AIの登場以降、
雇用市場はどう変わったのか

2022年11月、一般に広く使われた初の対話型生成AIであるChatGPTが登場すると、次の二つの論争が起きた。

• AIはホワイトカラーの雇用を減らしたのか。それとも通説とは異なり、そうした兆候は確認できないのか。
• AIの登場は新しい知識の習得や熟練を容易にするため、経験年数の短い労働者に有利なのか。それとも逆に、熟練した知識をすでに持つ利用者がより多くの業務を同時にこなせる環境をつくるため、経験年数の長い労働者に有利なのか。

これには反論も少なくない。これらの職業での採用減少は、ChatGPT（AI）の登場以前から始まっていた可能性があるためだ。

もちろん再反論もある。主な論理は、採用総量の減少は利上げや景気変動で説明できるとしても、若者・ジュニア採用の比率の変化はChatGPT以降に始まったか、金利がピークを過ぎた後も続いたというものだ。

韓国でも関連研究が発表されており、論争の構図も海外と似ている。

こうした論争が続くのは、基本的にChatGPTの登場前後1年以内に交絡要因（confounder）がとりわけ多く現れたためである。

• パンデミック期のIT職種の採用急増とその後の調整：2020〜2021年のコロナ期のデジタル転換ブームで開発者の採用が急増した後、2022年下半期から減少した。
• 利上げ：韓国銀行は2021年8月、米連邦準備制度（FRB）は2022年3月から政策金利を引き上げた。
• 投資の縮小とリストラ：利上げの延長線上で、2022〜2023年にはベンチャー投資の縮小が重なった。

Underscoreは韓国最大級の求人プラットフォームの一つから、2017年2月から2025年4月までの求人15,073,974件を収集した。このうち掲載から時間が経ちすぎて初期区間の削除率が高い2017年〜2019年上半期を除き、掲載日（受付開始日）が2019年7月から2025年1月までの10,413,271件を分析に用いた。

各求人からは、タイトル、会社名、経験要件、学歴要件、雇用形態、給与、勤務地、応募資格、優遇事項、受付開始日と締切日、職務・地域タグなどの変数を抽出した。今回の分析で中心的に用いた変数は次の三つである。

• 職務分類：データの職務タグには「IT開発・データ、バックエンド/サーバー開発」のような大分類にとどまらず、「言語・フレームワーク（Java、Python、組み込み、ファームウェアなど）」まで中分類の情報として記録されている。これを使い、AI登場後の雇用減少論争の中心にある開発職をより詳しく分析できた。
• 経験要件：「新人」「不問（新人含む）」「新人・経験3年↑」「経験3〜10年」のような要件を指す。これをもとに、新人が応募できるかどうかと平均要求経験年数を計算した。（例：経験3〜10年 → 6.5、経験4年以下 → 2）
• 企業の識別：求人ごとにある企業識別子を用いて、10,413,271件の求人を出した434,688の企業のうち77.6%にあたる337,158社（求人ベースで87%）の業種、事業内容、設立日、企業形態を確保した。さらに公正取引委員会の通信販売事業者登録簿、金融監督院DARTなどを用いて事業者登録番号（BRN）を照合し、企業情報を確保した企業の96.7%（全企業の75.0%）の事業者情報を、求人プラットフォームが提供する企業識別子にとどまらず行政上も特定できた。

各職務の生成AIへの曝露度はEloundou et al. (2023)の方法で測定した。この研究は、米国の職業情報ネットワーク（O*NET）にある約1.9万の細分化されたタスクについて、大規模言語モデル（LLM）を使えば同じ品質で作業時間を半分以上短縮できるかを採点したものだ。私たちは求人データの職務キーワード1,920個をO*NETの職業に対応づけ、職務の生成AI曝露度（β）を付与した。

