AIは仕事を奪うのか　Googleの1,500万件調査では完全自動化10%未満

AIは仕事を奪うのか。Googleが約1,500万件の対話を分析した新しい調査は、この不安に対して「雇用が何％なくなるかは測っていない」という大切な前提を示しています。

見出しに出てくる「完全自動化10％未満」は、働く人や職種の割合ではありません。非定型の認知業務に関するAI対話のうち、主要タスクを最初から最後まで実行させる意図に分類された割合です。数字の意味を正しく読み、自社では何をAIに任せ、どこを人が判断するかまで具体化します。

AIは仕事を奪うのか　Google調査は雇用を測っていない

最初に結論を言えば、GoogleのATLAS初版だけから「AIで雇用の10％が消える」とも「仕事の90％は安全」とも言えません。この調査が観察したのは、AIとの対話がどのような活動や職業タスクに使われたかです。

雇用者数、採用数、解雇数、賃金、生産性は直接測っていません。したがって、経営者がこの数字をそのまま人員削減の根拠へ置き換えるのは早計です。
調査が測った単位と、自社で決めたい問いの単位をそろえる必要があります。

自社への示唆は「人が不要になるか」を先に決めることではなく、業務をタスクへ分け、AIの出力を誰が確認するかを決めることです。大きな雇用論を、管理できる仕事の設計へ戻すと判断しやすくなります。

Google調査の1,500万件と10％未満は何を数えたか

Googleは2026年7月23日、AI利用を日常活動や職業タスクへ対応づけるATLAS初版を公表しました。分析対象は、2026年4月6日から19日までにGemini App、Google AI Mode、Gemini APIで交わされた1,465万3,926件の集計・匿名化された対話です。

公式ブログでは、この正確な件数を約1,500万件と丸めており、対象は150を超える国、140言語、800職種、4,000タスクへ広がります。
1,500万人を追跡した雇用調査ではありません。

出典: Google Blog「Understanding the AI economy through a new large-scale study」(英語)

もう1つの要点が「完全自動化」の定義です。Googleは、主要タスクまたは重要な部分をAIに最初から最後まで実行させようとする意図を、タスク全体の自動化として分類しています。実際に正しく完了した割合でも、職務そのものが消えた割合でもありません。

AIと仕事を巡るGoogle調査で分かった利用範囲

ATLAS初版では、800職種のうち68％で、少なくとも1つのタスクにAI利用が観測されました。この職種群は米国雇用の88％超に相当しますが、68％の職種が自動化されたという意味ではありません。

Google調査の数字	分かったこと	分からないこと
職種の68％	1つ以上のタスクで利用を観測	職種が消える割合
職種中央値21％	職種内で利用が見られたタスク範囲	人員の削減率
職種の3％	75％超のタスクで利用を観測	仕事全体の完了率
10％未満	非定型認知業務の対話における全体自動化意図	雇用の消失率

職種ごとの中央値では、AI利用が観測されたのはタスクの21％で、75％を超えるタスクで利用が観測された職種は3％にとどまります。
広い職種に少しずつ浸透している一方、職種全体を覆う使われ方は限られているという分布です。

非定型の認知業務に関するAI対話では、タスク全体の自動化意図は10％未満であり、多かったのは着想、戦略、情報検索、学習など、人が考える過程を支える使い方です。
「AIが一部を手伝う」と「AIだけで仕事が完了する」を分けて読むことが欠かせません。

出典: Google「ATLAS初版報告書」(英語PDF)

10％未満を人員削減の根拠にできない理由

第一の理由は、ATLASが利用行動の観察研究であり、雇用や生産性の因果効果を測っていないことで、対話でAIへタスク全体を頼んでも、出力が使えなければ再作業が増えます。
依頼の意図だけでは、品質、時間短縮、業績への効果は決まりません。

第二の理由は、対象サービスの範囲です。Google Workspace、AI Overviews、Google Translate、企業向けGeminiなどは含まれません。
企業内のAI利用全体を代表する調査ではないため、自社環境にそのまま当てはめないでください。

第三の理由は、タスクと職務の間に調整があることで、顧客への説明、例外判断、関係者の合意、責任の引き受けなどは、1つのタスクが処理できても残ります。
Googleの報告書も、タスク自動化と仕事全体の自動化は同じではないと説明しています。

• 単位: 対話、タスク、職種、雇用のどれを数えたか
• 期間: 一時点の観察か、継続的な追跡か
• 対象: 個人向け、企業向け、特定製品のどこまで含むか
• 成果: 利用意図か、完了率か、生産性か、雇用変化か

AIエージェントを使う場合も、利用回数だけでなくログ、承認、停止、復旧を確認します。AIエージェント導入前チェックリストを使うと、調査の数字と自社の安全条件を混同せずに済みます。

