金融専門職への質問と回答

質問文（版 5）

あなたはAIモデルとして、AIツール全体（あなた自身と、あなたや他のモデルを組み込んだ製品・サービスを含む）によって、ある職種の仕事に必要な人の時間が、今・1年以内・5年以内にどれだけ減るかを見積もる。日本の読者向けの職業情報サイトに、あなたの回答がそのまま、あなたのモデル名と回答日付きで掲載される。読者はこの職種で働く人で、自分の仕事のどこがどれだけ変わるかを知りたい。

測るもの
- 「人の時間が要らなくなる割合」: 今と同じ量の仕事を、今と同じ品質で終えるのに必要な人の時間のうち、AIツールを使うことで要らなくなる割合（整数の%）。AIの結果を人が確認・手直し・承認する時間は、人の時間として残す。例: 100分かかっていた仕事が、AIの結果を5分確認するだけになれば95%。
- 「今」は今あるAIツールを、この職種の職場が十分に使った場合の値。まだ使っていない職場が多いことは、この値を下げる理由にしない。「1年以内」「5年以内」はその時点であると見込むツールを十分に使った場合の値。
- 仕事の量（需要）の増減はこの割合に入れない。別の問いで答える。
- 業務ごとに、仕事時間に占める比重（全業務の合計を100）と、その業務で人の時間が要らなくなる割合を出す。職種全体の割合は比重で重みづけした合計にする。業務の数で割る計算はしない。

見立ての立て方
- 人に残るとする部分にも、AIに移るとする部分にも、同じ基準で理由を書く。理由の種類は両側とも「技術」「制度・契約」「費用」「相手の受け入れ」の4つ。人に残る側なら、技術が足りない／制度や契約が人を求める／AIに任せると高くつく／顧客や相手が人を求める。AIに移る側なら、技術が足りている／制度や契約が妨げない／AIに任せると安い／顧客や相手が受け入れる。
- どちらの見立てにも、それが崩れる条件を書く。人に残るとした部分がAIに移る条件と、AIに移るとした部分が人に残る条件の両方を書く。
- 人が最終的な責任を負うことは、それだけでは人の時間がどれだけ要るかを決めない。責任を負うために、誰が何をどれだけ確かめるかで見積もる。逆に、AIが成果物を出せることは、それだけでは人の時間がなくなることを意味しない。確認・手直し・例外への対応にかかる時間を数える。
- 業務の中で人に残る部分は、次の5つの層で示す。作業（自分で手を動かす）、品質の確認（出来を確かめ直す）、例外の発見（いつもと違うことに気づく）、実行の承認（進めてよいかを決める）、目的と制約の設定（何をどこまでやるかを決める）。並びに順序や難易度の意味はない。どの層も人に残ることがあり、どの層もAIに移ることがある。残る層には、その層に人の時間がはっきり残るものだけを挙げる（5つ全部が残るのは、本当にそうである業務だけ）。その層で人が何をするかは、要点の文に書く。
- 根拠は下の資料と、あなたが知っている今のAIツールの機能、あなたが見込む今後の進歩。今できることと将来の見込みを分け、業務ごとに確信の度合い（高・中・低）を添える。人に残る時間が少ないという答えも、ほとんど変わらないという答えも認める。仕事の量の見立ては「不明」でもよい。
- 言い切れるところは言い切り、根拠の弱いところは弱いと書く。確信の度合いは項目で示し、「推定である」「統計値ではない」のような断り書きは文章に書かない（掲載時にあなたの見立てとして示す）。
- 研究や統計の数字、企業が公表した効果の数字を引用しない。人名を挙げない。ツールや製品の名前は挙げてよいが、企業の意図や方針を推測しない。
- 文章は日本語。業務を指すときは、番号や記号ではなく業務の内容を書く（読者は番号付きの一覧を見ない）。
- この会話にある情報と、あなた自身の知識だけで答える。ウェブを検索しない。過去の会話、保存された記憶、他のAIモデルの回答を参照しない。
- 返す前に、業務の数が一覧と同じこと、比重の合計がちょうど100であること、各業務で 今 ≤ 1年 ≤ 5年 であること、職種全体の3つの値が比重による重みづけの合計を四捨五入した値と一致することを確かめる。
- JSONだけを返す。

