Stanford Digital Economy Labは2026年8月12日、生成AIと若手雇用の関係を追うワーキングペーパーを改訂した。米国の給与記録を調べると、22〜25歳ではAIへの露出が高い職種の雇用が2022年11月から約11％減り、露出が低い職種は約10％増えていた。後者と同じペースで伸びた場合に比べると、前者は19％低い。ただし研究が捉えたのは、職種のAI露出と雇用の相関である。AIが19％の雇用を奪ったという因果推定ではない。
この区別は結論の強さを大きく変える。データでは若手の離職増より、入口の採用率低下に差が現れていた。一方でAI露出の高い職種にはCOVID-19期から異なる雇用トレンドがあり、教育水準を統制すると差も縮む。350万〜500万人という標本の大きさと、因果を切り分けられない研究設計を同時に読む必要がある。
月350万〜500万人を追った観察研究
Erik Brynjolfsson、Bharat Chandar、Ruyu Chenの研究『Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence』は、Stanford Digital Economy Labのワーキングペーパーである。2025年に初版が出て、2026年8月版では観測期間を同年6月まで延ばした。学術誌には掲載されておらず、DOIも付いていない。現時点では査読前の研究であり、実験やシミュレーションの結果でもない。
基礎データは給与計算会社ADPの匿名化された行政記録だ。ADPは米国の2,600万人超へ給与サービスを提供しているが、研究が主に使ったのは2021年1月から2026年6月まで毎月観測できた企業のバランスド・パネルである。月ごとの人数は350万〜500万人。正の賃金がある70歳未満のフルタイム労働者に絞った。ChatGPT公開前の動きを長く確認する分析では、2018年1月から存続する企業の、より小さいパネルも用いている。
各人の職種は標準化された職名から米国標準職業分類へ対応させた。ただし職名は約30％で欠けている。研究チームは同じ労働者の前後の職歴から補えるコードを埋め、残る未対応記録を除外した。補完方法を変えても若手の記述的パターンは概ね残ったという。とはいえ、欠損が無作為だと証明されたわけではない。
AI露出は二つの異なる物差しで測った。一つはO*NETの職務タスクをGPT-4で評価した理論的な自動化可能性、もう一つはClaudeの利用ログを職務タスクへ対応させたAnthropic Economic Indexである。後者は、AIが作業を代わりに完了する使い方をautomation、人と協働する使い方をaugmentationに分ける。どちらも、ADP利用企業が実際にAIを導入したかを直接観測した指標ではない。
19％は「11％減」と「10％増」の相対差
先に触れた19％と言う数字は、高露出職の雇用が減ったという数字ではない。2022年11月から2026年6月までに、22〜25歳の雇用はAI露出が高い上位2五分位で約11％減り、下位3五分位では約10％増えた。両者の開きは21ポイントであり、低露出群の伸びに高露出群も追随したと仮定した場合の不足率が19％になる。
高露出の上位2群は、基準時点で22〜25歳の雇用の約57％を占めていた。この群の減少は同年齢層全体を約6ポイント押し下げたが、低露出群の増加が多くを相殺した。結果として、22〜25歳全体の雇用は1.9％減にとどまる。全年齢をまとめたADP標本では雇用が約6％増え、最も露出の高い第5五分位でも約4％増えた。研究は経済全体に広がる雇用崩壊を観測していない。
2026年版は、前年版から見出しの物差しも変えた。2025年版が前面に出した13％は、企業単位のショックを調整した回帰推定である。改訂版の19％はモデル選択を要しない記述的比較だ。同じ比較尺度で時系列をそろえると、2025年7月時点の不足率は15％で、2026年6月に19％へ広がった。13％から19％へ悪化した、と直接つなぐのは不正確である。
改訂には、職種コードと外部指標を結ぶ変換表の改善や、欠損職種の補完も入った。生の雇用パターンは質的に変わらなかったが、企業内の変化を測るPoisson event-studyは仕様に敏感だった。現在の最小フィルターでは、22〜25歳の係数は最露出の第5五分位でマイナス6.8 log points（p=0.03）、第4五分位でマイナス11.3 log points（p=0.003）だった。前年と同じ厳しいフィルターを改訂データへ適用すると、第5五分位はマイナス5.3 log points（p=0.26）となり、通常の5％水準では有意でなくなる。研究チームが単純な記述値へ軸足を移した理由はここにある。
離職増より採用減、automationとの相関
雇用者数が減る経路を分けると、若手の高露出職で離職が増えた証拠は得られなかった。研究は新しい労働者と企業の組み合わせを「採用」、前月まで存在した組み合わせの消失を「離職」と定義し、12カ月の累計を12カ月前の人数で割った。この離職指標は会社都合の解雇と任意退職を分けないため、解雇の増減自体は判定できない。2022年以降は年齢・露出群を通じて採用率と離職率が広く下がる「低採用・低離職」の状態にある。22〜25歳の高露出職では、離職率が低露出職と同程度か、それ以上に下がっていた。差を作ったのは採用率の低下だった。
