エコノミックインサイト

MRIエコノミックレビュー人材日本

AIはどの作業に効くのか

産業別に見る、AIがもたらす時間創出効果

タグから探す

2026年09月10日

政策・経済センター酒井博司

横山宗明

人材
AIによってどの職業が影響を受けるのか、という議論が広がっている。しかし、職業単位で影響の大きさが分かっても、企業がどの業務からAIを導入し、行政がどの領域を支援すべきかを決めるのは難しい。仕事をより細かな作業要素に分け、産業別に重ねると、AIにより時間が生まれやすい作業や人の関与が残りやすい作業、その産業で必要となる実装条件が見えてくる。今回のコラムでは、独自の推計に基づいてAI活用を成果に変える道筋を示す。

職業ではなく、作業単位で生み出す時間を見る

「AIでどの職業が代替されるのか」という議論は、これまで繰り返し語られてきた。だが、企業が実際に決めなければならないのは、どの作業にAIを使い、何を人が確認し、生まれた時間を何に振り向けるかである。政策担当者も、職業名だけでは、職業訓練、導入支援、技術開発支援のどれを優先すべきかを決めにくい。なお、先行してMRIオピニオン7月号/インサイトでは、AIによる仕事や経験の変化を論じた。このコラムでは、それを作業単位に分解し、産業ごとに必要な実装条件を見ていく。
この研究では、国の職業情報提供サイト(job tag)の職業・タスク情報を、分析単位である「作業要素」に分解し、AI機能と対応付けた。作業要素とは、職業情報に含まれるタスクをさらに細かく分けたものである。また、個々の作業要素を、さらに要約、検索・照会、生成(文書や説明文の作成など)、点検などの作業種類に分類した。その上で、作業要素ごとに、AI活用によって再配分が可能になる時間割合TRR(Time Reallocation Rate、再配分時間率)を推定した※1※2。このコラムでは、これらのデータを用いて、作業種類ごとの時間創出余地を見た上で、産業ごとのAI活用の道筋を示す。なお、個々の作業種類の定義は、このコラムの最後に図表にまとめている。

図表1は、作業種類別に、平均TRRと作業量構成比を示したものである。縦軸の平均TRRは、上にあるほどAI活用によって時間を創出する余地が大きいことを示す。横軸の作業量構成比は、右にあるほど多くの仕事に含まれる作業であることを意味する。つまり、この図は、「AI活用で時間が生まれやすいか」と「その作業がどれだけ広く行われているか」を同時に示している。
図表1 作業種類別に見たAIのTRR
作業種類別に見たAIのTRR
注1:作業種類の定義はこのコラムの最後に記載。
注2:この図で作業種類名として用いる「現場作業」は、組立/加工/修理/清掃/介助/搬送/調理などを指す。
注3:平均TRRは、各作業種類に含まれる作業要素のTRRを、職業内の作業ウエートで加重平均した値。作業量構成比は、その作業種類が全職業の作業全体に占める割合。

三菱総合研究所作成
ここから読めるのは、作業種類によって時間創出余地と作業量構成比の組み合わせが大きく異なることである。例えば、平均TRRが高く、時間創出余地の大きい作業種類としては要約が挙げられる。このほか検索・照会、登録・更新、生成、計画、分類、抽出などの文書・情報処理系の作業も比較的高い水準にある。一方、現場作業、対人応対、点検は平均TRRが相対的に低いが、作業量構成比が大きい。現場作業、対人応対、点検の平均TRRは15.5%、作業量構成比は55.4%となり、全433職業のすべてに、これら3種類のうち少なくとも1つが含まれる。

すなわち、TRRの高い作業を優先するだけでは、AI活用の全体像は見えない。要約や検索・照会などでは、AI出力を人がどう確認し業務に組み込むかが重要になる。一方、現場作業、対人応対、点検では、人の実行・確認・判断が残りやすい。このように作業種類により、時間が生まれる場所も、必要なアプローチも異なるのである。

AIで生まれる時間は、産業ごとに量も中身も異なる

作業種類ごとの違いが分かると、次に問うべきは、それがどの産業にどれだけ含まれているかである。産業への影響を考える際には、「社会全体でどれだけ時間が生まれるか」と「働く人1人当たりの仕事がどれだけ変わり得るか」を分けて考える必要がある。同じ作業種類でも、就業者数の大きい産業に多く含まれれば社会全体の再配分可能時間は大きくなる。反対に、総量が大きくなくても、1人当たりのTRRが高ければ、働く人の職務変化は大きくなり得る。