職種: 金融専門職（米国の職業分類では 金融・投資アナリスト、SOC 13-2051）

この職種の業務（米国 O*NET の業務記述の日本語訳）:
1. 企業・投資会社の担当者・一般の投資家に、投資先と投資の時期を薦める
2. 同じ業界の各種の証券の相対的な質を評価し、比べる
3. 金融出版物・投資銀行・政府機関・業界誌・企業・面談から得た情報を分析し、経済・産業・企業の動向を追う
4. 価格・利回り・安定性・将来のリスクの傾向・経済的要因など、投資に影響するデータを読み解く
5. 財務情報を分析して事業・産業・経済の見通しを予測し、投資判断の材料にする
6. 経済全体の動向、個別企業、産業全体について、口頭や文書で報告する
7. 表計算ソフトで図表を作り、技術的な報告書に添える
8. 産業技術・経営・金融・経済理論の分野の動向を追う

この職種で使われているAIツール（各社の公式ページの説明。判断材料の一部）:
- AlphaSense（AlphaSense）: 決算資料や調査資料、社内の資料を横断して検索し、調査のエージェントが報告や説明資料を作る。
- Bloomberg AI（ASKB）（Bloomberg）: Bloomberg 端末のデータ・ニュース・調査をもとに質問に答える会話型のAI。答えには元の文書へのリンクを付ける。
- Claude for Financial Services（Anthropic）: 市場の分析や調査、投資判断のための金融向けの分析。複数のデータ提供元の情報を照らし合わせる。

問い
1. 上の一覧のすべての業務について、一覧の順に次を答える。
   a. 比重: この職種の仕事時間に占める割合（整数の%。全業務の合計を100にする）。
   b. 今・1年以内・5年以内に、その業務で人の時間が要らなくなる割合（整数の%。今 ≤ 1年 ≤ 5年）。
   c. 5年後もこの業務で人の時間がはっきり残る層（作業／品質の確認／例外の発見／実行の承認／目的と制約の設定 から。層の名前だけを配列で。何も残らなければ空）。
   d. 5年後も人の時間が残る理由の種類（技術／制度・契約／費用／相手の受け入れ から、当てはまるものすべて。人の時間が残らなければ空）。
   e. 5年後にAIに移る理由の種類（同じ4つから、当てはまるものすべて。何も移らなければ空）。
   f. 5年後の見立ての要点と、それが崩れる条件（150字以内。人に残る部分がAIに移る条件と、AIに移る部分が人に残る条件を1文ずつ）。
   g. 確信の度合い（高／中／低）。
2. 職種全体で人の時間が要らなくなる割合（今・1年以内・5年以内）。1の比重で重みづけした合計を、整数に四捨五入する。
3. 2の理由。どの業務のどの層がAIに移り、どの種類のツールが引き受けるか（200字以内）。
4. 5年で、この職種への仕事の量（需要）はどう変わるか（増える／ほぼ同じ／減る／不明）と、その理由（150字以内）。
5. この職種は5年でどう変わるか。次の3つにそれぞれ答える（各200字以内）。
   a. 何が残るか: 人が担う業務と層。残るとした理由と、それが崩れる条件に触れる。
   b. 誰が残るか: 4の仕事の量の見立てと合わせて、担当者の人数・構成・経験の変化。
   c. 求められる力: 残る人に新たに求められる力。

出力（JSON）
{"tasks": [{"no": 1, "weight": 0, "now": 0, "year1": 0, "year5": 0, "human_layers": [], "blockers": [], "enablers": [], "outlook": "", "confidence": ""}], "share_now": 0, "share_year1": 0, "share_year5": 0, "reason": "", "demand": "", "demand_reason": "", "remains": "", "who": "", "skills": ""}

