タスククロスオーバー（タスクの越境／Task Crossover）とは・意味、由来・調査・注意点

最終確認日：2026年10月27日

タスククロスオーバーとは？

タスククロスオーバーとは、ある職種の仕事とされてきた作業が別の職種の人のAI利用に表れること。英語では「task crossover」と書く。OpenAI が2026年7月の報告で、ChatGPT の仕事での使われ方を分析するために使った語だ。同社の日本語のページは、この語を「タスクの越境」と訳している（※1、※3）。

OpenAI は例として、以前なら分析の担当者に回していたかもしれない顧客のデータを、営業の担当者がAIを使って自分で調べられることを挙げる。マーケティングの担当者が、開発者を待たずにウェブサイトの不具合に対処できることも例に挙げている（※1）。

OpenAI の報告は、AIが仕事に与える変化をより広く捉えようとする。AIは、一部の作業を自動化したり、別の作業で人を補ったりしうる。それに加えて、一人がこなせる作業の幅を広げ、ある職種の仕事を別の職種へ移すことで、職種の間の仕事の分け方も変えうるという。タスククロスオーバーは、この仕事の分け方の変化を捉えるための語だ（※2）。

タスククロスオーバーの由来と生まれた背景

タスククロスオーバーは、OpenAI の経済研究のチームが2026年7月27日に公開した報告で名付けた語だ。この報告は、新しいシリーズ「Work at the Frontier」（日本語のページでは「フロンティアの仕事」）の1本目で、著者は Caroline Chin 氏と Alex Martin Richmond 氏だ（※1、※2、※3）。

報告によると、AIと仕事を扱う研究の多くは職種ごとに決まった作業の一覧から出発し、AIがその作業をこなせるかを問うてきた。この方法では、各人が受け持つ作業の組み合わせは変わらないものとして扱われる。

OpenAI は、誰がどの作業を受け持つかもAIによって変わっていると考え、この変化をタスククロスオーバーと呼んで測った（※2）。同社は、会社が職務記述書や役職名を書き換えるより前に、AIの利用のデータが職種の変化の早い兆しになりうるとみている（※1）。

シリーズの前提には、OpenAI が2026年4月25日に示した「AI Jobs Transition Framework」がある。この枠組みは、米国の921の職業、約1億4,800万の職を対象にした。そのうち24%の仕事は、なくなるよりも、中身が組み替えられる可能性が高いという（※6）。1本目の報告も、この枠組みを引いて、多くの仕事で日々の作業が大きく変わりうると述べている（※1）。

タスククロスオーバーに関する主な出来事・ニュース

• 2026年4月25日　OpenAI「Modeling an AI jobs transition」を公開：OpenAI は、AIが仕事に与える近い将来の影響を見るための枠組み「AI Jobs Transition Framework」を示した。
• 2026年6月5日　Jeremy Yang 氏ら「How AI Agents Reshape Knowledge Work」を公開：Yang 氏らは arXiv で、Perplexity の検索とAIエージェントの利用のデータから知的な仕事の変化を分析した論文を公開した。
• 2026年7月27日　OpenAI「How AI is expanding what people do at work」を公開：OpenAI は、「Work at the Frontier」の1本目の報告を公開し、タスククロスオーバーという語で分析の結果を示した。
• 2026年9月16日　OpenAI「How workers are unlocking new ways of working」を公開：OpenAI は、シリーズの2本目の報告を公開し、職種の外の作業が繰り返し使われるようになるかを分析した。

タスククロスオーバーに関する調査・研究

OpenAI の分析では、職種に固有のやり取りの43.5%が職種外

OpenAI の1本目の報告は、米国の利用者が個人の ChatGPT のアカウントで送った、仕事に関するメッセージ80万件超を無作為に抜き出して分析した。利用者の職種は、ChatGPT Business に登録するときに本人が答えた部署や役割から決めた。分けた職種は、顧客対応を担うカスタマーエクスペリエンス、デザイン、エンジニアリング、財務、人事、法務、マーケティング、営業だ（※2）。

