Google「AI & Economy ATLAS v1.0」発表——AI利用の86%は職場外という事実

Google「AI & Economy ATLAS v1.0」発表——AI利用の86%は職場外という事実

要点: Googleは2026年7月23日、Gemini App・AI Mode・Gemini APIをまたぐ1,500万件の匿名化・集計済み人間-AI対話データを分析した大規模調査レポート「AI & Economy ATLAS v1.0」を公開しました。150カ国以上・140言語・800職種・4,000タスクを対象にした調査の結果、AI利用は68%の職種（米国雇用の90%に相当）に広がっている一方、1つの職務内でAIが使われるタスクは平均約21%にとどまり、「広く浅い」採用であることが判明しました。さらに利用の86%以上は職場外（家事・買い物調査・行政手続きなど）で発生しており、大半はタスクの完全自動化ではなく人間とAIの協働（アイデア出し・情報検索・学習支援）であることが確認されています。本稿ではこの調査の内容と、LLMO/AI検索最適化に取り組む事業者への実務的な示唆を整理します。

最終更新日: 2026年07月25日

何が起きたのか

GoogleがAI利用実態の「初の公式・継続調査」を開始した

Googleは2026年7月23日、公式ブログ「Understanding the AI economy: Insights from the first ATLAS report」を通じて、AIが経済活動と日常生活にどう組み込まれているかを定量的に把握する新しい調査プログラム「AI & Economy ATLAS（Activity, Task, Landscape, and Adoption Study）」の第1弾レポート「v1.0」を公開しました。同時に詳細な内容をまとめた公式PDFレポートも公開されており、Axiosをはじめとする複数メディアがこの発表を報じています。

ATLASの最大の特徴は、Googleが自社の実データを起点にした点です。これまでAIの労働・生活への影響を論じる調査は、アンケートベースの自己申告や、外部研究機関による限定的なサンプル分析が中心でした。それに対しATLAS v1.0は、Geminiアプリ・検索のAI Mode・開発者向けGemini APIという3つの主要な接点から集まった、匿名化・集計済みの人間-AI対話データを直接分析している点で性質が異なります。Google自身が「Google/Gemini App/AI Mode/APIの利用データに基づく初の公式・継続的な大規模調査」と位置づけている通り、今後も定期更新が見込まれる継続調査シリーズの第一弾という位置づけです。

調査規模と対象範囲

公開情報から確認できる調査の規模は次の通りです。

• 対話データ: 1,500万件の匿名化・集計済み人間-AI対話
• 対象地域: 150カ国以上
• 対象言語: 140言語
• 対象職種: 800職種
• 対象タスク: 4,000タスク
• 合計月間利用者数: Gemini App・AI Mode・Gemini APIの合計で10億人超

この規模は、単一のアンケート調査やパネル調査では到達し得ない水準であり、Googleが持つプラットフォーム規模のデータならではの調査と言えます。対話ログそのものではなく「匿名化・集計済み」データである点は、プライバシー配慮の観点から明記されている重要な前提です。

主要な発見1: 利用は「広く浅い」

ATLAS v1.0が示した最も重要な発見のひとつが、AI利用の広がり方です。AIの利用は68%の職種に及んでおり、これは米国の雇用全体の90%を代表する範囲だとされています。つまり、ほとんどの職種で何らかの形でAIが使われ始めているということです。

しかし同時に、1つの職務の中でAIが実際に使われているタスクの割合は、平均するとわずか約21%にとどまります。言い換えれば、AIはすでに「ほぼすべての仕事」に触れているものの、それぞれの仕事の中で置き換えられている、あるいは支援されている作業の範囲はまだ限定的だということです。この「横に広く、縦に浅い」という採用パターンは、AIが仕事を丸ごと代替する段階にはまだ至っていないことを示しています。

主要な発見2: 利用の86%以上は職場外

ATLASのデータでもうひとつ注目すべきは、AI利用が起きている「場所」です。分析対象となった対話の86%以上が、職場での業務ではなく、個人の日常生活の文脈で発生していました。具体的に挙げられている用途には、家事の計画、買い物の検討・比較、家電製品の操作方法の確認、税金や運転免許、各種行政手続きに関する調べ物などが含まれます。

