VOLOVLO職業の自動化リスクと転換を、業務ごとに
VOLOに訊く職業専攻企業創業者最近の変化長文方法と証拠職業、専攻を検索…EN中文ESPT
VLO
VOLO

自動化が仕事をどう変えるかを掴むために——業務ごとに、証拠を見せて、不確かさは不確かだと認めて。

VOLOに訊く職業専攻企業創業者最近の変化長文方法と証拠VOLOについて職の診断プライバシー利用条件
© 2026 VOLO
職業
すべての職業
AI / ソフトウェア
翻訳者・通訳者銀行窓口係コピーライターカスタマーサポート担当事務アシスタントソフトウェアテスター/QAエンジニアグラフィックデザイナーパラリーガル動画編集者会計士・経理/記帳マーケティング担当フロントエンド開発者データアナリスト保険金支払い担当テクニカルライター・ドキュメント担当初級ソフトウェアエンジニア人事・採用担当融資担当・与信担当財務アナリスト調達・サプライチェーン担当記者営業・アカウントマネージャー不動産仲介情報システムの支援担当・ヘルプデスク監査人経営コンサルタントバックエンド開発者AI研究者プロダクト/UXデザイナー業務システムオーナーEC運営担当放射線科医データエンジニア弁護士医療事務助手・クリニック助手機械学習エンジニア経験のあるソフトウェアエンジニアDevOps・プラットフォーム・SRE エンジニアプロダクトマネージャー薬剤師アライアンス・チャネル担当セキュリティアナリスト(監視運用)コンプライアンス担当建築士現場管理職・チームリーダーカウンセラー・心理療法士販売員警備員学校教員総合診療医・かかりつけ医ホールスタッフ自動車整備士理学療法士・リハビリ療法士建設作業員看護師介護職・看護助手AI導入責任者
RPA / セルフサービス
行政の窓口職員オペレーションコーディネーター受付
ロボティクス
レジ係・販売スタッフ倉庫作業員組立作業員臨床検査技師料理人清掃員電気工
自動運転
配車・タクシー運転手トラック運転手配達員
専攻
すべての専攻英語・外国語情報科学会計学心理学ジャーナリズム・コミュニケーション金融・経済法学ビジュアルコミュニケーションデザインマーケティング看護学経営学教育学・教員養成建築学行政学
手引き
VOLOに訊く企業向け創業者向け最近の変化長文職の診断方法と証拠VOLOについて職業を追いかける検索
いまの立場:働いている学んでいる会社を経営している何かを作っている
On this page業務の分解ここに至るまで最近の変化あなたにとって何を意味するかこれについて書いたもの方法と出典
職業›放射線科医

この職業に検証済みの記録が入ったら知らせる →

放射線科医

臨床上の問いに答えるために画像を読む——そしてその答えに署名する。誰も訊こうと思わなかったことについても。

radiologist選べる道を見る ↓医療評価日 2026-09-12
自動化影響指数
51/100
確度が低い · 失職の確率ではありません
自動化されつつある業務
1/ 6項
2項が増強されつつある
いまも人が主導
2/ 6項
1項の新しい業務
証拠に基づく判断
2/ 6項
4件の検証済みの記録
51/100
自動化影響指数確度が低い

これは職を失う確率ではない。その職の業務量のうちどれだけが自動化にさらされているかと、導入が実際にどこまで進んだかを一つの値に合わせたものであり——同じ一つのものさしで職業どうしを比べるためだけに使える。それ以外には使えない。

どこに当てはまるか

病院や遠隔読影の場で検査画像を読む診断放射線科医に向けて書いている。インターベンショナル・ラジオロジーは業務の一つとして含めているが、実際には晒され方の違う別の職である。画像を撮る診療放射線技師は、このサイトがまだ扱っていない別の職業であり、その絵は同じではない。

