リビング・ダッシュボード
AIの労働インパクト観測所
AI の雇用への影響
業種・職種・スキルレベルごとに異なる、AI による雇用への影響の分布。
この観測所は、創出・消失した雇用だけを測るのではない。労働の変革圧力と、それを吸収する能力を測る。
- IILE-IA v0.2
- 月次キュレーション
- 週次ソースウォッチャー
- 実験的
観測所の進化最新の写真
観測所の進化
重要な更新ごとに編集的な「写真」を生成する:何が変わったか、どの情報源が裏づけるか、どの指標が動くか、どの程度の確信があるか。
Y軸:0–100。編集的バンド(低圧 → 重大な断絶)を背景に表示。各点はレビュー済みのスナップショット。
単一の数値スナップショットでは、まだ推移を示しません。月次の頻度が埋めていきます。
v0.2-editorial-provisional
- 方法論: IILE-IA v0.2
- 手動キュレーション
- 編集上の暫定
- 撮影日 2026-05-15
総合スコア
58.7
構成要素
E
65
A
45
T
70
S
72
M
42
B
52
編集的ベースライン
- 手動キュレーション
- 校正待ち
- 撮影日 2026-05-05
最初の編集的写真。情報源と指標を検証するまで、校正されたスコアはない。
次のマイルストーン:IILE-IAの校正を初期化できる、検証済みクレームによる最初の断面。
何が変わったか
- 手動入力
- 更新待ち
- 次バージョン：情報源ごとの実シグナル
何が変わったか。なぜ重要か。誰に影響するか。どんな決定を示すか。
2026-05-15から月次の編集頻度。Tier 1〜3の自動ソースウォッチャーは、再アーキテクチャのPR 5で導入される。
2026-05-15
IILE-IA v0.2 — 次元ごとの実験的な数値を伴う最初の編集的読み取り。
今日まで指数は全次元が `null` だった。v0.2は六つの編集的な数値(E·65、A·45、T·70、S·72、M·42、B·52)を confidence: low、合計58.7で公表する。これらは暫定的な編集的読み取りであり、統計指数ではない。
観測所の読者:各次元で `保留` だけでなく、観測所の具体的な立ち位置が見え始める。
この読み取りを、校正された測定ではなく、月次で見直し可能な編集仮説として捉えること。実際の数値校正(フェーズ6)には、実スナップショットが3つ以上必要。
2026-05-15
ダッシュボードのビジュアル再アーキテクチャ:6タブ→4、コンパクトなヒーロー、最初の折りにタブ。
最初の折りには4ブロック(ヒーロー+サマリーストリップ+校正ステータス+CTA)が積み重なり、タブを約700px下に押しやっていた。再アーキテクチャはサマリーストリップ+校正ステータスを「読み取り」タブの中へ移し、ヒーローを圧縮し、最初のスクロールからタブが見えるようにする。
ダッシュボードの読み取り体験全体——読み始めるのにもうスクロールは要らない。
編集的な「読み取り」を第一印象として前面に出し、「エビデンス/方法/進化」を任意の深掘りとして残す。
2026-05-04
WEF Future of Jobs Report 2025 を観測所に取り込み。
WEFは、2030年までに雇用の22%が変化(1.7億の新規ロール、9,200万が置換)し、100人中59人が2030年までにリスキリング/アップスキリングを必要とすると予測する。
専門職、人事、企業研修。
リスキリングをイベントとしてではなく、運用ポートフォリオ(SOX)の中の継続的なカデンスとして計画し始める。
2026-05-04
IMF:世界の雇用の約40%がAIに曝露;先進国では約60%。
曝露は運命ではない;曝露した雇用の一部は生産性で恩恵を受け、一部は需要減に直面する。
先進国における公共政策の設計と企業計画。
見出しを読むとき、曝露と観測された結果を明示的に区別すること。
2026-05-04
Anthropic Economic Index:約49%の雇用が、タスクの少なくとも1/4をClaudeで実行した(2026年3月)。
プラットフォームのテレメトリ——予測ではなく実際の導入のシグナル。
すでに実利用が広がっている知識労働と専門サービスの職務。
観測所を予測モードから、持続的な測定モードへ移す。
2026-05-04
Yale Budget Lab + Brookings:集計レベルの破壊は、米国の労働市場ではまだ明確には観測されていない。
即時の断裂という物語への実証的な対抗。集計エビデンスは依然として決定的でない。
観測所の編集的読み取り;過大主張を避けるのに役立つ。
