AIはどれだけ仕事を奪うのか？Anthropicが示した米国経済3シナリオ｜GDP・知識労働の賃金・失業率を数値で整理

Anthropicが2026年9月に公開した米国経済の試算では、AIが知識労働の半分近くを担う「大幅」シナリオでも、2030年の知識労働者の失業率は4.5%（2026年中頃は2.9%）にとどまります。「5人に1人近くが職を失う」水準（失業率17.9%）が現れるのは、AIが知識労働のほぼすべてを自律的にこなし、しかも急速に普及する「極端」シナリオだけです。

ただしこれは予測ではありません。論文自体が「シナリオは予測ではなく、確率も付与していない」と明記しており、位置づけは「考えるための道具」です。

この試算が従来の「AIでなくなる仕事○選」と決定的に違うのは、影響を「奪う／奪わない」の二択で語らず、GDP・賃金・失業率・労働分配率という4つの数値に分解している点にあります。管理職・専門職・営業・事務といった知識労働に就いている方、経営企画や人事でAI導入の影響を見積もる必要がある方にとって、自分の仕事がどの数字の側にいるのかを判断する材料になります。

Anthropicが公開したのは「3つの経済シナリオ」

出典: The Anthropic Institute（Anthropic公式）

発表したのはAnthropicの公益部門である The Anthropic Institute です。2026年9月に、ワーキングペーパー「Economic Scenarios for Transformative AI」と、一般向けのシナリオ探索ツール「Scenarios for our Economic Future」を公開しました。

論文には「本稿の見解は著者のものであり、必ずしもAnthropicまたはThe Anthropic Instituteの見解を代表しない」と明記されています。また謝辞には Daron Acemoglu、David Autor、Ben Moll、Emi Nakamura といった労働経済・マクロ経済の著名研究者が並び、初期版へのコメントを受けた上で公開されています。AI企業が自社技術の経済影響を試算しているという構図はありますが、身内だけで閉じた作業ではありません。

なお、Anthropicが定期公開している Anthropic Economic Index（実際のClaude利用ログを分析したレポート）とは別物です。こちらは「実際に今どう使われているか」の観測データ、今回のシナリオは「今後5年のマクロ経済モデル」です。混同すると数字の意味が変わります。

数字を誤読しないための3つの前提

1. ほぼすべての%は「AIがなかった場合の経路との差」です。 「2026年と比べて」ではありません。例えば「GDP+8.3%」は、AIが存在しなかった2030年の姿と比べて8.3%大きい、という意味です。例外は雇用の増減（2026年中頃比）と失業率（水準そのもの）です。
2. 米国経済の試算です。 日本の数値ではありません。日本の労働市場に当てはめるには、雇用慣行の違いを踏まえた読み替えが必要になります。
3. 「知識労働」は頭を使う仕事全般ではありません。 論文でいう認知的職業（cognitive occupations）＝管理職・専門職・営業・事務を指します。米国の労働力調査（CPS 2025）ベースで就業者の 62.4% がここに含まれます。

3シナリオ早見表：2030年に何がどこまで動くのか

出典: Scenarios for our Economic Future（Anthropic公式）

以下はすべて2030年時点の数値で、GDP・賃金・所得の項目は「AIがなかった場合との差」です。

（出典：The Anthropic Institute Working Paper No. 2026-02, Table 3）

探索ツールのUIでは2030年のGDPを金額でも表示しており、控えめ34.1兆ドル／大幅36.3兆ドル／極端44.4兆ドルとされています。ただし論文本体は%と指数（2024年=100）で記述しているため、この記事では%を主、金額を補助として扱います。

この表で最も重要なのは、GDPの差（+1.6%〜+32.4%）より、知識労働の賃金の差（+0.4%〜−11.5%）と失業率の差（2.9%〜17.9%）のほうが読者の生活に直結するという点です。GDPが伸びても、その伸びが自分の給与明細に届くとは限りません。その理由は、生み出された所得が誰の取り分になるかという分配の構造にあります。

