📌 この記事の要約

• 約900職種をAIとの「能力ギャップ指数」で数値化
  OECDが2026年5月に公開した報告書では、アメリカの約900職業を9つの能力に分解し、今のAIが各職業の要求水準にどこまで近づいているかを能力ギャップ指数として数値化。職業ごとの「AIとの距離」を具体的な数字で比較できるようになった。

• 事務職はほぼ並び、経営トップや医師は最も遠い
  最もAIに近い事務・管理サポート職の指数は0.8、請求事務やデータ入力はほぼ0。一方、経営トップは11.71、眼科医10.94と差が大きく、複数の高度な能力を束ねる職業ほどAIから遠い結果となった。

• AIが苦手なのは「身体」を使う能力
  言語や知識ではAIがほぼ追いついているが、社会的相互作用・問題解決・メタ認知・視覚・操作では差が残る。認知能力が一段階上がっても、身体的な能力の差はなくならない。

• 「仕事まるごと」ではなくタスク単位で考えることが重要
  この指数は技術的な近さを測るもので、実際の導入は費用・規制・組織の判断が決める。報告書は次の段階としてタスク単位の分析を挙げており、「仕事のどこをAIに任せ、どこに自分の時間を移すか」という問いが実践的な出発点になる。

　AIはどの仕事に、どこまで迫っているのか。この問いに新しい角度から答える報告書を、OECD（経済協力開発機構）が2026年5月に公開しました。タイトルは「The OECD AI Exposure Measure」、AIペーパーシリーズの第59号です。教育研究革新センター（CERI）のAIと未来のスキルプロジェクトが中心となり、Stuart Elliott氏らがまとめました。

OECDの報告書は、今のAIが各職業の要求にどこまで近づいているかを能力ギャップ指数として数値化しました。画像は論文より。

　「AIに仕事を奪われる」という議論はこれまで数多くありましたが、その多くは根拠が漠然としていました。今回の報告書が新しいのは、約900のアメリカの職業を9つの能力に分解し、今のAIが各職業の求める水準にどこまで近づいているかを、職業ごとに数値ではじき出したことです。どの仕事がAIに近いのかを、具体的な数字で並べられるようになりました。

9つの能力で職業の要求とAIの実力を突き合わせる能力ギャップ指数

　この報告書が打ち出したのは、能力ギャップ指数（AI Capability Gap Index）という新しい物差しです。仕組みは意外とわかりやすいです。ある仕事を言語、社会的相互作用、問題解決、創造性、メタ認知、知識・学習・記憶、視覚、操作、ロボット知能という9つの能力に分け、それぞれ「どの水準が求められるか」を1から5の5段階で採点します。同じ物差しで今のAIの実力も採点すると、たいていレベル2から3に収まります。仕事が求める水準から今のAIの実力を引けば、その差が「AIにまだ足りない分」です。差が小さいほどAIはその仕事の要求に近い、つまり影響を受けやすいと読みます。

　ただし、9つの差をそのまま足し合わせるわけではありません。同じ「操作（手先の器用さ）」の差でも、外科医にとっては重要ですが、経理担当者にはほとんど関係しません。そこで職業ごとに各能力の重要度で重みをつけてから合計し、1つの総合指数にまとめます。多くの能力を高い水準で必要とする職業ほど、残った差が積み上がって指数が大きくなる仕組みです。

仕事を9つの能力に分け、それぞれ求められる水準から今のAIの実力を引くと、その差が「AIにまだ足りない分」になります。

　ここで押さえておきたいのは、この指数が測るのは「今のAIに技術的にこなせるか」という一点だということです。その仕事が実際に機械へ置き換わるかどうかは、AIやロボットの導入費用、組織の事情、規制、社会の選択といった別の要因が決めます。能力の近さと現実の置き換えを切り分けたからこそ、この指数は「どの仕事がAIの射程に入っているか」という問いに、曖昧さを残さず答えられます。以降の数字は、すべてこの「能力の近さ」を表していると考えてください。

　採点は二段構えで進みました。まず代表的な40職種を、OECDの5つの部署から集まった15人のアナリストが手作業で採点します。意見の食い違いを議論で詰めていくデルファイ法に近い手順で、人間側の基準値をつくりました。残る職種は4つのAIに任せます。ChatGPT 5.2、Claude 4.6、Gemini 3.1 Pro、Mistral Large 3に同じ基準で採点させ、それぞれ5回、合わせて20回分を平均しました。この4モデルの平均が人間の基準値に最も近かったため、879職種すべてへの展開にこの方式が選ばれています。AIの影響を測る物差しづくりを、AI自身に手伝わせ、しかもその採点が人間の専門家とほぼ一致した形です。

