指標 専門家との pairwise 勝率 何をする研究か • 米GDP寄与5%超の9セクター×デジタル中心の44職業から実務タスクを作成 • 平均14年の経験をもつ専門家が実際の仕事をもとに依頼と成果物を作成、平均5回の レビュー • 同職業の専門家がモデルと人間の成果物をブラインドで pairwise 比較し勝率を算出 結果 [3] Fig. 5 より：gold subset で、各モデルの成果物が専門家の成果物より良い／同等と判定された割合。 • 最良は Claude Opus 4.1 で勝ち+引き分け 47.6%、GPT-5 high は 38.8%、 GPT-4o は 12.4%（p.5–6, Fig. 5） • OpenAI モデルの性能は時系列でおおむね線形に向上（p.6, Fig. 6） • 自動採点器の人間との一致率は 66%、専門家同士の一致率は 71%（p.4） • 「試して駄目なら自分で直す」を n 回繰り返す設定で GPT-5 は速度 1.39倍・コスト 1.63倍の改善（Table 2, p.13） • GPT-5 の負けのうち約29%が bad または catastrophic、catastrophic は約3% （p.17） 注意点 • T_n: n 回までモデルを試し、駄目なら人間が自分でやる場合の期待所要時間 • M_T: モデルの生成時間、R_T: 専門家のレビュー時間（平均109分） • H_T: 専門家が自分で完了する時間（gold subset 平均404分） • 44職業・各30タスクに限られ、身体作業や対人コミュニケーションを含むタスクは対象外 （p.9） • タスクは文脈を全て与えた one-shot 形式。文脈を減らすと GPT-5 の性能は低下（ p.9, p.17） • OpenAI 自身による評価で、文体からモデルが推測された可能性も著者が注記（p.5 ） 7 [3] Patwardhan et al., GDPval: Evaluating AI Model Performance on Real-World Economically Valuable Tasks, arXiv:2510.04374, 2025 (OpenAI)

B 利用：実際に使われているか この部で扱う論文：Handa+ [4]、Tomlinson+ [5]、Chatterji+ [6]、Bick+ [7] 予測ではなく、実際の利用を数える • 注目点：何のログか（Claude.ai／Bing Copilot／ChatGPT）、ログで見えないものをサーベイで補えるか • 分類の仕方：会話を O*NET のタスク・業務活動に LLM で割り当てる（A の手法を利用側に適用） • ログは 1 社・個人向けに偏り、サーベイは自己申告。どちらも単独では日本全体を代表しない 8

Handa+：会話ログを O*NET のタスクに対応づける タスクの 25% 以上で使われる職業は約 36%。使い方は拡張 57% / 自動化 43% データ Claude.ai の会話 400 万件超 単位 会話 → タスク → 職業 指標 会話のシェア・自動化/拡張 何をする研究か • プライバシー保護型の分析基盤 Clio で、会話を約 2 万の O*NET タスクに割り当てる • タスクを 12 → 474 → 19,530 の3階層の木にし、Claude に上から選ばせる • 会話の形を5パターンに分類（自動化：Directive・Feedback Loop、拡張：Task Iteration・Learning・Validation） 結果 • Computer & Mathematical が会話の 37.2%（米国の就業者では 3.4%）（ Fig.3） • タスクの 25% 以上で利用がある職業は約 36%、75% 以上は約 4%（Fig.4） • 利用は賃金の上位四分位でピーク、両端で低い。Job Zone 4 が職業数比 1.50 倍 （Table 2） • 人手検証：基底タスク 86.0%、協働パターン 90.7% が妥当（App.C） [4] Fig. 1 より：会話を O*NET のタスクに割り当て、職業 → 職業カテゴリへ集約する（図中の会話は説明用の例） 注意点 • Claude.ai Free/Pro の約 1 週間のみ。API・企業利用・他社は含まない • 「その職業の人が使った量」ではなく「その職業のタスクに当たる作業の量」 • 査読前。相関・検定はほぼなく記述統計が中心 • N_t：タスク t の会話数、A_t：その会話のアカウント数（5 以上・15 会話以上のみ集計） • O(t)：タスク t を持つ職業の集合。複数職業に属すタスクは等分して足す 9 [4] K. Handa, A. Tamkin et al., Which Economic Tasks are Performed with AI? Evidence from Millions of Claude Conversations, arXiv:2503.04761, 2025（Anthropic）

