OpenAIリサーチ: AIが職業的タスクのクロスオーバーをどのように拡大しているか

OpenAIの研究によると、AIは「タスククロスオーバー」を可能にすることで労働の分業を根本的に変えており、これは歴史的に他の職業に関連していたタスクを労働者が行うことを意味します。米国のChatGPTユーザーからの80万件以上のメッセージの分析によると、仕事関連のメッセージ全体の16.8%、職業特有のメッセージの43.5%がユーザーの主要職業以外のタスクを含んでいます。

タスククロスオーバーの現象

タスククロスオーバーは、ある職業に伝統的に関連していた仕事が、別の職業の人々のAI使用パターンに現れるときに発生します。この変化は、AIが従業員に他の専門家への引き継ぎに頼るのではなく、ニーズを独立して対処できるようにすることを示唆しています。

この傾向を切り離すために、OpenAIはメッセージを「一般的」なタスク（要約、スケジュール作成、執筆など）と「職業特有」のタスクに分類しました。一般的でないメッセージのうち、43.5%がユーザーの職業外に該当します。この傾向は次の役割で最も顕著です：

• カスタマーエクスペリエンス担当者: 職業特有のメッセージの77%が職業外のタスクです。
• デザイナー: 職業特有のメッセージの75%が職業外のタスクです。
• 人事担当者: 職業特有のメッセージの69%が職業外のタスクです。
• 法務担当者: 職業特有のメッセージの56%が職業外のタスクです。
• マーケター: 職業特有のメッセージの53%が職業外のタスクです。

タスク分布のパターン

タスククロスオーバーはすべての職業に均等に影響を与えるわけではなく、一部の役割は他の職業が採用するタスクの「ソース」となり、他の役割は他の分野からのタスクの「吸収体」となります。

エンジニアリングとマーケティングがタスクのソースとして

エンジニアリングとマーケティングのタスクは、職業間で最も頻繁に「旅行者」となるタスクです。エンジニアリングのタスクは他の職業の労働者のメッセージのうち7.4%を占め、マーケティングのタスクは8.9%を占めます——これはサンプルにおける最高の外向きシェアです。一般的な例には、技術的なトラブルシューティングや技術システムの操作が含まれます。

デザインがタスクの吸収体として

対照的に、デザインは内向きのクロスオーバーが高い特徴があります。デザイナーからのメッセージの約35.2%は他の職業に関連する仕事を含みますが、デザインタスク自体は他の職業の労働者からのメッセージのうちわずか1.7%しか占めません。

ユニバーサルタスク

特定のタスクはサンプル全体でほぼ普遍的になっています。財務計算と技術的トラブルシューティングは、分析した7つの職業グループすべてにおいて最も一般的な外部タスクの3つに含まれます。

組織規模がAI使用に与える影響

タスククロスオーバーの程度はビジネスの規模によって異なり、小規模な組織では労働者がAIを汎用ツールとして使用する傾向が高くなります。

平均的なユーザーにおいて、組織規模が大きくなるにつれて職業外タスクのシェアは減少します：

• 2〜5席のワークスペース: 職業外タスクのシェアが18.9%。
• 100席以上のワークスペース: 職業外タスクのシェアが16.3%。

OpenAIは、専門家のリソースが scarce な小規模な組織では、問題に最も近い労働者が他の機能に委任するのではなく、AIを使って問題を解決する可能性が高いと示唆しています。

職業変化への示唆

AI使用データは仕事の変化をリアルタイムで示す窓を提供するため、職業変化の早期シグナルとして機能します。これらのタスククロスオーバーのパターンは、正式な職務記述書や公式の労働市場統計に反映される前に現れ、これにより多くの仕事が日常のタスクが大きく変わるにつれて再編成される可能性があることを示唆しています。