データの整理と評価プロセス

556 職業をどう整え、AIOIS-10 標準でどう採点したか

最終更新 2026-06-02 ・採点 Claude Opus 4.8（2026-05-30）

本サイトの基礎データは、すべて公開されている公的情報です。AI 影響スコアのみが独自分析で、AIOIS-10 標準に基づいて算出しています。基準そのものの定義は AIOIS-10 標準、ここでは①データの整理と②評価の手順を説明します。

1.データソース

職業マスタ厚生労働省「職業情報提供サイト（job tag）」

著作権者独立行政法人労働政策研究・研修機構（JILPT）「職業情報データベース（IPD）」

バージョンv7.00（2026-03-17 公開・2026-05-03 公式 XLSX 取得）

職業数556 職業（就業者数・年収データつき、うち 4 職業は推定値）

労働統計年収・就業者数・労働時間・平均年齢・有効求人倍率（賃金構造基本統計調査／労働力調査／ハローワーク求人統計。jobtag 簡易版より集計）

AI 影響スコア本サイト独自分析（Claude Opus 4.8 採点、2026-05-30、AIOIS-10 v1.0）

利用条件job tag 利用規約第 9 条により、職業解説・数値情報の編集・加工・再集計等の二次利用が可能。本サイトは合法的な二次利用です。

2.データの整理

各職業は、職務記述（概要・仕事内容・就労条件）に加え、O*NET 型の数値ベクトルを持ちます。これらは「この仕事は何を要するか」を 0–5 の強度で表したものです。

skills（スキル） — 39 指標 0–5。読解・批判的思考・プログラミング・判断など。

knowledge（知識） — 33 指標。医学・法律・コンピュータ・デザイン等の領域知識。

abilities（能力） — 34 指標。手先の細かさ・指の器用さ・発想力など、体と頭の力。

work_characteristics（仕事の特性） — 39 指標。反復性・機械ペース・対面・裁量・結果責任・感染リスク等。

interests（興味 RIASEC） — 6 指標。現実的・研究的・芸術的・社会的・企業的・慣習的。

work_activities（仕事の活動） — 41 指標。情報処理・コンピュータ作業・記録・対人援助など。

work_values（仕事の価値観） — 11 指標。達成・自律・専門性・ワークライフバランス等。

さらに各職業を 16 の産業セクターに分類し、年収・有効求人倍率などの労働統計を id で突合しました。スコアの履歴は追記のみ（上書き・削除なし）のバッチファイルで保持し、最新の採点日のものを現在値として採用します。

3.評価プロセス（AIOIS-10 の適用）

ただの統計でも、ただの勘でもありません。目に見える性質は決まった式で、意味を読む必要がある項目は AI（言語モデル）で点を付ける合わせ技です。これは Eloundou ら（2023）が GPT-4 に「O*NET の作業を AI がどこまでできるか」を判定させた手法にならっています。

式で出す：D2〜D7

定型反復・身体現場・判断・対人・創造・資格の各次元を、関係する指標の重み付き平均で出す。各指標は全 556 職業で上下 5% を切って 0〜10 にそろえる。例：外科医の「身体・現場性」は手先の器用さ・対面の近さ・感染リスクから高く出る。

AI が判定：D1（AI 到達度）

「仕事を最後まで AI が担えるか」は指標の足し算では測れない（データ入力はスキルが低いのに AI 到達度は最大）。そこで Opus 4.8 が職務内容を読み、全 556 職業の D1 を判定。データが欠ける 40 職業は、人間の強み D1〜D7 も説明文から補う。

労働統計から出す：D8・D9・D10

D8 費用対効果＝「身体・現場性」の少なさ × 給料。D9 需給・制度＝有効求人倍率（人手不足ほど置きかえを抑える＝低い D9）。D10 雇用の将来性＝自動化圧力＋人手不足の組み合わせ。

2 つの指数を出す

変化の大きさ＝ D1 と D2 の平均。仕事が減るリスク＝ AI 到達度 ×（1 − 人間の強み/10）× 広がりやすさ。式は AIOIS-10 標準を参照。トップ指標「AI 影響」は変化の大きさ。

4.スコア帯の代表例

トップ指標「AI 影響（変化の大きさ）」0〜10 の各帯のイメージとして、代表的な職業を挙げます（2026 年・AIOIS-10 版）。

スコア	代表例	理由
1 前後	家政婦・バーテンダー	体を使う対人の仕事。AI では置きかえにくい
2 前後	学童保育指導員	子どもの世話・現場での対応が中心
3 前後	型枠大工・訪問介護	手作業や身体ケアが中心
4 前後	看護師・スーパー店長	処置や判断＋対人。AI 補助はできるが置きかえ不可
5 前後	建築設計技術者	AI が下書きを助けるが、判断は人
6 前後	プログラマー・人事事務	AI が作業の多くを担うが、確認と調整は人
7 前後	一般事務・公認会計士	PC で完結する仕事が多い
8 前後	コールセンター	台本どおりの応対は AI でほぼ完結
9 前後	データ入力	ほぼすべてが AI で片づく（最高は 9.2）

5.校正と検証

採点エンジンは、手でていねいに確かめた 15 の代表的な職業（データ入力・翻訳者・会計士・プログラマー・経営者・外科医・看護師・介護員・林業作業ほか）を手がかりに調整しました。最終的に、変化の大きさの平均のズレは 0.18、仕事が減るリスクは 0.51。つまりエンジンは、手で付けた点をほぼ再現できています。

結果の分布：556 職業の変化の大きさは平均 4.2。身体・現場の仕事が低く、頭脳・事務の仕事が中〜高、定型デジタル作業（データ入力・文字起こし・各種事務）が最上位。仕事が減るリスクは、日本の人手不足（高い有効求人倍率）に守られ、多くの仕事で低く出ます。

6.本手法の限界

AI の判断を含みます。D1 とデータが欠ける職業の人間の強みは Opus 4.8 一台の判定。別の AI・別の時点なら ±1〜2 ずれることがあります。
統計検証はしていません。人間専門家との一致率は未測定。「実証研究」ではなく「校正済みの見立て」です。
単一時点のスナップショット（2026-05-30、現行 AI フロンティア）。能力進化で賞味期限は約 1 年。
556 職業のみ。jobtag 未収録の新興職種（プロンプトエンジニア等）は対象外。
日本版です。D9 は日本の労働市場（有効求人倍率）前提。海外の同名職には当てはめないでください。
個別の業務差を反映できない。同じ「医師」でも科目で実態は大きく異なります。

7.使用上の注意

本スコアはキャリア選択の参考情報の一つです。次のような利用は推奨しません。

本スコアだけで採用・昇進を判断する
個別の事業所の AI 化進捗を予測する
政策決定の根拠とする
個人のスキル評価に転用する

本サイトは非公式です。厚労省・JILPT 等と提携・承認関係にありません。スコア・分類・可視化は独自の分析であり、公式見解ではありません。基準の定義は AIOIS-10 標準、出典・FAQ・用語はデータについてを参照してください。