📌 この記事の要約

• AIの影響を受けやすい仕事で契約需要が約7％減少
  UCLAの研究チームがUpworkの226万件の契約データを分析。ChatGPT公開後、AIの影響を最も受けやすい職種は、受けにくい職種と比べて契約需要が約7.0％低下した。

• 人間資本シグナルの重みが下がり、価格の重みが上昇
  自己提示・資格経歴・評判を合わせた人間資本シグナルの重要度が約7.8％低下する一方、価格の重要度は約1.1％上昇。市場がAIに慣れるほどこの傾向は強まっている。

• 強い経歴や高価格が生む需要プレミアムが縮小
  人間資本が強いワーカーの需要上のプレミアムは縮み、需要はより低価格のワーカー側へ移動。「高いから頼む」より「安く試す」という判断が広がっている。

• 価値はAIの成果物の「前」と「後」へ
  課題設定やAIへの任せ方の設計、出力の検証と責任ある修正、事業成果への接続など、AIの出力だけでは埋まらない部分が新たな武器になる。

　生成AIの普及で、仕事の依頼先を選ぶ基準は変わったのでしょうか。スキルや学歴、職歴、実績といった人間資本の価値が下がり、代わりに価格が重く見られるようになっているのか。この問いに正面から取り組んだのが、UCLA Anderson School of ManagementのAuyon Siddiq氏とNiuniu Zhang氏が2026年6月19日に公開した論文「Human Capital, AI, and Labor Commoditization（人的資本、AI、そして労働のコモディティ）」です。

　研究対象は、オンライン人材市場のUpworkです。ChatGPT公開前後の契約データを使い、生成AIの影響を受けやすい職種ほど、依頼者が人材を見る目をどのように変えたのかを調べています。結論はかなり生々しいものです。AIにさらされる仕事ほど、人材のプロフィールや実績より、価格の意味が相対的に大きくなっていました。

生成AIが労働市場で人間資本の評価をどう変えたのかを調べた研究です。画像は論文より。

Upworkの226万件契約から見たAI後の人材評価

　この研究は、生成AIによる働き方の変化を、感想やアンケートではなく、実際の契約データから見ています。分析対象は、2021年1月から2026年3月までにUpworkで仕事をした4万9610人のワーカーです。契約数は合計226万件で、2021Q1から2026Q1までの四半期ごとの動きを追跡しています。

　研究の中心にあるのは、「依頼者は何を見てワーカーを選んでいるのか」という問いです。Upworkでは、依頼者はワーカーの肩書きや自己紹介、スキルタグ、学歴、職歴、ポートフォリオ、過去の契約、評価、フィードバック、提示時給などを見て発注できます。研究では、これらの情報を大きく4つに分けました。自己紹介やスキルタグなどの「自己提示」、学歴や職歴などの「資格・経歴」、過去の評価や実績などの「評判」、そして「価格」です。

　この研究の特徴は、研究者がプロフィール文を単純なキーワード数で処理していない点です。自己紹介や職歴、フィードバックなどの文章をAIの埋め込み表現に変換し、ワーカーの人間資本を高次元の情報として扱っています。つまり、「Pythonと書いてあるか」「MBAと書いてあるか」だけを見るのではなく、プロフィール全体が依頼者にどんな能力や専門性を伝えているかを、機械学習でまとめて捉えています。

　そのうえで、ChatGPT公開後に、AIの影響を受けやすい職種と受けにくい職種で差が出たかを比較しています。AIの影響度は、LLMだけで作業時間を半分以上短縮できるタスクの割合をもとにした職業別スコアから割り当てています。翻訳のようなカテゴリは高く、音楽制作やグラフィックデザインの一部のようなカテゴリは低くなります。

研究では、ワーカー情報を自己提示、資格・経歴、評判、価格の4つに分けて分析しています。

人間資本の重みは下がり、価格の重みは上がった

　調査の結果、ChatGPT公開後、AIの影響を最も受けやすい職種では、影響を受けにくい職種と比べて契約需要が約7.0％下がっていることがわかりました。ここまでは、生成AIが一部のオンライン仕事を減らしたという既存研究と近い結果です。

　しかし、この論文では需要が減ったときに、依頼者がどの情報を重く見るようになったのかまで分解しています。結果を見ると、自己提示の重要度は約2.8％、資格・経歴は約2.4％、評判は約2.9％下がっていました。3つを合わせると、人間資本シグナルの重要度は約7.8％低下しています。

　一方で、価格の重要度は約1.1％上がりました。つまり、AIの影響を受けやすい仕事では、依頼者が「この人はどんな経歴か」「過去にどんな評価を得ているか」より、「いくらで頼めるか」を以前より重く見る方向へ動いたわけです。これは単なる不況や需要減では説明しにくい変化です。人材を見る物差しそのものが、価格寄りに傾いているからです。