図表2は、産業別の総再配分可能時間と、1人当たり平均TRRを示す。左図の総再配分可能時間は、産業全体でどれだけ時間創出余地があるかを示す。右図の1人当たり平均TRRは、その産業の就業者1人当たりで見た時間創出余地を示す。1人当たり平均TRRが高い産業ほど、職務内容や役割分担の見直しが求められる可能性が高い。
図表2 産業別に見た総再配分可能時間と1人当たり平均TRR
産業別に見た総再配分可能時間と1人当たり平均TRR
注:2020年国勢調査の産業×職業大分類別就業者数に、職業大分類別TRRと年間標準労働時間1,700時間/人を掛け合わせて試算。産業別総再配分可能時間=Σ(産業×職業別就業者数×1,700時間×職業別TRR/100)。1人当たり年間再配分可能時間は、産業別総再配分可能時間を当該産業の就業者数で割った値。国勢調査の産業×職業別就業者数と、三菱総合研究所の職業別TRRを接続し、産業別の総再配分可能時間を試算。同じ職業が異なる産業で行う仕事の違い、企業規模、業務標準化やAI導入状況などは十分に反映していない。また、産業別の値はマクロな試算であり個社の効果を示さない。

三菱総合研究所作成
ただし、総量と1人当たり平均TRRだけでは、何を整えれば成果につながるかは分からない。同じ産業でも、時間が生まれる作業が要約や登録・更新なのか、現場作業や点検なのかによって、必要なAI、業務実装、人材支援は変わる。そこで図表3では、総再配分可能時間が大きい産業の例として製造業と医療・福祉を、1人当たりの再配分可能時間が大きい産業の例として金融・保険業を取り上げ、産業別の総再配分可能時間を作業種類別に分解し、どの作業種類が時間創出源になっているかを見る。
図表3 産業別に見た再配分可能時間の作業種類内訳
産業別に見た再配分可能時間の作業種類内訳
注1:作業種類の定義はこのコラムの最後に記載。
注2:この図で作業種類名として用いる「現場作業」は、組立/加工/修理/清掃/介助/搬送/調理などを指す。
注3:産業内の企業規模の差、個社の業務プロセス、システム整備状況などは反映していないため、個社判断には自社業務の棚卸しが必要である。

三菱総合研究所作成
図表3が示すのは、産業ごとに、どの作業種類から再配分可能時間が生じ得るかであり、そのまま具体的なAI導入先を示すものではない。実際に時間を生み、成果につなげるには、各産業で重視される安全、品質、ケアの質、説明責任などを損なわないかたちで、AIを業務に実装する必要がある。製造業、医療・福祉、金融・保険業について、そのポイントを整理した(図表4)。
図表4 産業別に見た時間創出源とAI実装上のポイント
産業別に見た時間創出源とAI実装上のポイント
注:「主な時間創出源」は図表3の作業種類内訳に基づく。「AI実装上のポイント」は、各作業の特性と、産業ごとに重視される安全、品質、顧客保護などを踏まえた実務上の整理であり、図表3から直接推計されたものではない。

三菱総合研究所作成
3つの産業を比べると、時間創出源だけでなく、AIを実際の時間創出につなげるための実装上のポイントも異なる。したがって、AI導入では、時間創出余地の大きい作業を特定するだけでなく、その産業で守るべき品質や安全、説明責任を踏まえ、必要な技術、業務手順、人の判断範囲を設計する必要がある。

AI導入支援を、作業別・産業別の実装支援に変える

ここまでの分析を踏まえ、AI活用を成果に変えるために重視すべき3点を提案する。

①高TRR作業は、確認・責任分担と時間活用の設計まで支援する

要約、検索・照会、登録・更新、生成、計画は平均TRRが高い。だが、TRRが高いことは、そのまま成果創出を意味しない。必要なのは、「時間を生む設計」と「時間を使う設計」を分けて考えることである。

時間を生むには、入力データ、確認基準、例外時の責任分担を整える必要がある。これらが曖昧なままでは、AIで草稿や候補を作っても、確認や手戻りが増え、再配分可能な時間は実際には生まれにくい。さらに、生まれた時間を成果につなげるには、再配分方針と実装策を決める必要がある。

再配分方針は、AIやTRRが自動的に示すものではない。企業が、「経営戦略」「TRRが示す時間原資」「時間が生まれる人材のスキル」を照らし合わせ、創出した時間をどこへ再配分するかを決定する。配分先としては、現場負担の軽減、顧客接点の強化、品質・安全の向上、経験形成、新規価値創出などが考えられる。その上で、業務再設計、リスキリング、配置・採用、KPI管理などの実装策を組み合わせ、経営の方針に基づき、現場とともに実装・見直しを進める(図表5)。AIツールの導入支援だけでなく、この「時間を使う設計」まで支える必要がある。
図表5 再配分方針(例)と実装策
再配分方針(例)と実装策
三菱総合研究所作成

