OpenAI Economic Researchは、米国ChatGPTユーザーの80万件超のメッセージ分析から、仕事関連メッセージの16.8%、職種固有メッセージの43.5%が別職種に関連するタスクだったとするWork at the Frontierシリーズ第1弾を公開しました。 AI導入は既存業務の効率化だけでなく、営業、マーケティング、法務、設計などの職務境界を組み替えます。組織設計や人材育成では、AIで誰がどの仕事を担えるようになるかを測る必要があります。 職務記述より早く変わる日々のタスク 従来のAIと雇用の研究は、職種ごとに固定したタスク一覧を置き、モデルが何を実行できるかを測る方法が中心でした。今回の調査は、実際の利用者が自分の職種の外にある仕事をどの程度持ち込んでいるかを見る点が異なります。OpenAIは、文章作成や要約、日程調整のように多くの職種に共通する作業を「汎用」として除外しました。そのうえで残る利用を比較し、正式な職務記述や肩書が変わる前に、現場の仕事の組み合わせが動く兆候を捉えようとしています。単なる自動化率ではなく、受け渡し先だった仕事を当事者が担い始める変化に焦点を移した調査です。 小規模組織と専門職で異なる越境の形 影響は職種や組織規模によって一様ではありません。汎用作業を除くと、職種外タスクの比率はカスタマーエクスペリエンスで77%、デザイナーで75%、人事で69%、法務で56%、マーケターで53%でした。また平均的な利用者では、2〜5席のワークスペースで職種外タスクが18.9%だったのに対し、100席超では16.3%でした。専門部署へ依頼しにくい小規模組織ほど、問題に近い担当者がAIを使って処理する可能性があります。一方、ヘビーユーザーでは規模に応じた同じ傾向が見られず、利用頻度も分けて評価する必要があります。 導入効果を役割の変化として測る 企業がこの結果を使う際は、利用回数や削減時間だけでなく、どの部署からどの部署へタスクが移ったかを記録することが論点になります。たとえば営業が顧客データを調べる場合、分析担当者への依頼が消えたのか、初期調査だけが営業へ移ったのかで必要な統制は異なります。財務計算と技術トラブル対応は、調査対象の他の7職種すべてで上位3つの職種外タスクに入りました。誤りの影響が大きい作業は、越境を許す範囲、専門家が確認する条件、利用者が身につける基礎知識をセットで決める必要があります。人事制度では肩書より先に変わる実作業を定期的に棚卸しする方法が考えられます。 利用ログが示さない因果関係 今回のデータは米国のChatGPT利用メッセージに基づくため、職種外の相談が最終的に高品質な成果へつながったか、雇用や賃金を変えたかまでは示していません。小規模組織で比率が高い理由についても、OpenAIは専門資源の不足を一つの説明として挙げていますが、因果関係を確定してはいません。今後のWork at the Frontierシリーズで継続データが示されるか、企業側の業務実績や労働市場統計と結び付くかが判断点になります。