これは、AIが「オフィスワーカーの生産性ツール」という枠を大きく超え、生活のあらゆる意思決定の場面に入り込んでいることを意味します。BtoBのSaaSやビジネスツールとしての文脈だけでなく、一般消費者の日常的な情報収集・比較検討行動においてAIがすでに主要な接点になっているという事実です。

主要な発見3: 「協働」が中心で「自動化」は少数

タスクの遂行スタイルについても重要な知見があります。ATLASのデータでは、AIとの対話の多くがアイデア出し、戦略立案、情報検索、学習支援といった「協働型」の利用であり、タスクを完全に自動化して人間の介在なしに完結させるケースは10%未満にとどまっています。大半はあくまで人間が主導権を持ち、AIが伴走する形で進むやり取りです。

この結果は、「AIが仕事を奪う／自動化する」という単純な図式ではなく、「AIが人間の思考プロセスの一部に組み込まれる」という、より漸進的で協働的な実態を裏付けるものです。ユーザーは最終的な判断や成果物の確定をAIに委ねきるのではなく、案出し・下調べ・選択肢の整理といった中間プロセスでAIを活用し、最終的な意思決定は自分自身で行う、というパターンが多数派だということになります。この点は、AIが人間の代替ではなく拡張として機能しているという見立てとも整合的です。

4つの発見が示す一貫した像

ATLAS v1.0が提示した4つの数値——利用職種の広さ（68%）、職務内タスクの浅さ（約21%）、職場外利用の比率（86%以上）、完全自動化の少なさ（10%未満）——を並べてみると、一貫したひとつの像が浮かび上がります。それは、AIが「特定の専門領域で深く自動化する道具」としてではなく、「あらゆる場面に薄く広く染み出していく汎用的な相談相手」として社会に浸透しつつある、という像です。この浸透のされ方は、これまでの多くの業界予測が想定していた「特定業務の急速な自動化による雇用代替」というシナリオとは異なる緩やかな変化のパターンであり、企業がAI対応戦略を立てる上でも、コンテンツ戦略を立てる上でも、前提として押さえておくべき重要な事実だと言えます。

背景: なぜGoogleは今、この調査を発表したのか

生成AIが労働市場や日常生活に与える影響については、これまでも様々な立場からの調査・分析が公表されてきました。学術機関やコンサルティング企業によるアンケート調査、労働経済学者による職務タスク分解モデルを用いた推計、各種プラットフォーム事業者による利用統計の断片的な公開などがその代表例です。しかし、それらの多くはサンプル数が限られていたり、自己申告に依存していたり、特定の業界・職種に対象が絞られていたりと、調査の粒度や信頼性に制約がありました。

ATLASはこうした先行調査と異なり、Google自身が保有するプラットフォームデータを直接の分析対象とすることで、規模と継続性の両面で従来の調査を大きく上回る枠組みを提示しています。Gemini App・AI Mode・Gemini APIという3つの異なる利用文脈（一般消費者向けアシスタント、検索体験の一部としてのAI、開発者向けAPI経由の利用）を横断的に扱っている点も特徴です。単一のプロダクトの利用ログだけでは見えない、AIが経済全体・生活全体にどう浸透しているかという広い視点を提供しようとする狙いがうかがえます。

Googleはこれまでも検索アルゴリズムの透明性レポートや、AI Overviewsの送客効果に関する統計など、自社データに基づく発表を段階的に行ってきました。ATLASはその延長線上にあると同時に、「AIの経済的インパクト」という、より広い社会的関心事に正面から答えようとする調査という位置づけです。労働市場への影響、生産性への寄与、個人の生活の変化といったテーマは、政策立案者・研究者・企業経営者のいずれにとっても重要な関心事であり、Googleがこの領域で継続的なデータ提供者としての立場を確立しようとしていることも読み取れます。

調査手法上の留意点

ATLAS v1.0で扱われているデータは、個々のユーザーを特定できる形ではなく、匿名化・集計済みの状態で分析されています。この点は、調査の信頼性を評価するうえで重要な前提です。プライバシーに配慮した集計データである以上、個別のユーザー行動を追跡した分析ではなく、大量のやり取りを統計的に集約した傾向として結果を解釈する必要があります。

また、調査対象はGoogleの各プロダクト（Gemini App・AI Mode・Gemini API）を利用した人間-AI対話に限定されています。したがって、ChatGPTやClaude、その他のAIサービスを含む「AI利用全体」を代表するものではなく、あくまでGoogleエコシステム内での利用実態を示すデータである点にも留意が必要です。とはいえ、Gemini App・AI Mode・Gemini APIの合計月間利用者が10億人を超える規模であることを踏まえると、これは現時点で入手可能な最大級のAI利用実態データのひとつであることは間違いありません。

