店舗・販売への質問と回答

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: 店舗・販売（米国の職業分類では 小売販売員、SOC 41-2031）

この職種の業務（米国 O*NET の業務記述の日本語訳）:
1. 販売を促すため、商品に値札を付け、並べ、陳列する
2. 顧客の要望に合わせて商品を薦め、選び、探し出す
3. 商品を説明し、使い方・操作・手入れを顧客に伝える
4. 店舗と商品についての質問に答える
5. 顧客に商品を貸し出す
6. 顧客を迎え、何を求めているかを確かめる
7. 販売価格と合計金額を計算し、現金やカードの支払いを受けて処理する
8. 売上伝票や販売契約書を作る

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）:
- Shopify Sidekick（Shopify）: ストアの管理画面で、質問に答え、ブログ記事・商品説明・画像を作り、日常の言葉で作業を進めるAI。

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）: 減る。店舗の省人化とネット購入への移行で、一店舗あたりの店員数は減る方向にある。ただし人の接客を売りにする店や体験型の店舗は増え、そこでは人数が保たれる。全体では店舗数と一店舗の配置人数の両方が緩やかに減ると見る。

{"tasks": [{"no": 1, "weight": 25, "now": 5, "year1": 7, "year5": 15, "human_layers": ["作業", "例外の発見"], "blockers": ["技術", "費用"], "enablers": ["技術", "費用"], "outlook": "値付けの計算、陳列案の作成、欠品や値札ずれの検出はAIと電子棚札、店内カメラに移るが、商品を手で並べる作業と売場の乱れに気づく対応は残る。棚出しロボットが小規模店でも採算に合えば作業も減る。カメラ導入の費用が重い店では検出も人のままになる。", "confidence": "中"}, {"no": 2, "weight": 15, "now": 10, "year1": 15, "year5": 30, "human_layers": ["作業", "例外の発見"], "blockers": ["技術", "相手の受け入れ"], "enablers": ["技術", "費用", "相手の受け入れ"], "outlook": "顧客の希望から候補を出し在庫を探す部分は、店員用端末やアプリの提案AIが担う。試着の手配や好みの機微を読む作業、提案が外れたと気づく部分は残る。顧客がアプリの提案で満足し店員に頼らなくなれば残る部分も減る。高額品や相談重視の店では顧客が人の提案を求め続ける。", "confidence": "中"}, {"no": 3, "weight": 12, "now": 10, "year1": 15, "year5": 30, "human_layers": ["作業", "品質の確認"], "blockers": ["技術", "相手の受け入れ"], "enablers": ["技術", "費用", "相手の受け入れ"], "outlook": "使い方や手入れの定型説明は動画やAIの説明文、音声案内に移る。実演しながら教える作業と、顧客が理解したかを確かめる部分は残る。顧客が店内のAI案内で十分と感じる商品では説明の大半が移る。家電や化粧品など実演が価値になる商品では人が担い続ける。", "confidence": "中"}, {"no": 4, "weight": 12, "now": 15, "year1": 20, "year5": 35, "human_layers": ["作業", "例外の発見"], "blockers": ["技術", "相手の受け入れ"], "enablers": ["技術", "費用", "相手の受け入れ"], "outlook": "営業時間や在庫、商品の違いなど定型の質問は店内端末やアプリ、音声応答のAIが答える。曖昧な質問の意図をくむ作業と、AIの答えの誤りに気づく部分は残る。店舗データの整備が進み答えの精度が上がれば人への問い合わせはさらに減る。高齢客が多い店では人に聞く習慣が続く。", "confidence": "高"}, {"no": 5, "weight": 2, "now": 10, "year1": 15, "year5": 30, "human_layers": ["作業", "品質の確認", "例外の発見"], "blockers": ["技術", "制度・契約"], "enablers": ["技術", "費用"], "outlook": "貸出の受付と記録、返却期限の管理、本人確認の下処理はAIを組み込んだ予約・決済システムに移る。