IILE-IAを、不可避の断裂の読み取りではなく、実験的な編集指数として維持する。
2026-05-04
PwC + LinkedIn + Lightcast:AIスキルの給与プレミアムとスキル変化の速度は、すでに観測可能だ。
集計レベルの破壊は見えなくとも、価値はAIおよびハイブリッドスキルへ移動している。
AIの更新なしに、定型的な認知プロファイルを持つ専門職。
プレミアムが参入障壁になる前に、アップスキリングを加速する。
情報源マップ
情報源は方法論的な堅牢さで並べられる。編集上の更新頻度はこの順序を尊重する:指数に入ることと、アラートを点灯させることは同じではない。
Tier 1–3はIILE-IA指標を校正。Tier 4は解釈を支援。Tier 5は採用シグナルを提供。Tier 6はアラートを発生させるが、指標は再計算しない。
- Tier 1指標を校正
多国間機関と公式統計
労働と経済のデータに公的責任を持つ機関。
情報源
- WEF
- ILO
- OECD
- IMF
- World Bank
- Eurostat
- BLS
- O*NET
Tier 1〜3 はIILE-IA指数の校正に影響しうる。
- Tier 2指標を校正
労働市場プラットフォーム
雇用の運用シグナル:求人、給与、スキルの動態。
情報源
- Indeed
- Lightcast
- ADP
- Revelio
- Randstad Research
Tier 2 は高頻度の運用シグナルを提供する;「労働市場シグナル」セクションに有用。
- Tier 3指標を校正
学術研究とシンクタンク
査読済みの研究と、定評ある研究センター。
情報源
- Stanford HAI
- NBER
- MIT
- MIT Iceberg
- Yale Budget Lab
- Brookings
- Funcas
Tier 3 は解釈のための概念的枠組みと実証的検証を提供する。
- Tier 4解釈を支援
コンサルティングと企業リサーチ
企業へのアンケートと社内導入モデル;有用だが顧客バイアスがある。
情報源
- PwC
- McKinsey
- BCG
- Deloitte
- Accenture
- Microsoft
Tier 4 は解釈に影響しうるが、顧客バイアスのため慎重に重みづけする。
- Tier 5採用シグナルを提供
AIプラットフォームのテレメトリ
モデルやツールを提供する側からの、直接の利用データ。
情報源
- Anthropic Economic Index
- OpenAI
- GitHub
- Microsoft Copilot
Tier 5 は公式統計に入ることなく、導入と生産性のパターンを示しうる。
- Tier 6アラート発生（再校正なし）
メディアとキュレーションされた分析
早期検知器:シグナルを増幅するが、生み出しはしない。
情報源
- FT
- The Economist
- NYT
- HBR
- Newsletters
Tier 6 はアラートと編集シグナルを起動しうるが、指数を直接は更新しない。
ティア別ソースカバレッジ
各ティアで保持している検証済みソース数と、IILE-IA指標における役割。
Tier 1指標を校正
情報源数
15
正規URLあり
7
IILE-IA指標を校正
Tier 2指標を校正
情報源数
6
正規URLあり
1
指標を校正（市場運用シグナル）
Tier 3指標を校正
情報源数
10
正規URLあり
5
指標を校正（学術・実証）
Tier 4解釈支援
情報源数
6
正規URLあり
0
解釈支援（コンサル／クライアントバイアス）
Tier 5採用シグナル
情報源数
6
正規URLあり
1
採用シグナル（テレメトリ）
Tier 6アラート発生（再校正しない）
情報源数
5
正規URLあり
0
アラート発生；指標は再校正しない
情報源レジストリ
観測所が追う情報源の編集ディレクトリ。各情報源は、その種別、何を最もよく測るか、更新頻度、検証ステータスを宣言する。
検証済み:リンクと数値を確認。公式ソースをリンク済み:正規URLを確認;具体的な数値は抽出待ち。運用者ブリーフからキュレーション:編集チームが提案したデータ;URLと正確な日付の検証が保留。検証待ち:確定版として公開する前に確認が必要。
Tier 1IILE-IA指標を校正
World Economic Forum
- ブリーフ由来
- 信頼度: 高
- 種別
- 多国間機関 / グローバル報告書
- 最適な用途
- Future of Jobs Report — マクロ予測
- 重要性
- 雇用の創出/置換、スキルギャップ、リスキリングのマクロ参照枠。
- 更新頻度
- 年次 + テーマ別更新
ILO
- ブリーフ由来
