AIは2030年に仕事の何割を担う？Anthropic社員75%・米就業者28%という予測の差

2030年にAIが自分の仕事をどこまで担えるようになるかについて、Anthropic(アンソロピック)社員と米国の就業者では、見込みに大きな差がありました。この調査では、社員は平均75%、米国の就業者は平均28%と答えています。

これはAnthropicが2026年10月16日に公開した「The AI expectations gap」の結果で、測っているのは将来のAIの能力に対する期待です。数字の意味と調査対象を押さえると、仕事がなくなるという不安から、自分の業務で何を確かめるかへ考えを進められます。

AIが2030年に担う仕事は？75%と28%の意味

AIが2030年に担えると予測されたのは、回答者が現在の仕事に使っている労働時間のうちの割合です。
各人が見込んだ割合を平均すると、Anthropic社員は75%、米国の就業者は28%でした。

割合は人数ではなく、自分の仕事時間

たとえば「自分の仕事のうち、AIが将来できる部分はどれくらいか」と考える設問であり、社員の75%が同じ意見だったという意味にはなりません。仕事時間についての予測なので、社員全体の人数や、将来なくなる職業の数とも分けて読む必要があります。

出典: Anthropic「The AI expectations gap」(英語)

調査対象と回答方法にも違いがある

この比較のもとになる調査は、米国成人10,980人とAnthropic社員1,334人を対象に行われました。ただし、米国側の仕事時間の集計は就業している回答者だけで、10,980人全員の回答平均ではありません。

比較項目	米国側	Anthropic側
仕事時間の集計	就業者のみ	社員
2026年の調査日	8月11〜23日	8月9〜12日
人口構成の調整	重み付けあり	重み付けなし
割合の回答形式	範囲を選択	スライダー

米国側は任意参加のオンライン調査で、年齢などの人口構成に合わせて重み付けされています。一方、社員側は社内調査であり、米国の一般的な働き手を代表する集団ではありません。

将来について尋ねる年も、米国側は2027年と2030年に半分ずつ分かれ、社員側は全員が2030年を尋ねられています。さらに、米国側の割合は選んだ範囲の中点を使って集計されており、回答方式まで完全に同じ比較ではない点も押さえたいところです。

出典: Anthropic「Appendix to The AI Expectations Gap」(英語)

AIと2030年の仕事予測はなぜ食い違うのか

AIと2030年の仕事に対する見方の差には、日々のAI利用や仕事内容の違いが関係すると研究は示唆しています。ただ、その背景が分かっても、どちらの予測が正しいかまで現時点で決まるわけではありません。

日々のAI利用と仕事内容が違う

AIを開発しながら業務でも使う社員と、さまざまな職種を含む米国の就業者では、触れている技術も作業も異なります。研究でも職種別に期待の差が見られるため、AIの最前線にいる会社の感覚を、そのまま全職種に広げない読み方が必要です。

とはいえ、AIを使う人ほど将来への期待が高いという関連を、使えば必ず同じ考えになるという因果関係に置き換えることはできません。経験の差を知ることと、将来の仕事の割合を確定することは別の判断になります。

できる能力と、会社が任せる範囲は別

AIが仕事をこなせるようになっても、企業が実際に使うまでには顧客との関係やデータの扱いといった条件が残ります。米国側の調査でも、顧客が人との対応を望むことや、プライバシー・セキュリティ、信頼性、法規制・責任が導入の障害として挙げられました。

このように能力の進化と、仕事での導入は別々に進むので、自社への影響を見る時は両方を確かめたいところです。作業を丸ごと任せる場面と、人間の支援に使う場面を分けると、導入後の役割も考えやすくなります。

AIの仕事予測を失業率に読み替えない

AIに任せられる仕事が増えるという予測だけでは、2030年の雇用がどれだけ減るかは分かりません。仕事の一部を自動化できても、企業が生産量を増やすか、別の業務へ人材を回すかで、その後の働き方は変わるためです。

自動化と人員削減は一対一で結び付かない

実際、研究では社員が仕事の自動化を強く見込む一方、同社の採用拡大も予想していました。ただし、この回答は社員個人の見込みであり、Anthropicの採用計画や、ほかの会社の雇用を保証するものではありません。

同時に公開された初級技術職の採用比率に関する社内の雇用研究も、同社で起きている変化を経済全体へそのまま広げることには慎重です。75%を人員削減率や日本の失業率として使わず、どこの誰について、何を測った数字なのかを見てください。

出典: Anthropic「How employment is changing at Anthropic」(英語)

予測と実際の利用を分けて読みたい場合は、AIと仕事に関する実利用データの研究も比較材料になります。意識調査と利用記録は測っているものが違うため、割合の大小だけで並べないことが大切です。

AIと2030年の仕事に備え、いま測ること

AIと2030年の仕事について考えるなら、将来の割合を自分に当てはめる前に、現在の仕事から試せる作業を一つ選ぶ方法があります。たとえば文章や資料を作る生成AIを使う場合でも、依頼の準備から確認・修正まで含めて比べるのが実務上の出発点です。

一つの作業で、確認・修正まで比べる

試す対象は「営業の仕事」のような職種全体ではなく、社内資料の要約やメール案の作成のように、成果を確かめられる単位に分けます。そのうえで、会社が許可したツールと入力できる情報を確かめ、顧客情報や機密資料を無断で渡してはいけません。

この比べ方では、生成が速かっただけで、仕事全体の時間が減ったと判断しないことが肝心です。原典の時間短縮に関する設問も、AIの回答を確認し、直す時間まで含めて尋ねています。

• 入力内容と使うツールが会社の許可範囲にあるか
• 準備・生成・確認・修正にかかった時間を記録したか
• 求める品質を満たし、人が確認すべき誤りを残していないか

こうした記録があれば、学ぶべきスキルも自分の仕事でつまずいた部分から考えられます。必要な知識を学び直すリスキリングは、将来の不安だけで範囲を広げず、AIを何から勉強するかの優先順位に沿って進めると、取り組む対象を絞れるでしょう。

チームで使う場合も、AIの仕組みや限界を理解して判断するAIリテラシーと、仕事で出た成果の記録を合わせて育てたいところです。利用回数の集計だけで終わらせない見方は、AI活用の成果を測る項目でも確かめられます。

よくある質問

将来の割合より、手元の仕事を一つ確かめる

2030年のAIと仕事の予測を読むとは、誰が、何を分母に、どんな条件で答えたかを確かめることです。75%と28%の差は、将来の労働時間に対する期待の差として受け止め、現在の削減実績や日本の雇用予測と混ぜないようにします。