AI Exposure Scores: what they measure, what they miss, and what comes next

技術的要約：AIエクスポージャー・スコア：それが測定するもの、見落としているもの、そして次に来るもの

問題提起
本論文は、研究者と政策立案者の間にある、「仕事の未来」に関する議論における決定的な非対称性を取り上げている。2023年以降、「GPTs are GPTs（GPTsはGPTsである）」スコア（Eloundou et al., 2023）は、AIによる労働市場への影響に関する政策分析における主要な実証的インプットとなっている。これらのスコアは、「エクスポージャー（曝露）」を、大規模言語モデル（LLM）が支援可能な職業的タスクの割合として定義しており、米国労働省のO*NETタクソノミー（分類体系）に基づいて算出されている。

特定された核心的な問題は、元の著者たちが自らの静的かつタスクベースの手法における限界を明示していたにもかかわらず、これらの注意書きが、スコアが下流の政策分析に採用される過程で失われてしまったことである。これにより、政策立案者が「誰が、どのように、いつ、被害を受けるのか」という複雑かつ将来を見据えた問いに答えるために、静的で後方視的な信号に依存するという、乖離の拡大が生じている。本論文は、現在の単一の固定された指標への依存は、AI能力の経時的変化、労働市場の地理的変動、および仕事を個別のタスクへと分解することの存在論的な限界を考慮できていないと主張する。

手法および分析アプローチ
本論文は、新しい実証データや斬新なスコアリング・アルゴリズムを提示するものではない。代わりに、以下のプロセスを通じて批判的なレビューと統合を行う手法を採用している。

1. 「GPTs are GPTs」スコアの解体： 元のメソドロジー（手法）の具体的な制約（時間的、地理的、および存在論的な制約）を分析し、これらの制約が政策課題に適用される際にどのように増幅されるかを実証する。
2. スコアの拡散のマッピング： 2023年のスコアが2024年から2026年にかけての学術および政策文献においてどのように利用されてきたかを追跡し、スコアの設計と実際の適用との間の断絶を浮き彫りにする。
3. 新興研究の調査： 静的なスコアリングの限界に対処しようとする最近のメソドロジーの革新を体系的に分類する。著者らはこれらを以下の4つのファミリーに整理している。
   • 動的およびベンチマークに基づく測定。
   • アンサンブル手法。
   • タスク・フレームワークの拡張。
   • ワーカー中心の指標。
4. 三部構成のフレームワークの提案： 知見を統合し、純粋に予測的（ex-ante：事前）な測定から、シグナル、レジリエンス・フレームワーク（ex-post：事後）、および集団的想像力への転換を提唱する。

主な貢献
本論文は、AIと労働に関する言説に対して主に3つの貢献を行っている。

1. 「静的スコア」のギャップの診断： 著者らは、静的なエクスポージャー・スコアが捉えられない3つの具体的な限界を厳密に詳述している。

   • 時間的限界： スコアはモデルの能力の固定されたスナップショット（例：2023年初頭のGPT-4）である。フロンティア・モデルの能力が進展するにつれ（例：2026年までにEpoch Capabilities Indexが26%増加）、スコアは現実からますます乖離していく。さらに、スコアリングの基準自体が使用される特定のモデルに敏感であり、新しいモデルで再現した場合に結果が分岐する。
   • 地理的限界： O*NET（米国中心のタクソノミー）への依存は、グローバルに適用する場合、系統的な歪みをもたらす。これには、タスク記述における言語バイアス、 「データワーカー」カテゴリー（しばしばグローバルサウスへオフショア化される）の除外、および仕事の形式化や教育の地域差を考慮できていないといった問題が含まれる。
   • 存在論的境界： 仕事を個別の、スコアリング可能なタスクへと分解できるという仮定は、暗黙知、関係的な仕事、およびワークフローの相互依存性を無視している。本論文は、ルブリック（評価基準）が判断や信頼を必要とする役割において最も不安定な結果を生むことを指摘しているが、まさにそここそが政策立案者が最も信頼できる推定値を必要とする領域である。