現物の受け渡しと状態の確認、紛失や破損の判断は残る。無人ロッカー型の貸出が広がれば受け渡しも減る。契約や保証金が絡む高額品では人の確認が求められ続ける。", "confidence": "低"}, {"no": 6, "weight": 12, "now": 5, "year1": 5, "year5": 15, "human_layers": ["作業", "例外の発見"], "blockers": ["技術", "相手の受け入れ"], "enablers": ["技術"], "outlook": "声かけの計画は来店データからAIが支援できるが、顧客の様子を見て要望を確かめる作業と、困っている人に気づく部分はほぼ人に残る。接客ロボットや音声案内を顧客が自然に受け入れれば来店時の案内は移る。顧客が人の対応そのものを求める店では現状のままとなる。", "confidence": "高"}, {"no": 7, "weight": 15, "now": 20, "year1": 25, "year5": 40, "human_layers": ["例外の発見", "実行の承認"], "blockers": ["技術", "制度・契約", "費用", "相手の受け入れ"], "enablers": ["技術", "費用", "相手の受け入れ"], "outlook": "合計計算と決済処理はすでに機械が担い、カメラ式の無人決済やスマートカートが広がれば支払い受付そのものも減る。年齢確認、決済エラー、万引き疑いなど例外の発見と対応は残る。無人決済の費用が下がり中小店にも入ればさらに減る。現金客や誤認識への不信が強い地域では有人レジが残る。", "confidence": "中"}, {"no": 8, "weight": 7, "now": 40, "year1": 50, "year5": 70, "human_layers": ["品質の確認", "実行の承認"], "blockers": ["制度・契約"], "enablers": ["技術", "費用", "制度・契約"], "outlook": "伝票や契約書はPOSと生成AIがほぼ自動で下書きし、人は内容の確認と顧客への説明、署名の確認を担う。誤記の責任を負うための確認は残る。電子契約と本人確認が統合されれば確認も短くなる。高額の割賦契約では対面での確認が制度上求められ続ける。", "confidence": "高"}], "share_now": 12, "share_year1": 16, "share_year5": 29, "reason": "伝票・契約書の作成作業と、商品説明や質問対応の定型部分が、POS連携の生成AI、店内端末やアプリの案内AI、Shopify Sidekickのような管理画面AIに移る。会計はカメラ式の無人決済やスマートカートが受付作業を引き受ける。陳列は値付け計算と陳列案の作成がAIに移るが、手で並べる作業が時間の大半を占め、来店客への声かけも人に残るため、職種全体の減り方は緩やかになる。", "demand": "減る", "demand_reason": "店舗の省人化とネット購入への移行で、一店舗あたりの店員数は減る方向にある。ただし人の接客を売りにする店や体験型の店舗は増え、そこでは人数が保たれる。全体では店舗数と一店舗の配置人数の両方が緩やかに減ると見る。", "remains": "商品を手で並べる作業、来店客の様子を見て要望を確かめる作業、決済や貸出での例外の発見、契約内容の確認と承認が人に残る。理由は、物を動かし人と向き合う部分で技術と費用が追いつかないことと、顧客が人の対応を求めることにある。棚出しロボットや無人決済が中小店でも採算に合う費用になり、顧客が機械の案内を自然に受け入れれば、作業と受付の層も大きく減る。", "who": "需要が減る中で、レジ専任や品出し専任の短時間勤務は減り、接客と売場づくりを兼ねる少人数の体制になる。初心者が定型の受け答えで慣れる入口の仕事は薄くなり、経験者や商品知識のある人の比率が上がる。店長や本部側では、AIの提案を見て売場と人員配置を決める役割が増える。", "skills": "AIの提案や在庫情報を手元端末で引き出し、顧客の前で自分の言葉に直して伝える力。AIの答えや無人決済の誤りに気づき、その場で対処する力。実演や試着など機械にできない体験を組み立て、顧客が人に頼みたくなる接客を作る力。電子棚札や決済端末など店舗の機器を扱える基本の技術理解。"}

