生成AIが今後1年で与える影響を考えるうえで、職業の「消滅」だけに注目するのは適切ではない。先行して変わりうるのは、業務の内製化、外注の発注量、若手の採用、そして仕事の単価である。
本稿では、2026年9月から2027年9月ごろまでを対象に、影響が強まると考えられる7つの業務領域を整理する。
中心となる見通しは、職業の全面代替ではなく、定型的なデジタル業務における受注機会と価格形成の変化である。 ただし、影響の大きさや順序は業種・企業によって異なる。以下の将来像は調査・研究を踏まえた本稿の分析であり、各研究が日本の1年後を直接予測したものではない。
職業全体の代替と、業務単位の自動化の区別
一つの職業には、情報収集、定型処理、専門判断、対人調整、実行後の対応など、複数の業務が含まれる。ある業務をAIで処理できても、その職業全体が不要になるとは限らない。
本稿では、入力と成果物がデジタルで完結すること、作業が反復的であること、成果を比較的低い費用で検証できること、システム接続や承認手続きが複雑でないことを、短期的な代替を考える判断軸とする。
逆に、例外処理が多い、検証に専門家の長時間の作業が必要になる、現場での実行や交渉まで求められる場合には、AIの生成能力が向上しても業務全体の置き換えは進みにくいと考える。
ここでいう「AIへの曝露」とは、職務がAIの影響を受ける可能性や程度を指す。支援や補完としての利用も含むため、失業率や人員削減率への読み替えはできない。
調査・研究から確認できる変化
中小企業の人員需要と外注への依存
OECDが2025年11月に公表した、日本を含む7か国・5,000社超の中小企業調査は、2024年に実施された。生成AIを利用する企業では、必要人員に変化がないとの回答が83％、外部業者への依存が減ったとの回答が14％だった。〔1〕
これは、社内の必要人数と社外への発注が、異なる動きを取りうることを示す材料である。必要人員が変わらないからといって、受託事業者への影響がないとは言えない。一方、この調査から今後の外注減少率を推計することもできない。
米国の若手雇用に表れた相対的な差
スタンフォード大学の2026年8月12日の研究更新では、AIへの曝露が高い職種の22〜25歳の雇用は、低曝露の同年代と同じペースで推移した場合より、2026年6月時点で約19％低かった。調整は主に採用減であり、経済全体の広範な雇用喪失は確認されていない。研究者はAIとの因果関係を確定できないと明記している。〔2〕
「若者の19％がAIに解雇された」という意味ではない。 日本の若手雇用が同じ割合で減るとする根拠でもない。雇用への影響を検証する際に、離職だけでなく採用にも注目する必要があるという論点として扱うべきである。
2027年までに影響が強まると考えられる7領域
下表は本稿による定性的な予測であり、失業確率のランキングではない。主に受注量、単価、配置の変化を比較している。
| 業務領域 | 影響を受けやすい工程 | 想定される変化 | 全面代替を制約する要素 |
|---|---|---|---|
| 文章・翻訳・文字起こし | 一般情報の初稿、定型翻訳、音声の文字化 | 内製化、単純案件の減少 | 独自取材、専門検証、表現責任 |
| デザイン・動画制作 | 量産素材、サイズ展開、字幕、定型カット | 作業単価と必要工数への圧力 | 企画、演出、品質・権利確認 |
| 顧客対応 | FAQ、受付、手続き案内 | AI受付と人の例外対応の分業 | 苦情、交渉、本人確認、救済判断 |
| 事務・バックオフィス | 転記、照合、定型集計 | 補助業務の再配置、欠員補充の見直し | 権限、システム接続、例外処理 |
| Web制作・小規模開発 | 定型ページ、明確な仕様の実装 | 内製化、実装工程の価格競争 | 要件定義、安全性、運用責任 |
| 調査・資料作成 | 公開情報の収集、比較、提案資料の初稿 | 調査下請けと資料制作の見直し | 課題設定、独自情報、実行支援 |
| 検索依存型メディア | 一般情報のまとめ、定型的な比較解説 | 制作費だけでなく流入構造の変化 | 独自調査、指名で読む理由、直接接点 |
1．量産型ライティング、一般翻訳、文字起こし
