AI会話の86%は「仕事の外」だった——Googleが1500万件のログで描いた、AI経済の本当の地図

1 AI会話の86%は「仕事の外」だった——Googleが1500万件のログで描いた、AI経済の本当の地図

AI会話の86%は「仕事の外」だった——Googleが1500万件のログで描いた、AI経済の本当の地図

Googleが1465万件のGemini利用ログを解析し、AI利用の実態を経済統計の枠組みに落とし込みました
最大の発見は、AI会話の86.5%が仕事の外で起きていたこと。家庭での利用は年10兆円規模の見えない価値を生んでいます
ただしこれは2026年4月の2週間分の観測にすぎず、AIの潜在力ではなく現時点の使われ方を写した地図です

今日、あなたが最後にAIに聞いたことを思い出してみてください。

それは仕事の中の話でしたか。それとも、洗濯機のエラーコードとか、子どもの宿題とか、旅行の乗り換えとか、そういう話でしたか。

Googleが7月に公開した調査によると、後者の人のほうが圧倒的に多数派です。

しかも「ちょっと多い」どころではありません。Geminiでの会話のうち、仕事に関するものは13.5%。残りの86.5%は、すべてオフィスの外で起きていました。

この数字を含む10個の発見が、100ページの論文にまとめられています。読み進めるほど、いま世間で語られているAI論が、実際のデータとどれだけズレているかが見えてきます。

Googleが自分の利用ログを差し出した理由

1987年の夏、経済学者のロバート・ソローが、ニューヨーク・タイムズの書評のなかで、有名な一言を残しました。「コンピュータ時代の証拠はどこにでも見える。ただし、生産性統計の中を除いて」。

同じ年の秋、彼はノーベル経済学賞を受賞します。

街ではみんながパソコンを使っているのに、経済の数字はピクリとも動かない。この断絶は、のちに「ソロー・パラドックス」と呼ばれるようになりました。

2026年のいま、まったく同じ症状がAIで起きています。

SNSを開けばAIの話ばかり。それなのに、失業率も生産性統計も、驚くほど静かなままです。

この謎に、Googleが自社データで答えを出しました。7月23日に公開された「AI & Economy ATLAS（アトラス）v1.0」という論文です。

分析対象は、2026年4月上旬の2週間に発生した1465万件のやりとり。Gemini アプリ、Google AI モード、Gemini API の3つから集めています。

それを匿名化したうえで、米国労働省の職業辞書（O*NET）と、生活時間調査（ATUS）に、ひとつずつ突き合わせていきました。カバー範囲は800以上の職業、4000のタスク、300の家庭内活動、150カ国、140言語です。

規模感で言うと、2026年5月時点でGoogle AI モードは月間10億人以上、Gemini アプリは月間9億人以上が使っています。直近の決算では、Gemini アプリは9億5000万人に達しました。

そのうち仕事関連の利用は全体の14%程度なので、人数に直すと1億3500万人から2億6000万人の働き方が、この地図に写っていることになります。

面白いのは、この論文が「AIすごいでしょう」という内容ではないことです。

むしろ逆で、「AIがホワイトカラーを一気に置き換えるという証拠は見つからなかった」「AI競争が米中の二強で決まるという見方もデータと合わない」と、世間で流通している物語を次々に否定していきます。

謝辞には、労働経済学の大御所であるMITのデビッド・オーター氏と、ケンブリッジ大学のダイアン・コイル氏が並んでいます。自社データを持ち込んで、外部の経済学者に厳しく見てもらった構図です。

