AIOIS-10 標準

AI が仕事に与える影響を 10 次元で測る、公開リファレンス基準（v1.0）

最終更新 2026-06-02 ・ AIOIS-10 v1.0（日本版）

「AI の影響」は 1 つの数字では表せません。仕事のやり方がどれだけ変わるかと、仕事そのものがなくなるかは、しばしば逆を向きます（経営者は AI に大きく変えられても、職を失う可能性は低い）。AIOIS-10 は影響のもとになる性質を 10 の独立した次元で測り、別々の問いに別々の答えを返します。

EMFO — 4 つの段階で考える

AI の影響は 4 段階を通って「働く場」への結果になります。各段階が前の段階をしぼり込むため、技術的に「AI にできる」だけでは影響を過大評価します。人間の強みと摩擦こそが、単なる「AI 到達度」と AIOIS-10 を分けます。

① 到達

Exposure

AI はどこまで届くか（D1・D2）

② 人間の強み

Human Moat

AI に届いても人が残る部分（D3〜D7）

③ 摩擦

Friction

置きかえを妨げる壁（D7〜D9）

④ 結果

Outcome

最終的な仕事の増減（D10）

各次元は 0.0〜10.0 で「その性質がどれだけ強いか」を点にします（「影響」そのものではありません）。記号が性質の向きを表します。

▲ 影響を強める — 高いほど影響大 ■ 人間の強み — 高いほど人が有利・影響小 ◐ 調整 — 置きかえが本当に進むかを左右

10 の次元

D1 頭脳・情報労働Cognitive Exposure ① 到達▲

文章・情報・分析・プログラムなど、現在の生成 AI が単独でほぼ完結できる仕事の割合。データ入力・機械翻訳・定型的な文章作成ほど高い。

D2 定型反復Routine ① 到達▲

ルールが定まり、繰り返しが多く、結果が予測できる度合い。従来型の自動化やソフトウェアでも置きかえやすい。

D3 身体・現場性Physical / On-site ② 人間の強み■

身体動作・手先の器用さ・移動・現場での目視や手作業がどれだけ要るか。ロボットでしか置きかえられず、ソフトウェアより遅く高コスト。

D4 判断と責任Judgment & Accountability ② 人間の強み■

正解のない局面での重い判断と、特定の人間が負うべき法的・倫理的な責任。

D5 対人・情動Interpersonal ② 人間の強み■

対面のやりとり・共感・信頼構築・ケア・説得・交渉。人と人の関係そのものが価値になる度合い。

D6 創造性Creativity ② 人間の強み■

既存の組み合わせ（生成 AI が得意）ではなく、真に新しいアイデア・作品・解を生み出す度合い。

D7 資格・安全の壁Regulatory Moat ③ 摩擦■

免許・専門職規制が人間を要求する、あるいは失敗が人命に関わるため人間の立ち会いが要る度合い（◐ 調整と ■ 強みの両面）。

D8 自動化の費用対効果Cost-Parity ③ 摩擦▲

自動化コスト（設備・導入）が、置きかえる人件費より安いか。安いほど置きかえが進む（▲ 影響と ◐ 調整の両面）。

D9 需給・制度Friction (local) ③ 摩擦◐

技術的に置きかえ可能でも、実際に置きかわるかを左右する地域要因。導入力・雇用慣行・人手の過不足。深刻な人手不足では AI は脅威ではなく助けになる。本標準で唯一、国・地域ごとに採点する項目。

D10 雇用の将来性Outlook ④ 結果▲

今後 5〜10 年でその仕事の人数・価値がどれだけ増減するか。AI による減少圧力と、新たに生まれる仕事の力を合わせて見る。

2 つの指数

変化の大きさ（Transformation）— 仕事のやり方が AI でどれだけ作り変えられるか。頭脳・情報の仕事ほど高い。本サイトのトップ指標「AI 影響」はこの値です。

Transformation

変化の大きさ＝ D1 と D2 の平均

仕事が減るリスク（Displacement-Risk）— 仕事そのものが減る・なくなる確率。「AI 到達度」が人間の強みを越えた分を、導入のしやすさと求人の見通しで調整します。

