目次
AIの普及で「先に消える仕事」を語るとき、多くの人が 「定型作業をやっているベテランがまず危ない」と直感する。だがこの数年で実際のデータが示したのは、その正反対だった。
米スタンフォード大学 Digital Economy Lab の Brynjolfsson らによる論文「Canaries in the Coal Mine?」は、給与計算大手ADPの数百万人分の給与データから、AIの影響を受けやすい職業で、22〜25歳の雇用だけが伸び悩んでいることを示した。2025年8月の初版に続き、2026年8月の改訂版では2026年6月までのデータで差がさらに広がったと報告している。ハーバード大学の研究者が約6,500万人分の履歴書を分析した論文（2026年5月版）も、生成AIを導入した企業で若手の雇用だけが下がったと報告し、AnthropicがClaudeの利用データと米国の雇用統計を突き合わせた研究（2026年3月）も、若手の「就職」に同じ方向の兆しを見つけている。
この記事の役割は、経験年数（若手とベテラン）によってAIの雇用への影響がどう違うかを研究と公的統計で整理し、自分の仕事がどちら側かを見分ける問いまで落とし込むことだ。どの職種が影響を受けやすいかは奪われる15職業、残りやすい仕事の条件はAI時代に生き残る職業、ホワイトカラー全体の予測と実データの差はホワイトカラー消滅論、同じ職場で働き続ける人どうしの成果の差はAIで会社員の能力格差はどう広がるかで扱っている。
直感とは逆——AIは若手の入口から効いている
— AIの影響を受けやすい職業の雇用の変化（米 Stanford Digital Economy Lab、2026年8月改訂版）
減り方の中身は 「解雇が増えた」ではなく「若手の採用が減った」。
論文自身は、これを因果の推定ではなく「炭鉱のカナリア」＝早期の兆候だと位置づけている。
1. 結論——データは「若手が先」と言っている
感覚論ではなく、発行元の原文で確かめた数字を並べる。
| 調査（発行元・時点） | 対象 | 主要な発見 |
|---|---|---|
| Stanford Digital Economy Lab「Canaries in the Coal Mine?」改訂版（2026年8月） | ADPの給与データ（米国、2026年6月まで） | AIの影響を受けやすい職業の22〜25歳の雇用は、影響の小さい職業と同じペースで伸びた場合より 19%低い（経験のある層に同様の差はなし） |
| 同上 | 22〜25歳、影響を受けやすい上位2区分 | 2022年11月→2026年6月で 約−11%（影響の小さい3区分は約+10%）、35〜49歳の上位2区分は 約+10% |
| 同上 | 22〜25歳全体 | 影響の小さい職業の伸びが相殺し、全体では −1.9%（ほぼ横ばい） |
| 同上・初版（2025年8月） | 2025年7月までのデータ | 企業ごとの事情を調整した推計で 13%の相対的な減少（改訂版の指標では同時点15%→2026年6月19%に拡大） |
| Anthropic「Labor market impacts of AI」（2026年3月） | 米国の人口動態調査（CPS）の22〜25歳 | 影響を受けやすい職業への 就職率がChatGPT以降、2022年比で約14%低下（統計的には「かろうじて有意」）、25歳超には同様の低下なし |
| Hosseini・Lichtinger（ハーバード大学）「Generative AI as Seniority-Biased Technological Change」（2026年5月版） | 米国の履歴書データ（約6,500万人・28万社超、2015〜2025年） | 生成AIの導入を始めた企業では、2023年1〜3月期から若手の雇用が導入していない企業より下がり、6四半期後に約9%低い（シニアの雇用の流れはほぼ変わらず、主因は採用の減速） |