AIは88%の職業に届き、仕事の21%で止まっている

最初の発見は、AI普及の「広さ」と「深さ」がまったく違う顔をしていた、ということです。

まず広さ。Geminiの利用は、米国の全職業の68%で観測されました。この職業群を雇用者数に直すと、アメリカで働く人の88%以上をカバーします。

ソフトウェア開発者や金融アナリストだけではありません。農家も、産業エンジニアも、林業従事者も、この中に含まれています。

ところが深さを見ると、景色が変わります。

AI利用が観測された職業でも、実際にAIが使われているのは、その職業の仕事のうち中央値で21%だけでした。

「仕事の75%以上をAIでこなしている」と言えるレベルの職業は、全体のわずか3%。

たとえるなら、家じゅうの部屋にスマートスピーカーを置いたのに、実際に頼んでいるのは天気予報だけ、という状態です。設置率は高い。活用率は低い。

では、その3%はどんな職業だったのか。

マーケットリサーチアナリスト。人事スペシャリスト。ソフトウェア品質保証のアナリストとテスター。文書管理スペシャリスト。ネットワーク・システム管理者。

派手なクリエイティブ職でも、経営判断の職でもありません。「情報の山を、地道に整理する仕事」に、AIは先に深く根を張っていました。

さらに重要なのが、使われ方の中身です。

AIに仕事を最初から最後まで丸投げしようとする会話は、頭を使う非定型業務のなかでは10%未満しかありませんでした。残りの9割以上は、下書き、レビュー、アイデア出し、調べもの。すべて、人間が最後に仕上げる前提の使い方です。

つまり、いまのAIは「代わりにやる存在」ではなく「一緒にやる存在」として使われている。少なくとも2026年時点のデータでは、そうなっています。

AI会話の86%は、オフィスの外で起きている

ここからが、この論文でいちばん衝撃的な部分です。

Geminiでの会話を、生活時間の分類に落とし込んだ結果がこうでした。

娯楽・くつろぎ・レジャー：26.4%
教育・学習：20.7%
仕事・仕事関連：13.5%
家事・家庭管理：11.0%
自分のケア（健康・美容など）：9.0%
買い物の検討：5.2%
専門サービス（役所・医療・法律など）：4.8%

仕事は7分の1以下です。ATLASがカバーしている活動範囲は、アメリカ人が起きている時間の98%に及びます。

ここで比較として面白いのが、OpenAIが2025年9月に公表した調査です。ChatGPTのやりとりのうち仕事以外の文脈は、2025年6月時点で7割超（約73%）とされていました。

Geminiは86.5%。13ポイントほど、さらに生活側に寄っています。

Googleは検索という「生活のインフラ」から入ってきた会社なので、この差は感覚的にも腑に落ちます。人はGoogleに、仕事のことよりも人生のことを聞いてきた歴史があります。

では、家庭では何を相談しているのか。論文が挙げたのは、こんな内容です。

家庭の予定や献立の管理。家電や家具や車の比較検討。部屋のレイアウトや配色の相談。家電・工具のトラブル対応。子どもの勉強や進路の相談。

僕自身、この項目を読んで少し笑ってしまいました。まさに全部やっているからです。

先週も、給湯器のエラーコードをスマホで撮ってGeminiに投げました。修理を呼ぶべきなのか、リセットで直るのかを知りたかった。返ってきた答えでリセットして直り、出張費が浮きました。

こういう相談は、GDPにはひとつも計上されません。

論文はここで、ひとつの試算を出しています。アメリカの家庭でのAI利用によって、1週間あたり平均30分の時間節約が起きていると仮定した場合、生まれている価値は年間およそ1000億ドル、日本円で約10兆円。

家事労働の標準的な時間単価を使った、かなり控えめな見積もりです。それでも10兆円が、統計にまったく現れないまま生まれ続けている計算になります。

1980年代のソロー・パラドックスは、統計が新技術の効果を測りきれなかった話でした。いま起きているのは、統計がそもそも「家庭内の意思決定」という最大の使い道を測る枠組みを持っていない、という話です。

役所と病院の相談は、夜に集中している

生活側の内訳をさらに掘ると、異様な偏りが見つかります。

実際に人がその活動に使っている時間の割合に対して、AI相談が突出して多いジャンルがある。役所の手続き、法律相談、お金の相談、医療・健康の相談です。

なかでも行政サービスや市民としての義務に関する相談は、生活時間比に対しておよそ20倍の集中を見せていました。

エンタメや家事の偏りが数十%から数倍のレベルなのに対して、ここだけ桁が違います。

思い当たりませんか。

「この申請、どこに出すんだっけ」「還付金はいくら戻るんだろう」「相続の相談って誰にすればいいんだ」「レントゲンで先生が言ってたあの言葉、結局どういう意味だったんだろう」。

