「AIで47%の仕事が消える」の正体｜2013年論文を2026年の一次データで再検証する
「47%の仕事がAIに奪われる」の出典は2013年オックスフォード論文。OECD・McKinsey・経産省の一次データで13年分の修正を追跡し、今信じるべき数字を整理。
※ この記事にはアフィリエイト広告が含まれます。詳細は広告ポリシーをご確認ください。
「47%の仕事がAIに奪われる」——あの数字の出典を追ったことはあるか
「AIで47%の仕事がなくなる」。
この数字、どこかで見た覚えがあると思う。テレビの特集、転職サイトのコラム、YouTubeのサムネイル。何度も繰り返し引用されるから、いつの間にか「定説」のように感じている人は多い。
でも、この数字の出典を最後まで追ったことがある人は、どれくらいいるだろう。
出典は2013年、オックスフォード大学のCarl Benedikt FreyとMichael A. Osborneが発表した論文「The Future of Employment: How Susceptible Are Jobs to Computerisation?」だ。（出典: Oxford Martin School）
13年前の論文である。スマートフォンでいえばiPhone 5sの時代。ChatGPTはおろか、AlphaGoすら存在しなかった。
この論文が今でも日本のAI記事の「根拠」として使い回されている。競合記事を調べてみると、「AIで仕事がなくなる」系の日本語記事の大半が、この2013年の数字を——しかも文脈を省略して——引用していた。一次データを自分で調べた記事は驚くほど少ない。
この記事では、47%の出典を追跡し、その後13年間でどう修正されてきたかを一次データで検証する。読み終えたとき、「この数字はこういう意味だったのか」「今の自分が見るべきデータはこっちだ」と判断できるようになっているはずだ。
1. 2013年オックスフォード論文——何を、どう分析したのか
まず、Frey & Osborne（2013）が実際に何をしたのかを正確に押さえておきたい。
この論文はアメリカ労働省のO*NETデータベースに登録された702の職業を対象に、機械学習の専門家にヒアリングを行い、各職業が「コンピュータ化される確率」を推定した。その結果、アメリカの雇用の47%が「高リスク」（10〜20年以内に自動化される確率70%以上）に分類された。（出典: Frey & Osborne, 2013）
ここで重要なのは3つの前提条件だ。
前提1: 対象はアメリカの雇用構造。日本の産業構造・労働法制・雇用慣行はアメリカと大きく異なる。日本の終身雇用的慣行や解雇規制の強さを考慮せず、47%をそのまま日本に当てはめることはできない。
前提2: 「職業単位」の分析。経理という職業を丸ごと「自動化されるか否か」で判定した。経理の中にある仕訳入力・予算策定・経営判断支援といった個別タスクの違いは考慮されていない。実際に経理をタスク単位で分解した分析は「経理の仕事はAIでなくなる？」で詳しく見られる。
前提3: 2013年時点の技術水準に基づく予測。生成AIは想定されていなかった。逆に言えば、当時「低リスク」とされた創作・翻訳・プログラミングの一部は、2026年現在のLLMで大きく変化している。
つまり、「47%」は**「2013年のアメリカで、職業を丸ごと判定した場合の数字」**であり、「日本の仕事の47%が消える」という意味ではない。
2. 47%はどう修正されてきたか——13年間の追跡
2013年論文の発表後、国際機関や研究者が相次いで「タスク単位」の再分析を行った。その修正の履歴を時系列で追う。
2016年: OECDが「9%」に下方修正
2016年、OECDのArntz, Gregory, Zierahnが同じテーマで論文を発表した。Frey & Osborneとの最大の違いは、分析単位を**「職業」から「タスク」に変えた**ことだ。
同じ「経理」でも、仕訳入力は自動化されやすいが、顧客との折衝や例外処理は残る。タスク単位で見ると、職業を丸ごと失う人は少なく、業務の一部が変わる人が多い——こうした分析の結果、OECD平均で自動化の「高リスク」にある雇用は**9%**に下がった。（出典: OECD Social, Employment and Migration Working Papers, No. 189）
47%から9%。同じ現象を見ているのに、分析の粒度を変えただけで数字が5分の1になった。
2019年: OECDが「14%」に再推計
