厚生労働省の一次資料で見るAIの雇用影響｜日本の職種別の現在地

「AIで仕事がなくなる」という話は、予測と実測が混ざったまま語られがちです。この記事では公的統計と一次調査だけを使い、AIの雇用への影響が職種ごとにどう違うのかを整理します。煽らずに、いま確認できることだけを書きます。

先に結論を書きます。世界規模の予測では、World Economic Forum「Future of Jobs Report 2025」が2030年までに1億7,000万人分の仕事が生まれ9,200万人分が失われ、差し引き7,800万人の純増になると見込んでいます。一方で実測データは、職種を問わない全体的な雇用減ではなく、定型的な情報処理を担う職種と若年層の入口という限られた場所に変化が集中していることを示しています。

そして日本については、総務省「令和8年版 情報通信白書」も労働政策研究・研修機構（JILPT）の調査も、生成AIの利用が急拡大していることは示していますが、それによって雇用が減ったという数値は示していません。ここを混同しないことが、自社の判断を誤らないための第一歩です。

「なくなる」予測は誰が何と言っているのかを分けて読む

予測を読むときは、必ず「誰が・いつ・どういう手法で」出した数字かをセットで見る必要があります。同じ「AIと雇用」でも、企業への意識調査と、実際の給与データの分析では、意味がまったく違うからです。

World Economic Forum の Future of Jobs Report 2025（2025年1月公表）は、55か国・22業種の1,000社超の雇用主への調査です。ここでは40%の雇用主が「AIで自動化できる領域では人員を減らす見込み」と回答し、同時に85%が従業員のリスキリングを優先すると回答しています。2030年までに労働市場の22%が入れ替わり、必要とされるコアスキルの39%が変化するという見通しも示されています。これは雇用主が現時点でどう考えているかという意向調査であって、実績ではありません。

国際労働機関（ILO）とポーランドのNASKによるWorking Paper No.140（2025年5月）は、職業ごとの「生成AIへのエクスポージャー（さらされ度合い）」を推計したものです。世界の労働者のおよそ4人に1人が何らかのエクスポージャーのある職業に就いており、最も高い層に分類された13職業の多くが事務職でした。データ入力、会計・簿記事務、一般事務などが該当します。ただしILO自身が強調しているとおり、エクスポージャーが高いことは「仕事が消える」ことではなく「仕事の中身が変わる可能性が高い」ことを意味します。

ILOはあわせて、高所得国では最も高いリスク層に分類される仕事が女性雇用の9.6%を占め、男性の3.5%を大きく上回ると報告しています。秘書、受付、給与計算事務など、定型的で手順化しやすい業務に女性の就業が集中していることが理由として挙げられています。予測の議論が過熱しがちな一方で、こうした分布の偏りのほうが実務上は重要です。なお、AI関連の投資や期待がどこまで持続するかについては、AIバブル崩壊はいつ来るのかという議論の整理でも別途扱っています。

実測データで見えていること：全体の雇用減ではなく「入口の細り」

予測ではなく実際の雇用データを見ると、まったく違う絵が出てきます。ここで重要なのは、観測されているのが「相関」であって「AIが原因だと証明されたもの」ではない、という区別です。

スタンフォード大学 Digital Economy Lab の Brynjolfsson らによる研究「Canaries in the Coal Mine?」は、給与計算サービスADPの管理データ（2022年11月〜2026年6月）を使って米国の雇用を追跡しています。2026年8月の更新では、22〜25歳の若年労働者について、AIエクスポージャーの高い職種の雇用が、低い職種と同じペースで伸びていた場合と比べて19%低い水準にあると報告されました。2025年7月時点の15%から差が広がっています。

ただし著者らは同時に、「経済全体での広範な雇用喪失は観測されていない」と明記しています。調整は解雇ではなく主に採用の抑制を通じて起きていること、AIが人の作業を代替する職種で減少が集中する一方、AIが人を補完する職種では雇用が横ばいか増加していることも示されています。さらに著者らは、これらは記述的なパターンであって因果推定ではないこと、学歴を考慮すると差が縮むこと、生成AIが普及する前から一部の差が見えていたことも自ら注記しています。この慎重さごと引用するのが誠実な読み方だと考えます。

