ロボットの費用が人件費を下回る作業は全労働時間の0.3%　Anthropicが推計

研究チームは米労働省の職業データベースO*NETの約1.9万件の作業記述と、米労働統計局BLSの雇用・賃金データを使った。Claudeで物理作業に分類した7,594件について、具体的なロボットの導入例や販売情報、実演を検索して能力を評価している。

四つの比率で分母が違う

比率は作業の件数で数えたものではない。職種ごとの就業者数と、Claudeが推定した作業時間で重みを付けた。74%の分母は物理作業の時間で、34%、81%、0.3%の分母は全作業の時間だ。分析は作業記述と雇用・賃金データがそろう職業を対象にしている。

LLM側は「作業時間を半減できるか」、ロボット側は「何らかの環境で作業に対応できるか」という異なる基準を使う。どちらかに該当する作業を重複なく数えた結果が81%だ。作業の全工程を完全に代替できる割合を意味しない。

工場などの条件を整えた環境も含む

研究で使うexposureは、現在のロボットがどの環境で作業できるかを表す「露出」の指標だ。できない作業をE0、ロボット専用の工場設備などでできる作業をE1とした。倉庫など管理された人の職場でできればE2、市街地の道路など予測しにくい環境でできればE3になる。74%と34%はE1からE3までを含む。

各作業には複数の具体的な事例を設定する。事例には推定時間で重みを付ける。少なくとも半分に対応できる中で、最も条件の制約が少ない環境を採った。すべての事例に対応できるという判定ではない。

74%は判定の仕方にも左右される。付録では、似た作業をするロボットから能力を推定した判定を除くと、露出した物理作業の割合が約50%に下がった。実演だけを根拠とする判定を除いた場合の低下は1ポイントで、二つの検証は意味が違う。

費用は同じ仕事量で比べる

費用の比較では、人が各作業で1年間に生み出す仕事量をClaudeが推定する。ロボットが同じ量を処理するための購入・設置費を、耐用年数と資本コストで年換算した。保守、電力、人による監督や例外対応などの運用費も加える。

職業内で同じロボットを複数の作業に使う重複を調整し、ロボット同士を連携させる費用も考慮した。その年換算費用を、対応できる作業の時間比で割り当てた人の総報酬と比較する。総報酬には賃金に加え、保険や退職給付なども含む。

実際の導入や失業確率を示す数字ではない

0.3%はこの費用比較で条件を満たす作業時間の推計で、実際に自動化された割合ではない。能力や作業時間、費用の判定にはClaudeを使っており、研究チームが全作業を実機で試した結果でもない。

条件を整えれば作業できても、現場の多様な作業を大規模に自動化するには能力の制約が残る。規制や人の好み、導入の手間も影響する。露出は失業確率を表さず、人による監督や例外対応が残ることもある。費用の安さだけで導入や雇用の変化は決まらない。