- 信頼度: 高
- 種別
- 多国間機関 / 労働の公式統計
- 最適な用途
- タスク別のGenAIへの職業的曝露
- 重要性
- タスクレベルのデータ、専門家の判断、AI推定をディーセントワークの観点で組み合わせる。
- 更新頻度
- 年次 / テーマ別
OECD
- ブリーフ由来
- 信頼度: 高
- 種別
- 多国間機関 / 公共政策
- 最適な用途
- タスク・スキル・政策の変化
- 重要性
- 曝露した職業で、労働の内容がどう変わるかへの精緻な視点。
- 更新頻度
- 年次 / 研究別
IMF
- ブリーフ由来
- 信頼度: 高
- 種別
- 多国間機関 / 経済分析
- 最適な用途
- 国の類型別のマクロ曝露と不平等
- 重要性
- 曝露と生産性効果において、先進国と新興国を区別する。
- 更新頻度
- 年次 / スタッフペーパー
World Bank
- 検証待ち
- 信頼度: 中
- 種別
- 多国間機関 / 開発
- 最適な用途
- 新興国における雇用・生産性・スキル
- 重要性
- 開発途上国と雇用政策に焦点を当て、IMFを補完する。
- 更新頻度
- 年次 / レポート別
Eurostat
- 検証待ち
- 信頼度: 高
- 種別
- EUの公式統計
- 最適な用途
- EUにおける公式の雇用とスキル
- 重要性
- 観測所の欧州向け読み取りの定量的な錨。
- 更新頻度
- 四半期 / 年次
BLS
- 検証待ち
- 信頼度: 高
- 種別
- 米国の公式統計
- 最適な用途
- 雇用・給与・生産性・職業(米国)
- 重要性
- 米国の定量的な錨——職業予測とBLS Employment Projections。
- 更新頻度
- 月次 / 隔年
O*NET
- 検証待ち
- 信頼度: 高
- 種別
- 米国の職業分類
- 最適な用途
- 職業別のタスク・スキル・属性
- 重要性
- AI曝露に関するほぼすべての論文が分析の土台にする構造的ベース。
- 更新頻度
- 四半期ごと
World Economic Forum — Future of Jobs Report 2025
- 公式ソース リンク済み
- 信頼度: 中
- 種別
- グローバル雇用主調査
- 最適な用途
- 雇用とスキルの見通し、セクター別トレンド、雇用主の期待
- 重要性
- 雇用の創出/置換、スキルギャップ、リスキリングのマクロ参照枠。
- 更新頻度
- 隔年
- ダッシュボードでの用途
- エグゼクティブレーダー
- ソースレーダー
- IILE構成要素: スキル
- マクロトレンドの文脈と、労働の変容に関する期待の把握に用いる。
ILO — Generative AI and Jobs: A Refined Global Index of Occupational Exposure
- 公式ソース リンク済み
- 信頼度: 中
- 種別
- 職業エクスポージャー研究
- 最適な用途
- 職業的曝露、タスクレベルの分析、自動化 vs 拡張の枠組み
- 重要性
- タスク別の生成AI曝露について、検証済みの方法論を提供する。
- 更新頻度
- 刊行ごと
- ダッシュボードでの用途
- エビデンス vs. ハイプ
- IILE構成要素: エクスポージャー
- 曝露と、タスクに基づく方法論の把握に用いる。
IMF — Gen-AI: Artificial Intelligence and the Future of Work
- 公式ソース リンク済み
- 信頼度: 中
- 種別
- マクロ経済・労働分析
- 最適な用途
- 労働市場へのマクロ曝露、不平等リスク、政策枠組み
- 重要性
- 曝露と生産性効果において、先進国と新興国を区別する。
- 更新頻度
- 技術ノートごと
- ダッシュボードでの用途
- エビデンス vs. ハイプ
- IILE構成要素: 適応ギャップ
- Staff discussion note; 現時点ではIILE-IA指数の公式な校正ではなく、経済/政策の分析として提示する。
OECD — AI and work
- 公式ソース リンク済み
- 信頼度: 中
- 種別
- 政策・公共研究
- 最適な用途
- 雇用の質、職場の政策、導入とガバナンス
- 重要性
- 労働の内容がどう変わるか、そして政策的対応についての制度的読み取りを提供する。
- 更新頻度
- 継続的
- ダッシュボードでの用途
- ソースレーダー
- IILE構成要素: 採用
- 政策と制度的な成熟度の把握に用いる。
OECD — Future of work
- 公式ソース リンク済み
- 信頼度: 中
- 種別
- 政策・公共研究
- 最適な用途
