AIに代替される職業は？ — 賃金と雇用規模で見るAIリスクの全体像（MoM 2026 Week 16）

今週のお題

Week 16 のテーマは「AI Risk Rankings」。職種ごとに算出された AIによる代替リスクスコア、そしてその職種の 平均賃金（Wage） と 雇用規模（Employment） がセットになったデータセットです。

単に「どの職業が危ないか」を並べるのではなく、「リスク × 雇用規模 × 賃金」の三次元で経済全体への影響を捉える ことを目指しました。

作成したダッシュボード

→ https://is.gd/bncoJh

タイトルは “Which Jobs Will AI Disrupt? — Impact Across Employment and Wages”。
冒頭に結論の一文を置き、4つのチャートで裏付ける構成にしています。

AI risk is concentrated in lower-wage roles, while large employment sectors amplify its overall impact.
（AIリスクは低賃金の職種に集中する一方、雇用規模の大きいセクターが全体への影響を増幅する）

工夫した点・こだわり

1. 結論ファーストの「要点バナー」

ダッシュボード最上部に、カラーと強調を効かせた一文の結論 を配置しました。いきなり散布図や棒グラフを見せず、「何が言いたいviz か」を3秒で伝える構造です。

2. 単純ランキングでなく「重み付きインパクト」

Top 10 リストを2本並べていますが、それぞれ基準が違います：

Top Occupations by Economic Impact：Risk × Employment × Wage
→ 経済全体の賃金総額にAIが及ぼすインパクト
Top Occupations by Employment Impact：Risk × Employment
→ 働く人数ベースで見た影響度

同じ「AIリスクが高い職業」でも、経済インパクトで見ると Engineers / Shipping & Receiving Clerks が上位に来ますが、雇用ベースでは Engineers / Shipping は別の並びに変わります。軸の取り方で見える景色が変わる ことを意図的に見せました。

3. 散布図 × バブルサイズで「3変数の関係」を一望

左の AI Risk Landscape では：

X軸 = Wage（賃金）
Y軸 = Risk（リスクスコア）
バブルサイズ = Employment（雇用規模）

バブルが左上（低賃金・高リスク・大規模雇用）に集中していることが一目でわかります。

4. パラメーターで視点を切り替え

右上のコントロール AI Risk Level（Both / Highest Risk / Lowest Risk）は 単一パラメーターで全チャートを一括制御しています。選択に応じて全ビューのフィルターとソート順が連動します。

使ったTableauの技術・Tips

計算フィールド

実装で使った主要な計算フィールドは以下の通り：

// 経済全体への影響度スコア
Economic Impact Score = [risk] * [employment] * [wage]

// 雇用ベースの影響度スコア
Impact Score = [risk] * [employment]

// パラメーター連動フィルター（f.risk select）
CASE [Parameters].[パラメーター 1]
  WHEN 0 THEN TRUE
  WHEN 1 THEN CONTAINS([category], "High")
  WHEN 2 THEN CONTAINS([category], "Low")
END

// パラメーター連動ソート（s.sort by risk select）
CASE [Parameters].[パラメーター 1]
  WHEN 0 THEN [risk]
  WHEN 1 THEN [risk]
  WHEN 2 THEN -[risk]
END

// ランキング
RANK(-SUM([risk]))

パラメーターとCASE式の合わせ技

「Both / Highest / Lowest」の3状態を1つのパラメーターで管理し、フィルター用 と ソート用 の2つの計算フィールドで CASE を使い分けるパターンです。複数のフィルターやアクションを重ねるより、1パラメーター × CASE のほうがダッシュボード全体の状態が追いやすく、メンテナンスもしやすくなります。

「Distribution of Risk」帯グラフ

下段2つのチャート（Distribution of Risk Across Employment / Wage Levels）は、職種を雇用規模順／賃金順に並べて、それぞれの棒の幅を雇用・賃金に比例させた 可変幅バーチャートです。以下のような PREVIOUS_VALUE + LOOKUP パターンで累積幅を計算しています：

IF FIRST() == 0 THEN
  SUM([employment])
ELSEIF MIN([occupation]) <> LOOKUP(MIN([occupation]), -1) THEN
  PREVIOUS_VALUE(0) + SUM([employment])
END

「棒の太さに意味を持たせる」ことで、見た目のインパクトと情報量を両立させます。

ベストプラクティスの観点から

Tableau の Visual Analysis Best Practices でも強調されている通り、ダッシュボードで大切なのは 「1つの問い」に答えること。今回は「AIリスクは誰にどう当たるのか？」という問いに、タイトル → 概観（散布図）→ ランキング → 分布 という視線の動きで答える構成にしました。

学び・振り返り

リスクスコア単体のランキング は分かりやすいが、経済・雇用への影響度 を掛け合わせると別の景色が見える。指標の掛け算は、単純ランキングを超えた洞察を生む
1パラメーターで全体制御 は保守性も可読性も高い。複数パラメーターを並べるより先に、1つでまとめられないかを検討する価値あり
結論ファースト のテキスト配置は、忙しい読み手ほど効く。次回以降も「3秒で分かるヘッドライン」を意識したい

Tableau Public プロフィール：https://public.tableau.com/app/profile/tamaball38175/vizzes