業種別に見る実務インパクトの違い

ATLAS v1.0が示した「広く浅い採用」「職場外利用が中心」「協働型が主流」という3つの傾向は、業種によって現れ方が異なります。

BtoC消費財・小売業においては、AI利用の86%以上が職場外という発見が直接的な意味を持ちます。消費者が商品を比較検討する際、家電の使い方を調べる際、日用品の購入を検討する際にAIとの対話が発生しているのであれば、企業のオウンドメディアやECサイトのコンテンツが、この対話の中でどれだけ引用・参照されるかが今後の集客に直結します。レビュー記事、比較表、FAQ、使い方ガイドといったコンテンツ群の重要性が一段と高まると考えられます。

BtoBサービス業においては、「1つの職務内でAIが使われるタスクは平均約21%」という数字がより直接的に関係します。営業提案書の下書き作成、市場調査の初期整理、競合分析のたたき台作成など、AIが実際に呼び出されやすい特定のタスクを見極め、そのタスクに関連する情報を過不足なく提供するコンテンツ設計が有効です。業務プロセス全体を網羅しようとするより、AIが介在しやすい狭い工程にフォーカスする方が費用対効果が高いと考えられます。

専門サービス業（士業・コンサルティング・金融アドバイザリーなど）では、税金・免許・行政手続きといった職場外利用の主要用途が直接関係してきます。これらは専門性が高く、かつ一般消費者が自力で調べようとする際にAIに相談しやすい領域です。制度解説、手続きの流れ、必要書類の案内といった消費者向けの分かりやすいコンテンツを整備することが、AI Mode経由での接点構築につながる可能性があります。

今後の見通し

ATLAS v1.0はシリーズの第一弾であり、Google自身が継続的な調査プログラムとして位置づけていることから、今後もバージョンアップを重ねながらデータが更新されていくと見込まれます。継続調査であることの意味は大きく、単発のスナップショットではなく、AI利用のパターンが時間とともにどう変化していくかを追跡できる点にあります。

現時点でのデータは「広く浅い」採用と「協働中心」の利用実態を示していますが、この比率が今後どう変化するかは、AIモデルの性能向上、エージェント機能の普及、企業側のワークフロー統合の進展など複数の要因に左右されます。仮に将来のバージョンで「職務内でAIが使われるタスクの割合」が21%から上昇していくようであれば、それはAIの自動化領域が広がっていることを示すシグナルになります。逆に職場外利用の比率がさらに高まるようであれば、消費者向けのAI活用がより一層生活に浸透していることを意味します。LLMO/AI検索最適化に取り組む事業者にとっては、こうした継続データの推移を定点観測すること自体が、コンテンツ戦略の優先順位を見直す重要な材料になります。

aiseo-llmo.com ユーザーへの影響

ATLAS v1.0が示した3つの発見は、いずれもLLMO（大規模言語モデル最適化）やAI検索最適化に取り組む事業者にとって、戦略の前提を見直す材料になります。

「職場向けコンテンツ」偏重の見直しが必要

AI利用の86%以上が職場外で発生しているという事実は、多くの企業のコンテンツ戦略が抱える構造的な偏りを浮き彫りにします。BtoB企業やビジネスツールを提供する事業者は、これまで「業務効率化」「生産性向上」といった職場文脈のキーワードやユースケースを中心にコンテンツを設計してきたケースが少なくありません。しかしAI Modeやgeminiアプリを通じて実際に生成されている検索意図の大部分は、家事・買い物・生活手続きといった消費者としての日常的な意思決定です。

これは特にBtoC事業者にとって重要な意味を持ちます。商品比較、購入前の検討材料、使い方・トラブルシューティング、手続きの進め方といった生活密着型のコンテンツこそが、AI Modeの回答生成に引用される機会を持つ可能性が高いということです。

「タスク単位」でのコンテンツ設計が有効

AI利用が68%の職種に広がる一方で、職務内のタスクのうち実際にAIが使われる割合が平均21%にとどまるという発見は、コンテンツを「職種」や「業界」単位ではなく、より粒度の細かい「タスク」単位で設計する重要性を示唆しています。ある職種に対して網羅的な情報を提供しようとするよりも、その職種の中でAIが実際に呼び出されやすい具体的なタスク（例: 見積り作成の下書き、比較検討のたたき台、初期リサーチのまとめ)にフォーカスしたコンテンツの方が、AIとの対話に組み込まれやすいと考えられます。