| ADP Research「Canaries Dashboard」（2026年10月21日公表） | ADPの給与データ（米国、2026年9月） | AIの影響が大きい職業の22〜25歳の雇用は 前年比−3.7%で、36か月連続の前年割れ（同じ職業の全年齢は−0.5%、22〜25歳の全職業は−2.2%） |
2つの点に注意したい。1つ目は、減っているのは「解雇」ではなく「採用」だということ。Stanfordの論文は、影響が主に若手の採用減を通じて出ており、離職の増加ではないと書いている。今いる人が職を失うより先に、入口が狭くなっている。2つ目は、経済全体では広い失業は見えていないこと。同じ論文の最初の結論は「経済全体での広範な置き換えの証拠はない」で、ADPのサンプル全体の雇用は同期間に約6%増えている。影響は「若手 × AIの影響を受けやすい職業」という狭い範囲に集中している。
「若手 = 守られる」という従来観は崩れた。むしろ 「AIで自動化しやすいのは、コードの書き方・帳簿のつけ方・問い合わせの一次対応など、入門期に任されてきた『教科書的な仕事』だった」——という構造が見えてきている。
2. 公的統計で見る——米国の新卒の失業率と日本の就職率
1章の研究は、企業の給与や履歴書のデータを使っている。国の統計でも同じ向きが見えるかを確かめる。米国はニューヨーク連邦準備銀行（NY連銀）が人口動態調査（CPS）から四半期ごとに出している「The Labor Market for Recent College Graduates」、日本は厚生労働省と文部科学省の大学等卒業者の就職状況調査を見る。
出典：NY連銀「The Labor Market for Recent College Graduates」（2026年11月2日公表、2026年7〜9月期のデータ）。季節調整済み・3か月移動平均。在学中の人を除く。
大卒の若手の失業率は、4年で4.0%から5.2%へ1.2ポイント上がった。上げ幅は4つの層でいちばん大きい。1990年代から2010年代の多くの時期、大卒の若手の失業率は働く人全体より低かったが、2021年以降は全体を上回ったままだ。働いている大卒の若手のうち、大卒を必要としない仕事に就いている人の割合（NY連銀の「不完全雇用率」）は42.5%にのぼる。
ただし、この統計だけでAIのせいとは言えない。同じ時期には金利の上昇やコロナ後の採用の反動も重なっている。1章の研究が「AIの影響を受けやすい職業」と「そうでない職業」を比べているのは、この重なりを切り分けるためだ。
同じNY連銀は、専攻ごとの新卒（22〜27歳）の失業率も出している。主な専攻を抜き出すと次のとおり。
| 専攻 | 失業率 | 不完全雇用率 |
|---|---|---|
| コンピュータ工学 | 7.8% | 15.8% |
| コンピュータサイエンス | 7.0% | 19.1% |
| 機械工学 | 4.4% | 20.1% |
| 会計 | 2.6% | 21.2% |
| 土木工学 | 2.3% | 15.6% |
| 看護 | 2.1% | 12.8% |
AIがコードを書く使われ方の多いコンピュータ系の専攻で、新卒の失業率が高い。同じ工学でも土木工学は低く、資格と現場の実務が要る看護はさらに低い。数字は2024年の1年分（米国コミュニティ調査、2026年2月公表）で、その分野の卒業生の数や景気など、AI以外の要因も含んでいる。
日本の数字は様子が違う。2026年3月に卒業した大学生（学部）の就職率は、4月1日時点で98.0%で、前年と同じ水準だった（厚生労働省・文部科学省、2026年5月22日公表）。新卒の就職全体に、米国のような落ち込みは見えていない。ただしこの率は「就職を希望した人のうち就職した人」の割合で、職種ごとの内訳は無い。年代によるAIの使い方の差は、能力格差の記事で総務省の情報通信白書の数字を紹介している。
