業務でのChatGPT利用、43.5％が「専門外のタスク」―AIが仕事の専門分化を逆転させるか？
2026年7月28日 12:24
OpenAIが発表した最新の調査レポートによると、米国のビジネスユーザーによる職種特有のChatGPT利用の43.5％が、本来の職務とは異なる専門領域のタスクに関わっていた。この「タスク・クロスオーバー」と呼ばれる現象は、アダム・スミスの時代から続く労働の専門分化という歴史的な流れが逆転する可能性を示すものだ。ただし、専門職の雇用減少や生産性向上につながるかどうかは、今回の調査では明らかになっていない。
■労働分業の逆転を示す初の大規模データ
カスタマーサービス担当者が、かつてならアナリストに任せていた財務計算をChatGPTで行ったり、人事担当者が、従来ならIT部門に依頼していた技術システムのトラブルシューティングにChatGPTを利用したりする。一見すると単なる利便性の向上に思えるが、OpenAIが7月27日に発表した新たな経済調査は、これをより大きな現象、すなわち労働分業そのものが測定可能な規模で逆転しつつある兆候だと捉えている。
米国のビジネスユーザーによる80万件以上のChatGPTメッセージを基にしたOpenAIの調査では、職種特有のAIリクエストの43.5％が、従来は別の職種に属していたタスクに関わっていた。研究者らが「タスク・クロスオーバー（task crossover）」と呼ぶこの現象は、アダム・スミスのピン工場以来、仕事を組織してきた専門分化の流れが逆転し始めている可能性を示す、初の大規模な実証的証拠だという。
OpenAIのチーフエコノミストであるロニー・チャタジー氏は、レポート公開前のAxiosのインタビューで、「AIによって、職種間の境界はすでに柔軟になりつつある可能性が高い」と語った。
「Work at the Frontier: How AI is Expanding What People Do at Work」と題されたこのレポートは、政策立案者や雇用主に推測ではなく実証データを提供しようとOpenAIが進める継続的なシリーズの第1弾である。レポートの発表に合わせ、OpenAIは、独立した労働経済学者からプラットフォームデータを使った研究提案を募る「External Research Exchange」も開設した。
■ノイズからシグナルを分離する手法
この調査の方法論の核となるのは、単純に見えるものの、分析上重要な区別である。職場で交わされるすべてのChatGPTメッセージが、職業の変化について意味のある情報をもたらすわけではないという点だ。
研究チームはまず、メールの作成、文書の要約、タスクの日程調整など、職種を問わず従業員が行い得る「汎用的な」業務リクエストを除外した。こうしたリクエストは業務関連メッセージ全体の61.5％を占める。これらからは人々がAIを使用していることは分かるが、その使い方が職業上の役割について何を示しているかまでは分からない。この層を取り除くと、残る38.5％は、特定の専門領域に関連する知識やスキルと結び付いた「職種特有」のメッセージとなる。43.5％というクロスオーバー率が確認されたのは、このより限定された、情報量の多い部分である。
この分類には、職種を具体的な作業活動や詳細なタスク要件によって記述した米国労働省のデータベース「O*NET」が使われている。大規模言語モデル（LLM）ベースの分類器が各メッセージの記録を読み取り、AIがユーザーのために行っていた作業を要約して、O*NETの活動コードに対応付ける。その活動コードが、ユーザーについて推定された職種とは異なる職種に該当する場合、そのメッセージをタスク・クロスオーバーとして数える。
この手法により、雇用者数、賃金の変化、求人件数などを測定する従来の労働統計では把握できない情報が浮かび上がる。すなわち、労働者がその時々に実際に何をしているのか、そして、その活動が正式な職務と一致しているのかという情報である。
■最もタスクを借りる職種と、借りられる職種