Claude Fable 5.1

Claude のモデル名の表示は「Claude Fable 5.1」。回答日 2026年10月21日。取得の条件: Claude Code のサブエージェントが回答（アプリではない）。職種ごとに新しい文脈で、入力は質問文のファイル1つだけ。ウェブ検索と他のファイルの読み込みを禁じた。他の職種・他モデル・版4の回答、モックの数値は渡していない。Claude Code の既定のシステム指示とプロジェクトの AGENTS.md が文脈に入る。検査に落ちた回答は新しい文脈で聞き直した（経理・財務と金融専門職の各1回。research/opinions/v5-2026-10-21/rejected/）。

仕事の量（5年）: ほぼ同じ。調査の単価が下がる分、同じ人数でより多くの銘柄や論点を扱う方向に向かい、人数の削減と分析対象の拡大が相殺する。運用資産の規模と、助言に人の責任を求める規制の枠組みは5年では急に変わらない。

{"tasks": [{"no": 1, "weight": 12, "now": 15, "year1": 20, "year5": 35, "human_layers": ["例外の発見", "実行の承認", "目的と制約の設定"], "blockers": ["制度・契約", "相手の受け入れ", "技術"], "enablers": ["技術", "費用"], "outlook": "推奨の案はAIが作れるが、顧客への助言は適合性の確認や説明責任を伴い、承認と目的設定は人に残る。顧客がAIの助言を受け入れ、規制がAI助言の説明責任の枠を整えれば移る。AI助言による損失が問題化し、人の署名を求める規制が強まれば人に残る。", "confidence": "中"}, {"no": 2, "weight": 13, "now": 25, "year1": 35, "year5": 55, "human_layers": ["品質の確認", "例外の発見", "実行の承認"], "blockers": ["技術", "制度・契約"], "enablers": ["技術", "費用", "制度・契約"], "outlook": "同業他社の指標比較や相対評価の下書きはAIが引き受け、人は前提の確認と異常値の見極め、結論の採否を担う。データ提供元が構造化データをAIに直接渡し、評価の誤りが減れば残る部分も移る。会計処理の違いやデータの誤りをAIが見落とす事例が続けば人の確認が増える。", "confidence": "中"}, {"no": 3, "weight": 18, "now": 40, "year1": 50, "year5": 70, "human_layers": ["例外の発見", "目的と制約の設定"], "blockers": ["技術", "制度・契約"], "enablers": ["技術", "費用", "相手の受け入れ"], "outlook": "資料の収集・要約・横断検索はほぼAIに移り、人は何を追うかの設定と、要約に現れない変化への気づきを担う。面談の内容もAIが整理するようになれば残る部分も縮む。情報源の利用契約がAIへの投入を制限するか、誤った要約の見落としが問題化すれば人の時間が戻る。", "confidence": "高"}, {"no": 4, "weight": 12, "now": 30, "year1": 40, "year5": 60, "human_layers": ["品質の確認", "例外の発見"], "blockers": ["技術"], "enablers": ["技術", "費用"], "outlook": "価格や利回りの傾向の抽出と整理はAIが担い、人は結果の妥当性の確認と、過去の型に合わない動きの発見を担う。市場データの提供元がAIを組み込み、推論の根拠を示せるようになれば確認は減る。データの取り違えや前提の誤りが見つかりにくい場合は人の確認が増える。", "confidence": "中"}, {"no": 5, "weight": 17, "now": 25, "year1": 35, "year5": 55, "human_layers": ["品質の確認", "例外の発見", "目的と制約の設定"], "blockers": ["技術", "制度・契約"], "enablers": ["技術", "費用"], "outlook": "財務モデルの初稿と感応度分析はAIが作り、人は前提の妥当性、会計処理の例外、予測の目的の設定を担う。