各メッセージの作業は、米国労働省の職業データベース O*NET の作業の分類に当てはめた。そのうえで報告は、多くの職種に共通する作業を「汎用」、利用者自身の職種の範囲に入る作業を「職種内」、ほかの職種に結び付く作業を「職種外」に分けた。結果は、汎用が61.5%、職種内が21.8%、職種外が16.8%だった。汎用を除いた職種に固有のメッセージに限ると、職種外は43.5%になった（※2）。

職種外の割合は、8つのうち5つの職種で半分を超えた。カスタマーエクスペリエンスは77%、デザインは75%、人事は69%、法務は56%、マーケティングは53%だった（※2）。

ほかの職種の作業を取り込む職種と、作業が広がる職種があるという報告

報告は、ほかの職種から作業を取り込む向きと、自分の職種の作業がほかへ広がる向きを分けて見た。汎用の作業も含めた全メッセージで見ると、デザイナーのメッセージの約35.2%は、別の職種の作業を含んでいた。ほかの職種の人のメッセージに占めるデザインの作業は、1.7%にとどまった。

エンジニアリングはその逆に近く、職種外の作業は18.5%だったが、ほかの職種のメッセージの7.4%をエンジニアリングの作業が占めた（※2）。

マーケティングは、両方の向きで目立った。マーケティングの担当者はメッセージの24.3%を別の職種の作業に使い、ほかの職種のメッセージの8.9%をマーケティングの作業が占めた。8.9%は、調べた職種の中で最も高い。

個々の作業では、財務の計算と、コンピューターのアプリやシステムの不具合への対処が目立った。財務以外のどの職種でも、財務の作業の中で財務の計算が上位3つに入った。エンジニアリング以外のどの職種でも、エンジニアリングの作業の中で不具合への対処が上位3つに入った（※2）。

利用量が中位の人は小さなワークスペースほど職種外が多いという分析

利用量が真ん中の50%に入る人では、職種外の割合は、席数が2〜5のワークスペースで18.9%だった。席数が101以上のワークスペースでは、16.3%だった。利用量が上位25%の人では、ワークスペースが大きいほど割合が下がるという傾向は見られなかった。ワークスペースの席数は会社が契約した利用者の枠の数で、従業員の数とは違う（※2）。

OpenAI は解釈の一つとして、任せる専門の担当者がいない小さな職場では、利用量が中程度の人がほかの人の助けが要る仕事にぶつかったときにAIに頼る可能性を挙げる。ただし同社は、この比較は実態を記述したものにとどまるとしている（※2）。

OpenAI の続報では、職種外の作業で例の提示や確認の依頼が多い

OpenAI は2026年9月16日、シリーズの2本目の報告を公開した。分析したのは、米国の利用者が2026年4〜7月に個人の ChatGPT のアカウントで送った、仕事に関するメッセージ150万件超だ（※4、※5）。

職種外の作業を頼むとき、利用者は説明や手順、回答の形式、助言を求めることが少なかった。反対に、例や背景の情報を添えることと、確認や検証を頼むことは多かった。プロンプトの長さは、職種内の作業のときより平均で約20文字短かった（※5）。OpenAI はこの結果を、利用者が別の分野の専門知識をAIから借りている、と読めると解釈している（※4）。

一度使った職種外の作業は翌月も使われやすいという OpenAI の続報

4〜7月を通して観察できた約6,200人について、OpenAI は、以前に使ったことのある職種外の作業の割合を月ごとに出した。職種に固有のAIの利用に占めるこの割合は、4月には13.1%だったが、7月には25.9%になった（※5）。

ある月に職種外の作業でAIを使った人が、翌月も同じ作業でAIを使った割合は23.6%だった。前の月にその作業で使っていなかった、似た条件の人では8.4%だった。職種内の作業や汎用の作業でも、差は同じくらいだった（※5）。

定着の度合いは、作業によって違った。抜き出したメッセージで初めて使ったと分かった月の翌月に、同じ作業に戻った割合は、顧客との商品・サービスのやり取りが54%、広告・販促の文章が44%、マーケティングの資料作りが37%と高かった。財務の情報を顧客に説明する作業と事業の情報を発表する作業は15%、法務の調べものは10%で、全体の平均は18.5%だった（※5）。