実際に何が変わりつつあるか#

分析の単位は肩書ではなく業務です。職が置き換えられるのではなく、その業務の構成が移ります。

自動化されつつある×1増強されつつある×2いまも人が主導×2新しい業務×1

これはあなたの仕事ですか。そう言えば、このページはあなたの持ち分に絞られます。

肩書とは、まとめ買いされた業務の束であり、同じ束を持つ人は二人といません。どこにも送られません——このブラウザの中に留まります。

定型の検査を読む

自動化されつつある✓ 証拠に基づく

件数が多く、所見の型がはっきりした仕事——検診のマンモグラフィ、胸部写真、問いが狭く答えがたいてい正常である追跡の撮像。

AI / ソフトウェア
理由

この業務は、何であれ機械の仕事に向いた筋書きにする四つの性質を備えている——入力が画像、出力がラベル、正しさは後の経過と突き合わせて確かめられ、そして学習の素材が膨大に存在する。どの検査も、すでに誰かが読んで所見を書いているからである。しかもこれこそ、2016年の予測が実際に扱っていた業務であり、この業務については、時間軸も結論も外れていたにせよ、予測の向きは当たっていた。

これが意味し**ない**こと

放射線科医の一日のどれだけがこれなのかについては何も言っていないし、その割合は、検診の事業と高度医療の病院とではまったく違う。ここに付いている二つの記録は、当局が承認した数と、研修の課程に予算がついた数であり、どちらも導入ではない。承認された機器は、病院がそれを動かしていることではないし、予算のついた研修の枠は、検査が読まれていることではない——前者は何が許されるかの上限であり、後者は数年先の需要への賭けである。これを決着させるもの——ある医療制度自身による、人が見る前に機械が読んでいる検査の割合の報告である。

誰も訊かなかったものを捕まえる

いまも人が主導≈ 本サイトの推定

腰のけがのために撮った検査で、重要なのは画像の隅にあり、腰とは何の関係もない。

AI / ソフトウェア
理由

検出のモデルは、訊かれた問いの上で学習される。偶発所見とは定義からして、誰も訊かなかった問いへの答えであり、読影を、単に正確なだけでなく価値あるものにしている大きな部分である。モデルを自分の課題の上で良くしても、ここは動かない。それはその課題ではないからである。

これが意味し**ない**こと

仕事の構造についての判断であって、測定ではない。偶発所見がどれだけの頻度で治療方針を変えるかを定量化した記録はこちらにはないし、答えは撮像法によっても対象集団によっても違う。また、人がこれを得意だと主張してもいない——見落とされた偶発所見は、既知であり、研究もされている失敗である。

そもそも撮るべきかを決める

増強されつつある≈ 本サイトの推定

撮像の設計——この検査でその臨床上の問いに答えられるか、どの撮像系列か、造影はどれだけか、被曝はどれだけか——そして、否と言うかどうか。

AI / ソフトウェア
理由

判断支援の道具はここで本当に役に立つ。適応の基準は規則の形をしており、忙しい人ならぶれるところを、仕組みは一貫して当てられる。移らないのは断ることである——依頼した臨床医が望む検査を断ることは、名前のある人に代償が落ちる判断であり、その瞬間の放射線科医の価値は、まさに議論の相手になれることである。

これが意味し**ない**こと

放射線科医が実際にどれだけ撮像の設計をしていて、どれだけ判を押すだけになっているかについては、ここには何もない。そして多くの現場では、その段はAIとは無関係な理由ですでに委ねられているか、自動化されて消えている。

誰かが動くことになる所見

増強されつつある≈ 本サイトの推定

見たものを、臨床医が動く言葉に変える——どれだけ含みを残すか、そして、金と不安のかかる追加の検査を勧めるかどうかも含めて。

AI / ソフトウェア
理由

所見の起草と構造化は生成に向いており、目に見える時間の節約が主張されているのも主にここである。動かないのは加減のほうである——含みが多すぎる一文は役に立たず、少なすぎる一文は不要な手術を招く。その線がどこにあるかは、この患者、この依頼医、この医療制度に依る。

これが意味し**ない**こと

このサイトに、所見の起草で節約された時間を測った検証済みの記録はない。そして提供元の主張は、答えに利害を持つ当事者の広告である。これを決着させるもの——ある医療制度自身による、前後の読影所要時間の公表である。