2. 新興メソドロジーの統合： 本論文は、静的なスコアリングを超えて進む4つの異なる研究方向を調査している。

   • 動的な測定： 「リモート・レイバー・インデックス」や、実際のAIエージェントによる現実世界のタスクへのパフォーマンスを追跡する、あるいは最新のフロンティア・モデルに対してスコアを近リアルタイムで更新する動的な職業的エクスポージャー指数などのアプローチ。
   • アンサンブル手法： 複数のエクスポージャー・フレームワークを組み合わせることで、単一のスコアよりも失業リスクに対する予測力が向上することを示す研究（例：Frank et al., 2025）。これは、個々のスコアがしばしば弱く、あるいは負の相関関係にあるためである。
   • タスク・フレームワークの拡張： タスク間の相互依存性を考慮したモデル（Demirer et al., 2026）や、「専門性を高める自動化」と「専門性を低下させる自動化」を区別するモデル（Klein Teeselink & Carey, 2026）であり、これらは集計されたエクスポージャーが経済的に意味のある異質性を隠蔽していることを示している。
   • ワーカー中心の指標： ワーカーの好み（例：ワーカーが自動化を望まない「レッドライト」ゾーン）や適応能力（例：Manning etals, 2026）を組み込んだフレームワークであり、高いエクスポージャーが必ずしも高い脆弱性に直結しないことを明らかにしている。

3. 政策および研究のための戦略的フレームワーク： 論文は、より良い測定だけでは不十分であると提案している。不確実性を乗り切るための三層のアプローチを提唱する。

   • シグナル（Signals）： 改良されたex-ante（事前）のエクスポージャー・スコア。
   • アクション（Actions）： 特定の予測に関わらず、機関がショックに備えるためのex-post（事後）のレジリエンス・フレームワーク（例：「ノーリグレット（後悔のない）」政策、シナリオベースのトリガー）。
   • イマジネーション（Imagination）： 技術決定論に対抗するために、望ましい未来を共同で明確化し、提唱するための政治的な作業。

結果と知見

• 能力のギャップ： フロンティアAIの能力は、元のスコアが算出されて以来、大幅に成長しており（約26%）、静的なスコアは予測因子としてますます時代遅れになっている。
• ルブリックの感度： 新しいモデル（ChatGPT-5, Gemini 2.5, Claude 4.5）を用いて元のメソドロジーを再現すると、平均エクスポージャー・スコアに3.6倍の乖離が生じる。これは、元のルブリックが評価計器間で安定していないことを証明している。
• 地理的歪み： 米国のタクソノミーを非米国の文脈（例：デンマーク、英国）に適用する場合、分析の範囲を狭める翻訳レイヤーが必要となるか、あるいは成立しない可能性がある想定上の等価性を導入することになる。
• アンサンブルの優位性： 5つの異なるエクスポージャー・フレームワークを組み合わせることで、失業リスクの変動の29.8%を単独で説明でき、単一スコアのアプローチを大幅に上回る。
• 適応能力： 高いエクスポージャーは必ずしも脆弱性と線形には結びつかない。高いエクスポージャーを持つ職業のワーカーは、しばしば高い金融的バッファと転用可能なスキルを備えており、これはエクスポージャー・スコアだけでは、実際に誰がリスクにさらされているかを誤認させる可能性があることを示唆している。

意義と主張
本論文は、最終的な解決策ではなく、あくまで「架け橋」であると控えめに主張している。その意義は以下の点にある。

• エビデンスベースの修正： 政策立案者が、危害と適応に関する問いにより確実に答えるために、2023年の静的なスコアを超えて、動的、アンサンブル、およびワーカー中心の指標を活用し、エビデンスの基盤を広げるよう促している。
• 目標の再定義： 研究と政策の関係を、「予測」（特定の成果の予測）から「準備」（不確実性に対するレジリエンスの構築）へとシフトさせることを主張している。
• 共通の責任： 研究と政策の間のギャップを埋めることは共通の課題であると説いている。政策立案者はワーカーを「認識論的パートナー」として関与させ、シナリオベースの政策へと移行しなければならない。研究者は、グローバルに代表的で、バージョン管理され、意思決定に役立つデータ・インフラストラクチャを構築しなければならない。
• 政治的エージェンシー（主体性）： 論文は、エクスポージャー・スコアは技術的な実現可能性を記述するものであり、必然性を記述するものではないと結論付けている。この研究の究極の意義は、ステークホルダーに対し、決定論的な軌道をそのまま受け入れるのではなく、「どのような未来を築く価値があるのかを共に構想する」という、意図的かつ政治的な作業に従事する力を与えることにある。

著者らは、より良い測定は必要であるが、それだけで研究と政策の間のギャップを埋めることはできないと強調している。それは、事後のガバナンス・フレームワークと、望ましい未来を明確にするための集団的な作業と組み合わされなければならない。