米国の雇用市場可視化ツール

 (karpathy.ai)
1 ポイント 投稿者 GN⁺ 2026-03-17 | 1件のコメント | WhatsAppで共有
  • Andrej Karpathyが、米国労働統計局の342の職業と1億4,300万件の雇用データを基に、職業ごとの雇用規模と特性を可視化したツール
  • 各長方形の面積は雇用規模、色は選択した指標（例: 成長見通し、中央値賃金、教育水準、AIエクスポージャー）を表す
  • ユーザーは職業タイルをクリックして、BLS公式ページを直接閲覧できる
  • LLMベースの色分け機能により、ユーザー定義のプロンプトで職業ごとのスコアを算出し、可視化できる
  • AIエクスポージャー、ロボットの影響、海外移転リスクなど、さまざまな基準で職業群を再分析できるデータ探索型開発ツール

概要

  • このツールは、Bureau of Labor Statistics Occupational Outlook Handbookのデータを視覚的に探索するための研究用ツール
    • 合計342の職業と1億4,300万件の雇用を含む
    • 各職業は雇用規模に比例した面積で表示され、色は選択した指標によって変わる
  • 選択可能な指標には、予想成長率、中央値賃金、教育要件、AIエクスポージャーが含まれる
  • 各タイルをクリックすると、その職業のBLS詳細ページに移動できる

LLMベースの色分け機能

  • GitHubで公開されているソースコードには、スクレイパー、パーサー、LLMプロンプトパイプラインが含まれる
    • ユーザーが直接プロンプトを作成すると、LLMが各職業を評価し、ツリーマップの色を自動生成する
  • 「Digital AI Exposure」オプションは、現在AIが各職業に与えている影響を推定した例
    • AIがデジタル領域で急速に進歩している点を反映
  • ユーザーは、ヒューマノイドロボットへのエクスポージャー、海外移転リスク、気候影響など、別の基準でプロンプトを作成して再分析できる

Digital AI Exposure の評価基準

  • AIエクスポージャーは、その職業がAIによってどの程度再編される可能性があるかを0〜10点で評価
    • 直接的な影響（AIが人間の業務を自動化）と間接的な影響（生産性向上による人員削減）の両方を考慮
  • デジタル中心の職務ほど高得点になる
    • 例: 執筆、コーディング、分析、コミュニケーションなどは7点以上
    • 逆に、物理的な存在や手作業が必要な職務は低得点

スコア帯ごとの基準

  • 0–1点: ほぼ肉体労働で、AIの影響はごく小さい（例: 屋根職人、造園業者、商業ダイバー）
  • 2–3点: 主に肉体労働・対人業務で、AIは周辺業務のみ補助（例: 電気技師、配管工、消防士、歯科衛生士）
  • 4–5点: 肉体労働と知識労働が混在する職務（例: 看護師、警察官、獣医師）
  • 6–7点: 主に知識労働で、AI活用により生産性向上が見込める（例: 教師、管理職、会計士、記者）
  • 8–9点: 完全にデジタル業務中心で、AIの進展に応じて構造的変化が起こりうる（例: ソフトウェア開発者、グラフィックデザイナー、翻訳者、データアナリスト、パラリーガル、コピーライター）
  • 10点: 完全な情報処理型の職務で、AIが大部分を担える（例: データ入力係、テレマーケター）

注意事項

  • AIエクスポージャースコアはLLMによる推定値であり、実際の予測や雇用見通しを意味するものではない
  • 高いスコアは職業が消えることを意味するのではなく、働き方が変化する可能性を示す
  • たとえばソフトウェア開発者は9/10と評価されるが、AIによって生産性が高まり、需要が増える可能性もある
  • スコアには、需要の弾力性、規制、社会的要因などは考慮されていない
  • 多くの高エクスポージャー職は、代替ではなく再構成される可能性がある

関連記事

1件のコメント

 
GN⁺ 2026-03-17
Hacker Newsの意見

  • 同世代の開発者たちが1年以内に新しい仕事を見つけられない理由が、ソフトウェア開発者市場が平均より速く成長しているからだというのは驚き

    • 米国は毎年12万人以上のH1B、L1、OPTビザ保有者を受け入れている。開発者全体が190万人であることを考えると、単に雇用を維持するだけでも毎年5%以上の成長が必要になる。ここに米国内の卒業生まで含めると10%の成長率が必要になる。長期的には非現実的だ。
      議会か大統領がH1Bビザを一時停止するか、ビザ手数料を20万〜50万ドルに引き上げて、本当に例外的な人材だけを受け入れるようにすべきだ。今は大企業が大量解雇をしながらもビザを乱発する構造になっている
    • 「平均より速く成長」という表現は統計の罠のように聞こえる。実際には地域、人材供給、他職種の変化などさまざまな要因を考慮しなければならない。多くの人が業界を去ったことで生じた空きを「成長」と見誤っているだけかもしれない。単一のデータポイントで全体を判断するのは統計的錯覚にすぎない
    • おそらくあなたは「コンピュータープログラマー」かもしれない。この職種は雇用が6%減少すると予想されている
    • データは2024年時点のもの

  • 「Top Executives」職群の雇用数が「Retail Sales Worker」とほぼ同じなのは興味深い。自動化や米国のグローバル経済における役割を考えれば理解できるが、階級と不平等に関する通念とは食い違う現象だ