　しかも、この変化はChatGPT公開直後だけの一時的な反応ではありません。2025Q2から2026Q1までの後半期間では、需要の低下は約9.6％、人間資本シグナルの重要度低下は合計約10.1％、価格の重要度上昇は約1.8％まで広がっています。市場がAIに慣れるほど、人材の差より価格差を見やすくなるという流れが続いているように見えます。

AIの影響を受けやすいカテゴリほど、人間資本シグナルの重みが下がり、価格の重みが上がっています。

AIが成果物の差を縮めると人材は比較されやすくなる

　この研究が扱う「労働のコモディティ化」とは、人材がまったく不要になるという意味ではありません。依頼者から見て、ワーカー同士の違いが以前より小さく見え、価格で比較されやすくなる状態を指します。生成AIが下位層の作業品質を押し上げるなら、依頼者は「高い人に頼まなくても、AIを使えば一定の成果が出る」と考えるようになります。

　たとえば、翻訳、記事作成、リサーチ、カスタマーサポート、簡単な開発補助のような仕事では、AIが下書きや調査、表現の整形をかなり肩代わりできます。熟練者の価値が消えるわけではありませんが、最低ラインの品質が上がると、依頼者は「まずは安い人で試す」という判断をしやすくなります。これは、ワーカーにとってなかなか厳しい現実です。

　論文では、この仮説を補強するために、人間資本が強いワーカーと弱いワーカーの需要差も見ています。ChatGPT公開後、AIの影響を受けやすいカテゴリでは、人間資本が強いワーカーが得ていた需要上のプレミアムが縮みました。全期間の比較では約6.2％、2025Q2から2026Q1の後半期間では約10.3％の縮小です。

　さらに、価格の高いワーカーと低いワーカーの間でも変化が出ています。後半期間では、需要がより低価格ワーカー側へ移る傾向が強まり、価格差による需要ギャップは約7.9％縮みました。もし依頼者が「高価格は高品質の証拠だ」と以前より強く考えるようになっただけなら、需要は高価格側へ寄るはずです。実際には逆で、低価格側へ流れていました。

AIの影響を受けやすい仕事ほど、強い経歴や高い価格が生む需要上の差が縮んでいます。

プロフィールを盛るだけでは差別化になりにくい時代

　この結果は、フリーランスだけでなく、発注側の企業にとっても意味があります。AI時代には、プロフィール文がきれいで、スキルタグが多く、評価が高い人を選ぶだけでは、期待した差が出にくくなる可能性があります。AIの支援で一定水準のアウトプットが出る仕事では、従来の実績や肩書きが、成果物の差を以前ほど説明しなくなるからです。

　発注側は、価格だけを見ればよいという話ではありません。むしろ、価格で比較しやすくなる仕事と、まだ人の判断が大きく効く仕事を分けて考える必要があります。文章の一次案、定型的な翻訳、資料の整形、簡単な調査のような仕事は、AI込みの作業設計を前提にして発注単価を見直せます。一方で、戦略設計や顧客理解、法務や医療などの責任が重い領域、ブランドの文脈を踏まえる仕事では、安さだけで選ぶと手戻りが増えます。

　受注側にとっては、プロフィールの磨き込みだけでは足りません。AIで代替されやすい作業を「できます」と並べても、依頼者には似たような候補が大量に見えてしまいます。差を出すなら、業界知識、業務プロセスの理解、顧客との調整力、納品後の改善提案、独自データの活用など、AIの出力だけでは埋まりにくい部分を前面に出す必要があります。

研究では、ワーカーの提示時給が市場内でどの位置にあるかを価格ブロックとして扱っています。

AI時代の人材価値は成果物の前後で決まる

　この論文を、単に「AIでスキルの価値が下がる」と読むと雑になります。実際に下がっているのは、依頼者が観測できるプロフィール上の人間資本シグナルが、需要を引き寄せる力です。スキルそのものが不要になったのではなく、AIが成果物の見た目をそろえるほど、依頼前の情報だけでは差を見抜きにくくなっているのです。

　だからこそ、これから価値を持つのは、AIで作れる成果物の「前」と「後」です。前段では、課題を定義し、どこまでAIに任せるかを設計する力が問われます。後段では、出力を検証し、責任を持って修正し、顧客の事業成果につなげる力が問われます。プロフィールに並ぶスキル名より、発注者の不安を減らし、成果の再現性を高める仕組みのほうが強い武器になります。

　企業側も同じです。AIで安くなる仕事は、安く調達すればよい領域として整理できます。ただし、価格競争に寄せすぎると、納品物の品質管理や情報漏えい、著作権、ブランド毀損のリスクを自社で抱えることになります。AI時代の外注戦略は、安い人を探す競争ではなく、AIで標準化できる部分と、人間に任せるべき判断を切り分ける設計の勝負になっていきます。