人の体の内側で行う手技

いまも人が主導≈ 本サイトの推定

画像を見ながらの生検、ドレナージ、塞栓——画像が成果物ではなく道しるべである、インターベンショナルの仕事。

ロボティクスAI / ソフトウェア
理由

身体的で、取り返しがつかず、その場にいて、害を受けうる人に対して行われる。この領域のロボティクスは手を置き換えるのではなく助けており、規制はこの行為を有資格の個人に結びつけている。これは、2016年の予測がまったく扱わなかった放射線科の半分である。

これが意味し**ない**こと

インターベンショナル・ラジオロジーは実際には独自の研修課程を持つ別の職業であり、このページの一業務として扱うことは、その違いを小さく見せてしまう。また、件数については何も言っていない——この仕事への実際の圧力はそちらから来る。

それを読んだ機械について答える

新しい業務✓ 証拠に基づく

動かす前に自分たちの対象集団でその道具を検証し、その後のずれを見張り、そして機械が書くのを手伝った所見に名前を載せる人であること。

AI / ソフトウェアRPA / セルフサービス
理由

この道具が読影室に入るまで存在しなかった仕事であり、それがここに落ちるのは、署名がここに落ちるからである。よそで検証されたモデルは、ここで検証されたことにはならない——性能は装置、撮像の手順、対象集団とともに動く——だから地元の誰かが確かめなければならず、確かめることは、患者にではなく機械に当てられた放射線科医の技能である。

これが意味し**ない**こと

新しい仕事が現れることは、新しい人員ではない。大半の部門でこれは、すでにそこにいる人に吸収されている。意識して人を置いた病院の記録を、こちらは持っていない。

ここで効いてくる技術はどれか#

四つの別々の signal です。意識して足し合わせていません——二つの技術にさらされている職が、二倍さらされているわけではありません。

認知の自動化
定型の検査を読む誰も訊かなかったものを捕まえるそもそも撮るべきかを決める誰かが動くことになる所見人の体の内側で行う手技それを読んだ機械について答える
身体作業の自動化
人の体の内側で行う手技
工程とセルフサービス
それを読んだ機械について答える

ここに至るまで#

この指数は動かない数字ではありません。これは、ChatGPT 以降の能力の検査点ごとに、それがどこにあったはずかです——再構成されたものであり、そう明記しています。

再構成 · 本サイトの推定過去の検査点ごとに、今日から推定したものです——当時に測ったのではありません。38 → 51。
1007550250
評価していません
2022 H22024 H2Now

● この職業についての3件の検証済みの出来事を、それが起きた日付の上に置いてあります——印の近くの線は、確かめられる何かに固定されています。

生成AIとは何の関係もない、高い出発点である——コンピュータ支援検出は1990年代末にマンモグラフィで承認され広く導入されたので、この職業は一部すでに自動化された状態でこの期間に入った——そしてそれがどういう感じかも、すでに知っていた。2023〜2025年の上りは、狭い用途の検出器と振り分けの道具が読影室にまとまった数で届いたことである。最もさらされている業務よりはるかに下で平らになり、その理由は、2016年のあの有名な予測が落としていたものである——承認は導入ではなく、検出は署名ではなく、そして偶発的な所見は、モデルが一度も問われなかった問いへの答えである。この曲線が示せないものに注意すること——読影が安くなることで、依頼される検査の数が増えるかどうかである。それがこの職業の開かれた問いであり、そしてそれは曲線とは逆の方を指している。