モデルの検証を自動で行い、監査可能な形で記録できれば残る部分も移る。予測の誤りの責任を人が負う体制が続き、前提ごとに人の確認が求められれば人の時間が残る。", "confidence": "中"}, {"no": 6, "weight": 15, "now": 35, "year1": 45, "year5": 60, "human_layers": ["作業", "品質の確認", "実行の承認"], "blockers": ["相手の受け入れ", "制度・契約"], "enablers": ["技術", "費用"], "outlook": "文書の下書きと図表はAIが作り、人は結論の最終確認と、顧客や投資委員会への口頭説明を担う。相手がAIの説明を受け入れ、文書だけで意思決定が済むなら残る部分も移る。相手が担当者の対話と説明責任を求め続ければ口頭報告の時間はほぼ残る。", "confidence": "中"}, {"no": 7, "weight": 8, "now": 60, "year1": 70, "year5": 85, "human_layers": ["品質の確認"], "blockers": ["制度・契約"], "enablers": ["技術", "費用", "相手の受け入れ"], "outlook": "表計算ソフトのAI機能で図表はほぼ自動化され、人は数値の取り違えや見せ方の確認だけになる。報告書の書式がデータから直接生成されれば確認も減る。社内の書式や承認の仕組みがAIの出力に合わない場合は手直しが残る。", "confidence": "高"}, {"no": 8, "weight": 5, "now": 30, "year1": 40, "year5": 55, "human_layers": ["目的と制約の設定"], "blockers": ["技術"], "enablers": ["技術", "費用"], "outlook": "論文や業界動向の要約はAIに移るが、何を学ぶかの選択と自分の判断軸への取り込みは人に残る。個人向けの学習をAIが継続的に組み立てれば残る部分も縮む。要約の偏りで重要な動向を見落とす事例が出れば、原典を自分で読む時間が戻る。", "confidence": "中"}], "share_now": 32, "share_year1": 41, "share_year5": 59, "reason": "資料の収集・要約・横断検索（動向の分析）、証券の指標比較、図表作成の作業層は、AlphaSenseやBloomberg AIのような検索・要約型のツールと表計算ソフトのAI機能が引き受ける。財務モデルの初稿と報告書の下書きは金融向けのAIアシスタントが担う。人には前提の確認、例外の発見、推奨の承認、何を分析するかの設定と、相手への口頭説明が残る。", "demand": "ほぼ同じ", "demand_reason": "調査の単価が下がる分、同じ人数でより多くの銘柄や論点を扱う方向に向かい、人数の削減と分析対象の拡大が相殺する。運用資産の規模と、助言に人の責任を求める規制の枠組みは5年では急に変わらない。", "remains": "推奨の承認と顧客への説明、財務予測の前提の妥当性の確認、通常と違う動きへの気づき、何を分析するかの設定が人に残る。助言の責任を負う人を規制と顧客が求め、AIの推論の誤りを見抜く確認が必要なためである。規制がAIの助言の枠組みを整え、AIが根拠を監査可能な形で示せるようになれば、承認と確認の時間も大きく減る。", "who": "仕事の量がほぼ同じでも人の時間が6割近く減るため、担当者数は減るか、同じ人数で扱う銘柄数が増える。資料整理や図表作成を担っていた若手の仕事が縮み、新規採用は減る。残るのは顧客対応と判断の経験がある中堅以上と、AIの出力を検証できる少数の若手で、年齢構成は上に偏る。", "skills": "AIが作った財務モデルや要約の前提と誤りを短時間で見抜く検証力、データの出所と契約上の制約を理解してツールに何を入れてよいか判断する力、分析の問いを設計する力、そして結論を顧客や投資委員会に自分の言葉で説明し責任を引き受ける対話力。複数のツールを組み合わせて調査の流れを作る運用力も要る。"}

