6月24日、bioengineer.orgが「Analyzing AI Startups to Forecast the Future Impact of AI on Jobs」と題した記事を公開した。「AIが雇用を奪う」という議論はいまや珍しくないが、その根拠の多くは「LLMが理論上何をできるか」という技術的能力に依拠している。Enrico Maria Fenoaltea氏らの研究チームは、この方法論の限界を指摘し、実際にVCから資金を集めているAIスタートアップの製品情報を軸に、職業ごとのAI影響度を定量化する新指標を提案した。論文の原題はFollow the money: A startup-based measure of AI exposure across occupations, industries, and regionsであり、現時点ではプレプリントとして公開されている。
「理論上の能力」ではなく「実際に資金が集まっている領域」で測る
研究の中核となるのがAISE（Occupational AI Startup Exposure）指数だ。MetaのLlama 3を活用し、AIスタートアップの製品説明と、米国労働省の職業情報データベースO*NETに収録された職業別タスク定義をクロス参照することで算出される。具体的には、LLMが各スタートアップの製品説明を解析し、O*NETに定義された職業タスクとのマッチング度合いをスコア化する仕組みだ。O*NETは900を超える職種にわたる詳細なタスク定義を持ち、分析の網羅性を担保している。対象となったAIスタートアップは複数の主要VCデータベースから収集されており、研究は「市場が実際に賭けている領域」を可視化することを設計の出発点としている。
「市場に出てきたAIプロダクト」を基準にすることで、技術的に可能であっても普及しない領域と、実際に普及が進む領域を区別できる点が特徴だ。投資家が「スケール可能で収益が見込める」と判断したAI応用に絞ることで、より現実に近い影響予測が得られるという設計思想である。
高リスク職種：データサイエンティスト、オフィスワーカー、マーケター
AISEスコアが高い、すなわちAIによる代替・補完リスクが高いと判定された職種は以下の通りだ。
- データサイエンティスト
- オフィス事務員（定型的・データ処理系業務）
- 情報システム管理職
- マーケティングスペシャリスト・市場調査アナリスト
データサイエンティストがとりわけ高スコアとなった背景には、この職種のコアタスク——データ収集・クレンジング・モデル構築・予測レポート生成——が、現在市場に投入されているAIスタートアップの主要ターゲットと高い頻度でマッチしていることがある。分析・予測・レポーティングを自動化するプロダクトへのVC投資が集中しており、O*NETのタスク定義との重複が指数を押し上げている。
マーケティング領域も同様で、顧客セグメンテーションや予測モデリングといった業務がAIスタートアップの主要ターゲットになっていることが反映されている。データが構造化されており、タスクが反復的で分析的なロールほどスコアが高くなる傾向は、AISEの算出ロジックから自然に導かれる結果といえる。
低リスク職種：シェフ、建設作業員、アスリート——そして教師や裁判官
一方、AISEスコアが低い職種として挙げられているのが、シェフ、建設作業員、アスリートなどだ。これらの職業に共通するのは、精緻な運動制御、状況適応、身体的な存在感、社会的・個人的なインタラクションである。現時点のAI・自動化技術にはこれらの再現が難しく、物理的・社会的要素が「自然な防壁」として機能しているという。
研究の中で特に重要な指摘が、社会的受容の壁だ。高校教師、裁判官、カウンセラーといった職業は、LLMが技術的にはタスクをこなせる可能性があるにもかかわらず、AISEスコアは低い。理由は明確で、倫理的判断、社会的ニュアンス、個人的な共感が求められる役割に対して、人間がAIへの委任を拒む傾向が強いためだ。
これは「AIに何ができるか」だけで影響を予測する手法の限界を示している。投資家が社会的に受容されにくいAI応用に資金を投じないという市場メカニズムが、研究の前提に組み込まれている点がこの指標の設計上の強みといえる。また、修士号以上の学歴と実質的な専門経験を要する職種は、AISEスコアが有意に低いという結果も示されている。複雑な倫理的推論とドメイン固有の専門知識が組み合わさった職務は、少なくとも近い将来においてはAIによる代替に対して相対的に強い、という見立てだ。
政策・教育への含意
研究チームは、AISEを政府、労働団体、教育機関が労働力の強靭化施策を設計するための戦略ツールとして活用できると主張する。AI投資の集中する領域を可視化することで、職業訓練プログラムの優先順位付けや規制設計を、抽象的な予測ではなく市場の実態に基づいて行える。
AIによる雇用への影響は「一様な波」ではなく、技術的実現可能性・規制環境・社会的信頼・経済的インセンティブが複雑に絡み合う非対称な変化として進行する——これが本研究の中心的な主張である。なお本論文はプレプリント段階にあり、査読を経た結論の確定には今後の検証が必要な点は留意しておきたい。
詳細はAnalyzing AI Startups to Forecast the Future Impact of AI on Jobsを参照していただきたい。