Displacement-Risk

AI 到達度 E ＝ D1 と D2 の平均
人間の強み M ＝ D3〜D7 の平均
導入のしやすさ P ＝ D8 と D9 の平均（D9 が高い＝広がりやすい）
仕事が減るリスク＝ E ×（1 − M/10）×（0.6 + 0.4 ×（P + D10）/20）　※ 0〜10 に収める

結果は「2 つの指数＋ 10 次元のレーダー」です。経営者は変化は大きいがリスクは低い、データ入力はどちらも高い、訪問介護員はどちらも低いと読めます。

データ入力変化 9.2 ・減リスク 7.6

訪問介護員変化 3.0 ・減リスク 1.1

採点のルール

目もり：各次元 0.0〜10.0、小数 1 けた。
「影響」ではなく性質に点を付ける：名前の付いた性質の強さを点にし、向き（プラス／マイナス）は記号で決める。だれが採点しても同じになるように。
現行 AI の実力を基準に：D1・D2 は「今の AI でどこまでできるか」で採点する（必要なら「5 年後」版も）。AI が進歩したら点数だけ付け直し、10 次元の枠組み自体は変えない。
自信度：各職業に自信度（0〜1）を付ける。同じ職種でも会社で実態がばらつく場合（例「管理職」）は、点ではなく自信度を下げて表す。
採点者と記録：訓練を受けた人、または校正ずみの AI が、指標を手がかりに採点する。使用モデルと日付を毎回記録する。

世界共通＋国ごと

AIOIS-10 が世界標準になれる理由：D1〜D8 と D10 は世界共通（仕事と AI の性質そのものなので、東京でもベルリンでもサンパウロでも同じ）。D9 だけが国ごとに変わる次元で、各国版は D9（と必要ならリスク式の重み）だけを付け直します。日本の深刻な人手不足は、D9 が低くなる一例です。

採点例（日本版・現行 AI 時点）

本サイトの採点（Opus 4.8、2026-05-30、D9＝日本）からの抜粋。T＝変化の大きさ、DR＝仕事が減るリスク。

職業	D1▲	D2▲	D3■	D4■	D5■	D6■	D7■	D8▲	D9◐	D10▲	T▲	DR▲
データ入力	9.5	9.0	0.6	0.3	0.0	0.7	0.8	4.4	6.6	7.9	9.2	7.6
翻訳者	9.5	4.7	0.6	4.3	2.0	4.8	2.8	7.7	7.2	5.9	7.1	4.4
会社経営者	7.0	1.7	2.4	8.4	6.4	5.0	4.8	5.5	5.0	3.2	4.4	1.5
外科医	4.0	4.6	6.2	9.5	8.9	5.4	9.1	3.8	5.5	2.8	4.3	0.7
訪問介護員	2.0	3.9	6.3	4.0	5.2	2.0	5.4	1.8	1.6	1.6	3.0	1.1

緑＝働く人に有利・影響小、赤＝影響大（■ 列は反転、◐ D9 は中立）。

経営者と外科医は頭を使う仕事で大きく変わるが安全（高い D4・D5・D7 が「仕事が減るリスク」を 1 前後に抑える）。介護員は D9（有効求人倍率 ≒ 28 の深刻な人手不足）と D3・D5 が「AI 到達度」を上回り守られています。「AI にできる」が実際に職を奪うのは、人間の強みがうすいデータ入力・翻訳だけです。

もとにした研究と注意点

AIOIS-10 はこれまでの研究を置きかえるのではなく、まとめ直したものです — 定型／非定型業務（Autor–Levy–Murnane 2003）→ D2、3 つの「AI が苦手なこと」（Frey & Osborne 2013）→ D3・D5・D6、機械学習による代替可能性（Brynjolfsson 2018）→ D1、代替の力 vs 創出の力（Acemoglu & Restrepo）→ D8・D10、AI がこなせる業務（Eloundou 2023）→ D1。新しい点は、「AI 到達度」から「働く場の結果」までを、人間の強み・摩擦という段階ではっきり繋ぐ EMFO の流れと、世界共通＋国ごとの設計です。

注意：本標準は職業データにもとづく・現行 AI 時点の見立てであり、検証ずみの失職確率ではありません。採点手順・データの整え方は評価プロセスを参照してください。