GPT-6 Astra

ChatGPT のモデル名の表示は「GPT-6 Astra」。回答日 2026年10月21日。取得の条件: Codex のタスク（gpt-6-astra 指定）が回答。ChatGPT アプリの一時チャットではなく、1つのタスク内で35職種をファイル名順に逐次処理（職種ごとの新しい文脈ではない）。そのタスクの文脈には版4の確認、版5草案の批評、Claude の取得記録と回答例の読み取りが含まれ、他モデルの回答を見せないという条件を満たさない。実行時のモデル名は独立に確認されていない。ウェブ検索はしていない。保存後に研究開発と映像・動画制作の「何が残るか」の文章を同じタスクが1語ずつ直した（数値の変更なし。research/opinions/v5-2026-10-21/astra-2026-10-21/corrections.json）。

仕事の量（5年）: 増える。調査費用が下がり、小さな企業や多様な資産について継続的に分析を行いやすくなる。比較案やリスクの点検は増えるとみる一方、定型の調査報告を購入する需要は内製化で減りうる。増える分析量がそのまま人員増にはならない。

{
  "tasks": [
    {
      "no": 1,
      "weight": 15,
      "now": 20,
      "year1": 30,
      "year5": 45,
      "human_layers": [
        "作業",
        "品質の確認",
        "実行の承認",
        "目的と制約の設定"
      ],
      "blockers": [
        "技術",
        "制度・契約",
        "相手の受け入れ"
      ],
      "enablers": [
        "技術",
        "費用"
      ],
      "outlook": "候補の比較と提案資料はAIに移り、人は顧客の目的と許容損失を確かめるが、適合性を検証できれば助言の準備も縮む。市場急変や顧客事情の変化を捉えられなければ、標準的な提案にも人が介入する。",
      "confidence": "低"
    },
    {
      "no": 2,
      "weight": 15,
      "now": 40,
      "year1": 52,
      "year5": 72,
      "human_layers": [
        "品質の確認",
        "例外の発見",
        "目的と制約の設定"
      ],
      "blockers": [
        "技術"
      ],
      "enablers": [
        "技術",
        "費用"
      ],
      "outlook": "証券の指標比較はAIに移り、人は条件の違いと見落としを点検するが、開示の差を補正できれば評価も減る。流動性や契約条件を誤って比較すれば、一覧表の作成から人が確かめ直す。",
      "confidence": "中"
    },
    {
      "no": 3,
      "weight": 20,
      "now": 45,
      "year1": 58,
      "year5": 78,
      "human_layers": [
        "作業",
        "品質の確認",
        "例外の発見"
      ],
      "blockers": [
        "技術"
      ],
      "enablers": [
        "技術",
        "費用"
      ],
      "outlook": "資料収集と動向整理はAIに移り、人は情報の信頼性と面談の意味を確かめるが、矛盾を独立に検証できれば調査も減る。未公表の事情や偏った説明が重要なら、情報の選別にも人の聞き取りが要る。",
      "confidence": "中"
    },
    {
      "no": 4,
      "weight": 15,
      "now": 35,
      "year1": 48,
      "year5": 65,
      "human_layers": [
        "品質の確認",
        "例外の発見",
        "目的と制約の設定"
      ],
      "blockers": [
        "技術"
      ],
      "enablers": [
        "技術",
        "費用"
      ],
      "outlook": "指標の計算と変化の抽出はAIが担い、人はリスクの前提を点検するが、異なる市場環境でも評価できれば確認も縮む。過去の関係が崩れれば、通常の指標分析から人が組み直す。",
      "confidence": "低"
    },
    {
      "no": 5,
      "weight": 15,
      "now": 30,
      "year1": 42,
      "year5": 58,
      "human_layers": [
        "品質の確認",
        "例外の発見",
        "目的と制約の設定"