3. なぜシニアは生き残れるのか
Stanfordの論文は理由の候補として、AIは「成文化された知識」（学校や教科書、手順書で教えられる知識）を置き換えやすく、「暗黙知」（現場の経験や指導で身につく知識）を補うという仮説を挙げ、データでも方向が合うことを示している。成文化された知識を多く要する職業ほど若手の雇用の伸びが遅く、暗黙知を多く要する職業ほど中堅・シニアの雇用が速く伸びていた。論文はこれを因果ではなく記述的な結果だと断っている。
もう1つの手がかりが、AIの使われ方だ。同じ論文はAnthropic Economic Index（Claudeの利用データ）を使い、AIが仕事を「代わりにやる」使われ方（自動化）が多い職業では若手の雇用が減り、人を「助ける」使われ方（補完）が多い職業では雇用が横ばいか増えている、特に経験のある層で増えている、と報告している。同じ「AIの影響を受けやすい職業」でも、使われ方で向きが分かれる。
求人の中身からも同じ向きが見える。ハーバード大学の研究では、生成AIを導入した企業の若手向けの求人から、AIが得意な作業が少しずつ消えていた。若手の雇用の減少はAIの影響を受けやすい職業に集中し、シニアの雇用の流れはほぼ変わらなかった。
AIに代替されない4つの能力（≒シニアが持ちがちなもの）
これらは 暗黙知（tacit knowledge）の領域だ。マニュアルにできない、現場で身体化していくしかない知識。AI は教科書化された知識を瞬時に再現できるが、暗黙知の領域はまだ人が担う部分が大きい。データの「成文化された知識 vs 暗黙知」の傾きは、この直感と方向が一致している。
4. 自分の仕事を見分ける3つの問い
ここまでの研究から、若手の入口が狭くなりやすい仕事には共通点がある。下の3つの問いは、その共通点を自分の仕事に当てはめるための本記事の整理で、研究そのものの結論ではない。
| 問い | 当てはまるとき | 確かめ方 |
|---|---|---|
| ① 新人が最初の1年にやる仕事は、手順書に書けるか（定型のコード・データ入力・問い合わせの一次対応・資料の下調べ） | 若手の採用から先に絞られやすい。Stanfordの論文では、成文化された知識を多く要する職業ほど若手の雇用の伸びが遅かった。 | 新人の仕事を10個書き出し、手順書にできるものに印を付ける。半分を超えれば当てはまる。 |
| ② その職種でAIは「代わりにやる」使われ方が多いか | 自動化の使われ方が多い職業では若手の雇用が減り、人を補う使われ方が多い職業では横ばいか増えていた（Stanford）。 | Anthropic Economic Indexで、自分の職業の作業が自動化寄りか補完寄りかを見る。社内で「AIに任せきり」の作業が増えているかも見る。 |
| ③ その職種・専攻の新卒の採用や失業率が実際に悪くなっているか | 入口がすでに狭くなっている。ハーバードの研究では、AIを導入した企業の若手向け求人から、AIが得意な作業が減っていた。 | 米国はNY連銀の専攻別の表、日本は自社と業界の新卒採用数や、若手向け求人に書かれる仕事内容の変化を見る。 |
当てはまった数ごとに、若手とベテランが取れる手をまとめる。
Stanfordの論文の事例には、ソフトウェア開発やカスタマーサービスなどが挙がっている。職種ごとの10年予測（米労働統計局）は奪われる15職業にまとめている。
5. 「育成の蒸発」——若手が育たない構造問題
ここで深刻なのは、企業が 「若手を雇わない → 若手が育たない → 5〜10年後にシニアが足りなくなる」という時限爆弾を仕込みかねないことだ。
従来、新人エンジニアや会計士は 「先輩のコードを読み」「定型タスクをこなしながら」「現場で暗黙知を身体化していった」。その入門タスクを AI が肩代わりすると、若手の 「学ぶ場所」自体が消える。
入口を閉じると、将来のシニアも育たない