Tomlinson+ (2025)：実利用ログから職業ごとのAI適用度を測る Copilot約20万会話をO*NETに写像。適用度は情報系職種で高く、予測値とr=0.73 データ Bing Copilot 米国会話 約20万件 単位 会話→IWA→職業(SOC) 指標 AI applicability score 何をする研究か • 2024年1〜9月の米国 Bing Copilot 会話を、O*NET の中間作業活動（IWA, 332種） に GPT-4o で分類 • ユーザーの目的（user goal）と AI の行為（AI action）を分けて判定し、完了率・scope で成功度も測定 • IWA 単位の利用頻度・成功度を職業に集約し、職業別の AI applicability score を算出 結果 [5] Fig. 4 より：SOC大分類ごとのAI applicability score（A）と、user goal 側・AI action 側の適用度の対比（B）。 • user goal は情報収集・コミュニケーション・説明・執筆が中心。AI は提供・説明などサービス的 役割 (p.6) • user goal と AI action の IWA が一致しない会話が40% (p.6) • 適用度トップは Interpreters and Translators（0.492）、次いで Historians（0.462 ） (p.7) • Eloundou et al. の予測露出度と r=0.73、賃金との相関は r=0.13 と弱い（いずれも雇用 加重） (p.2, p.9) • 9か月で利用の多様性が拡大。活動の75%を占める user goal 数が20→28 (p.2) 注意点 • a_i：職業 i の user goal 側 AI applicability score（AI action 側も同様に定義し、両者の平均を報 告） • f_j：IWA j の activity share。0.05% 以上なら「カバーされている」とみなす • c_j：IWA j を含む会話のタスク完了率（LLM 分類器で推定） • データは2024年の消費者向け Copilot のみ。他の AI 製品や最新モデルの利用は反映しない (p.10) • 完了率・scope は AI の有用性の代理指標で、生産性への影響は測っていない (p.10) • IWA 分類の一致度は human–human κ≈0.51、human–LLM κ≈0.40 と中程度 (p.4) 10 [5] Tomlinson, Jaffe, Wang, Counts, Suri, Working with AI: Measuring the Applicability of Generative AI to Occupations, arXiv:2507.07935, 2025 (Microsoft Research)

Chatterji+ (2025)：ChatGPT利用の7割超は仕事以外 約110万会話を分類。仕事以外のメッセージは53%→73%に増え、上位3話題で約77% データ ChatGPT 消費者プラン 約110万会話 単位 メッセージ（直前文脈付き） 指標 話題・仕事関連・意図の構成比 何をする研究か • 2022年11月の公開から2025年7月までの ChatGPT 消費者向けプランの利用拡大を記述 • サンプリングしたメッセージを LLM 分類器で仕事関連か・話題・意図（ Asking/Doing/Expressing）・O*NET 作業活動に分類 • 人がメッセージを読まない privacy-preserving な分類と、data clean room による学歴・職 業との集計 結果 • 2025年7月時点で週次アクティブ約7億人、世界の成人の約10% (p.1) • 仕事以外のメッセージ比率は2024年6月53%→2025年6月73% (p.2, Table 1) • Practical Guidance・Seeking Information・Writing で全体の約77%。プログラミングは 4.2% (p.14, p.16) • 仕事関連では Writing が約40%で最多。意図は仕事関連で Doing が約56% (p.14, p.17) • 全体の意図は Asking 49%・Doing 40%・Expressing 11% (p.17) 注意点 [6] Fig. 7 より：消費者向け ChatGPT のメッセージを7つの話題に分けた構成比の推移（2024年5月〜2025年6月）。 • 28日移動平均。右端の数値は期間末の構成比（Practical Guidance 28.8% など） • Writing は低下、Seeking Information は上昇し、2025年4月の画像生成機能公開で Multimedia が急増 • 対象は消費者向けプラン（Free/Plus/Pro）のみで、Business・Enterprise・API 利用は含 まない (p.1, p.31) • 分類の一致度は話題で κ=0.56（モデル対人の多数決）と中程度、職業データは約13万人 の部分標本で代表性に限界 (p.52, p.8) • 発表者の考察：結論部の数値（Writing 42%、Expressing 1%）は本文（40%・11% ）と食い違うため本文値を採用 (p.36) 11 [6] Chatterji, Cunningham, Deming, Hitzig, Ong, Shan, Wadman, How People Use ChatGPT, NBER Working Paper 34255, 2025 (OpenAI / NBER)