「協働」を前提にした構造化コンテンツの価値

タスクの完全自動化が10%未満であり、大半が人間とAIの協働だという事実は、コンテンツの役割そのものにも影響します。AIが単独で完結した答えを返すのではなく、ユーザーが次にどう考え、どう行動するかを支援する形で対話が進むのであれば、コンテンツ側も「最終結論だけを提示する」形式より、「比較軸」「判断材料」「次の一歩」を明示的に構造化した形式の方が、AIの応答生成に活用されやすい可能性があります。これはLLMOにおいて以前から言われてきた「構造化された比較情報・FAQ形式・段階的な意思決定支援」というコンテンツ設計方針を、実データの側から裏付けるものと言えます。

今すぐできる対応策

1. 消費者向け・生活文脈のコンテンツ棚卸しを行う

自社サイトのコンテンツを、「職場・業務向け」と「生活・消費者向け」に分類し、後者のカバレッジを確認します。ATLASが示す「86%以上が職場外」という比率を踏まえると、BtoC寄りの事業者ほど、比較検討・購入前チェックリスト・使い方ガイド・トラブル対応といった生活密着型コンテンツへの投資対効果が高いと想定されます。

2. 職種別ではなくタスク別にコンテンツを再設計する

自社が想定するターゲット職種を洗い出したら、その職種の業務を構成する具体的なタスクレベルまで分解します。そのうえで、AIとの対話で発生しやすいタスク（情報収集・下書き作成・比較検討・学習）を優先し、そのタスク単位で完結する情報のまとまりをコンテンツとして用意します。職種全体を網羅する長大な記事よりも、タスクごとに独立して参照可能な構成の方が、AIの回答生成プロセスに引用されやすいと考えられます。

3. 「協働型」コンテンツのフォーマットを採用する

比較表、判断基準のチェックリスト、ステップ形式の手順、Q&A形式などを積極的に使い、ユーザー（およびAI）が次の判断をしやすい形にコンテンツを構造化します。単一の断定的な結論を提示するのではなく、複数の選択肢とその判断材料を並べる形式は、AIが人間の意思決定を支援する協働的な使われ方と親和性が高いと考えられます。

4. AI Mode経由の流入を「検討フェーズ」の指標で計測する

AI Modeを通じた流入は、購入直前の指名検索よりも、情報収集・比較検討フェーズでの接触である可能性が高くなります。コンバージョン直結の指標だけでなく、比較ページ・FAQページ・ガイドページへのAI経由流入や、そこからの回遊率など、検討フェーズに適した指標を追加で計測することが実務上有効です。

5. タスク意図別のコンテンツ構成フレームワーク

ATLASが示した「協働型・タスク単位」の利用実態を踏まえると、コンテンツを次の4つのタスク意図に分類して設計することが実務上有効です。

• 情報収集型（例: 「〇〇とは何か」「制度の概要を知りたい」）: 定義・背景・全体像を簡潔にまとめた導入部を用意し、詳細情報へのリンクを添える構成。
• 比較検討型（例: 「AとBのどちらが良いか」「選び方のポイントは」）: 比較表、判断基準の一覧、メリット・デメリットの対比を明示する構成。
• 手順・実行支援型（例: 「どう申請すればよいか」「使い方を教えて」）: 番号付きステップ、必要な準備物、注意点をチェックリスト化した構成。
• 学習・深掘り型（例: 「なぜそうなるのか」「背景を詳しく知りたい」）: 因果関係や経緯を時系列・論理構成で説明し、関連する専門用語を用語集にリンクする構成。

自社が保有するコンテンツをこの4分類に照らして棚卸しし、不足しているタスク意図のコンテンツを優先的に補強することで、AIとの対話に組み込まれる機会を体系的に増やしていくことができます。

