OpenAIの経済調査「Work at the Frontier」第2弾──自分の職種外の仕事にAIを使う人は、翌月も同じ仕事に戻る（23.6%対8.4%）。150万メッセージで見えた「肩書きが変わる前に仕事が広がる」

2026年9月17日・日本時間時点の情報です。 OpenAIの経済研究チーム（OpenAI Economic Research）が9月16日、「Work at the Frontier」シリーズの第2弾を公開した。7月の第1弾は「人はAIを、自分の職種に伝統的に属さない仕事にも使う」（task crossover＝タスクの越境）を示した。第2弾は「その後どうなるか」──越境した仕事にAIを使い続けるのか、一度きりの試しで終わるのか──を、2026年4月から7月の4か月分のChatGPTメッセージで追っている。本記事は、公式ブログと12ページの報告書（PDF）の両方を読み、数字と、その数字が何を代表していて何を代表していないかを整理する。

3行まとめ

1. 戻ってくる。 職種外のタスクにAIを使った人は、翌月も同じタスクにAIを使う率が23.6%。使っていない同等の人（同じ職種群・同程度のAI利用量）は**8.4%で、差は15.2ポイント。約6,200人を4か月追うと、過去に使った職種外タスクが職種固有のAI利用に占める割合は4月13.1%→7月25.9%**と約2倍になった。
2. 定着するタスクは偏る。 初めて使った翌月に戻る率は全体で18.5%（およそ5件に1件）。**顧客との商品・サービスの相談54%、広告・宣伝文44%、マーケ資料の作成37%**が高く、**顧客への財務情報の説明15%、ビジネス情報のプレゼン15%、法務調査10%**が低い。同僚への波及は小さく、職場で誰かが使った翌月に他の人が同じタスクを使う率は3.1%対2.5%。
3. 頼み方が違う。 職種外の依頼は職種内より約20文字短く、説明や手順、形式、助言を求めることが少ない。代わりに例や背景資料を渡し、「確認して」と頼むことが多い。OpenAIはこれを「専門知識を借りている」と解釈している。サンプルは米国登録でChatGPT Businessの職種情報と紐づく個人アカウントで、米国の労働力の代表ではない、と報告書自身が書いている。

何を測ったのか

報告書の要点は3つに整理されている。原文の「Key takeaways」の1つ目を引く。

Workers use AI differently for tasks outside their own jobs. Compared to tasks associated with their current jobs, when workers take on new tasks they typically use shorter prompts and are less likely to ask for explanations, a particular format, or advice, indicating that workers could be relying more on AI expertise to carry out these types of tasks.

（労働者は、自分の仕事の外のタスクにはAIを違う使い方をする。現在の仕事に結びついたタスクと比べ、新しいタスクに取り組むとき、典型的には短いプロンプトを使い、説明や特定の形式や助言を求めることが少ない。これは、この種のタスクを実行するためにAIの専門知識により多く頼っている可能性を示している）

測定の枠組みは、米国労働省のO*NET（職業と業務活動のデータベース）で各職種群に伝統的に結びつく業務を決め、仕事関連メッセージを最も近い「詳細業務活動（DWA）」に分類し、送り手の申告職種と突き合わせて「職種内」「職種外（越境）」「汎用」「未分類」に分ける。対象は9つの職種群。

職種外の依頼は「教えて」ではなく「確認して」

越境した依頼と職種内の依頼を同じ人の中で比べると（各人の差を平均・95%信頼区間つき）、越境の依頼は説明や手順（walkthrough・テンプレート・チェックリスト）を求める率、形式を指定する率、助言を求める率が低い。反対に、例や添付や抜粋などの背景を渡す率と、正確さの確認や出典の要求など「チェックしてほしい」率が高い。長さは約20文字短い。

OpenAIの読みは「専門知識を借りている」。新しい分野を一から教わるのではなく、問題と手元の材料（文書、例、同僚からの情報）を持ち込んで、別分野の知識を当てはめてもらう。確認を頼むのは「自信の薄い仕事で二つ目の意見が欲しい」から、という解釈が添えられている。

4か月で13.1%から25.9%へ

越境タスクにAIを使い始めた人の行く末として、報告書は3つのシナリオを置く。①成果が出ない、または職場で歓迎されず減っていく ②一定の割合で安定する ③実りがあって増えていく。

約6,200人について、「その人が過去に使ったことのある越境タスク」のメッセージが、職種固有のメッセージ（文章作成や要約など職種をまたぐ汎用の依頼を除く）に占める割合を月ごとに平均すると、4月13.1%、7月25.9%。ただし脚注に「新しいタスクを試すほど、『繰り返し』と数えられるタスクの数は増える」とある。分母を汎用や未分類も含む全タスクに広げた付録の検算（活動量上位3分の1の約2,100人）では、7.0%→10.6%→11.8%→12.1%で、水準は下がるが増える形は残る。

戻る率23.6%対8.4%、同僚への波及は3.1%対2.5%

「戻るかどうか」の比較は2つの物差しで行われている。

本人の中での反復は強く、同僚への広がりは小さい。報告書は「職場が、どの活動が根づくかを形作っている可能性」を挙げている。

定着率が高いタスクと低いタスク

初めて観測された月の翌月に同じ越境タスクへ戻った割合（各人・各タスクを1回ずつ数える）は、全体で18.5%。

OpenAIは、この差が「AIが自然に繰り返しの作業に収まる場所の違い」を反映している可能性と、「職場の規範、慎重さ、間違えたときの結果の重さの違い」を反映している可能性の両方を挙げ、どちらとも断定していない。

筆者の運営に当てはめると

当サイトは1人で運営していて、記事と動画を作る本業の外側に、案件先への返信文面、広告・タイアップの案内ページの文章、料金や条件の整理、といった「営業と広告」の仕事がある。それらはほぼ毎回AIと一緒に作っていて、報告書で定着率の高い「顧客との相談」「広告文」「マーケ資料」に当たる。一方で、契約書の条項を読む仕事は毎回AIに聞くが、最後は自分で条文を読み直す。「戻る率が低い法務調査」を筆者が1人分だけ体現しているようにも見えるが、これは1人の観察で、報告書の数字の裏づけにはならない。

この数字が代表しているもの・いないもの

• サンプルは米国登録で、ChatGPT Businessの職種情報と紐づいた個人アカウントのユーザー。報告書は「米国の労働力を代表するものではない」と明記している
• 測っているのは観測されたAI利用であって、仕事全体や労働時間ではない。サンプリングされた会話の中で反復を数えているので、サンプル外の会話での反復は見落とす
• 学習オプトアウトのユーザーは除外されている。オプトアウトする人としない人で使い方が違えば、その分の偏りがある
• 「越境タスク」は活動のカテゴリであって、同一の仕事ではない。既に本人の職務に含まれている場合もある
• 第1弾（7月）と第2弾で、サンプルの構成が同じかどうかは本記事では突き合わせていない

ブログと12ページの報告書、どちらから何を取ったか

• 数字と引用はOpenAI公式ブログ「How workers are unlocking new ways of working」（2026年9月16日）と、報告書PDF「Work at the Frontier: How workers are unlocking new ways of working」（Alex Martin Richmond, Caroline Chin・OpenAI Economic Research・2026年9月・12ページ）。ブログは当サイトがブラウザで、PDFはcurlで取得した
• 関連する当サイトの記事: AIは仕事を奪うのか──雇用データで見る現在地／Anthropicの「2030年の経済モデル」／OpenAI「自動研究インターンに到達」
• 本記事は続報があれば更新する。第3弾や、日本のユーザーを含む分析が出たら追記する