プロに聞くには敷居が高くて、放っておくには不安が残る。その隙間に、需要が溜まっていました。

そして、もっと象徴的な数字があります。

医療・法律・金融・行政に関するAI相談のうち、およそ半分が、平日9時から17時の営業時間の外で行われていました。

構造を分解すると、こうなります。役所も病院も弁護士事務所も、平日の日中しか開いていない。ところが、その時間、相談したい本人は働いています。

仕事が終わって家に帰ると、窓口はもう閉まっている。「また明日かけよう」で先送りになる。

そこに、夜9時でも答えるAIが現れました。

コンビニが1970年代に起こしたのは「深夜でも買い物ができる」という革命でした。いま起きているのは、同じ「営業時間」の壁が、専門知識の側で壊れているという事態です。

制度は9時5時で動いていて、人生の困りごとは24時間発生する。この非対称を、AIが初めて埋め始めています。

整備士は、写真を撮ってAIに聞いている

「AIはホワイトカラーの技術だ」という前提も、この論文で崩れます。

たしかに、身体を使う仕事が中心の職業では、およそ3分の1でAI利用がまったく観測されませんでした。ここだけ見れば、常識どおりに見えます。

問題は、残りの3分の2です。

象徴的なのが、自動車の整備士とサービス技術者。この職業は、仕事の83%が身体労働です。ほとんど手を動かしています。

それなのに、この2週間のサンプルのなかだけで、1万件を超えるGeminiとの会話が観測されました。

何を聞いているのか。論文が挙げた例は、驚くほど生々しいものです。

車両の部品やシステムをテストして、その結果の読み方を尋ねる
配線をやり直すときの手順と危険箇所を確認する
摩耗した部品を撮影して、交換すべきかどうか判断してもらう
機械が吐いたエラーメッセージを解釈してもらう

そして、ここに決定的な数字があります。

自動車整備士の会話のうち、画像や動画を含む「マルチモーダル利用」の比率は、仕事関連の会話全体の平均の2倍以上でした。

なぜ、いま急に現場労働者がAIを使い始めたのか。答えは、この一点に集約されます。

テキストしか扱えなかった時代のAIは、現場の人にとって縁遠い道具でした。作業を止めて、キーボードで長文を打って質問するなんて、現実的ではありません。

ところが「スマホで写真を撮って送るだけ」になった瞬間、話が変わりました。油で汚れた手でも、1秒でできます。

AIが「言語の道具」から「目を持った相棒」に変わったとき、参加できる職業の層が一気に広がった。これが、今回のいちばん静かな大転換だと思います。

僕自身も、動画の収録現場で同じことをするようになりました。ケーブルの端子が合っているか自信がないとき、以前は撮影を止めて調べていた。いまは端子を撮って「これで合ってる?」と聞けば、数秒で返ってきます。

作業を止めなくていいというのが、想像以上に大きい。

現場仕事は「その場の判断が要るか」で分かれた

ここからが、この論文でいちばん構造的に面白い発見です。

同じ「デスクに座らない仕事」でも、AIを使う職業と使わない職業が、きれいに二分されていました。

使っている側の顔ぶれを、身体労働の比率とセットで並べるとこうなります。

自動車サービス技術者・整備士：83%が身体労働
産業機械のメカニック：44%が身体労働
電気・電子機器の修理工：25%が身体労働
コンピュータユーザーサポート：19%が身体労働
カメラマン：18%が身体労働
出荷・受入・在庫管理：18%が身体労働

一方、AI利用がまったく観測されなかった大きな職業群がこちらです。

食品加工作業員
ファーストフードの調理員
レストランのフロア担当とバーテンダーの補助
レジ係
小売の販売員

線引きは「肉体労働かどうか」ではありませんでした。

分けているのは「その場で、専門的な判断が必要になるかどうか」です。

整備士は、1つの故障診断に30分から1時間かけます。そのなかで5分だけAIに聞く余裕がある。しかも、その5分が結論を変える。判断の質が、そのまま仕事の成果になります。

一方、レジ係やファーストフードの調理は、1つの作業が数十秒から数分で終わり、それが延々と反復されます。判断の余地が小さく、そもそもAIに相談する時間の隙間がありません。