独自取材を伴わない記事、商品説明、定型文の翻訳などでは、発注者がAIで下書きを作り、確認工程だけを人に依頼する形を試しやすいと考えられる。
2025年公表のフリーランス市場研究では、ChatGPT登場後8か月に、文章・コード関連の自動化されやすい案件の募集が比較対象より21％減少した。他方、残った案件はより複雑で高報酬だった。特定プラットフォームの結果であり、職種全体の失業率ではない。〔3〕
本稿の見通しは、書き手の一律の不要化ではなく、一般的な初稿制作と、取材・検証・編集まで含む仕事の分化である。制作時間が短くなることだけを根拠に、専門業務まで同じ比率で値下がりすると判断することはできない。
2．定型デザインと動画制作の一部工程
バナーの量産、サイズ展開、字幕付与など、加工内容を定義しやすい工程には内製化の圧力がかかると予測する。先の研究は画像生成AIの登場後、画像制作関連の募集が17％減ったとも報告している。ただし、動画編集市場全体への直接の証拠ではない。〔3〕
受託側の論点は、加工の工数だけを売るのか、視聴者や顧客の目的を踏まえた企画・演出まで提供するのかである。工程の省力化は、映像全体の品質保証や表現上の判断を不要にするものではない。
3．問い合わせ窓口とコールセンターの一次対応
回答範囲を限定できるFAQ、受付、手続き案内は、AIと人の分業が進む候補である。
Anthropicの2026年3月の研究では、理論上の能力とClaudeの実利用を組み合わせた指標で、プログラマー、顧客サービス、データ入力などの曝露が高かった。同研究では、高曝露群に明確な失業率の相対的上昇は確認されていない。〔4〕
今後1年の見通しとしては、完全な無人化より、定型的な受付をAIが担い、判断の難しい案件を人へ移す構成が中心と考える。受託企業は、人数と稼働時間を中心とした契約から、応答品質や解決まで含む契約へ移れるかが課題になる。
4．データ入力、経理補助、営業事務
帳票の読み取り、転記、照合、定型集計は、工程をつなげられれば省力化の対象になりうる。データ入力は前述の実利用研究でも曝露の高い職種に挙がっている。〔4〕
ただし、文章や数値を生成することと、業務システムに正しい権限で記録し、例外を処理することは別である。実際の置き換え速度は、接続先、確認工程、運用責任の設計に左右されると考える。
予想されるのは、経理や事務の全面廃止ではなく、一部業務の集約、担当の変更、欠員補充の見直しである。
5．小規模なWeb制作と仕様の明確な開発
定型ページや小さな社内ツールなど、成果を限定しやすい案件では、AIを使った内製化と受託制作が競合すると考えられる。
一方、コードが生成できることと、必要な機能を定義し、安全に運用できる状態にすることは同じではない。要件整理、テスト、保守を含む仕事を、コードの出力量だけで評価するべきではない。
また、費用が下がれば、従来は採算が合わなかった開発の需要が生まれる可能性もある。開発工程の省力化から、業界全体の雇用減少を一方向に導くことはできない。
6．公開情報の調査と資料作成
競合の公開情報を集める、比較表を作る、提案資料の初稿を整えるといった仕事では、発注者の内製化が進むと予測する。
この場合、高価格のサービスであっても、納品物の中心が一般に入手できる情報の整理なら、価格を説明し直す必要が生じる。高単価であること自体は、代替されにくさを保証しない。
ただし、顧客の問題を定義し、非公開の事情を理解し、利害を調整して実行まで支える仕事は別である。資料の作成と問題の解決を分けて評価する必要がある。
7．検索流入に依存するまとめメディア
この領域では、制作費の低下だけでなく、読者が訪問するまでの経路が変わる可能性がある。
Pew Research Centerの米国の2025年3月の検索行動分析では、通常の検索結果がクリックされた割合は、AI要約があるページで8％、ないページで15％だった。観察された差であり、検索内容などの違いもあるため、差の全体をAI要約の因果的効果とは断定できない。〔5〕
それでも、読者が検索画面で用事を済ませる場合、制作効率だけを改善しても収益は保証されない。本稿では、一般情報の量産だけでなく、独自取材、継続調査、指名で読む理由、読者との直接の接点を整える必要があると考える。
