AI リスクスコアの算出方法

概要

各職業のリスク水準は、米国労働統計局（BLS）による職業別の AI 影響度評価で決まります。そのうえで OpenAI・Anthropic・Microsoft の3つの研究が、その水準内での位置を決めます。スコアは AI が仕事に及ぼす影響の大きさを示すもので、仕事を失う確率ではありません。

ステップ1：BLS の公式評価で水準を決める

2026年8月、BLS は雇用見通しを作成している831職業について、AI の相対的な影響度を4段階（低い・中程度・高い・非常に高い）で公表しました。BLS は5つの外部研究を統合しています。3つは AI が理論上できること、2つは人々の実際の AI 利用を測るものです。各研究をパーセンタイル順位に変換し、理論と実利用それぞれの中央値をとって、職業を4つの区分に分けています。

私たちは BLS が公表した区分をそのまま使います。区分が上の表のスコア範囲を決めるため、BLS が「非常に高い」とした職業は AIProofMe でも必ず高リスクになります。

ステップ2：3つの研究で水準内の順位を決める

各スコア範囲の中では、BLS も用いている研究のうち3つを均等な重みで使い、職業の位置を決めます：

• OpenAI「GPTs are GPTs」（Science、2024年）：大規模言語モデルが業務の所要時間を少なくとも半分にできるか。
• Anthropic「AI が労働市場に与える影響」（2026年）：会話や API で人々が実際に Claude を使っている業務。
• Microsoft Research「Working with AI」（NeurIPS 2026）：Bing Copilot の会話20万件がどの業務活動を手伝い、どれだけ成功したか。

各研究を全職業の中でのパーセンタイル順位に変換し、データのある研究の平均をとって、その値でスコア範囲内の位置を決めます。同じ水準なら、平均が高いほどスコアも高くなります。

データが欠けている場合

職業リストには大分類や「その他」の区分も含まれ、研究が直接評価していないものがあります。そのうち129職業は、同じ標準職業分類（SOC）グループで最も近い職業のデータを使っています。各職業ページには、何件の研究が対象にしているかを表示しています。

軍事関連の職業は BLS の予測にも3つの研究のいずれにも含まれていないため、スコアを付けていません。各ページでは理由を説明し、代わりに米国防総省の公式データを掲載しています。

このスコアが示さないもの

• 仕事を失う確率ではありません。BLS も影響度は失業を意味しないと明言しており、影響度の高い職業の多くは今後も増える見込みです。
• 雇用予測ではありません。各職業ページの BLS 2025〜35年雇用見通しとあわせてご覧ください。
• 相対的な評価です。職業同士を比べたもので、絶対的な基準ではありません。
• 米国の職業分類と米国のデータのみを対象としています。
• AI は急速に変化しています。研究は2024〜2026年に発表されたもので、2023〜2025年の AI の能力と利用を反映しています。出典が更新されればスコアも更新します。

あなた個人のスコア

無料の診断は、あなたの職業のスコアから始まります。職業の O*NET 業務リストから実際にしている業務を選び、時間を最も使うものに印をつけます（2倍で計算）。OpenAI の業務ごとの評価で、選んだ業務の AI 影響度と職業の全業務の平均を比べ、差を80倍し、上下15点までに収めます。結果は40〜95の範囲です。年齢、働き方、勤務先の方針、あなた自身の AI 利用はスコアを変えません。当てはまる研究がある場合は、結果ページに出典つきで別に示します。

業務リストは米国労働省雇用訓練局（USDOL/ETA）の O*NET 30.0 にもとづき、CC BY 4.0 ライセンスで使用しています。業務の表現は短くしています。これらの変更は USDOL/ETA の承認・推奨・検証を受けたものではありません。

出典

1. U.S. Bureau of Labor Statistics, “Artificial Intelligence (AI) exposure categories,” Employment Projections, August 27, 2026.
2. Eloundou, T., Manning, S., Mishkin, P., & Rock, D., “GPTs are GPTs: Labor market impact potential of LLMs,” Science 384(6702), June 21, 2024.
3. Massenkoff, M., McCrory, P., et al., “Labor market impacts of AI: A new measure and early evidence,” Anthropic, March 5, 2026.
4. Tomlinson, K., Jaffe, S., Wang, W., Counts, S., & Suri, S., “Working with AI: Measuring the Applicability of Generative AI to Occupations,” NeurIPS 2026 (arXiv:2507.07935).

BLS の評価に含まれる残り2つの研究（Felten・Raj・Seamans、Eisfeldt ほか）は BLS の区分を通じて反映されており、個別には使っていません。

データのダウンロード：BLS AI 影響度区分（XLSX） · Microsoft Working with AI スコア

更新履歴

• 2026年11月5日：個人診断は、選んだ業務だけでスコアを調整する方式に変更しました（上下最大15点）。以前は業務の種類、勤務先の AI 利用、経験年数、会社規模に応じた固定の加減を使っていました。
• 2026年11月4日：リスク水準を BLS の公式評価にもとづくものに変更し、水準内の順位を OpenAI・Anthropic・Microsoft の3つの研究で決めるようにしました。以前のスコアは Andrej Karpathy 氏の「jobs」プロジェクトを含む4つの情報源を組み合わせていましたが、同プロジェクトは公開研究ではなく非公式な LLM 評価のため、使用をやめました。

スコアの運営者

AIProofMe は Funovate Technology LLC の AIProofMe チームが開発・運営しています。ご質問や訂正のご連絡は [email protected] まで。編集方針と特定商取引法に基づく表記もご覧ください。