— データが示しているのは「解雇」より「採用の減少」
（Stanford、2026年8月）
離職の増加ではない
約−14%（2022年比）
Anthropic、2026年3月
育成の仕組みの立て直しには時間がかかる
言い換えると、いま 「AI でコストが下がるから新卒採用をやめる」と判断している企業は、「自社の未来のシニアを採用しないこと」を同時に決めている。Stanfordの論文も、若手の採用が減っていることを「キャリアのはしご」への影響の初期の兆しとして挙げている。なお「数年後に中堅が足りなくなる」は現時点のデータから見た懸念であって、測定された事実ではない。
6. 反論——「AIが原因とは限らない」議論
このストーリーには有力な反論もある。イェール大学 Budget Labの分析（2025年10月）は、ChatGPTの公開から33か月の間に 労働市場全体では「識別できるほどの混乱」は起きていないと結論づけた。職業構成の変化は過去の技術変化より少し速いが大差はなく、しかもAIが広く使われる前から始まっていたという。Anthropic自身の研究（2026年3月）も、AIの影響を受けやすい労働者の失業率に系統的な上昇は見られないと報告している。
Stanfordの論文も、自分たちの結果の弱点を正面から書いている。
- 学歴で調整すると差が小さくなる：学歴が別の原因なのか、AIが効く経路そのものなのかは区別できない
- ChatGPT以前から差があった：特にコロナ禍の前後で、影響を受けやすい職業とそうでない職業の動きに違いがあった
- ADPのデータでは全国調査より差が大きく出る：全国の統計でも方向は同じだが、幅は小さい
一方で論文は、金利の影響を調整しても、テック企業やコンピュータ職を除いても、在宅勤務の影響を調整しても差が残ること、金利がピークを越えた後も差が広がり続けたこと、そしてAIが自動化に使われている職業に集中し、年齢で傾きがあることを挙げ、金利や在宅勤務だけでは説明しにくいとしている。
つまり 「AI が若手雇用の伸び悩みの唯一の原因」とは言えない。ただし、AIの影響を受けやすく、しかもAIが自動化に使われている職業ほど若手の採用が減っているという関係は、複数の独立したデータで繰り返し見えている。本記事は 「AI だけが原因」とは言わないが、若手の入口に効いている圧力の1つになっているという立場を取る。
7. 若手が生き残るための戦略
「データはわかった、で、自分は何をすればいい」を整理する。
① 「AIが人を補う」使われ方の職場を選ぶ
同じ職種でも、AIに作業を丸ごと任せる職場と、AIを人の補助に使う職場がある。Stanfordの論文では、補う使われ方の多い職業で若手の雇用は横ばいか増えていた。面接では「新人はAIを使ってどんな仕事をし、誰がそれを確かめるか」を聞くと、その職場がどちら寄りか分かりやすい。AIを使えることは前提で、差がつくのは出力のどこを疑い、どこを直すかの判断だ。
② 「AI が苦手な領域」に早く立ち位置を取る
- 物理・身体性: 現場作業、医療看護、リアルなコミュニケーション
- 判断責任: コンプライアンス、ガバナンス、倫理
- 創造的な問いの設計: 新規事業、UX 設計、ブランド
- 人を動かす: 営業、コーチング、リーダーシップ
伸びる職業と、そこに入るための学歴・訓練の条件はAI時代に生き残る職業で表にしている。
③ 「複合スキル」を作る
純粋な「コードが書ける」「会計ができる」だけでは不十分になった。「ドメイン × AI」「デザイン × データ」のように、組み合わせで希少性を作る。例: 「医療現場の経験 + プロンプトエンジニアリング」「法律実務 + AI出力検証」など。
④ 暗黙知を獲得する場所を自分で作る
会社が「先輩のコードを読む環境」を与えてくれないなら、OSS 参加・サイドプロジェクト・コミュニティ・メンターで自分で取りにいく。データが示すとおり、暗黙知を多く要する職業ほど経験者の雇用が伸びている。AI 時代の若手キャリアは 「会社に育てられる」前提だけに頼れなくなった。