2022年下半期38汎用の文章生成が世に出る。この時点より前のさらされ方は、すでに導入されていた自動化から来ていた——OCR、RPA、機械による画像認識、セルフレジ、配車のアルゴリズムである。 ChatGPT research preview (2022-11-30) ↗
2023年上半期40資格試験に通る汎用のモデル。最初の草稿の質が、専門の仕事がそれを使い始める境目を越える。 GPT-4 (2023-03-14) ↗
2023年下半期43画像の入力、長い文脈、そして道具の呼び出し。モデルを文書に向けたり、仕組みにつないだりできるようになる——それが、書く仕事ではなく工程の仕事を動かすものである。 GPT-4 Turbo:128k 上下文、视觉、工具调用(DevDay) (2023-11-06) ↗
2024年上半期46同じ能力がずっと安く、速くなる。新しくできるようになることはない。量をこなしても割に合うようになるものが大量に出てくる——導入の判断が変わるのはそのときである。
2024年下半期49多段の問題を解いていく推論のモデルと、画面を見てコンピュータを操作する最初のモデル。ソフトウェアを操作する職に届くのは、後者のほうである。 OpenAI o1(推理);同期 Claude 的 computer use 进入公测 (2024-09-12) ↗
2025年上半期50エージェントが、人が貼り付けるための文章を出すのではなく、実際のソフトウェアを端から端まで操作し始める。公になった最初の揺り戻しが現れるのもこのときである——自動化して、その一部を元に戻した組織である。 Claude 3.7 Sonnet 与 Claude Code:混合推理 + 命令行编码代理 (2025-02-24) ↗
2025年下半期51長い文脈と道具の利用が、機能ではなく既定になる。能力の向上は続き、目に見える制約は、モデルに何ができるかから、責任と、調達と、費用へ移る。 GPT-5(2025-08-07);Claude Opus 4.5(2025-11-24) (2025-08-07) ↗
2026年上半期51長い見通しを持つエージェントが、特定の業種の仕事の流れの中に着地する。導入は一般的なものではなく、業種ごとのものになる。 GPT-5.5:「专为实际工作打造」 (2026-04-23) ↗
現在51いまの評価——この点は、その職業のページに公表されている影響指数そのものなので、この曲線は、この site がすでに引き受けている数字に固定されている。平らな曲線については書き留めておく価値がある——同じ週に、AIのエージェントが物理的な機器を操作するための共通仕様の研究者向け先行版が、研究所と製造業者に公開された。それは、ここでの線がほとんど動かない物理的な職業に向けられた最初の能力の類である。 GPT-6 Astra(2026-09-03);Claude Fable 5.1 / Mythos 5.1(2026-09-01);Model Hardware Standard 研究预览(2026-08-27) (2026-09-03) ↗

平らな線は、安全の予測ではありません。それは、自動化がこれまでどの業務に届いたかを言っています——ここで最も動かなかった職業は、制約が身体的か規制によるものであり、そしてそのどちらも変わりうります。

最近の変化#

技術的能力2026-09-042026-09-12 に検証
米国食品医薬品局のAI搭載機器の一覧が1,614件の承認に達し、うち1,230件が放射線分野だった

米国のみであり、この一覧が数えているのは販売の承認であって設置ではない。承認された機器が千の病院で動いていることもあれば、一つも動いていないこともある。その大半は 510(k) の承認であり、それは試験ではなく既存機器との実質的同等性に基づくものである。そして各承認が覆っているのは一つの狭い使用目的——優先順位づけの印、計測、検出の補助——であって、検査を読むことではない。食品医薬品局自身が、この一覧は網羅的ではなく、主として承認の要約のなかのAI関連の語を突き合わせて組まれたと述べているので、総数も放射線の割合も、数え上げではなく下限である。分野の区分は主たる審査部門であって、その機器を使う診療科ではない。

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。

U.S. Food and Drug Administration — AI-Enabled Medical Device List ↗影響カード全文 →
制限または撤回2026-07-212026-09-12 に検証
韓国のAI基本法は、AI医療機器の「使用」を高影響AIの内側に置き、使用者に、人による管理と監督のもとに置くことと、その出力を説明できることを義務づけている

韓国。第2条第4号ラで効いている語は「使用」である——高影響の区分は、医療機器およびデジタル医療機器の開発と使用を覆っているので、承認済みのAI読影の道具を動かしている病院は、この法律のもとでAIを使う事業者であって、単なるその顧客ではない。第34条第1項はその事業者に義務を課す——リスク管理の計画、出力とその主たる判断基準を説明できること、文書化、そして第4号、人による管理と監督である。第31条第1項は別途、そのサービスがAIで動いていることを利用者に事前に告げることを求めている。限界が二つ——細部はこの条文に含まれていない大統領令に委ねられており、第35条の基本権への影響評価は努力義務にとどまる。この法律は、病院が何人の放射線科医を雇っているかについても、正確さについても何も語っていない。誰がその出力に答えられなければならないかを定めている。