日本企業では完全自動化より仕事の補完と再編が先に起きる

日本の職場で起きている変化を見るには、労働政策研究・研修機構(JILPT)が2026年3月に公表したケーススタディが参考になります。資料は、実在する情報通信業J社と製造業K社を匿名で扱い、生成AI導入前後の変化を聞き取っています。

事例	確認された業務変化	雇用・賃金の確認範囲
情報通信業J社	補完、範囲拡大、新規タスク、部分自動化	影響は確認されず
製造業K社	補完、業務再編、新規タスク	同資料では確認していない

J社では雇用・賃金への影響が確認されませんでした。ただし、これは日本企業全体で影響がないという結論ではなく、調査した1社で確認されなかったという範囲です。
K社は当該項目を確認しておらず、2社まとめて「影響なし」とは書けません。

出典: 労働政策研究・研修機構「職場における生成AIの活用による従業員への影響」(資料シリーズNo.299)

同じJILPTが企業と労働者の双方へ行った調査では、企業側が労働生産性の向上や単調業務からの解放へ期待する一方、従業員側には仕事を失う不安も見られました。導入効果と雇用不安は同時に存在し得るため、削減人数から話を始めず、対象業務、人の役割、学習支援を先に示す必要があります。

出典: 労働政策研究・研修機構「働く意識の変化や新たなテクノロジーに応じた労働の質の向上に向けた人材戦略に関する調査」(調査シリーズNo.261)

国の方針と中小企業の人手不足をつなげて考える場合は、第2期AI基本計画で中小企業に起きる変化も参考になります。大きな雇用論より、現場のどの作業を補完し、どの判断を人に残すかが先です。

AIで仕事を自動化する前に3区分で棚卸しする

自社でAI活用を進めるときは、職種名で「残る」「なくなる」を決めず、タスク単位で3区分へ分けると現実的です。区分の基準は、完了条件、誤りの影響、例外の多さ、元に戻せるかで決めます。

AIに任せる候補

入力形式がそろい、正解条件を検査でき、失敗時に前の状態へ戻せる作業は自動化候補です。定型レポートの下書き、文書の分類、形式変換などが考えられますが、自社データで合格条件を満たすかは別に確認します。

AI実行後に人が承認する業務

顧客向け文案、契約情報の抽出、採用候補の整理など、誤りの影響が大きい業務は承認を残します。AIに一次案を作らせても、契約、採否、決済、対外公表の決定まで渡さない設計です。

人が担う判断と関係者調整

顧客の感情を受け止める、部門間で責任を調整する、例外へ説明責任を負うといった仕事は、人が中心になります。AIは情報整理や選択肢の比較を支えられますが、最終判断をした理由を説明する役割は残ります。

判定条件	区分	最初の確認
正解を検査でき、戻せる	AIに任せる候補	例外率と再作業
誤りの影響が大きい	人が承認	承認者と停止条件
判断・交渉・責任が中心	人が担う	AIを補助に限定

部署ごとに誤りの影響は違うため、AIツールの利用許可を部署別に分ける基準も併用してください。個人情報や社内資料を扱う場合は、生成AIへ社内データを渡す前の保全ルールを先に整えます。

小さな検証を3段階で進める

最初から全社の雇用計画を変えるのではなく、代表業務を1つ選びます。現在の時間、手戻り、品質を先に測り、同じ条件でAI利用後と比べると、期待ではなく実績で判断できます。

1. 棚卸し: 入力、出力、完了条件、例外、承認者を書き出す
2. 限定試験: 実データの複製を使い、外部送信や更新権限を絞って試す
3. 比較: 時間だけでなく、修正、再作業、見落とし、確認工数を比べる

利用回数が増えても、手戻りまで増えれば成果とは言えません。評価項目はAI導入KPIを成果物から決める方法を参考に、速度、品質、再作業、人の確認時間を分けて記録します。

検証後の判断は全面自動化だけではなく、下書きだけ任せる、対象部署を限定する、人の承認を増やす、採用を見送るという選択もあります。
目的はAIを使うことではなく、業務の品質と持続性を上げることです。

AIと仕事に関するよくある質問

人を減らす前に業務設計を変える

Googleの約1,500万件調査が示したのは、AIが広い職種の一部タスクへ入りつつも、非定型の認知業務では協働的な使い方が中心だという現在地です。自社で最初に決めるのは削減人数ではなく、任せるタスク、承認者、例外時の戻し方です。

これはGoogleの調査を読むだけで終わる話ではありません。業務棚卸し、利用するデータ、AIの処理範囲、人の確認、効果測定を自社用につなぎ直して初めて実装になります。内製と外部支援の分担は、AI導入を自社でやるか外注するかの判断基準も参考にしてください。

運営会社ノーサイドでは、GoogleのATLAS事例を御社の業務へ置き換え、3区分の棚卸しから確認工程、既存システムとの接続まで、御社向けの実装も可能です。どの業務から試し、何を人に残すべきか整理したい場合は、AI経営手帖の相談フォームからご相談ください。