    • この職群の中央値年収は105,350ドルで、「General and Operations Manager」と「Chief Executive」が含まれる。小規模企業の経営者も含まれているようだ。BLSリンク
    • 私もそのグラフを見たとき最初はありえないと思った。でも同じリンクを見ると、実際にその数値で合っている
    • ギグエコノミーが政府統計の信頼性を損なっている。多くのライドシェア運転手が「CEO」に分類されることがある
    • 「階級と不平等の通念と食い違う」という話は興味深い。もう少し説明してもらえるとありがたい

  • 可視化は素晴らしいが、色覚異常モードがあればよかった。赤と緑を見分けられない

    • 暫定的に使えるハックスクリプトを作っておいた。Chromeのコンソールで先に「allow pasting」を有効にする必要がある
    • Daltonizeのようなツールを使うとよさそうだ。色覚異常者向けに生理学的に認識しやすい色調整をしてくれる。サンプル画像
    • 色覚異常ではない立場から気になるのだけど、システムの**アクセシビリティ設定（高コントラストモードなど）**では解決しないのだろうか？
    • 私も赤緑色覚異常なので同じ問題を抱えている

  • AIが生み出す**余剰生産物（surplus）**はどこへ行くのか、という話だ。データセンターや研究所への投資ではなく、実際にAIが生み出す成果物の分配について言っている。
    AIは私たちの働き方や選択を変え、競争はその余剰を新しい構造に再投資する。やがてその構造は必須インフラになってしまう。コンピューターは数百万倍速くなったのに、賃金や労働時間がほとんど変わらない理由はここにある。余剰は結局「基本コスト」に吸収される

    • その余剰は結局上位1%の懐に入る。過去50年でコンピューター・インターネット・自動化が生んだ生産性向上の大半もそちらに流れた。関連データ
    • 個人プロジェクトではプログラミング時間を節約しても、結局その時間をより野心的なプログラムを作るのに使う。企業も同じで、より大きな目標を追う
    • 余剰は結局資本の所有者に帰着する。労働はすでにずっと以前から資本に押されている
    • もしAIが「役に立たない仕事」を何兆倍も効率化しても経済的利益がほとんどないのだとすれば、それはその仕事の実質的な経済価値が低いということかもしれない。しかし株式市場が平然としているのを見ると、少なくとも次の三つのうち一つは前提が間違っていることになる。経済が停滞しているのか、AIがとてつもなく生産的なのか、あるいは株式市場が現実とかけ離れているのか
    • 結局のところ市場経済では企業オーナーが決める。長期的には商品がより安くなる方向へ進む。農業の歴史を見てもそうだ。参考リンク

  • BLSのデータは実情よりタイムラグが大きく、予測の信頼性も低い。2000〜2010年代にアクチュアリーが最も有望だと言われていたのを覚えているか？ 技術変化が速い時代にはこうした予測は意味がない

    • データは最新ではないが、信頼性は高い方だ。以前BLSデータの提出に関わったことがあるが、雇用主は2週間ごとに報告している。完璧な予測は不可能だが、報告データに基づくガイドとして見ればいい。AIの影響は誰にも正確にはわからない
    • では、あなたが見ている実際の状況はどんなものなのか気になる
    • 大学時代に私のパートナーがアクチュアリー資格（FCAS）を取ろうとしていたのはこのためだった。今でも安定しているが、非常に参入障壁の高い少数職種だ
    • データの品質そのものが低いなら、どれだけ量があっても合成データと変わらない
    • トランプがBLS長官を解任して、「偉大さを取り戻す」と言う人物を任命したこともあった。こうした政治介入を見ると、データをどこまで信頼できるのか疑問だ

  • 興味深いのは、学士号職の平均年収が修士号職より8,000ドル高いことだ

    • おそらく修士号が必要な職種が飽和状態だからだろう。教育、社会福祉、図書館学のような分野では**資格インフレ（qualification creep）**が起きている

  • 「Software Developers +15%」はうれしいが、「Computer Programmers -6%」は衝撃だ

    • BLS基準でSoftware Developerの中央値年収は131,450ドル、出典。
      Computer Programmerは98,670ドル、出典。
      開発者はユーザー要件の分析、システム設計、保守、文書化などソフトウェアライフサイクル全体を扱う。一方、プログラマーは主にコードの作成、修正、テストに集中する
    • 私もプログラマーだが、その肩書きで出ている求人の大半は劣悪な条件だ。「Software Engineer」というタイトルが付いたからといって本当にエンジニアになるわけではない。結局は言葉遊びだ
    • 私もその違いが気になっていた。それでも開発者190万件、プログラマー12万件という数字を見ると希望のあるシグナルに思える
    • おそらく用語の変化のせいかもしれない。以前はプログラマーと呼ばれていた役割が、今では開発者に統合されているようだ
    • プログラマーは減っても、テスターとQAは増えるという見方がある。AIが一般化した未来では品質管理がより重要になる気がする。ただし、それが開発者職群の同程度の増加を意味するとは限らない

  • 不動産の観点から見ると、AIに最もさらされている職群はオフィスワーカーだ。秘書、事務員、会計、カスタマーサービス、弁護士、開発者などが含まれる。ここ数年オフィス不動産は回復基調だと言われてきたが、AIによる雇用減少が現実化すれば第二の衝撃波が来るかもしれない

  • この可視化はマウスオーバーが肝なのに、モバイルではほとんど役に立たない

    • Canvasレンダリングだかららしい。レスポンシブなアクセシビリティが低い

  • モデル（Model）という職業のAI露出度が8/10になっているのは興味深い