メインコンテンツへスキップ
       

日本のAI利用は世界32位なのか―利用指数・利用人口・求人倍率の読み方(AI作成)

第1 「32位」はどのAIの,いつの順位か

日本のAI利用が「世界32位」とされても,それだけで日本の企業の導入率や,職員の能力が分かるわけではない。
何を1件と数え,誰を分母とし,いつの利用を測った順位なのかを確認する必要がある。

Anthropicの利用指数,Microsoftの利用人口推計,厚生労働省の求人統計は,それぞれ異なる対象を測っている。
企業の導入方針や人員計画に使う場合は,数値を一つの因果関係に並べる前に,次の違いを押さえたい。

Anthropicが2026年6月26日に公表したEconomic Indexの国別データには,2026年4月と5月の集計がある。
5月の日本のAnthropic Usage Index(AUI)は1.91で,公表対象121か国・地域の中で32位である。
「6月に公表された順位」と「6月の利用を測った順位」は区別しなければならない。公式データと説明

公表履歴では初回は2025年2月10日で,ここで扱う2026年6月26日版は第6次の公表である。
この履歴を,会社のすべての研究資料について現在も最新版であるという意味に広げてはならない。

CSVを再集計する場合,date_endは終了日を含まない。
5月分は5月1日以上6月1日未満として読み,6月1日の利用まで5月へ含めないことが必要である。

AUIは,世界の対象利用に占めるその国の割合を,世界の15~64歳人口に占めるその国の割合で割った指数である。
1は人口構成に比例する利用水準を示す基準であり,公表国の指数を単純平均した値ではない。
日本の1.91は「日本人の1.91%が利用した」という意味でもない。

確認項目2026年5月の公表値・対象読み替えてはいけないもの
日本のAUI1.91,32位/121か国・地域全生成AIの企業導入率・国民の能力
日本の利用シェア世界の対象利用の約3.28%AUI1.91との同一視
国別データの主な対象ClaudeのFree・Pro・MaxによるチャットとCowork全社内システム・全API・全サービス
国別分類日本はUpper middle adoption国の経済発展水準を一般的に評価した分類

この国別集計にはClaude Codeや第三者基盤経由のすべての利用が入っているわけではない。
報告書にあるAnthropicへ直接接続する1P APIの分析も,この国別の消費者向けデータと同じ母集団ではなく,BedrockやVertex等を含む全市場の統計ではない。報告書

第2 国の比較では対象国と期間をそろえる

5月のAUIはオーストラリア6.40,シンガポール5.81,ニュージーランド4.84,韓国3.78,日本1.91である。
ただし,対象サービスの利用水準の比較であり,業務利用だけを抽出した生産性ランキングではない。

同じ公式ダッシュボードの四分位による区分では,G7のうち日本とイタリアはUpper middle adoption,米国・英国・カナダ・フランス・ドイツはLeading adoptionに入る。
この名称を「国全体が先進国ではない」という評価へ広げるのは適切でない。公式ダッシュボード

4月の日本は1.97で31位/114か国・地域,5月は1.91で32位/121か国・地域である。
対象国が増えた順位の変化と,指数そのものの変化を分けなければ,「1順位下がったから国内利用がその分減った」とはいえない。
公表値の丸めにより同じ1.84でも順位が並ぶ国があり,公表値から同順位を含む順位を計算することと,未公表の小数桁による厳密な順位の差を断定することは区別したい。
公表値を使って競争順位で数えると,例えばチリとチェコはいずれも1.84で34位となる。

都道府県別の指数を国別指数と直接比較する場合も分母の確認が必要である。
PKSHAの2026年6月発表に掲載された2月の例では,東京3.11,大阪1.54,神奈川1.32が示されるが,説明にある労働人口という語と,国別AUIの15~64歳人口を無条件に同一視してはいけない。
同発表はコンピューター・数理の利用について日本は米国の約4割と説明する一方,対応する図の軸は日本と世界の比較である。
米国比と世界比は別の計算であり,約4割という米国比はその図からは再現できない。
基準を再現できない倍率は,稟議の根拠としてそのまま採用しないことが必要である。PKSHAの協業発表