- 労働の未来の文脈、スキル政策、労働移行の枠組み
- 重要性
- 労働の変革と公共政策に関するOECDの編集ハブ。
- 更新頻度
- 継続的
- ダッシュボードでの用途
- エグゼクティブレーダー
- ソースレーダー
- 編集上の文脈を補う情報源として用いる。
ILO — Generative AI and Jobs (NASKとの2025年アップデート)
- 公式ソース リンク済み
- 信頼度: 高
- 種別
- 職業エクスポージャー研究（精緻化手法）
- 最適な用途
- 精緻化されたGenAIへの職業的曝露、性別・国別の内訳
- 重要性
- 高曝露職業における女性雇用9.6% vs 男性雇用3.5%;各国のミクロデータに基づく「破壊ではなく変革」のフレーミング。
- 更新頻度
- 更新ごと(年1回以上)
- ダッシュボードでの用途
- エビデンス vs. ハイプ
- IILE構成要素: エクスポージャー
- IILE構成要素: タスク変容
- 性別による分解が頑健 — 関連する各KPIの公平性に関する留保に用いる。
Eurostat — AI use by enterprise size
- 公式ソース リンク済み
- 信頼度: 高
- 種別
- EU公式統計
- 最適な用途
- EUにおける企業規模別のAI導入——公式数値
- 重要性
- 公式数値:EU企業の約20%が2025年にAIを使用(2024年の約13%から)。欧州の導入読み取りのための、唯一の公的な定量的アンカー。
- 更新頻度
- 年次
- ダッシュボードでの用途
- グローバルパルス
- IILE構成要素: 採用
- パブリックAPI、ペイウォールなし。PR 5 での自動更新に適する (source-watcher が着地した時点で)。
Tier 2指標を校正（市場運用シグナル）
LinkedIn Economic Graph
- ブリーフ由来
- 信頼度: 中
- 種別
- 労働市場プラットフォーム / プロフェッショナル・グラフ
- 最適な用途
- スキル、キャリア軌道、移動性、新しい職業
- 重要性
- 2030年までに、ほとんどの雇用で使われるスキルの70%が変わると推計する。
- 更新頻度
- 継続的 / 年次レポート
Indeed Hiring Lab
- ブリーフ由来
- 信頼度: 中
- 種別
- 労働市場プラットフォーム / 求人
- 最適な用途
- 求人におけるスキルの変容
- 重要性
- GenAI Skill Transformation Index:雇用の26%がGenAIによって高度に変容しうる;スキルの46%はハイブリッド領域。
- 更新頻度
- 継続的 / 四半期レポート
Lightcast
- ブリーフ由来
- 信頼度: 中
- 種別
- 労働市場プラットフォーム / スキル・インテリジェンス
- 最適な用途
- 求人におけるスキル需要 + 給与プレミアム
- 重要性
- 13億件の求人を対象:AIスキルの給与プレミアム28%(年間約$18K);AI求人の51%はIT以外。
- 更新頻度
- 継続的
ADP
- ブリーフ由来
- 信頼度: 中
- 種別
- 給与計算プラットフォーム / 労働市場
- 最適な用途
- 実際の給与データによる雇用・給与・離職
- 重要性
- AI利用者 vs 非利用者の、エンゲージメント・ストレス・労働者の認識。
- 更新頻度
- 月次 / レポート
Revelio
- 検証待ち
- 信頼度: 中
- 種別
- 労働市場プラットフォーム / ワークフォース・アナリティクス
- 最適な用途
- 人材の移動、離職、人員構成
- 重要性
- 移動性トレンドについての、Hiring LabやLinkedInへの代替的な視点。
- 更新頻度
- 継続的
Randstad Research — AIと労働市場(スペイン)
- 公式ソース リンク済み
- 信頼度: 中
- 種別
- 人材市場調査（スペイン）
- 最適な用途
- スペインの人材に焦点を当てたスキル需要・給与・離職
- 重要性
- Funcasを補完する、人材に特化した視点を持つ雇用主−被雇用者ビュー。
- 更新頻度
- 継続的 / 年次レポート
- ダッシュボードでの用途
- IILE構成要素: スキル
- IILE構成要素: 市場シグナル
- Randstad と Funcas のシグナルを突き合わせ、スペインの読み取りの食い違いを見つけるのに有用。
Tier 3指標を校正（学術・実証）
▸ Tier 3 の情報源を表示 (10)
Stanford HAI
- ブリーフ由来
- 信頼度: 高
- 種別
- 学術研究 / AI Index
- 最適な用途
- 人口レベルの導入と早期の労働エビデンス