⑤ ステージを上げる——マネジメント / 設計 / 事業判断側へ
純粋な実装担当としての席は減りやすい。しかし 「設計判断ができる」「事業を理解している」「人を動かせる」側に早く踏み込めば、AIが自分の力を増やしてくれる側に乗れる。Stanfordの論文でも、AIが人を補う使われ方の職業では雇用が横ばいか増えていた。
8. シニアが油断できないライン
「シニア優位」と言っても、全シニアが安泰ではない。次のような層は むしろ若手より危ない。
| 危ないシニア像 | なぜ危ないか |
|---|---|
| AI ツールを使わない・使えない | 「AI を使える 30代」に生産性で負け、年収の水準を正当化しにくくなる |
| 役職だけシニア、実務は若手より浅い | 判断にハンコを押すスキルが薄いと、AIで十分代替可能と判断される |
| 定型管理業務が中心 | AI ダッシュボードと自動レポートで管理職層自体が圧縮される |
| 過去の成功体験で止まっている | 業界が AI 前提に再編される中、過去パターンの再生産は陳腐化 |
| 暗黙知を言語化・伝達できない | 「AI に教えられる形」にできないと、自分の価値も他人に渡せず、チームから孤立する |
つまり「シニア = 安全」ではなく、「AIを使いこなしつつ、暗黙知の判断ができるシニア = 安全」。データで伸びているのも「経験のある人全般」ではなく、AIが人を補う形で使われる職業の経験者だ。能力ではなく 姿勢が分水嶺になる。
9. 企業が今やるべきこと
個人だけでなく企業側も、長期的な人材構造を考えて動く必要がある。
① 若手採用を「コスト」ではなく「将来のシニア」に投資する
AI で短期コストは下がる。しかし若手の入口を閉じれば、数年後に中堅・シニアが足りなくなるおそれが大きい。新卒採用を切ることは、その時点での自社の競争力を切ることになりかねない。
② AI 時代の若手育成プログラムを再設計する
従来の「先輩のコードを読む」「定型タスクで身体化する」が機能しないなら、「AI が出した解を批評する」「AI と議論する」「AI の限界を体感する」新しい育成カリキュラムが要る。
③ シニアを「AI 増幅装置」として活用する
シニアの暗黙知 × AI のスケーラビリティ＝大きな生産性。シニアがAIで処理量を増やし、その判断の仕方を若手に渡す——という前提でチーム設計を組み直す。
④ 「人間が最後に署名する」ガバナンスを明文化する
AI 出力を本番に投入する前の 「人間チェックポイント」を必ず設ける。これは若手の働き口と学びの場を残す効果と、品質保証の効果を同時に持つ。
まとめ
- データは 「若手が先に AI の影響を受けている」と言っている。Stanfordの改訂版（2026年8月）では、AIの影響を受けやすい職業の22〜25歳の雇用は、影響の小さい職業と同じペースで伸びた場合より19%低い。35〜49歳は同じ職業で約+10%。
- ハーバード大学の履歴書データの分析でも、生成AIを導入した企業で若手の雇用は6四半期後に約9%低く、シニアはほぼ変わらない。減り方の中身はどちらも 「採用の減少」で、解雇の増加ではない。
- 公的統計では、米国の大卒の若手の失業率が2022年9月の4.0%から2026年9月の5.2%へ上がり、上げ幅は4つの層で最大。日本の2026年3月卒の大学の就職率は98.0%で、同じ落ち込みは見えない。
- 理由の候補は 「成文化された知識」をAIが置き換え、「暗黙知」を補うこと。AIが自動化に使われる職業で若手が減り、人を補う使われ方の職業では経験者が伸びている。
- 自分の仕事は 「新人の仕事を手順書に書けるか」「AIは代わりにやる使われ方か」「新卒の採用や失業率が悪くなっているか」の3つの問いで見分ける。