Axiosによると、クロスオーバーは職種間で均等に生じているわけではない。カスタマーエクスペリエンス担当者の割合が最も高く、汎用的なリクエストを除くと、職種特有のプロンプトの77％が別の専門領域のタスクに関わっていた。デザイナーは75％、人事担当者は69％、法務担当者は56％、マーケティング担当者は53％と続く。営業および財務担当者は約40％で、エンジニアは調査対象の中で最も低い28％だった。
しかし、労働者が送るクロスオーバー型リクエストの割合は、全体像の半分にすぎない。もう半分は方向性、つまり、ある職種のタスクが他の労働者へ広がるのか、それとも、その職種の労働者が他職種のタスクを取り入れる一方で、自職種のタスクはほとんど他者に利用されないのかという点だ。
デザイン職は、研究者らが「内向き」と呼ぶパターンを示している。デザイナーは外部の分野から幅広くタスクを取り入れており、メッセージの約35％が他職種のタスクに関わっている。一方、デザインのタスクが他職種の労働者のメッセージに現れる割合はわずか1.7％だった。デザイナーは他職種のタスクを幅広く取り入れるが、デザインのタスクが他職種に取り入れられることは少ない。
エンジニアリング職は、これとほぼ逆の傾向を示す。エンジニアは主として自らの専門領域にとどまり、他職種の作業に関わるメッセージは18.5％にすぎない。一方、エンジニアリングのタスクは組織全体へ広く浸透し、他分野の労働者によるメッセージの7.4％に現れていた。
マーケティング職は異なる位置を占め、双方向で高いクロスオーバーを示している。マーケティング担当者は、メッセージの24.3％で複数の専門領域からタスクを取り入れている。また、マーケティングのタスクは他分野の労働者によるメッセージの8.9％に現れ、サンプル中で最も高い外向きの割合となった。
■小規模企業が先行指標となる理由
Axiosによると、企業規模も意味のある変数であることが分かった。一般的なChatGPTユーザーでは、他職種のタスクに関するリクエストの割合が、ChatGPTの利用枠が2～5席の企業における18.9％から、100席を超える組織では16.3％へ低下する。
差は小さいものの一貫しており、理由は直感的に理解できる。大企業では、マーケティングに関する疑問を持つ従業員はマーケティング部門に問い合わせられる。一方、5人規模の企業では、その従業員自身がその日のマーケティング担当を務めなければならない場合がある。
レポートは、「AIは、専門人材が不足している環境において、ゼネラリスト向けのツールとして特に役立つ可能性がある」と指摘している。この捉え方は、AIが必要に応じて利用できる専門家のように機能し、小規模企業の従業員が、本来なら新規採用や外部委託を必要とする専門知識の不足を補えるようになるという、新たな経済的力学を示唆する。
小規模企業のクロスオーバー率が大企業より実質的に高いのであれば、現在のデータではまだ答えられない次の疑問が生じる。小規模企業は、その結果として採用方針を変えているのだろうか。
■労働経済学者にとっての意味とデータの限界
著者らは、この調査では立証できないことを明示しており、こうした留保は重要である。データからは、AIが従業員にとって本当に新しい職種横断的な仕事を生み出しているのか、それとも、労働者がもともと担当していた仕事を、より優れたツールを使って行っているだけなのかは判断できない。
AIを利用した職種横断的な作業の品質が専門家の成果に匹敵するかどうかも測定していない。また、こうした傾向が生産性向上につながっているかどうかも追跡しておらず、その後の採用判断や賃金の変化との関連も立証していない。
これらは小さな欠落ではない。マーケティング担当者がウェブサイトを自力でデバッグできるようになったとすれば、これまで難しかった作業が可能になったことになる。しかし、その成果が開発者の仕事と同等なのか、そして最終的に開発者の採用減少につながるのかは、利用データだけでは答えられない別の問題である。
研究者らは、このデータが、従来の労働統計では後になって初めて確認される変化の先行指標として機能し得ると主張している。職務記述書、賃金調査、雇用者数はいずれも遅行指標であり、すでに組織構造に定着した変化を測定するものだ。これに対し、AIのチャットログは、労働者が新しいタスクの組み合わせをリアルタイムで試している様子を捉える。
