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方法と出典
職業›テクニカルライター・ドキュメント担当

この職業に検証済みの記録が入ったら知らせる →

テクニカルライター・ドキュメント担当

ある仕組みが何をするのかを、見知らぬ人がたどれるものに変える——そしてその過程で、たいてい最初に「この仕組みは筋が通っていない」と気づく人である。

technical-writer選べる道を見る ↓ソフトウェア・技術出版評価日 2026-09-14
自動化影響指数
63/100
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/ 4項
0項が増強されつつある
いまも人が主導
3/ 4項
0項の新しい業務
証拠に基づく判断
2/ 4項
2件の検証済みの記録
63/100
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

製品と開発者向けの文書——手引き、リファレンス、API の仕様、リリースノート——を扱う。規制のかかった技術文書(医療機器、航空、医薬品の申請)は晒され方の違う別の職である。そこでは文書が適合の証拠そのものであり、その形式が定められているからである。広告の文章と一般のコピーライティングは、ここでは別の職業である。

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いまも人が主導×3

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。

リファレンスを起草する

自動化されつつある✓ 証拠に基づく

API の仕様、引数の表、リリースノート、変更履歴の一行——内容がコードによって決まっている文書である。

AI / ソフトウェア
理由

これはこのサイトで最も晒された「書く業務」である。真実の出どころが機械可読で、出力の形式が決まっているからである。関数の宣言から引数の表をつくることは、モデルよりずっと前から文書生成の道具によって部分的に自動化されていた。モデルが足したのは、人が書いたように読める文章であり、それが、人に書かせる最後の理由を取り除いた。

これが意味し**ない**こと

生成されたリファレンスとは、公開の前に誰も読まなかったリファレンスである。そして失敗の形は、間違っていることではなく、もっともらしいことである——コードが実際に何をするかではなく、コードが何を宣言しているかを述べた文書である。その隔たりは、それを実際に使う人にしか見つからない——それが下の業務である。だからここを自動化することは、この職を取り除くのではなく、そちらの価値を上げる。

自分が書いているものを実際に使ってみる

いまも人が主導≈ 本サイトの推定

まっさらな機械の上で自分の手順に従い、エンジニアには当たり前で、それ以外の全員には不可能だった一段を見つける。

AI / ソフトウェア
理由

この業務の入力は、どのリポジトリにも存在しない——特定の場所で戸惑うという経験である。そのコードベースで学習したモデルは、エンジニアの知識を受け継ぐ。そしてそれこそ、この試験が働くために欠けていなければならない知識である——ここでの価値は、知らないことから来ている。

これが意味し**ない**こと

この業務は、この職業にとって最も強い論拠であり、予算の会議では最も弱い論拠である。その成果が「ないこと」——起きなかった問い合わせ——だからである。文書のチームが削られた場所で真っ先に消えたのはこの業務であり、そのために技術は何一つ要らなかった。

何を書かないかを決める

いまも人が主導✓ 証拠に基づく

対象範囲のどの二割をきちんと書き、残りを断るかを選ぶ。

AI / ソフトウェア
理由

生成が安くなったことは、これを最も価値の低い業務ではなく最も価値の高い業務にする。制約が移ったからである——すべてを書くことが可能になった瞬間、選ぶことが仕事のすべてになった。何を落とすかを決めることは、どんな利用者がいて、その人たちが何をしようとしているかを知っていることに依っており、それはコードのなかにない。

これが意味し**ない**こと

価値が上がることと、認められることは別である——文書はたいてい網羅率で測られ、そして網羅率こそ、安い生成が無意味にする指標である。公開したページ数で判断されるチームは、この業務が重要になったまさにその瞬間に、それを手放すことで報われる。

エンジニアから答えを引き出す

いまも人が主導≈ 本サイトの推定

五人のうち誰が「なぜそう振る舞うのか」を知っているかを割り出し、その人の十五分をもらう。

AI / ソフトウェア
理由

必要な情報は、定義からして文書化されていない——書かれていたなら、この業務は存在しない。それを引き出すことは、誰かの予定表に対して行われる社会的な行為であり、そして技能は、建前の答えではなく本当の答えを引き出す問いがどれかを知っていることである。

これが意味し**ない**こと

この業務こそ、この職を、遠隔で、短時間で、外部の請負の席からやりにくくしているものである——そしてそれはまさに、費用の圧力が押していく方向である。ここでの脅威は自動化ではない。この職が、この業務を含められない形に組み替えられることであり、そのあと文書は劣化する——そして誰もその原因を正しく帰属しない。