つまりAIは、「頭脳労働対肉体労働」という古い線を引き直して、「判断が要る仕事対淡々とこなす仕事」という新しい線を引きました。

この線の引き直しは、日本の現場を考えるとかなり示唆的です。

ベテランの引退で失われていく暗黙知。師匠から弟子へ、電話と口伝で受け渡されてきた判断の勘どころ。その受け皿として、AIがすでに機能し始めています。

高給取りほど使い、任せているのは簡単な作業

ここで、一見すると矛盾している2つのデータが出てきます。

ひとつ目。AI利用の多さで重みづけすると、職業の年収中央値は約8万3000ドルでした。アメリカの労働者全体の年収中央値は約6万2000ドルなので、2万ドル、日本円で300万円ほど高い。

会話量ではなく、やりとりされた文字量で重みづけすると、この差はさらに開いて約8万6000ドルになります。

職業の年収が1%上がると、AI利用の濃さは2.5%以上増える。学歴の影響を差し引いても、この関係は残りました。

ふたつ目。ところが、タスクを専門性の高さで4段階に分けると、最も専門性が低い層のタスクで、AI利用が基準比2.6倍と突出していました。最も専門性が高い層は1.2倍程度にとどまります。

高給取りが使っている。なのに、使われているのは簡単な仕事。

一見すると矛盾ですが、答えはシンプルです。稼いでいる人ほど、自分の仕事から「専門性の低い部分」を戦略的に剥がしている。

論文が挙げた具体例は、ニュース記事を指定の言語に書き換える作業や、購入予定の製品仕様書を書いてレビューする作業でした。

どれも、その職業の一部ではあるけれど、その職業の核ではない仕事です。

労働経済学には、この構造を説明する枠組みがあります。MITのデビッド・オーターとニール・トンプソンが2025年に発表した論文「Expertise」で、1つの職業を「中核となる専門タスク」と「それを支える周辺タスク」に分けて考えます。

中核が自動化されると、その職業の賃金は下がる。周辺が自動化されると、残る専門性の希少価値が上がって賃金は上がる。

ATLASが観測したのは、明らかに後者でした。AIはいま、専門職を置き換えるのではなく、専門職の周辺雑務を剥がして、その専門性を際立たせる方向に働いています。

僕の場合も、まさにこの構造です。サムネイル案の量産、リサーチの下調べ、文字起こしの整形。ここは全部AIに任せています。

けれど、どんな切り口で語るか、どこで断言してどこで留保するか。ここは自分でやります。というより、ここを渡してしまったら、そもそも自分がやる意味がなくなります。

ただし、この構造には影があります。

支援タスクだけで成り立っていた仕事、たとえばデータ入力や翻訳の下訳や書式整えは、真っ先に置き換わっていきます。キャリアの入り口となっていた仕事が、静かに縮んでいく可能性があります。

英語は全会話の3分の1しかない

世界地図の話も、常識とズレています。

Geminiでの会話のうち、英語で行われているのは全体の約3分の1でした。残り3分の2は、それぞれの母語です。

しかも、仕事の会話と生活の会話で、言語の分布はほとんど同じ形をしていました。「複雑な専門タスクのときだけ英語に切り替える」という行動は、データからは確認されていません。

「英語ができないとAI時代に取り残される」という煽りを、この数字は静かに否定します。

もうひとつ意外なのが、先進国と新興国の使い方の違いです。

OECDに加盟していない国では、画像や動画を含む会話の比率が、OECD諸国のおよそ2倍でした。

とくにアート・デザイン・エンタメ・メディア系の職業でのAI利用は、非OECD諸国で15.9%、OECD諸国で9.4%。7割ほど高い。グラフィックデザイナー、写真家、映像編集者、アニメーターが、この差を作っています。

画像・動画の生成が最も活発なのはアフリカで、最も少ないのがヨーロッパでした。

一言でまとめると、先進国はAIをオフィスの補助として使い、新興国はAIを制作ツールとして使っている。同じGeminiが、経済の発展段階によってまったく違う顔を見せています。

ただし、格差の現実も同時に出ています。

一人あたりGDPが1%上がると、AI利用は0.9%増える。ほぼ完全に連動しています。世界の下位20%の国々は、全AI会話のたった2%しか占めていません。

そのなかで、論文が「説明がつかない」と正直に書いている例外があります。中南米と中東の中所得国が、西ヨーロッパ並みの利用率に達している。インターネット普及率でも、所得でも、AIへの関心度でも、この現象は説明しきれないそうです。