- 重要性
- GenAIは3年で人口の53%の導入に到達(PCやインターネットより速い);曝露職業の若年労働者に関するエビデンス。
- 更新頻度
- 年次 + 論文
NBER
- 検証待ち
- 信頼度: 高
- 種別
- 査読済みの経済研究
- 最適な用途
- AIと労働市場に関するワーキングペーパー
- 重要性
- 解釈のための概念的枠組みと実証的検証。
- 更新頻度
- 継続的 / 論文別
MIT
- 検証待ち
- 信頼度: 高
- 種別
- 学術研究 / AIと労働の研究センター
- 最適な用途
- 労働者の生産性、職業的曝露
- 重要性
- AIのタスク・生産性への影響を測る、影響力のある枠組み。
- 更新頻度
- 継続的 / 論文
Yale Budget Lab
- ブリーフ由来
- 信頼度: 高
- 種別
- 経済政策の研究
- 最適な用途
- 誇大広告への実証的対抗:市場で実際に何が観測されるか
- 重要性
- ChatGPT以降、米国労働市場の構成に実質的な加速を見出していない。
- 更新頻度
- 継続的 / 分析別
Brookings
- ブリーフ由来
- 信頼度: 高
- 種別
- 公共政策の研究
- 最適な用途
- AIと雇用に関する編集的総合
- 重要性
- 集計エビデンスは依然として決定的でなく、より良いデータが必要だと強調する。
- 更新頻度
- 継続的
Stanford HAI — AI Index 2025 Economy chapter
- 公式ソース リンク済み
- 信頼度: 中
- 種別
- 労働市場データ分析
- 最適な用途
- AIの労働需要、求人、スキルシグナル
- 重要性
- AI Index 2025の経済・労働市場に特化した章。
- 更新頻度
- 年次
- ダッシュボードでの用途
- グローバルパルス
- IILE構成要素: 市場シグナル
- 労働需要のシグナルに用いる; 正確な数値は後段の抽出と検証を要する。
Funcas — スペインにおけるAIと労働市場
- 公式ソース リンク済み
- 信頼度: 中
- 種別
- 応用研究（スペイン）
- 最適な用途
- 職業的曝露、消失 vs 創出される雇用、スペインの企業導入
- 重要性
- 中心シナリオ:2025〜2035年のスペインで−170万〜−230万の雇用が消失、+161万が創出(純−40万)。従業員10人以上の企業の21.1%が2025年Q1にAIを使用(2023年の12.4%から)。
- 更新頻度
- 年次 / 研究別
- ダッシュボードでの用途
- グローバルパルス
- IILE構成要素: 市場シグナル
- IILE構成要素: 採用
- スペインのデータに読み取りを結びつけるうえで不可欠。gross-destruction + gross-creation + 純増減を常に公表し、純増減だけを示すことはしない。
Stanford AI Index 2026 — Economy chapter
- 公式ソース リンク済み
- 信頼度: 高
- 種別
- 学術レビュー
- 最適な用途
- 導入・投資・生産性・雇用のマクロ的総合
- 重要性
- AI経済における物語+主張ごとのチャートのゴールドスタンダード。誇大広告 vs エビデンスを既定で並置。
- 更新頻度
- 年次
- ダッシュボードでの用途
- グローバルパルス
- エビデンス vs. ハイプ
- IILE構成要素: 採用
- マクロの読み取りにおける前年比の差分を検出するため、v2025 (chapter4_final.pdf) と比較する。
MIT FutureTech — Project Iceberg
- 公式ソース リンク済み
- 信頼度: 中
- 種別
- 学術シミュレーション
- 最適な用途
- スキル×職業×郡(米国)別の賃金価値リスク
- 重要性
- 1.51億人の労働者×3.2万スキル×3千郡のLarge Population Modelsシミュレーション。氷山のメタファー(水面下の自動化可能スキル)で、二択の見出しに陥らず規模を可視化する。
- 更新頻度
- 刊行 / 更新ごと
- ダッシュボードでの用途
- エビデンス vs. ハイプ
- IILE構成要素: スキル
- IILE構成要素: 市場シグナル
- 普及・発信に有用な象徴的イメージ。米国のみ — 他の地域への外挿は慎重に。
Yale Budget Lab — Tracking the Impact of AI on the Labor Market
- 公式ソース リンク済み
- 信頼度: 高
- 種別
- 経済政策研究
- 最適な用途
- 月次の実証的対抗:米国の労働市場で破壊は実際に観測されるか?