第3 Microsoftの「24.7%」は別の推計である

Microsoftの2026年第2四半期報告が6月の指標として示す日本の生成AI利用人口比率は24.7%で,147か国・地域中45位である。
これは15~64歳人口に対する利用者の推計であり,Claudeの利用量のシェアから作るAUIとは単位が違う。
日本の第1四半期22.5%から第2四半期24.7%への変化は2.2パーセントポイントであり,「2.2%増」との混同も避ける。Microsoftの報告書

この推計は利用テレメトリーをそのまま全国民の人数として扱ったものではない。
2026年報告は,OSやデバイスの市場構成,インターネット普及,人口等の差を補正すると説明している。
ただし,2025年の方法論の全パラメータが,2026年にも同じ実装で使われたとまでは,この説明だけで判断できない。方法論

2025年の方法論では,テレメトリー送信への同意率が世界平均より低い国について,観測値を世界平均へ近付ける補正を行う。
これとは別に,モバイル対デスクトップの比率が地域平均の1.8倍を超える国では,その比率に地域平均を代用する。
前者は同意して観測される標本の偏り,後者は端末間の比率についての処理であり,同じ補正ではない。

デスクトップとモバイルの利用者の重複は,両者の利用が独立であるとの仮定で差し引く。
実際には同じ人が両方で使う正の相関がある場合,独立との仮定で計算した重複は小さくなり,合計利用者をやや過大に推計し得る。
この点も,観測から推計へ移る際の仮定として読む必要がある。

モバイル補正には,StatCounterによる一般のインターネット通信のモバイル対デスクトップ比を使い,その比率がAI利用にも当てはまると仮定する。
モバイルとデスクトップの利用行動の関係が時を通じて安定していることも前提となるため,AI利用者を直接数えた値と同じには扱えない。

また,2025年の付表では,テレメトリーの不足を地域推定で補う国を記号付きで区別している。
国が表に掲載されていることと,その国で十分な独立した観測があることは同じではない。

2025年の付録Aには19のサイト・アプリが列挙されるが,その数を2026年の測定対象として固定してはいけない。
自己ホスト型や組込み型等を含むすべてのAI利用を同じ精度で観測するものでもない。
2026年第2四半期報告は,次回に対象ツールを広げ,特に中国等で推計値が上がり得ると予告するが,それは既存利用の測定改善を主に反映するという説明であり,利用行動の急増の予測とは別である。

同報告のOpenRouter経由のAPIトークン構成も,その経路での利用についての指標である。
全世界のAI市場の売上,利用人数又はすべてのAPIを含む市場占有率へ置き換えてはならない。

世界の18.8%は人口を考慮した集計であり,国別比率の単純平均ではない。
また,第1四半期の値には同じ公表物のPDFとCSVの間で次の小差があり,原因は確認できていない。
国際比較表を作る場合は,どちらの版を使うかを統一し,差を勝手に解消しないことが必要である。

国公表CSVの第1四半期報告書PDFの第1四半期
アルジェリア13.2%13.3%
ガンビア11.4%11.5%
ウクライナ9.4%9.5%
カンボジア5.7%5.8%

第4 「会話の用途」と「利用者の職業」は違う

5月の日本の対象会話では,仕事47.00%,個人利用47.15%,学習5.85%という分類になっている。
個人利用のすべてが交友目的ではなく,交友・会話の区分は日本2.80%,世界1.37%で,その比は約2.04倍である。
これは会話の割合であり,日本人のうち交友目的の利用者が世界の2倍いるという人数比ではない。