いずれにせよ、150カ国・140言語で使われている現実を前にすると、「AI覇権は米中の争い」という枠組みは、ずいぶん粗い地図に見えてきます。

AIは、放っておくと格差を広げる

ここまでの発見を全部束ねると、論文は最後に、2つの未来を提示します。

ひとつは「キャッチアップ」のシナリオ。AIが格差を縮める装置として働く未来です。

実験室レベルの研究では、経験の浅い人ほどAI補助の恩恵が大きいことが、繰り返し確認されています。利用コストが下がり、操作が直感的になり、組織的な訓練が行き渡れば、この結果が現実世界でもスケールする可能性があります。

もうひとつは「ランナウェイ」のシナリオ。AIが格差を広げる装置として働く未来です。

そして残念ながら、現実の観測データはこちら寄りです。

理由は3つあります。

1つ目は、タスクを選ぶ力の差です。スキルの高い人はAIが役に立つ場面を正確に見抜きます。低い人はAIが不得意な場面にも投げてしまい、かえって成果が落ちることがある。

2つ目は、出力を検証する力の差です。AIの答えが正しいかを見抜くには、その分野の知識が要ります。この判断力そのものが、高度な人的資本です。

3つ目は、採用への影響です。シニア社員がAIで生産性を上げられると分かると、企業は新人採用を絞ります。キャリアの入り口が、静かに閉じていく。

つまり「AIの民主化」は、自動的には起きません。何もしなければ、格差拡大のほうが既定路線です。

では、分かれ道はどこにあるのか。

論文は「制度の足場」だと答えています。組織の側が組み立てる支援の構造のことです。

役職に関係なく同じツールを使わせること。自社の仕事に合わせた使い方を社内で開発すること。座学ではなく実務に埋め込まれた訓練を用意すること。そして、AIを試す時間を業務として認めること。

義務教育と同じ構造です。教科書と黒板を配っただけでは、学力の差は縮まりません。通う時間が保証されて、伴走する人がいて、ようやく機会の平等が成立します。

AIも同じでした。道具を配るだけでは、差は開くばかりです。

今日、あなたができる3つのこと

最後に、この論文から取り出せる実践を3つだけ置いておきます。

1つ目は、自分の仕事を「中核」と「周辺」に分けてみることです。

営業なら、中核は顧客との関係づくりで、周辺は議事録と見積書とリサーチ。エンジニアなら、中核は設計の判断で、周辺はコード整形とドキュメント化。

まず周辺だけをAIに渡してください。2週間続けると、自分の中核が何なのかが、驚くほどくっきり見えてきます。

2つ目は、いちばん詳しい領域から始めることです。

自分がよく知っている分野なら、AIの間違いにその場で気づけます。逆に、詳しくない分野で使うと、間違いに気づかないまま進んでしまう。上達の最短ルートは「自分の得意分野で毎日1つ投げる」ことです。

3つ目は、周りの1人に教えることです。

キャッチアップとランナウェイの分岐点は、AIの性能ではなく、制度と入り口の設計でした。そして「入り口の設計」は、実は個人でもできます。

同僚でも、家族でも、部下でもいい。1人がAIの最初の1歩を踏み出せば、その人は5年後、置いていかれる側ではなく、追いつく側に立ちます。

Googleが1465万件のログで示したのは、AIが世界を変えるかどうかではありませんでした。

私たちがどう使うかが、世界を変える。そういう地図でした。

よくある質問（FAQ）

Q1. Google ATLAS v1.0 のデータはどこまで信頼できますか

アンケートではなく実際の利用ログ1465万件を分析している点で、従来の調査より精度は高いといえます。MITのデビッド・オーター氏、ケンブリッジ大学のダイアン・コイル氏という労働経済学の第一人者が謝辞に挙がっており、外部レビューも経ています。

ただし限界も論文自身が明記しています。対象は2026年4月6日から19日までの2週間分で、有料のGemini API利用（企業のGoogle Cloud経由）や、Google Workspace、翻訳、AI Overviews などは含まれていません。企業の本格的なAI活用は過小評価されている可能性があります。

また、会話が完結したことは記録されても、ユーザーが目的を達成できたかどうかまでは測れていません。