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）: ほぼ同じ。商品を選び、受け取り、使い方を知る需要は残る。オンラインで済む案内は増えるが、実物を確かめるために来店する顧客もいる。店舗の数や業態で差は出るものの、基本的な購買支援の量はほぼ同じとみる。

{
  "tasks": [
    {
      "no": 1,
      "weight": 20,
      "now": 10,
      "year1": 18,
      "year5": 35,
      "human_layers": [
        "作業",
        "品質の確認",
        "例外の発見"
      ],
      "blockers": [
        "技術",
        "費用"
      ],
      "enablers": [
        "技術",
        "費用"
      ],
      "outlook": "値札と陳列の案はAIが助け、人は商品を並べて状態を確認するが、現物を安全に動かす設備が整えば作業も減る。棚や商品の形が多様なら、自動の配置案にも人の手直しが要る。",
      "confidence": "低"
    },
    {
      "no": 2,
      "weight": 20,
      "now": 25,
      "year1": 38,
      "year5": 60,
      "human_layers": [
        "作業",
        "品質の確認",
        "目的と制約の設定"
      ],
      "blockers": [
        "技術",
        "相手の受け入れ"
      ],
      "enablers": [
        "技術",
        "費用"
      ],
      "outlook": "商品検索と候補の提示はAIに移り、人は用途と好みを聞くが、実物との適合を確かめられれば提案も縮む。曖昧な要望や触って比べる必要があれば、候補選びから人が関わる。",
      "confidence": "中"
    },
    {
      "no": 3,
      "weight": 15,
      "now": 30,
      "year1": 42,
      "year5": 65,
      "human_layers": [
        "作業",
        "品質の確認",
        "例外の発見"
      ],
      "blockers": [
        "技術",
        "相手の受け入れ"
      ],
      "enablers": [
        "技術",
        "費用"
      ],
      "outlook": "定型説明と操作案内はAIに移り、人は理解と実演を確かめるが、顧客が自分で試して確認できれば説明も減る。誤操作や個別の使用条件があれば、標準的な案内にも人が対応する。",
      "confidence": "中"
    },
    {
      "no": 4,
      "weight": 10,
      "now": 45,
      "year1": 58,
      "year5": 80,
      "human_layers": [
        "品質の確認",
        "例外の発見"
      ],
      "blockers": [
        "技術",
        "相手の受け入れ"
      ],
      "enablers": [
        "技術",
        "費用"
      ],
      "outlook": "在庫や営業時間の回答はAIに移り、人は例外を確認するが、現物と最新情報が連携すれば応対も減る。売場の状態と記録が違う場合は、定型の質問にも人の確認が戻る。",
      "confidence": "中"
    },
    {
      "no": 5,
      "weight": 5,
      "now": 15,
      "year1": 25,
      "year5": 45,
      "human_layers": [
        "作業",
        "品質の確認",
        "実行の承認"
      ],
      "blockers": [
        "技術",
        "制度・契約",
        "費用"
      ],
      "enablers": [
        "技術",
        "費用"
      ],
      "outlook": "貸出の受付と書類はAIに移り、人は商品と本人を確認するが、自動受渡しと状態検査が整えば作業も減る。破損や用途の例外を判別できなければ、標準の貸出にも人が関わる。",
      "confidence": "低"
    },
    {
      "no": 6,
      "weight": 10,
      "now": 10,
      "year1": 20,
      "year5": 38,
      "human_layers": [
        "作業",
        "例外の発見",
        "目的と制約の設定"
      ],
      "blockers": [
        "技術",
        "相手の受け入れ"
      ],
      "enablers": [
        "技術",
        "費用"
      ],
      "outlook": "定型の案内はAIが助け、人は顧客の様子から要望を聞くが、意図と支援の必要を捉えられれば応対も減る。困りごとを言葉にしにくい顧客には、入口から人の対話が残る。",
      "confidence": "低"
    },
    {
      "no": 7,
      "weight": 15,
      "now": 25,
      "year1": 38,
      "year5": 60,
      "human_layers": [
        "作業",
        "例外の発見",
        "実行の承認"
      ],
      "blockers": [
        "技術",
        "費用"
      ],
      "enablers": [
        "技術",
        "費用"
      ],
      "outlook": "商品の認識と決済の案内はAIに移り、人は誤読や支払の例外を扱うが、不正と誤処理を検知できれば確認も減る。年齢や返品条件などの例外を扱えなければ、通常の決済にも人が必要になる。",
      "confidence": "中"
    },
    {
      "no": 8,
      "weight": 5,
      "now": 50,
      "year1": 65,
      "year5": 85,
      "human_layers": [
        "品質の確認",
        "実行の承認"
      ],
      "blockers": [
        "技術",
        "制度・契約"
      ],
      "enablers": [
        "技術",
        "費用"
      ],
      "outlook": "伝票と契約書の作成はAIに移り、人は合意と記載内容を確かめるが、商品と条件を照合できれば確認も減る。特約や入力の誤りがあれば、定型の書類にも人の修正が残る。",
      "confidence": "中"
    }
  ],
  "share_now": 24,
  "share_year1": 36,
  "share_year5": 56,
  "reason": "現在は商品説明、検索、定型の質問対応、販売書類で時間が減る。1年では在庫と顧客情報の連携が進み、5年では選定支援と決済の例外処理にも広がる。既存のレジの計算機能を、すべて新しいAIの効果とは数えない。人には陳列、実物の説明、貸出の状態確認、曖昧な要望への対応が残る。オンラインの管理支援だけで売場の作業が消えるとはせず、現物と記録の確認を含める。",
  "demand": "ほぼ同じ",
  "demand_reason": "商品を選び、受け取り、使い方を知る需要は残る。オンラインで済む案内は増えるが、実物を確かめるために来店する顧客もいる。店舗の数や業態で差は出るものの、基本的な購買支援の量はほぼ同じとみる。",
  "remains": "商品を並べ、顧客が実物を確かめられるようにする仕事が残る。人は言葉にしにくい要望を聞き、使用条件に合うかを確認し、貸出や支払いの例外を扱う。記録上の在庫と売場の状態が違う場合の調査も続く。商品認識、状態検査、受渡しを安全に自動化でき、顧客が案内を使いこなせるなら、作業と応対の時間は減る。業態と設備による違いが大きい。",
  "who": "購買支援の量がほぼ同じなら、定型の質問と書類作成を担う時間は減り、一人が複数の売場や対応を扱う形が増える。商品知識を使って相談に乗り、現物と記録の不一致を解決できる人の比重が上がる。陳列や受渡しが多い店舗では、接客時間の削減だけで人数は決めにくい。若手にも案内端末を見るだけでなく、実物を扱い、顧客の使い方を聞く経験が必要になる。",
  "skills": "商品の特徴と使用条件を理解し、AIの推薦が顧客の用途に合うかを確かめる力が要る。売場と在庫記録を突き合わせ、誤った説明や表示を修正する。自動決済や貸出の例外を見つけ、必要な確認を短く行う力も重要になる。顧客が言葉にできない困りごとを聞き取り、現物の実演とデジタルの案内を組み合わせて、納得して選べるように支援することが求められる。"
}