拡散されたAI労働市場の実験（The Viral AI Labor Market Experiment）

急速に進化する人工知能（Artificial Intelligence）の展望において、アンドレイ・カパシー（Andrej Karpathy）ほど注目を集める人物はほとんどいません。OpenAIの共同創設者であり、Teslaの元AIディレクターでもあるカパシーは、長年にわたり業界の方向性を示す指標となってきました。2026年3月15日の週末、彼は「バイブ・コーディング（vibe-coded）」と称したAI労働市場分析プロジェクトによって、テックコミュニティに火をつけ、そして瞬く間にその火を消そうとしました。

このプロジェクトは、短期間オンラインで公開された後に削除されましたが、342の米国における職業がAIによる自動化（automation）にどれほどさらされているかをマッピングするために設計されたデータ視覚化実験でした。米国労働統計局（BLS）の「職業展望ハンドブック（Occupational Outlook Handbook）」のデータを使用し、カパシーは職務記述書を大規模言語モデル（LLM）に入力し、各職業を0から10の「AI露出度」スケールでスコアリングしました。カラフルなツリーマップで視覚化されたその結果は、高給のホワイトカラーの専門職が、低賃金の肉体労働職よりもAIによる混乱に著しくさらされているという、衝撃的で直感に反する発見により、即座に拡散されました。

手法：「バイブ・コーディング」アプローチ

「バイブ・コーディング（vibe-coding）」という用語は、カパシーが数ヶ月前から普及を助けた言葉であり、プログラマーがコード生成をLLMに大きく依存し、多くの場合、手動でのレビューや深いデバッグを行わず、厳格なソフトウェアエンジニアリング標準よりも出力の「バイブ（雰囲気）」や全体的な方向性を優先する開発手法を指します。

この特定の労働市場（labor market）分析において、カパシーはこの高度なAI支援アプローチを社会科学データに適用しました。342の異なる職業カテゴリをスクレイピングすることで、彼はAIに各職種の中心的な責任を分析させ、その仕事のどれだけが理論的に自動化システムによって再形成または実行され得るかを判断させました。

この手法は、次のような単純な前提に基づいています：

• 入力データ： 包括的なBLS職業展望ハンドブック。
• スコアリング・メカニズム： 大規模言語モデルが、AIの能力に照らして各職務記述書を評価。
• 指標： 0から10のスケールで、10はAI駆動の自動化への最大の露出を表す。

データサイエンス・コミュニティの批判者たちは、この手法が査読付き研究のような学術的な厳密さに欠けているとすぐに指摘しましたが、一般の人々の共感を呼ぶ「グラウンドトゥルース（ground-truth）」の視覚化を作成することには成功しました。それは理論的な議論を超え、不完全ながらもAIへの移行が現代の労働力にどのような影響を与える可能性があるかについて、具体的な見解を示しました。

主な発見：自動化露出度の格差

カパシーの分析の主要な結果は、AIによる自動化がまずエントリーレベルや定型的な肉体労働タスクを標的にするという一般的な想定に疑問を投げかけました。代わりに、データは高度なスキルを持つ高所得の専門職が最も高い露出スコアに直面していることを示唆しました。

分析により一貫したパターンが明らかになりました。コード、テキスト、レポート、管理データなどのデジタル成果物を生成する仕事は、露出スケールで著しく高いスコアを記録しました。逆に、屋根拭きやメンテナンスなど、身体的な器用さと現実世界での環境的相互作用を必要とする仕事は、大部分が影響を免れたままでした。

以下の表は、プロジェクトのデータに基づく所得水準別の露出分布をまとめたものです：

このデータは、進行中の「ホワイトカラー危機」の姿を描き出しており、知識労働に置かれていたプレミアムが、生産性を高めるために設計されたツールそのものによって侵食されていることを示しています。ソフトウェア開発者、法務アナリスト、管理職が8から9の範囲のスコアを示した一方で、物理的な立ち会いを必要とする職種は一貫して低露出のブラケットに収まりました。

なぜプロジェクトは撤回されたのか

インタラクティブな視覚化が拡散された直後、カパシーはウェブサイトと関連するGitHubリポジトリを削除しました。その後のコメントで、彼はこのプロジェクトが「迅速な実験」であり、正式な学術研究ではないことを明確にしました。彼は、このプロジェクトが米国政府や労働団体のための決定的な政策枠組みを提供するためではなく、手元にあるツールを使って特定の疑問を探求したいという願望から生まれたものであると説明しました。

この撤回は、AI研究コミュニティで高まっている緊張を浮き彫りにしています。AIインフルエンサーがデータに基づいた洞察を生成・配布できるスピードと、伝統的な検証に必要な時間の差です。マップは影響力がありましたが、X（旧Twitter）やRedditなどのソーシャルプラットフォームでの急速な普及の中でニュアンスが失われることが多く、そこでは結果が「バイブ・コーディング（vibe-coded）」による探索としてではなく、絶対的な事実として引用されることが頻繁にありました。

機関研究との文脈化

カパシーの実験が空白の中で行われたわけではないことに注目することが重要です。それは、Anthropicの研究者が主要な査読付き労働市場研究を発表したのと同じ週に現れました。Anthropicの研究は「観察された露出」、つまりAIが理論的に何ができるかではなく、専門的なワークフローにおいてAIが実際に何をしているかに焦点を当てていました。

Anthropicの研究は、差し迫った大規模な雇用の置き換えという物語に対して、必要な鎮静効果をもたらしました。実際のClaudeの使用データを追跡することで、研究者たちは、AIが技術的に多くのタスクを実行できる一方で、企業環境での実際の導入は依然として限定的であることを発見しました。この「格差」は、即時の失業を警告するものではなく、統合、変更管理、文化的適応の課題に依然として取り組んでいる企業にとっての「To-Doリスト」なのです。

仕事の未来：変化する展望

カパシーのプロジェクトは撤回されましたが、それが巻き起こした対話は依然として重要です。拡散された「バイブ・コーディング」によるマップと、より正式なAnthropicの研究の両方から得られる核心的な教訓は一致しています。労働力はAIによる一晩での全面的な置き換えに直面しているわけではありません。代わりに、私たちは役割の根本的な進化の時期に入っています。

年収10万ドルを超える専門職にとって、露出スコアは日々の業務の性質に関する警鐘として機能します。変化は、純粋な実行ベースの仕事から、キュレーション、管理、戦略的監視へと向かっています。エントリーレベルのタスクを置き換えることができるAIツールは、同時に、残された役割にとっての生産性の主要な手段になりつつあります。

AIが成熟し続けるにつれて、「露出度が高い」と「安全」の区別はおそらく曖昧になっていくでしょう。今後10年間で最も成功する労働者は、これらのトレンドを無視する人々ではなく、AIをコパイロット（Co-pilot）として受け入れ、自身のスキルセットをますます自動化される経済における動的な変数として扱う人々になるでしょう。カパシーの実験は一過性のものでしたが、仕事の未来は私たちが構築する技術だけでなく、それをいかに世界の労働市場の構造に統合することを選択するかにあるという現実を、見事に浮き彫りにしました。