Bick+ (2024)：米国成人の約4割が既に生成AIを利用 2024年後半、米国18–64歳の39.6%が生成AIを利用、就業者の26.5%が仕事で利用 データ 全米代表性オンライン調査RPS（2024） 単位 個人（18–64歳） 指標 利用率・利用頻度・節約時間 何をする研究か • CPS と同じ設問構造の全米オンライン調査 RPS に生成AIモジュールを追加 • 1984年以降の CPS の PC・インターネット利用設問を踏襲し、普及速度を比較 • 利用頻度・1日の利用時間・節約時間を聞き、総労働時間比と生産性効果を試算 結果 [7] Fig. 2(a) より：生成AIの利用率（全体・仕事・仕事外）と利用頻度の内訳（RPS 2024年8月・11月） • 18–64歳の39.6%が生成AI利用、就業者の26.5%が仕事で利用、毎日利用は 9.0%（p.12–13） • 仕事で先週1日以上利用は22.9%。別調査 SWAA でも全体40.7%（p.12, 14 ） • 仕事での普及率は生成AI 2年目27%、PC 3年目25%。仕事外は34% 対 5%で 生成AIが速い（p.16） • 総労働時間の1.3–5.4%が生成AI利用。節約は利用者5.4%、全体1.4%（p.25, 27） • 職業別の利用率と Eloundou+ の AI exposure の相関は0.67（p.23） 注意点 • ΔY/Y：生成AIによる総産出（労働生産性）の変化率 • α：Cobb-Douglas 生産関数の資本分配率（1−α は労働分配率） • s_i：労働者 i が生成AIで節約した週あたり時間（自己申告） • Qualtrics のオンラインパネルで、ウェイト調整はあるが観察されない選択バイアスは残りう る • 節約時間は自己申告。生産性押上げ1.1%（p.29）は試算で、非公式利用が多く 統計に現れない可能性 • 「最初の量産製品」の起点年（PC 1981、ネット 1995、生成AI 2022）の取り方で 普及速度の比較は変わる 12 [7] Bick, Blandin, Deming, The Rapid Adoption of Generative AI, NBER WP 32966 (rev. Feb 2025); Management Science 72(10), 2026 (St. Louis Fed / Vanderbilt / Harvard)

C 影響：雇用・賃金・生産性は変わったか この部で扱う論文：Brynjolfsson+ [8]、Peng+ [9]、Humlum & Vestergaard [10]、Canaries [11]、Chen+ (2025) [12] 導入した人・企業・職業で、成果がどう変わったかを見る • 注目点：生産性（実験・導入の前後比較）と、雇用・賃金（行政・給与データ）で結論が違う • A の曝露指標・B の利用指標を、職業を分ける変数としてそのまま使う研究が増えている • 多くは記述的または短期。因果と長期の影響はまだ分かっていない 13

Brynjolfsson+ (2025)：AI支援でサポート担当の生産性15%増 生成AIアシスタント導入で1時間あたり解決件数が15%増、新人・低スキル層ほど大きい データ 顧客サポート 5,172人・約300万チャット 単位 担当者×年月（agent-month） 指標 1時間あたり解決件数（RPH） 何をする研究か • Fortune 500 のソフトウェア企業で、GPT系チャット支援ツールの段階的導入を分析 • 研修枠・予算制約で担当者ごとに導入時期がずれる点を利用した staggered DiD • スキル・在職期間別の異質性、AI提案への追従度、顧客の反応、離職まで検証 結果 • RPH が0.30件（15.2%）増加。担当者・在職月数の固定効果を含む推奨定式化 （p.17） • 処理時間は3.7分（8.5%）短縮、時間あたりチャット数は約15%増、解決率は有意 差なし（p.17） • スキル最下位五分位で RPH 0.5件（36%）増、最上位では増加なし、品質はわずか に低下（p.20） • 在職1か月未満で RPH 0.7件増。AI利用の在職2か月は非利用の6か月超と同等以 上（p.21–22） [8] Fig. 2 より：AI導入前後の月別イベントスタディ（RPH の変化、95%信頼区間） • y_it：担当者 i の年月 t における成果（主に1時間あたり解決件数 RPH） • δ_t：年月固定効果（繁忙期など全員共通の時間変動を除去） • α_i：担当者固定効果（時間不変の能力差を除去） 注意点 • 単一企業・単一職種・単一ツールの結果で、他職種や他のAIへの一般化は不可と著者 自身が明記 • 導入時期は管理者が決定（ランダムでない）。約50人の試行RCTやチーム単位IVで 補強 14 [8] Brynjolfsson, Li, Raymond, Generative AI at Work, Quarterly Journal of Economics 140(2), arXiv:2304.11771, 2025 (Stanford / MIT / NBER)