- 重要性
- 米国CPSに基づく月次シリーズで、職業/セクターの非類似度と曝露を測定。最近の判定:AIはまだ集計雇用を削っていない。
- 更新頻度
- 月次
- ダッシュボードでの用途
- エビデンス vs. ハイプ
- IILE構成要素: 市場シグナル
- 「不可避の分断」に陥らないための、観測所の重要な編集的キャリブレーター。「what we know / what we don't」も形式的な成果物として公表している。
Tier 4解釈支援（コンサル／クライアントバイアス）
▸ Tier 4 の情報源を表示 (6)
PwC
- ブリーフ由来
- 信頼度: 中
- 種別
- コンサルティング / Global AI Jobs Barometer
- 最適な用途
- 曝露した雇用における求人・給与・スキル変化
- 重要性
- 約10億件の求人を分析;AIスキルの給与プレミアム62%、スキル変化の加速116%。
- 更新頻度
- 年次
McKinsey
- ブリーフ由来
- 信頼度: 中
- 種別
- コンサルティング / Superagency
- 最適な用途
- 組織的成熟度とガバナンス
- 重要性
- ほぼすべての企業がAIに投資しているが、展開において成熟していると自認するのはわずか1%。
- 更新頻度
- 年次 / テーマ別レポート
BCG
- 検証待ち
- 信頼度: 低
- 種別
- コンサルティング
- 最適な用途
- 獲得した価値と変革のマネジメント
- 重要性
- McKinsey/PwCを補完する企業向けの読み取り。
- 更新頻度
- 年次
Deloitte
- 検証待ち
- 信頼度: 低
- 種別
- コンサルティング
- 最適な用途
- リーダーと労働力へのアンケート
- 重要性
- 追加のセクター別/地域別の読み取り。
- 更新頻度
- 年次
Accenture
- 検証待ち
- 信頼度: 低
- 種別
- コンサルティング / Technology Vision
- 最適な用途
- 企業の技術導入
- 重要性
- Microsoft/PwCのアンケートとのクロス読み取り。
- 更新頻度
- 年次
Microsoft
- ブリーフ由来
- 信頼度: 中
- 種別
- テクノロジー企業 / Work Trend Index
- 最適な用途
- 企業の導入、エージェント、新しい働き方のモデル
- 重要性
- リーダーの33%が人員削減を検討、78%が新しいAIロールの採用を検討、83%がAIによってキャリアの早い段階でより複雑な仕事を担えると考える。
- 更新頻度
- 年次
Tier 5採用シグナル（テレメトリ）
▸ Tier 5 の情報源を表示 (6)
Anthropic
- ブリーフ由来
- 信頼度: 中
- 種別
- AIプラットフォームのテレメトリ
- 最適な用途
- タスク・職業別のAI(Claude)の実利用(Anthropic Economic Index)
- 重要性
- 約49%の雇用が、タスクの少なくとも1/4をClaudeで実行した(2026年3月)。
- 更新頻度
- 継続的
OpenAI
- 検証待ち
- 信頼度: 中
- 種別
- AIプラットフォームのテレメトリ
- 最適な用途
- 実利用、申告された職業的曝露
- 重要性
- 研究者と共同で曝露に関する研究を発表;プラットフォーム利用のシグナル。
- 更新頻度
- 継続的
GitHub
- 検証待ち
- 信頼度: 中
- 種別
- 開発テレメトリ / Copilot
- 最適な用途
- ソフトウェア開発における生産性と導入
- 重要性
- Copilotを使う開発者の直接の利用データ。
- 更新頻度
- 継続的
Microsoft Copilot