2019年、OECDのNedelkoska & Quintiniがさらに精緻な分析を行い、OECD平均で14%が高リスク、32%が大幅な変化を経験すると推計した。（出典: OECD Social, Employment and Migration Working Papers, No. 202）
9%よりは高いが、47%には遠い。そして32%の「大幅な変化」は、「仕事がなくなる」のではなく「仕事の中身が変わる」ことを意味している。
2023年: McKinseyが「タスク時間の30%」と推計
2023年、McKinsey Global Instituteは生成AIの影響を加味した分析を行い、現在の業務時間の約30%が2030年までに自動化される可能性があるとした。ただし「自動化される時間≠消える雇用」であり、多くの場合は業務の再構成が起きるとしている。（出典: McKinsey Global Institute “The economic potential of generative AI”, 2023）
2025年: WEFが「純増7,800万」と予測
世界経済フォーラム（WEF）の「Future of Jobs Report 2025」は、2030年までに9,200万の雇用が失われる一方で、1億7,000万の新しい雇用が生まれ、差し引き7,800万の純増になると予測した。（出典: WEF Future of Jobs Report 2025）
WEFの予測を詳しく読み解いた記事は「WEF『9,200万の仕事が消え、1.7億の新しい仕事が生まれる』を職種別に読み解く」にまとめている。
2026年: 経産省が日本固有のタスク単位推計を公表
2026年3月、経済産業省が「2040年就業構造推計（改訂版）」を発表した。事務職440万人余剰、AI・ロボット人材340万人不足という数字は、日本固有の産業構造に基づく推計だ。（出典: 日本経済新聞, 2026年3月）
この推計の意味は「経産省『2040年推計改訂』の全貌」で詳しく分析している。ポイントは「440万人が職を失う」ではなく「440万人分の業務が再配置を必要とする」ことだ。
13年間を通して見えるのは、一貫した方向性だ。「消えるのは”仕事”ではなく”タスク”」。そして、なくなるタスクの分だけ、新しいタスクが生まれている。
3. なぜ日本の記事は13年前の論文を引用し続けるのか
ここからは、メディア側の構造的な問題に踏み込む。
「47%」がいまだに引用される理由は、少なくとも3つある。
理由1: インパクトのある数字は拡散されやすい。「47%がなくなる」と「9%が高リスク」では、見出しとしてのインパクトが違う。PVを稼ぎたいメディアが前者を選ぶのは構造的な問題だ。
理由2: 一次データへのアクセスが面倒。OECDやMcKinseyの報告書は英語であり、200ページ超の原文を読み込む手間がかかる。結果として、2013年論文の「47%」という覚えやすい数字だけが孫引きされ続ける。
理由3: 「タスク単位の分析」は記事にしにくい。「経理の仕訳入力の65%は自動化されるが、予算策定は10%、経営判断支援は5%」という説明は正確だが、「経理はAIに奪われるか？ YES/NO」という見出しにはならない。
つまり、あなたが読んでいる「AIで仕事がなくなる」系の記事の多くは、正確さよりもわかりやすさを優先した結果、13年前の数字を文脈抜きで引用している可能性が高い。
「『AIで仕事がなくなる』は嘘？2026年データで検証する本当のところ」でも触れたが、煽りと事実の間にはかなりの距離がある。大切なのは、出典まで遡って自分で判断する姿勢だ。
4. 2026年に信じるべき一次データと、今週できること
では、2026年の今、何を根拠に判断すればいいのか。以下の5つの一次データソースは、いずれも原文が公開されており、自分で確認できる。
| データソース | 発行 | 主な知見 | 特徴 |
|---|---|---|---|
| WEF Future of Jobs Report 2025 | 2025年1月 | 純増7,800万雇用 | 国際比較・企業調査ベース |
| 経産省2040年就業構造推計 | 2026年3月 | 事務職440万人余剰・AI人材340万人不足 | 日本特化 |
| OECD Employment Outlook | 毎年更新 | タスク単位の自動化リスク分析 | 国際標準の方法論 |
| BCG AI at Work 2025 | 2025年 | 日本のAI業務活用率16% | 行動面の実態把握 |
