Anthropicレポート：ロボットは米国の物理的作業の74％を実行可能だが、コスト競争力を持つのはわずか0.3％の職業にとどまる
TL;DR
- 発表内容：Anthropicは、現在のロボットがどの程度の米国職業の作業を実行できるかを数値化し、経済的コスト競争力も評価する「ロボット露出指数」をリリースした。
- 重要性：この指数は、ロボットがすでに物理的作業の74％（全作業時間の34％）を実行可能であることを示しているが、経済的に実現可能なのはわずか0.3％の職業にとどまっている。これは、物理的自動化への長期的・能力主導的な道筋があることを示唆している。
主な発見の概要
- ロボット露出：現在のロボットは、目的に特化した環境（構造化または非構造化）で、物理的作業の74％（全作業時間の34％）を実行可能である。
- コスト競争力：ロボットが人間の労働コストを下回るのは、わずか0.3％の作業にとどまる。10％のカバー率に達するには70％のコスト低下が必要であり、歴史的な年間3％の価格低下率を前提とすると、約40年かかる。
- 職業レベルの影響：露出度が高い職業（例：タクシー運転手、倉庫パッカー）は、歴史的に賃金および雇用の減少が顕著だった。過去50年間で露出度は年間約2％上昇している。
- 人口統計：露出度の高い労働者は、男性、教育水準が低く、低賃金であり、ヒスパニック系である傾向が強い。
- 障壁：能力（特に操作能力）が70％の物理的作業を制限している。コストは2番目に大きな障壁。規制と人間の好みはそれぞれ約14％と25％を占めている。
ロボット露出の測定方法
露出基準
Anthropicは、7,594の物理的O*NET作業を4段階のスケールで評価している。
| 段階 | 定義 |
|---|---|
| E0 | ロボットがその作業を実行できない。 |
| E1 | ロボットが目的に特化した環境（例：工場ライン）でのみ実行可能。 |
| E2 | ロボットが構造化された人間の職場（例：倉庫）で実行可能。 |
| E3 | ロボットが非構造化環境（例：市街地）で実行可能。 |
"ロボットは、信頼性、誤差率、速度を考慮して、人間と同程度の質で作業を実行できなければならない。" – Anthropicのメソドロジー脚注13。
Claudeに、具体的なロボット導入事例を検索し、出典を提示し、作業の半数以上が実行可能な最も構造化されていない環境を割り当てるよう指示した。職業の露出指数は、作業スコア（0–3）の時間加重平均で算出される。
歴史的検証
1977年以降のO*NETデータを使用し、各年における技術能力に応じて作業を再評価した。高い歴史的露出度を示す職業は、業界トレンドを調整しても賃金および雇用の減少が顕著だった。このバックテストは、指数が将来の自動化リスクを予測するものとして有効であることを裏付けている。
すでにロボット対応可能な作業はどれくらいか？
物理的作業のカバー率
- E0（露出なし）：すべての作業の12％（物理的作業時間の約25％）。例：ヘアダイ、足場の設置。
- E1（目的特化環境）：物理的作業時間の23％。例：コンベアベルトでの食事トレイの組み立て。
- E2（構造化された職場）：物理的作業時間の10％。例：病院内の薬品配送ロボット。
- E3（非構造化環境）：物理的作業時間の2％。例：自律走行。
全体として、物理的作業の74％（全作業時間の34％）が、ある段階でロボット対応可能である。
職業レベルの露出
図4（オリジナルレポート内）には、最も露出度の高い10職業がリストアップされている。そのうち9つは車両運転手であり、タクシー運転手が最も高い指数（2.2）を記録している。彼らの作業の多くはE3評価だが、補助的な作業（例：車内清掃）はE2評価である。
コスト競争力のある自動化
Anthropicは、各露出作業にロボットを導入する年間コスト（ハードウェア、統合、保守、エネルギー、監視、資本コストを含む）を推定した。作業のロボット年間コストが、人間の労働コスト（BLSの総報酬を作業時間で加重平均）を下回る場合、その作業は「コスト競争力がある」と定義される。
| 職業 | 露出作業の割合（E1–E3） | ロボットコスト vs. 労働コスト | コスト競争力？ |
|---|---|---|---|
| パッカー・パッケージャー | 97％ | ロボット1台あたり年間45,000ドルが、年間49,000ドルの労働力を置き換える | はい（すべての職業の0.3％） |
| 焊接作業員 | 68％ | ロボットコストは労働コストの約5倍 | いいえ |
| 洗い場作業員・清掃員 | 55％ | ロボットは25,000～30,000ドル/年の労働コストより数倍高価 | いいえ |
現在、すべての職業作業の0.3％がコスト競争力がある。これは約30万労働者に相当する。均一に20％の価格低下が起これば、対象労働者は280万人（全作業時間の0.8％）に増加する。歴史的な年間3％の価格低下率を前提とすると、70％の低下（つまり10％のカバー率）には約40年が必要となる。
大規模言語モデル（LLM）との相互作用