• 1,900余りのβ値で、求人全体の99.8%をカバーできた。
• O*NETの職業への対応づけには二つの方法を用いた。
  • 800個は韓国雇用情報院のKNOW職業を経由してO*NETの職業に対応づけた（うち681個はKNOW職業コードで直接対応）。残る1,120個は生成AIの補助を受けてO*NETの職業に直接マッチングし、人が確認して確定した。
  • 対応するO*NET職業が見つからなかったキーワード（KNOW経由119個、直接マッチング35個）は、意味が最も近いキーワード2〜3個のβの平均で補間した。
• 職務曝露度の採点では、バックエンド開発（0.87）、アプリ開発（0.87）、経理（0.78）が高く、単純生産職（0.08）、看護助手（0.11）が低く出ており、直感とも一致することを確認した。
• これに関連して、本報告書の表やグラフは基本的に、求人の曝露度を測る際に職務キーワードの一覧でβを持つ最初の値を基準とした結果である。前にあるタグほど、その求人の職務をよく表すためだ。無作為に選んだ求人100万件で、キーワードが求人タイトルに含まれる割合は1番目のタグで28%、2番目で16%、3番目で12%と、後ろになるほど低かった。後述するように、最初の値だけでなく職務キーワード全体の平均、中央値、最大値など、さまざまな基準に集計方法を変えても結果が維持されるかどうかも入念に確認した。
• 職種グループは職務キーワードで定義した。開発者（バックエンド/サーバー開発、フロントエンド、Javaなど16個のキーワード）、ITインフラ（H/W、SE）、フィジカルデザイン（インテリア、衣装、展示）、デジタルデザイン、経理・会計など16の職種グループごとにキーワード一覧を定め（付録）、求人の職務キーワードのうち各職種グループのキーワードが占める比率に応じて、その求人を職種グループごとに按分して測定した。

これとは別に、「各企業の業種の中心的な産出物を生成AIが直接つくれるか」、すなわち企業の生成AIへの曝露度を、OpenAIのGPT-5.6 AstraとAnthropicのClaude Opus 5の二つのモデルに同じ基準で採点させ、企業の曝露度（A）として定量化した。

• 二つのモデルの採点結果の相関係数は0.983と非常に高かった。
• 職務曝露度と同様に直感と一致し、アプリケーションソフトウェア開発（0.93）、広告代理（0.89）が高く、一般診療所（0.07）、外食業（0.05）が低かった。

収集した求人プラットフォームのデータにとどまらず、実際の雇用の結果と照らし合わせるため、韓国雇用情報院が毎月公表する『雇用保険統計』（産業大分類別の取得者と年齢別の被保険者）も収集して分析した。ただしこの資料は産業大分類の単位であり、情報通信業全体は見られても求人データのような細部まではわからないため、補助的にのみ用いた。

1ITだけでなく事務職・専門職全般で、2022年以降に新人向け求人の比率が減少した。

• 開発者、デジタルデザイン、経理・会計では新人向けと経験者向けの求人がともに減少したが、ITインフラ、フィジカルデザイン、マーケティング、営業では経験者向け求人が増える中で新人向けだけが減少した。2022年と比べた2024年の新人向け求人の比率は、開発者-10.3ポイント、ITインフラ-13.8ポイント、フィジカルデザイン-12.7ポイント、営業-9.7ポイント、（対照群である）ブルーカラー-2.6ポイントの変化となった。
• ここまでを見ると、ブルーカラーの新人採用率はほぼ変わらない一方、他の事務系の職種グループはChatGPTが登場した2022年が分岐点に見えるため、AIの因果効果のように思える。しかし…

2開発者の新人向け求人数は、2022年夏を境に本格的な減少が始まった。

• 2022年と比べると、2024年の月平均の新人向け求人数は開発職-43%、デジタルデザイン-34%、ITインフラ-24%、ブルーカラー-4%の変化を示した。
• 対照群であるブルーカラーと比べて明確な減少が観察されるため、AIの効果ではないかという「心証」はある。しかし減少の分岐点が利上げ期と重なっており、どこまでが景気変動の効果で、どこまでがAIによる効果なのかを明確に区別して主張するのは難しい。しかも変化が始まった分岐点である2022年夏は、明らかにChatGPTが登場する半年前でもある。
• もっとも、この問題とは別に、「AIではなく、スタートアップへの投資縮小とテック企業の資金難のために開発者の採用が減った」という主張は、私たちのデータでは裏づけられない。ブルーカラーと比べて、テック企業（例：NAVER、Kakao）の開発者の新人向け求人が約48%減少（p<.001）する間に、非テック企業（例：GS建設、MBC、SMエンタテインメントなど）の新人開発者向け求人も24%減少（p<.1）したためである。