日本企業での導入を左右する実装と検証の費用
帝国データバンクの2026年3月調査では、生成AIを業務で活用している企業は34.5％だった。主な用途は文章作成・要約・校正や情報収集で、正確性、専門人材・ノウハウ不足などが課題として挙がっている。活用率は業務全体の自動化率ではない。〔6〕
この状況を踏まえると、日本の今後1年を「一斉の全面自動化」と捉えるより、条件の整った業務からの部分導入と見る方が妥当である。
経済性を検証する際には、AIが出力するまでの時間だけでなく、入力準備、検証、修正、システム接続、例外処理、運用管理まで含める必要がある。これは本稿の評価方法の提案である。
たとえば下書きが短時間でできても、誤りの探索や訂正に同程度の手間がかかれば、削減できる総工数は小さい。利用料金が低いことと、業務全体の費用が低いことも同義ではない。
したがって、外注削減、採用抑制、配置転換、人員削減が、すべての企業で同じ順番に起こるとは予測できない。省けた時間を新しい需要に振り向け、人員を維持・増加させる可能性も検討する必要がある。
若手採用と人材育成の再設計
本稿が重視するのは、初心者が経験を積む工程が減る可能性である。資料収集や初稿作成が減るとき、単純に採用を絞ればよいのか、それとも別の育成経路を設けるべきなのか。
企業が将来も専門判断を担う人材を必要とするなら、AIが代わった作業とは別に、学習機会を設計する必要があると考える。
具体的には、AIの出力を根拠資料と照合する、誤りを分類する、顧客の事情を聞く、修正理由を説明する、経験者と例外案件に対応するといった工程を、育成対象として明確にする方法が考えられる。
効率化による利益を享受する企業が、育成費用だけを働き手や教育機関に押しつけることは望ましくない。採用、研修、業務配置を一体として見直すことが必要である。
企業と働き手に必要な対応
工程ごとの価値と責任の把握
職業名だけで安全性を判断せず、情報収集、制作、検証、説明、実行の工程に分け、どの部分が対価と結びついているかを整理する。
受託側は、作業時間の長さだけでなく、確認範囲、納品後の対応、顧客の目的への貢献を説明できる契約や提案を検討するべきである。
小規模な試行と総工数の測定
機密情報を使わず、社内規程に沿って試せる業務を一つ選ぶ。AI利用の有無を、所要時間だけでなく、修正回数、誤り、確認負担まで含めて比較する。
数値が改善しない場合には、その工程での導入を見送る判断も必要である。導入自体を成果にしないことが重要になる。
効率化で生まれた時間の配分
余力を一律に人員削減へ回すのではなく、顧客理解、専門性の蓄積、品質改善、新規サービス、育成へ配分する選択肢がある。
AIの利用技術を学ぶことは対応の一部だが、それだけで受注や雇用が保証されるわけではない。顧客との接点、独自情報、検証能力、実行後の責任まで含めて事業を設計する必要がある。
よくある質問
2027年までに、これらの職業はなくなるのか
職業全体の消滅を予測するだけの根拠はない。本稿が扱うのは、定型業務の比重、発注量、単価、採用の変化である。職種名が残ったまま仕事の構成が変わる可能性を考えるべきである。
AIへの曝露が高いほど、同じ割合で人員が減るのか
そのようには解釈できない。曝露は業務への影響や利用可能性を測る指標で、雇用削減率ではない。支援としての活用、残る業務の重要性、新しい需要などによって結果は異なる。〔4〕
米国の若手雇用の約19％差を、日本の予測に使えるのか
使えない。対象国、雇用慣行、比較対象、分析期間が異なり、研究自体も因果関係を確定していない。採用の変化を検証する際の論点として参照する資料である。〔2〕
AIの使い方を覚えれば、仕事は安泰なのか
安泰とは言えない。作業を速める能力に加えて、何を作るか、どこまで検証するか、相手の目的にどう応えるかを説明できることが重要だと本稿は考える。
結論――問われるのは、従来の仕事の売り方
今後1年に警戒すべきなのは、「AIが職業名を消す」という変化だけではない。従来は外に出していた仕事を内製化する、新人向けの募集を減らす、同じ納品物の価格を見直すといった変化である。
