定型的な散水や環境制御
温度、湿度、水分量の条件が明確なハウス栽培では、散水や換気の制御は自動化しやすいです。人が毎回同じ判断を繰り返す必要は薄くなっています。一定条件で回せる工程ほど、今後もAIと設備制御の影響を受けやすいです。
農家はAIでなくなる？
農家はAIに代替されるのか。定型作業や一次診断は削られても、天候と生育のズレへの対応や収穫と販売の優先順位づけは残る。
このページは「都市農業従事者」も対象にしています。
先に結論
農家は、AIや機械化で作業が補助されるからといって、一律に不要になる職種ではありません。定型作業や一次診断は削られやすい一方で、天候と生育のズレへの対応、収穫と販売の優先順位づけ、地域や取引先との関係づくりは人に残ります。
この職業とは
農家は、畑やハウスで作物を育てるだけの仕事ではありません。天候を読み、土壌や病害虫の変化を見て、限られた人手と設備で収穫までの工程を組み立てる仕事です。作るだけでなく、出荷時期、品質、販売先との関係まで含めて経営判断を続ける役割があります。
AIは自動走行、環境制御、画像診断、需要予測を支援しますが、農家の仕事がそのまま消えるわけではありません。現場で起きるズレに対応し、収穫と経営の両方を守る判断は今も人が担います。農家のAIリスクは、作業の自動化と、経営判断の重みの増加を分けて見る必要があります。
業界
農業
公開データで見るこの職業
生成AIへのさらされ度
32 / 100
188職業中 172位
米国政府の区分
さらされ度：中
米国労働統計局（BLS）による職業別の相対的なAIさらされ度区分（2026年）。
4つの公開データから当サイトが算出した0〜100の指標で、掲載している188職業の中での相対的な位置を示します。高いほど、生成AIがこなせる・実際に使われている業務の割合が大きいことを意味します。仕事がなくなる確率ではありません。
AIがこなせる業務の多さ（理論）
38
研究者による業務分析（Eloundouほか、ILO）。各データが評価する全職業の中での百分位です。
AIが実際に使われている業務の多さ（実利用）
25
Microsoft Copilot と Anthropic Claude がこの職業の業務に実際に使われた度合い。各データが評価する全職業の中での百分位です。
米国の雇用（BLS 2025〜35年予測）
- 就業者数の予測変化（2025〜35年）
- -3.4%
- 米国の就業者数（2025年）
- 788,700
- 年間の求人数（平均）
- 70,800
- 年収の中央値（2025年）
- US$89,900
- 就職に通常必要な学歴
- 高卒程度
BLSが挙げる変化の理由
BLSはこの職業に固有の変化要因を挙げていません。この予測は主に、この職業を雇用する業界の伸び・縮みを反映したものです。
BLS の職業区分「Farmers, ranchers, and other agricultural managers」の米国の数値です。BLS の予測は技術が過去と同じペースで進むことを前提にしており、AIの影響だけを予測したものではありません。
出典
さらされ度は、以下のデータを基に当サイトが算出しました（データ時点：2026年10月15日）。米国の雇用の数値は BLS の公表値をそのまま掲載しています。
- Eloundou, Manning, Mishkin & Rock, "GPTs are GPTs: Labor market impact potential of LLMs", Science (2024); data MIT licence
- Gmyrek, Berg, Kamiński, Konopczyński, Ładna, Nafradi, Rosłaniec, Troszyński. Generative AI and Jobs: A Refined Global Index of Occupational Exposure. ILO Working Paper 140. Geneva: ILO, 2025. © ILO, CC BY 4.0
- Tomlinson, Jaffe, Wang, Counts & Suri, "Working with AI: Measuring the Occupational Implications of Generative AI", Microsoft Research; CC BY 4.0