Peng+ (2023)：Copilotで実装課題が55.8%速く完了 Copilot利用群はHTTPサーバ実装を平均71分で完了、対照群161分より55.8%短縮 データ Upwork開発者95人のRCT 単位 開発者（個人） 指標 課題完了時間（全12テスト通過まで） 何をする研究か • GitHub Copilotの生産性効果を測る統制実験（2022年5〜6月、一般提供直前） • Upworkで募集した開発者をランダムに処置群（Copilot＋1分動画）と対照群に割 付 • JavaScriptでHTTPサーバを実装、GitHub Classroomの12テスト初回全通過までの 時間を計測 結果 • 平均完了時間は処置群71.17分、対照群160.89分で55.8%短縮（p.5） • t検定 p=0.0017、短縮率の95%CIは21%〜89%（p.5） • 完了率は処置群が7pt高いが有意でない（95%CI −0.11〜0.25）（p.5–6） • 経験が浅い人、1日のコーディング時間が長い人、25〜44歳で効果大（Table 1, p.6 ） • 自己申告の生産性向上は平均35%で実測55.8%より過小（p.7） [9] Fig. 6 より：課題完了時間の分布（青=Copilot群、橙=対照群） • Δ：完了時間の短縮率（論文の55.8%） • T̄_C：対照群の平均完了時間（160.89分） • T̄_T：処置群（Copilot）の平均完了時間（71.17分） 注意点 • 単一の標準化課題（HTTPサーバ）で、大規模・共同開発への一般化は未検証（ p.7–8） • コード品質は評価対象外（p.8）。完了・回答者は35人と記載され小標本（p.5） • 参加者は25〜34歳中心、インド・パキスタン出身が多く母集団が偏る（p.5） 15 [9] Peng, Kalliamvakou, Cihon, Demirer, The Impact of AI on Developer Productivity: Evidence from GitHub Copilot, arXiv:2302.06590, 2023 (Microsoft Research / GitHub / MIT Sloan)

Humlum & Vestergaard (2025)：賃金・労働時間は不変 ChatGPT公開2年後も利用者の収入・労働時間への効果は±2%超を棄却する精密なゼロ データ デンマーク調査×行政登録データ 単位 労働者・事業所（月次） 指標 対数収入・労働時間・職業移動 何をする研究か • AIチャットボットの普及が雇用・収入に与えた初期影響を検証 • 露出度の高い11職種で2023・2024年に大規模調査、デンマーク統計局の行政データ と連結 • 採用者と非採用者を2022年11月前後で比べる差分の差（DiD）を労働者・事業所 の両レベルで推定 結果 [10] Fig. 5 より：チャットボット採用者の収入と職業移動（2022年11月基準） • 2024年調査は7,000事業所・25,000人が回答（p.1） • 全面支援の職場では93%が業務利用経験、28%が毎日利用、19%が1日1時間超 の時短（p.2） • 収入・労働時間・賃金への効果はゼロ中心、2%超の効果を棄却（p.3, p.23） • 採用者は職業移動が増え、直近職業でのFTE就業が約4%増（p.3, p.27） • 利用を奨励する事業所でも総労働時間は不変（2%超を棄却）、若手比率も1/3pt 超の変化を棄却（p.30） 注意点 • Y_it：労働者（事業所）iの月tの成果（対数収入など） • X_i：調査職種の固定効果と年齢・性別・経験などの事前属性 • A_i：チャットボット採用者（または奨励事業所）のダミー • DiDは採用者の相対効果のみ識別し、非採用者を含む市場全体の水準効果は残る（ p.20） • 観察期間は2024年12月まで。効果が遅れて現れる可能性は排除できない（p.19） • デンマークの11職種が対象で、他国・他職種への一般化には注意（p.7–8） [10] Humlum & Vestergaard, Still Waters, Rapid Currents: Early Labor Market Transformation under Generative AI (formerly "Large Language Models, Small Labor Market Effects"), NBER WP 33777, 2025 rev. 2026 (Chicago Booth / Copenhagen) 16