      ],
      "blockers": [
        "技術"
      ],
      "enablers": [
        "技術",
        "費用"
      ],
      "outlook": "予測案とシナリオ比較はAIに移り、人は前提と損失の影響を判断するが、構造変化を検証できれば検討も減る。政策や競争環境が変わり過去の関係が使えなければ、予測の準備にも人が戻る。",
      "confidence": "低"
    },
    {
      "no": 6,
      "weight": 10,
      "now": 50,
      "year1": 62,
      "year5": 82,
      "human_layers": [
        "品質の確認",
        "実行の承認"
      ],
      "blockers": [
        "技術",
        "制度・契約",
        "相手の受け入れ"
      ],
      "enablers": [
        "技術",
        "費用"
      ],
      "outlook": "報告の下書きはAIが作り、人は事実と見通しの区別を確かめるが、根拠と表現を検証できれば編集も減る。重要な留保の欠落や時点の混同があれば、自動報告も人が資料から修正する。",
      "confidence": "中"
    },
    {
      "no": 7,
      "weight": 5,
      "now": 65,
      "year1": 78,
      "year5": 92,
      "human_layers": [
        "品質の確認",
        "目的と制約の設定"
      ],
      "blockers": [
        "技術"
      ],
      "enablers": [
        "技術",
        "費用"
      ],
      "outlook": "図表の作成はAIに移り、人は単位と比較条件を確かめるが、元データとの整合を検証できれば確認も縮む。通貨や会計期間が混ざる場合は、定型の図表も人が作り直す。",
      "confidence": "中"
    },
    {
      "no": 8,
      "weight": 5,
      "now": 45,
      "year1": 58,
      "year5": 78,
      "human_layers": [
        "品質の確認",
        "目的と制約の設定"
      ],
      "blockers": [
        "技術"
      ],
      "enablers": [
        "技術",
        "費用"
      ],
      "outlook": "新しい動向の検索と要約はAIに移り、人は自分の分析への影響を選ぶが、適用条件を検証できれば読解も減る。新説の限界や根拠を誤って伝える場合は、要約した資料も人が読み直す。",
      "confidence": "中"
    }
  ],
  "share_now": 38,
  "share_year1": 50,
  "share_year5": 68,
  "reason": "現在は金融資料の検索、指標比較、図表と報告の下書きで時間が減る。1年では複数の情報源を照合する処理が進み、5年ではシナリオの作成と更新まで広がる。人には市場環境の変化の発見、予測の前提の点検、顧客への適合性確認が残る。情報へのリンクが付いていても分析の因果や将来の収益が確かになるわけではなく、結論を採用する前の品質確認を残して見積もる。",
  "demand": "増える",
  "demand_reason": "調査費用が下がり、小さな企業や多様な資産について継続的に分析を行いやすくなる。比較案やリスクの点検は増えるとみる一方、定型の調査報告を購入する需要は内製化で減りうる。増える分析量がそのまま人員増にはならない。",
  "remains": "市場環境が変わったときに、使っている前提と評価方法を疑う仕事が残る。人は開示の違い、流動性、契約条件、顧客の目的を確かめ、どこまでの損失を許容するかを判断する。報告では事実と見通しを分け、根拠の弱い部分を説明する。構造変化を含むリスクと顧客への適合性を信頼して検証できるなら、分析の確認や助言の準備に要る時間は減る。",
  "who": "分析需要が増えても、情報収集と図表作成を専任する担当者は減りやすい。一人が追う企業や資産の範囲が広がり、モデルの前提を検証できる人、顧客の制約を理解して説明できる人の比重が上がる。若手は資料の要約だけでなく、予測が外れた理由や指標の比較が成り立たない例を調べる必要がある。調査対象の増加に対し、重要な案件を深く見る時間の配分が課題になる。",
  "skills": "財務と市場の基礎を使い、資料の時点、単位、会計条件をそろえて比較する力が要る。AIの分析では、相関を因果と読んでいないか、過去の環境に依存していないかを確かめる。顧客の目的と損失への耐性を聞き取り、提案の適用条件を具体化する力も重要になる。予測と実際の差を記録し、前提を変える根拠と見通しの弱い部分を説明することが求められる。"
}