AI：AIによる労働市場の混乱は依然限定的だが、職種レベルでは無視しにくくなっている

概要

本レポートは、2026年上期までのデータを対象にMorgan StanleyのAIによる労働市場混乱トラッカーを更新したものである。中核的な結論は、総労働市場に対するAIの影響は依然小さく、「ミクロでは強いがマクロでは弱い」現象に似ている一方、職種レベルの失業、再就職の困難さ、業務内容の変化を示すシグナルはより明確になっている、というものである。

主要見解

本レポートは、AI関連の労働市場混乱はまだ大規模なマクロ経済的雇用ショックには至っていないが、AIへの曝露度が高い職種の失業は上昇を続けていると指摘する。職種ごとの景気循環感応度の差を統制すると、通常水準からの乖離は約0.5パーセントポイントに達し、90%信頼水準で統計的に有意である。高曝露職種は雇用の約30%を占め、全体の失業率への寄与の上限は約15bpと示唆される。これに対し、業種レベルの雇用、求人、企業コメントは、広範な代替という強い見方を依然支持していない。

分析フレームワーク

本レポートは、労働市場のミクロデータ、労働者フロー、業務再配分、賃金・雇用データ、求人、企業決算説明会のトランスクリプト分析を組み合わせたAI混乱トラッカーを用い、AI曝露度別に職種および業種の動向を比較している。主な結果ではFelten et al.（2021）のAI曝露度指標を使用し、職種・業種ごとの過去の景気循環性を調整することで、総労働市場の状況に対する異常な乖離を特定している。

手法メモ

• 労働市場トラッキングAI混乱トラッカー

  AI曝露度によるグループ分けと労働市場指標パネル

  職種および業種をAI曝露度によってグループ分けし、失業、労働者フロー、業務内容の変化、賃金・雇用データ、求人、企業テキストを追跡することで、AIが労働市場に及ぼし得る影響を推定する。

• 計量経済学的調整景気循環調整済み残差分析

  総失業率または総雇用トレンドへの回帰から得られる残差

  職種および業種には固有の景気循環感応度の差があるため、本レポートは各グループの失業または雇用実績を総労働市場の状況で説明した後、残差が異常かどうかを検証し、景気循環要因によるバイアスを低減している。

• AI曝露度の測定Felten et al.（2021）のAI曝露度指標

  職種別AI曝露度

  本レポートの主な結果では、職種ごとにAIの影響を受ける潜在的な程度を測定するため、Felten et al.が開発したAI曝露度指標を用いている。付録の頑健性検証では、Morgan StanleyのThematicチームによる代替指標を使用している。

資産マッピングと比較

投資テーゼから固有資産への構造化マッピング（強み、弱み、同業、リスク）。

• 米国労働市場

  AIへの曝露度が高い職種における失業の増加は、全体の失業率に緩やかな上昇圧力を及ぼす可能性がある。

  強み

  総体的な影響は依然小さく、業種レベルで広範な雇用崩壊は発生していない。

  弱み

  AIへの曝露度が高い職種では再就職がより困難になり、失業期間が長期化している。

  比較

  シグナルは業種レベルより職種レベルで強く、全労働者より若年労働者で強い。

  リスク

  AI導入が加速すれば、職種レベルの混乱が全体の失業率へさらに波及する可能性がある。

• AI関連業種および技術普及テーマ

  AIは業務再編と生産性向上を通じて企業の労働構造に影響を与えている。

  強み

  企業コメントは生産性とプロセス効率をより重視しており、AI活用による効率改善の潜在力が継続していることを示している。

  弱み

  一部の職種では、短期的に代替または採用の鈍化に直面する可能性がある。

  比較

  現時点では、企業テキストおよび業種雇用データは、ミクロレベルの職種データに比べて「広範な人員削減」を裏付ける度合いが弱い。

  リスク

  企業が効率改善から明示的な人員削減へ移行すれば、AIのマクロ経済的外部性に関する市場の評価は変化する可能性がある。

主要データ

• AIが全体の失業率に与える推定影響最大で約15bp2026年6月時点で、高AI曝露職種の異常失業率に、同職種の約30%の雇用シェアを乗じて算出した概算上限値。
• 高AI曝露職種における景気循環調整済み失業率の乖離約0.5パーセントポイント前回レポートの約0.3パーセントポイントから上昇しており、1H26ではシグナルがより顕著である。
• 高AI曝露職種の雇用シェア約30%全体の失業率への寄与上限を推定するために使用。
• 統計的有意性90%信頼水準高AI曝露職種の失業残差は標準誤差2倍の範囲を超えており、中程度の曝露職種は依然として統計的に有意ではない。
• 主な影響を受ける年齢層22～27歳若年労働者では、高AI曝露職種における失業の増加が最も顕著である。

影響と示唆

本レポートは、AIが特定職種における雇用マッチングや業務内容をより明確に変化させている一方で、マクロ経済の総計データではまだ重大な雇用ショックを生じさせていないことを示唆する。マクロリサーチにとっては、短期的な失業率の上昇圧力が依然限定的であることを意味する。業種・企業リサーチにとっては、AI代替を評価する際に総業種雇用のみに依存するのではなく、AI曝露度が高い職種における採用、解雇、業務再編、生産性向上に注目すべきことを意味する。

リスク

• 変数欠落リスク：金融政策、関税、移民政策、パンデミック後の採用正常化も、異なる職種の動向に影響している可能性がある。
• ミクロレベルの職種シグナルは、AIが原因であることをまだ完全には証明していない。一部の差異は、職種または業種固有の調整に起因する可能性がある。
• 若年の非大卒労働者のサンプルサイズは小さく、シグナル対ノイズ比が低いため、慎重な解釈が必要である。
• 業種レベルおよび求人データには引き続きノイズがあり、より細かなAIの影響を覆い隠しているか、影響がまだ有意でないことを示している可能性がある。

注目点

• AIへの曝露度が高い職種の失業が、低・中程度の曝露職種に対して上昇を続けるかどうか。
• 高AI曝露職種で、失業から就業への移行確率および解雇率が引き続き悪化するか、または正常化するかどうか。
• 22～27歳の労働者における教育水準別の失業格差が拡大するかどうか。
• 業務内容の変化を示す指標が、1H26の一時的な低下後に再加速するかどうか。
• AIへの曝露度が高い業種におけるトレンド除去後の雇用がさらに弱まるかどうか。
• AIと解雇、採用凍結、生産性向上を結び付ける企業決算説明会コメントの割合が変化するかどうか。