Canaries：曝露の高い職業の若手だけ雇用が伸びない 高曝露の職業の 22〜25 歳の雇用は、低曝露の職業と同じペースより 19% 少ない データ ADP の給与データ（数百万人） 単位 職業 × 年齢 × 月 指標 雇用者数（2022/11 = 1） 何をする研究か • 米国の給与計算代行 ADP の月次データ（〜2026 年 6 月）で、職業・年齢別の雇 用を追う • 職業を GPT-4 β（GPTs are GPTs）の5分位、Anthropic Economic Index の 自動化・拡張の割合で分ける • 統制（金利感応度・大卒比率・在宅勤務）と企業内の比較で他の説明を検討 結果 [11] Fig. 2 より：年齢別の雇用者数（2022 年 11 月 = 1）。22〜25 歳（青）だけが ChatGPT 公開後に伸び悩む • g_high：22〜25 歳・曝露上位2分位の雇用の伸び（−11%）、g_low：下位3分位の伸び（+10% ） • 「低曝露の職業と同じだけ伸びていたら」の水準と比べた不足分 • 経済全体では広範な雇用減少は見られない。最高曝露の分位でも +4% • 22〜25 歳：上位2分位 −11%、下位3分位 +10% → 相対で −19%。経験者 には差がない • 主に採用の減少で、離職の増加ではない。基本給には差がない • 自動化の割合 1SD あたり −0.10（22〜25 歳）。拡張が多い職業の 41〜49 歳 は +0.024 注意点 • 著者自身が「因果ではなく記述的な先行指標」と位置づける • コロナ期から事前トレンドがあり、大卒比率で統制すると差が縮む • 査読前。ADP のサンプルは全国調査より差が大きく出る [11] E. Brynjolfsson, B. Chandar, R. Chen, Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence, Stanford Digital Economy Lab Working Paper, 2025（2026-08 更新版）（Stanford） 17

Chen+ (2025)：高露出職種は週給増、失業は不変 LLM高露出職種の週給はSDiDで平均+89.34ドル、失業率の変化は+0.24ptにとどまる データ CPS月次 2010/1〜2025/8 単位 職業×月 指標 実質週給・失業率 何をする研究か • ChatGPT公開（2022年11月末）を外生ショックとし、短期の労働市場効果を推定 • 露出度はHanda+（2025）のClaude会話データでプロンプトが紐づくO*NETタスク 比率、中央値超を処置群に • 通常のDiDは事前トレンドがずれるため、Synthetic DiD（SDiD）を職業ごとに推定 結果 [12] Fig. 5–6 より：職業別SDiD推定値の分布（左=失業率、右=週給） • Y_it：職業iの月tの週給または失業率 • W_it：高露出職種かつChatGPT公開後なら1の処置ダミー • ω̂_i：事前期間の処置群の推移に合わせる対照職業の重み • SDiDで高露出職種の週給は平均+89.34ドル（2010年1月ドル、Boot SE 10.5） （p.13） • 失業率への効果は平均0.2pt（0.002407、Boot SE 0.000306）でほぼゼロ（ p.12–13） • 通常DiDは週給+95.65ドル、失業率+1.2ptだが事前トレンドで因果解釈不可（ p.11, p.18） • 2022年12月〜2025年8月の週給上昇は上位2四分位で105ドル、下位で約60ドル （p.10） • 拡張（augmentation）露出では週給+71.84ドル（p.19） 注意点 • 露出度は潜在的な適用可能性で実際の採用ではなく、意図による処置（ITT）的な 推定（p.6） • 処置時点を全職業で2022年11月に固定しており、採用時期の差を無視（p.7） • 査読前原稿。分析職業数の記載がなく、付録の拡張・自動化の図が同一数値（ 71.84）など誤記の疑い（p.19–20） 18 [12] Chen, Kane, Kozlowski, Kunievsky, Evans, The (Short-Term) Effects of Large Language Models on Unemployment and Earnings, arXiv:2509.15510, 2025 (University of Chicago Knowledge Lab)