米国労働統計局（BLS）の2024〜2034年の雇用予測も、職種による差をはっきり示しています。全職業平均が10年で3.1%増と見込まれる中、カスタマーサービス担当は5%減、コンピュータプログラマーは6%減と予測されています。一方でソフトウェア開発者は15.8%増（26万7,000人超の増加）、コンピュータ・数学系の職業群全体では10.1%増と、平均の3倍以上の伸びが見込まれています。同じ「IT系」でも方向が逆になる点は見落とされがちです。

職種別に見る影響の出方

ここまでの一次データを職種ごとに並べ直します。表の「現時点で言えること」は、断定ではなく、公開データから読み取れる範囲にとどめています。

事務職：消えるのではなく、担当範囲が組み替わる

事務職はどの一次調査でもエクスポージャーが最も高く出ます。ただしそれは「手順が明文化されている作業が多い」ことの裏返しであって、雇用が減ったという観測結果とは別物です。実務では、入力・転記・要約といった工程からAIが入り、確認と例外処理が人の担当として残る形が多く見られます。

カスタマーサポート：一次対応と難対応の分離が進む

米BLSはカスタマーサービス担当について、AIの業務への組み込みが広がることを理由に2024〜34年で5%減と予測しています。これは米国の予測であり、日本にそのまま当てはまるわけではありません。人手不足が構造的な日本では、同じ技術が「減らす」ではなく「回らない窓口を回す」方向に働く可能性もあります。

プログラマー：同じ分野の中で方向が分かれている

米BLSの予測では、コンピュータプログラマーが6%減、ソフトウェア開発者が15.8%増と、隣接する職種で正反対の見通しが出ています。BLSは前者について、繰り返しの多いプログラミング作業の自動化を理由に挙げています。職種名ではなく、日々の業務のうち何割が定型作業かで見るほうが実態に合います。

ライター・デザイナー：利用実態は見えるが雇用データが足りない

Microsoft Research が Bing Copilot の20万件の会話を分析した研究では、AIの適用可能性が高いのは情報の作成・処理・伝達を含む職種で、コンピュータ・数学系、事務・管理サポート、販売などが上位に来ています。ただしこれは「AIが使われている量」の指標であり、雇用の増減を測ったものではありません。ライターやデザイナーの雇用について、日本の公的統計で独立した数値は確認できませんでした。データがない以上、この記事では断定しません。

厚生労働省はAIと雇用について何と言っているか（一次資料で確認）

「厚生労働省 AI 雇用」「厚生労働省 AI 自動化 影響」で調べると、省が「AIで仕事が減る」と警告している資料を期待しがちですが、公開されている一次資料を読むと論調はむしろ逆です。ここは検索して探しても資料が散らばっていて突き合わせにくい部分なので、根拠にあたれる形で並べます。

労働経済の分析（労働経済白書）：AIは「減らす脅威」ではなく「足りない投資」として扱われている

厚生労働省の年次分析である令和7年版「労働経済の分析」（令和7年9月30日閣議配布）は、副題が「労働力供給制約の下での持続的な経済成長に向けて」です。人口減少で労働力の供給に制約がかかる、という前提から出発しています。

第Ⅱ部第1章のポイントとして白書が挙げているのは、「ＡＩ等ソフトウェア投資などによる業務の効率化や省力化の推進、事務的な業務の軽減が重要」という一文です。AIを雇用を奪う要因としてではなく、労働生産性を上げるために推し進めるべき手段として位置づけています。

同章は日本の課題を、AI投資が過剰なことではなく足りないことに置いています。概要版では、人的資本投資やソフトウェア投資といった無形資産の名目労働生産性への寄与度が日本では低い水準にとどまり、無形資産投資の対名目GDP比も米国・英国・ドイツと比べて小さく上昇率も弱いこと、とりわけ非製造業におけるAI投資の中核であるソフトウェア投資の伸びが米英独と比べて低迷していることが指摘されています。医療・福祉業、卸売・小売業、宿泊・飲食業の実質労働生産性の上昇率が低水準であることも併記され、これらの産業でこそ効率化・省力化が要る、という順序で書かれています。

つまり厚生労働省の文書上、事務的な業務の軽減は推奨されている政策方向です。ここを押さえておくと、海外の「AIが事務職を減らす」という予測記事と、日本の政策文書のトーンがなぜ食い違って見えるのかが整理できます。