3ブルーカラーと比べて新人向け求人が有意に減少した職種グループは、開発者とデジタルデザインの二つだった。

下のグラフは、ChatGPT公開後の各職種グループの求人数の変化を、対照群であるブルーカラーと差の差分析（PPML）で比較した結果である。ブロック一つは5%で、塗りつぶしたブロックは統計的に有意な変化、点線のブロックは有意でない変化を表す。

• 開発者（-33.5%、p<.01）とデジタルデザイン（-20.6%、p<.05）の二つの職種グループだけに有意な差が見られ、この二つはプラセボ検定（ChatGPT登場以前の2021年7月を「偽の分岐点」とした統計的検定）も通過した（開発者-9.8%、p値0.352、デジタルデザイン+3.7%、p値0.783）。
• 教育（-16.6%、p<.1）は境界水準だが、プラセボ検定ですでに-21.7%（p<.001）と減少しており、ChatGPT以前から続く傾向とみられる。
• 経験者向け求人は、どの職種グループでもブルーカラーと有意な差がなかった。

4開発者の新人向け求人の減少は企業規模や業歴にかかわらず見られ、最も顕著だったのは中小企業だった。

• 上のグラフは、開発者の新人向け求人の減少を企業の類型別に分け、対照群（ブルーカラー）と比較した結果である。
• すべての類型の企業で減少が観察されたが、統計的に有意だったのは、規模別では中小企業（-35%）、業歴別では設立20年未満の企業（-30%）である。
• 「投資を集めにくくなったスタートアップがジュニア採用を止めた」という通説とは異なり、スタートアップの開発者の新人採用率の減少は-11%で、ブルーカラーと有意な差はなかった。

5より強い「心証」を得るために実際の雇用保険データを確認したところ、同じく若者の雇用減少が確認された。

• 情報通信業の29歳以下の雇用は2022年下半期にピークに達した後、3年間一貫して減少している。
• 一方、同じ情報通信業でも30代と50歳以上はむしろ増加した。
• 反対に、29歳以下の若者の雇用は製造業では変化がなかった。

上の交絡要因それぞれの効果を、企業の求人掲載数だけでは明確に区別できなかった理由は大きく二つある。

• 比較対象によって結論が変わる。ブルーカラーと比べると開発者の新人向け求人は-33.5%と有意に大きく減少したが、同じIT系のITインフラ（H/W、SE）と比べると差（-18.9%）は特に有意ではない。
• 交絡要因が近い時期に現れ、いずれも新人採用の誘因を下げる方向に働いた。利上げ、2021年の採用ブーム後の調整、ベンチャー投資の縮小は、AIと同じく、経験者に比べて新人を選ぶ傾向を弱める要因である。

こうした問題意識をもとに、私たちが設定した分析の方向性は大きく二つある。

• 第一に、複数の交絡要因を統制しつつ、ChatGPTに代表される生成AIの登場が労働市場に与えた因果的（causal）な影響を正確に測ろうとした。そのために、職種グループや業種ごとの差を時系列で単純に比べるのではなく、同じ企業×時点×職務大分類を固定（fixed effect）したうえで統計的に分析した。
• 第二に、求人の件数ではなく各求人が求める経験年数を主な変数とした。AIがジュニアを代替するという仮説が正しければ、単純な求人数よりも要求経験年数のほうが重要な指標になりうるためである。

以下は、これをもとに私たちが見いだした韓国労働市場の六つの主要な変化である。

1AI登場以前の3年間、主要な事務職の要求経験年数に大きな変化はなかったが、ChatGPTの登場とともに上昇し始めた。

• 開発者の求人が求める経験年数は、2019年から2022年まで平均3.7年程度だった。コロナ期に新人向け求人が半分以下に減り、その後の採用急増期に求人数が2倍以上に増えた間も、この要求経験年数はほとんど変わらなかった。
• しかしChatGPTの登場後は、2022年12月に4.07年、2024年の年平均で4.82年となり、2025年1月には5.18年まで上昇した。対照群のブルーカラーと比べると、そのパターンはさらに明確である（+0.66年、p<.001）。
• 他の事務職・専門職も2022年を底にそろって上昇したが、ITインフラとフィジカルデザインはChatGPT以前からブルーカラーと異なる傾向を示しており、営業はブルーカラーとの差が有意ではなかった。