3つのシナリオの中身

3つの違いは「AIがどこまでできるか」ではなく、能力・普及・自動化比率・生産性向上・再就職の速さという5つの数字の組み合わせです。

① 控えめ（modest）— AIは「普通の技術」で終わる世界

2030年時点で、経済全体のタスクのうちAIが影響したのはわずか4%です。AIが扱える範囲（能力）が20%まで広がり、そのうち実際に職場で使われるのが20%、という掛け算の結果です。

• 影響を受けたタスクの生産性は約+35%。影響の半分が自動化、半分が人の作業の拡張。
• GDPはAIなし経路比+1.6%。論文はこれを「4年かけて通常の成長10か月分が上乗せされた程度」と表現しています。
• 知識労働の賃金も+0.4%とプラス。失業率は3.9%（平常時3.8%）で、労働市場への影響はほぼ誤差の範囲。

先行研究でいえば Acemoglu (2025) の推計をわずかに上回る程度、OECDの試算と同程度の水準です。体感としては「インターネットが経済に与えた影響とほぼ同じ規模」になります。

② 大幅（substantial）— AIはインターネットより重要な転換技術になる

2030年時点で、経済全体のタスクの12%（＝2025年に知識労働者が担っていたタスクの約20%）がAIの影響を受けます。影響を受けたタスクの生産性は約+57%、影響のうち4分の3が自動化です。

• GDPはAIなし経路比+8.3%、2030年の成長率は5.4%。比較対象として、1990年代ドットコムブーム期の米国の最速年（1999年）でも4.7%でした。
• 平均賃金は+2.1%どまり。内訳は二極化し、知識労働の賃金は−0.3%（ほぼ横ばい〜わずかマイナス）、それ以外の職業は+5.9%。
• 労働分配率は60%→56.1%。論文は「この4年間の4ポイントの移動は、1980年以降の40年間で起きた米国の労働分配率低下のほぼ全量に匹敵する」とコメントしています。
• 知識労働の雇用は2026年中頃比−3.9%、知識労働者の失業率は2.9%→4.5%（5割以上の増加）。全体失業率は4.6%。

論文の位置づけでは、これは「AIが2030年までに知識労働の半分を担える」水準です。2023年にGoldman SachsやMcKinsey Global Instituteなどが出した予測群がこのあたりに対応します。

つまり、世間で「AIがかなり来る」と言われている想定でも、大量失業には至らないというのがこのシナリオの含意です。代わりに現れるのが「賃金が伸びない」「知識労働の求人が細る」という、じわじわした形の影響になります。

③ 極端（extreme）— 歴史上のどの出来事も超える世界

2030年時点で、経済全体のタスクの30%（＝2025年に知識労働者が担っていたタスクの約半分）がAIの影響を受けます。影響を受けたタスクの生産性は2倍以上、影響のうち90%が自動化、そして人間向けの新しい知識労働は生まれない（再配置効果ゼロ）という設定です。

• GDPはAIなし経路比+32.4%、2030年の成長率は15.4%。この率が続けば1人当たり所得は5年で倍増します（過去100年の米国は35年で倍増）。
• 知識労働の賃金は−11.5%。AIがなくても年2%程度は賃金が伸びる前提なので、これは2030年の知識労働の賃金が2026年中頃よりわずかに低いことを意味します。
• 一方でそれ以外の職業の賃金は+33.6%。人手でしかできない労働が相対的に希少になるためです。
• 労働分配率は60%→45.2%。論文の表現では「GDPの15%が賃金から資本収益へ移動する」。資本所得はAIなし経路比+81.4%。
• 知識労働の雇用は2026年中頃比−21.5%、知識労働者出身の労働者の失業率は17.9%。全体失業率は11.9%で、リーマン・ショック後の年間ピーク（10%弱）やコロナ不況時（約8%）を上回ります。

一般報道では、探索ツールの数値として「労働者に占める知識労働者の割合が2026年の62.2%から2030年に48.7%へ低下する」とも紹介されています。論文本体の対応する数値は「知識労働の雇用が2026年中頃比−21.5%」です。

「知識労働」とは誰のことか

このモデルでは、労働者を2つのグループにしか分けていません。

重要なのは、「頭を使う仕事＝全部危ない」ではないことです。分類の基準は知的かどうかではなく、その仕事のタスクが、画面の中で完結する情報処理として記述できるかです。看護師のように判断も対人も伴う現場職は、後者に分類されています。