LLMの露出（LLMが作業時間を半分にできる作業）とロボット露出を組み合わせると、**すべての仕事の81％**が少なくとも1つの技術でカバーされる。ロボットは特に輸送、移動、オフィス事務支援において、LLM単体では15％未満の作業しかカバーできない領域で露出を拡大する。
"ロボットは、LLM単体よりもより多くの、そして異なる種類の職業を露出させる。" – 「ロボットとLLMの露出」セクション。
残りの19％の仕事は、人間同士の関係性が強く、または現在のロボットやLLMが持たない細かい運動技能を必要とする。
誰が最も影響を受けるか？
2020–2024年のアメリカコミュニティ調査データを使用し、ロボット露出指数の上位20％の労働者と下位20％の労働者を比較した。
- 性別：露出度の高い労働者には女性が20ポイント少ない。
- 教育：学士号以上を持つ者は55ポイント少ない。
- 収入：時給平均が30ドル低い。
- 失業率：失業率が2倍以上高い。
- 身体的要求：重い荷物の運搬、極端な高温、危険物質作業の頻度がはるかに高い。
これらの傾向は、LLM露出職と対照的であり、LLM露出職はスキルが高く、賃金も高く、性別バランスが良い傾向にある。
広範な導入の主な障壁
| 障壁 | 物理的作業の制限割合 | 代表的な例 |
|---|---|---|
| 能力（操作、計画、移動、認識） | 約70％ | 「髪を漂白・染色・着色する」や「足場を設置する」などの細かい運動作業。 |
| コスト | –（上記のコスト競争力分析参照） | |
| 規制 | 14％ | 自律医療輸送、保護サービス業務。 |
| 人間の好み | 25％ | 信頼を要する作業（例：子供の着替え）や社会的対話が必要な作業（例：来客の挨拶）。 |
能力のギャップがコストの低下よりも速く埋まる場合、残りの30％の作業は広範に自動化可能になるが、現時点ではコストの壁が近い将来の導入を支配し続ける。
今後の見通しとシナリオ
- 歴史的トレンド：1977年以降、ロボットは年間約2％の物理的作業カバー率を増加させている。
- コスト低下シナリオ：年間3％の価格低下率を前提とすると、物理的作業の半分がコスト競争力を持つのは2085年以降になる。一方、「急速導入」シナリオ（コスト低下が4倍速く、能力成長が2倍）では、その時期は2050年に前倒しとなる。
- 政策的含意：早期の監視は、露出指数が最も高い職業（車両運転手、倉庫パッカー）に焦点を当てるべきである。規制、安全基準、労働市場政策が導入速度を左右する。
- LLMとの補完性：ロボットが操作の機敏性を獲得すると、LLMと組み合わせて、現在は身体的および認知的スキルが必要な作業（例：支援建設、現場診断）を自動化できる可能性がある。
結論
- 現在のロボットは、物理的作業の大部分を技術的に実行可能であるが、経済的および能力的障壁により、広範な自動化は制限されている。
- 露出度は労働市場の結果を予測できる：歴史的に、ロボット露出度が高い職業は賃金および雇用の減少と相関している。
- コストは近い将来の主要な障壁：10％の職業でロボットがコスト効率的になるには、70％の価格低下が必要であり、現在の価格トレンドを前提とすると、約40年かかる。
- 政策と研究は、（1）スケーリングとモジュール設計によるロボットコストの低下、（2）操作および認識能力の向上、（3）高影響職業における規制および好みの障壁の解消を優先すべきである。
Anthropicのロボット露出指数は、エンボディドAIの経済的影響を追跡するための具体的でデータ駆動の基盤を提供し、企業投資と公共政策のガイドラインとなる。
参考文献（選定）
- Legate‑Yang, R., & Massenkoff, M. (2026). What work can robots do? Anthropic. https://www.anthropic.com/research/what-work-can-robots-do
- Eloundou, T., et al. (2024). GPTs are GPTs: Labor Market Impact Potential of LLMs. Science, 384, 1306‑1308.
- Acemoglu, D., & Restrepo, P. (2020). Robots and Jobs: Evidence from US Labor Markets. QJE, 128, 2188‑2244.
- Rivière, Y., & Denain, J. (2026). Where Autonomy Works: Evaluating Robot Capabilities in 2026. Epoch AI.
- BLS (2025). Occupational Employment and Wage Statistics. https://www.bls.gov/oes/tables.htm
ロボット露出指数のデータとコードは、オリジナルのAnthropic投稿にリンクされた併記データリリースで入手可能。
Sources
- OriginalWhat work can robots do?