OpenAI は、こうした作業がふだんの責務になれば、役職名が同じままでも仕事の幅は広がりうると考えている（※4）。

Yang 氏らの研究では、エージェントは検索より職種外の依頼が多い

OpenAI の1本目の報告は、Perplexity での質問が利用者の主な職種の外にしばしば及ぶという、Yang 氏らの2026年の研究に触れている（※2）。

2026年6月に arXiv で公開された論文で、ハーバード大学の Jeremy Yang 氏と Perplexity の研究者は、Perplexity の検索と「Computer」の利用のデータを比べた。Computer は、作業を最後まで自ら進めるAIエージェントの製品だ（※7）。

Yang 氏らは、8つの職業の分野から1,000人ずつ、計8,000人を選び、検索の質問から各人の主な分野を推定した。両方の製品を使う同じ利用者で比べると、主な分野の外に向かう質問の割合は、Computer では平均59%、検索では50%だった。8つの分野のすべてで Computer の割合のほうが高かったが、財務と公共サービスの差は1〜2ポイントで、ほぼ横ばいだった（※7）。

職種外の質問の行き先は、検索ではデジタル技術の分野に集まり、Computer では多くの分野に分かれた。Yang 氏らはここから、検索での職種外の質問は技術的な事実を調べるもので、Computer ではふつうなら別の分野の専門家が要る仕事を任せているとみている（※7）。

タスククロスオーバーの調査・研究で使われる英語の言い方

タスククロスオーバーの調査の限界と注意点

OpenAI の数字は、ChatGPT Business に登録するときに職種を答えた米国の利用者の、個人のアカウントでのやり取りから出したものだ。OpenAI は、米国で働く人全体を代表するものではないとしている（※2、※5）。

数える単位はメッセージで、仕事の時間や仕上がった成果物ではない。AIの出力が実際に使われたか、質はどうだったか、専門家が確かめたかも、1本目の報告は見ていない。雇用や生産性への影響も推計していない（※2）。

2本目の報告によると、職種外と分類した作業でも、すでにその人の仕事の一部であることがありうる。前に使った作業の割合が月を追って上がる点について、報告は、新しい作業を試すほど繰り返しと数えられる作業も増えると脚注で断っている（※5）。

OpenAI は、この結果は職種がなくなることを示すものではないとしている。外の人がAIで作業に手を付けやすくなっても、専門家の判断や確認は引き続き欠かせないという（※2）。報告の結びによると、職種の外の作業が定着すれば、働く人には自分の専門の外でAIの手を借りた仕事を評価する訓練が要る可能性がある。組織にも、確認の手順と責任の所在をはっきりさせる備えが要るという（※2）。

自分の職種の外の作業をAIで行うときは、その結果を誰が確かめるのかを職場で決めておくと良いだろう。

タスククロスオーバーに関連する用語

• ケイパビリティ・オーバーハング：AIがすでにできることと、人や企業がAIを実際に使って得ている価値との差。
• ジャギッド・フロンティア：AIが得意な作業と苦手な作業の境目が入り組んでいて、見た目の難しさからは見分けにくいという考え方。

タスククロスオーバーに関する出典

※1 OpenAI「How AI is expanding what people do at work」（2026年7月27日）
※2 Caroline Chin・Alex Martin Richmond「Work at the Frontier: How AI is expanding what people do at work」（2026年7月、OpenAI）
※3 OpenAI「AI が広げる人々の仕事」（2026年7月27日）
※4 OpenAI「How workers are unlocking new ways of working」（2026年9月16日）
※5 Alex Martin Richmond・Caroline Chin「Work at the Frontier: How workers are unlocking new ways of working」（2026年9月、OpenAI）
※6 OpenAI「Modeling an AI jobs transition」（2026年4月25日）
※7 Jeremy Yang・Kate Zyskowski・Noah Yonack・Jerry Ma「How AI Agents Reshape Knowledge Work: Autonomy, Efficiency, and Scope」（2026年6月5日、6月11日改訂、arXiv）