モデルの中身も単純で、経済のあらゆる仕事を「タスクの束」として扱い、各タスクが次の4つの経路のいずれかをたどると考えます。

1. 何も変わらない
2. AIで拡張される（人がAIを使って速くなる）
3. AIに自動化される（人が不要になる）
4. 新しいタスクが生まれる（自動化の分を人が別の形で取り戻す）

このうち2と3のどちらが多いか（自動化比率）と、4がどれだけ起きるか（再配置）が、結果を大きく左右します。AIエージェントのように人手を介さず一連の作業を完結させる技術がどこまで実務に入るかは、まさにこの自動化比率を動かす要素です。前提技術の整理はAIエージェントとはで扱っています。

なぜGDPが3割増えても知識労働者の給料は下がるのか

ここがこの試算の核心です。極端シナリオでは経済全体が32%大きくなるのに、知識労働の賃金は11.5%下がります。矛盾しているようですが、順を追うと単純な話です。

1. AIがタスクを自動化する。 自動化されたタスクは、人の労働ではなくAI（＝資本）が処理します。
2. 生産量は増える。 同じ人数でこなせる量が増えるので、GDPは伸びます。
3. しかし、そのタスクへの支払先が人から資本に移る。 稼いだ額のうち賃金として払われる割合（労働分配率）が下がり、資本の取り分が上がります。
4. 知識労働の需要が減る。 需要が減れば賃金が下がるか、雇用が減るか、その両方になります。
5. 溢れた人は他職種へ移る。 ただし移動には摩擦があります。論文はここで「ソフトウェアエンジニアが電気工になるのは難しい」という例を出しています。移れない分が失業として滞留します。

数字で見ると、極端シナリオの2030年は労働分配率45.2%×GDP1.32倍 ≒ 0.60。つまり労働所得の総額はAIがなかった場合とほぼ同じで、増えた分はすべて資本所得に行くという結果になります。資本所得+81.4%はその帰結です。

論文はここで補償の可能性にも触れています。経済全体の利得は知識労働者の損失の約3倍あるため、理屈の上では補償可能で、GDPの約9%（米国の社会保障＋メディケアの合計にほぼ相当する規模）の移転があれば、知識労働者の所得をAIなしの水準に保ちつつ経済の他の部分は20%以上豊かなままにできる、と試算しています。

ただし同時に、「技術変化に対してその規模の移転が行われた前例はない」「放っておいて起こることではない」と明確に留保しています。中国からの輸入競争が米国の地域労働市場に与えた影響（Autor, Dorn, Hanson 2013）の経験を引き合いに出した上での指摘です。

「賃金が下がる」のか「失業が増える」のかは、労働市場の硬さで決まる

論文の4つの結論のひとつが、この点です。原文の主旨はこうです。

賃金が速く調整されるなら、コストは賃金低下として現れる。賃金が硬直的なら、コストは失業として現れる。どちらも当事者にとっては高コストである。

つまり、AIの影響の大きさが同じでも、労働市場の性質によって現れ方が変わるということです。

「失業率が上がっていないからAIの影響は小さい」という読み方が危ういのは、このためです。賃金が伸びない、昇給が止まる、新規採用が絞られる、といった形でも同じコストが発生しています。

もうひとつ論文が指摘しているのが、資本をどれだけ速く積み増せるかです。データセンターや計算資源の供給が弾力的なら労働側も利得を多く保持できますが、供給が硬いと平均賃金がAIなし経路を下回ることさえあり得るとされています。

AIで「賃金が上がる側」もいる

「AIに仕事を奪われる」という文脈ではほとんど語られませんが、この試算では知識労働以外の職業の賃金は3シナリオすべてでプラスです。しかもAIの影響が大きいシナリオほど、上げ幅が大きくなります。

理由は単純で、AIが増やせるのは情報処理の能力であって、現場で身体を使う労働は増やせないからです。経済全体の生産が増えるほど、増やせない側の労働の相対価値が上がります。極端シナリオでは、知識労働から押し出された人がこちらに流入するため雇用も増えますが、それでも賃金は上がるという計算になっています。