• ただ、このように職種グループを一つずつ個別に見たり、恣意的に「主要職種グループ」という概念を設けたりすると、研究者の認知バイアスによって歪んだ結論を導くおそれがある。そこで私たちは職種グループ別の平均ではなく、求人一件一件に現れた職務それぞれの生成AIへの曝露度を分析し、より中立的で明確な結論を得た。

2AIが代替できる業務の多い職務ほど、要求経験年数が大きく上昇した。

• 前述のとおり、私たちは約2,000の職務キーワードに職務曝露度の値を付与した。これを分析すると、生成AIへの曝露度と、ChatGPT登場後2年間の要求経験年数の上昇との間に、非常にはっきりした相関関係が観察された。
• それでも、この結果に疑問を投げかけることはできる。生成AIへの曝露度が高い職務は、主にIT企業のように曝露度がもともと高い会社に集中しているため、「職務」がAIの影響を受けたのか、その職務を担う従業員を多く雇っている「業界」が影響を受けたのかを区別できない、とも考えられるからだ。私たちは次の分析で、このシナリオも棄却できた。

3同じ会社×時点の求人同士で比べても、生成AIへの曝露度と要求経験年数の上昇は比例した。

• 同じ会社が同じ月に同じ職務大分類で出した求人同士だけを比べる手法（fixed effect）を使えば、会社の資金事情やリストラ、金利と景気がその会社に与えた影響、業界全体の流れなどをすべて統計的に統制（control）できる。
• その結果、今回も生成AIへの曝露度が1標準偏差高い職務では、ChatGPT以降に要求経験年数が0.073年多く上昇した（p<.01）。曝露度が最も高い第5五分位と最も低い第1五分位の職務の要求経験年数の差は、2024年時点で約5カ月まで開いた。
• 統計的な頑健性（robustness）を確かめるため、ChatGPT登場以前の2021年7月を「偽の分岐点」としたプラセボ検定ではこうした差は見られず（+0.009年）、IT職種グループとIT企業をともに除外して分析しても+0.055年と差は維持された。
• 時期もはっきりしている。上のグラフのとおり、生成AIへの曝露度による要求経験年数の差はChatGPT公開から数カ月後の2023年春から10%水準で、2023年9〜11月からは5%水準で有意に開き、2024年には+0.08〜+0.11年まで拡大した。企業のAI導入には一定の時間がかかることを考えれば、こうした時間差があるのはかなり直感的である。
• 生成AIへの曝露度が一段階（1SD）高い職務では、新卒・未経験者が応募できる求人の比率が0.77ポイント減少し（p<.01）、経験者向け求人の中でも要求年数が0.088年上昇した（p<.01）。新人より経験者を、同じ経験者の中でもより年次の高い人材を好む方向に採用市場が変化したということだ。

4金利、採用ブーム、熟練度、会社の業種の違いでは、この差は説明できなかった。

5一連の変化はIT開発・データで最も顕著で、営業・販売・貿易のようなIT以外の事務職・専門職でも見られた。

• 167個の職務中分類を同じ基準（要求経験年数+0.5年以上、新人比率-5ポイント以下、新人向け求人が経験者向け求人より20ポイント以上多く減少、ChatGPT以前は変動なし）で並べると、すべての基準を満たした7つの職務（SE（システムエンジニア）、S/W、情報セキュリティ、バックエンド/サーバー開発など）はすべてIT分野だった。
• もちろん効果が最も大きく現れたのがIT職務だったというだけで、ジュニア採用が減り経験者への需要が高まる現象は、生成AIへの曝露度が高い事務職・専門職全般で見られた。

6時期的には、求人の要求経験年数の上昇が若者の雇用減少より先に現れた。

• 上のグラフは、前の節でも紹介した業種別の『雇用保険統計』のうち「情報通信業の29歳以下の被保険者数」の変化と、私たちの求人データにおける「開発者の求人の要求経験年数」を並べたものである。
• 開発者の求人の要求経験年数は2022年下半期の3.76年から2023年上半期の4.10年へと先に上昇し、情報通信業の29歳以下の雇用は2022年下半期のピーク後、2023年から減少した。ただしデータ点が多くないため、これは参考程度に受け止めることを勧める。