求人側の実測：全体では求人が細る動きは出ていない

厚生労働省が毎月公表している一般職業紹介状況（職業安定業務統計）は、AIの影響を語るときに最初に見るべき実測値です。最新の令和8年7月分（令和8年8月28日公表）では、有効求人倍率（季節調整値）が1.18倍で前月と同水準、新規求人倍率が2.10倍で0.06ポイント低下、正社員有効求人倍率は1.00倍で前月と同水準でした。前月（令和8年6月分）は有効求人倍率1.18倍・新規求人倍率2.16倍で、水準としてはほぼ横ばいが続いています。

AIによって雇用が広く失われているなら、まず求人の総量に出るはずですが、2026年7月時点の日本の求人統計にその動きは出ていません。ただしこれは職業計の数字であり、この1本の数字で職種別の増減を語ることはできません。職種ごとの話をしたい場合は、次のjob tagで職業単位のデータにあたるのが正しい手順です。

job tag（職業情報提供サイト）：自分の職業を工程に分けて確かめる

厚生労働省の職業情報提供サイト「job tag」（日本版O-NET）は、約500の職業について、仕事の内容・具体的なタスク・求められるスキルや知識・有効求人倍率や求人賃金といったデータを職業単位で公開しています。米国のO*NETを日本向けに整備したもので、海外のAIエクスポージャー研究の多くがO*NETの職業タスク定義を土台にしていることを踏まえると、同じ土俵で自分の職業を点検できる数少ない公的ツールです。

使い方は難しくありません。自分（あるいは自社の対象職種）のページを開き、掲載されているタスク一覧を見て、そのうち「手順を文章で書き出せるもの」が何割あるかを数えるだけです。予測記事を10本読むより、この作業を1回やるほうが自社の判断材料になります。割合が高い職種ほど、雇用が消えるという意味ではなく、担当範囲の組み替えが早く来ると読むのが実態に合います。

JILPT調査：厚生労働省の要請で行われた国内の実態調査

本記事の後半で扱うJILPTの調査シリーズNo.256は、厚生労働省の要請で実施された調査です。厚生労働省名義でAIと雇用を正面から扱った統計はまだ厚くなく、2026年9月11日時点で参照できる公的な系統は、実質的にこの「労働経済の分析」「一般職業紹介状況」「job tag」「JILPT調査」の4つに整理できます。これ以外の「厚労省が◯％と発表」という数字を見かけたら、出典が本当に厚生労働省なのかを確かめることをおすすめします。

日本と海外で結論がずれて見える理由

海外の予測が「削減」の文脈で語られるのに対し、日本の政策文書が「推進」の文脈で語るのは、出発点が違うからです。日本は労働力の供給制約が先にあり、同じ技術が「人を減らす道具」ではなく「回らない仕事を回す道具」として期待されています。本記事で紹介する米BLSの職種別予測やスタンフォードの若年層データを日本に当てはめるときは、この前提の差を必ず割り引いて読む必要があります。

日本の現在地：利用は急拡大、雇用の話はまだ数字になっていない

日本の一次データを見ると、まず利用の広がりが際立ちます。総務省「令和8年版 情報通信白書」によると、何らかの生成AIサービスを使ったことがある個人の割合は2025年度調査で58.8%となり、前年度の26.7%から大きく上昇しました。企業側も、何らかの業務で生成AIを利用していると回答した割合が日本で86.4%（前年度55.2%）に達しています。

用途は明確に偏っています。同白書の業務類型別の調査では、日本企業で最も活用が多いのは「議事録・メール作成補助」で約7割、次いで「営業・販売」が約6割、「社内ヘルプデスク」が約5割でした。導入効果を実感していると答えた割合も「議事録・メール作成補助」が約7割で突出しています。つまり現状の主戦場は、職種の置き換えではなく職種横断の書類作業です。

働く人の意識も冷静です。同白書の2025年度個人向け調査では、「自分の仕事がAIに代替され、職を失う」に「そう思う」「どちらかといえばそう思う」と答えた割合の合計は40.0%（12.1%＋27.9%）で、「単純・非効率的な仕事を生成AIに任せる」の64.1%や「AI導入を前提とした新たなスキルを身につけなければならない」の63.7%より低い水準でした。白書は、この傾向が他の3か国でも同様だったと記しています。