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
リファレンスを起草する自分が書いているものを実際に使ってみる何を書かないかを決めるエンジニアから答えを引き出す

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。30 → 63。
1007550250
評価していません
2022 H22024 H2Now

● この職業についての2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。

技術の群で最も高い曲線であり、この site の書く職業のなかで最も急な上りでもある。理由はこの仕事に固有である——正本が機械可読で、出力の形式が決まっているので、リファレンスはコードそのものから作れる。文書の生成器はモデルよりずっと前からその一部を取っていた。モデルが足したのは、人が書いたように読める文章であり、それは人に書かせる最後の理由を取り除いた。2025年以降の平坦化は、動く仕組みのない部分である——きれいな機械の上で自分の手順どおりにやってみて、実行不可能な段を見つけることである。そのコードベースで学習したモデルは、まさにその試験が働くために欠けていなければならない知識を受け継いでしまう。だからそこでの価値は、知らないことから来る。

2022年下半期30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36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45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53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58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61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62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63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63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#

政策による要求2026-07-212026-09-13 に検証
韓国のAI基本法は、高影響AIの事業者に、安全のための措置を確かめられる文書の作成と保存を求め、その仕組みの判断基準と学習データを説明する計画を実施することを求めている

法制処のポータルで、2026年7月21日施行の版を条文ごとに読んだ。第34条第1項の二つの号がこの職業に関わり、そしてそれぞれ別のことをやっている。第2号は、技術的に可能な範囲で、そのAIが出した最終の結果、そこへ至るのに使われた主たる判断基準、そして開発と運用に使われた学習データの概要を説明する計画を、事業者が立て実施することを求めている。第5号は、安全性と信頼性の措置の内容を確かめられる文書の作成と保存を求めている。前者はリファレンスが何を覆わなければならないかを定め、後者は何かを書かずに済ませる裁量を取り除く。第36条第1項第3号はさらに、著述ではなく維持についての要点をつくる——利用者数や売上の基準を超える国外の事業者は国内の代理人を置かなければならず、その職務には第34条第1項の遵守の支援が含まれ、そこには明示的に、それらの文書が最新で正確かを確かめることが含まれる。限界が二つ。この法律は細部を大統領令と省の告示に委ねており、第34条第2項は、大臣がその告示の遵守を勧告できるとしている——つまり何をどこまで書かなければならないかの具体性は、この記録では固定されていない。そして縛るのは韓国国内の高影響AIの事業者だけである。ここにはテクニカルライターも、文書も、時間も、何一つ数えられていない。

規制、補助金、あるいは公共調達が、導入を求めているか資金を付けている——constraint の鏡である。導入が求められていることを示すのであって、起きたことを示すのではないので、一件の mandate は単独では決して足りず、独立した二件で足りる。

국가법령정보센터 (Korea Ministry of Government Legislation) — 인공지능 발전과 신뢰 기반 조성 등에 관한 기본법 제34조·제36조 ↗影響カード全文 →
使用者による採用2026-04-012026-09-13 に検証
米国統計局の企業動向調査の追補:企業のなかで報告された生成AIの用途の首位は文章を書くことであり、65%の企業がAIの利用を三つ以下の業務に限っている

全国を代表する調査であり、対象期間は2025年11月から2026年1月。これは同じ追補の、企業としての導入の層ではなく、働き手と業務の層である——23%の企業(従業員で加重すると41%)が、働き手が業務でAIを使っていると報告しており、報告された用途のなかでは、文章を書くこと、文書の分析、情報の検索が上位を占める。これはある業務を報告した企業の数え上げであって、その方法でどれだけの文章が書かれているかの測定ではない。そして技術文書とそれ以外の文章を区別していない——何が書かれたのかを誰も尋ねていない。ここでの値打ちは、これが何でないかにある——提供元の利用計測と違い、これは答えに利害を持たない統計機関が同じ経路を数えたものであり、だから、働き手による利用については、存在するかぎりこちらのほうが良い情報源である。

ある道具が実際の仕事のために大規模に使われていることが測定されており、しかも使うと決めたのが雇用主ではなく働き手である場合。capability の記録より重い——仕事が実演ではなく本物だからである——そして deployment の記録より軽い。どの雇用主もそれを本番に置いておらず、求めてもおらず、その周りに工程も作っていないからである。重みは `cautious` である——`automating` とは、機械がその業務をできることと、採用の兆しがあることの両方を意味し、これは採用の兆しである——しかし利用は試験的でありうるし、測定の多くは利害のある側から来るので、一件では決して足りず、独立した二件で足りる。誰が数えているかに注意すること。ベンダーの計測データはこれを直に見るが、その道具を売っているので、そうした記録は適用範囲にその利害を明記する。統計機関が企業に「働き手は業務でAIを使っているか」を尋ねる場合、同じ経路を何の利害もなく見ており、それが存在するならそちらが良い出典である。