Claudeの実利用分類を重ねた分析も、採用減の解釈と整合する。2025年3月のAnthropic指標でautomation、augmentation、総利用量を同時に回帰へ入れると、22〜25歳ではautomationと雇用変化率の係数がマイナス0.098だった。標準誤差は0.018で、p値は0.01未満である。2025年9月、2026年1月、4月の指標をまとめても係数はマイナス0.084（標準誤差0.014、p<0.01）だった。一方、augmentationの係数は同年齢層で統計的に有意ではなかった。
ここから「AIによる自動化が採用を減らした」とは言えない。Claudeのログは生成AI全体を代表せず、会話をautomationへ分類する工程にもモデル推定が入る。高露出職に固有の需要変化が、AI利用と採用の両方に関係した可能性も残る。論文の表現どおり、結果は「代替的な利用が若手雇用の減少と整合する」という強さにとどまる。
研究チームは、若手ほど形式知に依存する仕事を担い、経験者ほど暗黙知を生かすという仮説も調べた。ADPの7,514職名と説明をGPT-5.4-miniで二度ずつ評価し、形式的に教えられる「符号化知識」と、実践や指導で得る「暗黙知」を1〜10で採点した探索的分析である。符号化知識が高い職種ほど若手雇用の伸びは遅く、暗黙知が高い職種ほど中堅・シニアの伸びが速かった。ただし符号化知識の勾配は大卒比率を統制すると有意でなくなる。機序を実証した結果ではなく、仮説に沿う相関だ。
賃金についても測定範囲は狭い。年齢やAI露出による基本給のトレンド差は、約20ポイントの雇用差より小さかった。しかしADPの基本給には賞与や残業代、歩合が含まれない。株式報酬とチップも対象外だ。「雇用で調整が進み、基本給では目立たない」とは書けても、総報酬に影響がないとは結論できない。
全国統計では差が小さく、因果はまだ決まらない
因果解釈を最も強く制約するのは、教育、過去のトレンド、標本の三点である。2018年からのパネルを使った22〜25歳の職種回帰では、最露出群と最少露出群の係数が無統制のマイナス0.18から、大卒比率を入れるとマイナス0.09へ半減した。後者は10％水準でのみ有意だ。2021年からのパネルではマイナス0.19からマイナス0.06へ縮み、統計的に有意ではなくなった。教育はAIが代替しやすい符号化知識の経路かもしれず、別の雇用ショックを表す交絡要因かもしれない。現状のデータは両者を分けられない。
高露出職と低露出職の雇用は、ChatGPT以前にも同じ動きをしていなかった。高露出職の相対差は2018〜2019年の基準から2020年半ばまで約13ポイント上がり、その後に約30ポイント下がった。うち約13ポイントはパンデミック期の上振れを戻す動きで、残る約17ポイントは以前の基準を下回る動きだった。2022年末以降も低下が続いた事実は一時的な反動だけでは説明しにくいが、それだけでAIを原因と特定することもできない。
全国代表性のあるAmerican Community Survey（ACS）との比較は、一般化にさらに慎重さを求める。2022〜2024年の22〜25歳について、最露出群と最少露出群の雇用増加率の差はACSでマイナス2.2ポイント、95％信頼区間はマイナス5.5からプラス1.1ポイントだった。同じ期間のADP標本ではマイナス13.2ポイントである。方向は一致するが、ACSの信頼区間はゼロを含み、差の大きさもかなり小さい。
ADP標本は製造業と卸売業の比重が高い。大企業とAI露出の高い職種も多い。一方、小売や宿泊・飲食、小規模企業は少ない。存続企業に限定したパネルなので、ADP外の企業へ仕事が移った場合も追えない。個票データは非公開で、図の基礎となる職種別データは公開ダッシュボードから入手できるものの、分析コードは著者への請求が必要だ。さらにADPはデータ提供者であり、Stanford Digital Economy Labの企業会員でもある。機密情報の開示を防ぐ目的で論文を確認する権利を持つことも、研究本文に開示されている。
別データから同じ方向を報告した研究はある。米国勢調査局のLee C. TuckerによるCESワーキングペーパー26-27は、22〜24歳を対象に産業と州のセルを比べ、ChatGPT公開後10四半期で最露出五分位の回帰調整済み雇用が12％減ったと報告した。ただし年齢区分も露出の単位もStanford研究とは異なり、直接の追試ではない。この論文も査読前で、通常のCensus刊行物としての審査を受けておらず、同局の公式見解ではない。
Stanfordの単一研究で「AIが若手の仕事を奪った」と決着したわけではない。関連研究には同じ方向の結果も、集計雇用への影響を見いださない結果もある。判断を前へ進めるには、公開ダッシュボードで採用率の差が続くかを追い、全国の行政記録で年齢と職種を細かく分け、企業のAI導入前後を比較する必要がある。三つが同じ方向を向いたとき、19％という早期警戒の数字は因果へ一歩近づく。