まとめ：何を測るかで、データと結論が変わる 領域 論文 データ 主な結果 弱点 A 曝露 GPTs are GPTs [1] O*NET タスクを人・GPT-4 が採点 働き手の約 80% がタスクの 10% 以上で曝露 導入されるかは見ない Felten+ (2023) [2] O*NET の能力 × AI 応用の対応 言語モデルへの曝露は高賃金のホワイトカラーほど高い 代替か補完かを区別しない GDPval [3] 44 職業の実務タスク、専門家の盲検比較 最良モデルの勝ち＋引き分け率 47.6% 文脈を全部与えた 1 回の課題 Handa+ (2025) [4] Claude.ai の会話 400 万件超 タスクの 25% 以上で使われる職業は約 36%、拡張 57% 1 社・個人向け・約 1 週間 Tomlinson+ (2025) [5] Bing Copilot の会話 約 20 万件 AI の適用度は予測（曝露）と r=0.73、賃金とは r=0.13 消費者向け Copilot のみ Chatterji+ (2025) [6] ChatGPT の会話 約 110 万件 仕事以外のメッセージが 53%→73% に増加 企業・API は含まない Bick+ (2024) [7] 米国の全国オンライン調査 18〜64 歳の 39.6% が利用、就業者の 26.5% が仕事で利用 自己申告 Brynjolfsson+ (2025) [8] 顧客サポート 5,172 人・約 300 万チャット 1 時間あたり解決件数 +15%、新人ほど大きい 1 社・1 職種 Peng+ (2023) [9] 開発者 95 人の RCT Copilot で課題完了が 55.8% 速い 1 つの標準化課題・小標本 Humlum & Vestergaard (2025) [10] デンマークの調査 × 行政データ 収入・労働時間への効果は ±2% 超を否定 2024 年 12 月まで Canaries [11] ADP の給与データ（〜2026/6） 高曝露の職業の 22〜25 歳の雇用が相対 −19% 記述的・事前トレンド Chen+ (2025) [12] CPS 月次（2010〜2025/8） 高曝露の職業の週給 +89 ドル、失業は +0.24pt 曝露は潜在的な指標 B 利用 C 影響 19

未解決の課題 曝露と利用のずれ ログの代表性 予測（[1] 80%）と実測（[4] 職業の 57% がタスクの 10% 以上）の差は、導 入の障壁か、利用者の偏りか、分母の違いか どのログも 1 社・個人向け中心。企業契約・API・社内ツールの利用は見えない。国ごと の偏りも大きい 「誰が」と「何を」 利用と影響をつなぐデータ ログは「何のタスクか」は分かるが「誰が使ったか」は分からない。職業別の利用は職業の 人の利用量ではない 利用（B）と雇用・賃金（C）を同じ人・同じ企業で結んだデータがない。C は職業単 位の指標で代用 自動化／拡張の分類 米国以外での測定 C の最も強い結果（自動化の多い職業の若手が減る）は、B の会話の形の分類に依 存している O*NET は米国の分類。日本には月次の給与データも公開されていない。日本でどう測 るか 20

Appendix 1：各部の中心になる式 A 曝露の指標 [1] • E1：LLM 単体で所要時間が半分以上減る、E2：LLM の上のソフトがあれば減る • α は下限、ζ は上限、β は中間（以降の研究は主に GPT-4 の β を使う） B 職業への集計 [4] • N_t：タスク t の会話数（5 アカウント・15 会話以上のみ）、O(t)：t を持つ職業 • 複数職業に属するタスクは等分。s_o は職業 o の会話シェア C 職業単位の回帰 [11] • ΔE_o/E_o：2022/11→2026/6 の雇用の変化率（年齢ごと）、q(o)：β の5分位 • γ_5：最高分位と最低分位の差。22〜25 歳で −0.179 21