- Anthropic Economic Index (job_exposure); CC BY
- U.S. Bureau of Labor Statistics, Employment Projections 2025–35 and AI exposure categories
各データの公表元は、本サイトの作成・確認・推奨には関与していません。 出典・ライセンス・算出方法の詳細
農家はAIでなくなる？
農家のAIリスクを語るとき、収穫ロボットや自動運転だけを見て判断すると実態を外します。実際には、作業を決まった順にこなすだけでなく、天候の急変、病害虫、販売先の都合、労働力不足などに合わせて段取りを組み替え続けています。農家の仕事は、手を動かすこと以上に、崩れた条件の中で何を優先するかを決める仕事です。
とくに日本の農業は、圃場条件のばらつきや小規模分散、生鮮品の出荷タイミングなど、現場ごとの差が大きいです。AIで作業の一部が補助されても、そのまま全部を任せられる場面は限られます。だからこそ、どの作業が置き換わりやすく、どの判断が残るのかを切り分けて考える必要があります。
置き換わりやすい業務
農家の仕事の中でも、条件が比較的揃っていて、手順が明確な作業はAIや自動機械で置き換わりやすくなっています。とくに大規模化しやすい工程や、反復が多い作業ほど影響を受けやすいです。
画像診断を前提にした一次見回り
葉色や病斑、成長度合いの一次チェックは、画像認識の支援で効率化しやすいです。明らかな異常候補を拾うだけなら、人がすべての株を同じ密度で見る必要は減っています。ただし、診断結果をどう扱うかは別の問題です。
同一条件での反復作業
まっすぐな畝での搬送、定型的な除草、一定間隔での管理作業などは、機械化や自動化と相性が良いです。環境差が少ない場面ほど、作業を標準化しやすいからです。人がその場で微調整する余地が少ない仕事は、置き換わりやすくなります。
単純な出荷予測の補助計算
過去データと天候情報から大まかな収量や出荷時期を見積もる作業は、AIで補助しやすいです。計算そのものより、そこからどの販売先へどう割り振るかの判断が重要になります。予測を回すだけの工程は人の比重が下がりやすいです。
残る業務
農家の価値が残るのは、自然条件と経営条件のズレを現場でさばく仕事です。作物の状態を見ながら、収穫、労働、販売の全体を調整する判断は、今後も人の農家が強く担う領域です。
天候や生育のズレに応じて段取りを変える仕事
雨が続いた、気温が急に上がった、予定より生育が早いといった変化が起きたとき、どの作業を前倒しし、どこを諦めるかを決めるのは農家の重要な仕事です。現場での柔軟な段取り替えは、定型自動化では追いつきにくいです。自然条件に合わせて組み直す判断が残ります。
作物の状態を見て手を入れる仕事
同じ圃場でも株ごとに状態が違い、数字や画像だけでは拾いきれない違和感があります。葉の張り、土の匂い、触った感覚などを含めて判断する仕事は、いまも人の経験が大きいです。作物と向き合いながら細かく手を入れる仕事は残りやすいです。
収穫と販売の優先順位を決める仕事
すべてを一番良いタイミングで出せるとは限らず、天候、相場、出荷先の都合、人手の状況を見ながら優先順位を決める必要があります。どこへどの品質を回すかの判断は、単なる収量予測では決まりません。生産と販売を同時に見る経営判断が残ります。
地域や取引先との関係を保つ仕事
農業は作るだけで完結せず、資材業者、出荷先、地域の協力、人手の確保など多くの関係の上に成り立っています。信用を積み重ねながら仕事を回す役割は、人の農家に残る重要な価値です。数字では見えにくいが、経営を支える基盤として強く残ります。
学ぶべきスキル
農家として残るには、作業技術だけでなく、データと経営を一つの判断にまとめる力が欠かせません。設備やツールを使えるだけではなく、それを収益や安定運用に結びつけられる人が強くなります。
環境データの読み方と活用
温度や水分、収量データをただ記録するだけでなく、次の判断にどう使うかを理解する必要があります。数字と実際の作物の状態を結びつけられる人は、AI支援を活かしやすいです。データを現場の感覚と切り離さずに読む力が重要になります。
出荷と販売まで含めた経営感覚
作る技術が高くても、売り先やタイミングを誤れば経営は安定しません。どの販路が自分の作物と相性が良いか、どこに労力を配分すべきかを考える力が必要です。AI時代ほど、生産だけでなく販売まで見られる農家が強くなります。
機械化や自動化の導入判断
