Anthropic、observed exposureでAIの労働市場影響を測定　失業増はまだ限定的と報告

Anthropicは2026年3月5日、AIの労働市場への影響を測るための新しい経済研究を公開した。中心となる概念は observed exposure で、LLMが理論的にできる作業だけを見るのではなく、実際の Claude usage と work-related automation pattern を合わせて job exposure を測る方法だ。

この論文は、O*NET の task 定義、Anthropic Economic Index のデータ、既存の task-level exposure 研究を組み合わせて、「AIが実務のどこまで入り込んでいるか」を問う。Anthropicは、現在の利用範囲は theoretical capability よりかなり小さいと説明する。たとえば computer and math 系の職種は潜在的な exposure が高いが、実際の Claude usage に基づく coverage はその理論上の上限よりかなり低い。

• Anthropicは、observed exposure が高い職種ほど U.S. Bureau of Labor Statistics の 2034年までの成長見通しが弱いと述べている。
• 最も exposed な worker は、より高年齢で、女性比率が高く、学歴と賃金も高い傾向があるとしている。
• late 2022 以降、高exposure職種で失業が体系的に増えた証拠は見つからなかったとしている。
• 一方で、22-25歳の若年層の hiring は exposed な職種でやや鈍化している可能性があると示唆した。

Anthropicは、computer programmers、customer service representatives、data entry roles を最も exposed な仕事の例として挙げる。逆に、多くの physical または対面中心の職種は usage data 上ほぼ zero coverage に近い。この差は、model capability だけでは実際の経済効果を説明できず、workflow redesign、regulation、human verification といった要因が依然として大きな制約であることを示している。

この研究の価値は単一の headline number ではない。AI adoption が時間の経過とともに hiring、unemployment、job composition にどう反映されるかを継続的に追跡する枠組みを示した点にある。企業、policy maker、worker にとっては、AIがすでに全面的に仕事を置き換えているとか、逆にまったく影響がないといった大きな断定よりも、このような測定フレームの方が実用的だ。