ここで注意が必要なのは、このモデルはロボティクスの急速な進歩を意図的に含めていない点です。物理タスクの自動化が進む世界では、この「上がる側」の結論は変わり得ます。論文は「主にこの理由で、分析を2030年より先に延ばしていない」と明記しています。

分岐を決める5つの数字

3つのシナリオは、思想や立場の違いではなく、5つのパラメータの設定値の違いでできています。ここを押さえると、今後のニュースを自分で評価できるようになります。

見落とされがちですが、能力（m）より普及（d）のほうが効きます。能力が50%まで伸びても、実際に職場で使われるのが20%なら、影響を受けるタスクは経済全体の10%です。Anthropicの共同創業者でThe Anthropic Instituteを率いるJack Clark氏も、技術自体は非常に速いペースで改善する一方、経済への浸透は多くの人が想定するより遅いと見ていると報じられています（Fortune、2026年9月10日）。

実務レベルで普及がどこまで進んでいるかを見る材料としては、生成AIの導入事例のような実装例の蓄積が参考になります。

米国成人1万人の予想は「大幅」シナリオにほぼ一致した

出典: Anthropic公式ニュース

論文チームは2026年8月に、10,980人の米国成人を対象とする代表性のある調査を実施しています。難易度の異なる8つの認知タスクをAIがいつできるようになるか、どこまで普及するか、生産性はどれだけ上がるか、職を失った人はどれくらいで再就職できるか、を尋ねたものです。

回答の中央値をそのままモデルに入れた結果が、次の表です。

中央値は「大幅」シナリオにほぼ一致しました。一方で、括弧内の分布幅（GDPは+3%〜+19%、知識労働者の失業率は3%〜8%）が示す通り、見解のばらつきは非常に大きいのが実態です。ちなみに「2030年までにAIが従業員ゼロのオンラインビジネスを運営できる」と予想した人は52%、「ノーベル賞級の発見をする」は39%（40%は「永遠に起こらない」と回答）でした。

このモデルが扱っていないこと

信頼できる試算かどうかを判断するには、何を計算していないかを見るのが早道です。論文はCaveatsのセクションで除外要素を明示しています。

• 予測ではない。 3つのシナリオに確率は付与していない。目的は異なる仮定の帰結を比較可能にすること。
• ロボティクスを含まない。 物理タスクへの影響は扱っていない。工場・物流・運転などを念頭に「AIが仕事を奪う」と考えている読者にとって、その部分はこの試算の対象外。
• 破滅的リスク・政治経済的要因・景気循環・金融市場の混乱を省いている。 いずれもどのシナリオでも重要になり得る。
• 価格硬直性と需要効果を扱っていない。 そのため「混乱が需要を落ち込ませ、影響がさらに増幅する」という負のフィードバックを生成できない。
• 個々の労働者を追跡しない。 再訓練コストや不平等のより細かい議論はできない。
• 要素構造が単純。 労働と単一の資本財のみで、計算資源を他の資本と区別していない。
• 米国のみ、2030年まで。 日本や世界経済の試算ではない。
• イノベーション効果は下限とみられる。 研究の自動化に関するフィードバックの一部を省いているため、爆発的な加速シナリオは生成できない。

現状認識についても率直で、「現時点のマクロ経済データでは、AI利用の計測値が急速に伸びているのに対し、労働市場への影響は比較的小さいまま」とした上で、2つの解釈が両立すると述べています。

• (a) 我々はすでに「控えめ」シナリオにいて、影響は小さいままである
• (b) 我々はより極端なシナリオのごく初期段階にいる

そして「今日、3つのどれも排除できない」と明言しています。

経済学者からの反論

片側だけ紹介しても判断材料になりません。報道で紹介されている主な反論として、Ben Moll（ロンドン・スクール・オブ・エコノミクス）と Alex Imas（シカゴ大学）は、今後10〜15年で2桁成長が起きる可能性は極めて低く、より妥当なベースラインは年4〜5%だと述べています。

Mollによれば、AIによる成長爆発には次の5つが同時に成立する必要があります。

1. 自動化が歴史上のどの例よりもはるかに速く経済全体に広がる
2. AIが安くしたものに対して人々が支出を続ける
3. 増えた生産物を吸収できる需要がある
4. 信頼と投資を損なう大規模なAI関連サイバーインシデントが起きない
5. AIが自動化された研究を通じて自己改善を始める