Appendix 2：日本で分かっていること（Japan AI Index との関係） 利用率・用途・使わない理由は国内調査で分かる。サービス別の職業構成と、仕事の中身は分かっていない 調査 時期・規模 分かること 分からないこと 国際大学 GLOCOM「Innovation Nippon 生成 AIと日本2026」 2025 年 10 月、ネット、予備 2 万人・本調 査 5,000 人 仕事での利用：ChatGPT 14.2%、Copilot 10.4%、 Gemini 6.7%、Claude 1.5%（有職者 14,160 人） サービス × 職種の集計は非公開 NIRA 就業者実態調査 2024 年 12 月〜、継続パネル 職業別の AI 利用率 サービス別の用途 総務省 情報通信白書 毎年、日米独中の比較 利用経験・頻度・使わない理由 職業別・タスク別 AI 会社の公開データ（[4] など） 国別に公開 日本の会話の職業・タスク構成 日本全体を代表しているか • Japan AI Index（松尾研）では、B の手法を日本のデータに当てはめ、AI 会社のデータを日本向けに補正できるかを調べている • 補正の前提（同じ職業の中で、Claude と他の AI で頼む仕事が同じか）は 1 社のデータでは確かめられない → 人へのサーベイで直近の 1 件を聞く設計を検討中 22

参考文献（1/2） [1] T. Eloundou, S. Manning, P. Mishkin, D. Rock, GPTs are GPTs: Labor Market Impact Potential of LLMs, Science 384, 2024（arXiv:2303.10130）（OpenAI / UPenn） [2] Felten, Raj, Seamans, How will Language Modelers like ChatGPT Affect Occupations and Industries?, arXiv:2303.01157, 2023 (Princeton / UPenn / NYU) [3] Patwardhan et al., GDPval: Evaluating AI Model Performance on Real-World Economically Valuable Tasks, arXiv:2510.04374, 2025 (OpenAI) [4] K. Handa, A. Tamkin et al., Which Economic Tasks are Performed with AI? Evidence from Millions of Claude Conversations, arXiv:2503.04761, 2025（Anthropic） [5] Tomlinson, Jaffe, Wang, Counts, Suri, Working with AI: Measuring the Applicability of Generative AI to Occupations, arXiv:2507.07935, 2025 (Microsoft Research) [6] Chatterji, Cunningham, Deming, Hitzig, Ong, Shan, Wadman, How People Use ChatGPT, NBER Working Paper 34255, 2025 (OpenAI / NBER) [7] Bick, Blandin, Deming, The Rapid Adoption of Generative AI, NBER WP 32966 (rev. Feb 2025); Management Science 72(10), 2026 (St. Louis Fed / Vanderbilt / Harvard) 23

参考文献（2/2） [8] Brynjolfsson, Li, Raymond, Generative AI at Work, Quarterly Journal of Economics 140(2), arXiv:2304.11771, 2025 (Stanford / MIT / NBER) [9] Peng, Kalliamvakou, Cihon, Demirer, The Impact of AI on Developer Productivity: Evidence from GitHub Copilot, arXiv:2302.06590, 2023 (Microsoft Research / GitHub / MIT Sloan) [10] Humlum & Vestergaard, Still Waters, Rapid Currents: Early Labor Market Transformation under Generative AI (formerly "Large Language Models, Small Labor Market Effects"), NBER WP 33777, 2025 rev. 2026 (Chicago Booth / Copenhagen) [11] E. Brynjolfsson, B. Chandar, R. Chen, Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence, Stanford Digital Economy Lab Working Paper, 2025（2026-08 更新版）（Stanford） [12] Chen, Kane, Kozlowski, Kunievsky, Evans, The (Short-Term) Effects of Large Language Models on Unemployment and Earnings, arXiv:2509.15510, 2025 (University of Chicago Knowledge Lab) [13] 国際大学 GLOCOM, Innovation Nippon 生成AIと日本2026, 2025 [14] D. H. Autor, F. Levy, R. J. Murnane, The Skill Content of Recent Technological Change, QJE 118(4), 2003 24