失敗、撤回、規制、あるいは費用が導入を抑えている。判断を下げる、あるいはその不確かさを広げることがある。

국가법령정보센터 (Korea Ministry of Government Legislation) — 인공지능 발전과 신뢰 기반 조성 등에 관한 기본법, 법률 제21311호 ↗影響カード全文 →
用工の変化2026-05-262026-09-12 に検証
米国の診断放射線科の研修枠は五回のマッチングを通じて997から1,083へ増え、そのあいだ充足率は98%以上を保った

米国であり、測っているのは研修への入りであって雇用ではない。これは各課程が予算をつけて提示すると決めた枠であり、今日行われている仕事の数え上げではなく、数年先の需要への賭けである。数字は表3と表8Aの診断放射線科の2年次の行——997(2022年)、1,006、1,017、1,057、1,083(2026年)、応募者全体による充足率は99.9%、100.0%、99.9%、98.6%、98.4%——であり、この診療科への主たる入口である。より小さい1年次の行は同じ期間に132から156へ増えた。ある診療科は、仕事の一部を自動化しながら、より多くの人を研修させることができる。撮像の件数と読む人の供給は別々に動くからである。この記録は雇用の物語に枠をはめるが、機械が何を読んでいるかを決着させはしない。

採用、人員、労働時間、職務範囲の、検証できる変化。最も重い——ただし因果の帰属は、前提とするのではなく論じられなければならない。

National Resident Matching Program — Results and Data: 2026 Main Residency Match ↗影響カード全文 →
予測2016-11-242026-09-12 に検証
Geoffrey Hinton は2016年に、放射線科医の養成はいますぐやめるべきだ、五年以内に深層学習のほうが上手くなる、と述べ、十年かもしれないと付け加えた

その発言そのものの録音であり、会議の主催者が公開した84秒のものである。出回っている版ではなく、実際に言ったことを読むこと。そこには効いてくる違いがあるからである——広く繰り返されている形は「五年」であり、録音はそのあと、語り直しが落としている譲歩へ続く。十年かもしれない、それに放射線科医はもう十分いる、と。彼はまた、この主張を、病院や雇用や規制についてではなく、能力についての予測として——深層学習のほうがより多くの経験を積めるから放射線科医より上手くなる、として——枠づけていた。この記録そのものについての限界が二つ。ここでの言葉は動画の自動生成された字幕から読んだものであり、それは機械による書き起こしである。引用した文については音声と突き合わせたが、専門家による書き起こしではない。そして予測は決して仕事についての証拠ではない——この記録はこのページの何も動かさず、実際に起きたことの記録——当局の承認件数と、十年ぶんの研修枠の数——の隣に置かれている。読者が自分で算術をやれるのは、そこである。

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。

Creative Destruction Lab — Geoff Hinton: On Radiology, recorded at the 2016 Machine Learning and Market for Intelligence Conference, Toronto ↗影響カード全文 →

これがあなたにとって何を意味するか#

始めたばかりなら

あなたは、とても有名な人が公に「誰も入るな」と勧めた診療科を選ぼうとしている。なぜその助言が持たなかったのかを知っておく価値がある——それは一つの業務についてのものであり、この職は複数の業務でできていたことが分かった。見落としに署名すること、誰も訊かなかったものを見つけること、そして手技をやることも含めて。そして正直な危険も知っておく価値がある——読むことが安くなって撮像が安くなれば、件数は増える。そして件数に守られている職は、変わりうるものに守られている。

経験があるなら

予測が外れたことが発見なのではない。外れた理由のほうが発見である。それは一つの業務を測って、一つの職について結論した。同じ試験を自分の一週間に当ててみること——問いが狭く、答えがたいてい正常である検査に使っている時間が、晒された時間である。そしてそれは、採算の資料をつくる事務方にとって、最も数えやすい時間でもある。

選べる道#

四つの方向。それぞれに現実の制約と、今週試せることが一つ付いています。いまのまま続けることも正当な選択です——ただし、選ばれたものでなければなりません。

留まって強くする

道具を検証する人になる

よそで検証されたモデルは、ここで検証されたことにはならない。この対象集団で、この装置で働くと、地元の誰かが署名しなければならない。大半の部門は、その人を指名していない。