43.5％というクロスオーバー率は、進行中の組織変化を示すシグナルであり、完了した組織変化を測った最終的な数値ではない。
より広範な独立研究の動向も、この発見を誇張せずに重要なものとして扱う姿勢を支持している。ピーターソン国際経済研究所は2026年初頭、AIと労働市場に関する研究は「まだ始まったばかり」で、方法論を巡る議論も解決していないと指摘した。
2026年6月のAnthropicのClaudeデータを使った別の調査では、調査対象となった9,700人の労働者の3分の1以上が、1年以内に自分の職務上の責任が大きく変わると予想していた。一方、自らの職を失うことを懸念していたのは約10％にとどまった。この結果は、少なくとも短期的には、雇用全体の大規模な消失よりも職務の再編が中心になる可能性を示唆する。
ゴールドマン・サックスが2026年4月に発表した調査では、AIによって米国の雇用が純額で月間約1万6,000人分失われており、代替はデータ入力、カスタマーサービス、法務支援に集中していると推定された。
このデータには、OpenAIの利害にかなう側面があることも認識しておく必要がある。OpenAIの研究部門には、自社プラットフォームの影響を好意的に位置付ける構造的なインセンティブがある。独立した経済学者からプラットフォームデータを使った研究提案を募る「External Research Exchange」は、この懸念への部分的な対応だが、今回の調査は依然としてOpenAI内部で作成されたものであり、まだ査読を受けていない。
■経済学の予測と歴史的文脈
今回の発見は、特定の学術的議論の中に位置付けられる。デヴィッド・オーター、フランク・レヴィ、リチャード・マーネーンが2003年に自動化を分析するためのタスクベースの枠組みを確立して以来、労働経済学者は、テクノロジーが仕事全体ではなく個々のタスクを代替すると捉えてきた。
ダロン・アセモグルとパスクアル・レストレポは、その枠組みをさらに発展させ、自動化がタスクを置き換える「代替効果」と、人間が比較優位を持つ新たなタスクが生まれる「復活効果」を区別した。
OpenAIが示した「タスク・クロスオーバー」は、タスクの再配分メカニズムが実際に働いていることを示す実証的な観察結果である。労働者は職務記述書が変わるのを待つのではなく、AIを使い、リアルタイムで自らのタスク構成を組み替えている。
タスクベースの枠組みから次に問われるのは、このタスク範囲の拡大が本当に新しい仕事、すなわち復活効果を表しているのか、それとも、最終的に人員削減につながり得るタスクの代替なのかという点だ。現在のデータでは、この2つを区別できない。
歴史的背景を踏まえると、この区別の重要性がより明確になる。アダム・スミスが『国富論』で専門分化を産業の生産性を高める原動力と位置付けて以来、仕事は総じて、より深い専門分化へと向かってきた。つまり、労働者が担当する仕事の範囲を狭め、その仕事をより熟練して行う方向である。
これまでの主要な技術革新は、専門知識が報われる大規模生産を可能にすることで、全体としてこの傾向を強めてきた。AIがその方向を逆転させ、個々の労働者が低コストで隣接分野の専門知識を利用できるようにし、組織原理としての専門分化の価値を低下させるのであれば、企業の設計方法や労働者のスキル投資のあり方に構造的な変化をもたらすことになる。
43.5％というクロスオーバー率は、その逆転を証明するものではない。専門分化を逆転させるメカニズムが存在し、大規模に働いていることを示す証拠である。それが最終的に経済全体の専門分化を浅くするのか、それとも新たな形で専門性が深まることによって相殺されるのかは、このデータによって結論が出た問題ではなく、新たに提起された研究課題である。
■雇用主と労働者への実践的な影響
雇用主にとっての実践的な示唆は明確だ。固定的なタスクリストを前提に作られた職務記述書は、従業員が実際に行っている仕事から、すでに乖離している可能性がある。
職種特有のAI利用の半数近くが職域を越えているのであれば、多くの人事システムや採用判断の基礎となるタスク一覧は、AIを利用する職場で仕事が実際にどのように構成されているかを十分に捉えていない可能性がある。
