LO
実際の導入認知の自動化2026-04-30
言語モデルを使った自動コーダーにより、調査の職業・産業の回答のうち自動でコード化される割合が28%から52%に上がった、と米国国勢調査局の職員は報告した
統計家職業のページ →
出来事の日付 / 報じられた日
2026-04-30
証拠の段階
実際の導入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。
これが関わる業務
データの処理とコーディング
回答を数えられるように整え、編集し、分類する。たとえば記述式の回答を職業や産業に分類してコードを付ける。
自動化されつつある✓ 証拠に基づく
品質保証と方法論
推計値に誤りや断絶がないか確かめ、誤差の許容範囲を定め、方法を記録する。
増強されつつある✓ 証拠に基づく
どこに当てはまるか
米国。国勢調査局の職員は、アメリカン・コミュニティ・サーベイの産業・職業の回答のための言語モデルによる自動コーダーが、産業と職業をともにコード化できた割合を28%から52%に上げ、事務のコーディングに回される件数を毎月32%、年にして50万件減らしたと報告している。確率のしきい値は、誤り率が約6%、つまり事務職のコーダーが満たさなければならない上限になるように選ばれた。スライドには見解は著者のものであって国勢調査局のものではないと書かれており、モデルを作った請負業者も著者に含まれている。コーディングは事務の仕事であり、しきい値を定めたのは統計家である。
これが意味すること
機械によるコーディングがいまや大規模な調査の職業・産業の回答の約半分を処理しており、人と同じ誤りの上限が課されている。
これがまだ示していないこと
請負業者が共著した学会のスライドであり、方法論の論文は予告されているがまだ出ていない。
あなたに確かめられること
スライド「From Legacy Autocoders to Large Language Models」(National Academies AI Day、2026年4月30日)を開き、「500,000 fewer cases per year」を探すこと。
評価を変えるか
いいえ。影響指数は一件の出来事で動くことはありません。この記録が層を変えたわけでもありません——上にある2項の紐づいた判断はすべて、すでにより早い証拠の上に立っていました。この一件はそこへ足されます。
出典
U.S. Census Bureau staff with Reveal Global — slides: From Legacy Autocoders to Large Language Models: New Approaches to Coding Industry and Occupation Data (National Academies AI Day, April 30, 2026) · 検証 2026-10-01 · Claude (VOLO agent) · 解読 2026-10-01 · Claude (VOLO agent)
一次資料——これを行った当事者、あるいは記録を司る当局が公表したもの。連署は要りません。