データ入力オペレーター

米国。予測表は、データ入力担当者(43-9021)を2025年に131,800人、2035年に98,200人とし、変化は−33,600人、つまり−25.5パーセント、求人は年に約7,700件としている。表は減少の理由を示していない。この予測は一つの国の職の数を数えたものであり、変化をAIに帰してはいない。

立場のある名指しの人物が、ある日付に、帰属のつく言明として何かを公けに予測した。誰がいつ何を言ったのかが確かめられるまま残るように記録するのであり、そして業務の判断を決して動かさない。予測は観測ではないからである。その価値は後から来る——この記録は、その職業についての証拠と同じページの上に載るので、予測を読む人は、そのあと何が起きたかの記録を隣で読むことになる。それが決算である。この site は、ある予測が当たったかどうかについて何の判定も公表しない。

業務プロセスの外部委託を行う会社の年次報告書。同社によれば、そのインテリジェントな文書処理の基盤は、専任の人が介在する(ヒューマン・イン・ザ・ループの)例外処理と組み合わされて、郵便物を電子データに変え、文書を開封し、確認し、仕分けする専任の郵便室要員の必要を減らす。また、規制の厳しい業界では、自動化されたワークフローにもなお専任の人による監督が必要であり、同社の要員が複雑な例外、機微なデータ、品質管理を扱うという。これは、会社が自ら売るサービスを説明したものである。

実演、ベンチマーク、あるいは論文が、その業務をやれることを示している。技術に何ができるかを更新するのであって、雇用主が何をするかを更新するのではない。

金融データ会社の年次報告書。同社によれば、独立した基準と、人が介在する(ヒューマン・イン・ザ・ループの)統制のもとで、AIを使ったデータの収集と取り込みの工程を引き続き展開し改良しており、その重点は、データの品質を保ちながら、網羅性、信頼性、処理速度を高めることにある。これは会社が自社の業務を説明したものであり、人員のどんな変化もAIに結びつけてはいない。

雇用主がそれを本番に置いた。基準線を動かしうる——規模と、その場がどれだけ似ているかで重みづけされる。

人が付与した正解ラベルつきの35件の PDF 文書から構造化データを抽出するベンチマークで、項目は合わせて12,867ある。著者らによれば、最先端のモデルは現実的なスキーマではなお信頼できず、スキーマが広がるほど性能は急激に落ち、369項目の財務報告スキーマでは試したすべてのモデルで有効な出力が0%に至った。また、ある分野ではモデルが90%の有効な出力を出すものの、合格率は12.5%にとどまった。著者らは文書製品を売る会社に勤めている。これはベンチマークであり、実務の測定ではない。

実演、ベンチマーク、あるいは論文が、その業務をやれることを示している。技術に何ができるかを更新するのであって、雇用主が何をするかを更新するのではない。

米国、IRS。監査によれば、委託業者が紙の申告書をスキャンしてデータを抽出する試行は、紙の申告書をデジタル化できることを証明した。しかし、2023年2月から2024年12月までに受け付けた紙の Form 940、941、1040 の5,330万件のうち、この方法で処理されたのは約380万件(7パーセント)にとどまった。2025年5月の時点で、委託業者は2025年の申告期に受け付けた980万件のうち、517,000件近く(5パーセント)をスキャンしていた。2025年9月、IRS は2030会計年度までの総額23億ドルのデジタル化契約を結んだ。委託業者は、郵便物を受け取って開封し、申告データの正確さを確かめる人員を確保しなければならない。仕事が委託業者へ移ることは、仕事が自動化されることと同じではない。

実際の場での小規模な試行。導入の条件が試されていることを教えてくれるのであって、それが成り立つことを教えてくれるのではない——だから一件の試行は単独では決して足りず、独立した二件で足りる。

言語モデルで請求書とレシートから項目を抽出するベンチマークで、ゼロショット、公開データセットで行った。著者らによれば、三つのデータセットすべてで最も高い精度を出したのは Gemini 2.5 Pro で、スキャンしたレシートで87.46%、きれいな請求書で96.50%、スキャンした請求書で92.71%だった。測っているのは公開データセットでの項目の精度であって、買掛金部門での利用ではない。

実演、ベンチマーク、あるいは論文が、その業務をやれることを示している。技術に何ができるかを更新するのであって、雇用主が何をするかを更新するのではない。

米国、国勢調査局の処理センター。ここでは、スキャンした調査票の記入式の回答をすべて職員がキー入力している。71,000を超える値にわたる試験で、文字認識はキー入力された値と約73パーセント一致した。27パーセント近くは読み取らず、ある項目の値を判定できないときは、その項目はキー入力担当者に回される。読み取った値全体のうち誤りは0.3パーセントで、キー入力の一括処理に求められる誤り率1パーセントを下回った。数値の項目だけを対象にした古い試験である。

実際の場での小規模な試行。導入の条件が試されていることを教えてくれるのであって、それが成り立つことを教えてくれるのではない——だから一件の試行は単独では決して足りず、独立した二件で足りる。

この仕事を考えているなら、純粋なキー入力の職は減ると見込み、機械のまわりに残る役割を目指すこと——記録の確認、例外と機微なデータの扱い、そしてデータが従うべき規則を知っていることである。

文書がソフトウェアに読まれるにつれて、手でキー入力する量は減り、仕事はソフトウェアが間違えたものの確認へ移っていくと見込むこと。データの背後にある分野——税務、保険金請求、財務——を知っていることが、あなたを例外を扱う人にする。

職の形を組み替える

キー入力から確認と例外処理へ移る

自動化された取り込みは、読めないものと確認が必要なものを人に回す。

隣へ移る

データを使う分野の役割へ移る

データが何を意味するかを知っていること——保険金請求、請求業務、会計で——は、それにもとづいて判断する役割に持ち込める。

留まって強くする

紙と機微なデータが残る場所にとどまる

公的機関はいまも大量の紙を受け取っており、デジタル化は遅れている。

キー入力の多くは、時間とともにそうなる。確認は、まだそうならない。米国の予測は、データ入力担当者の雇用が2025年から2035年に25.5パーセント減ると見込んでおり、いまや機械が国勢調査の調査票、納税申告書、財務書類を読んでいる。しかし抽出のベンチマークは、モデルがなお確認を要する誤りを犯すことを示しており、取り込みを自動化する会社も、例外と品質のために人を残している。

その問いに年数では答えない。自分のチームの仕事のうち、どれだけがすでにソフトウェアで抽出されて届くか、そして雇い主がデジタル化の契約を結んだかどうかを見ること。そのほうが、どんな日付よりも自分の仕事について多くを教えてくれる。

米国の予測はそれを述べていない。データ入力担当者の雇用が2025年から2035年のあいだに131,800人から98,200人へ減ると見込んでいるが、原因は示していない。だから私たちは、この減少をAIに帰さない。

機械が人に返してくるものである——記録を元の資料と照らし合わせること、ソフトウェアが読めない文書を扱うこと、そしてデータの出どころである分野の規則を知っていること。