労働者にとって、このデータは、AIの利用によって職務上実行できる範囲が測定可能な形で広がっていることを示唆する。その拡大が報酬、肩書、昇進に反映されるかどうかは今回の調査では扱われていない。しかし、キャリア形成について上司と話し合う労働者にとっては、このデータを基に問いかけるべき問題である。
AIが労働に及ぼす影響を追跡する政策立案者や労働経済学者にとって、「Work at the Frontier」シリーズは新しい種類の証拠を提供する。政府が雇用を測定するために使う公式統計へ変化が波及する前に、タスク単位で起きている変化を捉える、プラットフォーム上の行動データである。
クロスオーバーの傾向が続き、さらに強まれば、最終的には賃金調査、求人データ、職業別雇用統計にも表れるだろう。ただし、その段階では、現在進行中の傾向ではなく、すでに確認された傾向として現れることになる。OpenAIのデータは、従来の測定では得られない先行的な情報を提供している。
■注目ポイントQ&A
●「タスク・クロスオーバー」とは具体的に何を意味し、なぜ重要なのでしょうか？
タスク・クロスオーバーとは、ある職種の労働者がAIを使い、従来は別の職種に属していたタスクを行うことです。財務アナリストがChatGPTを使ってマーケティング向けの文章を書いたり、法務担当者が財務計算を行ったりするケースが例として挙げられます。
職種特有のAI利用の43.5％を占めていることから、AIによって労働者が職域を越え、実質的に扱えるスキルやタスクの範囲を広げている可能性が示されています。これは将来的に、企業が職務記述書を作成し、チームを編成し、採用判断を行う方法を変える可能性があります。調査結果は、2026年7月27日に公開されたOpenAIのレポート「Work at the Frontier」で詳しく説明されています。
●AIによるタスク・クロスオーバーの影響を最も受けているのはどの職種ですか？
カスタマーエクスペリエンス担当者が最も高く、職種特有のAIプロンプトの77％が別の職種のタスクに関わっています。次いでデザイナーが75％、人事担当者が69％、法務担当者が56％、マーケティング担当者が53％です。
Axiosによると、エンジニアは28％と最も低い割合を示しています。その一方で、エンジニアリングのタスクは他職種へ広く浸透しており、エンジニア以外の労働者によるメッセージの7.4％に現れています。
●これはAIが専門職を奪っているということですか？
今回の調査は、それを立証するものではありません。労働者がAIを使って専門職に隣接する仕事を行っていることは確認していますが、その成果が専門家の品質に匹敵するか、採用判断を変えているか、企業が専門職の人員を削減しているかは判断できません。
ダラス連邦準備銀行の独立した調査では、コンピューターシステム設計などAIの影響を受けやすい分野で、雇用がわずかに減少する一方、賃金は全国平均の7.5％に対して16.7％上昇し、維持または増加したことが示されています。少なくとも現在のデータは、専門職全体の大規模な代替よりも、タスクの再編が進んでいる可能性を示しています。
●AIは、仕事の専門分化を深めるという歴史的な傾向を逆転させているのでしょうか？
これはOpenAIのデータが提起しているものの、まだ答えを出していない、より大きな構造的問題です。アダム・スミスが専門分化を産業の生産性を高める原動力と位置付けて以来、主要な技術革新は全体として専門分化を深めてきました。
タスク・クロスオーバーという発見は、AIがその傾向を逆転させるメカニズムを生み出している可能性を示す証拠です。労働者が低コストで隣接分野の専門知識を利用できるようになり、組織における専門分化の価値を低下させる可能性があります。
ただし、これが最終的に経済全体の専門分化を浅くするのか、それとも新たな形で専門性が深まることによって相殺されるのかは分かっていません。このデータは、その問いに結論を出すものではなく、新たな研究課題として提示するものです。
元記事: ChatGPT Scrambles Specialization: Nearly Half of Job-Specific AI Use Crosses Role Lines