「AIが仕事を奪う」研究、実は穴だらけだった

「あなたの仕事はAIに代替されやすい」というランキングや記事を見たことがあるはず。その多くが参照しているのが、OpenAIの研究者らが2023年に発表した「GPTs are GPTs」スコアと呼ばれる指標だ。職種ごとの業務タスクのうち、どれだけの割合をLLMが補助できるかを測ったもので、当時は画期的な研究として広く引用された。

問題は、このスコアが「静的な指標」である点だ。計測されたのは2023年時点のモデル性能・職業定義・タスク分類をもとにしており、その後のAIの急速な進化や、職種そのものの変化には対応していない。arxivに投稿された最新の論文では、このスコアが政策論議や将来予測に引用され続けているにもかかわらず、研究者たちが指摘してきた「時代的・地域的・概念的な限界」が一緒に伝わっていない実態が体系的に整理されている。

時代的な限界とは、GPT-4以降のモデル進化が反映されていないこと。地域的な限界とは、米国の職業分類をベースにしており、日本のような職務内容が異なる文化圏にそのまま適用できないこと。概念的な限界とは、「タスクを補助できる」ことと「職業ごと代替される」ことは別の話である、という点だ。この三つが重なったまま、数字だけが一人歩きしている状況が続いている。

論文では、GPTs are GPTsスコアの限界に応答する形で、すでに五つの研究系統が動き出していることも整理されている。「動的・ベンチマーク型の指標」「アンサンブル手法」「タスクフレームワークの拡張」「労働者中心の指標」「実際の採用・利用データ」の五系統だ。

注目したいのは最後の「採用・利用データ」の系統。実際にAIが職場でどう使われているか、採用市場でAIスキルがどう評価されているかという「現実の動き」をデータにしようというアプローチで、静的スコアよりも現場感がある。日本でいうところの「求人票のスキル要件の変化」や「業務の実態調査」に近い発想だ。

ただし、論文が強調するのはこの点だ。研究者側はすでにアップデートしているのに、政策立案者や報道がいまだに2023年の静的スコアを引用し続けているという「連携不足」の問題。研究成果が実装に届かないまま、古いデータが「公式見解」として扱われるギャップは、AIに限らず日本でも見覚えのある構図だろう。

研究者の仕事、AIに奪われる前に知っておくべきことでも触れたように、「誰のどの仕事が変わるのか」という問いに答えるには、静的な数字よりも動的な観察の方が有効だという認識が広がりつつある。

AIリスクのスコアや記事を目にしたとき、使う側として確認したいポイントが三つある。

①そのスコアはいつ測定されたものか。 2023年以前のモデルをベースにしているなら、GPT-4o・Claude 3・Gemini 1.5以降の性能向上は含まれていない。最新モデルなら「補助できる」と判定されるタスクは大幅に増えている可能性がある。逆に言えば、「安全」と評価されていた職種も、今は判定が変わっているかもしれない。

②「タスクを補助できる」を「職業が代替される」と読み替えていないか。 あるタスクをAIが処理できることと、その職業全体がなくなることは別の話だ。多くの職種は複数タスクの組み合わせで成り立っており、AIが得意なタスクと不得意なタスクが混在している。

③その数字は自分の環境に当てはまるか。 米国の職業分類をベースにしたスコアは、日本の職場環境や業務の進め方と一致しない部分が多い。「経理担当」「営業」「デザイナー」という呼称が同じでも、実態は国ごとに異なる。