AIに最も近い定型事務と差が残る判断・対人の仕事

　測定の結果は、職業によって大きく開きました。主要な職業グループのなかでAIに最も近かったのは事務・管理サポート職で、指数は0.8です。続いて生産職が2.0、調理・接客関連が2.5、販売関連が2.6と並びます。反対に差が大きかったのは、コミュニティ・社会サービス職の6.4を筆頭に、法務職と教育職がともに5.8、医療従事者と技術職が5.7、警備・保安職が5.6、管理職が5.5と続きました。

事務・管理サポート職が最もAIに近く、コミュニティ・社会サービス職や法務職、医療従事者では大きな差が残りました。

　この並びを「高度な仕事か単純な仕事か」で読むと、見誤ります。事務職もデータ入力もいわゆるホワイトカラーですが、指数の両端に分かれます。境目は、仕事の中身が定型かどうかです。AIに近い仕事に共通するのは、手順がはっきりしていて、繰り返しが多く、文書として残せる作業だということ。逆に差が残る仕事は、その場の判断や解釈、責任、込み入った対人関係、決まった形のない環境での身体作業が中心になります。AIが迫っているのは職業の「格」ではなく、仕事の「型」のほうだと言えます。

　平均だけを見て職業を一括りにすると、その内側の差を取りこぼします。同じグループのなかにも、差が0の職業と、複数の能力で差が残る職業が混じっているからです。だからこそ、グループの数字から個々の職業まで踏み込む必要があります。

　個別の職業を見ると、対比はもっと鮮明です。請求事務、ワープロ入力、ファイル整理、簿記・会計、データ入力は指数がほぼ0で、今のAIの能力がすでに要求水準に並んでいます。逆に差が最も大きいのは経営トップで11.71、続いて眼科医10.94、消防士10.65、産婦人科医10.48、警察官10.14と並びました。経営トップが「最もAIから遠い」と出るのは、この職業が判断や責任、対人関係、組織の調整といった、AIがまだ届かない能力を幅広く束ねているからです。 AIから遠い仕事ほど、1つの飛び抜けた能力ではなく、複数の能力の組み合わせで成り立っている。この点は、後で触れるタスク単位の見方につながります。

　能力別の平均を見ると、AIがどこで強く、どこで弱いかがはっきりします。差が最も大きいのは社会的相互作用、問題解決、メタ認知の3つで、いずれも1.1。続いて視覚が0.8、操作が0.7、ロボット知能が0.6です。一方、差が小さいのは創造性の0.1、言語の0.4、知識・学習・記憶の0.5でした。言葉を扱い、知識を引き出し、ひな型のある文章を作る作業はAIがほぼ追いつき、その場の状況を読む対人対応、筋道を立てる思考、手先を使う作業ほど差が残る、という構図です。

　なお創造性の差が極端に小さいのは、この尺度の最上位が世界水準の卓越した発想を指すためです。ふつうの職業ではそこまで求められず、差が圧縮されて見かけ上ほぼ0に近づきます。AIの創造性が人間に並んだというより、物差しの上限が高すぎて差が出にくい、と理解するのが正確です。

生成AIと身体性AIで分かれる職業への影響の現れ方

　この報告書がくり返し示すのは、「AIの影響」を1つの物差しで語ってはいけない、ということです。職業は影響の大きい組と小さい組にきれいに二分されるのではなく、どの能力が効いてくるかで性格が変わります。

　言語、社会的相互作用、問題解決、メタ認知、知識を多く使う仕事には、文章を書いたり推論したりする生成系AIが強く関わります。一方、視覚や操作、ロボット知能が中心の仕事には、ロボットやマシンビジョン、身体を持つAIが効いてきます。同じ「AIの影響」でも、ある仕事は文章生成AIに、別の仕事は物理的な自動化に迫られている。両方に迫られる仕事もあります。つまり、自分の仕事にとっての「AI」が何を指すかは、職業によって違うのです。

　この違いは、これまで広く使われてきた指標と比べると、はっきり見えてきます。報告書は、Felten氏らが2021年に発表した代表的な指標と照らし合わせました。両者の相関は、言語が0.69、問題解決が0.69、メタ認知が0.68と高い一方で、視覚はマイナス0.58、操作はマイナス0.77、ロボット知能はマイナス0.69と、身体的な能力では符号が逆転します。全体の相関も0.34にとどまりました。2つの指標は関連しているものの、置き換えはきかない関係です。