JILPTが厚生労働省の要請で実施した調査シリーズNo.256（2025年5月公表、雇用者2.2万人対象、実査は2024年5〜6月）では、勤務先でAIを使用しているとの回答が12.9%、自身がAIを利用しているが8.4%、生成AIの利用が6.4%でした。実査時点が古い点は割り引く必要がありますが、この調査では月間総残業時間について「減少した」が「増加した」を上回り、年次有給休暇取得日数や賃金も「増加した」が上回っています。今後10年以内にAIの進展を見込む割合は全労働者で55.6%、AI利用者では92.5%でした。

日本銀行の日銀レビュー「AI導入が生産性に与える影響：概念整理と国際比較」（2025年9月）も、マクロ経済への定量的なインパクトはAIが影響するタスクの範囲と普及速度に大きく依存し、現時点では不確実性が高いという立場をとっています。公的機関がそろって断定を避けている段階で、民間の記事だけが断定するのは筋が通りません。

相関と因果を分けて考える

この分野で最も多い誤読は、「AI導入が進んだ時期に、ある職種の採用が減った」という観測を「AIが雇用を減らした」と読み替えてしまうことです。同じ時期には金利、景気、業界固有の事情など、雇用を動かす要因が複数同時に存在します。

スタンフォードの研究チーム自身、若年層の雇用ギャップについて記述的なパターンであって因果推定ではないと繰り返し注記しています。Anthropic が公開している Economic Index の2026年6月レポートでも、報告されているのは実際の雇用統計ではなく利用者の認識です。今後1年で職を失う可能性が「高い・非常に高い」と答えたのは回答者の10%で、そのうち38%がAIを理由に挙げた、という構造になっています。認識と実績は別のものとして扱う必要があります。

報道ベースで「AI導入により何百人を削減」と伝えられる事例もありますが、その多くは企業の説明をそのまま伝えたもので、第三者が検証した因果関係ではありません。自社の判断材料にするときは、そこも割り引いて見ることをおすすめします。

なお本記事は「AIで減る職種・変わる職種」を扱っています。逆にAIで求人が増えている職種と、その公的統計上の裏づけは別記事で整理していますので、採用や転職の判断材料にはそちらもあわせてご覧ください。

中小企業が今から準備できること

ここまでのデータから、自社に引き寄せて考えられることを整理します。職種を丸ごと見るのではなく、その職種の業務のうち手順が明文化できる部分がどれくらいあるかを棚卸しするのが出発点です。ILOのエクスポージャー指標も、BLSの予測理由も、結局は定型度合いを見ています。

次に、日本企業でいま効果が出ているのが議事録やメールの作成補助であることを踏まえると、最初の一歩は職種の再編ではなく、職種横断の書類作業から始めるのが現実的です。総務省の調査で効果実感が最も高かった領域であり、失敗しても損失が小さい範囲でもあります。導入したのに使われないという状態を避けるには、AIを入れたのに成果が出ないときに起きていることを先に確認しておくと回り道が減ります。

三つ目に、若年層の採用が細るという海外の観測は、裏を返せば入口の育成をどう設計するかという課題です。AIが担う工程が増えるほど、新人が経験を積む機会をどこに残すかを意図的に決める必要があります。研修の組み立て方は生成AI研修のカリキュラム設計やAI研修会社の比較で具体的に整理しています。業務の一部を任せる仕組みづくりについては中小企業がAIエージェントを始めるときの手順もあわせてご覧ください。

Mihataでは、こうした棚卸しと小さく始める設計のお手伝いをしています。派手な成果をお約束するものではなく、貴社の業務のどこから触るかを一緒に決めるところからの支援です。

まとめ：断定できないことを断定しないまま、準備する

現時点の一次データが示しているのは、「AIが雇用を全面的に減らしている」でも「何も起きていない」でもありません。定型度の高い職種と若年層の入口という限られた場所に変化の兆しが観測され、その因果は研究者自身がまだ断定していない、という状態です。

だからこそ、職種名で不安になるより、自社の業務を工程に分けて見るほうが役に立ちます。データが足りない部分は足りないと認めたうえで、明文化できる作業から手をつける。それが、公的統計から読み取れる最も無難で、最も確実な準備の仕方だと考えています。

自社の職種や業務をどう整理すればよいか迷われている場合は、現状を伺うところからご相談いただけます。無理に導入をおすすめすることはありません。