Felten、Raj、SeamansによるAI職業曝露指数（AIOE）は、AIの応用分野の進展を職業の能力要件に結び付けて曝露度を測る手法で、Strategic Management Journal（2021年）に掲載されました。職業別の曝露を産業別・地域別にも展開できるデータセットとして公開されており、その後の多くの曝露研究の土台になっています。生成AI時代の指数を読む前に、その原点の作り方を確認しておく意味があります。

測り方の核は「職種名」ではなく「能力」

AIOEは、画像認識や言語処理といったAIの応用分野の進展度を、職業に必要な能力と結び付けて算出されます。専門家の主観的な「影響を受けそう」という判断ではなく、能力という共通言語を介して機械的に結ぶ点が手法の核です。自社で簡易版を作る場合も、職種名ではなく「その職種が使う能力」の一覧から始めることが、再現性のある分析につながります。担当者が変わっても同じ手順で再計算できるかどうかが、社内分析の信頼性を分けます。

職業別から産業別・地域別へ広げる使い方

著者らは職業別のAIOEを、産業別のAIIE、地域別のAIGEへと展開する方法も示しています。これは、自社の拠点や事業の構成と曝露の分布を重ねて見る分析が可能だということです。採用市場や拠点戦略と結び付けて読むことで、曝露分析は人事の守りの道具から、配置と育成の攻めの道具になります。公開データセットは無償で入手できるため、自社の職種構成に当てはめる試算から始めることも可能です。データセットが職業別から産業別・地域別へ展開できる形で公開されていること自体が、利用者側の分析の自由度を高めています。職種単位の数字を眺めて終わるのではなく、自社の拠点構成や事業構成と重ねて初めて、配置と育成の議論に使える形になります。その後の多くの曝露研究の土台になったのも、こうした展開のしやすさと、能力という共通言語で測る再現性のある作り方があってのことです。

判断のポイント：曝露と実際の影響を混同しない

  • AIOEが測るのは「AIの進展と重なる能力を持つ度合い」であり、賃金や雇用の実際の変化ではない
  • 著者らの検証でも、曝露と雇用変化の関係は単純ではなかった
  • 生成AI以前のAIを対象とした指標であるため、時点と対象範囲の確認が前提になる
  • 自社分析では公開指標は出発点にとどめ、最終判断は自社のタスク実態で行う

この指数の読み替えで得られるのは、後の生成AI曝露研究と比較する際の基準点です。測定の前提が異なる指数同士を並べる際は、対象とするAIの範囲と時点を必ず確認する——その習慣を持ち帰ることが、この原点論文のいちばん実務的な使い方だと言えます。

あわせて読みたい

「レポート紹介：AIの影響を「曝露」と「実績」で分けて読むために」 https://axdx.aohalab.ai/#/article/70

「論文紹介：「GPTs are GPTs」が測った仕事への影響範囲」 https://axdx.aohalab.ai/#/article/67

出典：Felten, Raj & Seamans「Occupational, Industry, and Geographic Exposure to Artificial Intelligence」Strategic Management Journal（2021年） https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3822412

本記事で紹介した内容は2026年11月時点の公表情報に基づきます。最新の内容は出典の一次情報をご確認ください。