言語や推論では両指標の相関が高い一方、視覚や操作などの身体的な領域では符号が逆になります。

　なぜ符号が逆転するのか。Felten氏らの指標は言語と情報処理に重きを置いて作られているため、裁判官や数理職のように頭脳労働の比重が高い職業を「影響が大きい」と評価します。ところがOECDの枠組みで身体的な能力まで含めると、これらの職業は順位を大きく下げます。逆に屋根職人や石工は、Felten氏らの指標では「影響が小さい」側でしたが、ロボットやマシンビジョンを視野に入れたOECDの枠組みでは「影響が大きい」側へ移ります。どの能力を物差しに入れるかで、危ないとされる職業の顔ぶれが入れ替わるわけです。1つの「AI影響度ランキング」を鵜呑みにすると、この入れ替わりを見落とします。

認知能力が伸びても残る身体を使う仕事の壁

　この指数のもう1つの強みは、未来を試算できることです。能力ごとの差から積み上げているため、「今後AIの能力がどう伸びるか」という前提を差し替えれば、そのまま計算し直せます。報告書は一例として、AIの認知能力が一段階上がった場合を示しました。

　すると、社会的相互作用や問題解決、メタ認知、知識に多く頼る仕事の差が、大きく縮みます。事務・管理サポート職の指数は0.2まで下がり、認知面に残っていた差はほぼ消える計算です。さらに、これまで影響が小さかった職業にもAIが近づきます。コンピュータ・数学系が0.8、販売関連が0.9、ビジネス・財務が1.1、建築・エンジニアリングが1.2。管理職や自然科学系も、それぞれ2.2と2.1まで下がりました。頭脳労働だから安泰、という構図は、認知能力が一段伸びるだけで崩れていきます。

認知能力が一段上がると事務や専門職にもAIが近づく一方、身体を使う仕事では差が残ったままになります。

　ところが、この想定でも差が残る職業があります。コミュニティ・社会サービス職、法務職、医療従事者はいずれも2.5を超えたまま。差が最も大きいのは警備・保安職の3.2で、建設・採掘の3.1、設置・整備・修理の3.0が続きます。ここに残っているのは、視覚や操作、ロボット知能といった身体的な能力の差です。

　この試算が突きつけるのは、AIの壁は「賢さ」ではなく「身体」だ、という事実です。AIがどれだけ賢くなっても、火災現場での消火や、予測できない状況での手作業は、それだけでは代われません。だから「どの仕事が長く残るか」を決めるのは、AIがどれだけ速く進むかだけではなく、どの能力が先に伸びるかでもあります。OECDは2030年までのAIの進み方について停滞、減速、継続、加速の4つのシナリオを別に用意しており、こうした前提と組み合わせれば、さらに踏み込んだ将来分析につなげられるとしています。

能力の近さと現実の導入を切り分けて読む視点

　最後に、この指数の読み方をもう一度確かめておきます。ここまでの数字が表すのは、あくまで「今のAIの能力が、その職業の要求にどこまで近いか」という距離です。距離が0だからといって、明日その仕事が機械に置き換わるわけではありません。実際の導入は、人件費とくらべたAIやロボットの費用、組織の受け入れ態勢、規制、社会の選択が左右します。能力が追いついてから現場に広がるまでには、相応の時間と判断がはさまります。

　これは指数の弱点ではなく、むしろ役割分担です。この指数は「技術的にこなせるか」をはっきり測り、「実際に置き換わるか」は費用や制度の議論に委ねる。2つを混ぜないからこそ、それぞれを冷静に検討できます。報告書はこの能力ギャップ指数を反転・標準化したデータも公開しており、職業や産業、国を横断した分析や、経済モデルへの接続に使えるようにしています。

　そして、いちばん役に立つ使い方は、職業まるごとを「危ない・安全」と裁くことではありません。報告書自身が次の段階に挙げているのは、職業より細かいタスク単位の分析です。1つの職業のなかにも、定型でAIに近いタスクと、判断や手先や責任が要る人に残るタスクが混じっています。自分の仕事のどの部分がAIの射程に入り、どの部分が人に残るのか。そこから考え始めると、「AIに仕事を奪われるか」という漠然とした不安は、「仕事のどこをAIに任せ、どこに自分の時間を移すか」という、もっと扱いやすい問いに変わります。そう問いを立て直したとき、この指数は初めて自分ごとの道具になります。