会話を米国の職業分類に関連付けると,日本ではコンピューター・数理23.03%,芸術・デザイン・娯楽・スポーツ・メディア14.70%が上位になる。
しかし,その作業を話題にした会話を分類したものであり,実際の利用者の職業を確認した就業者調査ではない。
法務分野の0.61%から弁護士の導入率を計算することもできない。

職業分類の上位5区分は65.80%,上位10区分は89.84%を占める。
公表された22区分の合計は98.77%で,残り1.23%の内訳をこの表だけから確定できないため,100%へ機械的に再配分しない。
プライバシー保護等により値がないセルについても,公表がないことと利用ゼロを区別する必要がある。

第5 求人倍率との比較から雇用代替は証明できない

厚生労働省の2026年9月の職業別統計では,常用・パートを含む区分の建設躯体工事従事者は,有効求人数19,158人,有効求職者数2,279人で,有効求人倍率8.41倍である。
美術家・デザイナー・写真家・映像撮影者は3,890人/26,039人で0.15倍となる。
同じ月でも新規求人倍率はそれぞれ13.39倍と0.39倍であり,有効と新規を混ぜてはならない。一般職業紹介状況

比較するもの先に確認すること
職種間の人手不足同じ常用・パート区分,有効/新規の別,分類不能等の除外
全体との比較全体の季節調整値1.19倍・原数値1.18倍と,常用・パート区分1.08倍の対象差
AIとの関係5月のClaude会話,6月の指標を掲げる第2四半期の利用人口推計,9月の求人という時点差
職業の対応米国のSOC分類と日本の職業分類の範囲差

0.15倍を最小の職種と説明する場合も,分類不能等をどう扱うかを明示する必要がある。
当該職種では有効求人数が前年同月比15.2%減,有効求職者数が8.0%減,倍率が0.01ポイント低下しているが,この観察だけでAIによる代替が原因と特定することはできない。
求人は景気,季節,職業紹介機関の利用状況などにも左右されるためである。

季節調整系列については,公表資料には,2026年1月分の公表時に,2025年12月以前の数値が新季節指数により改訂されたとの注記もある。
過去の月との比較では,季節調整の有無だけでなく,同じ改訂系列・公表版で比較することが必要である。

第6 企業では自社の業務単位で測り直す

自社で試す際は,担当する作業と入力してよい情報を先に定め,成果の品質,確認・修正時間及び費用を別々に測ることを提案する。
送信・記録変更等の外部操作については,内容の確認とは別に,実行を許される範囲と承認者を決める。
権限を超える入力,誤回答又は秘密情報の流出等が判明した場合には利用を止め,原因と修正結果を確認してから再開する。
対象を広げる前にも,同じ作業単位で品質,確認・修正時間,費用及び事故の有無を再評価する。
これは導入管理のための実務上の提案であり,統計から直接導かれる法定の停止・許可基準ではない。

東大松尾・岩澤研究室,PKSHA,Anthropicは,2026年6月4日,Japan AI Indexの構築に向けた協業を発表した。
LLM利用と国内の雇用・産業・教育等の統計を組み合わせ,大学は分析設計・分析・公表,Anthropicは利用統計・研究支援,PKSHAは産業実装の知見を担う構想である。
同発表の初回公表目標は2026年度秋であり,開発計画の発表を完成済みの指標や効果の実証と扱ってはならない。

企業が導入効果を確認する場合は,利用回数に加え,対象業務の母数,成果物の品質,人の確認・修正・教育にかかった時間,総費用を同じ条件で比較することになる。
国別の利用量が多くても,自社の作業を安全に実施できることや,個人情報・営業秘密を入力してよいことまで決まるわけではない。

データを再利用する場合は,データとコードの利用条件を別々に確認したい。
リポジトリのREADMEは,データをCC-BY,コードをMITライセンスと案内している。
この表示だけからCC-BYの版番号を補ったり,報告書の文章・図版,第三者の素材の転載まで一括して許諾されたと考えたりしてはならない。

関連記事として,シャドーAIの問題点と,AI上司と使用者責任も参照されたい。