新しい設備を入れればよいわけではなく、自分の圃場条件や人手、回収見込みに合うかを見極める必要があります。導入コストと実際の効果を冷静に判断できる人は無駄を減らせます。技術を買う側の目利き力が重要です。
現場の違和感を言語化する力
ベテランの感覚だけで終わらせず、なぜそう判断したのかを言葉にできると、AIや他の人と連携しやすくなります。自分の経験を仕組みや共有知に変えられる人は、経営の再現性を高めやすいです。感覚を言語化する力は、今後の農業でも強い武器になります。
転職先候補
農家の経験は、作業そのものよりも、自然条件の変化に合わせて現場を回し、収穫と販売を両立させる力にあります。現場運営、品質管理、物流、都市型栽培など、近い判断構造を持つ職種へ広げやすいです。
都市型農家
栽培と販売を一体で考えてきた経験は、都市近郊や小規模高付加価値型の農業でも活きます。生産の腕を保ちつつ、顧客距離の近い形へ広げたい人に向いています。
オペレーションマネージャー
天候や人手の変化に合わせて現場を回してきた経験は、運営管理でも価値があります。日々崩れる条件の中で優先順位を決める力を、別の現場運営へ移しやすいです。
さらされ度 63/100 · 米国の雇用 2025〜35年 +5.0%
品質保証スペシャリスト
収穫物の品質差や工程のばらつきを見てきた経験は、品質管理の仕事でも強みになります。現場感覚を活かしながら、安定した品質を守る側へ広げたい人に向いています。
さらされ度 47/100 · 米国の雇用 2025〜35年 +2.5%
物流コーディネーター
収穫時期、出荷先、鮮度管理を考えてきた経験は、物流調整にもつながります。現場と納品のタイミングを合わせる感覚を、配送や供給の調整へ広げやすいです。
さらされ度 79/100 · 米国の雇用 2025〜35年 +17.6%
調達スペシャリスト
資材、コスト、供給の安定性を見ながら判断してきた経験は、調達にも活きます。現場で必要なものを現実的な条件で確保する感覚を、購買や外部先選定へ広げたい人に適しています。
さらされ度 70/100 · 米国の雇用 2025〜35年 +6.0%
まとめ
農家は、AIや機械化で作業が補助されるからといって、一律に不要になる職種ではありません。定型作業や一次診断は削られやすい一方で、天候と生育のズレへの対応、収穫と販売の優先順位づけ、地域や取引先との関係づくりは人に残ります。手作業の量ではなく、変化の中で経営を成立させる判断力を持つ農家ほど、これからも強く残りやすいです。
同じ業界の比較職種
ここに表示しているのは、農家（農業従事者）と同じ業界に分類される職種です。仕事内容が同一という意味ではなく、AIの影響やキャリアの近さを比較しやすい職種を並べています。
関連ページ・ツール
関連する読みもの
よくある質問
Q.農家はAIでなくなる？
農家（農業従事者）の生成AIへのさらされ度は100点中32（188職業中172位）です。AIがこなせる・使われている業務の多さを示す指標で、仕事がなくなるかどうかを示すものではありません。BLSは、米国の農家（農業従事者）の雇用が2025年から2035年にかけて-3.4%変化すると予測しています。
Q.農家（農業従事者）の業務のうち、AIに置き換わりやすいのはどれですか？
農家の仕事の中でも、条件が比較的揃っていて、手順が明確な作業はAIや自動機械で置き換わりやすくなっています。とくに大規模化しやすい工程や、反復が多い作業ほど影響を受けやすいです。具体的には：定型的な散水や環境制御、画像診断を前提にした一次見回り、同一条件での反復作業、単純な出荷予測の補助計算。
Q.農家（農業従事者）の仕事で、人に残るのはどの部分ですか？
農家の価値が残るのは、自然条件と経営条件のズレを現場でさばく仕事です。作物の状態を見ながら、収穫、労働、販売の全体を調整する判断は、今後も人の農家が強く担う領域です。具体的には：天候や生育のズレに応じて段取りを変える仕事、作物の状態を見て手を入れる仕事、収穫と販売の優先順位を決める仕事、地域や取引先との関係を保つ仕事。
Q.農家（農業従事者）がいま身につけておくべきスキルは何ですか？
農家として残るには、作業技術だけでなく、データと経営を一つの判断にまとめる力が欠かせません。設備やツールを使えるだけではなく、それを収益や安定運用に結びつけられる人が強くなります。具体的には：環境データの読み方と活用、出荷と販売まで含めた経営感覚、機械化や自動化の導入判断、現場の違和感を言語化する力。