| PwC Hopes and Fears 2025 | 2025年 | 日本の従業員の将来楽観度19%（調査国中最低） | 感情面の実態把握 |
これらのデータを自分の職種に当てはめてみると、「47%」という漠然とした数字よりもはるかに具体的な判断ができる。
今週できること——3つのステップ
ステップ1: 自分の職種のタスクを書き出す（30分）
日々の業務を10個のタスクに分解し、「AIで自動化されそうか」「人間が残るべきか」を自分で仕分けしてみる。「AI不安の正体と解消法」で紹介したタスク分解法が参考になる。
ステップ2: 「残るタスク」のスキルを1つ伸ばし始める（1時間）
分解した結果、「残る」側に入ったタスクのスキルを強化する。AIを「使う側」のスキルを身につければ、自動化されるタスクを減らせるだけでなく、生産性が上がる。
体系的に学びたい場合、SHIFT AIはビジネス職向けのAI活用カリキュラムが充実しており、プロンプト設計からAIワークフロー構築まで実務直結のスキルを学べる。Aidemy PremiumはPython×AIを3ヶ月で学べるコースがあり、データ分析やAIアプリ開発を目指す人に向いている。
いずれも経産省のリスキリング補助金（受講費最大75%助成）の対象講座を用意しており、たとえば30万円の講座なら自己負担は約7.5万円に抑えられる。キカガクも第四次産業革命スキル習得講座に認定されており、補助金申請のサポートが手厚い。詳しくは「リスキリング補助金ガイド2026」を参照してほしい。
ステップ3: 市場での自分の現在地を確認する（1時間）
転職するかどうかは別として、自分のスキルがAI時代の市場でどう評価されるかを知っておくと、判断の精度が上がる。GeeklyはIT・AI領域の求人に特化しており、「AIを使える人材」のポジションがどれだけ増えているかが具体的にわかる。
リスキリングの全体像は「AI時代のリスキリング完全ガイド2026」にまとめている。
まとめ——数字の出典を追える人は、振り回されない
「47%の仕事がAIに奪われる」という数字は、2013年にアメリカの702職業を「職業単位」で分析した結果だ。その後、タスク単位の分析が主流になり、高リスクは9〜14%に下がった。2026年の各種データも、「仕事がなくなる」のではなく「仕事の中身が変わる」という方向で一致している。
13年前の数字に振り回される必要はない。今の一次データに当たれば、「自分の場合はこうだ」と具体的に判断できる。日本のAI業務活用率は16%。ほとんどの人はまだ動いていない。一次データに基づいて動き始めるだけで、84%の人より先に立てる。
企業がAIを理由にどのような人員整理を行っているかの実態は「AIリストラ2026年の実態」で、AIに奪われにくい仕事の共通点は「AIに奪われない仕事の特徴」で解説している。
出典を追えること。それ自体が、AI時代に「振り回されない力」の第一歩になる。
{
"images": [
{
"position": "Part 2の後",
"description": "「47%」の修正タイムライン図。2013年オックスフォード論文（47%）→ 2016年OECD（9%）→ 2019年OECD（14%）→ 2023年McKinsey（30%のタスク）→ 2025年WEF（純増7,800万）→ 2026年経産省（タスク単位推計）と、数字が「職業単位→タスク単位」に変遷した経緯を時系列で表示",
"alt": "AI 47%の仕事がなくなる — 13年間の修正タイムライン"
},
{
"position": "Part 3の後",
"description": "「職業単位」vs「タスク単位」の分析手法の違いを図解。左に「経理＝100%消える（職業単位）」、右に「経理の仕訳入力65%はAI化／予算策定10%は人間／経営判断支援5%は人間（タスク単位）」を並べ、同じ職業でも見え方がまったく違うことを示す",
"alt": "職業単位とタスク単位の分析手法比較 経理の例"
},
{
"position": "Part 4の後",
"description": "2026年に信頼できる一次データソース5つを星形チャートで配置。中央に読者、周囲にWEF・経産省・OECD・McKinsey・BCGの5つのデータソースを配置し、それぞれの特徴（国際比較/日本特化/タスク分析等）をラベル表示",
"alt": "2026年に信頼できるAI雇用データソース5選"
}
]
}