U.S. Census Bureau, Center for Economic Studies (CES-WP-26-25), worker-task findings ↗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

かつてあなたを雇っていた業務——リファレンスを産み出すこと——は、このサイトで最も晒された「書く業務」である。いま希少なのは、誰も直接には人を採らない業務である——知らない人であり、手順に従い、不可能な一段を見つける人であること。それを自分の働き方のなかで目に見えるようにすること。安い起草を生き延びる論拠は、それだけだからである。

経験があるなら

あなたのチームは網羅率で測られ、そして網羅率はいま無料になった。だから指標は素晴らしく見えながら、文書は、どの画面からも見えない仕方で悪くなる。管理職の前に置く価値のある数字は、最もよく読まれる十ページについての問い合わせの件数である。文書が本当に良くなったときに動く指標は、それだけだからである。

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。

職の形を組み替える

最初の利用者に、正式になる

モデルが持てない唯一の文書の入力は、戸惑うという経験である。そして速く出しているチームは、顧客が戸惑う前に、意図して戸惑うことを仕事にする誰かを必要としている。

現実の制約

公開前の版に触れられることが要り、それは技能ではなく権限の問いであり、しばしば政治的に勝ち取らなければならない。

今週試すこと

最もよく読まれるページを取り、まっさらな機械の上でそれに従い、失敗した段を数える。意見ではなく、その数を持っていく。

隣へ移る

文書が適合の証拠である分野へ移る

規制のかかった分野では、文書に定められた形式があり、名前のある人がそれを証明する。だから予算ではなく法によってその場に留められている。

現実の制約

遅く、手続きの多い仕事であり、役に立つようになるまで一年は分野の知識が要る。

今週試すこと

自分の業界で規制のかかった文書の基準を一つ見つけ、その目次を読む。形式が定められているなら、その職は費用以外の何かに守られている。

よくある問い#

AIはテクニカルライターの仕事を奪うのか

リファレンスを起草することは、このサイトで最も晒された「書く業務」である。真実の出どころが機械可読で、出力の形式が決まっているからであり——しかも文書生成の道具は、モデルよりずっと前からその一部を取っていた。動かないのは試験のほうである——まっさらな機械の上で自分の手順に従い、エンジニア以外の全員にとって不可能な一段を見つけること。そのコードベースで学習したモデルは、その試験が働くために欠けていなければならない知識を、まさに受け継いでしまう。

あとどれくらい時間があるのか

日付は出さない。信号は、自分のチームが何で測られているかである。公開したページ数や網羅率なら、その指標はいま無料になり、文書が悪くなるなかで素晴らしく見える——そして人員の判断は、その画面を見て下される。最上位のページについての問い合わせ件数を誰かが追っているかどうかを見ること。文書が本当に良くなったときに動く指標はそれだけであり、それが存在するかどうかが、次の予算の行方を教えてくれる。

文書の網羅率は、いまも良い指標か

生成が安くなった瞬間に良い指標ではなくなった。そしてそれが、この職業で最も結果の大きい変化である。網羅率はいまや、誰かがそれで何かできるかどうかではなく、どれだけの文章が存在するかを測っている。だから網羅率で判断されるチームは、いままさに重要になった業務——何を書かないかを決めること——を手放すことで報われる。自分のチームがいまも網羅率を報告しているなら、それを持ち出すことは、もう一ページ書くより値打ちがある。

規制のかかった技術文書は違うのか

はっきり違う。そしてそれは、費用以外の何かによってその場に留められている業務の、このページで最もはっきりした例である。医療機器、航空、医薬品の申請では、文書は適合の証拠そのものである——形式が定められ、名前のある人がそれを証明する。つまり、生成してそのまま出すことができない。それは技術的な守りではなく政策上の守りであり——その規則が残っているあいだちょうどの長さだけ持つ——が、今日においては本物である。

方法と出典#

評価日
2026-09-14
業務の判断の根拠
証拠に基づく2項 · 本サイトの推定2項 · 証拠が足りない0項
検証済みの出来事
2

こちらが職業をどう評価するか →