- 検証待ち
- 信頼度: 中
- 種別
- 生産性プラットフォームのテレメトリ
- 最適な用途
- M365におけるコパイロットの企業導入
- 重要性
- オフィス業務フローにおける利用メトリクス。
- 更新頻度
- 継続的
Google
- 検証待ち
- 信頼度: 低
- 種別
- テレメトリ / Workspace AI
- 最適な用途
- Workspaceの導入とアシスト付き検索
- 重要性
- Microsoft Copilotとのクロス読み取り。
- 更新頻度
- 継続的
Anthropic Economic Index
- 公式ソース リンク済み
- 信頼度: 中
- 種別
- プラットフォーム・テレメトリ（検証済み）
- 最適な用途
- O*NETにマッピングしたタスク別のAI(Claude)の実利用
- 重要性
- 約49%の職業が、タスクの少なくとも1/4をClaudeで実行(2026年3月)。O*NET分類にマッピングした一次テレメトリ——タスクレベル利用と職業レベル曝露を区別する。
- 更新頻度
- 継続的
- ダッシュボードでの用途
- IILE構成要素: タスク変容
- IILE構成要素: 採用
- グローバルパルス
- Tier 5 (プラットフォームの非公開テレメトリ) — 導入シグナルは強いが、ILOに比べ方法論の透明性は低い。LinkedIn + Lightcast と三角測量する。
Tier 6アラート発生；指標は再校正しない
▸ Tier 6 の情報源を表示 (5)
Financial Times
- 検証待ち
- 信頼度: 中
- 種別
- 専門メディア
- 最適な用途
- 企業・市場のカバレッジ
- 重要性
- 企業シグナルの早期検知器。
- 更新頻度
- 日次
The Economist
- 検証待ち
- 信頼度: 中
- 種別
- 専門メディア
- 最適な用途
- マクロな編集的総合
- 重要性
- 編集的枠組みと支配的な物語の早期検知器。
- 更新頻度
- 週次
New York Times
- 検証待ち
- 信頼度: 低
- 種別
- 一般メディア
- 最適な用途
- AIインパクトの社会的・政治的カバレッジ
- 重要性
- 公共と世論の角度を捉える。
- 更新頻度
- 日次
HBR
- 検証待ち
- 信頼度: 低
- 種別
- 編集メディア / マネジメント
- 最適な用途
- ケースとマネジメントの枠組み
- 重要性
- 導入とリーダーシップの枠組みを抽出するのに有用。
- 更新頻度
- 週次 / 月次
キュレーションされたニュースレター
- 検証待ち
- 信頼度: 低
- 種別
- キュレーションされた分析 / 専門家
- 最適な用途
- 変化と編集的ニュアンスの高速検知器
- 重要性
- アラートを生成するが、指数は校正しない。
- 更新頻度
- 週次
これらの情報源は出発点として検証済みだ。具体的な数値は、主張・日付・方法論がトレースされたときにのみ取り込まれる。
読み方ガイド
このダッシュボードの読み方
目的
セクター・職業・プロファイル別に労働変容の圧力と、それを吸収する能力を認識するため。予測ではなく、編集的な読み解きです。
目的でないもの
雇用喪失を予測するものではなく、公式統計指標でもない。Tier 1〜3を置き換えるのではなく、明示的な編集ウェイトで重み付けする。
本書を読む際の使い方
章で具体的なベクトル（露出、採用、ギャップ）が引用されたとき、ここに戻って全体像に位置づけ、セクター間のリズムを比較してください。
今後の進化
次のイテレーションで、情報源別の実シグナル、明示的な編集ケイデンス、Tier 1〜3向けの自動ウォッチャーを追加。IILE-IAの校正は引き続き編集判断。