現実の制約

おそらく教わっていない統計が要り、しかも華やかさがなく、自分が測られている読影の件数と競合する。

今週試すこと

自分の部門で動いているAIの道具を一つ見つけ、どの対象集団で検証されたのかを訊く。誰も答えられないなら、それがこの仕事である。

職の形を組み替える

手技のほうへ動く

インターベンショナルの仕事は身体的で、取り返しがつかず、個人に免許が結びついている——このサイトの証拠が一貫して、最も退けにくいと見出してきた組み合わせである。

現実の制約

研修の道筋が違い、暮らしも違う。当直、被曝、そして作業一覧ではなく目の前にいる患者。

今週試すこと

インターベンショナルの部屋で一枠を過ごし、そこで起きることのうちどれだけが事前に仕様として書けるかを数える。ほとんど書けない。

隣へ移る

画像が読まれる場所ではなく、使われる場所へ行く

臨床情報学、撮像の事業設計、検診の政策——そのどれもが、一つの読影が実際に何を示しているのかを分かっている人を必要としている。そしてそれは、そうした判断が下される部屋では希少な種類の人である。

現実の制約

読む人であることをやめることになり、売り物にしていた技能は思うより速く鈍る。

今週試すこと

ある検診事業が自ら公表している成績のデータを見て、要精検率が手順書の言う位置にあるかを確かめる。

よくある問い#

あとどれくらい時間があるのか

この職業こそ、その問いを疑うべき理由である。十年前、とてもよく知られた研究者が、機械は五年以内により上手くなるという理由で、養成をやめるべきだと公に勧めた。彼が名指しした狭い業務については、機械は本当に非常に良くなった。それでも職は消えなかった。職は複数のことでできており、彼が測ったのはその一つだったからである。自分で確かめられる信号であり、心配のより良い使い道——この一週間のうち、問いが狭く答えがたいてい正常だった検査に何時間を使ったか。その数が晒された部分であり、そして事務方が数えられる数でもある。

AIが放射線科医を置き換えるという有名な予測は、単に間違っていたのか

結論は間違っていた。そして切り捨てるより理解する価値がある。その誤りは、誰もがやる誤りだからである。それは一つの業務——件数が多く所見の型がはっきりした検査を読むこと——を取り、一つの職について結論した。その業務については、向きは当たっていた。落ちていたのは、見落としに誰が署名するのか、誰も訊かなかった所見を誰が見るのか、やるべきでない検査を誰が断るのか、そして読むことが安くなったとき需要は減るのではなく増えるのではないか、である。誇大広告として切り捨てても何も学べない。範疇の取り違えとして読めば、自分の仕事について何を確かめるべきかが正確に分かる。

承認済みのAI画像製品が何百もある。それは仕事が去りつつあるということか

承認は、その製品を売ってよいと言っている。病院が買ったとも、動かしたとも、動かし続けたとも言っていない。このサイトはその三つを意識して分けており、そのあいだの隙間こそ、この分野についての予測の大半が外れてきた場所である。製品がどちらを向いているかも知っておく価値がある——その大半は、作業一覧の順序を変える狭い検出と優先順位づけの道具であり、それが変えるのは、人が見るかどうかではなく、人がいつ見るかである。

医学生はいまも放射線科を選んでよいのか

このサイトは誰にどの診療科を選べとも言わないし、そう言うページは値打ちが下がる。差し出せるのは、この賭けの形である——晒された半分は件数の多い狭い読影、持ちのよい半分は責任と偶発所見と手技であり、そして開かれた問いは件数である。撮像が安くなれば、撮像は増えるのか。その問いを、すでにそれをやっている人に投げること。そして相手が、自分の部門が実際に測っているもので答えるのか、望んでいることで答えるのかに注意を向けること。

これについて書いたもの#

この文章は、このページが持っているのと同じ記録から論じており、その一節一節が、何の上に立っているかを名指ししています。

  • AIは実際にいくつの職を奪ったのか——確かめられた数字のすべて
  • なぜ誰も、あなたに残された年数を言えないのか

方法と出典#

評価日
2026-09-12
業務の判断の根拠
証拠に基づく2項 · 本サイトの推定4項 · 証拠が足りない0項
検証済みの出来事
4

こちらが職業をどう評価するか →