Anthropicの経済シナリオは、来期の人員計画に使えるか。

来期このポジション、AIでどのくらい効率が上がる前提で採用枠を組みますか。

ここを詰めないまま人員計画を出すと、増員も採用凍結も根拠が「なんとなく」になります。

Anthropicが2026年9月に公開したEcon Scenario Explorerは、その「なんとなく」を5つの数字に変換する道具として使えます。

Econ Scenario Explorerとは何か。

ブラウザで動く経済シミュレーターです。

5つのつまみを動かすと、2030年のアメリカ経済のGDP、失業率、職種別の賃金がその場で変わります。

Scenarios for our Economic Future

The Anthropic Economics Team models the effects of AI on the economy of 2030.

www.anthropic.com

土台になっているのは、バージニア大学教授のアントン・コリネックさんら5人による技術レポート Economic Scenarios for Transformative AI（The Anthropic Institute Working Paper No. 2026-02、2026年9月）です。

モデルの発想自体はシンプルで、仕事を「タスクの束」として扱います。

AIがそのタスクをどれだけ肩代わりし、押し出された人がどれだけ別の職に移り、新しいタスクがどれだけ生まれるか。

その積み上げからマクロの数字を出しています。

紛らわしいのが、Anthropicにはもう1つ Economic Index という経済系の取り組みがあることです。

こちらはClaudeの実際の会話から「今AIがどの職種のどんなタスクに使われているか」を測るもので、将来予測はしません。

Indexが現在の実測、Explorerが将来の試算。

混ぜて読むと話が合わなくなります。

動かせる5つのパラメータは、何を聞いているのか。

ここは正確に押さえてください。

要約記事では Capabilities と Adoption の2つだけが紹介されがちですが、実際に動かせるのは5つです。

• Capabilities（AIはどんなタスクをこなせるか）。0%から100%のスライダー
• Adoption（人がどれだけAIを使うか）。これも0%から100%
• Autonomy（AIがどれだけ自分だけでやるか）。ほぼなし / 一部 / 半分くらい / ほとんど / ほぼ全部の5段階
• Productivity（AIで人が何倍生産的になるか）。同じ / 1.5倍 / 2倍 / 4倍 / 10倍以上
• Adjustment（人が次の仕事を見つけるまでどのくらいかかるか）。1〜2ヶ月から「3年以上、あるいは見つからない」まで7段階

見落とされがちなのが Autonomy と Adjustment です。

CapabilitiesとAdoptionだけを見ていると「AIがどこまでできて、どれだけ広まるか」の話で終わります。

でも経営の数字を実際に動かすのは残り2つの方なんですよ。

AIが人のレビューなしで完結するのか。

そして玉突きで動く人が、どのくらいの期間で次の場所に収まるのか。

予測として読んだ瞬間に、この道具は使えなくなる。

Anthropic自身がページで釘を刺しています。

これは「異なる技術的発展が経済に何を意味するかを考えるための道具」であって、「実際の結果は大きく異なりうる」と。

政策対応も景気循環も金融市場の混乱も、このモデルには入っていません。

実際、用意されている3つのシナリオを並べると、同じモデルの出力とは思えない振れ幅が出ます。

入力が変わるだけで、年間の成長率は2%台から15%へ、知識労働者の賃金は微増から1割以上の下落まで振れる。

つまりこのツールの出力は予測ではなく、入力した人の前提を映した鏡なんですね。

そしてもう1つ。

ここに並んでいるのは全部アメリカ経済全体の数字です。

あなたの会社の10人のエンジニアチームについては、何ひとつ言っていない。

「AIで失業率が上がるらしい」を来期の採用計画にそのまま持ち込むのは、TAMの数字を自社の売上予測に流用するのと同じ雑さだと思ってます。

参考までに、Anthropicが2026年8月に米国の成人10,980人へ同じ質問をしたところ、回答の中央値はsubstantialシナリオとほぼ一致しました。

2030年にGDPが8%増え、知識労働の雇用が4%減る世界。

極端でも楽観でもない真ん中あたりが、多数派の見立てです。

自社の職種に置き換えると、5つの問いはどう変わるか。

ここからが本題です。

5つの問いを、アメリカ経済ではなく自社の1職種について答えてみてください。

正直に埋めると、だいたい2箇所で手が止まります。

1: Capabilities と Adoption のギャップです。

「AIなら6割いける」と答えた職種で、実際の利用率が15%ということが普通にあります。

この差は来期の伸びしろそのものなので、採用を増やす前に潰す対象になる。

2: Autonomy です。

「AIで工数が半分になる」と言っていた業務も、レビュー前提で数えると3割しか減っていなかったりする。

ここを正直に「ほぼなし」と答えた瞬間、人員削減の前提はその場で崩れます。

なお Adjustment だけは、モデルの意味を少しずらして使っています。

モデルが聞いているのは労働市場で次の仕事が見つかるまでの期間ですが、経営者にとってのそれは社内の再配置にかかる期間です。

3ヶ月と答えるか1年と答えるかで、来期に取れる選択肢がまるごと変わります。

出てきた数字を、来期の人員計画にどう落とすか。

3つの職種を選んで、さっきの5問に答えるだけです。

30分あれば終わります。

そのうえで見るべきなのは2点。

Adjustment が3ヶ月以内なら、採用を絞って再配置に賭けられます。

1年なら再配置は来期に間に合わないので、採用は止めない方がいい。

ここは希望的観測ではなく、自社で実際に役割転換した人の立ち上がり実績で答えるべきところです。

もう1点は、経営チームで答えが割れた場所です。

CTOが Autonomy を「ほとんど」と答え、自分が「一部」と答えたなら、そこが来期の計画で一番リスクの高い前提になります。

数字が正しいかどうかより、どこで見立てがズレているかの方が経営には効くんですよ。

AIが2030年の経済をどうするかは、正直わかりません。

わからないものを当てにいくより、自社の5つの数字を経営会議のテーブルに乗せる方が、来期の判断はよほど速くなります。

人員計画の一行目を書く前に、まずそこから埋めてみてください。