②作業量が大きいが低TRRの領域は、技術開発と現場設計を一体で進める

現場作業、点検、対人応対は、作業量構成比が大きいが、平均TRRは相対的に低い。これは、物理的な作業、安全確認、現場環境への適応、対人判断など、人の実行・確認・判断が残りやすい制約があるためだ。AIによる潜在的な時間創出余地は残されているものの、現在のAI機能だけでは、TRRが抑制されている領域と言える。したがって、現場作業や点検では、現場の要求水準を満たすフィジカルAI、センサー、画像認識、遠隔支援などの新たな技術・製品開発と実証が重要になる。

ただし、これらの技術・製品だけで時間が生まれるわけではない。作業手順、確認基準、異常時の対応、責任分担、現場で使う人の訓練をあわせて設計して初めて、推定上のTRRを実際の時間に変えやすくなる。対人応対についても同様に、応対の質や安全性を保つ業務手順、人が判断すべき範囲、職員の訓練をあわせて整える必要がある。こうした領域でAI活用を成果に変えるためには、技術・製品開発、業務設計、人材育成を一体で進めることが重要である。

③作業構成に応じて、企業・業界・行政の役割をそろえる

産業ごとに総量、1人当たりTRR、作業内訳が異なる以上、必要な支援も異なる。AIツール導入だけでなく、業務実装、技術開発、人材育成をつなぐ必要がある。その出発点は、企業が自社業務を作業単位で棚卸しし、どの作業で時間を生み、どの作業で人の確認・判断を残すかを明らかにした上で、経営が優先課題と成果目標を定め、現場とともに再配分先の実行可能性を判断することである。

一方で、個々の企業だけでは対応しにくい領域もある。業界共通のデータ項目、確認基準、安全基準、実証テーマ、訓練内容は、個社ごとの工夫に委ねるだけでは広がりにくい。業界団体や各産業の所管省庁が、産業ごとの作業構成を踏まえ、共通して整えるべき標準や実証課題を明確にする必要がある。また国や自治体は、それに応じて、技術開発支援、導入支援、職業訓練、地域実装支援を組み合わせることが求められる。

作業単位で見ることの意義は、企業の業務改革と、業界・行政の支援策を同じ単位で議論できる点にある。AIで生まれ得る時間を実際の価値に変えるには、企業が現場の業務を見直すだけでなく、業界や行政が標準化、技術実証、人材育成、導入支援を後押しする必要がある。作業構成を共通の土台にすることで、AI導入支援をツールの普及にとどめず、産業ごとの仕事再設計につなげやすくなる。

AI時代に問われているのは、「どの職業がなくなるか」ではない。産業ごとに、どの作業で時間が生まれ、どの作業では人の実行・確認・判断が残りやすいのかを見た上で、技術、業務実装、人材支援を組み合わせ、全体のパフォーマンスを向上させることが肝要である。またAI活用は、一部作業を速くするだけでなく、仕事の中身や役割分担を見直す契機にもなる。作業要素まで見ることで、企業は自社で見直すべき業務を、業界や行政は支援すべき技術実証、標準化、訓練、導入支援の対象を、同じ単位で捉えられる。

AIで生まれる時間を価値に変えられるかは、この共通の単位に対し、企業の業務改革と業界・行政の支援策をどこまで効果的にかみ合わせられるかにかかっている。

参考|作業種類の定義(図表1、3)

作業種類名 本分析での定義
要約 情報を短く要点化してまとめる
抽出 必要項目・根拠・差分などを取り出し一覧化する
翻訳 別言語へ変換する
生成 文章・案内文・報告文などを作成・編集する
検索・照会 必要情報を探して取得する
分類 カテゴリ分け・ラベル付け・優先度付けを行う
分析 集計・分析・計算で指標や示唆を作る
判断 基準・条件から可否/合否/優先度などの結論を出す
計画 段取り・順序・配分・日程・ルートなどを計画する
登録・更新 手順に沿って処理を実行しシステム/台帳を登録・更新する
開発 仕様化し設計・実装・テストで成果物を作る
運用 稼働中の仕組みを監視し障害対応や品質・コスト改善を行う
対人応対 顧客・患者・同僚などと双方向で応対・説明・ヒアリングする
調整・交渉 関係者間の条件を調整し合意形成して進める
作業 物理対象に手作業で作用し状態を変える
点検 物理対象の状態を観察・計測・検査して確認する

※1:厚生労働省の職業情報提供サイト(job tag)に掲載されている全職業の全タスクをさらに作業要素レベル(23,581件)に分解し、国内外のAI製品/サービス(864製品)から抽出・分類したAI機能(70件)とマッチングさせ、作業要素レベルでAI活用により再配分可能になる時間割合や、AI導入前後で求められるスキルを推定。

※2:独立行政法人労働政策研究・研修機構(JILPT)作成「職業情報データベース 詳細版数値系ダウンロードデータver.6.01.01」および同「職業情報データベース 簡易版数値系ダウンロードver.7.00」を加工して作成。
https://shigoto.mhlw.go.jp/User/download
2025年12月22日および2026年3月25日にダウンロード