- 反論: Yale Budget Labは労働市場全体に目立つ混乱なしと結論。Stanford自身も学歴調整で差が縮むこと、AI以前からの差があることを認めている。
- 長期的には 「育成パイプラインの蒸発」が懸念される。若手の入口を閉じた組織は数年後に中堅・シニアも不足しかねない。
- シニアも、AIを使わない・実務が浅い・暗黙知を伝えられないと危ない。企業は若手の採用を将来への投資と考え直す。
FAQ
Q1. 「若手が先」というのは、米国だけの話ですか？日本でも同じ？
ここで紹介した研究（Stanford・ハーバード・Anthropic）とNY連銀の統計は、どれも米国のものだ。日本では、2026年3月卒の大学（学部）の就職率が98.0%（4月1日時点、前年と同じ）で、新卒の就職全体に米国のような落ち込みは見えていない。新卒一括採用や長期雇用の慣行が強い国では、採用数の調整の仕方が米国と違うため、変化が出るとしても形や時期が異なる可能性がある。この就職率は職種ごとの内訳を持たないので、自分の業界の新卒の採用数や、若手向けの求人に書かれる仕事の中身がどう変わっているかを見るのが確実だ。
Q2. では「若手はもうエンジニアになるべきでない」のか？
逆。「いま若手で AI を使いこなせる人」こそ希少。減っているのは「AI で代替しやすい入門業務」の採用であって、「AI を使って判断まで担える若手」の価値はむしろ高まっている。米労働統計局の予測でも、ソフトウェア開発者は2035年まで+10.2%と伸びる一方、コードを書く作業が中心のプログラマは−7.3%だ。CS 進学を諦めるのではなく、「学ぶ内容と姿勢」を変える方が正解。
Q3. 30代・40代が「AI 使えるシニア」になるには何から始める？
3つだけ:
(1) Claude Code / Cursor / Codex のいずれかで毎日30分は触る
(2) 自分の専門領域で「AI に何ができて何ができないか」の境界を体感する
(3) AI の出力を 批評・修正できるレベルのドメイン知識を強化する
ツール操作より、判断軸の言語化が長期的な差別化要因になる。
Q4. 「育成パイプライン崩壊」を防ぐのは可能か？
個社レベルでは可能。(1) 新卒採用を維持し (2) AIと協働する育成プログラムを作り (3) シニアに「教える時間」を業務として組み込む。社会全体でどうなるかは未定で、Stanfordの論文も今後の追跡のために指標を公開している段階だ。
Q5. 物理現場の仕事（建設・看護・配送）は本当に安全？
当面は安全度が高い。Anthropicの利用データでも、労働者の約30%はAIの利用がほぼ見られない職業（調理師・整備士・ライフガードなど）にいた。「人が現場にいて判断する」要素が強い職種は代替が遠い。ただし長期的には自律ロボット・自動運転が浸透する可能性があり、20年スパンでは別の話。
Q6. 「AI を使うシニア vs AI を使わない若手」では、どちらが強い？
多くの職場で AI を使うシニアだろう。シニアの暗黙知に AI の処理量が乗ると、生産性の差は大きく開く。逆に 「AI を使わない若手」は、入門業務がAIに移るほど居場所を失いやすい。
Q7. AI で「自分の仕事の半分が消えた」と感じている。どうすればいい？
3段階で動く。(1) 短期: 残った半分に集中して品質を上げる、AI を使って残り半分の生産性を倍化する(2) 中期: AI が苦手な領域（判断・対人・物理）の比率を意識的に増やす(3) 長期: 業界そのものの変化を読み、「AI が普及した5年後のあなたの職業」を再定義する。「業界内で席を取り直す」発想が重要。
関連記事：生成AIに奪われる仕事ランキング15選（職種別の予測）／ホワイトカラー消滅論（全体の予測と実データ）／AIで会社員の能力格差はどう広がるか（働き続ける人どうしの差）／AIはITフリーランスに何をしたか——本記事は雇用の話だが、フリーランスでは経験年数の効き方が逆になる
