AIにより「危険にさらされる」仕事は、ChatGPTが登場する前からすでに減少していた

大規模な新研究によると、AIにさらされる仕事はChatGPT登場前からすでに悪化していた一方、その関連技能を学んだ学生は高い初任給と短い就職期間を得ていた。

米国の大学による共同研究は、AIに脆弱な雇用危機の始まりが2022年末のChatGPT公開と一致せず、外見上は無関係な要因によって同年初めから始まっていたと結論づけた。

また、大学専攻でLLM関連タスクへの教育的な接触が多かった卒業生ほど、ChatGPT登場後の初職給与が高く、就職活動も短かった。

研究は1,000万件を超えるLinkedInプロフィール、失業記録、保険請求を含む三つの大規模データセットを利用した。2022～2024年にLLM高露出の労働者と卒業生で起きた悪化は、大衆向けLLMアプリの普及前から進行していた。高露出職種の失業リスクは2022年初めに上昇し始め、多くの職種と州でChatGPT公開時の明確な断絶はなかった。

初期キャリア層の影響は特に大きかった。2021～2023年卒は以前の世代より高露出職へ入る割合が低く、初職までの遅れも長かったが、その差も2022年末より前に開いた。同時にLLM関連教育の価値は保たれた。つまりAIは経済・産業上の圧力ですでに弱った労働市場へ入り、AIを補完する技能は価値を維持、あるいは高めた可能性がある。

著者らは2022年11月をAI以前と以後の労働市場を分ける境界として扱うべきではないと述べる。公開後の弱さを主にLLMのせいにすれば、金融政策、産業需要、パンデミック後の調整など同時期のマクロ経済変化とAI普及を混同する。

したがって大学や訓練機関は、文章作成、コーディング、情報統合など「AIに脆弱」とされる技能を捨てる必要はない。出力を検証し、品質を判断し、チャットボットを代替ではなく道具として使うよう教えることで、不安定な市場でも卒業生の競争力を支えられる。

新しい論文の題名は「AI-exposed jobs deteriorated before ChatGPT」。University of Pittsburgh、Stanford、Chapman、Columbiaの研究者とレドモンドのMicrosoft AI Economy Institute、ニューヨークのRevelio Labsが参加した。研究者は各大学の複数の学部・学科に所属する計5人である。

方法とデータ

結果はStanford Digital Economy Labの先行報告や、Anthropic CEOが2025年5月にAIは初級ホワイトカラー職の半分を失わせ得るとした警告と対照的だ。

まずAI自動化に最もさらされる職種の失業を調べた。露出度は6桁の標準職業分類（SOC）コードで定義し、より広い2桁区分の水準を推定するため平均した。

月次行政データは米労働省雇用訓練局のETA 203報告から取得し、継続失業保険を申請した人の直近職業を確認した。労働統計局の職業別雇用・賃金統計プログラムの年次雇用統計と結合し、州・職種ごとの月次失業リスクを推定した。リスクは、その職種の労働者が継続失業給付を請求する確率と定義した。

歴史的にAI高露出職は低露出職より失業リスクが20～80%低く、リモート対応職が強かったパンデミック中には差が広がった。この利点は2022年初めから崩れ、2023～2024年にはほぼ消えた。

AI高露出職の失業リスクは2022年初めに上昇し、長期の相対的安定が終わった。AはChatGPT公開前に高・低露出職の差が縮む反転を示す。Bは上昇が最上位20%に集中し、底を打った後にリスクが上昇して横ばいになったことを示す。Cは他の大半の分野が安定する中、変化がコンピュータ・数学職に集中したことを示す。米国各州で月次測定したリスクを四半期平均した。出典

職種を露出度の五分位に分けると、低露出の仕事は一貫して失業リスクが高く、季節変動も大きかった。全群は2020年にピークを迎え2022年初めに底を打った。その後、最高露出群の失業リスクはChatGPT前に上昇してから安定し、公開後に加速しなかった。コンピュータ・数学職の増加が最大で、他の多くはほぼ変わらない。カリフォルニア、ワシントン、アラスカなど一部の州は公開後に増えたが、全国水準はパンデミック前に近く、それ以前の経済的圧力の影響を示唆した。

データ上の留意点

失業リスクは職種全体のパターンを示すが、給付資格や過去の職歴がない新卒など特定集団の結果を捉えない。他の研究が初期キャリア層への大きな影響を示す以上、全体失業データだけでは最も影響された人を見落とし得る。

そこでRevelio Labs提供のLinkedInプロフィール10,584,980件を使った。学位、専攻、卒業年、大学と、6桁のSOCコードに対応付けた職名、雇用主、開始日、所在地を含む。給与はビザ申請、自己申告、公開求人で学習した独自の機械学習モデルから推定し、職務固有の情報と個人の経歴を組み込んだ。

実際の給与を検証できないため、卒業後3年以内に最初の観測可能な仕事を始めるまでの月数も追跡した。その期間に就業記録がなかった人は除外し、就職時にプロフィールを更新するとの仮定のもと、労働市場の摩擦を表す代理指標とした。

2022年以降の卒業生はLLM高露出職を得るまで長くかかったが、悪化はChatGPT公開数か月前に始まった。Aは高露出の初職へ早く入る従来傾向の反転、Bは高賃金職で似た傾向だが弱めの遅れ、Cは2021・2022年卒の高露出職への参入率が以前の世代より低く、この悪化がChatGPT前に現れたこと、Dは低露出職に同様の変化がないことを示し、悪化がLLMの広範な普及に先行したことを裏付ける。

州・産業別の月次求人と学位、専攻、大学の違いを統制した。ChatGPT前は高露出職へ入る卒業生の求職期間が通常短かったが、2023・2024年卒では逆に長くなった。悪化は公開数か月前に始まり、その後も続いていたため突然の崩壊やLLMだけへの帰属は支持されない。

教育的な露出

AIと雇用を巡る議論の中心は、文章作成、コーディング、情報統合など、大規模言語モデルが自動化し得る技能を学生が学び続けるべきかという点だ。これらの市場価値が低下していれば、その技能を多く学んだ卒業生の成果は悪化しているはずである。著者らはこれを検証した。

研究者はLinkedInの教育情報と数百万件の大学シラバスを照合し、文章、コーディング、統合などLLM関連タスクを専攻でどれだけ学んだかを推定し、ChatGPT前後の初期キャリア結果を追った。

LLM関連タスクへの教育的露出はChatGPT後の良好な初期キャリア結果を予測した。自動化可能技能を多く学んだ2022年以降卒は早く採用され給与も高く、高露出職の不利益を一部相殺した。全モデルは求人率、職種、教育背景を統制した。

ChatGPT前には教育的露出と求職期間・給与に明確な関係がなかった。公開後は早い採用と高い初任給に関連するように見えた。高露出職そのものは悪化したが、AIに近い教育を多く受けた卒業生は影響が小さかった。

自動化に脆弱とされた技能は価値を失うどころか、より良い結果を支えた。LLMが卒業生不振の原因なら関連教育は余剰技能になるはずだが、結果は逆である。因果関係の証明ではないものの、LLM関連の準備が公開後の良い成果と両立することを示す。

注目された雇用傾向は、AIより前の出来事がすでに形作った市場で起きた。ChatGPTとAIの影響を以前からの低下要因から完全に分離するのは、スープから塩を取り出すように難しい。

* ただし現在の相当数の論評は、AIに投資利害を持つ創業者によるこうした終末的な警告を、潜在顧客や投資家を驚かせて株価を押し上げるための人為的な世論形成、すなわちアストロターフィングに近いものと認めている。

2026年1月7日水曜日初出。