6. 業種別に優先順位を変える

BtoC消費財・小売業では、購入前の比較検討コンテンツやレビュー・FAQの充実が直接的にAI Mode経由の露出につながりやすいと考えられます。BtoBサービス業では、ATLASが示す「タスク単位で21%程度しか使われていない」という前提を踏まえ、業務プロセスの中でもAIが実際に呼び出されやすい特定タスク（提案書のたたき台作成、市場調査の初期整理など）に絞ったコンテンツ提供が効果的です。士業・コンサルティングなどの専門サービス業では、行政手続きや制度に関する調べ物が職場外利用の主要な用途に含まれていることから、一般消費者向けの制度解説・手続きガイドのニーズが今後さらに高まる可能性があります。

よくある質問

Q1. ATLAS v1.0とは何ですか。

GoogleがGemini App・AI Mode・Gemini APIの対話データを分析し、AIの経済・生活への浸透度を定量化した公式調査レポートです。2026年7月23日に第1弾（v1.0）が公開されました。ATLASは「Activity, Task, Landscape, and Adoption Study」の略称です。

Q2. 調査の規模はどれくらいですか。

1,500万件の匿名化・集計済み人間-AI対話データを、150カ国以上・140言語・800職種・4,000タスクにわたって分析しています。Gemini App・AI Mode・Gemini APIの合計月間利用者は10億人を超えるとされています。

Q3. AI利用が「広く浅い」とはどういう意味ですか。

AI利用そのものは68%の職種（米国雇用の90%相当）に広がっている一方、1つの職務内で実際にAIが使われているタスクの割合は平均約21%にとどまるという意味です。多くの職種に触れているものの、各職務内での置き換え・支援範囲はまだ限定的だということを示しています。

Q4. AI利用の86%が職場外というのは具体的にどんな用途ですか。

公開情報では、家事の計画、買い物の検討・比較、家電製品の操作方法の確認、税金・運転免許・行政手続きに関する調べ物などが挙げられています。業務目的ではなく、日常生活の意思決定の場面でAIが使われているケースが大半を占めます。

Q5. AIによるタスクの完全自動化はどの程度進んでいますか。

ATLASのデータでは、タスクを完全自動化しているケースは10%未満にとどまります。大半はアイデア出し、戦略立案、情報検索、学習支援など、人間が主導しAIが支援する協働型の利用です。

Q6. この調査結果はLLMO戦略にどう影響しますか。

「職場向け」偏重のコンテンツだけでなく、生活・消費者文脈の比較検討コンテンツの重要性が高まります。また職種単位ではなくタスク単位でコンテンツを設計し、協働型の意思決定を支援する構造化フォーマット（比較表・チェックリスト・Q&A）を用意することが有効と考えられます。

Q7. ATLASは今後も継続的に発表される調査ですか。

Googleは本レポートを、Google/Gemini App/AI Mode/APIの利用データに基づく「初の公式・継続的な大規模調査」と位置づけています。今後v2.0以降の継続的な更新が見込まれる調査プログラムです。

Q8. BtoBとBtoCで対応の優先順位は変わりますか。

変わると考えられます。BtoC・小売業では購入前の比較検討コンテンツやFAQの拡充が優先度高く、BtoBサービス業ではタスク単位での使用実態（提案書下書きや初期リサーチなど）に絞った狭く深いコンテンツが有効です。専門サービス業では制度・手続き関連の消費者向け解説の需要増が見込まれます。

Q9. この記事の数値の出典はどこですか。

Google公式ブログ「Understanding the AI economy: Insights from the first ATLAS report」、Google公式PDFレポート「Google's AI & Economy ATLAS v1.0」、およびAxiosの報道記事に基づいています。本記事はこれらの一次情報で確認できる事実の範囲内で構成しています。

Q10. AI Modeとは何ですか。

Google検索内で提供される、生成AIによる対話型の検索体験です。従来の検索結果一覧に加えて、複数の情報源を統合した回答をAIが生成し、ユーザーとの対話を通じて検索を深堀りできる機能です。詳細は用語集のAI Mode関連記事も参照してください。

関連記事

• LLMO完全ガイド
• AI検索最適化ガイド
• Gemini 3.5 Flash が AI Mode の既定モデルに｜「動く検索」への転換とLLMO
• Google AI Modeが月間10億ユーザー突破、Gemini 3.5 Flashが既定モデルに
• Google.comがAI Modeの引用ドメイン第2位に——引用数8.4倍増が示すGoogleホスト面最適化の時代
• LLMOとは
• AIO（AI最適化）とは
• GEO（生成エンジン最適化）とは
• AI検索『引用の断片化』91%——H1 2026総括レポートが示す構造変化