両氏は「2033年まで米国の1人当たり実質GDP成長率は毎年15%を下回る」という公開の賭けも行っていると報じられています。極端シナリオの成長率15.4%を正面から否定した形です。

Anthropic CEOの過去発言との関係

もう一点、興味深い構図があります。Anthropic CEOのダリオ・アモデイ氏は以前から、「初級レベルのオフィス職の最大半分が2030年までに消える可能性があり、失業率は10〜20%に達し得る」「AIが成長率を年10〜15%程度に押し上げ得る」と警告してきたことが各種メディアで報じられています。

これらの数値は、モデル上「極端」シナリオに対応します。自社CEOの最も強い警告が、自社の研究では「3つのうち最も極端で、確率も付与されていない1つ」として位置づけられた形です。海外メディアの一部はこの点を「CEOの予測を実質的に外れ値扱いしている」と指摘しています。同氏のAIリスクに関する発言の背景はアモデイ氏の警告で整理しています。

日本に当てはめるとどう読むべきか（本記事の整理）

ここからは論文が述べていない部分で、本記事による整理です。公式の見解ではありません。

論文の指摘のうち、日本に最も効くのは「賃金が硬直的なら、コストは失業として現れる」の裏返しです。日本の労働市場は、解雇規制・内部労働市場・年功的な賃金体系という特徴から、賃金を下げるより雇用を維持する方向に働きやすいとされています。ここから導かれる読み方は次の通りです。

つまり日本では、米国のような失業率の上昇よりも、「賃金が上がらない」「知識労働系の新規求人が細る」という形で先に現れる可能性が高い、というのが本記事の見立てです。人事・採用の実務でどこから影響が出るかについては人事領域のAI活用も合わせて参考になります。

なお、日本の職業構成は米国のCPSベース（知識労働62.4%）とは異なるため、比率をそのまま当てはめることはできません。

今後どこを見れば「どのシナリオか」が分かるのか

出典: Anthropic Economic Index（Anthropic公式）

この試算の実用的な価値は、数字そのものより「何を観測すればいいか」を定義したことにあります。論文は、5つのパラメータがいずれも原理的に計測可能であり、分岐はほぼすべて2027年以降に起きると述べています。2026年中頃から1年半ほどは、3つのシナリオは同じ実測値を共有しているからです。

そして「どの世界に向かっているかは1〜2年内に明確になり得る。混乱に備えることが賢明な進路だと我々は考える」と結んでいます。

観測すべき4項目を、実務向けに翻訳すると次のようになります。

もうひとつ、自動化と拡張のどちらが主流になるかも重要です。同じ普及率でも、AIが人の作業を速くする方向（拡張）に使われるのか、人を置き換える方向（自動化）に使われるのかで結果は大きく変わります。現時点では、AnthropicのEconomic Indexが実利用データから「指示型（自動化的）な会話の割合が上昇している」と報告しており、この比率は今後の注目点です。

影響が大きい人・小さい人

特に影響を受けやすい

• 管理職・専門職・営業・事務に就いている人。大幅シナリオでも賃金は横ばい〜微減、失業率は5割増。極端シナリオなら雇用が2割減る計算です。
• 画面内で完結する定型的な情報処理が業務の大半を占める人。タスク単位で自動化されやすく、拡張ではなく置き換えの対象になりやすい領域です。
• これから知識労働に就く若手・新卒。日本では既存社員より新規採用が先に絞られる可能性が高く、影響が集中しやすい層です。
• 職種を移りにくい専門特化型の人材。論文が失業の主因として挙げているのは能力不足ではなく移動の摩擦です。

影響が小さい、あるいは追い風になり得る

• 建設・電気工・設備保守・対人サービスなどの現場職。3シナリオすべてで賃金がプラスで、極端シナリオでは+33.6%。ただしロボティクスの進歩はこの試算の対象外です。
• 判断と対人を伴う職種（看護など）。タスクを情報処理として切り出しにくく、モデル上は直接の影響を受けないグループに分類されています。
• 資本を持つ側。極端シナリオでは資本所得がAIなし経路比+81.4%。GDPの増加分は実質的にすべてこちらへ流れます。
• AIを使って自分の生産性を上げられる知識労働者。モデルでいえば「自動化」ではなく「拡張」側に立てる人です。AIを前提に仕事の進め方を組み替える方法はエージェンティックエンジニアリングや主要AIエージェントの比較が具体的な手がかりになります。