ただし、業務の省力化は、雇用削減と同じ意味ではない。需要の拡大、配置転換、人材育成に向けられる余地もある。
重要なのは、何が自動化できるかを測ることと、その利益・負担を誰に配分するかを、分けて考えることである。
企業にとっては、作業量を売るモデルから、品質、課題解決、責任を説明できるモデルへ移れるか。働き手にとっては、経験を生かしつつ、変わる工程に対応できるか。そして社会にとっては、減少する仕事への移行支援と、次の担い手の育成を用意できるか。
生成AIによる雇用再編は、技術の能力だけでなく、こうした選択によっても方向が変わる。
※情報確認日：2026年9月8日。見通しの対象期間は2026年9月〜2027年9月ごろ。将来の予測、職種別の評価、対応策は本稿の分析・提案である。引用した研究・調査の数値を、日本の将来の失業率や人員削減率として扱うことはできない。
執筆・検証：カネさん（政経プラスチャンネル運営）＋ ChatGPT（GPT-6）
出典・参考資料
〔1〕OECD「Generative AI and the SME Workforce: New Survey Evidence」。2025年11月5日公表、調査は2024年。概要および労働需要に関する章を参照。
https://www.oecd.org/en/publications/generative-ai-and-the-sme-workforce_2d08b99d-en.html
https://www.oecd.org/en/publications/generative-ai-and-the-sme-workforce_2d08b99d-en/full-report/component-5.html
〔2〕Stanford Digital Economy Lab「No Widespread Displacement, but the AI Employment Gap for Young Workers Has Widened to 19%」。2026年8月12日、2026年6月までのデータ。米国ADP給与データによる研究更新の解説。
https://digitaleconomy.stanford.edu/news/canariesaug26/
〔3〕Demirci, Hannane and Zhu「Who Is AI Replacing? The Impact of Generative AI on Online Freelancing Platforms」。Management Science、2025年1月24日オンライン公表。出版社の論文要旨を参照。
https://pubsonline.informs.org/doi/abs/10.1287/mnsc.2024.05420
〔4〕Anthropic「Labor market impacts of AI: A new measure and early evidence」。2026年3月5日。理論上の能力とClaudeの実利用を組み合わせた曝露指標。特定サービスの利用データを含む点に留意。
https://www.anthropic.com/research/labor-market-impacts
〔5〕Pew Research Center「Google users are less likely to click on links when an AI summary appears in the results」。2025年7月22日、米国の2025年3月の検索行動。因果効果を確定する実験ではない。
https://www.pewresearch.org/short-reads/2025/07/22/google-users-are-less-likely-to-click-on-links-when-an-ai-summary-appears-in-the-results/
〔6〕帝国データバンク「生成AIに関する企業の動向調査（2026年3月）」。2026年5月14日公表。業務での利用状況の調査であり、全面自動化率を示すものではない。
https://www.tdb.co.jp/report/economic/20260514-genai/