よくある質問

Q. これは「2030年にこうなる」という予測なのですか。
いいえ。論文は「シナリオは予測ではなく、確率も付与していない」と明記し、位置づけを「考えるための道具」としています。3つのうちどれが起きやすいかについて、Anthropicは判断を示していません。

Q. 日本の失業率も同じように上がるのですか。
この試算は米国経済のみを対象としています。日本の数値ではありません。本記事の整理としては、日本は賃金・雇用の調整が硬いため、失業率の上昇より新規採用の抑制や賃金の伸び悩みとして現れやすいと考えられます。

Q. 工場や物流、運転の仕事はどうなりますか。
このモデルはAIの認知タスクへの影響のみを扱い、ロボティクスと物理タスクは含めていません。論文は「主にこの理由で、分析を2030年より先に延ばしていない」としています。物理労働への影響を知りたい場合、この試算は答えを持っていません。

Q. 「知識労働の賃金−0.3%」なら、ほとんど影響がないということですか。
賃金だけを見ればそうですが、同じシナリオで知識労働者の失業率は2.9%から4.5%へ上がり、雇用は3.9%減ります。賃金が横ばいに見えるのは、職を維持できた人の平均だからです。影響は賃金ではなく雇用の側に出ています。

Q. AnthropicはAI企業なのに、自社に不利な数字を出す動機があるのですか。
論文は「見解は著者のものでAnthropicを代表しない」と明記し、Acemoglu・Autor・Mollら外部研究者のコメントを受けた上で公開されています。また同社CEOの最も強い警告が、モデル上は最も極端なシナリオに対応する構図にもなっています。読む側としては、当事者による試算であることを踏まえつつ、除外要素と外部からの反論を併せて見るのが妥当です。

Q. 個人として、いま何をしておくべきですか。
論文は個人向けの処方箋を示していません。読み取れる範囲で言えば、失業の主因として挙げられているのが能力不足ではなく職種間の移動の摩擦である以上、自分のタスクのうちどれが「拡張」側に回せるかを把握しておくことが、最も直接的な備えになります。AIそのものの基礎理解は生成AIとは、実際に触れる入口としてはClaudeとはが出発点になります。

まとめ

• Anthropicの試算では、大量失業が起きるのは「極端」シナリオのみです。AIが知識労働の半分近くを担う「大幅」シナリオでも、知識労働者の失業率は4.5%（現在2.9%）にとどまります。
• ただし「大幅」でも、知識労働の賃金は−0.3%、雇用は−3.9%。無風ではなく、賃金の伸び悩みと求人の縮小として現れます。
• GDPが増えても給料が増えるとは限りません。労働分配率が60%から最大45%まで下がり、増加分は資本所得へ移動するという構造が背景にあります。
• 賃金が柔軟な市場ではコストは賃金低下として、硬直的な市場では失業として現れます。日本は後者に寄りやすく、新規採用の抑制という形で先に出る可能性があります。
• 建設・電気工・対人サービスなど知識労働以外の職業の賃金は、3シナリオすべてでプラスです。ただしロボティクスはこの試算の対象外です。
• 分岐は2027年以降に起き、1〜2年で見えてくるとされています。能力・普及・生産性向上・再就職期間の4項目が観測の目安です。
• この試算は予測ではなく、確率も付いていません。経済学者からは「年4〜5%成長が妥当」という反論もあります。数字を絶対視せず、自分が今どのシナリオの中にいるのかを判断するための枠組みとして使うのが適切です。

参考情報（一次ソース）

• Anthropic「Scenarios for our Economic Future」（シナリオ探索ツール、Version 1.0、2026年9月）
• Korinek, Anton, Charles I. Jones, Szymon Sacher, Tess Cotter, and Peter McCrory. 2026. "Economic Scenarios for Transformative AI." The Anthropic Institute Working Paper No. 2026-02.
• Fortune（2026年9月10日）
• NPR（2026年9月9日）